CN114205214B - 一种电力通信网络故障识别方法、装置、设备及存储介质 - Google Patents
一种电力通信网络故障识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114205214B CN114205214B CN202111509503.8A CN202111509503A CN114205214B CN 114205214 B CN114205214 B CN 114205214B CN 202111509503 A CN202111509503 A CN 202111509503A CN 114205214 B CN114205214 B CN 114205214B
- Authority
- CN
- China
- Prior art keywords
- communication
- network
- area
- power
- fault
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
- H04L41/065—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis involving logical or physical relationship, e.g. grouping and hierarchies
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种电力通信网络故障识别方法、装置、设备及存储介质,包括:S1:识别出整个电力通信网络中的关键节点集合,采用节点间相关性对整个电力通信网络进行划分,形成多个通信区域子网;S2:根据电力设备连接的网络设备,找出通信区域子网所对应的电力设备划分的区域,建立电力设备区域与通信子网区域的映射关系;S3:找出故障电力设备,根据故障电力设备找出包含故障设备最多的电力设备区域集合,及电力设备区域与通信子网区域的映射关系,找出所有可能故障的通信子网区域集合;S4:对每个可能故障的通信子网区域,利用故障关联分析两层模型进行通信设备故障识别。本发明融合电力设备故障信息提高通信网络故障识别的准确率。
Description
技术领域
本发明涉及网络故障识别技术领域,具体涉及一种电力通信网络故障识别方法、装置、设备及存储介质。
背景技术
作为电网信息通信“高速公路”的光传输网,主要承担电网生产经营、电力调度和客户服务等各类业务的信息承载。随着能源互联网、智能电网和电网信息化的快速发展,电力通信网承载的业务量越来越大,而且业务种类更加丰富,业务质量需求也更加多样化,因此这些变化都对光传输网规划提出了更高的要求。
目前针对电力***通信网络的故障识别方法,大都基于通信网络本身的故障及报警进行检测,未考虑电力设备网络故障对通信网络故障识别的影响。这会影响实际环境中电力通信网络故障的诊断识别,造成现有技术中电力通信网络故障识别方法识别准确度不高和效率低的问题。
发明内容
本发明所要解决的技术问题是现有技术中电力通信网络故障识别方法大都基于通信网络本身的故障及报警进行检测,未考虑电力设备网络故障对通信网络故障识别的影响,造成识别准确度不高和效率低的问题。
因此,本发明考虑到在实际环境中,电力设备网络故障是通信网络故障的直接体现,通过电力设备网络故障节点的监测数据分析能对通信网络故障的识别起到关键作用。本发明目的在于提供一种电力通信网络故障识别方法、装置、设备及存储介质,充分考虑电力设备网络故障对通信网络故障识别的影响,识别准确度高、效率高。
本发明通过下述技术方案实现:
第一方面,本发明提供了一种电力通信网络故障识别方法,该方法包括:
S1:根据通信网络节点、通信网络拓扑结构,识别出整个电力通信网络中的关键节点集合;根据所述关键节点集合,采用节点间相关性对整个电力通信网络进行划分,形成多个通信区域子网;
S2:根据电力设备连接的网络设备,找出所述通信区域子网所对应的电力设备划分的区域,建立电力设备区域与通信子网区域的映射关系;
S3:根据电力设备的网络通信状态,得出故障电力设备;根据故障电力设备找出包含故障设备最多的电力设备区域集合,根据所述电力设备区域与通信子网区域的映射关系,找出所有可能故障的通信子网区域集合,并按照包含的故障设备数倒序排列;
S4:对每个可能故障的通信子网区域,利用所述电力设备区域与通信子网区域的映射关系构建故障关联分析两层模型,进行所述通信区域子网中各个通信设备故障的识别。
