[发明专利]通信设备电源故障分析的方法、装置、设备及存储介质

权利要求书

1.一种通信设备电源故障分析的方法，其特征在于，包括：

获取通信设备故障恢复后的日志关键信息；

对所述日志关键信息进行清洗，获得退服类活动告警信息和清除告警信息相对应的清洗后数据集；

提取所述清洗后数据集中的特征信息；

利用训练后的故障分析模型对清洗后数据集的特征信息进行分析处理，以获得退服告警信息和电源故障概率；

获取所述通信设备故障的历史时间和所述特征信息；

根据所述历史时间确定距离当前时刻的最短时间长；

利用预设的人工神经网络模型对所述电源故障概率、所述最短时间长和所述特征信息进行分析处理，判断电源是否故障。

2.根据权利要求1所述的方法，其特征在于，利用训练后的故障分析模型对清洗后数据集的特征信息进行分析处理，以获得退服告警信息和电源故障概率之前，还包括：

利用贝叶斯算法构建所述故障分析模型；

采用训练集对所述故障分析模型进行训练，以获得训练后的故障分析模型；

其中，所述故障分析模型中至少包括：第一模型和第二模型，所述第一模型为单小区退服时间与供电异常概率模型，所述第二模型为多小区退服时间与供电异常概率模型。

3.根据权利要求1所述的方法，其特征在于，所述利用训练后的故障分析模型对清洗后数据集的特征信息进行分析处理，以获得退服告警信息和电源故障概率之后，还包括：

利用拉普拉斯算法对获取到的退服告警信息和电源故障概率进行修正。

4.根据权利要求1所述的方法，其特征在于，所述判断电源是否故障之后，还包括：

若利用所述训练后的故障分析模型所获取的电源故障概率大于或等于预设的概率阈值，且利用所述人工神经网络模型所获取的判断结果为电源故障，则确定所述通信设备的电源发生故障；

若利用所述训练后的故障分析模型所获取的电源故障概率小于预设的概率阈值，且利用所述人工神经网络模型所获取的判断结果为电源非故障，则确定所述通信设备的电源未发生故障。

5.根据权利要求4所述的方法，其特征在于，还包括：

获取所述通信设备电源工作的实际数据；

根据所述实际数据判断电源发生故障或者电源未发生故障的结论是否正确；

若所述结论正确，则利用该结论所对应的数据对所述训练后的故障分析模型和所述人工神经网络模型进行模型优化，直至所述人工神经网络模型达到预设的优化层次阈值为止。

6.根据权利要求1-3任一项所述的方法，其特征在于，所述日志关键信息包括以下信息：小区活动告警信息、小区清除告警信息、小区告警日志信息；

小区告警日志信息包括以下信息：站点标识、小区标识、告警名称、告警发生时间；

所述特征信息至少包括以下特征信息：小区退服信息、日志供电异常信息、时间序列信息、基站和小区关联信息；

所述电源故障概率包括以下至少之一：单个小区电源故障概率，两个小区电源故障概率，多个小区电源故障概率。

7.一种通信设备电源故障分析的装置，其特征在于，包括：

获取模块，用于获取通信设备故障恢复后的日志关键信息；

清洗模块，用于对所述日志关键信息进行清洗，获得退服类活动告警信息和清除告警信息相对应的清洗后数据集；

提取模块，用于提取所述清洗后数据集中的特征信息；

分析模块，用于利用训练后的故障分析模型对清洗后数据集的特征信息进行分析处理，以获得退服告警信息和电源故障概率；

所述获取模块，还用于获取所述通信设备故障的历史时间和所述特征信息；

确定模块，还用于根据所述历史时间确定距离当前时刻的最短时间长；

判断模块，用于利用预设的人工神经网络模型对所述电源故障概率、所述最短时间长和所述特征信息进行分析处理，判断电源是否故障。