[发明专利]基于深度学习的电力通信网运行趋势与业务风险分析方法

摘要

一种基于深度学习的电力通信网运行趋势与业务风险分析方法，依据深度学习理论，构建了一个多层的深度置信网络架构，将区县所辖的电力通信网历史运行与监测数据及相关业务系统数据作为学习模型的训练数据，把运行趋势预测与业务风险评的各类可能组合作为不同输出模式，最终训练出能够综合判别本区县电力通信网运行模式的深度模型。再将电力通信网的历史运行数据与实时业务系统数据作为该模型的测试数据，利用训练的深度网络模型参数得到电力通信网运行趋势预测与业务风险评估结果。本发明的优点在于：可以更准确地评估电力通信网运行状况，并为电力通信网业务风险控制提供依据，提高电力通信网利用效率与安全性。

主权项

一种基于深度学习的电力通信网运行趋势与业务风险分析方法，其特征在于，包括如下步骤：步骤1、从电力通信传输网管的接口采集电力通信网的历史性能数据，所述电力通信网的历史性能数据为当前监测时间段之前一段时间的电力通信网误码率与光功率；步骤2、查阅电力通信网管理文档，获取电力通信网主要业务及各业务重要度评级；查阅电力通信网建设相关资料，建立电力通信网的邻接图，并在邻接图中计算出电力通信网中任意两节点之间的最短路径，再利用最短路径获得电力通讯网络的邻接图中任意一条边的介数；步骤3、查阅电力通信网相关历史记录获取电力通信网在当前监测时间段之前任一时间段的历史总业务风险度，以及同一时间段中电力通信网的邻接图中任意一条边所承载的业务种类与数量，并用同一条边的介数对其进行加权，获得任意一条边在当前监测时间段之前的任一时间段的历史业务风险度；从电力通信网所覆盖的各级电力公司、变电站获取在当前监测时间段时，电力通信网的邻接图中任意一条边所承载的业务种类与数量，并用同一条边的介数对其进行加权，获得任意一条边在当前监测时间段的实时业务风险度；步骤4、构造一个多层的深度置信网络，其输入层为任意时间段之前一段时间的电力通信网历史性能数据，以及该时间段的电力通信网中所有边的实时业务风险度，输出为该时间段的电力通信网运行趋势预测与实时总业务风险度的组合；利用步骤1，2，3中的数据对该深度置信网络进行训练，计算出该深度置信网络参数；步骤5、在监测时间段之时，将当前监测时间段之前一段时间的电力通信网历史性能数据，以及当前监测时间段的电力通信网中所有边的实时业务风险度导入步骤4中的深度置信网络神经网络中，预测出电力通信网在当前监测时间段的运行趋势以及实时总业务风险度；步骤6、在当前监测时间段结束后，再次从电力通信传输网管的接口采集当前监测时间段电力通信网的真实性能数据，将此数据按时序添加到电力通信网历史性能数据中；将当前监测时间段的电力通信网中所有边的实时业务风险度数据按时序添加到所有边的历史业务风险度数据中；将当前监测时间段的电力通信网实时总业务风险度按时序添加到历史总业务风险度数据中，再用更新后的各类历史数据重新对步骤4中的深度置信网络进行训练，更新该深度置信网络参数，并在下一监测时间段重复步骤5，获得下一监测时间段的运行趋势以及实时总业务风险度。