本方法融合电力设备故障信息,提高了通信网络故障识别的准确率,同时对整个通信网进行关键区域子网划分,分别针对关键区域子网进行故障识别,提高了故障识别的效率。
进一步地,步骤S1包括以下子步骤:
S11:根据通信网络节点、通信网络拓扑结构,把整个电力通信网络可用一个无向图G=(V,E)表示,其中V表示通信设备节点,E表示通信设备之间的连接关系;
S12:采用中心性关键节点识别算法识别出整个电力通信网络中的k个关键节点集合S,且使得整个无向图G中去掉S后的连通节点对数f(S)最小;
S13:根据识别出的关键节点集合S,采用通信网络节点相关性方法将整个通信网络按照关键节点划分为多个通信区域子网集合Gt。
进一步地,步骤S12中整个无向图G中去掉S后的连通节点对数f(S)的公式为:
式中,Ci表示整个无向图G中去掉S后G[V\S]中的第i个连通分量,是连通分量中的节点数。
进一步地,步骤S13中的通信网络节点相关性方法的计算公式为:
式中,Aij表示通信节点Ti和通信节点Tj在同一时段发生故障的数量;A表示通信网络发生的故障总数;该比值越大,表示两个通信节点的相关性越高。Dij表示节点Ti和节点Tj之间的通信次数,该值越大,表明通信节点Ti和通信节点Tj的关联性越高;D表示整个通信子网络中节点的总通信次数。
其中,通信网络节点相关性大于设定阈值时,说明该两个通信节点属于同一通信区域子网。
进一步地,步骤S3中的电力设备的网络通信状态,是对获取电力***中电力设备的网络通信状态后并按照周期维度聚合各个电力设备的网络通信状态。
进一步地,步骤S4中的所述故障关联分析两层模型,是根据所述电力设备区域与通信子网区域的映射关系,以通信网络故障节点作为根源网络层,以电力设备故障节点作为关联网络层,通过通信网故障节点和电力设备故障节点间的故障传播关系来实现所述通信区域子网中各个通信设备故障的识别。
第二方面,本发明又提供了一种电力通信网络故障识别装置,该装置支持所述的一种电力通信网络故障识别方法,该装置包括:
获取单元,用于获取电力***中电力设备的网络通信状态,并按照周期维度聚合各个电力设备的网络通信状态;
通信区域子网构建单元,用于根据通信网络节点、通信网络拓扑结构,识别出整个电力通信网络中的关键节点集合;根据所述关键节点集合,采用节点间相关性对整个电力通信网络进行划分,形成多个通信区域子网;
电力设备区域与通信子网区域的映射关系构建单元,用于根据电力设备连接的网络设备,找出所述通信区域子网所对应的电力设备划分的区域,建立电力设备区域与通信子网区域的映射关系;
可能故障通信子网区域集合识别单元,用于根据电力设备的网络通信状态,得出故障电力设备;根据故障电力设备找出包含故障设备最多的电力设备区域集合,根据所述电力设备区域与通信子网区域的映射关系,找出所有可能故障的通信子网区域集合,并按照包含的故障设备数倒序排列;
通信设备故障识别单元,用于对每个可能故障的通信子网区域,利用所述电力设备区域与通信子网区域的映射关系构建故障关联分析两层模型,进行所述通信区域子网中各个通信设备故障的识别。
进一步地,所述通信区域子网构建单元包括关键节点集合子单元和通信区域子网构建子单元;
所述关键节点集合子单元,用于根据通信网络节点、通信网络拓扑结构,把整个电力通信网络可用一个无向图G=(V,E)表示,其中V表示通信设备节点,E表示通信设备之间的连接关系;及采用中心性关键节点识别算法识别出整个电力通信网络中的k个关键节点集合S,且使得整个无向图G中去掉S后的连通节点对数f(S)最小;
所述通信区域子网构建子单元,用于根据识别出的关键节点集合S,采用通信网络节点相关性方法将整个通信网络按照关键节点划分为多个通信区域子网集合Gt。
第三方面,本发明又提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述的一种电力通信网络故障识别方法。
第四方面,本发明又提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述的一种电力通信网络故障识别方法。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明考虑到在实际环境中,电力设备网络故障是通信网络故障的直接体现,通过电力设备网络故障节点的监测数据分析能对通信网络故障的识别起到关键作用。本发明目的在于提供一种电力通信网络故障识别方法、装置、设备及存储介质,充分考虑电力设备网络故障对通信网络故障识别的影响,识别准确度高、效率高。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明一种电力通信网络故障识别方法流程图。
