CN106960281A - 一种基于神经网络的电力通信网风险管理*** - Google Patents
一种基于神经网络的电力通信网风险管理*** Download PDFInfo
- Publication number
- CN106960281A CN106960281A CN201710180009.9A CN201710180009A CN106960281A CN 106960281 A CN106960281 A CN 106960281A CN 201710180009 A CN201710180009 A CN 201710180009A CN 106960281 A CN106960281 A CN 106960281A
- Authority
- CN
- China
- Prior art keywords
- risk
- neutral net
- risk indicator
- telecom network
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000007935 neutral effect Effects 0.000 title claims abstract description 35
- 238000012502 risk assessment Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 238000013507 mapping Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 210000004218 nerve net Anatomy 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于神经网络的电力通信网风险管理***,包括风险指标确定模块、训练模块、更新模块和风险评估模块,所述风险指标确定模块用于确定电力通信网风险指标,所述训练模块采用所述风险指标的历史数据对神经网络进行训练,所述更新模块用于调整所述训练好的神经网络以适应风险指标数据变化,得到更新的神经网络,所述风险评估模块将所述变化的风险指标数据输入所述更新的神经网络,得到电力通信网风险评估值。本发明的有益效果为:实现了电力通信网风险的准确评估。
Description
技术领域
本发明涉及电力通信技术领域,具体涉及一种基于神经网络的电力通信网风险管理***。
背景技术
电力通信网连接着电力***的各个环节,负责传输生产和管理信息,是电力***的重要基础设施,对电网安全、稳定运行起着重要作用。对电力通信网风险进行管理,对降低通信风险和保障电网安全具有重要意义。目前风险管理技术普遍采用统计数据结合专家经验的方式来进行。
现有风险管理技术中存在风险指标选取不合理、风险评估精度差和时效性不强等问题。
发明内容
针对上述问题,本发明旨在提供一种基于神经网络的电力通信网风险管理***。
本发明的目的采用以下技术方案来实现:
提供了一种基于神经网络的电力通信网风险管理***,包括风险指标确定模块、训练模块、更新模块和风险评估模块,所述风险指标确定模块用于确定电力通信网风险指标,所述训练模块采用所述风险指标的历史数据对神经网络进行训练,所述更新模块用于调整所述训练好的神经网络以适应风险指标数据变化,得到更新的神经网络,所述风险评估模块将所述变化的风险指标数据输入所述更新的神经网络,得到电力通信网风险评估值。
本发明的有益效果为:实现了电力通信网风险的准确评估。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构连接示意图;
附图标记:
风险指标确定模块1、训练模块2、更新模块3、风险评估模块4。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种基于神经网络的电力通信网风险管理***,包括风险指标确定模块1、训练模块2、更新模块3和风险评估模块4,所述风险指标确定模块1用于确定电力通信网风险指标,所述训练模块2采用所述风险指标的历史数据对神经网络进行训练,所述更新模块3用于调整所述训练好的神经网络以适应风险指标数据变化,得到更新的神经网络,所述风险评估模块4将所述变化的风险指标数据输入所述更新的神经网络,得到电力通信网风险评估值。
本实施例实现了电力通信网风险的准确评估。
优选的,所述风险指标确定模块1,将各设备故障率作为风险指标并采用下式进行处理:
式中,Ni表示第i个风险指标数据处理后的值,xi表示第i个风险指标数据原始值,xi-max和xi-min分别为第i个风险指标数据所能达到的最大值和最小值。
本优选实施例通过对风险指标数据进行处理,将风险指标数据限制在更小的区域范围内,进而降低了计算复杂度,提高了风险指标数据观测直观性。
优选的,所述训练模块2采用风险指标的历史数据对神经网络进行训练;
所述神经网络采用输入层、规则层和输出层3层结构,具体训练过程为:
(1)将指标数据的差异映射到规则层节点的适应度:
式中,Aj(Nt)为第j个规则层节点在t时刻的适应度,Nt为t时刻输入的风险指标数据,Nt=[N1(t),N2(t),…,Nn(t)],n为风险指标个数,Ni(t)为Nt的第i个分量,Hij[Ni(t)]为第j个规则层节点的第i个隶属度函数,cij(t)和σij为隶属度函数中心和宽度,m为规则层节点数;
(2)对适应度进行加权拟合,作为风险评估值输出:
式中,F(Nt)为输出的风险评估值,wj(t)为Aj(Nt)的重要性权重。
本优选实施例通过计算每个指标数据与同一个规则层节点之间的适应度,将指标数据之间的差异映射为规则层节点的适应度差异,并将差异传递到输出层。
优选的,所述更新模块3用于调整神经网络规则层节点数目以适应风险指标变化,得到更新的神经网络,所述调整规则层节点数目包括增加节点和合并节点;
所述增加节点条件为:
E=|F(Nt)-F|>T1
式中,F(Nt)为样本输出,F为输出风险评估值,T1为第一误差门限,T1∈[0.002,0.01],若满足条件则在距离指标数据最近的地方增加规则层节点;
所述合并节点条件为:
式中,ca和cb为规则层节点a和b的中心,cov(ca,cb)为ca、cb的协方差,D(ca)为ca标准差,D(cb)为cb的标准差,T2为第二误差门限,T2∈[0.8,1],若满足条件,则将两个规则层节点a和b合并为一个节点a。
