[发明专利]一种基于LSTM和随机森林混合模型的电力通信业务可靠性评估预测方法及装置

说明书

本发明公开了一种基于LSTM和随机森林混合模型的电力通信业务可靠性评估预测方法，属于时序分析和分类回归的研究范畴，涉及LSTM，随机森林等技术领域，主要针对通信网络业务记录和业务告警记录，构建LSTM和随机森林混合分类模型，采用Adam优化方法进行模型训练，利用已经训练好的模型进行分类任务。本发明的优点：可以自动从过去十二个月的历史告警记录中学习训练模型，并对接下来一个月的业务可靠性做出评估和预测，提高对低可靠性业务的风险预警，及时预防和止损。

技术领域

本发明涉及时序分析和分类回归技术领域，具体涉及一种基于LSTM和随机森林混合模型的电力通信业务可靠性评估预测方法及装置。

背景技术

电力通信业务可靠性：电力通信网作为电力系统的专用系统，其承载的通信业务主要是与电力生产、运行相关的通信业务，包括继电保护业务、安全稳定业务、调度自动化业务、调度电话业务、行政电话业务、数据通信业务和通信环境监测业务等。这些业务对通道路由可靠性有特殊要求，通道路由是否可靠会直接影响电力系统的安全稳定运行。因此，针对电力通信业务的可靠性评估和预测是十分必要的。

电力通信管理系统：是作为智能电网重要支撑的电力专用通信网络系统，是总部和省公司“两级部署”，总部、分部、省公司、市县公司“四级应用”的通信管理系统“SG—TMS”。通过标准化规范化的项目建设以及对系统实用化的大力推进，“SG—TMS”已经深度融入数万电力通信专业人员的日常工作中，并且全面采集了数万台设备几年来的建设、运行、管理数据，积累下来的海量电力通信数据和众多外部系统数据、公共数据一同形成了开展大数据分析的基础。

通信网络业务记录：智能电网通信的信息话管理系统中存储了大量的业务记录信息、业务运行状况信息和业务采用的通道信息等，其中既有规范的结构化数据，业务开通时间、运行时间、业务类别等，也有许多半结构化数据。此外，业务类别反应了业务的应用领域，但是电力网络中对业务分配的多变，特别是备用业务通道。业务总是由一个或多个通道组成，而每个通道又由多个站点相互联通。在日常的生产管理中，记录了站点的历史告警记录，包含了告警时间、告警类型、告警恢复时间等信息。

本申请发明人在实施本发明的过程中，发现现有技术的方法，至少存在如下技术问题：

现有的可靠性评估技术大多根据故障信息或业务重要度，分析评估当前状态下业务的可靠性，对于未来时段内业务可靠性只能给出类似于使用时间越久，可靠性越低的笼统性趋势分析。

也就是说，现有技术中存在预测结果不够精确的技术问题。

发明内容

有鉴于此，本发明提供了一种基于LSTM和随机森林混合模型的电力通信业务可靠性评估预测方法及装置，用以解决或者至少部分解决现有技术中存在的预测结果不够精确的技术问题。

为了解决上述技术问题，本发明第一方面提供了一种基于LSTM和随机森林混合模型的电力通信业务可靠性评估预测方法，包括：

S1：获取电力通信业务的历史告警记录信息，对历史告警记录信息进行预处理；

S2：构建LSTM网络模型，利用预处理后的历史告警记录信息对LSTM网络模型进行训练；

S3：利用训练好的LSTM网络模型对待预测的电力通信业务数据进行预测，得到时序预测结果；

S4：获取电力通信业务的基本信息，将预测得到的时序预测结果与电力通信业务的基本信息进行拼接，再对拼接后的数据进行归一化处理；

S5：将归一化处理后的数据输入随机森林模型进行训练，得到训练好的随机森林模型；

S6：利用训练好的随机森林模型对待预测的电力通信业务数据进行预测，得到可靠性评估结果，可靠性评估结果包括预测得到的电力通信业务的告警数量以及发生概率。