CN117424791A - 一种大型电力通信网络故障诊断*** - Google Patents

一种大型电力通信网络故障诊断*** Download PDF

Info

Publication number
CN117424791A
CN117424791A CN202311733654.0A CN202311733654A CN117424791A CN 117424791 A CN117424791 A CN 117424791A CN 202311733654 A CN202311733654 A CN 202311733654A CN 117424791 A CN117424791 A CN 117424791A
Authority
CN
China
Prior art keywords
power communication
base station
fault
node
fault analysis
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.)
Granted
Application number
CN202311733654.0A
Other languages
English (en)
Other versions
CN117424791B (zh
Inventor
刘乙召
梁兴保
陈博
李荣荣
蒋喆
冯昱淇
李慧阗
田雨婷
卢志鑫
张志强
徐燕楠
冯春盛
周春丰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Tianjin Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Tianjin Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Tianjin Electric Power Co Ltd, Information and Telecommunication Branch of State Grid Tianjin Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202311733654.0A priority Critical patent/CN117424791B/zh
Publication of CN117424791A publication Critical patent/CN117424791A/zh
Application granted granted Critical
Publication of CN117424791B publication Critical patent/CN117424791B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/04Network management architectures or arrangements
    • H04L41/045Network management architectures or arrangements comprising client-server management architectures
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06Management of faults, events, alarms or notifications
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/22Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks comprising specially adapted graphical user interfaces [GUI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种大型电力通信网络故障诊断***,包括局部监测模块和云平台;其中,局部监测模块用于实时获取电力通信网络中电力通信节点的通信监测数据,并根据采集到的通信监测数据进行节点通信状态分析,得到电力通信节点故障分析结果,并将电力通信节点的故障分析结果传输到云平台;云平台用于基于指定区域内的多个电力通信节点的故障分析结果进行区域状态分析,得到区域故障分析结果。本发明有助于提高针对大型电力通信网络故障诊断的可靠性和适应性。

