CN106022583A - 基于模糊化决策树的电力通信业务风险计算方法及系统 - Google Patents
基于模糊化决策树的电力通信业务风险计算方法及系统 Download PDFInfo
- Publication number
- CN106022583A CN106022583A CN201610317670.5A CN201610317670A CN106022583A CN 106022583 A CN106022583 A CN 106022583A CN 201610317670 A CN201610317670 A CN 201610317670A CN 106022583 A CN106022583 A CN 106022583A
- Authority
- CN
- China
- Prior art keywords
- risk
- communication service
- power communication
- decision tree
- risk indicator
- 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.)
- Pending
Links
- 238000004891 communication Methods 0.000 title claims abstract description 140
- 238000004364 calculation method Methods 0.000 title claims abstract description 84
- 238000003066 decision tree Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 73
- 238000012549 training Methods 0.000 claims abstract description 73
- 238000012360 testing method Methods 0.000 claims abstract description 30
- 238000005259 measurement Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 5
- 238000012502 risk assessment Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000000926 separation method Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 239000008187 granular material Substances 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000006855 networking Effects 0.000 description 5
- 238000001303 quality assessment method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013210 evaluation model Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 4
- CLSXNIPAOWPLFR-UHFFFAOYSA-N 1-fluoro-4-[2,2,2-trichloro-1-(4-fluorophenyl)ethyl]benzene Chemical compound C1=CC(F)=CC=C1C(C(Cl)(Cl)Cl)C1=CC=C(F)C=C1 CLSXNIPAOWPLFR-UHFFFAOYSA-N 0.000 description 3
- 102100020786 Adenylosuccinate synthetase isozyme 2 Human genes 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000012854 evaluation process Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 208000032953 Device battery issue Diseases 0.000 description 1