图2为本发明一种电力通信网络故障识别装置结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
如图1所示,本发明一种电力通信网络故障识别方法,该方法包括:
S1:根据通信网络节点、通信网络拓扑结构,识别出整个电力通信网络中的关键节点集合;根据所述关键节点集合,采用节点间相关性对整个电力通信网络进行划分,形成多个通信区域子网;步骤S1包括以下子步骤:
S11:根据通信网络节点、通信网络拓扑结构,把整个电力通信网络可用一个无向图G=(V,E)表示,其中V表示通信设备节点,E表示通信设备之间的连接关系;
S12:关键节点的识别可理解为去掉关键节点后,整个通信网络中的节点连通性最小;于是采用中心性关键节点识别算法识别出整个电力通信网络中的k个关键节点集合S,且 使得整个无向图G中去掉S后的连通节点对数f(S)最小;f(S)的公式为:
式中,Ci表示整个无向图G中去掉S后G[V\S]中的第i个连通分量,是连通分量中的节点数。
S13:根据识别出的关键节点集合S,采用通信网络节点相关性方法将整个通信网络按照关键节点划分为多个通信区域子网集合Gt{Gt1,Gt2,…Gtn}。其中,通信网络节点相关性方法的计算公式为:
式中,Aij表示通信节点Ti和通信节点Tj在同一时段发生故障的数量;A表示通信网络发生的故障总数;该比值越大,表示两个通信节点的相关性越高。Dij表示节点Ti和节点Tj之间的通信次数,该值越大,表明通信节点Ti和通信节点Tj的关联性越高;D表示整个通信子网络中节点的总通信次数。
其中,通信网络节点相关性大于设定阈值时,说明该两个通信节点属于同一通信区域子网。
S2:所有电力设备都与通信网络中的通信设备节点连接,所以可确定该电力设备所属的通信区域子网,因此,根据电力设备连接的网络设备,找出所述通信区域子网所对应的电力设备划分的区域,建立电力设备区域与通信子网区域的映射关系Rtc=(Gt,Qc),Gt表示通信区域子网集合;Qc表示电力设备集合;
S3:根据电力设备的网络通信状态,得出故障电力设备集H;根据故障电力设备找出包含故障设备最多的电力设备区域集合,根据所述电力设备区域与通信子网区域的映射关系Rtc,找出所有可能故障的通信子网区域集合{<Gt,Qc>},并按照包含的故障设备数倒序排列;其中:
电力设备的网络通信状态是对获取电力***中电力设备的网络通信状态后并按照周期维度聚合各个电力设备的网络通信状态。具体地,在整个电力***中,在电力设备中随机设置网络监测装置,网络监测装置的分布在整体上是均匀的,网络监测装置用于采集当前点网络延迟数据以及设备通信情况,网络监测装置可包括路由器、交换机、CDN、信息***或者网络监测客户端。网络监测装置将每个电力设备的网络状态每秒进行上传,数据采集模块对采集到原始数据按照周期维度数据聚合,以减少数据量。各个设备周期维度的通信状态State,State取值0或者1,1表示该设备的通信状态正常,0表示该设备的通信状态不正常。
S4:对每个可能故障的通信子网区域,利用所述电力设备区域与通信子网区域的映射关系构建故障关联分析两层模型,进行所述通信区域子网中各个通信设备故障的识别。其中:
所述故障关联分析两层模型,是根据所述电力设备区域与通信子网区域的映射关系,以通信网络故障节点作为根源网络层,以电力设备故障节点作为关联网络层,通过通信网故障节点和电力设备故障节点间的故障传播关系来实现所述通信区域子网中各个通信设备故障的识别。
具体地,针对步骤S3识别出的所有可能故障的通信子网区域集合{<Gt,Qc>},对每个集合,建立电力设备与通信网络故障关联分析两层模型G(T,E,C),其中T属于通信区域子网中的节点,以通信网络故障节点作为故障根源网络层,C属于电力设备区域中的节点,以电力设备故障节点作为故障关联网络层,E为通信网络子网节点指向电力设备层的边,具体含义表示通信网络节点故障对电力设备的影响;定义wij为边(Ti,Cj)权重,表示通信网络节点故障对电力设备节点故障的传播概率。
通信网络故障节点集合的识别问题,可转换为在通信区域子网中找到故障的通信设备集合X,其中使得实际发生可观察到的电力设备的故障集/>时,该故障发生的概率最大。
进一步的,该故障发生的概率问题,可转化为以下最小化问题:
式中,K代表K维向量xi,xi∈{0,1},为第i个通信设备发生故障的概率。
采用遗传算法求解该0-1规划问题,计算每个通信设备发生故障的概率,选定超出阈值的通信设备为故障通信设备。因此使用该方法可找出故障通信设备节点集合X,达到电力通信网络故障识别的目的。