Description

一种大型电力通信网络故障诊断***
技术领域
本发明涉及电力通信网络故障诊断技术领域,特别是一种大型电力通信网络故障诊断***。
背景技术
随着全球经济的快速发展,电力通信网络已成为现代社会不可或缺的基础设施之一。我国作为一个能源消费大国,电力通信网络的稳定运行对于保障能源安全和经济发展具有重要意义。
目前,由于随着电力通信网络规模的不断扩大,通过单一云平台的方式来直接对电力通信网络中的数据进行采集、分析和维护等,在进行数据传输和故障分析的过程中,需要面临巨大的数据传输压力和数据处理压力,导致数据传输和数据处理的可靠性不足。而在实际应用的过程中,数据传输的过程中,由于受到各方面干扰因素的影响,无法保证数据的质量,进一步影响了故障分析的可靠性和准确性。
发明内容
针对上述问题,本发明旨在提供一种大型电力通信网络故障诊断***。
本发明的目的采用以下技术方案来实现:
本发明示出一种大型电力通信网络故障诊断***,包括局部监测模块和云平台;其中,
局部监测模块用于实时获取电力通信网络中电力通信节点的通信监测数据,并根据采集到的通信监测数据进行节点通信状态分析,得到电力通信节点故障分析结果,并将电力通信节点的故障分析结果传输到云平台;
云平台用于基于指定区域内的多个电力通信节点的故障分析结果进行区域状态分析,得到区域故障分析结果。
优选的,局部监测模块包括第一基站单元和第二基站单元;其中,第一基站单元和第二基站单元之间建立数据通信连接;
第一基站单元和第二基站单元分别与同一局部区域内的所有电力通信节点连接,分别获取采集同一局部区域内的所有电力通信节点的通信监测数据;
第一基站单元和第二基站单元分别根据获取的通信监测数据进行节点通信状态分析,得到各电力通信节点故障分析结果;并将得到的电力通信节点故障分析结果进行共享;
第一基站单元或第二基站单元根据共享的电力通信节点故障分析结果进行整合,当第一基站单元和第二基站单元同时分析判断同一电力通信节点出现通信故障时,则标记该电力通信节点出现故障;否则,当第一基站单元或第二基站单元分析判断电力通信节点的故障分析结果为正常时,则标记该电力通信节点的故障分析结果为正常;将整合得到的电力通信节点的故障分析结果传输到云平台。
优选的,第一基站单元和第二基站单元分别包括数据获取单元和节点状态分析单元;
数据采集单元分别与指定区域内的电力通信节点连接,获取电力通信节点的通信监测数据;
节点状态分析单元用于根据由电力通信节点获取的通信监测数据进行节点通信状态分析,得到电力通信节点故障分析结果,并将电力通信节点的故障分析结果传输到云平台。
优选的,第一基站单元和第二基站单元的设置方式具体包括:
根据指定数量的电力通信节点,将同一区域的多个局部电力通信节点划分为一个局部区域;
针对在局部区域中单独设置基站单元的情况,则将第一基站单元和第二基站单元均匀分布设置在局部区域中,并将第一基站单元和第二基站单元分别与局部区域内的电力通信建立数据连接,来分别获取电力通信节点的通信监测数据。
优选的,云平台包括区域故障分析单元;
区域故障分析单元用于根据预设局部区域内的各电力通信节点的故障分析结果组合成区域节点状态特征向量,根据得到的节点状态特征向量输入到预设的区域故障分析模型中,由区域故障分析模型对输入的区域节点状态特征向量进行分析,得到区域故障分析结果,其中区域故障分析结果包括是否出现故障和故障类型。
优选的,云平台还包括全局故障分析单元;
全局故障分析单元用于根据全区域内所有电力通信节点的故障分析结果组成全局状态特特征向量,根据得到的全局状态特征向量输入到预设的全局故障分析模型中,由全局故障分析模型对全局状态特征向量进行故障分析,得到全局故障分析结果,其中全局故障分析结果包括是否出现故障、故障区域和故障类型。
优选的,云平台还包括数据库模块;
数据库模块用于对获取的全区域内的各电力通信节点的电力通信节点故障分析结果进行分类存储管理,构建电力通信节点故障分析数据库。
优选的,云平台还包括可视化模块;
可视化模块用于预设的大屏展示模板,将全区域中得到的各电力通信节点的故障分析结果、局部区域故障分析结果和全区域故障分析结果整合到大屏展示模板中,进行可视化展示。
本发明的有益效果为:通过设置局部监测模块来对局部大型电力通信网络中各局部区域内的电力通信节点的通信监测数据进行采集并进行通信故障分析,能够针对单独的电力通信节点的性能进行针对性的故障分析;并进一步将各电力通信节点的故障分析结果传输到云平台,基于云平台根据得到的节点的通信故障分析结果来进行区域层面的故障分析,得到故障分析结果。通过分层级处理的方式,能够有助于降低云平台的数据传输和运算压力,提高针对大型电力通信网络故障诊断的可靠性和适应性。
