[发明专利]网络故障定位模型训练、识别方法、装置、设备及介质

说明书

本发明公开了一种网络故障定位模型训练、识别方法、装置、设备及介质，该方法包括通过朴素贝叶斯定理对历史网络故障信息进行处理，获取网络故障训练样本，然后通过原始自动编码器对每一网络故障训练样本中的网络故障特征信息进行处理，获取有效自动编码器，并对有效自动编码器进行堆叠处理，获取栈式自编码神经网络；通过无监督学习法对栈式自编码神经网络进行处理，获取原始网络故障定位模型；最后基于网络故障训练样本中的网络故障标签，通过BP算法对原始网络故障定位模型中的参数进行调整，获取目标网络故障定位模型，以精确且快速地定位智能变电站中发生网络故障的位置，提高智能变电站中通信网络的运维效率，保障智能变电站的通信安全。

技术领域

本发明属于智能变电站网络检测技术领域，特别涉及一种网络故障定位模型训练、识别方法、装置、设备及介质。

背景技术

智能变电站是一种可以自动完成信息采集、测量、控制、保护、计量和检测等基本功能，同时，又可以支持电网实时自动控制、智能调节、在线分析决策和协同互动等高级功能的变电站。

随着变电站自动化程度地不断提高，智能变电站中的通信设备数量急剧攀升，网络拓扑结构更为复杂，当智能变电站中的通信网络发生故障时，目前的网络故障检测方法无法快速且精确地定位智能变电站中发生网络故障的位置，严重影响了智能变电站中通信网络的运维效率，无法保障智能变电站的通信安全。

发明内容

本发明的目的在于提供一种网络故障定位模型训练、识别方法、装置、设备及介质，以解决现有技术无法快速且精确地定位智能变电站中发生网络故障位置的技术问题。

为了实现上述目的，本发明采用如下技术方案：

一种网络故障定位模型训练方法，包括：

获取智能变电站的历史网络故障信息，通过朴素贝叶斯定理对所述历史网络故障信息进行处理，获取网络故障训练样本，每一所述网络故障训练样本包括网络故障特征信息和网络故障标签；

通过原始自动编码器对所述网络故障特征信息进行处理，获取有效自动编码器；

将所有所述有效自动编码器进行堆叠处理，获取栈式自编码神经网络；

通过无监督学习法对所述栈式自编码神经网络进行处理，并从处理后的所述栈式自编码神经网络中，选取最后一个有效自动编码器与分类器连接，获取原始网络故障定位模型；

基于所述网络故障标签，通过BP算法对所述原始网络故障定位模型中的参数进行调整，获取目标网络故障定位模型。

进一步地，所述通过原始自动编码器对所述网络故障特征信息进行处理，获取有效自动编码器，包括：

通过所述原始自动编码器中的自动编码函数对所述网络故障特征信息进行编码处理，获取编码数据；

通过解码函数对所述编码数据进行解码处理，获取解码数据；

基于所述网络故障特征信息和所述解码数据，构建原始损失函数；

对所述原始损失函数进行稀疏处理，获取有效损失函数，基于所述有效损失函数对所述原始自动编码器中的参数进行调整，获取有效自动编码器。

进一步地，所述自动编码函数具体为：y(x_i)＝f_θ(x_i)＝σ(Wx_i+b)，其中，x_i为第i个网络故障特征信息，y(x_i)为第i个网络故障特征信息对应的编码数据，σ为编码非线性激活函数；W为权值矩阵；b为偏置向量；θ＝{W,b}为编码过程中的参数集合。