[发明专利]一种基于加权矩阵的通信设备告警关联规则挖掘方法

说明书

本发明属于关联规则分析的研究范畴，涉及一种基于加权矩阵的通信设备告警关联规则挖掘方法。考虑到检修人员对通信网设备不同类型告警的关注度各不相同，不同告警记录对于特定设备故障诊断的重要程度不同，根据专家经验为每一条事务记录设置垂直权值，为每一个项目设置水平权值，运用加权矩阵减少数据库扫描次数，以Aprior算法的连接、剪枝思想为基础，建立基于加权矩阵的告警关联规则分析的模型AARWM用于计算频繁项集，最后根据频繁项集生成符合最小置信度的加权告警关联规则，从而提高设备告警关联规则挖掘的效率和准确率，为设备故障诊断提供可靠依据。

技术领域

本发明属于关联规则分析的研究范畴，特别涉及电力通信网络中设备告警的关联规则分析，提出了一种基于加权矩阵的通信设备告警关联规则挖掘方法。

背景技术

在当今电力系统智能调度和现代化管理中，电力通信网是不可或缺的一部分，其主要任务是为电力生产提供高质量的服务，主要包括继电保护、安全控制、视频会议电话、调度自动化和通信监控。为了保障电力通信网的可靠运行，有必要在最短时间内确定故障位置和故障原因，以便尽快恢复正常的业务传输。

然而，在真实的通信网络中，互连的设备具有密集的拓扑结构，而单个设备又具有精密的板件结构，而这就导致了某一设备出现故障时，其自身会发出多种不同类型的告警，也可能会引发多个不同设备的告警，严重阻碍了故障的排查与定位。复杂的网络拓扑结构和精密的设备结构带来了高速动态、高价值低密度的海量数据流，使得在规模化网络中，耗费在故障定位上的时间占其故障恢复总时间的93％。由于现代电力设备在线监测系统对于不同的故障类型有着不同的告警特征和日志数量，因此对告警特征之间的关系挖掘有着重要意义，对各告警进行相关性分析的成果可以应用到电网状态评估预警、电网运行负荷预测以及大规模检修策略计划等工作中，以保障通信网络中设备故障诊断的高效性。

故障和告警：在网络管理领域，故障是指被管网络的硬件设备发生原件损坏或软件系统发生功能紊乱，而告警是生产厂家提前定义，在特定事件发生时通过设备产生的提示性信息。一条告警的出现表明系统可能出现故障，但并不是一定出现故障，而一个故障的发生则可能导致业务上其他网元的异常，从而引发一系列相关告警。显然，这一系列相关告警并不都能表明发生故障的根源原因，因此需要进行告警相关性分析以确定故障根源，达到故障定位的目的。

告警相关性分析意义重大，因此国内外针对此问题的研究方法多种多样。基于案例推理的方法(Case-Baesd Reasoning，简称CBR)，在新问题被解决时，将其添加到案例推理系统中，系统根据过往经验获取知识甚至自动改进系统本身，以达到指导目标案例的目的，例如刘晶运用案例推理方法，开发了大型电力变压器故障诊断专家系统，有效地指导了设备故障诊断和状态维修，但此方法存在复杂度高、通用性低以及效率不高的问题。基于神经网络的相关性分析方法，通过大量训练对应于某种故障的告警信息，不断调整权值，以达到根据当前告警预测故障源的目的。Wu D P,Zhao Y等人提出了一种基于小波神经网络的告警信息关联挖掘机制，将告警的等级、类型和设备类型三个关键属性作为小波神经网络的输入，通过训练历史样本来合理确定权重，综合考虑多种影响因素来挖掘相关性^[3]，神经网络具有自学习能力高、噪声容忍度高的特点，但在实际应用前需对各种故障情况进行训练，这在实际的电力通信网中难以达到。

关联规则挖掘：关联规则挖掘隶属于数据挖掘里的目标任务范畴，通过分析已经存在的大量数据提取多个变量间的潜在关联关系，其基本任务是确定事务数据库的项目之间的关联。假设I＝{i₁，i₂，i₃，…，i_n}是一组项目的全集，D是由一组具有唯一标志TID的事务组成的事务集，其中每个事务T是一组项目，对应I 的一个子集，有T∈D，关联规则是形式为X＝＞Y的逻辑蕴含式，其中一般来说，每个关联规则必须满足用户指定的两个约束，一个是支持度，另一个是置信度。规则X＝Y的支持度被定义为包含X∪Y的事务总数占事务数据库D的比例，而置信度则被定义为包含X∪Y的事务数与包含X 的事务数之比。因此，目标是找到满足用户指定的最小支持度和置信度的所有关联规则。