CN114866137B - 电力光缆网的检测方法及装置 - Google Patents
电力光缆网的检测方法及装置 Download PDFInfo
- Publication number
- CN114866137B CN114866137B CN202210423491.5A CN202210423491A CN114866137B CN 114866137 B CN114866137 B CN 114866137B CN 202210423491 A CN202210423491 A CN 202210423491A CN 114866137 B CN114866137 B CN 114866137B
- Authority
- CN
- China
- Prior art keywords
- optical cable
- cable network
- power optical
- influence
- index data
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 271
- 238000001514 detection method Methods 0.000 title abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 183
- 238000000034 method Methods 0.000 claims abstract description 80
- 230000008569 process Effects 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000013077 scoring method Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 238000010998 test method Methods 0.000 claims 1
- 239000013307 optical fiber Substances 0.000 description 49
- 238000012544 monitoring process Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 17
- 239000011159 matrix material Substances 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 15
- 239000000835 fiber Substances 0.000 description 11
- 230000035945 sensitivity Effects 0.000 description 10
- 239000013598 vector Substances 0.000 description 8
- 230000032683 aging Effects 0.000 description 7
- 230000007547 defect Effects 0.000 description 6
- 230000003137 locomotive effect Effects 0.000 description 6
- 239000011248 coating agent Substances 0.000 description 5
- 238000000576 coating method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000006185 dispersion Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000035882 stress Effects 0.000 description 5
- 238000010219 correlation analysis Methods 0.000 description 4
- 238000005452 bending Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000012854 evaluation process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000000253 optical time-domain reflectometry Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/07—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems
- H04B10/071—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using a reflected signal, e.g. using optical time domain reflectometers [OTDR]
-
- 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
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Optical Communication System (AREA)
Abstract
本发明公开了一种电力光缆网的检测方法及装置。其中,该方法包括:获取电力光缆网对应的第一指标数据和第二指标数据;基于第一指标数据和第一关联模型确定第一评估结果;基于第二指标数据和第二关联模型确定第二评估结果;依据第一评估结果和/或第二评估结果判断电力光缆网的可靠程度。本发明解决了由于现有技术中的检测方法评估方面单一造成的准确性差的技术问题。
Description
技术领域
本发明涉及电力检测领域,具体而言,涉及一种电力光缆网的检测方法及装置。
背景技术
随着光纤网络的快速发展,及时发现光纤网络的故障,确保电力光缆网络安全稳定是目前网络维护的重点。在电力光缆网络的运行过程中,影响其安全性和可靠性的因素有很多,如光缆网络自身的质量、光缆网络的维护状态、光缆网络的使用环境等,都将直接影响电力光缆网络安全保障的能力。在现有技术中,有关电力光缆网的检测方法往往仅从单一方面对电力光缆网进行检测,从而使得得出的分析结果并不能很好的对电力光缆网实际的安全隐患进行预测。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种电力光缆网的检测方法及装置,以至少解决由于现有技术中的检测方法评估方面单一造成的准确性差的技术问题。
根据本发明实施例的一个方面,提供了一种电力光缆网的检测方法,包括:获取电力光缆网对应的第一指标数据和第二指标数据,其中,第一指标数据与电力光缆网中的光缆线路相关的影响因素相对应,第二指标数据与电力光缆网的网络结构相关的影响因素相对应;基于第一指标数据和第一关联模型确定第一评估结果,其中,第一关联模型表征与第一指标数据对应的第一影响因素对电力光缆网可靠程度的影响程度,第一评估结果表征在第一指标数据下电力光缆网的预期状态;基于第二指标数据和第二关联模型确定第二评估结果,其中,第二关联模型表征与第二指标数据对应的第二影响因素对电力光缆网可靠程度的影响程度,第二评估结果表征在第二指标数据下电力光缆网的预期状态;依据第一评估结果和/或第二评估结果判断电力光缆网的可靠程度。