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为本发明实施例所示一种大型电力通信网络故障诊断***的结构示意图。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1实施例所示,其示出一种大型电力通信网络故障诊断***,包括局部监测模块和云平台;其中,
局部监测模块用于实时获取电力通信网络中电力通信节点的通信监测数据,并根据采集到的通信监测数据进行节点通信状态分析,得到电力通信节点故障分析结果,并将电力通信节点的故障分析结果传输到云平台;
云平台用于基于指定区域内的多个电力通信节点的故障分析结果进行区域状态分析,得到区域故障分析结果。
基于上述实施方式提出的大型电力通信网络故障诊断***,通过设置局部监测模块来对局部大型电力通信网络中各局部区域内的电力通信节点的通信监测数据进行采集并进行通信故障分析,能够针对单独的电力通信节点的性能进行针对性的故障分析;并进一步将各电力通信节点的故障分析结果传输到云平台,基于云平台根据得到的节点的通信故障分析结果来进行区域层面的故障分析,得到故障分析结果。通过分层级处理的方式,能够有助于降低云平台的数据传输和运算压力,提高针对大型电力通信网络故障诊断的可靠性和适应性。
优选的,通信监测数据包括数据传输信息、节点故障信息和逻辑测试反馈信息等。
其中,局部监测模块能够基于边缘服务器、基站等针对局部区域内的电力通信节点的通信监测数据进行采集和分析的设备进行搭建。
优选的,电力通信节点包括组成电力通信网络的电力通信设备,其中电力通信设备包括电力线路保护装置、自动化控制***、远程监控和数据采集***、通信设备等,其中每个电力通信设备对应电力通信网络中的一个电力通信节点;
针对电力通信节点故障分析的需求,通过局部监测模块来对电力通信节点采集相应的数据。
优选的,局部监测模块包括第一基站单元和第二基站单元;其中,第一基站单元和第二基站单元之间建立数据通信连接;
第一基站单元和第二基站单元分别与同一局部区域内的所有电力通信节点连接,分别获取采集同一局部区域内的所有电力通信节点的通信监测数据;
第一基站单元和第二基站单元分别根据获取的通信监测数据进行节点通信状态分析,得到各电力通信节点故障分析结果;并将得到的电力通信节点故障分析结果进行共享;
第一基站单元或第二基站单元根据共享的电力通信节点故障分析结果进行整合,当第一基站单元和第二基站单元同时分析判断同一电力通信节点出现通信故障时,则标记该电力通信节点出现故障;否则,当第一基站单元或第二基站单元分析判断电力通信节点的故障分析结果为正常时,则标记该电力通信节点的故障分析结果为正常;将整合得到的电力通信节点的故障分析结果传输到云平台。
其中,考虑到在针对电力通信节点进行故障分析的时候,由于收到电力通信网络复杂环境下的影响,从而导致从电力通信节点获取的通信监测数据可靠性不足,或者基于其他非设备故障原因导致节点通信监测数据缺失、丢失等情况,容易导致对电力通信节点的故障分析出现误判的情况,影响***的可靠性。因此,上述实施方式中,特别提出了一种通过双基站单元来对局部区域内的电力通信节点进行通信监测数据采集和故障分析的方案,能够有助于提高电力通信节点故障分析的可靠性和准确性。
当第一基站单元和第二基站单元都判断电力通信节点出现通信故障时,才确认该电力通信节点出现通信故障,否则仅有其中一个基站单元或没有基站单元判断该电力通信节点出现通信故障时,则最终确认该电力通信节点没有出现通信故障;通过双基站配合判断的方式来对电力通信节点进行直接分析,能够有助于降低将正常的电力通信节点误判成故障的情况,从而有效降低云平台进一步根据电力通信节点的故障分析结果进行区域化的状态分析的运算压力和提高区域化状态分析的可靠性。
其中,第一通信基站单元和第二通信基站单元可以是针对划分的局部区域专门设置的通信基站单元;也可以是基于局部区域内的电力通信节点的通信能力,基于某一个电力通信节点,将该电力通信节点同时兼任通信基站单元。
优选的,第一基站单元和第二基站单元分别包括数据获取单元和节点状态分析单元;
数据采集单元分别与指定区域内的电力通信节点连接,获取电力通信节点的通信监测数据;
节点状态分析单元用于根据由电力通信节点获取的通信监测数据进行节点通信状态分析,得到电力通信节点故障分析结果,并将电力通信节点的故障分析结果传输到云平台。
根据从单个电力通信节点得到的通信监测数据,对电力通信节点的通信能力或运行状态进行故障分析,准确检测电力通信节点发生的故障情况。
