基于粒子群算法和知识图谱优化通信专网故障的测评方法技术

本发明专利技术涉及输电线路通信专网技术领域，公开了一种基于粒子群算法和知识图谱优化通信专网故障的测评方法，包括：采集输电线路通信专网的相关数据，所述相关数据包括非结构化数据和结构化数据；对所述非结构化数据进行文本抽取，形成以“实体

【技术实现步骤摘要】
基于粒子群算法和知识图谱优化通信专网故障的测评方法


[0001]本专利技术涉及输电线路通信专网
，具体涉及一种基于粒子群算法和知识图谱优化通信专网故障的测评方法
。

技术介绍

[0002]输电线路通信专网作为电力传输系统重要组成部分，在保障我国3万多千米高压传输线路正常运行通信保障中发挥了重要作用，在全国覆盖范围广
、
运行环境恶劣
、
长期保持实时运行和在线状态，对设备的可靠性运行要求高
。
基于此，在发生故障时，传统对故障进行诊断和定位的方式主要包括基于人工经验
、
先验知识
、
故障分析树等，而在这个过程中对故障分析人员的专业知识和故障分析经验能力要求很高
。

技术实现思路

[0003]本专利技术提供的涉及一种基于粒子群算法和知识图谱优化通信专网故障的测评方法，利用多源信息的知识图谱，包括输电线路拓扑图
、
设备参数
、
历史故障数据
、
运行环境（比如天气）等，建立了一个全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于粒子群算法和知识图谱优化通信专网故障的测评方法，其特征在于，包括：
S1、
从多个方面采集输电线路通信专网的相关数据，所述相关数据包括非结构化数据和结构化数据，其中，所述非结构化数据来源于包括输电线路通信专网系统架构
、
功能说明
、
运行环境说明
、
历史故障分析表单及文本
、
故障照片；所述结构化数据来源于输电级线路业务环境信息以及通信网络运行状态采集的信息；
S2、
对所述非结构化数据进行文本抽取，形成以“实体
、
第一属性
、
第一属性值”为组合的第一三元组以及各实体之间的关联信息，以形成关系网络，根据所述结构化数据中的各属性和关键模型，建立以“模型
、
第二属性
、
第二属性值”为组合的第二三元组，所述实体包括通信线路
、
各通信专网节点以及对应的负责人员；
S3、
根据所述第一三元组结合第二三元组构建出实体
、
模型
、
属性
、
属性值
、
关联信息的元素；
S4、
对若干所述元素根据实体的一致性和相同性的判断标准进行合并处理，然后将合并处理后的所述元素根据所述关系网络以图结构的方式进行表示，从而形成一个初始输电线路通信专网知识图谱并存储管理，并提供相应的查询接口；
S5、
实时采集输电线路专网的数据并通过所述初始输电线路通信专网知识图谱进行查询，将查询到的结果以及对应的故障作为训练集数据，并通过粒子优化算法优化所述训练集数据，然后根据优化后的结果以及对应的故障更新所述初始输电线路通信专网知识图谱
。2.
根据权利要求1所述的一种基于粒子群算法和知识图谱优化通信专网故障的测评方法，其特征在于，
S2
中，对所述非结构化数据进行文本抽取，形成以“实体
、
第一属性
、
第一属性值”为组合的第一三元组具体过程为：
S2.1、
实体识别：使用
NER
算法识别所述文本中的实体，并将识别到的所述实体标注为相应的类型；
S2.2、
属性抽取：从所述文本中提取出各实体的相关的第一属性以及对应的第一属性值，形成以“实体
、
第一属性
、
第一属性值”为组合的第一三元组；
S2.3、
关系建立：根据所述文本中的上下文信息，建立各所述实体之间的关系
。3.
根据权利要求1所述的一种基于粒子群算法和知识图谱优化通信专网故障的测评方法，其特征在于，所述第一属性包括实体的故障描述
、
故障特征
、
故障分析
、
故障发生时间
、
故障原因；所述第二属性包括所述实体所属的生产厂商
、
规格型号
、
版本信息
、
投运时间
、
运行环境
、
所属线路
、
实时运行状态数据统计并分析出的特征参数量
。4.
根据权利要求1所述的一种基于粒子群算法和知识图谱优化通信专网故障的测评方法，其特征在于，通过粒子优化算法优化所述训练集数据具体为：
S5.1、
将输电线路通信专网故障看作粒子，随机生成一定数量的粒子群，并初始化粒子的位置
、
速度以及相关参数，其中，粒子的位置表示当前解决该输电线路通信专网故障的方案或通信专网节点的参数配置，粒子的速度表示搜索方向和距离；
S5.2、
根据影响输电线路通信专网故障的因素，计算每个粒子的适应度函数值；
S5.3、
根据每个所述粒子的当前位置
、
历史最优位置和全局最优位置更新每个所述粒子的速度；
S5.4、
根据每个所述粒子的最新速度和当前位置，更新每个所述粒子的当前位置；
S5.5、
根据每个所述粒子的当前位置和适应度函数值，更新每个所述粒子的历史最优位置和全局最优位置；
S5.6、
判断是否满足终止条件，若是，则输出所述粒子的全局最优位置，即最优解，否则，跳转至
S5.2。5.
根据权利要求4所述的一种基于粒子群算法和知识图谱优化通信专网故障的测评方法，其特征在于，
S5.1
的具体过程为：
S5.1.1、
初始化粒子群大小 N、
最大迭代次数
max_iter、
惯性权重
w、
加速系数 c1 和 c2
；
S5.1.2、
对于每个粒子 i ∈ [1, N]
，执行以下操作：
a.
随机生成初始位置
xi
和初始速度
vi
；
b.
将粒子
i
的当前位置
、
历史最优位置和全局最优位置更新为初始位置 xi
；
S5.1.3、
得到初始化好的粒子群；
S5.2
的具体步骤为：
S5.2.1 、
输入粒子的当前位置向量
x
；
S5.2.2、
根据当前位置向量
x
，通过设置好的故障分析树，计算出该粒子的当前位置向量
x
的适应度函数值
f(x)
；
S5.2.3、
返回该粒子的当前位置向量
x
的适应度函数值 f(x)
；
S5.2.4、
循环
S5.2.1
‑
S5.2.3
，直到粒子群中每个粒子的当前位置向量的适应度函数值均被求出
。6.
根据权利要求5所述的一种基于粒子群算法和知识图谱优化通信专网故障的测评方法，其特征在于，通过所述故障分析树计算出适应度函数值的具体步骤如下：
A1、
构建所述故障分析树：根据输电线路通信...

【专利技术属性】
技术研发人员：李旭旭，李兴，马玫，王超，卢金奎，杨波，樊雪婷，姚文浩，张乐，谢欢，
申请(专利权)人：国网四川省电力公司信息通信公司，
类型：发明
国别省市：