可选的,电力光缆网的检测方法还包括:在基于第一指标数据和第一关联模型获取第一评估结果之前,获取第一影响因素;根据第一影响因素和电力光缆网可靠程度之间的关联关系构建第一关联模型。
可选的,电力光缆网的检测方法还包括:在获取第一影响因素后,采用第一模糊层次分析法对第一影响因素进行处理,得到第一评估指标体系。
可选的,电力光缆网的检测方法还包括:获取第一评估指标体系中的第一影响因素对应的第一分值;基于第二模糊层次分析法以及第一分值确定第一评估指标体系中的第一影响因素的权重;获取第一影响因素的影响等级系数,其中,影响等级系数表征第一影响因素的变化程度;基于第一影响因素的权重和影响等级系数量化第一影响因素对电力光缆网可靠程度的影响程度,得到第一关联模型。
可选的,电力光缆网的检测方法还包括:计算各第一影响因素和电力光缆网可靠程度之间的灰熵关联度;基于灰熵关联度量化第一影响因素对电力光缆网可靠程度的影响程度,得到第一关联模型。
可选的,电力光缆网的检测方法还包括:在基于第二影响因素和第二关联模型获取第二评估结果之前,获取第二影响因素;根据第二影响因素和电力光缆网可靠程度之间的关联关系构建第二关联模型。
可选的,电力光缆网的检测方法还包括:获取第二评估指标体系,其中,第二评估指标体系内包含多个与电力光缆网的网络结构相关的因素;从第二评估指标体系所包含的多个因素中确定第二影响因素。
可选的,电力光缆网的检测方法还包括:获取业务重要度、电力光缆网的网络拓扑结构和风险率,其中,业务重要度表征电力光缆网业务分布的均衡程度,风险率表征电力光缆网风险发生的概率;基于业务重要度和网络拓扑结构确定网络拓扑结构所包含的至少一条链路的权重;基于业务重要度和风险率确定网络业务风险值;基于网络拓扑结构确定各链路失效概率,其中,链路失效概率表征链路中的光缆发生故障的概率;将各链路的权重、网络业务风险值、链路失效概率作为第二影响因素。
可选的,电力光缆网的检测方法还包括:在依据第一评估结果和第二评估结果判断电力光缆网的可靠程度后,当电力光缆网的可靠程度满足第一预设条件时,基于第二影响因素和电力光缆网可靠程度的关联模型更新业务流向,其中,业务流向表征业务在网络拓扑结构中基于链路所形成的传输路径。
根据本发明实施例的另一方面,还提供了一种电力光缆网的检测装置,包括:数据采集模块,用于获取电力光缆网对应的第一指标数据和第二指标数据,其中,第一指标数据与电力光缆网中的光缆线路相关的影响因素相对应,第二指标数据与电力光缆网的网络结构相关的影响因素相对应;第一处理模块,用于基于第一指标数据和第一关联模型确定第一评估结果,其中,第一关联模型表征与第一指标数据对应的第一影响因素对电力光缆网可靠程度的影响程度,第一评估结果表征在第一指标数据下电力光缆网的预期状态;第二处理模块,用于基于第二指标数据和第二关联模型确定第二评估结果,其中,第二关联模型表征与第二指标数据对应的第二影响因素对电力光缆网可靠程度的影响程度,第二评估结果表征在第二指标数据下电力光缆网的预期状态;分析模块,用于依据第一评估结果和/或第二评估结果判断电力光缆网的可靠程度。
在本发明实施例中,采用基于两方面因素对电力光缆网进行检测的方式,通过获取电力光缆网对应的第一指标数据和第二指标数据,先基于第一指标数据和第一关联模型确定第一评估结果,再基于第二指标数据和第二关联模型确定第二评估结果,最后依据第一评估结果和/或第二评估结果来判断电力光缆网的可靠程度。其中,第一指标数据与电力光缆网中的光缆线路相关的影响因素相对应,第二指标数据与电力光缆网的网络结构相关的影响因素相对应,第一关联模型表征与第一指标数据对应的第一影响因素对电力光缆网可靠程度的影响程度,第一评估结果表征在第一指标数据下电力光缆网的预期状态,第二关联模型表征与第二指标数据对应的第二影响因素对电力光缆网可靠程度的影响程度,第二评估结果表征在第二指标数据下电力光缆网的预期状态。
在上述过程中,通过获取与电力光缆网中的光缆线路对应的第一指标数据以及与电力光缆网的网络结构对应的第二指标数据,并依据第一评估结果和/或第二评估结果对电力光缆网的可靠程度进行判断,可以实现对电力光缆网多方面因素的提取与检测,从而提高检测结果的准确度。另外,在本申请中,将第一指标数据和第二指标数据分别结合不同的关联模型(即第一关联模型、第二关联模型)对电力光缆网的可靠性进行评估,可以使得评估过程更加具有针对性,从而进一步提高检测结果的准确度。
由此可见,本申请所提供的方案达到了基于两方面因素对电力光缆网进行检测的目的,从而实现了提高检测结果准确性的技术效果,进而解决了由于现有技术中的检测方法评估方面单一造成的准确性差的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的电力光缆网的检测方法的流程图;
图2是根据本发明实施例的一种可选的第一评估指标体系的示意图;
图3是根据本发明实施例的一种可选的第一影响因素和电力光缆网的可靠程度之间的灰熵关联度的示意图;
图4是根据本发明实施例的一种可选的第二评估指标体系的示意图;
图5是根据本发明实施例的一种可选的网络拓扑结构的示意图;
图6是根据本发明实施例的一种可选的电力光缆网的检测装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种电力光缆网的检测方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的电力光缆网的检测方法,如图1所示,该方法包括如下步骤:
步骤S102,获取电力光缆网对应的第一指标数据和第二指标数据,其中,第一指标数据与电力光缆网中的光缆线路相关的影响因素相对应,第二指标数据与电力光缆网的网络结构相关的影响因素相对应。
在步骤S102中,影响电力光缆网的因素主要包括光缆线路因素和网络结构因素两大类。获取第一指标数据和第二指标数据的装置可以是计算设备、应用***或服务器等装置。在本实施例中,选用计算设备来获取第一指标数据和第二指标数据。具体地,计算设备可通过光时域反射仪、温度传感器、计时器等设备或元器件来获取到第一指标数据和第二指标数据。
具体地,在本实施例中,第一指标数据和第二指标数据分别包括至少一个影响因素的实际状态,其中,影响因素可用于表示各物理特征,如与电力光缆网中的光缆线路相关的影响因素可以包括:温度、光纤衰减等;与电力光缆网的网络结构相关的影响因素包括:光通信覆盖率、拓扑结构抗毁度等。影响因素的实际状态由影响因素对应的实际数值来表示,例如,影响因素为“温度”,其对应的实际数值为40℃;影响因素为“光纤衰减”,其对应的实际数值为3dB;影响因素为“网络结构的光通信覆盖率”,其对应的实际数值为88%等。
需要说明的是,通过对影响电力光缆网的因素进行分类,并分别对两大类所对应的指标进行提取,可以有效的为实现对电力光缆网进行多方面的评估与检测奠定基础。
步骤S104,基于第一指标数据和第一关联模型确定第一评估结果,其中,第一关联模型表征与第一指标数据对应的第一影响因素对电力光缆网可靠程度的影响程度,第一评估结果表征在第一指标数据下电力光缆网的预期状态。
在步骤S104中,第一影响因素为与电力光缆网中的光缆线路相关的影响因素,计算设备可以基于模糊层次分析法、灰关联熵法或其它方法构建第一关联模型,第一关联模型可用于表征第一影响因素在不同状态下,对电力光缆网可能造成的影响。