优选的,第一基站单元和第二基站单元的设置方式具体包括:
根据指定数量的电力通信节点,将同一区域的多个局部电力通信节点划分为一个局部区域;
针对在局部区域中单独设置基站单元的情况,则将第一基站单元和第二基站单元均匀分布设置在局部区域中,并将第一基站单元和第二基站单元分别与局部区域内的电力通信建立数据连接,来分别获取电力通信节点的通信监测数据。
优选的,第一基站单元和第二基站单元的设置方式中,针对将局部区域内的电力通信节点兼任基站单元的情况,则基于局部区域内已经设置的电力通信节点,从电力通信节点中分别挑选两个节点作为第一基站单元和第二基站单元。
其中,第一基站单元和第二基站单元的选取可以是在节点网络搭建的时候进行指派,或者是定期/周期性地更新(重新指派)第一基站单元和第二基站单元的选取。
优选的,基于局部区域内已经设置的电力通信节点,从电力通信节点中分别挑选两个节点作为第一基站单元和第二基站单元,具体包括:
上位机获取局部区域内各电力通信节点的定位信息,建立矩形坐标系区域;,其中,分别表示坐标系的x坐标和y坐标,坐标范围为,M表示坐 标系中的坐标最大值;并根据各电力通信节点的定位信息将各电力通信节点对应到矩形坐 标系区域中,即每个电力通信节点有对应的坐标
根据得到的矩形坐标系区域设置两个模拟质心点,其中,第一模拟质心 点的初始位置随机设置为,则第二模拟质心点的位置相应设置为;其中上标0表示初始时刻对应的位置;
按照随机顺序,依次根据各电力通信节点的位置信息对模拟质心点的位置进行迭 代更新:针对第n次迭代中,根据第n个电力通信节点的坐标,对相距更近的 模拟质心点的位置进行更新:
其中,表示第n次迭代后相距更近的第模拟质心点的位置,其 中,当第一模拟质心点相距更近时,;否则表示 第n-1次迭代后该第模拟质心点的位置,表示符号函数,根据函数内参量的正、负符 号或零得到相应的值为1、-1或0;表示预设的最大迭代调整距离,其中;
相应对另一个模拟质心点的位置进行更新:, 其中,其中表示集合非运算;
记录完成最大迭代次数更新后的第一模拟质心点和第二模拟质心点的位置
分别得到各电力通信节点与两个模拟质心点的距离,其中分别表示第i各电力通信节点分别到第一模拟质心点和第二模拟质心点的距离;并将 得到的距离信息返回给相应的电力通信节点;
各电力通信节点根据上位机返回的距离信息计算自身的性能反馈:
其中,表示第i个电力通信节点的性能反馈值;表示第i个电力通信节 点的传输能力值,其中, 表 示第i个电力通信节点的数据传输速率;表示设定的标准数据传输速率;表示第 i个电力通信节点的丢包率;表示设定的标准丢包率;表示第i个电力通信节点 的位置能力值,其中,其中分别表示第i各电力通信节点分别到第一模拟质心点和第二模拟质心点的距离,表 示补偿因子,其中表示第i个电力通信节点的经验能力值,;其中经验能力值根据电力通信节点之前作为基站单元时的性能决定,当电 力通信节点作为历史基站节点时数据传输和状态分析准确率越高,经验能力值越高;当电 力通信节点为作为历史基站单元时,则的值为标准经验能力值(如0.7,0.8,0.9等);分别为归一化权重因子,其调整各能力值的范围至统一的指标水平;
根据得到的性能反馈值,各电力通信节点将自身的性能反馈值广播至局部区域内的其他电力通信节点,统计各电力通信节点的性能反馈值,将性能指标最大的两个电力通信节点分别指派为第一基站单元和第二基站单元。
为了在双基站模式的基础上,进一步提高基站单元对电力通信节点的数据获取的可靠性,因此本发明上述实施方式特别提出了一种双基站单元的指派设置技术方案。其中,根据实际情况中电力通信节点的具***置,通过建立模拟坐标系的方式来对各电力通信节点的位置信息进行统计,并基于各节点的位置信息进行最优模拟质心点的迭代运算,能够准确分析出双基站单元的最佳位置,其中在模拟质心点更新迭代的过程中,特别加入了随机初始位置和最大调整距离的限制,来对两个模拟质心点位置进行配合的调整,提高模拟质心点位置的全局适应性。同时基于计算得到的模拟质心点位置信息,各电力通信节点计算自身的性能反馈值,其中提出了一种性能反馈值计算函数,能够综合电力通信节点的传输性能、位置性能和经验性能对电力通信节点进行综合评价,从而选取性能最优的电力通信节点作为基站单元;通过上述的方式完成双基站单元的设置,能够有助于两个基站单元实现相互交互和配合过程中,降低电力通信节点将数据传输至基站单元的整体距离,提高局部区域内各电力通信节点全局数据传输的可靠性和整体性能。间接提高后续通过基站单元对电力通信节点获取的通信监测数据进行故障分析的可靠性。