本优选实施例通过更新模块对网络更新,提升了风险评估机制的学习能力和适应能力,该机制能够随指标体系结构的变化动态调整网络自身的结构,并且在训练过程中能够依据评估误差增加、合并规则节点,合理控制规则节点的数量,进而从根本上提高了风险评估机制的评估精度和适应能力。
采用本发明电力通信网风险管理***对电力通信网风险进行评估,T1取不同值时,对风险评估时间和风险评估准确性进行统计分析,同未采用本发明相比,产生的有益效果如下表所示:
T1 | 风险评估时间缩短 | 风险评估准确性提高 |
0.002 | 20% | 31% |
0.004 | 25% | 24% |
0.006 | 30% | 20% |
0.008 | 32% | 15% |
0.01 | 36% | 10% |
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (6)
1.一种基于神经网络的电力通信网风险管理***,其特征是,包括风险指标确定模块、训练模块、更新模块和风险评估模块,所述风险指标确定模块用于确定电力通信网风险指标,所述训练模块采用所述风险指标的历史数据对神经网络进行训练,所述更新模块用于调整所述训练好的神经网络以适应风险指标数据变化,得到更新的神经网络,所述风险评估模块将所述变化的风险指标数据输入所述更新的神经网络,得到电力通信网风险评估值。
2.根据权利要求1所述的一种基于神经网络的电力通信网风险管理***,其特征是,所述风险指标确定模块,将各设备故障率作为风险指标并采用下式进行处理:
式中,Ni表示第i个风险指标数据处理后的值,xi表示第i个风险指标数据原始值,xi-max和xi-min分别为第i个风险指标数据所能达到的最大值和最小值。
3.根据权利要求2所述的一种基于神经网络的电力通信网风险管理***,其特征是,所述训练模块采用风险指标的历史数据对神经网络进行训练;
所述神经网络采用输入层、规则层和输出层3层结构,具体训练过程为:
(1)将指标数据的差异映射到规则层节点的适应度:
式中,Aj(Nt)为第j个规则层节点在t时刻的适应度,Nt为t时刻输入的风险指标数据,Nt=[N1(t),N2(t),…,Nn(t)],n为风险指标个数,Ni(t)为Nt的第i个分量,Hij[Ni(t)]为第j个规则层节点的第i个隶属度函数,cij(t)和σij为隶属度函数中心和宽度,m为规则层节点数;
(2)对适应度进行加权拟合,作为风险评估值输出:
式中,F(Nt)为输出的风险评估值,wj(t)为Aj(Nt)的重要性权重。
4.根据权利要求3所述的一种基于神经网络的电力通信网风险管理***,其特征是,所述更新模块用于调整神经网络规则层节点数目以适应风险指标变化,得到更新的神经网络,所述调整规则层节点数目包括增加节点和合并节点。
5.根据权利要求4所述的一种基于神经网络的电力通信网风险管理***,其特征是,所述增加节点条件为:
E=|F(Nt)-F|>T1
式中,F(Nt)为样本输出,F为输出风险评估值,T1为第一误差门限,T1∈[0.002,0.01],若满足条件则在距离指标数据最近的地方增加规则层节点。
6.根据权利要求5所述的一种基于神经网络的电力通信网风险管理***,其特征是,所述合并节点条件为:
式中,ca和cb为规则层节点a和b的中心,cov(ca,cb)为ca、cb的协方差,D(ca)为ca标准差,D(cb)为cb的标准差,T2为第二误差门限,T2∈[0.8,1],若满足条件,则将两个规则层节点a和b合并为一个节点a。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710180009.9A CN106960281A (zh) | 2017-03-23 | 2017-03-23 | 一种基于神经网络的电力通信网风险管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710180009.9A CN106960281A (zh) | 2017-03-23 | 2017-03-23 | 一种基于神经网络的电力通信网风险管理*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106960281A true CN106960281A (zh) | 2017-07-18 |
Family
ID=59470440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710180009.9A Pending CN106960281A (zh) | 2017-03-23 | 2017-03-23 | 一种基于神经网络的电力通信网风险管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106960281A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109375136A (zh) * | 2018-10-25 | 2019-02-22 | 国网天津市电力公司电力科学研究院 | 电子式互感器与主站***的通信安全评估方法及装置 |
CN110677290A (zh) * | 2019-09-26 | 2020-01-10 | 国网安徽省电力有限公司信息通信分公司 | 基于退火算法及神经网络模型的电力通信运维风险预警方法 |
CN112513886A (zh) * | 2018-08-03 | 2021-03-16 | 索尼公司 | 信息处理方法、信息处理装置和信息处理程序 |
CN113780887A (zh) * | 2021-09-28 | 2021-12-10 | 深圳供电局有限公司 | 一种用于电力通信网的风险量化评估*** |
CN114679335A (zh) * | 2022-03-01 | 2022-06-28 | 国网宁夏电力有限公司 | 电力监控***网络安全风险评估训练、评估方法及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130096954A1 (en) * | 2011-10-12 | 2013-04-18 | Hartford Fire Insurance Company | System and Method for Automated Detection of Coverage Exceptions Based on Utility Usage Data |