需要说明的是,通过在第一关联模型中寻找到与第一指标数据对应状态的第一影响因素,可以获得第一评估结果,第一评估结果可用于表征第一指标数据是否会导致电力光缆网产生故障。可选的,第一评估结果可以直接通过“是/否”的形式表示,也可以具体到以概率的形式表示,同时,还可以是以其它能够实现明确指示的形式进行表示。
需要说明的是,由于第一关联模型表征了第一影响因素在不同状态下,对电力光缆网可能造成的影响,因此通过采用第一关联模型对第一指标数据进行评估,可以有效量化第一指标对电力光缆网可靠性的影响程度,从而实现对第一指标对电力光缆网可靠性的影响程度的准确判断。
步骤S106,基于第二指标数据和第二关联模型确定第二评估结果,其中,第二关联模型表征与第二指标数据对应的第二影响因素对电力光缆网可靠程度的影响程度,第二评估结果表征在第二指标数据下电力光缆网的预期状态。
在步骤S106中,计算设备可以基于模糊综合评判法、神经网络或其它方法构建第二关联模型,第二关联模型可用于表征第二影响因素在不同状态下,对电力光缆网可能造成的影响。
需要说明的是,通过在第二关联模型中寻找到与第二指标数据对应状态的第二影响因素,可以获得第二评估结果,第二评估结果可用于表征第二指标数据是否会导致电力光缆网产生故障。可选的,第一评估结果可以直接通过“是/否”的形式表示,也可以具体到以概率的形式表示,同时,还可以是以其它能够实现明确指示的形式进行表示。
需要说明的是,第二关联模型表征了第二影响因素在不同状态下,对电力光缆网可能造成的影响,通过采用第二关联模型对第二指标数据进行评估,可以有效量化第二指标对电力光缆网可靠性的影响程度,从而实现对第二指标对电力光缆网可靠性的影响程度的准确判断。
步骤S108,依据第一评估结果和/或第二评估结果判断电力光缆网的可靠程度。
在步骤S108中,可以通过三种方式对电力光缆网的可靠程度进行判断。当确定电力光缆网的网络结构不会出现问题时,可以仅依据第一评估结果判断电力光缆网的可靠程度;当确定电力光缆网的光缆线路不会出现问题时,可以仅依据第二评估结果判断电力光缆网的可靠程度;当既无法确定电力光缆网的网络结构的预期状态,也无法确定光缆线路的预期状态时,采用结合第一评估结果和第二评估结果的方式判断电力光缆网的可靠程度。
具体地,当依据第一评估结果和第二评估结果判断电力光缆网的可靠程度时,若第一评估结果和第二评估结果均以“是/否”的形式表示,则当有任一评估结果为是时,判断电力光缆网不可靠,易发生故障;当两评估结果均为否时,判断电力光缆网可靠,不易发生故障。若第一评估结果和第二评估结果均以概率的形式表示,则当有任一评估结果概率大于等于50%或两者概率数值相加大于等于80%时,判断电力光缆网不可靠,易发生故障;当评估结果概率均小于50%且两者概率数值相加小于80%时,判断电力光缆网可靠,不易发生故障。需要说明的是,判断所依据的数值标准可以根据实际情况的不同而进行更改,如:在敏感网络中,下调相应数值,在备用网络中,上调相应数值等。若第一评估结果和第二评估结果中的其一以“是/否”的形式表示,另一以概率的形式表示,则当有任一评估结果为是或有任一评估结果概率大于等于50%时,判断电力光缆网不可靠,易发生故障;当其中一个评估结果为否,且另一评估结果概率小于50%时,判断电力光缆网可靠,不易发生故障。
需要说明的是,通过结合第一评估结果和第二评估结果对电力光缆网的可靠程度进行判断,可以使得判断结果更加客观、全面,进而提高检测结果的准确性。同时,需要说明的是,针对不同情景,采用不同的判断方式,还可以提高本检测方法的适用性。
基于上述步骤S102至步骤S108所限定的方案,可以获知,在本发明实施例中,采用基于两方面因素对电力光缆网进行检测的方式,通过获取电力光缆网对应的第一指标数据和第二指标数据,先基于第一指标数据和第一关联模型确定第一评估结果,再基于第二指标数据和第二关联模型确定第二评估结果,最后依据第一评估结果和/或第二评估结果来判断电力光缆网的可靠程度。其中,第一指标数据与电力光缆网中的光缆线路相关的影响因素相对应,第二指标数据与电力光缆网的网络结构相关的影响因素相对应,第一关联模型表征与第一指标数据对应的第一影响因素对电力光缆网可靠程度的影响程度,第一评估结果表征在第一指标数据下电力光缆网的预期状态,第二关联模型表征与第二指标数据对应的第二影响因素对电力光缆网可靠程度的影响程度,第二评估结果表征在第二指标数据下电力光缆网的预期状态。
容易注意到的是,在上述过程中,通过获取与电力光缆网中的光缆线路对应的第一指标数据以及与电力光缆网的网络结构对应的第二指标数据,并依据第一评估结果和/或第二评估结果对电力光缆网的可靠程度进行判断,可以实现对电力光缆网多方面因素的提取与检测,从而提高检测结果的准确度。另外,在本申请中,将第一指标数据和第二指标数据分别结合不同的关联模型(即第一关联模型、第二关联模型)对电力光缆网的可靠性进行评估,可以使得评估过程更加具有针对性,从而进一步提高检测结果的准确度。
由此可见,本申请所提供的方案达到了基于两方面因素对电力光缆网进行检测的目的,从而实现了提高检测结果准确性的技术效果,进而解决了由于现有技术中的检测方法评估方面单一造成的准确性差技术问题。
在一种可选的实施例中,在基于第一指标数据和第一关联模型获取第一评估结果之前,获取第一影响因素;根据第一影响因素和电力光缆网可靠程度之间的关联关系构建第一关联模型。通过构建第一关联模型,以实现对后续第一评估结果的获取。具体地,在本实施例中,对有关于上述方法的两种可选的实施方式进行说明,详述如下:
(1)、实施方式一
可选的,获取第一影响因素;其中,第一影响因素包括光纤衰减、温度、应力和振动。具体的,光纤衰减可分为熔接损耗、老化、接续头连接损耗和微弯损耗(包括断点),温度可分为接头发热、火灾和电腐蚀,应力可分为线路覆冰、接续盒结冰和机车拉拽,振动可分为微风振动、大风舞动、外力施工。
可选的,在获取第一影响因素后,采用第一模糊层次分析法对第一影响因素进行处理,得到第一评估指标体系;其中,第一模糊层次分析法为在传统的层次分析法上,采用一个区间数来量化,以使得该量化与判断的模糊性与不确定性取得一致的分析方法,而这时的判断矩阵称之为不确定型判断矩阵。在本实施例中,如图2所示,依据第一模糊层次分析法,基于属性的不同,对上述各第一影响因素进行分组,并将每组作为一个层次,具体地,将熔接损耗、老化、接续头连接损耗等属性作为最底层(二级评估指标),将光纤衰减、温度、应力和振动作为中间层(一级评估指标),将光缆线路的可靠性评估作为目标层(光缆线路的可靠性等级),从而得到第一评估指标体系。
需要说明的是,通过采用第一模糊层次分析法,用一个区间数来反映第一影响因素的影响程度的状态,可以在很大程度上反映第一影响因素的影响程度的模糊性和不确定性,充分表达后续操作中的第一分值,从而更能反映第一影响因素的影响程度的实际状态,从而使评价结果更客观和可信。
可选的,获取第一评估指标体系中的第一影响因素对应的第一分值;通过采用专家打分法,邀请n位专家对电力光缆网可靠性因素进行评估,即设n位专家对某一层次因素进行打分,以构造上三角区间数判断矩阵。具体地,以在应力属性方面,光缆线路故障对通信造成的影响U3(中断U31、延迟U32和削弱U33)为例,选取三位专家按照层次分析法比例标度,填写两两比较区间判断矩阵表:
表1业务影响评定表(专家一)
线路覆冰 | 接续盒 | 机车拉拽 | |
线路覆冰 | [11] | [23] | [613/2] |
接续盒 | [11] | [7/211/2] | |
机车拉拽 | [11] |
表2业务影响评定表(专家二)
线路覆冰 | 接续盒 | 机车拉拽 | |
线路覆冰 | [11] | [23] | [56] |