在完成基站单元的指派后,进一步在对应的电力通信节点中设置相应的数据处理模块(节点状态分析单元),以完成基站节点单元对及局部区域内各电力通信节点得到的通信监测数据进行故障分析的任务。
另一种方式中,为了应对电力通信节点周期性更新指派的情况,则每个电力通信节点中均预先设置了节点状态分析单元,来应对被指派成为基站单元后的数据处理任务。
优选的,云平台包括区域故障分析单元;
区域故障分析单元用于根据预设局部区域内的各电力通信节点的故障分析结果组合成区域节点状态特征向量,根据得到的节点状态特征向量输入到预设的区域故障分析模型中,由区域故障分析模型对输入的区域节点状态特征向量进行分析,得到区域故障分析结果,其中区域故障分析结果包括是否出现故障和故障类型。
云平台中通过设置区域故障分析单元来综合根据各电力通信节点的故障分析结果来进行区域性的故障分析,能够基于各电力通信节点产生故障的情况和故障节点之间的关联性,进一步挖掘局部区域中出现的电力通信网络故障,有助于提高电力通信网络故障诊断的智能化水平。
优选的,区域故障分析模型基于卷积神经网络搭建而成,其中卷积神经网络包括 依次连接的输入层、卷积层、第一Dropout层、第一池化层、注意力机制模块、Inception层、 第二Dropout层、第二池化层、全连接层和输出层;其中,输入层输入区域节点状态特征向 量,卷积层采用的激活函数为Sigmiod函数,第一Dropout层对第一卷积层得到的参数进行 随机消除;第一池化层采用最大池化操作;注意力机制进一步提取高维度特征信息,并针对 重要特征赋予较大权值,得到新的特征矩阵;Inception层由3个卷积层组成,第一卷积层采 用尺寸为的卷积核进行多尺度的网络故障特征提取,其中通道数分别为 16、8、8;第二卷积层采用的卷积核提取多尺度特征,其中通道数分别为16,16; 第三卷积层采用2个的卷积核提取多尺度特征,通道数分别为32、16;第二Dropout层 对Inception层得到的参数进行随机消除,第二池化层采用最大池化操作;全连接层基于得 到的特征数据转化为一维特征向量,输出层基于softmax分类器对得到的一维特征向量进 行分类识别,得到对应的区域故障分析结果。
Inception 层的多尺度特征提取结构能够有效增加网络宽度,提升特征提取的丰富性。
优选的,云平台还包括全局故障分析单元;
全局故障分析单元用于根据全区域内所有电力通信节点的故障分析结果组成全局状态特征向量,根据得到的全局状态特征向量输入到预设的全局故障分析模型中,由全局故障分析模型对全局状态特征向量进行故障分析,得到全局故障分析结果,其中全局故障分析结果包括是否出现故障、故障区域和故障类型。
进一步的,结合各电力通信节点的故障分析结果构建全局状态特征向量,并基于全局状态特征向量来对大规模通信网络进行全局故障分析,有助于得到针对性和整体性的电力通信网络故障诊断结果,提高***的智能化水平。
优选的,云平台还包括数据库模块;
数据库模块用于对获取的全区域内的各电力通信节点的电力通信节点故障分析结果进行分类存储管理,构建电力通信节点故障分析数据库。
优选的,云平台还包括可视化模块;
可视化模块用于预设的大屏展示模板,将全区域中得到的各电力通信节点的故障分析结果、局部区域故障分析结果和全区域故障分析结果整合到大屏展示模板中,进行可视化展示。
需要说明的是,在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中,也可以是各个单元/模块单独物理存在,也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现,也可以采用软件功能单元/模块的形式实现。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解应当理解,可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现,处理器可以在一个或多个下列单元中实现:专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现,实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时,可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
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分析,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 (7)

