摘要：与电力骨干通信网主要由连接发电厂、35KV及以上变电站和各级电力部门的传输系统和通信设备组成，是电力网发展的重要产物，在电力通信网中发挥着不可替代的重要作用。本文主要对电力骨干通信网的预警方法进行了研究分析，通过电力骨干通信网存在问题、故障预警算法、深度学习故障检测等展开了探讨，希望能给今后的研究者一点启示。
关键词：电力骨干通信网；预警方法；故障
一、电力骨干通信网
电力骨干通信网在电力生产、运行和管理方面起着重要的作用，根据业务组成可分为传输网、业务网和支撑网。传输网由光缆线路、路由器等通信设备组成，负责信息的传送。业务网处理电力系统行政电话、运行调度管理等工作。支撑网独立于传输网与业务网，为通信网提供支撑辅助功能。另外，一个完善的电力骨干通信网还应有应急通信系统、动力环境监控系统等组成部分。随着电力骨干通信网的组成日趋复杂，一般报警信号大量反复出现，耗费了大量的人力和时间去确认排除，也影响电力骨干通信网的最大程度发挥，因此，设计一种可靠的预测故障系统非常重要。
电力骨干通信网络的运行模式严格按照国家电网的规定，依照国家、省级的等级、层级联网运行，实现跨地区的数据交互功能和电力调度。在省市的电力骨干通信网络中，落实到具体的设备电站和设备，一般为信息管理部门和生产管控部门。电力骨干通信网通过站内实时的数据监控与通信，及时对报警信息进行检测分析。通过上下层级、不同站点的数据交互，提升对预警信息处理的效率，确保电力骨干通信网的可靠运行。
二、电力骨干通信网存在问题
电力骨干通信网存在的目的是为了实时监控电力设备、通信设备的运行状态，通过站点设备的网络终端将数据上传并反馈。随着智能电网的快速发展，电力系统对电网自动化水平的要求不断提高，骨干通信网络在电网运行中的作用逐渐凸显，存在的问题也不断浮现：
（一）多系统多网管接口
在电力通信网络中有众多网络管理系统，多种系统之间使用不同的网络管理协议，各省市的电力骨干网络使用的技术规则也有所不同，使得采集的数据不能实现理想的数据交互。另外，不同系统之间存在重叠和内容冗余，降低了不同区域的系统交互效率。
（二）设备数据不完整
我国的电力系统自改革开放后迅速发展，但在建立初期，由于没有考虑标准化统一问题，各地区的设备和设计规范有所不同，设备的智能化程度较低，缺少数据的上传功能，采集的设备数据信息不完整。需要对地区的设备进行统一更换，并配备光纤通信配件对数据资源进行逻辑
三、故障预警算法
（一）基于支持向量机的预警算法
支持向量机在解决小样本、非线性及高维模式识别中具有许多其他算法不具有的优势，可以分析数据、识别模式，得到不错的预测结果，但算法自身复杂程度较高，对于电力骨干通信系统复杂的系统中应用程度较低。
（二）基于神经网络的预警算法
神经网络是一种模拟人脑结构的算法模型，其原理在于将信息分布式存储和并行协同处理，适用于处理非线性信息。但由于神经网络算法的数据学习周期较长，数据训练效果波动较大，可能导致结果是局部最优解的问题。
（三）基于遗传算法的预警算法
遗传算法是解决最佳的搜索算法，是进化算法的一种，其主要特点是直接对结构对象进行操作，能够在限定条件下调整搜索方向，找到最优解。但算法本身的随机性较大，预测速率较低。
（四）基于数据挖掘的时间序列预警算法
数据挖掘是指对报警数据库以往的数据进进行探索和分析，将潜在的规律挖掘出来，并进一步将其模型化。
期刊文章分类查询,尽在期刊图书馆分析时间序列的目的是预测未来网络中的报警发展的趋势或找寻类似的发展模式或发展规律，进而解决新的报警问题。整个模型需要大量数据，构建样本的学习时间也较长。