接续盒 | [11] | [49/2] | |
机车拉拽 | [11] |
表3业务影响评定表(专家三)
由上述三位专家确定的评定表,然后根据区间数判断矩阵的互反性,可以得出区间判断矩阵U31、U32、U33。其中,在光缆线路的可靠性评估中,由于客观事物的复杂性和统计数据的不完全性,因此,在得到判断矩阵后,还需要对判断矩阵进行一致性检验。在本实施例中,通过先求出一致性检验指标CI,再求出平均随机一致性指标RI,最后求出相对一致性指标CR的方法,以实现一致性检验。其中,当CR越小时,判断矩阵的一致性越好,其极限值为0。CR≤0.1时,就可认为判断矩阵基本符合完全一致性条件,属于可接受的程度。如果CR>0.1,那么一般认为初步建立的判断矩阵还存在较多缺陷,需要重新分析赋值,直到检验通过为止。在本实施例中,通过计算可求得,判断矩阵U31的CR1=0.0012,判断矩阵U32的CR2=0.0045,判断矩阵U33的CR3=0.0026,均小于0.1,因此,三个判断矩阵均满足一致性。
可选的,基于第二模糊层次分析法以及第一分值确定第一评估指标体系中的第一影响因素的权重;其中,第一模糊层次分析法和第二模糊层次分析法分别对应模糊层次分析法中的部分步骤。其次,可以选用区间数特征根法(IEM)、区间数梯度特征向量法(IGEM)、区间数广义梯度特征向量法(ICGEM)、区间数对数最小二乘法(ILLSM)、区间数最小偏差法(ILDM)、区间数广义最小偏差法(IGLDM)或平均优势度矩阵法(MDM)和特征向量排序法(EM)等方法进行区间数判断矩阵求解权重向量。具体地,在本实施例中,选择根据区间数特征根法,基于判断矩阵U31、U32、U33求解出最底层评判指标在相应专家评判的权重向量,得出的权重向量如表4所示:
表4最底层指标权重
线路覆冰 | 接续盒 | 机车拉拽 |
0.6484 | 0.1597 | 0.1919 |
基于区间数特征根法所具有的合理性,及其计算方法简单的特点,使得基于区间数特征根法进行权重计算的结果更贴切可实际,从而可以有效提高本方法的准确性。同时,需要说明的是,在本实施例中,其它第一影响因素的权重同样基于上述的方法进行计算,故此处不再赘述,各第一影响因素所对应的指标的权重计算结果如表5所示:
表5光缆线路的可靠性评估指标权重
可选的,获取第一影响因素的影响等级系数,其中,影响等级系数表征第一影响因素的变化程度;具体地,可以基于标度法评定各一级评估指标的影响等级,以获得影响等级系数。其中,第一评估指标所对应的第一影响因素的数值依照降低电力光缆网的可靠程度的趋势变化时,其变化程度越大,所对应的影响等级系数也就越高。
可选的,基于第一影响因素的权重和影响等级系数量化第一影响因素对电力光缆网可靠程度的影响程度,得到第一关联模型。具体地,将各第一评估指标的权重和所对应的影响等级系数相乘,即可得到用于表征第一影响因素对电力光缆网可靠程度的影响程度可靠性指标。在本实施例中,各第一评估指标或第二评估指标及其所对应的影响等级系数和可靠性指标如表6-表11所示:
表6光纤衰减的影响等级因子及可靠性指标
表7光纤温度突变的影响等级因子及可靠性指标
表8光纤应变的影响等级因子及可靠性指标
表9微风振动的影响等级因子及可靠性指标
表10外力施工的影响等级因子及可靠性指标
表11风偏的影响等级因子及可靠性指标
其中,以表6所记载的数据为例,若预先设置的预警值为0.8,则当可靠性指标大于0.8时,第一评估结果为“是”或者“50%”,此时,意味着该电力光缆线路不可靠,可能发生故障。反之,当可靠性指标小于0.8时,如为0.1254时,则第一评估结果为“否”或者7.8%。
需要说明的是,通过基于第一模糊层次分析法对第一影响因素构建第一评估指标体系,并基于第二模糊层次分析法和第一分值计算第一评估指标体系中各指标的权重,实现了对可靠性指标的量化,进而,保证了第一关联模型的准确性。
(2)、实施方式二
可选的,获取第一影响因素;其中,第一影响因素包括张力、弯曲度、扭曲变形、舞动、温度急剧变化、温度周期性变化、温度湿度、环境污染、电磁干扰、光纤质量、工程质量以及老化等。
可选的,计算各第一影响因素和电力光缆网可靠程度之间的灰熵关联度;其中,可以基于灰关联熵分析法计算得到灰熵关联度,灰关联熵分析法是在原始的灰色关联分析法基础上结合熵权改进而成的模型。原始的灰色关联分析法在计算灰色关联度时采用平权出来,忽略了重要性差异的影响,没有考虑各关联系数的权重差异,造成两个明显的缺点:局部关联倾向和个性信息损失。因此,为了弥补灰色关联分析法在权重确定中的不足,将信息熵的理论引入灰色关联分析法,建立灰关联熵分析法,可以更客观的表示第一影响因素对电力光缆网可靠程度的影响程度。
具体地,在本实施例中,结合灰关联熵法的简单、有效性,选取六位相关部门的专业人员采用十分制打分法进行评价,具体地,对张力、弯曲度、扭曲变形、舞动、温度急剧变化、温度周期性变化、温度湿度、环境污染、电磁干扰、光纤质量、工程质量以及老化这12种指标的评价结果如表12所示:
表12十进制评分表
指标 | T1 | T2 | T3 | T4 | T5 | T6 | T7 | T8 | T9 | T10 | T11 | T12 |
X1 | 8 | 7 | 6 | 7 | 6 | 4 | 6 | 5 | 7 | 3 | 3 | 9 |
X2 | 9 | 8 | 7 | 8 | 5 | 5 | 7 | 6 | 8 | 4 | 3 | 9 |
X3 | 9 | 7 | 6 | 8 | 7 | 5 | 7 | 6 | 8 | 4 | 2 | 10 |
X4 | 8 | 6 | 6 | 7 | 6 | 4 | 6 | 5 | 7 | 3 | 3 | 9 |
X5 | 8 | 7 | 7 | 7 | 5 | 4 | 6 | 5 | 7 | 3 | 3 | 8 |
X6 | 9 | 8 | 7 | 8 | 8 | 5 | 7 | 6 | 8 | 3 | 4 | 9 |
可选的,基于灰熵关联度量化第一影响因素对电力光缆网可靠程度的影响程度,得到第一关联模型。其中,各第一影响因素所对应的指标与电力光缆网可靠程度的灰熵关联度如图3所示,在图3中,可以得到确切的电力光缆网可靠性与影响因素之间的灰熵关联度,其排序为:E(T1)>E(T4)=E(T9)>E(T12)>E(T7)>E(T3)>E(T8)>E(T2)>E(T6)>E(T10)>E(T5)>E(T11),根据熵关联度准则,二者之间的熵关联度越大,则说明该第一影响因素对电力光缆网可靠程度的影响程度越大,因此,各指标对应的第一影响因素的影响程度从大到小依次为:应力>舞动、电磁干扰>老化>环境湿度>形变>环境污染>弯曲度>温度周期性变化>光纤质量>温度急剧变化>工程质量。
需要说明的是,基于灰熵关联度得到的第一关联模型,一方面实现了对过分依赖主观经验的评估的克服,另一方面实现了降低算法的计算复杂度,由此,在实现了对第一影响因素对电力光缆网可靠程度的影响程度的量化的同时,还提高了构建效率。
在一种可选的实施例中,在基于第二影响因素和第二关联模型获取第二评估结果之前,方法包括:获取第二影响因素;根据第二影响因素和电力光缆网可靠程度之间的关联关系构建第二关联模型。通过构建第二关联模型,以实现对后续第二评估结果的获取。具体地,在本实施例中,对有关于上述方法的两种可选的实施方式进行说明,详述如下:
(3)、实施方式一
在一种可选的实施例中,通过以下方式获取第二影响因素:获取第二评估指标体系;从第二评估指标体系所包含的多个因素中确定第二影响因素。