1.一种大型电力通信网络故障诊断***,其特征在于,包括局部监测模块和云平台;其中,
局部监测模块用于实时获取电力通信网络中电力通信节点的通信监测数据,并根据采集到的通信监测数据进行节点通信状态分析,得到电力通信节点故障分析结果,并将电力通信节点的故障分析结果传输到云平台;
其中,局部监测模块包括第一基站单元和第二基站单元;其中,第一基站单元和第二基站单元之间建立数据通信连接;
第一基站单元和第二基站单元分别与同一局部区域内的所有电力通信节点连接,分别获取采集同一局部区域内的所有电力通信节点的通信监测数据;
第一基站单元和第二基站单元分别根据获取的通信监测数据进行节点通信状态分析,得到各电力通信节点故障分析结果;并将得到的电力通信节点故障分析结果进行共享;
第一基站单元或第二基站单元根据共享的电力通信节点故障分析结果进行整合,当第一基站单元和第二基站单元同时分析判断同一电力通信节点出现通信故障时,则标记该电力通信节点出现故障;否则,当第一基站单元或第二基站单元分析判断电力通信节点的故障分析结果为正常时,则标记该电力通信节点的故障分析结果为正常;将整合得到的电力通信节点的故障分析结果传输到云平台;
云平台用于基于指定区域内的多个电力通信节点的故障分析结果进行区域状态分析,得到区域故障分析结果。
2.根据权利要求1所述的一种大型电力通信网络故障诊断***,其特征在于,第一基站单元和第二基站单元分别包括数据获取单元和节点状态分析单元;
数据采集单元分别与指定区域内的电力通信节点连接,获取电力通信节点的通信监测数据;
节点状态分析单元用于根据由电力通信节点获取的通信监测数据进行节点通信状态分析,得到电力通信节点故障分析结果,并将电力通信节点的故障分析结果传输到云平台。
3.根据权利要求1所述的一种大型电力通信网络故障诊断***,其特征在于,第一基站单元和第二基站单元的设置方式具体包括:
根据指定数量的电力通信节点,将同一区域的多个局部电力通信节点划分为一个局部区域;
针对在局部区域中单独设置基站单元的情况,则将第一基站单元和第二基站单元均匀分布设置在局部区域中,并将第一基站单元和第二基站单元分别与局部区域内的电力通信建立数据连接,来分别获取电力通信节点的通信监测数据。
4.根据权利要求1所述的一种大型电力通信网络故障诊断***,其特征在于,云平台包括区域故障分析单元;
区域故障分析单元用于根据预设局部区域内的各电力通信节点的故障分析结果组合成区域节点状态特征向量,根据得到的节点状态特征向量输入到预设的区域故障分析模型中,由区域故障分析模型对输入的区域节点状态特征向量进行分析,得到区域故障分析结果,其中区域故障分析结果包括是否出现故障和故障类型。
5.根据权利要求4所述的一种大型电力通信网络故障诊断***,其特征在于,云平台还包括全局故障分析单元;
全局故障分析单元用于根据全区域内所有电力通信节点的故障分析结果组成全局状态特特征向量,根据得到的全局状态特征向量输入到预设的全局故障分析模型中,由全局故障分析模型对全局状态特征向量进行故障分析,得到全局故障分析结果,其中全局故障分析结果包括是否出现故障、故障区域和故障类型。
6.根据权利要求4所述的一种大型电力通信网络故障诊断***,其特征在于,云平台还包括数据库模块;
数据库模块用于对获取的全区域内的各电力通信节点的电力通信节点故障分析结果进行分类存储管理,构建电力通信节点故障分析数据库。
7.根据权利要求4所述的一种大型电力通信网络故障诊断***,其特征在于,云平台还包括可视化模块;
可视化模块用于预设的大屏展示模板,将全区域中得到的各电力通信节点的故障分析结果、局部区域故障分析结果和全区域故障分析结果整合到大屏展示模板中,进行可视化展示。
CN202311733654.0A 2023-12-18 2023-12-18 一种大型电力通信网络故障诊断*** Active CN117424791B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311733654.0A CN117424791B (zh) 2023-12-18 2023-12-18 一种大型电力通信网络故障诊断***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311733654.0A CN117424791B (zh) 2023-12-18 2023-12-18 一种大型电力通信网络故障诊断***

