CN104468184A - 一种电力通信设备业务支持能力的分析方法及系统 - Google Patents

Abstract

本发明公开了一种电力通信设备业务支持能力的分析方法，包括以下步骤：BCA访问电力通信管理系统TMS，获取相关信息，建立初始数据库OD；利用OD数据计算设备可靠性并获取指定数量的样值；BCA对OD中网络业务的配置信息进行分析，计算业务可靠性；BCA统计OD中不同失效业务引起的电网减供负荷，计算每类业务失效产生的后果；DPF根据已有数据计算设备的业务支持能力；BCA调用SPSS软件将计算结果进行Q型聚类，得到设备业务支持能力等级；BCA将设备业务支持能力的分析结果存入RD数据库，电力通信网络运维管理系统OMS通过以太网接口访问RD，并获得相关数据。

Description

一种电力通信设备业务支持能力的分析方法及系统

技术领域

本发明涉及电力工程技术领域，具体涉及一种电力通信设备业务支持能力的分析方法及系统。

背景技术

电力通信网的主要职能是满足线路继电保护、安全稳定控制、调度电话、行政电话等电网生产运行及管理方面的业务需求。电力通信网由电力通信设备和通信媒体等网络资源构成，业务通过网络设备和通信媒体组成的通道实现端到端的通信。电力通信网的主要实现技术是光纤通信。假若光缆等线路资源的安全可靠，则电力通信网承载业务的能力取决于所有通信设备的业务支持能力与通信业务的种类和数量有关。对于给定通信业务的种类和数量，通信设备的业务支持能力直接影响整个网络的业务提供水平。

电网业务通常分为三大类型，电网运行控制类业务、电网生产管理业务以及企业管理类业务，还可以继续细分为继电保护业务、安全稳定控制业务等，具体可参见中国专利201110167502.X《一种电力专用光纤通信网络业务路由配置方法》及文献《国家电网公司十二五电力通信业务需求分析》。不同业务最终体现在业务失效所造成的电网减供负荷，停电用户数，以及经济损失。以继电保护业务为例，业务失效可能导致线路保护动作不合理，造成电网非正常解列，进一步导致停电，电网负荷降低。本申请以电网减供负荷率作为各类业务对于电网的影响程度。

目前，关于电力通信设备的研究主要集中于设备可靠性和安全性方面，包括电力通信设备的风险分析方法、流量监控系统、运行状态预警方法以及故障检测装置等等。这些研究课题的目的在于保障网络业务的安全可靠传输，均未涉及通信设备对网络通信业务支持能力的分析，对电力通信设备的运行维护缺乏有利的支撑作用。

发明内容

本发明提供一种电力通信设备业务支持能力的分析方法及系统。该方法定义通信设备的业务支持能力为：通信设备由完全正常工作状态转换为完全失效工作状态，导致网络整体业务能力的下降幅度。已知网络中的通信业务类型、业务数量以及通信设备的可靠性，可以定量分析所有通信设备的业务支持能力。设备可靠性具有随机不确定性，实际工程中的设备可靠性很难用一个精确值表示，而是均匀分布在一个区间上。本分析方法通过随机抽样的方式重复多次计算给定设备的业务支持能力，然后，经聚类算法得到业务支持能力的排序，有效克服设备可靠性分散对支持能力的排序影响。

具体技术方案如下：

一种电力通信设备业务支持能力的分析方法，包括以下步骤：

步骤S1：BCA(设备业务能力分析模块Business Capabilities Analysis)通过访问TMS(电力通信管理系统Telecommunication Management System)的相关数据库获得以下信息：待分析电力通信设备故障信息，网络业务配置信息，以及业务失效引发的电网减供负荷，建立初始数据库OD(Original Database)。

步骤S2：数据处理软件DPF(Data Processing Function)调用OD相关数据，计算设备可靠性并获取指定数量的样值，便于后续设备业务支持能力的计算；具体包括以下步骤：

S21.为OD中存储的电力通信设备分配标识，E₁,E₂,…,E₈。

S22.统计每台设备的平均故障时间MTTF和平均修复时间MTTR的均值以及最大最小值，MTTF的均值记为m_F，最大值为r_F，最小值为l_F；MTTR的均值为m_R，最大值为r_R，最小值为l_R。MTTF和MTTR都为三角模糊数，根据公式(1)、(2)确定其隶属函数。MTTF的隶属函数：

MTTR的隶属函数：

S23.基于MTTF和MTTR的三角模糊数，以及分解定理和扩张原理，BCA通过α截集法计算出电力通信设备的模糊可靠性(可用性)。

MTTF三角模糊数的α截集： ${\tilde{F}}_{\mathrm{\α}}\left(x\right)=\{x\∈X|{\mathrm{\μ}}_{\tilde{F}}\left(x\right)\≥\mathrm{\α}\},\mathrm{\α}\∈[\mathrm{0,1}],$

α截集区间：[x_Fl(α),x_Fr(α)]；

MTTR三角模糊数的α截集： ${\tilde{R}}_{\mathrm{\α}}\left(x\right)=\{x\∈X|{\mathrm{\μ}}_{\tilde{R}}\left(x\right)\≥\mathrm{\α}\},\mathrm{\α}\∈[\mathrm{0,1}],$

α截集区间：[x_Rl(α),x_Rr(α)]。

设备可靠性(有效性)： $A=\frac{\mathrm{MTTF}}{\mathrm{MTTF}+\mathrm{MTTR}}---\left(3\right)$

根据公式(3)容易得到模糊设备可靠性的α截集区间：[x_Al(α),x_Ar(α)]，具体计算公式为(4)、(5)。

$x_{\mathrm{Al}}\left(\mathrm{\α}\right)=\frac{1}{1+\frac{x_{\mathrm{Rr}}\left(\mathrm{\α}\right)}{x_{\mathrm{Fl}}\left(\mathrm{\α}\right)}}---\left(4\right)$

$x_{\mathrm{Ar}}\left(\mathrm{\α}\right)=\frac{1}{1+\frac{x_{\mathrm{Rl}}\left(\mathrm{\α}\right)}{x_{\mathrm{Fr}}\left(\mathrm{\α}\right)}}---\left(5\right)$

最终，由α截集区间组成模糊设备可靠性的α截集表示为：

${\tilde{A}}_{\mathrm{\α}}\left(x\right)=\{x\∈X|{\mathrm{\μ}}_{\tilde{A}}\left(x\right)\≥\mathrm{\α}\},\mathrm{\α}\∈[\mathrm{0,1}].$

上述计算过程中，一般将α∈[0,1]划分为10个等间隔区间，得到11个α取值点，且满足α₀＝0,α₁＝0.1,...,α₁₁＝1。

S24.MTTF和MTTR的不确定性导致设备可靠性重要度具有不确定性。为了全面表征设备可靠性的信息，DPF对MTTF和MTTR的α截集区间进行等概率均匀抽样，得到给定数量的样本值。

设备可靠性向量为A＝(a₁,a₂,...,a_i,...,a_n)，对设备Ei的模糊可靠性α截集区间进行N_S次均匀抽样，得到样本序列：

$S_N(a_i,\mathrm{\α})=(y_{1,i}\left(\mathrm{\α}\right),y_{2,i}\left(\mathrm{\α}\right),...,y_{N_{S,}i}\left(\mathrm{\α}\right))$

对全网设备的模糊可靠性α截集区间分别进行N_S次均匀抽样，得到样本矩阵：

$S_N(A,\mathrm{\α})=\left[\begin{array}{cccc}{y}_{\mathrm{1,1}}\left(\mathrm{\α}\right)& y_{\mathrm{1,2}}\left(\mathrm{\α}\right)& ...& y_{1,n}\left(\mathrm{\α}\right)\\ y_{\mathrm{2,1}}\left(\mathrm{\α}\right)& y_{\mathrm{2,2}}\left(\mathrm{\α}\right)& ...& y_{2,n}\left(\mathrm{\α}\right)\\ ...& ...& ...& ...\\ y_{N_S,1}\left(\mathrm{\α}\right)& y_{N_S,2}\left(\mathrm{\α}\right)& ...& y_{N_S,n}\left(\mathrm{\α}\right)\end{array}\right]$

矩阵S_N(A,α)中的每一行对应于设备可靠性向量A＝(a₁,a₂,...,a_i,...,a_n)的一组取值。

步骤S3：BCA对OD中网络业务的配置信息进行分析，计算业务可靠性。

S31：确定业务与设备间的逻辑依赖关系，f_jk(X)＝f_jk(x₁,x₂,...,x_i,...,x_n)。f_jk(X)表示第j类第k条业务的逻辑函数，x_i为设备E_i的状态值，状态正常，取值为1；状态故障，取值为0。同时统计业务类型及数量M_ST＝(m₁,m₂,...,m_j,...,m_T)，其中，T为业务类型数，m_j为第j类业务的数量。

S32.根据设备与业务间的逻辑关系，DPF基于最小路集法计算出业务的可靠性，g_jk(A)＝g_jk(a₁,a₂,...,a_i,...,a_n)。g_jk(A)表示第j类第k条业务的可靠性函数，a_i为设备E_i的可靠性取值。

步骤S4：BCA统计OD中不同业务失效引起的电网减供负荷Δl_jk，它表示第j类第k条业务失效所引起的电网减供负荷，并计算出每类业务失效产生的后果，记为业务类型影响度 ${\mathrm{\ω}}_j=\underset{k=1}{\overset{m_j}{\mathrm{\Σ}}}\mathrm{\Δ}{l}_{\mathrm{jk}}/(L\·m_j)---\left(6\right),$

其中，L为该电网额定负荷。

步骤S5：DPF根据已有的数据计算设备的业务支持能力。设备的业务支持能力与业务种类、数量及业务通道设备可靠性相关。

设备i对第j类第k条业务的支持能力为

$C_{\mathrm{jk}}\left(a_i\right)=\frac{\∂g_{\mathrm{jk}}\left(A\right)}{\∂a_i}\·{\mathrm{\ω}}_j=(g_{\mathrm{jk}}{\left(A\right)|}_{a_i=1}-g_{\mathrm{jk}}{\left(A\right)|}_{a_i=0})\·{\mathrm{\ω}}_j---\left(7\right)$

即，g_jk(A)对a_i的偏导数与ω_j的乘积，其中，g_jk(A)表示第j类第k条业务的可靠性函数，a_i为设备E_i的可靠性取值,ω_j为业务类型影响度。

设备i对全网业务的支持能力为

$C\left(a_i\right)=\underset{j=1}{\overset{T}{\mathrm{\Σ}}}\underset{k=1}{\overset{m_j}{\mathrm{\Σ}}}{C}_{\mathrm{jk}}\left(a_i\right)---\left(8\right)$

其中，T为业务类型总数，m_j为第j类业务的业务数。

步骤S6：通过上述步骤的计算，将得到多组设备业务支持能力。BCA调用SPSS(Statistical Product and Service Solutions)软件对这些数据集进行Q型聚类，得到电力通信设备的业务支持能力等级。业务支持能力等级较高的设备需要重点维护，以保证全网业务的可连续性。因此，在给定运行维护成本和维护能力的条件下，设备业务支持能力的分析数据可以作为优化维护策略、提高维护效率的重要参考依据。

步骤S7：BCA将电力通信设备业务支持能力的分析结果存入RD(Results Database)数据库。电力通信网络运维管理系统OMS通过以太网接口访问RD，并获得相关数据。运行维护人员根据这些数据，合理安排维护任务，保证业务支持能力等级较高的设备得到及时维护，达到高效维护的目的。

优选地，所述电力通信设备包括DWDM、OTN、SDH和PCM等电力通信网常用光传输设备。

本发明还提供一种电力通信设备业务支持能力的分析系统，所述系统包括：业务能力分析模块BCA，以及BCA与现有电力通信管理系统TMS、网络运维管理系统OMS(Operationand maintenance management System)之间的接口。三者通过以太网交换机互联，实现有权限的单向访问，即BCA向TMS发送访问请求，TMS依据二者间安全协议判定是否允许该请求。同理，OMS单向访问BCA。

优选地，设备业务能力分析模块BCA包括聚类分析软件SPSS，初始数据库OD，数据处理软件DPF以及结果数据库RD。DPF接收OD数据，并将计算结果送至SPSS，SPSS将结果存放在RD中。

本发明的有益效果：

本发明从网络业务承载能力的角度出发，对电力通信设备的业务支持能力做出分析。分析结果直观地反映出设备优劣对于全网业务的影响。本发明的实施有利于指导电力通信网日常的设备检修与维护工作。根据通信设备业务支持能力的排序情况，优化运行维护人员的规模和配置，合理使用和分配网络维护费用，优化网络资源配置，以有限的资源实现最大的生产效益和经济效益。

附图说明

图1是本发明提供的电力通信设备业务支持能力的分析方法示意图；

图2是本发明提供的某电力通信设备业务支持能力的分析系统示意图；

图3是本发明实例中双环网结构的SDH传输网；

图4是本发明实例中模糊可靠性计算的相关示意图，其中(a)表示MTTF对应的模糊数，(b)表示MTBF对应的模糊数，(c)表示设备对应的可靠性α截集区间；

图5是本发明提供的电力通信设备业务支持能力分析方法的详细流程图。

具体实施方式

下面结合附图和具体实施方式对本发明的技术方案作进一步说明。

图1是本发明提供的电力通信设备业务支持能力分析方法示意图。

图2所示的某电力通信网络，具体介绍本发明的电力通信设备业务支持能力分析方法。

步骤S1：BCA通过访问TMS的相关数据库获得以下信息：电力通信设备故障信息，网络业务配置信息，以及业务失效引发的电网减供负荷，建立初始数据库OD。

图3所示电力通信网为双环网结构的SDH传输网，包含8台通信设备，即N_E＝8。由设备故障管理数据库得到它们的MTTF及MTBF，由业务分类管理数据库获取该传输网的业务信息，由电网事故管理数据库获取失效业务引发的电网减供负荷Δl_jk，并将此类信息存储在OD中。

步骤S2：DPF调用OD相关数据，计算设备可靠性并获取指定数量的样值，便于后续设备业务支持能力的计算，包括以下步骤：

S21.为OD中存储的电力通信设备分配标识，E₁,E₂,…,E₈。

S22.统计每台设备的平均故障时间MTTF和平均修复时间MTTR的均值以及最大最小值，MTTF的均值记为m_F，最大值为r_F，最小值为l_F；MTTR的均值为m_R，最大值为r_R，最小值为l_R。MTTF和MTTR都为三角模糊数，根据公式(1)、(2)确定其隶属函数。MTTF的隶属函数：

MTTR的隶属函数：

以设备E₁为例，其故障参数如表1所示，根据公式(1)、(2)可得到MTTF和MTTR的三角模糊数，见附图4(a)、(b)。

表1.设备E₁的故障信息

S23.基于MTTF和MTTR的三角模糊数，以及分解定理和扩张原理，BCA通过α截集法计算出电力通信设备的模糊可靠性(可用性)。

MTTF三角模糊数的α截集： ${\tilde{F}}_{\mathrm{\α}}\left(x\right)=\{x\∈X|{\mathrm{\μ}}_{\tilde{F}}\left(x\right)\≥\mathrm{\α}\},\mathrm{\α}\∈[\mathrm{0,1}],$

α截集区间：[x_Fl(α),x_Fr(α)]；

MTTR三角模糊数的α截集： ${\tilde{R}}_{\mathrm{\α}}\left(x\right)=\{x\∈X|{\mathrm{\μ}}_{\tilde{R}}\left(x\right)\≥\mathrm{\α}\},\mathrm{\α}\∈[\mathrm{0,1}],$

α截集区间：[x_Rl(α),x_Rr(α)]。

设备可靠性(有效性)： $A=\frac{\mathrm{MTTF}}{\mathrm{MTTF}+\mathrm{MTTR}}---\left(3\right)$

根据公式(3)容易得到模糊设备可靠性的α截集区间：[x_Al(α),x_Ar(α)]，具体计算公式为(4)、(5)。

$x_{\mathrm{Al}}\left(\mathrm{\α}\right)=\frac{1}{1+\frac{x_{\mathrm{Rr}}\left(\mathrm{\α}\right)}{x_{\mathrm{Fl}}\left(\mathrm{\α}\right)}}---\left(4\right)$

$x_{\mathrm{Ar}}\left(\mathrm{\α}\right)=\frac{1}{1+\frac{x_{\mathrm{Rl}}\left(\mathrm{\α}\right)}{x_{\mathrm{Fr}}\left(\mathrm{\α}\right)}}---\left(5\right)$

最终，由α截集区间组成模糊设备可靠性的α截集表示为： ${\tilde{A}}_{\mathrm{\α}}\left(x\right)=\{x\∈X|{\mathrm{\μ}}_{\tilde{A}}\left(x\right)\≥\mathrm{\α}\},\mathrm{\α}\∈[\mathrm{0,1}].$

上述计算过程中，一般将α∈[0,1]划分为10个等间隔区间，得到11个α取值点，且满足α₀＝0,α₁＝0.1,...,α₁₁＝1。

仍然以设备E₁为例，取α＝0.5，易得到MTTF的α截集区间：[78840，96360]，MTTR的α截集区间：[18,30]，根据式(4)、(5)算出E₁设备可靠性的α截集区间：[0.9996,0.9998]。α值在区间[0,1]内变化，最终得到设备E₁的11组可靠性区间。如果α取值丰富，那么容易绘制出E₁的可靠性隶属函数，参见图4(c)。

S24.MTTF和MTTR的不确定性导致设备可靠性重要度具有不确定性。为了全面表征设备可靠性的信息，DPF对MTTF和MTTR的α截集区间进行等概率均匀抽样，得到给定数量的样本值。

设备可靠性向量为A＝(a₁,a₂,...,a_i,...,a_n)，对设备E_i的模糊可靠性α截集区间进行N_S次均匀抽样，得到样本序列：

$S_N(a_i,\mathrm{\α})=(y_{1,i}\left(\mathrm{\α}\right),y_{2,i}\left(\mathrm{\α}\right),...,y_{N_S,i}\left(\mathrm{\α}\right))$

对全网设备的模糊可靠性α截集区间分别进行N_S次均匀抽样，得到样本矩阵：

$S_N(A,\mathrm{\α})=\left[\begin{array}{cccc}{y}_{\mathrm{1,1}}\left(\mathrm{\α}\right)& y_{\mathrm{1,2}}\left(\mathrm{\α}\right)& ...& y_{1,n}\left(\mathrm{\α}\right)\\ y_{\mathrm{2,1}}\left(\mathrm{\α}\right)& y_{\mathrm{2,2}}\left(\mathrm{\α}\right)& ...& y_{2,n}\left(\mathrm{\α}\right)\\ ...& ...& ...& ...\\ y_{N_S,1}\left(\mathrm{\α}\right)& y_{N_S,2}\left(\mathrm{\α}\right)& ...& y_{N_S,n}\left(\mathrm{\α}\right)\end{array}\right]$

矩阵S_N(A,α)中的每一行对应于设备可靠性向量A＝(a₁,a₂,...,a_i,...,a_n)的一组取值。

在本实施例中，取定抽样次数为N_S＝100，以α＝0.5为例，经过随机抽样后得到的一组设备可靠性向量为A＝{0.9997，0.9998，0.9999，0.9999，0.9998，0.9999，0.9999，0.9999}。

步骤S3：BCA对OD中网络业务的配置信息进行分析，计算业务可靠性。

S31：确定业务与设备间的逻辑依赖关系，f_jk(X)＝f_jk(x₁,x₂,...,x_i,...,x_n)。f_jk(X)表示第j类第k条业务的逻辑函数，x_i为设备E_i的状态值，状态正常，取值为1；状态故障，取值为0；同时统计业务类型及数量

M_ST＝(m₁,m₂,...,m_j,...,m_T)，

其中，T为业务类型数，m_j为第j类业务的数量。

图2包含10条业务，共T＝4种业务类型，M_ST＝(3,3,2,2)。每种业务都通过主备用两条通道传输。以设备E₂和E₅之间的通信业务为例，主备用两条通道分别为{E₁,E₂,E₅}和{E₂,E₃,E₄,E₅}，详细业务信息见表2。

表2.业务信息

S32.根据设备与业务间的逻辑关系，DPF基于最小路基法计算出业务的可靠性，g_jk(A)＝g_jk(a₁,a₂,...,a_i,...,a_n)。g_jk(A)表示第j类第k条业务的可靠性函数，a_i为设备E_i的可靠性取值。

现以步骤S24得到的一组随机数据为例，计算设备E₂和E₅之间的通信业务可靠性。由于是对设备的业务支持能力进行分析，所以假设光缆等线路资源的可靠性为1。那么业务通道路集可靠性可简化为即g₁₁(A)＝a₁·a₂·a₅+a₂·a₃·a₄·a₅-a₁·a₂·a₃·a₄·a₅＝0.9997，同理计算出其余9条业务的可靠性。

步骤S4：BCA统计OD中不同业务失效引起的电网减供负荷Δl_jk，它表示第j类第k条业务失效所引起的电网减供负荷，并计算出每类业务失效产生的后果，记为业务类型影

响度 ${\mathrm{\ω}}_j=\underset{k=1}{\overset{m_j}{\mathrm{\Σ}}}\mathrm{\Δ}{l}_{\mathrm{jk}}/(L\·m_j)---\left(6\right),$

其中，L为该电网额定负荷。

本例中，通过网管系统可查询该网络所在区域的电网额定负荷为L＝2000MW，由表2知类型1的业务共m₁＝3条，该类业务的影响度为

同理可得其他类型业务影响度。

步骤S5：DPF根据已有的数据计算设备的业务支持能力。设备的业务支持能力与业务种类、数量及业务通道设备可靠性相关。

设备i对第j类第k条业务的支持能力为

$C_{\mathrm{jk}}\left(a_i\right)=\frac{\∂g_{\mathrm{jk}}\left(A\right)}{\∂a_i}\·{\mathrm{\ω}}_j=(g_{\mathrm{jk}}{\left(A\right)|}_{a_i=1}-g_{\mathrm{jk}}{\left(A\right)|}_{a_i=0})\·{\mathrm{\ω}}_j---\left(7\right),$

即，g_jk(A)对a_i的偏导数与ω_j的乘积，g_jk(A)表示第j类第k条业务的可靠性函数，a_i为设备E_i的可靠性取值,ω_j为业务类型影响度。

设备i对全网业务的支持能力为 $C\left(a_i\right)=\underset{j=1}{\overset{T}{\mathrm{\Σ}}}\underset{k=1}{\overset{m_j}{\mathrm{\Σ}}}{C}_{\mathrm{jk}}\left(a_i\right)---\left(8\right).$

T为业务类型总数，m_j为第j类业务的业务数。

本例中，仍取α＝0.5，经随机取样得到一组设备可靠性向量

A＝{0.9997，0.9998，0.9999，0.9999，0.9998，0.9999，0.9999，0.9999}

由表2知，T＝4。则设备E1的业务支持能力为

$C\left(a_1\right)=\underset{j=1}{\overset{T}{\mathrm{\Σ}}}\underset{k=1}{\overset{m_j}{\mathrm{\Σ}}}{C}_{\mathrm{jk}}\left(a_1\right)=\underset{j=1}{\overset{4}{\mathrm{\Σ}}}\underset{k=1}{\overset{m_j}{\mathrm{\Σ}}}{C}_{\mathrm{jk}}\left(a_1\right)=\underset{j=1}{\overset{4}{\mathrm{\Σ}}}\underset{k=1}{\overset{m_j}{\mathrm{\Σ}}}(g_{\mathrm{jk}}{\left(A\right)|}_{a_i=1}-g_{\mathrm{jk}}{\left(A\right)|}_{a_i=0})=0.0095$

同理可得其他所有设备的业务支持能力。最终本次计算的结果为

C＝{0.0095,0.1800,0.0061,0.0620,0.1200,0.0645，0.0045,0.0060}。显然，设备E₂的业务支持能力最强，设备E₇的业务支持能力最弱。

步骤S6：通过上述计算，得到多组设备业务支持能力。BCA调用SPSS软件对这些数据集进行Q型聚类，得到电力通信设备的业务支持能力等级。业务支持能力等级较高的设备需要重点维护，以保证全网业务的可连续性。因此，在给定运行维护成本和维护能力的条件下，设备业务支持能力的分析数据可以作为优化维护策略、提高维护效率的重要参考依据。

在本例中，由于α从0到1共取了11个值，设备E_i的模糊可靠性α截集区间进行N_S＝100次均匀抽样，因此一共得到了1100组设备业务支持能力的数据。利用SPSS软件提供的聚类分析功能，最终这8台通信设备按照业务支持能力由大到小可分为4类，参见表3。

步骤S7：BCA将电力通信设备业务支持能力的分析结果存入RD数据库。电力通信网络运维管理系统OMS通过以太网接口访问RD，并获得相关数据。运行维护人员根据这些数据，合理安排维护任务，保证业务支持能力等级较高的设备得到及时维护，达到高效维护的目的。

表3.电力通信设备业务支持能力的分析结果

类别	设备
		1	E2
2	E5
		3	E4，E6
4	E1,E3,E7，E8

相关符号的定义，参见表4。

表4.相关符号说明

以上所述内容仅为本发明较佳的具体实施方式，但本发明的保护范围不限于此。任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。

Claims (7)

1.一种电力通信设备业务支持能力的分析方法，其特征在于，所述方法包括以下步骤：

S1.BCA通过访问TMS获取以下信息：待分析电力通信设备故障信息，网络业务配置信息，以及业务失效引发的电网减供负荷，建立初始数据库OD；

S2.DPF调用OD相关数据，计算设备可靠性并获取指定数量的样值；

S3.BCA对OD中网络业务配置信息进行分析，计算业务可靠性；

S4.BCA统计OD中不同业务失效引起的电网减供负荷，计算出每类业务失效产生的后果；

S5.DPF根据已有的数据计算设备的业务支持能力；

S6.BCA调用SPSS软件对步骤S5得到的数据集进行Q型聚类，得到电力通信设备的业务支持能力等级；

S7.BCA将电力通信设备业务支持能力的分析结果存入RD数据库，电力通信网络运维管理系统OMS通过以太网接口访问RD，并获得相关数据。

2.根据权利要求1所述的方法，其特征在于，所述步骤S2包括以下步骤：

S21.为OD中存储的电力通信设备分配标识，E₁,E₂,…,E₈；

S22.统计每台设备的平均故障时间MTTF和平均修复时间MTTR的均值以及最大最小值，MTTF的均值为m_F，最大值为r_F，最小值为l_F；MTTR的均值为m_R，最大值为r_R，最小值为l_R；MTTF和MTTR都为三角模糊数，根据公式(1)、(2)确定其隶属函数；

MTTF的隶属函数：

MTTR的隶属函数：

S23.基于MTTF和MTTR的三角模糊数，以及分解定理和扩张原理，BCA通过α截集法计算出电力通信设备的模糊可靠性；

MTTF三角模糊数的α截集： ${\tilde{F}}_{\mathrm{\α}}\left(x\right)=\{x\∈X|{\mathrm{\μ}}_{\tilde{F}}\left(x\right)\≥\mathrm{\α}\},\mathrm{\α}\∈[\mathrm{0,1}],$

α截集区间：[x_Fl(α),x_Fr(α)]；

MTTR三角模糊数的α截集： ${\tilde{F}}_{\mathrm{\α}}\left(x\right)=\{x\∈X|{\mathrm{\μ}}_{\tilde{R}}\left(x\right)\≥\mathrm{\α}\},\mathrm{\α}\∈[\mathrm{0,1}],$

α截集区间：[x_Rl(α),x_Rr(α)]；

设备可靠性(有效性)： $A=\frac{\mathrm{MTTF}}{\mathrm{MTTF}+\mathrm{MTTR}}---\left(3\right)$

根据公式(3)得到模糊设备可靠性的α截集区间：[x_Al(α),x_Ar(α)]，

计算公式为(4)、(5)，

$x_{\mathrm{Al}}\left(\mathrm{\α}\right)=\frac{1}{1+\frac{x_{\mathrm{Rr}}\left(\mathrm{\α}\right)}{x_{\mathrm{Fl}}\left(\mathrm{\α}\right)}}---\left(4\right)$

$x_{\mathrm{Ar}}\left(\mathrm{\α}\right)=\frac{1}{1+\frac{x_{\mathrm{Rl}}\left(\mathrm{\α}\right)}{x_{\mathrm{Fr}}\left(\mathrm{\α}\right)}}---\left(5\right)$

最终，由α截集区间组成模糊设备可靠性的α截集表示为：

${\tilde{A}}_{\mathrm{\α}}\left(x\right)=\{x\∈X|{\mathrm{\μ}}_{\tilde{A}}\left(x\right)\≥\mathrm{\α}\},\mathrm{\α}\∈[\mathrm{0,1}]$

上述计算中，将α∈[0,1]划分为10个等间隔区间，得到11个α取值点，且满足α₀＝0,α₁＝0.1,...,α₁₁＝1；

S24.MTTF和MTTR的不确定性导致设备可靠性重要度具有不确定性，用DPF对MTTF和MTTR的α截集区间进行等概率均匀抽样，得到给定数量的样本值；

设备可靠性向量为A＝(a₁,a₂,...,a_i,...,a_n)，对设备E_i的模糊可靠性α截集区间进行N_S次均匀抽样，得到样本序列：

$S_N(a_i,\mathrm{\α})=(y_{1,i}\left(\mathrm{\α}\right),y_{2,i}\left(\mathrm{\α}\right),...,y_{N_S,i}\left(\mathrm{\α}\right))$

对全网设备的模糊可靠性α截集区间分别进行N_S次均匀抽样，得到样本矩阵：

$S_N(A,\mathrm{\α})=\left[\begin{array}{cccc}{y}_{\mathrm{1,1}}\left(\mathrm{\α}\right)& y_{\mathrm{1,2}}\left(\mathrm{\α}\right)& \·\·\·& y_{1,n}\left(\mathrm{\α}\right)\\ y_{\mathrm{2,1}}\left(\mathrm{\α}\right)& y_{\mathrm{2,2}}\left(\mathrm{\α}\right)& \·\·\·& y_{2,n}\left(\mathrm{\α}\right)\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ y_{N_S,1}\left(\mathrm{\α}\right)& y_{N_S,2}\left(\mathrm{\α}\right)& \·\·\·& y_{N_S,n}\left(\mathrm{\α}\right)\end{array}\right]$

矩阵S_N(A,α)中的每一行对应于设备可靠性向量A＝(a₁,a₂,...,a_i,...,a_n)的一组取值。

3.根据权利要求1所述的方法，其特征在于，所述步骤S3包括以下步骤：

S31.确定业务与设备间的逻辑依赖关系，f_jk(X)＝f_jk(x₁,x₂,...,x_i,...,x_n)；f_jk(X)表示第j类第k条业务的逻辑函数，x_i为设备E_i的状态值，状态正常，取值为1；状态故障，取值为0；同时，统计业务类型及数量

M_ST＝(m₁,m₂,...,m_j,...,m_T)，

其中，T为业务类型数，m_j为第j类业务的数量；

S32.根据设备与业务间的逻辑关系，DPF基于最小路集法计算业务的可靠性，g_jk(A)＝g_jk(a₁,a₂,...,a_i,...,a_n)；

g_jk(A)表示第j类第k条业务的可靠性函数，a_i为设备E_i的可靠性取值。

4.根据权利要求1所述的方法，其特征在于，步骤S5中，设备i对第j类第k条业务的支持能力为

$C_{\mathrm{jk}}\left(a_i\right)=\frac{{\∂g}_{\mathrm{jk}}\left(A\right)}{{\∂a}_i}\·{\mathrm{\ω}}_j=(g_{\mathrm{jk}}\left(A\right){|}_{a_i=1}-g_{\mathrm{jk}}\left(A\right){|}_{a_i=0})\·{\mathrm{\ω}}_j---\left(7\right)$

即，g_jk(A)对a_i的偏导数与ω_j的乘积，其中，g_jk(A)表示第j类第k条业务的可靠性函数，a_i为设备E_i的可靠性取值,ω_j为业务类型影响度；

设备i对全网业务的支持能力为

$C\left(a_i\right)=\underset{j=1}{\overset{T}{\mathrm{\Σ}}}\underset{k=1}{\overset{m_j}{\mathrm{\Σ}}}{C}_{\mathrm{jk}}\left(a_i\right)---\left(8\right)$

其中，T为业务类型总数，m_j为第j类业务的业务数。

5.根据权利要求1所述的方法，其特征在于，所述电力通信设备包括DWDM、OTN、SDH和PCM。

6.一种电力通信设备业务支持能力的分析系统，其特征在于：该分析系统包括设备业务能力分析模块BCA，以及BCA与现有电力通信管理系统TMS、网络运维管理系统OMS之间的接口；三者通过以太网交换机互联，实现有权限的单向访问。

7.根据权利要求6所述的分析系统，其特征在于：所述设备业务能力分析模块BCA包括聚类分析软件SPSS、初始数据库OD、数据处理软件DPF以及结果数据库RD；DPF接收OD数据，并将计算结果送至SPSS，SPSS将结果存放在RD中。