可选的,获取第二评估指标体系,其中,第二评估指标体系内包含多个与电力光缆网的网络结构相关的因素;具体地,如图4所示,第二评估指标体系内分为网络拓扑、站点设备、环境变量和管理因素四大类。其中,网络拓扑和站点设备反映了和电力光缆网的网络结构相关的内在因素,环境变量和管理模块反映了和电力光缆网的网络结构相关的外在因素。
具体地,网络拓扑可分为规模指标和路由方式,其中,规模指标可分为光通信覆盖率和光设备成环率,路由方式可分为拓扑结构抗毁度和设备双备率;站点设备可分为光设备可靠性和设备冗余度,其中,光设备可靠性可分为光设备无故障工作时间(光设备MTBF)、光设备缺陷率,设备冗余度可分为光设备冗余和通信电源双重化率;环境变量可分为环境因素、地理位置和传输介质,其中,环境因素可分为内部环境因素,地理位置可分为气象及地质因素,传输介质可分为光缆类型因素和光缆百公里缺陷率;管理因素可分为运行指标和服务指标,其中,运行指标可分为生产实时控制业务通道双重化率和生产实时控制业务通道可用率,服务指标可分为设备消缺及时率、设备消缺率和检修计划完成。
可选的,从第二评估指标体系所包含的多个因素中确定第二影响因素;具体地,先选取相关部门的工作人员采用十分制打分法对第二评估指标体系进行评估得到第三评估结果,之后,基于第三评估结果,结合模糊综合评判法和Hamming神经网络进行分析,以此得到第二评估指标体系中可能对电力光缆网的可靠程度造成影响的因素,进而确定第二影响因素。其中,模糊综合评判法的原理为:通过构建模糊子集把所有影响电力光缆网可靠程度的模糊因素进行模糊量化(即确定隶属度),接着利用模糊变换原理对各影响因素综合以得到综合评价指标。最后,根据模糊层次分析法或其它方法,基于第二影响因素和电力光缆网可靠程度之间的关联关系以构建第二关联模型。
需要说明的是,基于模糊综合评判法和Hamming神经网络对第二评估指标体系进行有效筛选得到第二影响因素,并根据筛选得到第二影响因素构建第二关联模型,可以使得得到的第二关联模型更加具有针对性,更加贴合实际,且实现了对第二影响因素对电力光缆网可靠程度的影响程度的量化,由此保证了第二关联模型的准确性。
(4)、实施方式二
在一种可选的实施例中,通过以下方式获取第二影响因素:获取业务重要度、电力光缆网的网络拓扑结构和风险率,其中,业务重要度表征电力光缆网业务分布的均衡程度,风险率表征电力光缆网风险发生的概率;基于业务重要度和网络拓扑结构确定网络拓扑结构所包含的至少一条链路的权重;基于业务重要度和风险率确定网络业务风险值;基于网络拓扑结构确定各链路失效概率,其中,链路失效概率表征链路中的光缆发生故障的概率;将各链路的权重、网络业务风险值、链路失效概率作为第二影响因素。
可选的,获取业务重要度、电力光缆网的网络拓扑结构和风险率,其中,业务重要度表征电力光缆网业务分布的均衡程度,风险率表征电力光缆网风险发生的概率。其中,业务重要度、电力光缆网的网络拓扑结构以及风险率均可依据实际工作中所记载的数据进行获取,如:可依据实际的网络拓扑结构以及工作指标获取业务重要度,可依据历史风险发生率获取风险率等。
可选的,基于业务重要度和网络拓扑结构确定网络拓扑结构所包含的至少一条链路的权重;在本实施例中,网络拓扑结构如图5所示,该网络拓扑结构由10个节点与15条链路纪成,其中编号1为调度中也(省调),编号2为集中监控中也,编号3为备用调度中也(备调),余下节点为500KV或220KV变电站,链路上方数字为两节点实际距离,如:调度中也(省调)和集中监控中也之间的实际距离为17.6km。图中顶点集V为{v1,v2,v3,L,v10},无向链路集E为{E1,E2,E3,L,E15},业务集S为{S1,S2,L,S7}。将源宿节点对集与业务集用矩阵D表示,其中行向量对应网络中的源宿节点对为(s,d),列向量代表利用改进型模糊层次分析法评价的7种业务。首先,对相关的业务重要度进行计算,计算结果如表13所示:
表13业务重要度计算结果
业务 | 业务重要度 | 业务 | 业务重要度 |
继电保护 | 4.7084 | 保护信息管理 | 1.6868 |
安稳*** | 4.5115 | 调度电话 | 3.1615 |
调度自动化 | 3.9815 | 雷电定位 | 1.9271 |
电能计量 | 3.0517 |
之后,对网络拓扑结构中的边介数进行计算,归一化后的计算结果如表14所示:
表14边介数计算结果
边表示(E) | 计算结果 | 边表示(E) | 计算结果 |
E(1,2) | 0.02299 | E(2,10) | 0.04598 |
E(1,3) | 0.06897 | E(3,4) | 0.08046 |
E(1,4) | 0.09195 | E(3,6) | 0.1036 |
E(1,7) | 0.1034 | E(4,5) | 0.08046 |
E(1,9) | 0.1492 | E(5,6) | 0.02099 |
E(2,3) | 0.06897 | E(7,8) | 0.04598 |
E(2,4) | 0.04598 | E(9,10) | 0.05747 |
E(2,8) | 0.08046 |
对表14中所求得的结果按照大小排序,其排序结果如表15所示:
表15边介数计算结果排序表
最后,基于业务重要度和边介数计算结果或基于业务重要度计算链路权重值,归一化后的计算结果如表16所示:
表16链路权重结算结果
/>
需要说明的是,由于考虑到网络是业务的载体,实际运行业务的链路相对闲置的链路更重要,因此,基于业务重要度对链路权重进行计算更贴合实际,从而准确性更高。
可选的,基于业务重要度和风险率确定网络业务风险值;其中,网络业务风险值在网络安全评估中,用于表征根据安全事件发生的可能性及安全事件出现后的损失计算所得到的对组织的影响的值,与其它风险度量方法相比,风险值的主要优势在于,它通过量化的方式实现了对网络结构整体风险基本状况的简单明了的表示。具体地,网络业务风险值具体和两大因素有关:风险率与风险影响值。在本实施例中,将业务重要度影响值作为风险影响值,以计算网络业务风险值。
可选的,基于网络拓扑结构确定各链路失效概率,其中,链路失效概率表征链路中的光缆发生故障的概率,具体地,选取链路长度和运行时间作为链路失效概率的决定性因素,其它影响链路失效的因素统一定义。
可选的,将各链路的权重、网络业务风险值、链路失效概率作为第二影响因素。然后根据第二影响因素和电力光缆网可靠程度之间的关联关系构建第二关联模型。
需要说明的是,通过引入业务重要度,并基于业务重要度获取第二影响因素,可以使得得到的第二影响参数更贴合实际,进而使得第二关联模型的准确性更高。
在一种可选的实施例中,在依据第一评估结果和第二评估结果判断电力光缆网的可靠程度后,可选的,当电力光缆网的可靠程度满足第一预设条件时,基于第二影响因素和电力光缆网可靠程度的关联模型更新业务流向。
可选的,业务流向表征业务在网络拓扑结构中基于链路所形成的传输路径。其中,第一预设条件可以是电力光缆网不可靠、易发生故障,电力光缆网发生故障的概率达到预设值或其它条件。具体地,在本实施例中,根据上述的表13-16可知,E(1,9)为相对敏感路径,因此,当电力光缆网的线路遭受攻击,判断电力光缆网不可靠时,可做以下改进:初始源宿节点对W(1,10)业务路径为1-8-10,更新其路径为1-2-10,初始源宿节点对W(3,9)业务路径为2-1-9,更新其路径为2-2-10-9。保持ρ=1的攻击强度不变,优化后全网业务风险值为:6.1036。由此实现了当电力光缆网遭受攻击时,通过合理调整,比如路由转换、通信方式的调整等,以降低业务重要度,即降低网络业务风险值为基础,更新业务流向,进而达到降低攻击造成的业务损失度,提高网络的可靠程度的效果。
