CN105375982A

CN105375982A - 智能配电网系统的以太网无源光网络故障预判方法

Info

Publication number: CN105375982A
Application number: CN201510823507.1A
Authority: CN
Inventors: 汪天宇; 贺常德; 王冠宇; 刘小江; 丁胜强; 陈天笑; 赵建; 朱佐平
Original assignee: State Grid Corp of China SGCC; State Grid Hunan Electric Power Co Ltd; Xiangtan Power Supply Co of State Grid Hunan Electric Power Co Ltd
Current assignee: State Grid Corp of China SGCC; State Grid Hunan Electric Power Co Ltd; Xiangtan Power Supply Co of State Grid Hunan Electric Power Co Ltd
Priority date: 2015-11-24
Filing date: 2015-11-24
Publication date: 2016-03-02

Abstract

本发明公开了一种智能配电网系统的以太网无源光网络故障预判方法，包括获取系统正常运行的状态参数作为基准值、保证EPON系统正常运行的状态参数门限范围和故障时的相关状态参数-故障专家库；每隔固定时间对EPON系统参数进行数据采集；将获得的参数与基准值、门限范围和相关状态参数-故障专家库进行对比，并依据对比结果对EPON系统的可能故障进行预警。本发明提供的智能配电网系统的以太网无源光网络故障预判方法，自动高效的完成智能配电网系统的以太网无源光网络的检测和故障预判，同时也避免了统一标准进行故障预判带来的盲目性和无针对性，系统稳定可靠。

Description

智能配电网系统的以太网无源光网络故障预判方法

技术领域

本发明具体涉及一种智能配电网系统的以太网无源光网络故障预判方法。

背景技术

随着国家经济技术的发展，我国电网自动化程度和智能化程度均越来越高。配电网的自动检测和维护近年来也已经成为配电网自动化的热点之一。

EPON技术全称为以太网无源光网络，是配电网自动化的重要组成部分之一，它采用点到多点结构、无源光纤传输，在以太网的基础上为配电站自动化提供多样化的业务支撑，为配电网自动化提供了重要的技术支持。

在智能配电网EPON体系中，由于存在种类繁多的光元件、核心处理器、电路等，系统元件众多，工作频率高，工作强度大。现有的针对EPON体系中的元件的检测，一直采用人工主动检测和被动检测相结合的方式，即：定期采用人工巡检的方式，对EPON体系中的重要元器件、故障多发元器件等进行人工测试和检测；被动检测即为在系统运行时，如果系统出现故障，则运行人员凭借经验和故障状态人工判断故障的可能位置和故障元器件类型。由此可知，现阶段条件下，EPON系统故障的判定方法依然停留在人工判断的阶段，费时费力，而且十分被动，无法保证智能配电网系统和EPON系统的正常运行。

发明内容

本发明的目的在于提供一种稳定可靠、能够对EPON系统进行主动故障预判的智能配电网系统的以太网无源光网络故障预判方法。

本发明提供的这种智能配电网系统（EPON）的以太网无源光网络故障预判方法，包括如下步骤：

S1.获取EPON系统历史正常运行和单一故障运行时的光线路终端、光网络单元、光分发器和无源光网络的运行状态参数；

S2.将步骤S1获取的EPON系统正常运行状态下的参数作为基准值；将单一故障运行时的系统状态参数进行相关性分析，并将具有相关性的状态参数进行记录，形成相关状态参数-故障专家库；根据EPON系统的历史运行数据，获取能够保证EPON系统正常运行的所有状态参数的门限范围；

S3.将步骤S1所述的参数分为业务数据敏感参数和业务数据不敏感参数：业务数据敏感参数指数值与业务量的多少正相关的参数，其余参数均为业务数据不敏感参数；

S4.每隔固定时间T，利用数据采集设备对步骤S1所述的参数进行数据采集，获取EPON系统实际运行数据；

S5.针对步骤S4得到的实际运行数据，按照步骤S3所述的分类和步骤S2获得的基准值、门限值和相关状态参数-故障专家库，对系统的运行状态进行预判：

1）若数据超出了状态参数的门限范围，系统将所述数据对应的设备预判为故障状态；

2）若业务数据敏感参数的数据与基准值的差值在50%以上，或业务数据不敏感参数的数据与基准值的差值在10%以上，则系统将该数据记录为异常数据；查询具有相关性的状态参数数据，并依据异常数据和相关状态参数数据查询相关状态参数-故障专家库，做出以太网无源光网络系统的故障预判。

所述的智能配电网系统的以太网无源光网络故障预判方法，还包括如下步骤：

S6.将步骤S5判断得到的数据结果制成报表并存档。

步骤S1中所述的参数，包括光线路终端的电源状态、风扇状态、光线路终端CPU利用率、内存利用率、光线路终端接发光功率参数、光线路终端上光网络单元注册状态参数、光网络单元设备的CPU、内存利用率、光网络单元设备工作环境温度、光网络单元无源光网络的主备工作状态、光网络单元无源光网络口的光功率参数、光纤线路上的光功率损耗、光线路的传输错包率和以太网无源光网络设备上无源光网络口的芯片工作状态。

步骤S4所述的数据采集，包括如下步骤：

1）对步骤S1所述的参数进行至少一轮采集；

2）对1）中采集的数据求取平均值。

本发明提供的这种智能配电网系统的以太网无源光网络故障预判方法，采用数据采集设备收集智能配电网系统的以太网无源光网络的运行数据并形成基准值，并在基准值的基础上，根据智能配电网系统的以太网无源光网络的运行特性，将数据进行分类，再将分类后的数据与基准值进行对比，从而得出故障的预判结果。本发明方法自动高效的完成智能配电网系统的以太网无源光网络的检测和故障预判，同时也避免了统一标准进行故障预判带来的盲目性和无针对性，系统稳定可靠。

附图说明

图1为本发明的结构流程图。

图2为本发明的方法流程图。

具体实施方式

如图1所示，为本发明的结构流程图：针对智能配电网系统的以太网无源光网络（EPON）系统，布置数据采集设备对EPON系统的运行状态信息进行采集，采集到EPON系统的运行状态信息后，利用本发明提供的智能配电网系统的以太网无源光网络的故障预测方法进行数据分析和故障判断，及时形成预警信息，提醒系统运行维护人员及时注意，同时也将采集到的数据信息和预警信息生成报表并存档，以供运行维护人员进行查看，或获取历史数据资料。

如图2所示为本发明的方法流程图：

S1.获取以太网无源光网络系统历史正常运行和单一故障运行时的光线路终端、光网络单元、光分发器和无源光网络的运行状态参数；

所述的参数，包括光线路终端的电源状态、风扇状态、光线路终端CPU利用率、内存利用率、光线路终端接发光功率参数、光线路终端上光网络单元注册状态参数、光网络单元设备的CPU、内存利用率、光网络单元设备工作环境温度、光网络单元无源光网络的主备工作状态、光网络单元无源光网络口的光功率参数、光纤线路上的光功率损耗、光线路的传输错包率和以太网无源光网络设备上无源光网络口的芯片工作状态。

S2.将步骤S1获取的以太网无源光网络系统正常运行状态下的参数作为基准值；将单一故障运行时的系统状态参数进行相关性分析，并将具有相关性的状态参数进行记录，形成相关状态参数-故障专家库；根据以太网无源光网络系统的历史运行数据，获取能够保证以太网无源光网络系统正常运行的所有状态参数的门限范围；

S3.将步骤S1所述的参数分为业务数据敏感参数和业务数据不敏感参数：

业务数据敏感参数指数值与业务量的多少正相关的参数，例如CPU的利用率等，该类参数在数据业务量大量增加时，其数据数值会正相关性的增加；

其余参数均归类为业务数据不敏感参数，该类参数是指数值与业务量的多少不直接相关的参数，例如光网络单元的光纤接口的接收和发送功率等，该类参数无论数据业务量大还是小，其数据数值均保持在一个相对稳定的水平；

S4.每隔固定时间T，利用数据采集设备对步骤S1所述的参数进行数据采集；

数据采集过程具体包括如下步骤：

1）对步骤S1所述的参数进行至少两轮采集；

2）对1）中采集的数据求取平均值，以减少数据采集过程中带来的误差。

1）若数据超出了状态参数的门限范围，系统预判所述数据对应的设备为异常状态：

例如，当EPON设备的无源光纤网络接口的功率一般在-26dbm~-3dbm之间，如果低于这个数据，光路传输就会出现异常；或者CPU利用率，当光线路终端或无源光纤网络的CPU利用率高于75%时，CPU将进入“忙碌”状态，此时可能会给光纤网络单元的注册、业务数据的转发带来影响，继而影响整个EPON系统的通讯稳定性和迅捷性；

2）若业务数据敏感参数的数据与基准值的差值在50%以上，或业务数据不敏感参数的数据与基准值的差值在10%以上，则系统将该数据记录为异常数据；

3）根据步骤2）得到的异常数据，查询步骤S2所述的具有相关性的状态参数数据，并依据异常数据和相关状态参数数据查询相关状态参数-故障专家库，做出以太网无源光网络系统的故障预判。

S6.将步骤S5判断得到的数据和判断结果制成报表并存档，以方便运行维护人员随时进行查看和获取历史资料。

Claims

1.一种智能配电网系统的以太网无源光网络故障预判方法，包括如下步骤：

S3.将步骤S1所述的参数分为业务数据敏感参数和业务数据不敏感参数：业务数据敏感参数指数值与业务量的多少正相关的参数，其余参数为业务数据不敏感参数；

S4.间隔固定时间，利用数据采集设备对步骤S1所述的参数进行数据采集，获取以太网无源光网络系统实际运行数据；

S5.针对步骤S4得到的实际运行数据，按照步骤S3所述的分类和步骤S2获得的基准值、门限范围和相关状态参数-故障专家库，对系统的运行状态进行预判：

2.根据权利要求1所述的智能配电网系统的以太网无源光网络故障预判方法，其特征在于还包括如下步骤：

S6.将步骤S5判断得到的数据结果制成报表并存档。

3.根据权利要求1所述的智能配电网系统的以太网无源光网络故障预判方法，其特征在于步骤S1中所述的参数，包括光线路终端的电源状态、风扇状态、光线路终端CPU利用率、内存利用率、光线路终端接发光功率参数、光线路终端上光网络单元注册状态参数、光网络单元设备的CPU、内存利用率、光网络单元设备工作环境温度、光网络单元无源光网络的主备工作状态、光网络单元无源光网络口的光功率参数、光纤线路上的光功率损耗、光线路的传输错包率和以太网无源光网络设备上无源光网络口的芯片工作状态。

4.根据权利要求1所述的智能配电网系统的以太网无源光网络故障预判方法，其特征在于步骤S4所述的数据采集，包括如下步骤：

1）对步骤S1所述的参数进行至少一轮采集；

2）对1）中采集的数据求取平均值。