- 208000037408 Device failure Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013440 design planning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种基于模糊化决策树的电力通信业务风险计算方法,所述方法包括:利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型;确定所建立的分层结构的电力通信业务模型中每个叶子节点的风险指标,并且为风险指标确定权重值;对所述至少两个风险指标进行一致性检验并且当通过一致性检验后将所述至少两个风险指标作为输入数据;将所述输入数据中的一部分数据作为训练数据,建立训练模型;将所述输入数据中的另一部分数据作为测试数据,对所述训练模型进行测试;当训练模型通过测试时,利用训练模型对输入数据进行分类,得到分类结果;以及根据分类结果进行分类计算以确定电力通信中每种业务的风险值。
Description
技术领域
本发明涉及电力领域,并且更具体地,涉及一种基于模糊化决策树的电力通信业务风险计算方法及系统。
背景技术
目前,电力通信网肩负着保障电网系统安全以及稳定运行的重任。电力通信网业务抗风险的能力是为保障运行质量直接影响电力通信网业务的传输。电力系统对电力通信网的依赖性日益增加,电力通信网的时间、风险和故障对电力系统的影响也日趋严重,提高电力通信网的可靠性以及降低其风险事件的发生不能仅依靠通信网设计阶段对网络结构的设计和优化,而需要在电力通信网运行过程中,通过有效的电力通信网可靠性以及风险事件进行评估。
在现实生活中,存在多种对风险的定义。其中,IS013335中将风险定义为:特定的威胁利用资产的脆弱性(安全漏洞),造成资产损失或破坏的可能性。学术上,把风险定义为在达到一个目标或目的要求过程中的不确定性,并且认为风险与不确定性事件发生的概率及其造成的可能损失有关。
现有技术中,没有能够定量地评估电力通信网业务质量与风险指数的方法。
发明内容
本发明基于模糊化决策树模型的电力通信业务风险评价模型,定量地评估电力通信网业务质量与风险指数,并根据评估结果提出可行提升策略。
此外,本发明提供基于模糊化决策树模型的电力通信业务风险评价方法,通过对比B-P神经网络模型,加权有向图模型等评价方法,选取有代表性的指标,并采用分层处理方法和复合加权评价方法,建立电力通信业务风险评价体系,确定线路保护业务、安稳业务、调度自动化业务、调度电话业务、视频会议业务的待评价加权值,确定指标与风险等级的关联度,并得到待评对象风险等级。本发明的有益效果是能够定量评估电力通信业务风险,并为制定合理的电力信息通信传输网运行维护策略提供技术参考。
根据一个方面,本发明提供一种基于模糊化决策树的电力通信业务风险计算方法,所述方法包括:
利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型;
确定所建立的分层结构的电力通信业务模型中至少两个叶子节点中每个叶子节点的风险指标,并且为至少两个风险指标中的每个风险指标确定权重值;
对所述至少两个风险指标进行一致性检验并且当通过一致性检验后将所述至少两个风险指标作为输入数据;
将所述输入数据中的一部分数据作为训练数据,建立训练模型;
将所述输入数据中的另一部分数据作为测试数据,对所述训练模型进行测试;
当训练模型通过测试时,利用训练模型对输入数据进行分类,得到分类结果;以及
根据分类结果进行分类计算以确定电力通信中每种业务的风险值。
优选地,其中利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型包括:利用决策树层次分析法对电力通信系统中所有业务流程进行分解,建立分层结构的电力通信业务的决策树,其中所述决策树包括根节点、中间节点和叶子节点。
优选地,所述为至少两个风险指标中的每个风险指标确定权重值包括:根据风险类型为至少两个风险指标中的每个风险指标确定权重值。
优选地,其中通过每种业务的影响程序和发生概率来确定确定电力通信中每种业务的风险值。
优选地,所述利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型包括:利用层次分析法将电力通信系统的业务流程转换为分层的决策树结构,所述决策树结构中的节点进行分裂,直到节点无法分裂为止,以形成分层结构的电力通信业务模型。
根据本发明的另一方面,提供一种基于模糊化决策树的电力通信业务风险计算系统,所述系统包括:
分解单元,利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型;
权重分配单元,确定所建立的分层结构的电力通信业务模型中至少两个叶子节点中每个叶子节点的风险指标,并且为至少两个风险指标中的每个风险指标确定权重值;