在一种可选的实施例中,在依据第一评估结果和/或第二评估结果判断电力光缆网的可靠程度后,当电力光缆网的可靠程度满足第二预设条件时,获取电力光缆网的光功率、光纤损耗功率和光缆振动幅值,基于光功率、光纤损耗功率和光缆振动幅值确定电力光缆网的损耗。
可选的,当电力光缆网的可靠程度满足第二预设条件时,获取电力光缆网的光功率、光纤损耗功率和光缆振动幅值;其中,第二预设条件可以是电力光缆网不可靠、易发生故障,电力光缆网发生故障的概率达到预设值或其它条件。具体地,可以通过在线监测、备纤监测、离线监测和混合监测或其它检测方式对电力光缆网的光纤线路进行检测。
其中,在线监测是把监测信号与通信信号共同注入同一根光纤,通过监测信号来观察光纤的损耗情况。由于监测信号与通信信号走同一根光纤,因此能直接客观地反应通信光纤的损耗情况,而且,可以不中断通信设备工作的情况下进行光纤损耗的测量,但需要增加相应的滤波器等相关光无源器件。
光纤备纤监测是把监测信号注入备用光纤,通过监测备纤的损耗情况来间接观察光缆中其它光纤的损耗情况。由于监测信号走备用光纤,因此不需要滤波器等光无源器件,从而可以有效地减少***的安装工序与***成本。
光纤离线监测是把通信设备中断后,把监测信号注入通信用光纤,通过监测信号的损耗情况来直接观察原来通信光纤的损耗情况。
混合监测则是通过OTDR进行实现,OTDR能用来很好的测试光纤的损耗性能,而通过分析OTDR曲线还可以用来准确地找出光纤故障的类型与距离,由此提高了检测效率。
可选的,基于光功率、光纤损耗功率和光缆振动幅值确定电力光缆网的损耗。从而实现对电力光缆网是否存在安全隐患的确定,进而保证了工作人员能够及时进行维修等工作以保证电力光缆网的正常进行。
在一种可选的实施例中,在依据第一评估结果和/或第二评估结果判断电力光缆网的可靠程度后,当电力光缆网的可靠程度满足第三预设条件时,确定电力光缆网中光纤线路的总损耗、接收机的接收灵敏度和发射机的输出功率,基于光纤线路总损耗、接收机的接收灵敏度和发射机的输出功率更新光纤线路中的放大器数量。
具体地,第三预设条件为,电力光缆网的可靠程度因光纤线路的老化而趋向于不可靠变化。在本实施例中,光纤线路的总损耗、接收机的接收灵敏度和发射机的输出功率之间的关系如下:
Pmar= Pout-Ptec-∑Lx
其中,Pmar为功率余量,Pout为发射机输出功率,Prec为接收机灵敏度,∑Lx为光纤线路的总损耗。具体地,功率余量要计算发射机和接收机之间光通道上所有元部件的损耗。这些元部件有光纤、耦合器、连接器、放大器、滤波器、复用/解复用器等。光路上除激光器发出的功率外,还有光放大器的增益,它们相加后减去光路上的总损耗(均匀dB表示),再减去接收机灵敏度后,还应有几个dB的余量,以留给激光器、放大器等器件老化、色散代价和线路维修用。计算功率余量的目的就是确保电力光缆网中的通信信号达到接收机时的光功率大于或等于接收机的灵敏度。进一步地,光纤线路的总损耗的计算方式如下:
∑Lx=ΣαnLn+LfusN+LconM
其中,αn为第n段光纤的损耗系数,Ln为第n段光纤的长度,Lfus为平均接头损耗,N为接头个数,Lcon为连接器平均损耗,M为连接器个数。
在电力光缆网中,由于色散会引起通信光脉冲展宽,且光纤越长色散影响越大,进而限制信道间距和传输距离,因此,在本实施例中,还进一步考虑到色散对光纤电路的影响。
具体地,在本实施中,以一具体的光纤线路为例,设定激光器的发生波长是1310±20nm,输出功率Pout=-8dBm,使用雪崩光电探测器型接收机,接收灵敏度在误码率为10-9时为Prec=-35dBm,最大可接收功率为-15dBm,***速率为1Gb/s,光纤损耗为0.35dB/km,总长为45km。此时,通过计算可得,***增益为:
G=Pout-Prec=(-8)-(-35)=27dB
使用4个连接器,每个损耗1dB,所以连接器总损耗为Lcon’=1.0×4=4.0dB。每4.5公里有一个熔接头,共9个接头,每个损耗为0.2dB,总损耗为Lfus’=0.2×9=1.8dB。估计色散损耗Ldis=1.0,其他模式噪声和连接器反射等损耗Lmod=0.4dB。未来修理四次接头损耗余量为基于未来修理四次接头损耗余量,***未来升级到波分复用***的余量为/>光纤的总损耗Lfib=0.35×45=15.75dB。因此,可求得光纤线路的总损耗为:
因此,通信信号到达接收机的功率还有:
Prec’=Pout-∑Lx=-8-(26.75)=-34.75dBm
由此,信号到达接收机的功率满足接收机灵敏度Prec=-35dBm的要求,因此不需要在线路中加光放大器。
进一步地,在当前放大器增益情况下,允许的光纤最大损耗为:
因此,光纤总损耗Lfib=15.75dB同样满足允许的光纤最大损耗,从而不需要在线路中加光放大器。
相反的,若基于电力光缆网中光纤线路的总损耗、接收机的接收灵敏度和发射机的输出功率以及其他因素确定信号到达接收机的功率不满足接收机灵敏度时,即功率余量Pmar小于等于0时或光纤总损耗不满足允许的光纤最大损耗时,则需要依据相差值选择增加相应的光放大器,以提高增益至消除上述现象。
需要说明的是,通过基于基于光功率、光纤损耗功率和光缆振动幅值确定电力光缆网的损耗,并基于电力光缆网的损耗结果增加相应的光放大器,实现了对光纤线路老化的克服,进而保证了电力光缆网的正常运行,提高了电力光缆网的稳定性。
由上述内容可知,在本实施例中,针对现有技术中的检测方法评估方面单一造成的准确性差的技术问题,通过获取与电力光缆网中的光缆线路对应的第一指标数据以及与电力光缆网的网络结构对应的第二指标数据,并依据第一评估结果和/或第二评估结果对电力光缆网的可靠程度进行判断,可以实现对电力光缆网多方面因素的提取与检测,从而提高检测结果的准确度。另外,在本申请中,将第一指标数据和第二指标数据分别结合不同的关联模型(即第一关联模型、第二关联模型)对电力光缆网的可靠性进行评估,可以使得评估过程更加具有针对性,从而进一步提高检测结果的准确度。
实施例2
根据本发明实施例,提供了一种电力光缆网的检测装置的实施例,其中,图6是根据本发明实施例的检测装置示意图,如图6所示,该装置包括:
数据采集模块101,用于获取电力光缆网对应的第一指标数据和第二指标数据,其中,第一指标数据与电力光缆网中的光缆线路相关的影响因素相对应,第二指标数据与电力光缆网的网络结构相关的影响因素相对应;
第一处理模块103,用于基于第一指标数据和第一关联模型确定第一评估结果,其中,第一关联模型表征与第一指标数据对应的第一影响因素对电力光缆网可靠程度的影响程度,第一评估结果表征在第一指标数据下电力光缆网的预期状态;
第二处理模块105,用于基于第二指标数据和第二关联模型确定第二评估结果,其中,第二关联模型表征与第二指标数据对应的第二影响因素对电力光缆网可靠程度的影响程度,第二评估结果表征在第二指标数据下电力光缆网的预期状态;
分析模块107,用于依据第一评估结果和/或第二评估结果判断电力光缆网的可靠程度。
需要说明的是,上述数据采集模块101、第一处理模块103、第二处理模块105以及分析模块107对应于上述实施例中的步骤S102至步骤S108,四个模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例1所公开的内容。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种电力光缆网的检测方法,其特征在于,包括:
