[发明专利]基于动态贝叶斯网络的电力通信网业务可靠性预测方法

说明书

技术领域

本发明属于通信网业务可靠性预测的研究范畴，涉及大数据在电力通信网中的应用，动态贝叶斯网络，业务通道的拓扑结构的可靠性研究、光缆的可靠性分析、网元的可靠性分析、设备的负载与可靠性的关系，动力环境因素对业务可靠性的影响等研究领域。提出了一种基于动态贝叶斯网络的多层多维度的电力通信网业务可靠性动态预测模型。

背景技术

基于海量的数据，采用大数据的手段，对电力通信网业务可靠性的预测是一个新兴的研究领域。该领域涉及到的主要研究对象，关键技术和实际应用价值主要包括：

电力通信网的数据主要来源于设备告警，设备运维，业务数据等各个环节，其数据具有数据量大，数据类型繁多，数据价值高等特征。对电力通信网的智能化管理决定了其对电网业务的支撑能力。大数据能够带来更加灵活丰富的管理手段，对业务可靠性的预测，能够为通信网可靠，高效地运行提供保证，能够产生巨大的价值。基于电力通信网的数据挖掘将促进电网通信运行水平和管理效率的提高，“在进一步提升电网安全预控水平和供电可靠性的同时，带来巨大的社会效益。”

通信网业务可靠性研究：电网对通信网的依赖性不断增强，对通信网的业务可靠性要求不断增强，随着电力通信网结构的不断复杂，规模日益增大，面临的挑战不断加强。现有的通信网的可靠性分析主要采用N-1分析，其目的是要确保在单一故障下不会导致同一条线路的所有业务的通信信道中断。归纳起来，通信网可靠性影响因素主要有8种。分别是：(1)通信网的拓扑结构；(2)通信网的构成部件；(3)通信网的控制软件；(4)通信网的故障诊断能力；(5)通信网的故障恢复能力；(6)用户对网络业务的性能需求；(7)通信网络环境；(8)其他因素。

针对以上的各个要素，已提出了多个业务可靠性的评价和量化方法，比如刘俊毅等人提出了基于业务可用性的电力通信网可靠性量化评估方法，该方法提出基于业务重要度与业务路由状态的业务可靠性的量化指标。赵子岩等人提出了基于业务风险均衡度的电力通信网可靠性评估算法，可以从业务通道段承载业务的风险度水平方面对电力通信网的安全性、可靠性进行评估。

归纳以上的量化方法，能够发现这些方法缺少对动力环境因素的考虑，还有市政施工等因素对业务可靠性的影响，更重要的不是基于大数据的预测模型。对电力通信网数据利用率的提高，可以加快电力企业盈利与控制水平的提升，无论是行业内还是行业外应用，都会带来新的发展机遇。同时，这也对大数据的认知水平提出了挑战，如何从海量数据中提取出有价值的信息，并最终转化成可以优化管理模式和提升服务水平的决策知识，这是大数据价值能否被充分展现和应用的关键所在。

业务可靠性预测：电力通信网作为智能电网的支撑网络，其可靠性已成为智能电网智能化和经济、安全运行的先决条件。通过对电力通信网已有的海量数据的初步研究，我们发现外部的动力环境因素，对业务可靠性的影响很大，在大雨，雷电天气下，业务的可靠性会受到很大的影响。同时，我们发现外部的施工环境对业务可靠性的影响也是巨大的，60％的光缆故障都是由于施工引起。在国内关于通信网可靠性预测的相关研究比较欠缺，Salma Ktari提出了基于贝叶斯网络的公共安全网络的可靠性预测的模型，公共安全网络与电力通信网有些方面是比较相似的，为了保证业务的可靠性，都采用了多通道的冗余技术，不同的拓扑结构将带来不同的业务可靠性。通过本论文，可以看到贝叶斯网络在解决网络中业务可靠性预测问题的有效性。

Bilgehan Erman等人利用贝叶斯网络针对5G无线网络的可靠性进行了预测，鉴于5G网络本身对服务质量的要求，预测将是必不可少的。文章基于概率的角度，提出了可靠性的概率表达，即网络一段时间的可靠性等于网络在这段时间不会发生故障的概率，公式如下所示。作者基于网络使用人数，网络延迟，吞吐量等因素构建贝叶斯网络，利用模拟数据计算CPT,利用贝叶斯网络的推理功能进行可靠性的预测。模型简单易用，并取得了很好的预测效果。

贝叶斯网络：贝叶斯网络(Bayesian network)是一种概率图型模型，是人工智能领域表达和处理不确定性问题的重要工具，贝叶斯网络自从1763年提出之后，因为其概率的基础和双向推理，广泛应用在各个领域。贝叶斯网络分为静态贝叶斯网络和动态贝叶斯网络。