本方法融合电力设备故障信息,提高了通信网络故障识别的准确率,同时对整个通信网进行关键区域子网划分,分别针对关键区域子网进行故障识别,提高了故障识别的效率。
实施例2
如图2所示,本实施例与实施例1的区别在于,本实施例提供了一种电力通信网络故障识别装置,该装置支持实施例1所述的一种电力通信网络故障识别方法,该装置包括:
获取单元,用于获取电力***中电力设备的网络通信状态,并按照周期维度聚合各个电力设备的网络通信状态;
通信区域子网构建单元,用于根据通信网络节点、通信网络拓扑结构,识别出整个电力通信网络中的关键节点集合;根据所述关键节点集合,采用节点间相关性对整个电力通信网络进行划分,形成多个通信区域子网;
电力设备区域与通信子网区域的映射关系构建单元,用于根据电力设备连接的网络设备,找出所述通信区域子网所对应的电力设备划分的区域,建立电力设备区域与通信子网区域的映射关系;
可能故障通信子网区域集合识别单元,用于根据电力设备的网络通信状态,得出故障电力设备;根据故障电力设备找出包含故障设备最多的电力设备区域集合,根据所述电力设备区域与通信子网区域的映射关系,找出所有可能故障的通信子网区域集合,并按照包含的故障设备数倒序排列;
通信设备故障识别单元,用于对每个可能故障的通信子网区域,利用所述电力设备区域与通信子网区域的映射关系构建故障关联分析两层模型,进行所述通信区域子网中各个通信设备故障的识别。
各个单元的执行过程按照实施例1所述的一种电力通信网络故障识别方法流程步骤执行即可,此实施例中不再一一赘述。
同时,本发明又提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述的一种电力通信网络故障识别方法。
同时,本发明又提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述的一种电力通信网络故障识别方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种电力通信网络故障识别方法,其特征在于,该方法包括:
S1:根据通信网络节点、通信网络拓扑结构,识别出整个电力通信网络中的关键节点集合;根据所述关键节点集合,采用节点间相关性对整个电力通信网络进行划分,形成多个通信区域子网;
S2:根据电力设备连接的网络设备,找出所述通信区域子网所对应的电力设备划分的区域,建立电力设备区域与通信子网区域的映射关系;
S3:根据电力设备的网络通信状态,得出故障电力设备;根据故障电力设备找出包含故障设备最多的电力设备区域集合,根据所述电力设备区域与通信子网区域的映射关系,找出所有可能故障的通信子网区域集合;
S4:对每个可能故障的通信子网区域,利用故障关联分析两层模型,进行所述通信区域子网中各个通信设备故障的识别。
2.根据权利要求1所述的一种电力通信网络故障识别方法,其特征在于,步骤S1包括以下子步骤:
S11:根据通信网络节点、通信网络拓扑结构,把整个电力通信网络用一个无向图G=(V,E)表示,其中V表示通信设备节点,E表示通信设备之间的连接关系;
S12:采用中心性关键节点识别算法识别出整个电力通信网络中的k个关键节点集合S,且使得整个无向图G中去掉S后的连通节点对数f(S)最小;
S13:根据识别出的关键节点集合S,采用通信网络节点相关性方法将整个通信网络按照关键节点划分为多个通信区域子网集合。
3.根据权利要求2所述的一种电力通信网络故障识别方法,其特征在于,步骤S12中整个无向图G中去掉S后的连通节点对数f(S)的公式为:
式中,Ci表示整个无向图G中去掉S后G[V\S]中的第i个连通分量,是连通分量中的节点数。
4.根据权利要求2所述的一种电力通信网络故障识别方法,其特征在于,步骤S13中的通信网络节点相关性方法的计算公式为:
式中,Aij表示通信节点Ti和通信节点Tj在同一时段发生故障的数量;A表示通信网络发生的故障总数;Dij表示通信节点Ti和通信节点Tj之间的通信次数;D表示整个通信子网络中节点的总通信次数。
5.根据权利要求1所述的一种电力通信网络故障识别方法,其特征在于,步骤S3中的电力设备的网络通信状态,是对获取电力***中电力设备的网络通信状态后并按照周期维度聚合各个电力设备的网络通信状态。
6.根据权利要求1所述的一种电力通信网络故障识别方法,其特征在于,步骤S4中的所述故障关联分析两层模型,是根据所述电力设备区域与通信子网区域的映射关系,以通信网络故障节点作为根源网络层,以电力设备故障节点作为关联网络层,通过通信网故障节点和电力设备故障节点间的故障传播关系来实现所述通信区域子网中各个通信设备故障的识别。
