[发明专利]一种通信缺陷研判知识库构建方法、缺陷识别方法及系统

说明书

本发明公开了一种通信缺陷研判知识库构建方法、缺陷识别方法及系统。构建方法包括：采用ACBIM算法对电网中缺陷事件产生的历史告警消息进行聚类，将同一缺陷事件产生的所有告警消息聚合在一起，生成若干告警集合，每个告警集合表征一个缺陷事件；基于FSBIE算法，采用OPTICS聚类算法对生成的各告警集合进行聚类，将相似缺陷事件聚类成簇；对每个簇标注缺陷类型和位置，生成“簇‑缺陷类型、位置”的映射。本发明能够实现在小样本的情况下构建缺陷研判知识库，利用该知识库，本发明能够更准确地识别出通信缺陷。

技术领域

本发明涉及一种通信缺陷研判知识库构建方法、缺陷识别方法及系统，属于电力通信网通信缺陷研判领域。

背景技术

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。电力通信网通常由若干不同厂家、技术体制的设备通过光、电方式连接组成，一个缺陷往往会在不同的设备/系统中传播，产生海量不同层次的告警消息从而掩盖缺陷根因。近年来，我国电力通信领域内组织开展了基于规则引擎的缺陷研判研究，以告警内在逻辑关系和告警对象的资源关联关系梳理为基础，对运维经验进行总结固化生成规则引擎。针对实时告警消息，通过树形搜索规则引擎实现缺陷研判。

基于规则引擎相关研究成果虽然已经初步达到实用化程度，但在实际生产过程中，因部分哑设备数据质量不高、多规则叠加后引擎复杂度剧增等原因而遇到瓶颈。

针对动态系统的缺陷研判或故障研判，除了类似上述基于规则的方法，国内外的主流方法还有基于模式挖掘的方法、基于神经网络的方法。基于模式挖掘的方法通常利用Apriori、GSP等序列挖掘算法针对告警消息进行关联挖掘，尝试基于历史告警数据，从统计学的角度梳理告警间衍生关系，从而实现缺陷事件的研判分析。在实际应用中，通信设备/系统的告警消息传播可能在很短的时间内发生，到达先后顺序也并不遵从某一规律，存在不确定性，且只能分析频繁发生的模式，在通信缺陷研判分析领域难以取得令人满意的效果。

基于神经网络的方法则通常应用于大型发电机或航空发动机等设备的轴承故障检测，利用CNN、LSTM等神经网络模型进行建模并在各自的数据集上取得了一定的成果，但通信缺陷研判领域内样本数据量难以支撑复杂神经网络模型的训练(一个网省公司一年的缺陷单数据量大约在百位数的级别)，且作为黑盒模型其可解释性较差，在实际生产过程中只能进行辅助，难以脱离调控人员独立进行生产作业。

发明内容

本发明的目的在于提供一种通信缺陷研判知识库构建方法、缺陷识别方法及系统，以解决现有技术中电力通信网缺陷研判工作仍主要依赖人工经验，难以满足日益庞大、复杂的通信网络安全生产需求的问题。

为实现上述目的，本发明采用如下技术方案：

一方面，一种通信缺陷研判知识库构建方法，包括：

采用ACBIM(Alarm Clustering Based on Improved Markov-Clustering，基于改进马尔科夫聚类的告警时空聚类)算法对电网中缺陷事件产生的历史告警消息进行聚类，将同一缺陷事件产生的所有告警消息聚合在一起，生成若干告警集合，每个告警集合表征一个缺陷事件；

基于FSBIE(Fault Similarity Based on Improved Edit-distance，基于改进编辑距离的缺陷相似性算法)，采用OPTICS聚类算法对生成的各告警集合进行聚类，将相似缺陷事件聚类成簇；

对每个簇标注缺陷类型和位置，生成“簇-缺陷类型、位置”的映射。

进一步地，所述缺陷事件定义为F＝{a₁,a₂,a₃,…,a_m}，其中a_i为表征该缺陷事件的告警集合的某一告警消息；