一致性检验单元,对所述至少两个风险指标进行一致性检验并且当通过一致性检验后将所述至少两个风险指标作为输入数据;
模型生成单元,将所述输入数据中的一部分数据作为训练数据,建立训练模型;
模型测试单元,将所述输入数据中的另一部分数据作为测试数据,对所述训练模型进行测试;
分类单元,当训练模型通过测试时,利用训练模型对输入数据进行分类,得到分类结果;以及
风险计算单元,根据分类结果进行分类计算以确定电力通信中每种业务的风险值。
优选地,其中分解单元利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型包括:利用决策树层次分析法对电力通信系统中所有业务流程进行分解,建立分层结构的电力通信业务的决策树,其中所述决策树包括根节点、中间节点和叶子节点。
优选地,所述为至少两个风险指标中的每个风险指标确定权重值包括:根据风险类型为至少两个风险指标中的每个风险指标确定权重值。
优选地,其中通过每种业务的影响程序和发生概率来确定确定电力通信中每种业务的风险值。
优选地,所述利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型包括:利用层次分析法将电力通信系统的业务流程转换为分层的决策树结构,所述决策树结构中的节点进行分裂,直到节点无法分裂为止,以形成分层结构的电力通信业务模型。
本发明通过对通道承载业务等真实环境的模型的评估,有效的给出设备或网络故障是否影响电力业务,以及可能影响哪些类型的业务,影响程度大小等的决策和判断。通过建立电力通信网络的业务质量评价指标方法,从通信网络的设计规划、运行和管理等阶段的评估目标出发,设计客观、科学、全面的评价指标,明确各阶段网络评估目标,并结合电力数据网在运行保障和业务质量监测等方面的要求,研究支撑业务质量评价的数据网评估架构。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明实施方式的电力通信业务风险计算方法的流程图;
图2为根据本发明实施方式的电力通信业务风险决策树的结构示意图;
图3为根据本发明另一实施方式的电力通信业务风险计算方法的流程图;
图4为根据本发明实施方式的模糊化决策树的电力通信业务风险的示意图;以及
图5为根据本发明实施方式的电力通信业务风险计算系统的结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
在现实生活中,存在多种对风险的定义。其中,IS013335中将风险定义为:特定的威胁利用资产的脆弱性(安全漏洞),造成资产损失或破坏的可能性。学术上,把风险定义为在达到一个目标或目的要求过程中的不确定性,并且认为风险与不确定性事件发生的概率及其造成的可能损失有关。
在威胁行为发现资产的某种漏洞但尚未发生安全事件之前,将威胁级别T与漏洞级别V的组合称为资产的潜在损坏度C,记为C=f1(T,V)。当威胁行为在特定资产上发生作用后,就对资产造成了真正的影响。其中,影响的程度I不仅仅取决于威胁级别T和漏洞级别V的大小,还取决于资产的价值A,因此,I=f2(C,A)。其中,I由威胁级别T、漏洞级别V以及资产的价值A这3个元素构成,即可以将其表示为I=f3(T,V,A)。威胁行为一旦发生,对资产的价值造成的影响与威胁事件发生的概率构成函数,就得到了最终的风险值R,其中R=f(P,I),即,风险值R=风险的发生概率P*风险的影响程度I。
风险的发生概率P与安全措施的缺乏程度LCM及漏洞级别V有关,当安全措施的缺乏程度LCM越高,则风险的发生概率P就越大,即:
P=f4(LCM,V)
通常,风险值的计算方式为:
R=f(P,I)=f(f4(LCM,V),f3(T,V,A))=f‘(LCM,T,V,A)。因此,确定了上述四个参数的值之后,可以对风险值进行量化。
图1为根据本发明实施方式的电力通信业务风险计算方法100的流程图。优选地,风险计算方法100针对多业务颗粒的业务以及存在多种交叉连接技术。风险计算方法100在接入层主要考虑以快速、灵活、多样方式面向终端用户提供各种接入服务,要求设备具有良好的多业务传送能力和网络扩展性,实现多业务传送能力汇合传送组网。风险计算方法100提出了电力通信网络从传送—接入—终端的多颗粒业务分布式服务质量的综合计算方式,有利于明确业务规划组织安排的合理性。
优选地,风险计算方法100采用主客观权值确定方法,得到的指标权值更加符合决策要求,有利于保证评估结果更加贴近实际需求。风险计算方法100根据构建的电力通信网风险评估模型,有效避免了不同指标量化维度不同对评估过程的影响,并且本发明的评估不仅能够反映网络整体的运行水平,而且能够发现网络运行过程中的脆弱部分,有利于指导维护。