7.一种电力通信网络故障识别装置,其特征在于,该装置支持如权利要求1至6中任一所述的一种电力通信网络故障识别方法,该装置包括:
获取单元,用于获取电力***中电力设备的网络通信状态,并按照周期维度聚合电力设备的网络通信状态;
通信区域子网构建单元,用于根据通信网络节点、通信网络拓扑结构,识别出整个电力通信网络中的关键节点集合;根据所述关键节点集合,采用节点间相关性对整个电力通信网络进行划分,形成多个通信区域子网;
电力设备区域与通信子网区域的映射关系构建单元,用于根据电力设备连接的网络设备,找出所述通信区域子网所对应的电力设备划分的区域,建立电力设备区域与通信子网区域的映射关系;
可能故障通信子网区域集合识别单元,用于根据电力设备的网络通信状态,得出故障电力设备;根据故障电力设备找出包含故障设备最多的电力设备区域集合,根据所述电力设备区域与通信子网区域的映射关系,找出所有可能故障的通信子网区域集合;
通信设备故障识别单元,用于对每个可能故障的通信子网区域,利用故障关联分析两层模型,进行所述通信区域子网中各个通信设备故障的识别。
8.根据权利要求7所述的一种电力通信网络故障识别装置,其特征在于,所述通信区域子网构建单元包括关键节点集合子单元和通信区域子网构建子单元;
所述关键节点集合子单元,用于根据通信网络节点、通信网络拓扑结构,把整个电力通信网络用一个无向图G=(V,E)表示,其中V表示通信设备节点,E表示通信设备之间的连接关系;及采用中心性关键节点识别算法识别出整个电力通信网络中的k个关键节点集合S,且 使得整个无向图G中去掉S后的连通节点对数f(S)最小;
所述通信区域子网构建子单元,用于根据识别出的关键节点集合S,采用通信网络节点相关性方法将整个通信网络按照关键节点划分为多个通信区域子网集合。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的一种电力通信网络故障识别方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的一种电力通信网络故障识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111509503.8A CN114205214B (zh) | 2021-12-10 | 2021-12-10 | 一种电力通信网络故障识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111509503.8A CN114205214B (zh) | 2021-12-10 | 2021-12-10 | 一种电力通信网络故障识别方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114205214A CN114205214A (zh) | 2022-03-18 |
CN114205214B true CN114205214B (zh) | 2023-10-03 |
Family
ID=80652318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111509503.8A Active CN114205214B (zh) | 2021-12-10 | 2021-12-10 | 一种电力通信网络故障识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114205214B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117093952B (zh) * | 2023-10-19 | 2024-01-02 | 北京松岛菱电电力工程有限公司 | 基于电力设备运行状态的智能控制方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109067602A (zh) * | 2018-09-28 | 2018-12-21 | 广东电网有限责任公司 | 基于通信监测的电力配用电业务故障诊断方法及相关产品 |
CN109743215A (zh) * | 2019-03-05 | 2019-05-10 | 重庆邮电大学 | 一种多区域故障下基于灾难预测的蚁群优化虚拟网络映射方法 |
CN109981345A (zh) * | 2019-02-20 | 2019-07-05 | 国网山东省电力公司济南供电公司 | 一种用于配网通信网故障自愈的虚拟网络映射方法 |