获取电力光缆网对应的第一指标数据和第二指标数据,其中,所述第一指标数据与所述电力光缆网中的光缆线路相关的影响因素相对应,所述第二指标数据与所述电力光缆网的网络结构相关的影响因素相对应;
在基于所述第一指标数据和第一关联模型确定第一评估结果之前,构建所述第一关联模型的步骤如下:
获取第一影响因素;在获取所述第一影响因素后,采用第一模糊层次分析法对所述第一影响因素进行处理,得到第一评估指标体系;获取所述第一评估指标体系中的所述第一影响因素对应的第一分值;基于第二模糊层次分析法以及所述第一分值确定所述第一评估指标体系中的所述第一影响因素的权重;获取所述第一影响因素的影响等级系数,其中,所述影响等级系数表征所述第一影响因素的变化程度;基于所述第一影响因素的权重和所述影响等级系数量化所述第一影响因素对所述电力光缆网可靠程度的影响程度,得到所述第一关联模型;
基于所述第一指标数据和第一关联模型确定所述第一评估结果,其中,所述第一关联模型表征与所述第一指标数据对应的第一影响因素对所述电力光缆网可靠程度的影响程度,所述第一评估结果表征在所述第一指标数据下所述电力光缆网的预期状态;
在基于所述第二指标数据和第二关联模型确定第二评估结果之前,构建所述第二关联模型的步骤如下:
获取第二评估指标体系,其中,所述第二评估指标体系内包含多个与所述电力光缆网的网络结构相关的因素,所述第二评估指标体系内分为网络拓扑、站点设备、环境变量和管理因素;从所述第二评估指标体系所包含的多个所述因素中确定第二影响因素,其中,确定所述第二影响因素的步骤如下:采用十分制打分法对所述第二评估指标体系进行评估,得到第三评估结果,基于所述第三评估结果,结合模糊综合评判法和Hamming神经网络进行分析,得到所述第二评估指标体系中对电力光缆网的可靠程度造成影响的所述第二影响因素;根据所述第二影响因素和所述电力光缆网可靠程度之间的关联关系构建所述第二关联模型;
基于所述第二指标数据和第二关联模型确定所述第二评估结果,其中,所述第二关联模型表征与所述第二指标数据对应的第二影响因素对所述电力光缆网可靠程度的影响程度,所述第二评估结果表征在所述第二指标数据下所述电力光缆网的预期状态;
依据所述第一评估结果和/或所述第二评估结果判断所述电力光缆网的可靠程度。
2.根据权利要求1所述的电力光缆网的检测方法,其特征在于,根据所述第一影响因素和所述电力光缆网可靠程度之间的关联关系构建所述第一关联模型,包括:
计算各所述第一影响因素和所述电力光缆网可靠程度之间的灰熵关联度;
基于所述灰熵关联度量化所述第一影响因素对所述电力光缆网可靠程度的影响程度,得到所述第一关联模型。
3.根据权利要求1所述的电力光缆网的检测方法,其特征在于,获取所述第二影响因素,包括:
获取业务重要度、所述电力光缆网的网络拓扑结构和风险率,其中,所述业务重要度表征所述电力光缆网业务分布的均衡程度,所述风险率表征所述电力光缆网风险发生的概率;
基于所述业务重要度和所述网络拓扑结构确定所述网络拓扑结构所包含的至少一条链路的权重;
基于所述业务重要度和所述风险率确定网络业务风险值;
基于所述网络拓扑结构确定各链路失效概率,其中,所述链路失效概率表征所述链路中的光缆发生故障的概率;
将各所述链路的权重、所述网络业务风险值、所述链路失效概率作为第二影响因素。
4.根据权利要求3所述的电力光缆网的检测方法,其特征在于,在依据所述第一评估结果和所述第二评估结果判断所述电力光缆网的可靠程度后,所述方法包括:
当所述电力光缆网的可靠程度满足第一预设条件时,基于所述第二影响因素和所述电力光缆网可靠程度的关联模型更新业务流向,其中,所述业务流向表征业务在所述网络拓扑结构中基于所述链路所形成的传输路径。
5.一种电力光缆网的检测装置,其特征在于,包括:
数据采集模块,用于获取电力光缆网对应的第一指标数据和第二指标数据,其中,所述第一指标数据与所述电力光缆网中的光缆线路相关的影响因素相对应,所述第二指标数据与所述电力光缆网的网络结构相关的影响因素相对应;
第一处理模块,用于基于所述第一指标数据和第一关联模型确定第一评估结果,其中,在基于所述第一指标数据和第一关联模型确定第一评估结果之前,构建所述第一关联模型的步骤如下:获取第一影响因素;在获取所述第一影响因素后,采用第一模糊层次分析法对所述第一影响因素进行处理,得到第一评估指标体系;获取所述第一评估指标体系中的所述第一影响因素对应的第一分值;基于第二模糊层次分析法以及所述第一分值确定所述第一评估指标体系中的所述第一影响因素的权重;获取所述第一影响因素的影响等级系数,其中,所述影响等级系数表征所述第一影响因素的变化程度;基于所述第一影响因素的权重和所述影响等级系数量化所述第一影响因素对所述电力光缆网可靠程度的影响程度,得到所述第一关联模型;所述第一关联模型表征与所述第一指标数据对应的第一影响因素对所述电力光缆网可靠程度的影响程度,所述第一评估结果表征在所述第一指标数据下所述电力光缆网的预期状态;
第二处理模块,用于基于所述第二指标数据和第二关联模型确定第二评估结果,其中,在基于所述第二指标数据和第二关联模型确定第二评估结果之前,构建所述第二关联模型的步骤如下:获取第二评估指标体系,其中,所述第二评估指标体系内包含多个与所述电力光缆网的网络结构相关的因素,所述第二评估指标体系内分为网络拓扑、站点设备、环境变量和管理因素;从所述第二评估指标体系所包含的多个所述因素中确定第二影响因素,其中,确定所述第二影响因素的步骤如下:采用十分制打分法对所述第二评估指标体系进行评估,得到第三评估结果,基于所述第三评估结果,结合模糊综合评判法和Hamming神经网络进行分析,得到所述第二评估指标体系中对电力光缆网的可靠程度造成影响的所述第二影响因素;根据所述第二影响因素和所述电力光缆网可靠程度之间的关联关系构建所述第二关联模型;所述第二关联模型表征与所述第二指标数据对应的第二影响因素对所述电力光缆网可靠程度的影响程度,所述第二评估结果表征在所述第二指标数据下所述电力光缆网的预期状态;
分析模块,用于依据所述第一评估结果和/或所述第二评估结果判断所述电力光缆网的可靠程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210423491.5A CN114866137B (zh) | 2022-04-21 | 2022-04-21 | 电力光缆网的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210423491.5A CN114866137B (zh) | 2022-04-21 | 2022-04-21 | 电力光缆网的检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114866137A CN114866137A (zh) | 2022-08-05 |
CN114866137B true CN114866137B (zh) | 2024-04-12 |
Family
ID=82632317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210423491.5A Active CN114866137B (zh) | 2022-04-21 | 2022-04-21 | 电力光缆网的检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114866137B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115223683B (zh) * | 2022-08-19 | 2023-08-25 | 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所) | 一种放射治疗计划评估方法、装置、计算机设备及介质 |