如图1所示,风险计算方法100从步骤101处开始。在步骤101处,利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型。通常地,电力通信系统的业务流程是错综复杂的。为了能够确定电力通信系统的风险值,必须对所有业务流程中的所有相关风险指标进行计算。优选地,风险计算方法100首先对业务流程进行资产脆弱性的拆解。进而,对于每项脆弱性因素,再进行威胁的拆解。对于每项威胁,按照具有有效措施和缺乏有效措施进行分类。通过评估与电力通信系统的风险有直接影响的主要因素,并且将这些因素对风险的影响通过合理的算法融合到项目的风险度量指标中,便可获得不确定事件发生的概率及其产生后果的影响程度,进而获得电力通信系统的风险大小。图2为根据本发明实施方式的电力通信业务风险决策树的结构示意图。如图2所示,电力通信业务风险的初始分类可以为:通信设备故障风险、一个或多个通信站安全风险、运行管理风险和人为安全风险等。其中,通信设备故障风险、一个或多个通信站安全风险、运行管理风险和人为安全风险等均代表不同的类别。优选地,每种类别中均包括多种不同的属性。
通常,利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型包括:利用层次分析法将电力通信系统的业务流程转换为分层的决策树结构,所述决策树结构中的节点进行分裂,直到节点无法分裂为止,以形成分层结构的电力通信业务模型。通常,从决策树的根节点开始进行构建,如图2所示。优选地,对中间节点和叶子节点进行分裂以生成新的节点。当中间节点或叶子节点可以分裂时,则分裂出新的节点(可能是新的中间节点或叶子节点)。当中间节点或叶子节点不能继续分裂时,则停止。由此,可以获得由电力通信系统中各种业务的风险作为叶子节点的决策树。优选地,将所述决策树作为电力通信业务模型。
优选地,在步骤102,确定所建立的分层结构的电力通信业务模型中至少两个叶子节点中每个叶子节点的风险指标,并且为至少两个风险指标中的每个风险指标确定权重值。优选地,风险计算方法100遍历决策树中的每个节点,确定分层结构的电力通信业务模型中至少两个叶子节点中每个叶子节点的风险指标。优选地,风险指标例如是,同步数字体系(SDH,Synchronous Digital Hierarchy)设备故障风险、脉冲编码调制(PCM,Pulse CodeModulation)设备故障风险、光纤复合架空地线(OPGW,Optical Fiber CompositeOverhead Ground Wire)故障风险、全介质自承式光缆(ADSS,All Dielectric Self-Supporting Optical Fiber Cable)故障风险、管道光缆故障风险、路由器和交换机故障风险、光收发器故障风险、协议转换器故障风险、线缆故障风险、电源故障风险(直流电源、不间断电源(UPS,Uninterruptible Power System))、蓄电池故障风险、以及供电线路故障风险。
优选地,在步骤103处,对所述至少两个风险指标进行一致性检验并且当通过一致性检验后将所述至少两个风险指标作为输入数据。通常,为了使计算结果正确,必须检验各个数据之间的协调性,避免出现A比B重要,B比C重要,而C又比A重要这样的矛盾情况出现。
优选地,在步骤104处,将所述输入数据中的一部分数据作为训练数据,建立训练模型。风险计算方法100将输入数据进行划分,并且将其中的一部分用于进行模型训练,根据训练结果确定训练模型。
优选地,决策树构建、风险指标确定以及模型训练的内容的具体伪代码如下:
输入数据:数据集D(数据集D共有k个属性,其中第k个属性是D的类标号)输出数据:决策树分类器
1.计算各节点的信息增益率。
for(i=0;i<=k;i++)
{
//如果属性是离散属性,计算其风险增益率
if(type(attribute[i])==dispersed)
{
GainRatio=gainRatio(i);
}
else
{
//对数据集按照连续属性排序并找到最优业务风险指标,然后根据最优业务风险指标找到最佳分界点;
DD1=sortDt(attribute[i]);
Point p[]=searchForPoint(D1);
Gini[]gn=gini(p);
giniMin=searchForMinGini(gn);
Pointpm=searchPointByGini(gn[min]);
//计算最佳分界点的风险损益;
GainRatio=gainRatio(pm);
}
2.采用再代入估计生成决策树。
//NodeNumber表示决策树当前叶子节点的个数。对于每一次节点的分裂,都把新分裂出的节点看做叶子节点,进行如下操作。
while(node.type=new)
{
//DFDT表示决策树泛化误差
DFDT=deviationForDecisionTree();
