[发明专利]一种端到端电力通信业务可靠性保障方法及系统

说明书

本发明公开了一种端到端电力通信业务可靠性保障方法及系统，所述方法包括：采集业务接收端的电力数据；将所述电力数据输入至预先训练的Attention LSTM预测模型，获得预设的未来时刻的电力数据预测值；将所述电力数据预测值与预设阈值进行对比；若所述电力数据预测值低于预设阈值，则对所述端到端电力通信业务系统进行分析，并按预设规则实施业务可靠性保障措施；若所述可靠性保障措施有效，维持该保障措施，并持续进行电力数据监控；所述方法及系统通过建立基于融合注意力机制的LSTM神经网络的电力数据预警模型，对电力数据进行预警，并设置应对的保障方案，以保障端到端电力通信业务的可靠性。

技术领域

本发明涉及电力技术领域，更具体地，涉及一种端到端电力通信业务可靠性保障方法及系统。

背景技术

电力通信网是电力系统的重要基础设施。电力通信网承担着电力生产、管理和企业信息化等众多业务，是电网实现调度自动化和管理现代化的基础，是确保电网安全、经济调度的重要技术手段，在整个电力系统中起着非常重要的作用。在智能电网及能源互联网的大背景下，电力通信网的规模越来越大，所承担的业务越来越多，网络中光路径不断延长，这可能导致网络中光信号传输受到各种物理层损伤的影响，使得光信号的传输质量将劣化，造成端到端的误码率较高，也许无法满足接收端对传输信号质量的要求，进而不能在光信号中解析出正确的相关信息，通信网的业务质量对整个电力系统的影响程度也随之增加。因此优化光传输网络资源的配置，提升光传输网络的稳定性，从而保障业务可靠性就非常重要。

在电力通信光传输网络中，物理层最重要的参数就是光信噪比(OSNR)，其值的大小直接决定了业务能否正常运行，一旦不能满足要求，将会造成传输错误或失败、服务质量降低、传送消耗增加等问题。

发明内容

为了解决背景技术存在的现有的电力通信网端到端的光信号传输质量较差，通信业务不可靠的问题，本发明提供了一种端到端电力通信业务可靠性保障方法及系统，所述方法及系统通过建立基于融合注意力机制的LSTM神经网络的电力数据预警模型，对电力数据进行预警，并设置应对的保障方案，以保障端到端电力通信业务的可靠性，所述一种端到端电力通信业务可靠性保障方法包括：

步骤1，采集业务接收端的电力数据；

步骤2，将所述电力数据输入至预先训练的Attention LSTM预测模型，获得预设的未来时刻的电力数据预测值；

步骤3，将所述电力数据预测值与预设阈值进行对比；

步骤4，若所述电力数据预测值低于预设阈值，则对所述端到端电力通信业务系统进行分析，并按预设规则实施业务可靠性保障措施；

步骤5，重复步骤1至步骤3，若所述电力数据预测值高于预设阈值，则所述可靠性保障措施有效，维持该保障措施，并返回步骤1持续进行电力数据监控。

进一步的，所述Attention LSTM预测模型的训练方法包括：

采集业务接收端历史的以及当前的电力数据；

将所述历史的以及当前的电力数据按时间序列输入至LSTM层进行特征量提取，获得输出向量；

将所述输出向量输入至注意力机制模型中，获得每个特征量的注意力权重参数；

将所述输出向量汇总每个特征量与对应的注意力权重参数相乘，获得新的特征向量；

将所述特征向量进行展开融合处理，获得一维特征向量；

将所述一维特征向量输入至全连接层，获得预设的未来时刻的预测结果。

进一步的，所述注意力机制模型中每个特征量的注意力权重参数的计算公式为：