基于数据驱动的电力光纤通信网脆弱节点动态挖掘

电力光纤通信网络脆弱节点受到外界影响或系统干扰时,会导致线路元件的相继故障,缩减网络的使用寿命,为此提出基于数据驱动的电力光纤通信网络脆弱节点动态挖掘方法。首先在大数据环境下剔除网络中的冗余节点,并根据剔除结果交换节点信息,确定通信网络脆弱节点位置连接后,获取通信网络的异常范围;再依据划分出的通信异常范围提取该区域中的节点脆弱性能特征,建立脆弱节点挖掘模型;最后依据该模型挖掘出通信网络中的脆弱节点,实现电力光纤通信网络脆弱节点动态挖掘。实验结果表明,利用该方法开展通信网络脆弱节点挖掘时,节点挖掘精度平均值为98%,网络传输时延最小值为19 ms,节点挖掘消耗时间为0.42 s,节点覆盖程度为96.88%,通信网络脆弱节点挖掘性能较好。

400 mW 980 nm泵浦激光器设计

由于当前国内980 nm半导体泵浦激光器设计经验及生产工艺的缺乏,高功率980 nm半导体泵浦激光器核心技术一直无法突破,文章采用国产化解决方案,包括芯片、光栅和耦合光纤等设计与实现,通过应用楔形光纤直接耦合的全金属化封装,选择双光栅结构进行波长锁定,实现了-50~75℃工作温度范围内,输出光功率达400 mW的980 nm半导体泵浦激光器的研制,其波长稳定性可达0.01 nm/℃。并且通过了5000 h以上、工作电流800 mA和环境温度75℃的带电老炼测试,为满足高可靠性的国产化泵浦激光器奠定了基础。

DBN深度学习算法在反窃电系统中的应用

随着经济的发展,电力需求逐渐增大,但由于电力系统在电量自动化的技术方面相对落后,窃电现象屡禁不止。传统的反窃电手段一般都围绕加强电能计量装置进行技术改造,管理效率较低,而深度学习的目的是利用构建多层神经网络模型的方法来学习图像、文本、语音等数据的潜在特征,在分类问题上有很好的效果,在众多复杂领域成功应用的深度学习算法为解决反窃电问题提供了新的有效途径。主要介绍了DBN的结构与学习算法和基于DBN算法的反窃电模型,最后进行了实验,对结果进行了分析。

国网典型100 G OTN系统研究与应用

近年来,随着能源互联网与电力物联网的快速发展,国家电网有限公司各业务系统对通信系统传输带宽要求越来越大,2013年建成的单波10 G大容量骨干光传输系统(Optical Transport Network,OTN)已无法满足未来几年的需求。目前单波100 G OTN系统技术日趋成熟,但10 G/100 G的混传测试与应用较少,文章介绍了10 G/100 G混传过程中遇到的技术问题,并通过实验测试和数据分析,得出了相关结论和解决方案,对后续国家电网有限公司大容量骨干光传输系统从单波10 G网络向单波100 G网络平滑升级具有重要的参考价值。

基于时延容忍度及报警反馈评估的故障业务恢复算法

为提高光网络的生存性,提出一种基于业务时延容忍度及报警反馈评估的故障业务恢复算法。首先,应用基于混合进化神经网络的链路多故障定位模型,从大量报警信息中准确定位故障位置;然后,对故障业务进行时延容忍度评估,并以此为依据为故障业务排列恢复顺序。此外,根据各链路上报警信息的种类和数量,对每条链路进行了可靠性评估,优先选择可靠性更高的链路进行路由。仿真结果表明:该算法的故障定位准确率高达91%,故障业务相对恢复时延度平均降低了48.83%,恢复路径可靠性平均提高了6.05%。

拟态SDON传输系统中冗余异构多核架构的实现

现有增强光传输网络安全性的方法多是基于网络层面的,无法保障光传输设备的安全性。提出在光传输设备的管理控制系统中引入拟态防御技术,设计了设备的冗余异构多核架构。基于系统相似度构建攻击概率模型,并进行仿真验证。结果表明:所提方法明显降低了系统被攻击成功的概率,大大提高了拟态软件定义光网络传输系统的安全性能。

基于SDN的数据通信网可靠性与故障恢复效能提升研究

随着全球能源互联网的不断发展和进步,网络业务种类精细化对网络的要求呈现多样性。传统运营商、电力及金融行业大中型企业以MPLS VPN架构为基础的数据通信网络亟须向SDN网络进行演变。本文通过SDN段路由等新技术的采用,构建基于SDN的数据通信网进行应用测试,对比传统数据通信网可靠性、故障恢复及流量调度等方面的提升明显,为传统网络向SDN网络的平滑演进提供参考。