//如果泛化误差大于某特定值则决策树继续分裂,否则停止树的增长;
if(DFDT>){
TreeGrowth();
Node.type=old;
}
else
{
StopTreeGrowth();
}
}
优选地,为了便于描述信息增益率的计算过程,做如下假定:
设训练集为D,|D|表示D的记录个数,D的类标号集合为C,C={C1、C2…Cm},|Ci|表示类标号为Ci的记录个数,按类标号可将训练集划分为m个不同的数据子集Di(1、i…m)。设D的属性集合为An,An={A1、A2…An},其中第i(1、i…n)个属性Ai有w个不同的取值{a1i、a2i…awi},按照该属性,数据集被划分为w个不同的子集,|DAi|表示子集DAi的样本数,|CAi|表示子集DAi中类别Ci的数目。
通常,用Entropy(D)表示数据集的信息熵、用EntropyA(D)表示按照属性Ai划分数据集的信息熵、用Gain(Ai)表示按照属性Ai划分训练集的信息增益、用SplitInfoA(D)表示划分信息以及用GainRatio(Ai)表示按照属性Ai划分数据集的信息增益率。
优选地,在步骤105,将所述输入数据中的另一部分数据作为测试数据,对所述训练模型进行测试。风险计算方法100将输入数据中的另一部分用于进行模型测试,并且根据测试结果来确定上面确定的训练模型是否可用。
优选地,在步骤106,当训练模型通过测试时,利用训练模型对输入数据进行分类,得到分类结果。优选地,风险计算方法100当训练模型通过测试时,则确定训练模型可用。然后,为了能够更为清晰地反映各类风险指标的风险值,风险计算方法100利用训练模型对输入数据进行分类,得到分类结果。优选地,风险计算方法100根据分类的输入数据进行风险值计算。
优选地,面向规划、辅助运维支撑的电力通信网络仿真建模及业务质量评价技术通常借助先进的信息技术手段,对电力通信网络中实际多变和复杂的场景进行多维度、纵深化仿真。这种方式旨在应用合适的信息构建方法,将电力通信网络中的基本组件建模为信息网络中的元素、通过模拟组件之间的相互制约、关联关系,映射到网络中元素之间的相应关系,进而模拟真实的网络运行环境,构建电力通信多层网络联合风险评估方法。
优选地,在步骤107,根据分类结果进行分类计算以确定电力通信中每种业务的风险值。优选地,风险计算方法100涉及到的参数定义如下:在确定权重之后,要针对每一项风险指标计算风险影响程度与风险发生概率。风险影响程度仍需要由系统预先确定并且可以动态调整,并且根据设备故障数据计算得到风险发生概率。在获得风险影响程度和风险发生概率后,按照风险计算公式计算风险值,风险计算公式如下所示:
R=A×P
其中R为风险指标的风险值,A为风险指标的影响程度,P为风险指标的发生概率。表1给出了根据风险计算方法100计算的电力通信业务风险值的实例。
表1.电力通信业务风险值计算
通过初步计算表明,业务风险计算的最佳分界点必定出现在边界处。基于这一结论可以降低连续属性离散化的时间复杂度。以对数据集排序为例,首先按照其连续属性数值的大小对数据集进行排序,然后找出记录中类标号发生变化的点,最后计算这些点两边的业务风险评估连续属性平均值,把这些平均值作为业务风险评估边界点。在最好的情况下,按照连续属性排序后,各个记录按照其类标号刚好集中在一起,此时只有一个分界点。而在最差的情况下,按照连续属性排序后,各个类标号都不同,此时分界点的个数为预测集数据总数减1。因此用边界定理可以减少计算次数,提高计算业务风险评估效率。
图3为根据本发明另一实施方式的电力通信业务风险计算方法300的流程图。优选地,风险计算方法300针对多业务颗粒的业务以及存在多种交叉连接技术。风险计算方法300在接入层主要考虑以快速、灵活、多样方式面向终端用户提供各种接入服务,要求设备具有良好的多业务传送能力和网络扩展性,实现多业务传送能力汇合传送组网。风险计算方法300提出了电力通信网络从传送—接入—终端的多颗粒业务分布式服务质量的综合计算方式,有利于明确业务规划组织安排的合理性。
优选地,风险计算方法300采用主客观权值确定方法,得到的指标权值更加符合决策要求,有利于保证评估结果更加贴近实际需求。风险计算方法300根据构建的电力通信网风险评估模型,有效避免了不同指标量化维度不同对评估过程的影响,并且本发明的评估不仅能够反映网络整体的运行水平,而且能够发现网络运行过程中的脆弱部分,有利于指导维护。
如图3所示,风险计算方法300从步骤301处开始。在步骤301处,建立分层结构的决策树。通常地,电力通信系统的业务流程是错综复杂的。为了能够确定电力通信系统的风险值,必须对所有业务流程中的所有相关风险指标进行计算。优选地,风险计算方法300首先对业务流程进行资产脆弱性的拆解。进而,对于每项脆弱性因素,再进行威胁的拆解。对于每项威胁,按照具有有效措施和缺乏有效措施进行分类。通过评估与电力通信系统的风险有直接影响的主要因素,并且将这些因素对风险的影响通过合理的算法融合到项目的风险度量指标中,便可获得不确定事件发生的概率及其产生后果的影响程度,进而获得电力通信系统的风险大小
通常,利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型包括:利用层次分析法将电力通信系统的业务流程转换为分层的决策树结构,所述决策树结构中的节点进行分裂,直到节点无法分裂为止,以形成分层结构的电力通信业务模型。通常,从决策树的根节点开始进行构建,如图2所示。优选地,对中间节点和叶子节点进行分裂以生成新的节点。当中间节点或叶子节点可以分裂时,则分裂出新的节点(可能是新的中间节点或叶子节点)。当中间节点或叶子节点不能继续分裂时,则停止。由此,可以获得由电力通信系统中各种业务的风险作为叶子节点的决策树。优选地,将所述决策树作为电力通信业务模型。
优选地,在步骤302,为风险指标赋予权重值。优选地,风险计算方法300遍历决策树中的每个节点,确定分层结构的电力通信业务模型中至少两个叶子节点中每个叶子节点的风险指标。优选地,风险指标例如是,同步数字体系SDH设备故障风险、脉冲编码调制PCM设备故障风险、光纤复合架空地线OPGW故障风险、全介质自承式光缆ADSS故障风险、管道光缆故障风险、路由器和交换机故障风险、光收发器故障风险、协议转换器故障风险、线缆故障风险、电源故障风险(直流电源、不间断电源(UPS,Uninterruptible Power System))、蓄电池故障风险、以及供电线路故障风险。
优选地,在步骤303处,对所述至少两个风险指标进行一致性检验并且当通过一致性检验后将所述至少两个风险指标作为输入数据。通常,为了使计算结果正确,必须检验各个数据之间的协调性,避免出现A比B重要,B比C重要,而C又比A重要这样的矛盾情况出现。
优选地,在步骤304处,将所述输入数据中的一部分数据作为训练数据,建立训练模型。风险计算方法300将输入数据进行划分,并且将其中的一部分用于进行模型训练,根据训练结果确定训练模型。并且将输入数据中的另一部分数据作为测试数据。
通常,设训练集为D,|D|表示D的记录个数,D的类标号集合为C,C={C1、C2…Cm},|Ci|表示类标号为Ci的记录个数,按类标号可将训练集划分为m个不同的数据子集Di(1、i…m)。设D的属性集合为An,An={A1、A2…An},其中第i(1、i…n)个属性Ai有w个不同的取值{a1i、a2i…awi},按照该属性,数据集被划分为w个不同的子集,|DAi|表示子集DAi的样本数,|CAi|表示子集DAi中类别Ci的数目。
通常,用Entropy(D)表示数据集的信息熵、用EntropyA(D)表示按照属性Ai划分数据集的信息熵、用Gain(Ai)表示按照属性Ai划分训练集的信息增益、用SplitInfoA(D)表示划分信息以及用GainRatio(Ai)表示按照属性Ai划分数据集的信息增益率。
优选地,在步骤305,获得训练数据。
优选地,在步骤306,进行数据的训练和学习。
优选地,在步骤307,根据训练结果确定训练模型.
优选地,在步骤308,将所述输入数据中的另一部分数据作为测试数据,并且训练模型调用所述测试数据对所述训练模型进行测试。风险计算方法300根据测试结果来确定上面确定的训练模型是否可用。
优选地,在步骤309,当训练模型通过测试时,利用训练模型对输入数据进行分类,得到分类结果。优选地,风险计算方法300当训练模型通过测试时,则确定训练模型可用。然后,为了能够更为清晰地反映各类风险指标的风险值,风险计算方法300利用训练模型对输入数据进行分类,得到分类结果。优选地,风险计算方法300根据分类的输入数据进行风险值计算。
随后,风险计算方法300根据分类结果进行分类计算以确定电力通信中每种业务的风险值。优选地,风险计算方法300涉及到的参数定义如下:在确定权重之后,要针对每一项风险指标计算风险影响程度与风险发生概率。风险影响程度仍需要由系统预先确定并且可以动态调整,并且根据设备故障数据计算得到风险发生概率。在获得风险影响程度和风险发生概率后,按照风险计算公式计算风险值,风险计算公式如下所示:
R=A×P
其中R为风险指标的风险值,A为风险指标的影响程度,P为风险指标的发生概率。
图4为根据本发明实施方式的模糊化决策树的电力通信业务风险的示意图。如图4所示,基于模糊化决策树的电力通信业务风险评估方法包括:端到端质量评估、传输网络评估指标、统计分析指标计算方法、权重设计方法、故障检测及定位理论、风险评估方法以及光网络虚拟化。其中,端到端质量评估包括:质量评估、网络层QoS、光层QoS以及评估模型。优选地,传输网络评估指标包括:指标体系建立原则和参数指标分类方法。优选地,统计分析指标计算方法包括:布尔代数法、多项式法、模糊指标法、人工神经网络以及遗传算法。优选地,权重设计方法包括:构造比较判断矩阵。优选地,故障检测及定位理论包括:基于规则推理的故障定位方法、基于案例推理的故障定位方法以及基于模型的故障定位方法。优选地,风险评估方法包括:风险发生概率以及风险的影响。以及优选地,光网络虚拟化包括:光正交频分复用技术。