CN111835537A (zh) * | 2019-04-17 | 2020-10-27 | ***通信集团山西有限公司 | 一种通信网络级联故障中节点识别方法、装置及设备 |
-
2021
- 2021-12-10 CN CN202111509503.8A patent/CN114205214B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109067602A (zh) * | 2018-09-28 | 2018-12-21 | 广东电网有限责任公司 | 基于通信监测的电力配用电业务故障诊断方法及相关产品 |
CN109981345A (zh) * | 2019-02-20 | 2019-07-05 | 国网山东省电力公司济南供电公司 | 一种用于配网通信网故障自愈的虚拟网络映射方法 |
CN109743215A (zh) * | 2019-03-05 | 2019-05-10 | 重庆邮电大学 | 一种多区域故障下基于灾难预测的蚁群优化虚拟网络映射方法 |
CN111835537A (zh) * | 2019-04-17 | 2020-10-27 | ***通信集团山西有限公司 | 一种通信网络级联故障中节点识别方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114205214A (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110351118B (zh) | 根因告警决策网络构建方法、装置和存储介质 | |
CN110609759B (zh) | 一种故障根因分析的方法及装置 | |
CN113259168B (zh) | 一种故障根因分析方法及装置 | |
CN113542039A (zh) | 一种通过ai算法定位5g网络虚拟化跨层问题的方法 | |
CN109981326B (zh) | 家庭宽带感知故障定位的方法及装置 | |
CN112769605B (zh) | 一种异构多云的运维管理方法及混合云平台 | |
CN114205214B (zh) | 一种电力通信网络故障识别方法、装置、设备及存储介质 | |
CN112737800A (zh) | 服务节点故障定位方法、调用链生成方法及服务器 | |
CN115550139B (zh) | 故障根因定位方法、装置、***、电子设备及存储介质 | |
CN116471196B (zh) | 运维监控网络维护方法、***及设备 | |
CN114152839A (zh) | 一种分布式电力并网环境下的配电网故障定位方法及*** | |
CN112671585A (zh) | 智能家居设备的异常处理方法及装置、处理器、电子设备 | |
Solmaz et al. | ALACA: A platform for dynamic alarm collection and alert notification in network management systems | |
CN113852476A (zh) | 确定异常事件关联对象的方法、装置及*** | |
CN109818808A (zh) | 故障诊断方法、装置和电子设备 | |
CN115865611A (zh) | 一种网络设备的故障处理方法、装置及电子设备 | |
CN113740666A (zh) | 一种数据中心电力***告警风暴根源故障的定位方法 | |
CN115361295B (zh) | 基于topsis的资源备份方法、装置、设备及介质 | |
CN113572639B (zh) | 一种载波网络故障的诊断方法、***、设备和介质 | |
CN113285837B (zh) | 一种基于拓扑感知的载波网络服务故障诊断方法及装置 | |
CN113285977B (zh) | 基于区块链和大数据的网络维护方法及*** | |
CN114978930A (zh) | 一种基于SRv6的智能网络及设备故障预测方法及*** | |
CN111628901B (zh) | 一种指标异常检测方法以及相关装置 | |
CN114422324B (zh) | 一种告警信息的处理方法、装置、电子设备及存储介质 | |
CN111277444A (zh) | 一种交换机故障预警方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |