电力通信网根告警诊断的原理与研究

电力通信网由大量通信设备和光缆(及微波)线路相互连接组成,其中一个部件的故障可能关联多个设备和链路,从而引发大量衍生的告警.文章基于告警相关性建立了根告警诊断模型.首先对电力通信网告警数据的相关性进行分析,建立了告警相关分析模型并提出技术方案.详细介绍了根告警诊断模型的功能结构和分析流程.最后,在SDH over DW...     

基于机器学习的通信网告警关联分析综述

告警关联分析是通信网故障管理的重要手段,通过告警关联分析网络维护人员能够进行告警压缩和故障定位.它是智能运维的关键技术之一,因此全面而系统地对告警关联分析的步骤和算法进行总结非常必要.本文首先对基于机器学习的通信网告警关联分析的步骤进行了介绍,然后对告警预处理、告警关联分析算法、告警关联规则生成等步骤中目前学者研究的主要问题和方法进行了分析比较.接下来对基于大数据处理框架的告警关联分析实现进行了对比,最后对告警关联分析的研究进行了总结和展望.     

基于组合规则的电力通信网故障分析方法

为了从电力通信网告警中确定其故障根原因,参考故障处理案例库,提出了一种基于故障一告警事件树和代码薄方法规则组合运用的故障分析方法,并基于此规则库,实现对故障的智能分析和处理.这种运用组合规则的故障分析方法提高了电力通信网的故障处理水平.     

电力通信网监控系统告警关联分析

告警关联分析是网络故障诊断中的重要任务,对通信网络的管理和维护具有十分重要的意义。文章介绍了告警关联方法的相关研究,分析了电力通信监控系统告警的特点,指出了适合对其进行关联规则挖掘的算法,并提出了基于关联规则算法的实现告警关联的方法。实验表明,该方法可以准确、快速地从告警数据中挖掘出大量有意义的关联规则。这些规则可协助进行故障定位、诊断和预测,提高了故障处理的效率。     

基于贝叶斯优化XGBoost的无创血压预测方法

为降低个体特征差异对无创血压预测模型精度的影响,提高预测准确率,提出建立贝叶斯优化（BO）XGBoost的无创血压预测方法。该方法首先通过脉搏波传导时间（PTT）和身体质量指数（BMI）建立多元线性模型获得初步血压预测值;进一步结合人体特征参数作为XGBoost血压预测模型的输入;再运用贝叶斯优化对XGBoost超参数自动寻优,最终建立BO-XGBoost模型进行血压预测,并与其他方法对比。实验结果表明,BO-XGBoost血压预测模型舒张压和收缩压测量值的平均误差满足美国医疗仪器促进协会（AAMI）制定的小于5mmHg的标准,与水银血压计具有更好的一致性。     

基于贝叶斯优化XGBoost的短期峰值负荷预测

随着电网结构愈发复杂,负荷的多样性与波动性显著增加,对预测模型提出了更高的泛化能力和精度要求。然而,传统算法存在容易过拟合、精度低等固有缺陷,难以实现复杂电网下精准的尖峰负荷预测。为此,本文提出了一种基于贝叶斯优化XGBoost的模型用于短期峰值负荷预测。首先通过特征重要度得分进行特征提取,剔除冗余特征,确保输入-输出有较优的映射关系;其次引入贝叶斯优化算法进行超参数调优,使得XGBoost的性能达到最佳状态。最后,使用中国某市电力负荷数据对所提模型的有效性进行验证,算例结果表明,与其它机器学习方法相比,贝叶斯优化XGBoost具有更高的预测精度。     

基于贝叶斯网络优化算法的采集终端故障预测系统设计与应用

针对采集终端运行存在的潜在故障风险,对其进行合理的运行状态评估,从而实现对采集终端故障的预测。采用贝叶斯网络算法建立采集终端故障预测模型,考虑到采集终端特征参数较多且关联复杂等问题,使用最大主子图分解技术对电力领域专家构建的贝叶斯网络关联图加以简化,随后采用条件独立测试与局部评分测试对关联图进行属性关联挖掘,从而使贝叶斯网络算法得以优化,全面客观地实现对在运采集终端的状态评估,提高系统预测的准确率,并以重庆市电力公司用电信息采集系统为试验平台,验证了该方法的高效性与可行性。     

XGBoost算法在风机主轴承故障预测中的应用

针对传统机器学习算法处理海量风机数据采集与监视控制(SCADA)监测数据效率低和准确度差的问题,提出利用极端梯度提升(XGBoost)算法预测风机主轴承故障。首先,对风机主轴承SCADA数据开展特征分析,挖掘和发现特征与故障之间的关联关系,并评估各特征的重要性;然后利用XGBoost算法构建主轴承故障预测模型,进行模型评估;最后,依据SCADA系统收集的实测数据对模型进行训练和测试,并调整XGBoost模型的主要参数,提高预测准确率。通过与经典梯度提升决策树(GBDT)算法诊断结果相对比,结果表明XGBoost在风机主轴承故障预测的效率和准确度方面均优于GBDT算法,是处理SCADA大规模数据集的有效工具。     

基于依赖搜索树的电力通信网络告警关联方法的研究

从电力通信网的告警机制出发,针对其网络结构和告警信息数据的特征,对告警关联规则及故障定位进行了研究,利用搜索树可以减少搜索空间和覆盖结点的特点提出了一种基于依赖搜索树的告警关联方法.该方法的基本思想是把告警序列中属于一类的告警信息聚合在一起,并用较少的信息代替这一类,从而使海量告警信息简约化,最终能够准确的表达故障信息,达到定位故障的目的.该方法基于故障传输模型,建模简单,能够直接利用结点的依赖关系,并且适用于多故障源的情况.通过算例分析,证明此方法能对电力通信网络的告警信息进行分析,并且能快速准确发现故障源,便于网络的维护.     

基于依赖搜索树的电力通信网络告警关联方法的研究

从电力通信网的告警机制出发,针对其网络结构和告警信息数据的特征,对告警关联规则及故障定位进行了研究,利用搜索树可以减少搜索空间和覆盖结点的特点提出了一种基于依赖搜索树的告警关联方法。该方法的基本思想是把告警序列中属于一类的告警信息聚合在一起,并用较少的信息代替这一类,从而使海量告警信息简约化,最终能够准确的表达故障信息,达到定位故障的目的。该方法基于故障传输模型,建模简单,能够直接利用结点的依赖关系,并且适用于多故障源的情况。通过算例分析,证明此方法能对电力通信网络的告警信息进行分析,并且能快速准确发现故障源,便于网络的维护。     

电力通信网管系统告警标准化研究

电力通信网络规模的不断扩展、信息通信专业的逐渐融合和省级集中监控及调度指挥的建立,给通信网络管理及维护带来了极大的挑战。特别在运维管理领域,正面临着日益繁多的告警监视处理与有限人员之间的矛盾。文章通过告警标准化,将各类异构的原始告警信息归一化处理,形成标准化告警信息。并通过过滤告警、标识工程告警、整合告警关联等方法屏蔽和压缩无效告警,从而提高告警信息的准确性和有效性,提升告警诊断和故障处理的规范性和精细化。     

运行中智能电能表质量分析及预测方法研究

文中提出了一种运行中智能电能表质量分析及预测方法研究的方法.该方法以电能表关键环节相关数据为基础,选取电能表在研发设计、物料采购、生产制造、验收检测、安装运行、拆回报废环节数据作为模型构建的样本数据,利用XGBoost算法分类方法建立智能电能表质量分析模型.以国网河南省电力公司的拆回电能表数据为例,对智能电能表各类质量...     

基于网络和时间关联关系的告警相关性分析

目前,电力通信网络系统日渐复杂,为实现通信网络根源性告警的定位,提出了网络相关性和时间相关性概念模型.基于此模型改进了事件树分析规则,设计了告警相关性分析引擎系统,实现了对网络根源性告警准确、实时的分析.     

基于智能加权混合模型的新型电力系统电量预测方法

随着电力系统的转型升级,新型电力系统的能源供应和消费发生了巨大的转变,因此对电量预测提出了更高的要求。月度电量的准确预测为新型电力系统的优化调度和电力市场的营销计划提供可靠的依据。在深入挖掘历史电量数据、综合分析月度电量特征及相关因素影响的基础上,结合Prophet算法和KELM神经网络算法各自的优势,提出了一种考虑气温、经济水平和节假日的月度电量组合预测方法。首先基于月度电量数据建立了Prophet预测模型,并进行了参数调优过程;其次利用KELM神经网络建立了基于历史电量、气温、GDP、节假日信息的预测模型,并通过参数调优确定最佳预测模型;最后,以加权组合的方式,建立月度电量组合预测模型。通过算例分析,比较了组合算法和其他算法的预测误差和预测效果,表明了本文所提组合模型在预测精度方面有所提升,验证了预测算法的有效性。     

基于改进果蝇算法优化BP神经网络的接地网腐蚀速率预测模型

为进一步提高接地网腐蚀速率的预测精度,解决传统模型易陷入局部最优且随机初始化模型参数影响预测准确性和稳定性的问题。文中首先将混沌映射、动态搜索半径策略和优化气味浓度判定公式引入果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)得到改进后的果蝇优化算法(Update Fruit Fly Optimization Algorithm,UFOA);然后利用UFOA优化BP神经网络的初始权值和阈值,建立基于UFOA优化的BP神经网络接地网腐蚀速率预测模型(UFOA-BP);最后以重庆24座变电站的接地网数据进行实验验证。结果表明相对FOA优化的BP神经网络模型、BP神经网络模型、人工蜂群算法优化的支持向量机模型和广义回归神经网络模型,文中提出的UFOA-BP模型在预测精度和模型稳定性方面均优于其他四种模型,验证了该模型的有效性和可行性,为运维人员提前发现接地网安全隐患,并安排检修,进而保障电网安全稳定运行提供帮助。     

海上平台电气温度监控系统及预测模型研究

针对海上平台电气设备温度监控的现实需求,以无线红外温度传感器及数据采集终端为基础,构建了海上平台电气设备温度分布式监控系统,配套开发了系统应用软件,实现了平台电气设备温度的持续监控。针对传统温度预测难以应对大量波动性数据且对时间序列处理能力有限的问题,提出贝叶斯优化与长短时记忆网络（LSTM）组合预测方法。以所监测的海上平台变压器为研究对象,分析变压器运行过程中的温度特征,采用时序性较强的LSTM网络预测模型,引入贝叶斯优化算法,用于训练和更新LSTM参数。实践表明,基于贝叶斯优化的LSTM模型对海上平台变压器温度具有良好的预测效果,其均方根误差为0.139、预测准确率为98.56%。通过对支持向量机、BP神经网络、LSTM、Bayesian-LSTM四种预测模型的比较分析,证实了贝叶斯优化的LSTM模型对海上平台变压器温度预测的优势。     

电网运维大数据背景下的继电保护通信系统故障定位方法

针对承载继电保护业务的光纤通信系统频发多通道同时告警事件导致故障定位困难的问题,基于电网运维大数据和贝叶斯网络模型处理方法,提出了一种继电保护通信系统故障定位方法。结合继电保护故障信息管理系统(RPMS)、通信网管系统告警信息和调度运行管理系统(OMS)信息缩小故障定位范围,然后基于由历史运维数据计算得到的先验概率,通过改进的贝叶斯算法进行故障概率计算,推断出故障原因,借助通信资源管控系统信息进行故障定位。算例的计算结果证明了该方法的有效性和准确性。该方法对于多区域并发性故障定位同样适用。