[发明专利]通信管理系统动环缺陷派单方法及装置

说明书

本发明公开了一种通信管理系统动环缺陷派单方法及装置，其中，该方法包括：采集通信管理系统的动环告警数据；将采集的动环告警数据，输入到训练好的缺陷故障预测模型中，输出通信管理系统的缺陷故障信息，其中，故障预测模型为对深度残差神经网络进行机器学习训练得到的模型；根据通信管理系统的缺陷故障信息，生成待派发的检修工单信息。本发明基于深度残差神经网络训练缺陷故障预测模型，能够利用大规模动环告警数据预测缺陷故障，大大提高了故障缺陷的预测准确率，进一步根据预测出的缺陷故障信息，生成相应的检修工单，能够大大提升动环缺陷工单自动派发工作的实用性、智能性、高效性。

技术领域

本发明涉及通信管理系统领域，尤其涉及一种通信管理系统动环缺陷派单方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

电力通信网是电力系统不可缺少的重要组成部分之一，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。在信息通信运维现场，面对庞大复杂的信息集合，如何方便快捷地获取电力通信网的故障信息是快速完成检修任务、提高检修效率的唯一解决方法。

随着机器学习算法在各行各业的应用普及，现有技术借助机器学习算法来实现电力通信网故障信息的预测，但由于电力通信网是一个复杂网络，引起电力通信网的故障种类繁多(例如，激光器性能劣化、工作环境温度过高或过低、光功率偏高或偏低、单板故障、尾纤性能劣化、接续盒故障、光缆纤芯中断、光缆中断等)，其数据维度虽不高但是属性复杂并且相互之间存在影响与关联关系，例如，不同厂家产品在不同环境下性能表现不一，这为机器学习前期特征选取带来了困难。并且，由于特征提取的规则往往是基于人工先验知识制定的，缺乏挖掘性的分析，难以发现一些没有意识到的关联。另外，在对电力通信网内的设备故障进行预测时，使用的环境数据往往是基于当天气象部门网站爬取的数据，其实时性和精确度均存在一定的缺陷。实时性主要表现在：气象部门爬取的数据粒度较粗，往往以天为单位，使得预测时间范围较为笼统；精确度主要体现在：预测的设备往往是一片区域内的若干个设备。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例中提供了一种通信管理系统动环缺陷派单方法，用以解决现有基于机器学习的电力通信网故障信息预测方法，存在实时性差、精确度低的技术问题，该方法包括：采集通信管理系统的动环告警数据；将采集的动环告警数据，输入到训练好的缺陷故障预测模型中，输出所述通信管理系统的缺陷故障信息，其中，所述故障预测模型为对深度残差神经网络进行机器学习训练得到的模型；根据所述通信管理系统的缺陷故障信息，生成待派发的检修工单信息。

本发明实施例中还提供了一种通信管理系统动环缺陷派单装置，用以解决现有基于机器学习的电力通信网故障信息预测方法，存在实时性差、精确度低的技术问题，该装置包括：告警数据采集模块，用于采集通信管理系统的动环告警数据；缺陷故障预测模块，用于将采集的动环告警数据，输入到训练好的缺陷故障预测模型中，输出所述通信管理系统的缺陷故障信息，其中，所述故障预测模型为对深度残差神经网络进行机器学习训练得到的模型；工单信息生成模块，用于根据所述通信管理系统的缺陷故障信息，生成待派发的检修工单信息。

本发明实施例中还提供了一种计算机设备，用以解决现有基于机器学习的电力通信网故障信息预测方法，存在实时性差、精确度低的技术问题，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述通信管理系统动环缺陷派单方法。

本发明实施例中还提供了一种计算机可读存储介质，用以解决现有基于机器学习的电力通信网故障信息预测方法，存在实时性差、精确度低的技术问题，该计算机可读存储介质存储有执行上述通信管理系统动环缺陷派单方法的计算机程序。