Publications (2)

Publication Number Publication Date
CN117424791A true CN117424791A (zh) 2024-01-19
CN117424791B CN117424791B (zh) 2024-03-19

Family

ID=89525153

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311733654.0A Active CN117424791B (zh) 2023-12-18 2023-12-18 一种大型电力通信网络故障诊断***

Country Status (1)

Country Link
CN (1) CN117424791B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022100723A1 (zh) * 2020-11-13 2022-05-19 中兴通讯股份有限公司 网络故障诊断方法、装置、计算机设备和可读介质
CN115460647A (zh) * 2022-10-21 2022-12-09 北京中电飞华通信有限公司 基于eSIM卡和5G基站的物联网故障定位方法及***
CN116131453A (zh) * 2023-01-08 2023-05-16 国网辽宁省电力有限公司丹东供电公司 一种电力通信故障精准定位查询***
CN116684256A (zh) * 2023-08-01 2023-09-01 苏州浪潮智能科技有限公司 节点故障监测方法、装置、***、电子设备及存储介质
CN117169652A (zh) * 2023-09-07 2023-12-05 湖南科技学院 一种基于人工智能的配电网故障检测定位***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022100723A1 (zh) * 2020-11-13 2022-05-19 中兴通讯股份有限公司 网络故障诊断方法、装置、计算机设备和可读介质
CN115460647A (zh) * 2022-10-21 2022-12-09 北京中电飞华通信有限公司 基于eSIM卡和5G基站的物联网故障定位方法及***
CN116131453A (zh) * 2023-01-08 2023-05-16 国网辽宁省电力有限公司丹东供电公司 一种电力通信故障精准定位查询***
CN116684256A (zh) * 2023-08-01 2023-09-01 苏州浪潮智能科技有限公司 节点故障监测方法、装置、***、电子设备及存储介质
CN117169652A (zh) * 2023-09-07 2023-12-05 湖南科技学院 一种基于人工智能的配电网故障检测定位***

Also Published As

Publication number Publication date
CN117424791B (zh) 2024-03-19

Similar Documents

Publication Publication Date Title
CN108415789B (zh) 面向大规模混合异构存储***的节点故障预测***及方法
CN105873105B (zh) 一种基于网络体验质量的移动通信网异常检测和定位方法
CN103245881B (zh) 一种基于潮流分布特征的配电网故障分析方法及装置
CN110703057B (zh) 基于数据增强和神经网络的电力设备局部放电诊断方法
CN109872003B (zh) 对象状态预测方法、***、计算机设备及存储介质
WO2023093177A1 (zh) 设备故障诊断方法、装置、电子设备及存储介质
CN107358347A (zh) 基于工业大数据的装备集群健康状态评估方法
CN116129366A (zh) 基于数字孪生的园区监测方法及相关装置
CN105871879B (zh) 网元异常行为自动检测方法及装置
CN103728507A (zh) 一种基于数据挖掘的电网故障诊断方法
CN113497726B (zh) 告警监控方法、***、计算机可读存储介质及电子设备
CN112581445A (zh) 一种输电线路螺栓的检测方法、装置、存储介质及电子设备
CN112949874A (zh) 一种配电终端缺陷特征自诊断方法及***
CN114553671A (zh) 一种电力通信网故障告警的诊断方法
CN116599857A (zh) 一种适用于物联网多场景的数字孪生应用***
CN116933626A (zh) 一种基于数字孪生的数据监测方法及装置
CN117390403A (zh) 一种新能源灯塔发电站的电网故障检测方法及***
CN113740666B (zh) 一种数据中心电力***告警风暴根源故障的定位方法
CN115689320A (zh) 基站运行的健康管理方法、装置及计算机可读存储介质
CN117424791B (zh) 一种大型电力通信网络故障诊断***
CN109687592A (zh) 变电站信息显示控制方法、装置及电子设备
Wang et al. LSTM-based alarm prediction in the mobile communication network
CN115598459A (zh) 一种配电网10kV馈线故障停电预测方法
WO2024138968A1 (zh) 基站故障诊断方法及装置
Zhang et al. Radar health management system based on multi-agent

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