[发明专利]一种电力通信网故障定位方法

说明书

本发明公开了一种电力通信网故障定位方法，包括：首先预处理历史告警数据，得到多个重要告警属性，并分配影响因子；建立基分类器作为子预测模型，分别对历史告警数据进行预测，并将预测准确率作为基分类器权重；其次，将多个基分类器分为基分类器集合，估计得到每一组的平均权重和平均影响因子，继而得到每一组的综合权重，选取综合权重最大值，其所对应的故障类别即为最终预测结果，至此建立组合预测模型；利用组合预测模型对现有告警数据进行预测，得到最终的故障定位预测结果。本发明不仅解决了故障定位技术存在的准确低、反应慢的问题，同时通过构建的组合预测模型进行故障定位，显著提高了故障定位的准确性，大大缩短了故障定位的时间。

技术领域

本发明涉及通信网络管理技术领域，尤其涉及一种电力通信网故障定位方法。

背景技术

电力通信网依托于电网组建而来，是智能电网建设的支持和保障，主要负责传输数据业务，监控网络性能，管理生产运行等。随着网络结构复杂化，设备多样化，业务规模化发展，电力通信网已经不是传统的单一化层次结构，视频、语音等多媒体业务也加入其中。所以，当电力通信网发生故障时，会产生大量复杂告警数据，这些数据信息给实时监控系统、数据库系统带来了严重负担。尤其在发生告警风暴时，多个告警事件错综叠加，真正告警症状淹没其中，给故障定位带来很大麻烦。故障定位技术就是从大量表象的告警信息中找到问题的根源即故障源，如何能够在一个大规模、复杂环境中精确高效的完成故障定位成为研究重点。

现有的故障定位主要是靠人工去完成的，所运用的知识是一些运维专家长期积累的经验。由于人经验的不足性以及更新缓慢等特点，当产生一些新的告警症状时，基于专家知识的故障定位技术很难快速有效的发现故障源。在自动化方面，成熟的网管系统中都包含故障管理这一模块，采用的方法大多数是分析网络拓扑结构和故障发生前后关系，这种方法能够发现连通性故障，但是对一些关联性小的故障就不容易发现，这样综合起来的准确率远远达不到要求。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种电力通信网故障定位方法，可有效解决现有故障定位技术中存在的准确率低、反应慢等技术问题，同时，针对电力通信网发生故障时要求能够快速高效找到故障源的特殊性，本发明专门设计了一种适用于电力通信网故障定位的基于影响因子校正的权重组合决策树分类方法，该方法克服了单一决策树分类器误差偏大的弊端，能够更加高效准确的实现故障定位。

为实现上述目的，本发明提出了一种电力通信网故障定位方法，其特征在于，所述方法包括：

(1)从监控平台获得告警数据，包括历史告警数据和现有告警数据；

(2)对历史告警数据进行预处理，得到m个重要告警属性，对每个重要告警属性分别分配对应的影响因子

(3)根据预处理后的历史告警数据建立多个基分类器，作为子预测模型，利用每一个基分类器对历史告警数据分别进行预测，得到的预测准确率作为对应基分类器的权重；

(4)按照故障类别的不同将多个基分类器划分为不同的基分类器集合，针对每一组基分类器集合，估计得到每一组基分类器集合的平均权重和平均影响因子；

(5)利用上述步骤获得的平均权重和平均影响因子，估计得到每一组基分类器集合的综合权重FR(X^k)，从所有组基分类器集合(X¹,X²,...,X^k)对应的综合权重中选取综合权重最大值FR_max＝Max(FR(X¹),FR(X²),...,FR(X^k)),其所对应的故障类别即为最终预测故障定位结果，从而完成组合预测模型的建立；

(6)利用组合预测模型对步骤(1)获得的现有告警数据进行预测，得到最终的故障定位预测结果。

作为进一步优选的，所述平均权重具体为：