对于电力骨干通信网的特点和实际情况，用于故障预警的算法要能够报警信号快速分析，却准确率高。基于数据挖掘的时间序列预警算法除了前期投入成本较大，但优越的处理效果远超过其他预警算法，将此算法用于电力骨干通信网能极大提高预警效果。
四、基于深度学习的故障诊断分析
（一）分析内容
第一，对电力骨干通信网的各种数据故障进行采集，并挖掘规律，对异常数据的出现进行预警。第二，对网络模型进行建模分析，利用深度学习开展对电力骨干通信故障的特征及分类进行分析，完成故障诊断模型的建立。第三，研究网络故障的定位技术，提高故障的定位精度。
（二）故障信息数据采集及预处理技术
对故障信息的数据处理是分析电力骨干通信网络的需要，直接得到的数据结果往往并不可靠，通过对数据的预处理，将数据转换为可处理数据，满足后续的分类、分析等。预处理的方式包括数据清洗，数据简化和数据传输。数据清洗主要是过滤到报警存在交叉和重复的数据。数据简化是减少原始数据量，对连续触发的告警，只选取第一个。通过数据传输将数据规范化。对数据的采集方式有：通过RESTful接口，并借助综合网管和设备网管进行统一的数据采集；将采集的数据使用数据驱动存储到数据中心。
（三）基于深度学习模型的建立
将深度学习引入电力骨干通信网，提高电力骨干通信网的准确、高效故障定位。电力骨干通信网预处理后的数据，利用深度学习的方法进行特征提取并分类，完成故障诊断的模型的建立。电力骨干网络故障诊断模型对网络中的报警信息按特征分类，并过滤掉不相关或重复报警的信息，从众多信息中提出正确的报警信息，为网络管理员实现快速定位。
五、预警研究方法的分析及策略
（一）采用高效的网络运维结构
由于我国国土面积较大，造成了电力骨干通信网络的跨地区、跨层级、跨部门、跨系统的特点，采用高效的网络运维结构，将网络运维管理按照功能划分，提高数据的传输速率，构建电力通信网络的报警信息传输高速通路。
（二）采用无线网络通信
我国的通信设备种类、型号各地区不同，型号落后，能上传的数据有限，采用无线网络通信既节省了更换设备的巨大费用，有提高了数据的完整性，提高了为预测报警信息的数据样本。
六、结语
随着国家“三型两网”建设的深化和电力系统的智能化和数据化，电力骨干通信网在电力系统中的重要性也越来越大。对于目前电力骨干通信网络预警的方法研究也不断深入，通过理清研究内容，找准研究方向，借助智能算法，将帮助我国的电力通信事业更好的发展和进步，推动电力通信网络的安全平稳运行。
参考文献
[1]谢亚飞.电力骨干通信网的预警方法研究[J/OL].集成电路应用,2019(12):30-31[2019-12-12].https://doi.org/10.19339/j.issn.1674-2583.2019.12.013.
[2]刘军,王颖,张冰,闫伯元,赵永利.电力骨干通信网中告警预测方法研究[J].光通信研究,2019(05):9-13.
[3]张书林,刘军,闫龙川,王颖,张宁,刘识,唐佳,宋桂林.基于深度学习的电力骨干通信网故障诊断研究[J].软件,2018,39(03):194-198.
[4]马哲,戴雪娇.河北南网电力骨干通信网改造建设方案研究[J].信息通信,2016(10):231-232.
[5]张书林,刘军,闫龙川, 等.基于深度学习的电力骨干通信网故障诊断研究[J].软件,2018,39(3):194-198. DOI:10.3969/j.issn.1003-6970.2018.03.042.
论文作者:陈冠晟
论文发表刊物:《电力设备》2019年第19期
论文发表时间:2020/1/9
标签：通信网论文; 骨干论文; 电力论文; 数据论文; 算法论文; 信息论文; 故障论文; 《电力设备》2019年第19期论文;