[发明专利]一种基于动态贝叶斯网络的载波网络故障诊断方法有效
| 申请号: | 202110579227.6 | 申请日: | 2021-05-26 |
| 公开(公告)号: | CN113315661B | 公开(公告)日: | 2022-06-24 |
| 发明(设计)人: | 付佳佳;施展;梁宇图 | 申请(专利权)人: | 广东电网有限责任公司;广东电网有限责任公司电力调度控制中心 |
| 主分类号: | H04L41/0631 | 分类号: | H04L41/0631;G06N7/00 |
| 代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 陈旭红;晏静文 |
| 地址: | 510000 广东*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 动态 贝叶斯 网络 载波 故障诊断 方法 | ||
1.一种基于动态贝叶斯网络的载波网络故障诊断方法,其特征在于,包括:
根据故障和症状的关系,构建故障传播模型;其中,所述故障为底层网络资源的状态,所述症状为电力业务的状态;
根据异常症状节点集合和异常故障节点集合,构建动态贝叶斯故障传播模型,并根据所述动态贝叶斯故障传播模型,得到两个时间片上的故障诊断模型;其中,所述动态贝叶斯故障传播模型的构建过程包括:将当前时间段t内的故障和症状数据以及时间段t-1内的故障和症状数据,构建为动态贝叶斯故障传播模型;
根据两个时间片上的故障诊断模型,得到前一阶段最大可能的故障节点状态集合;
根据前一阶段最大可能的故障节点状态集合,得到当前阶段最大可能的故障节点状态集合;
所述根据故障和症状的关系,构建故障传播模型后,还包括优化所述故障传播模型:
根据管理系统中与所述故障相关联的症状为异常症状的概率,以及所述故障传播模型中与所述故障相关联的症状为异常症状的概率,得到故障节点的可信度;
根据所述故障传播模型中不同节点之间的跳数,得到节点中心性;
根据所述故障传播模型中所有节点中心性的最大值和最小值,得到归一化节点中心性;
根据所述归一化节点中心性,得到优化后节点的故障可信度;
根据异常症状相关疑似故障的可信度之和,得到所述异常症状的异常可信度,并根据所述异常可信度,过滤噪声异常症状。
2.根据权利要求1所述的基于动态贝叶斯网络的载波网络故障诊断方法,其特征在于,所述根据管理系统中与所述故障相关联的症状为异常症状的概率,以及所述故障传播模型中与所述故障相关联的症状为异常症状的概率,得到故障节点的可信度,通过以下公式进行计算:
其中,表示故障节点fi的可信度,S表示故障传播模型中与故障fi相连接的所有症状组成的集合,So表示网络管理系统上报的与故障fi相连接的发生异常症状的集合,sj表示故障传播模型中与故障fi相连接的症状或网络管理系统上报的与故障fi相连接的发生异常症状,表示网络管理系统监测到的与故障fi相连接的症状为异常症状的概率之和,即观测到的故障的概率;表示故障传播模型中与故障fi相连接的症状为异常症状的概率之和,即应该出现的故障的概率。
3.根据权利要求1所述的基于动态贝叶斯网络的载波网络故障诊断方法,其特征在于,所述根据所述故障传播模型中所有节点中心性的最大值和最小值,得到归一化节点中心性,通过以下公式进行计算:
其中,Core(ni)表示节点中心性,表示归一化节点中心性,maxΨ表示所有节点中心性的最大值,minΨ表示所有节点中心性的最小值。
4.根据权利要求1所述的基于动态贝叶斯网络的载波网络故障诊断方法,其特征在于,所述根据所述归一化节点中心性,得到优化后节点的故障可信度,通过以下公式进行计算:
其中,表示优化后节点的故障可信度,表示故障节点fi的可信度,表示归一化节点中心性。
5.根据权利要求1所述的基于动态贝叶斯网络的载波网络故障诊断方法,其特征在于,所述根据异常症状相关疑似故障的可信度之和,得到所述异常症状的异常可信度,并根据所述异常可信度,过滤噪声异常症状,包括:
当异常症状的异常可信度大于预设阈值时,表示所述异常症状为可信的异常症状,否则判断所述异常症状为噪声异常症状。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东电网有限责任公司;广东电网有限责任公司电力调度控制中心,未经广东电网有限责任公司;广东电网有限责任公司电力调度控制中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110579227.6/1.html,转载请声明来源钻瓜专利网。