CN103279794A (zh) * | 2013-06-06 | 2013-09-04 | 中国南方电网有限责任公司 | 电力通信网风险评估方法 |
CN103095494B (zh) * | 2012-12-31 | 2016-06-29 | 北京邮电大学 | 一种电力通信网风险评估方法 |
-
2017
- 2017-03-23 CN CN201710180009.9A patent/CN106960281A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130096954A1 (en) * | 2011-10-12 | 2013-04-18 | Hartford Fire Insurance Company | System and Method for Automated Detection of Coverage Exceptions Based on Utility Usage Data |
CN103095494B (zh) * | 2012-12-31 | 2016-06-29 | 北京邮电大学 | 一种电力通信网风险评估方法 |
CN103279794A (zh) * | 2013-06-06 | 2013-09-04 | 中国南方电网有限责任公司 | 电力通信网风险评估方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112513886A (zh) * | 2018-08-03 | 2021-03-16 | 索尼公司 | 信息处理方法、信息处理装置和信息处理程序 |
CN112513886B (zh) * | 2018-08-03 | 2024-03-22 | 索尼公司 | 信息处理方法、信息处理装置和信息处理程序 |
CN109375136A (zh) * | 2018-10-25 | 2019-02-22 | 国网天津市电力公司电力科学研究院 | 电子式互感器与主站***的通信安全评估方法及装置 |
CN110677290A (zh) * | 2019-09-26 | 2020-01-10 | 国网安徽省电力有限公司信息通信分公司 | 基于退火算法及神经网络模型的电力通信运维风险预警方法 |
CN113780887A (zh) * | 2021-09-28 | 2021-12-10 | 深圳供电局有限公司 | 一种用于电力通信网的风险量化评估*** |
CN114679335A (zh) * | 2022-03-01 | 2022-06-28 | 国网宁夏电力有限公司 | 电力监控***网络安全风险评估训练、评估方法及设备 |
CN114679335B (zh) * | 2022-03-01 | 2024-03-29 | 国网宁夏电力有限公司 | 电力监控***网络安全风险评估训练方法、评估方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106960281A (zh) | 一种基于神经网络的电力通信网风险管理*** | |
Nie et al. | Network traffic prediction based on deep belief network in wireless mesh backbone networks | |
CN104038928B (zh) | 一种无线Mesh网络节点的信任值计算方法 | |
CN103095494B (zh) | 一种电力通信网风险评估方法 | |
CN109325525A (zh) | 样本属性评估模型训练方法、装置及服务器 | |
CN103106535B (zh) | 一种基于神经网络解决协同过滤推荐数据稀疏性的方法 | |
CN106780129A (zh) | 一种含分布式光伏配电网可靠性评价方法 | |
CN103853786A (zh) | 数据库参数的优化方法与*** | |
CN102509240A (zh) | 一种基于多指标多层次的电网投资效益评估方法 | |
CN104268367B (zh) | 基于多元线性回归的变电设备状态评价权重修正方法及*** | |
CN103279794B (zh) | 电力通信网风险评估方法 | |
CN104077493B (zh) | 一种电力继电保护***状态评估指标体系的构建方法 | |
CN109246495A (zh) | 一种面向多层次、多指标的光网络业务质量评估方法 | |
CN110390461A (zh) | 基于复杂网络的非线性模糊语言配电网节点脆弱性评价方法 | |
CN107995682A (zh) | 无线接入点定位方法、装置、电子设备及存储介质 | |
CN104021315A (zh) | 基于bp神经网络的电厂厂用电率计算方法 | |
CN110310199B (zh) | 借贷风险预测模型的构建方法、***及借贷风险预测方法 | |
CN104009993A (zh) | 一种基于模糊过滤的信任评估方法 | |
CN110880044A (zh) | 一种基于马尔科夫链的负荷预测方法 | |
CN107122440A (zh) | 基于舆情大数据的电网物资风控预警*** | |
CN104156878A (zh) | 用于农网改造升级工程评估指标权重的确定方法 | |
CN104218572A (zh) | 一种基于模糊推理的cim模型拓扑实时规约与修正方法 | |
CN107465571A (zh) | 基于统计特性的战术网络模拟训练背景业务流量生成方法 | |
CN111429023A (zh) | 一种磁浮交通高安全***风险指标重要性的评估方法 | |
CN107249127A (zh) | 一种评估准确的网络视频质量评估*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170718 |