基于半监督聚类的通信缺陷研判知识库构建及迭代技术

电力通信网是电力系统不可缺少的重要组成部分,是电网调度自动化和生产管理现代化的基础,是确保电网安全、经济、稳定运行的重要技术手段。传统的通信缺陷研判工作依赖人工经验,难以满足日益庞大、复杂的通信网络安全生产需求。而基于规则引擎或神经网络等方法在生产环境应用中逐渐遇到瓶颈,样本较少难以训练,且作为黑盒较难在生产环境中独立使用。针对上述问题,本文提出基于改进马尔科夫聚类的告警聚类算法和基于序列相似性计算与OPTICS聚类的缺陷研判算法,以适应当前缺陷数据小样本场景,在上述算法结果基础上,利用少量的缺陷单标签构建缺陷研判知识库及其迭代学习机制,通过实际生产积累的数据进行验证,结果表明相关算法及其知识库在应对实际生产问题时效果良好。

规则引擎在电力通信缺陷研判及自动派单领域中的研究与应用

近年来,随着电力通信系统规模和承载业务量不断扩大,对电力通信系统运行提出了更高的要求,而传统的电力通信值班监控主要依靠人工对设备告警进行分析处置,工作效率较低。国网江苏公司开展了基于规则引擎的电力通信缺陷研判及自动派单试点应用与推广工作,通过规范管理机制、优化告警识别、制定派单规则、完善过程管控、分步推广应用,率先建设了通信缺陷研判规则引擎,构建了缺陷自动派单、现场移动接单的智能化调控新模式,实现了值班监控模式从监控设备告警向监控缺陷派单转变,提高了电力通信调度监控和缺陷处置的自动化、智能化水平。

基于卷积神经网络的调度交换网缺陷智能研判

为达到调度交换网在电网中的高标准要求,提出了调度交换网缺陷智能研判技术,设计了调度交换网缺陷智能研判系统。该系统包括硬件部分和软件部分。硬件部分利用集中控制方法,将系统分为公共控制部分和电话控制部分,实现研判系统与每个调度交换网节点之间的通信。软件部分使用8031汇编程序和VC++进行系统间的操作,实现对调度交换网缺陷智能研判系统自身的实时监控。利用卷积神经网络(CNN)算法对调度交换网故障进行判断,以更准确地判断调度交换网的故障类型。为了验证该系统的可行性,进行了相关试验。试验结果表明:在对系统研判的可靠性进行测试时,该系统的可靠性高达96%;对判断故障类型进行准确度测试时,该系统的准确度高达98%。