CN115913349B (zh) * | 2022-12-05 | 2023-09-01 | 国网山东省电力公司平邑县供电公司 | 光缆设备异常定位方法及装置、存储介质、终端 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017008180A1 (zh) * | 2015-07-16 | 2017-01-19 | 广东产品质量监督检验研究院 | 一种光伏组件失效风险判别方法 |
CN108197820A (zh) * | 2018-01-22 | 2018-06-22 | 东南大学 | 一种基于ds证据和变权理论的配电网可靠性关联和评价模型及其建立方法 |
KR20200069772A (ko) * | 2018-12-07 | 2020-06-17 | 주식회사 케이티 | 광케이블 감시 시스템 및 광케이블 감시 방법 |
CN111582718A (zh) * | 2020-05-08 | 2020-08-25 | 国网安徽省电力有限公司电力科学研究院 | 基于网络层次分析法的电缆通道火灾风险评估方法及装置 |
CN112287556A (zh) * | 2020-11-02 | 2021-01-29 | 中车青岛四方机车车辆股份有限公司 | 电缆绝缘状态的确定方法及装置 |
CN113379288A (zh) * | 2021-06-25 | 2021-09-10 | 中国电力科学研究院有限公司 | 一种光纤复合架空地线抗冰能力风险评估方法及*** |
CN113592362A (zh) * | 2021-08-23 | 2021-11-02 | 广东电网有限责任公司 | 一种城市电网抗灾变能力评估方法及相关装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021025947A1 (en) * | 2019-08-02 | 2021-02-11 | 3M Innovative Properties Company | Multichannel electrical power grid monitoring system for detecting and analyzing sensor installation and configuration errors |
-
2022
- 2022-04-21 CN CN202210423491.5A patent/CN114866137B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017008180A1 (zh) * | 2015-07-16 | 2017-01-19 | 广东产品质量监督检验研究院 | 一种光伏组件失效风险判别方法 |
CN108197820A (zh) * | 2018-01-22 | 2018-06-22 | 东南大学 | 一种基于ds证据和变权理论的配电网可靠性关联和评价模型及其建立方法 |
KR20200069772A (ko) * | 2018-12-07 | 2020-06-17 | 주식회사 케이티 | 광케이블 감시 시스템 및 광케이블 감시 방법 |
CN111582718A (zh) * | 2020-05-08 | 2020-08-25 | 国网安徽省电力有限公司电力科学研究院 | 基于网络层次分析法的电缆通道火灾风险评估方法及装置 |
CN112287556A (zh) * | 2020-11-02 | 2021-01-29 | 中车青岛四方机车车辆股份有限公司 | 电缆绝缘状态的确定方法及装置 |
CN113379288A (zh) * | 2021-06-25 | 2021-09-10 | 中国电力科学研究院有限公司 | 一种光纤复合架空地线抗冰能力风险评估方法及*** |
CN113592362A (zh) * | 2021-08-23 | 2021-11-02 | 广东电网有限责任公司 | 一种城市电网抗灾变能力评估方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114866137A (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114866137B (zh) | 电力光缆网的检测方法及装置 | |
JP7201793B2 (ja) | 光リンク障害識別方法、装置およびシステム | |
CN111884716B (zh) | 一种基于神经网络的光纤通信***性能评估方法 | |
CN115086089B (zh) | 一种用于网络安全评估预测的方法及*** | |
CN112637006A (zh) | 一种电力通信网关键节点及影响域分析方法 | |
CN117155703B (zh) | 一种网络安全测试评估***及方法 | |
CN115882938A (zh) | 一种光网故障监测*** | |
CN117041312A (zh) | 基于物联网的企业级信息技术监控*** | |
CN117692940B (zh) | 一种基于微波链路的微波***性能检测方法 | |
CN109525455B (zh) | 一种水文实时监测网络状态综合评估方法 | |
CN107483108A (zh) | 一种基于sdh设备的光纤告警分析方法、装置及*** | |
CN112752172B (zh) | 一种基于迁移学习的光通道故障诊断方法和*** | |
CN117763555A (zh) | 一种基于区块链的配电网数据安全防护和评估方法 | |
CN117176249A (zh) | 一种光纤网络用智能监测*** | |
CN111030753A (zh) | 基于性能与业务通道的电力通信网深度巡检方法及*** | |
CN114337810B (zh) | 一种全光网通信***及通信方法 | |
CN116151799A (zh) | 一种基于bp神经网络的配电线路多工况故障率快速评估方法 | |
Chen et al. | Review on the research status of power system risk identification under typhoon disaster | |
CN110336606B (zh) | 一种基于参数估计与业务识别的电力光网络故障诊断方法 | |
CN117353807B (zh) | 一种基于人工智能的光缆远程监测***及方法 | |
CN116773238B (zh) | 一种基于工业数据的故障监测方法及*** | |
CN114414938B (zh) | 一种配电网故障的动态响应方法及*** | |
CN117498918B (zh) | 基于卫星信号强度的信号接收器控制方法及*** | |
CN114006656B (zh) | 一种光纤通信链路故障上报的方法 | |
CN115426037A (zh) | 一种光缆在线统一监测*** |
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 |