图5为根据本发明实施方式的电力通信业务风险计算系统500的结构图。优选地,风险计算系统500针对多业务颗粒的业务以及存在多种交叉连接技术。风险计算系统500在接入层主要考虑以快速、灵活、多样方式面向终端用户提供各种接入服务,要求设备具有良好的多业务传送能力和网络扩展性,实现多业务传送能力汇合传送组网。风险计算系统500提出了电力通信网络从传送—接入—终端的多颗粒业务分布式服务质量的综合计算方式,有利于明确业务规划组织安排的合理性。
优选地,风险计算系统500采用主客观权值确定方法,得到的指标权值更加符合决策要求,有利于保证评估结果更加贴近实际需求。风险计算系统500根据构建的电力通信网风险评估模型,有效避免了不同指标量化维度不同对评估过程的影响,并且本发明的评估不仅能够反映网络整体的运行水平,而且能够发现网络运行过程中的脆弱部分,有利于指导维护。
如图5所示,风险计算系统500包括:分解单元501、权重分配单元502、一致性检验单元503、模型生成单元504、模型测试单元505、分类单元506以及风险计算单元507。优选地,分解单元501利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型。通常地,电力通信系统的业务流程是错综复杂的。为了能够确定电力通信系统的风险值,必须对所有业务流程中的所有相关风险指标进行计算。优选地,风险计算系统500对首先对业务流程进行资产脆弱性的拆解。进而,对于每项脆弱性因素,再进行威胁的拆解。对于每项威胁,按照具有有效措施和缺乏有效措施进行分类。通过评估与电力通信系统的风险有直接影响的主要因素,并且将这些因素对风险的影响通过合理的算法融合到项目的风险度量指标中,便可获得不确定事件发生的概率及其产生后果的影响程度,进而获得电力通信系统的风险大小。如图2所示,电力通信业务风险的初始分类可以为:通信设备故障风险、一个或多个通信站安全风险、运行管理风险和人为安全风险等。其中,通信设备故障风险、一个或多个通信站安全风险、运行管理风险和人为安全风险等均代表不同的类别。优选地,每种类别中均包括多种不同的属性。
通常,利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型包括:利用层次分析法将电力通信系统的业务流程转换为分层的决策树结构,所述决策树结构中的节点进行分裂,直到节点无法分裂为止,以形成分层结构的电力通信业务模型。通常,从决策树的根节点开始进行构建,如图2所示。优选地,对中间节点和叶子节点进行分裂以生成新的节点。当中间节点或叶子节点可以分裂时,则分裂出新的节点(可能是新的中间节点或叶子节点)。当中间节点或叶子节点不能继续分裂时,则停止。由此,可以获得由电力通信系统中各种业务的风险作为叶子节点的决策树。优选地,将所述决策树作为电力通信业务模型。
优选地,权重分配单元502确定所建立的分层结构的电力通信业务模型中至少两个叶子节点中每个叶子节点的风险指标,并且为至少两个风险指标中的每个风险指标确定权重值。优选地,风险计算系统500遍历决策树中的每个节点,确定分层结构的电力通信业务模型中至少两个叶子节点中每个叶子节点的风险指标。优选地,风险指标例如是,同步数字体系SDH设备故障风险、脉冲编码调制PCM设备故障风险、光纤复合架空地线OPGW故障风险、全介质自承式光缆ADSS故障风险、管道光缆故障风险、路由器和交换机故障风险、光收发器故障风险、协议转换器故障风险、线缆故障风险、电源故障风险(直流电源、不间断电源UPS)、蓄电池故障风险、以及供电线路故障风险。
优选地,一致性检验单元503对所述至少两个风险指标进行一致性检验并且当通过一致性检验后将所述至少两个风险指标作为输入数据。通常,为了使计算结果正确,必须检验各个数据之间的协调性,避免出现A比B重要,B比C重要,而C又比A重要这样的矛盾情况出现。
优选地,模型生成单元504将所述输入数据中的一部分数据作为训练数据,建立训练模型。风险计算系统500将输入数据进行划分,并且将其中的一部分用于进行模型训练,根据训练结果确定训练模型。
优选地,为了便于描述信息增益率的计算过程,做如下假定:
设训练集为D,|D|表示D的记录个数,D的类标号集合为C,C={C1、C2…Cm},|Ci|表示类标号为Ci的记录个数,按类标号可将训练集划分为m个不同的数据子集Di(1、i…m)。设D的属性集合为An,An={A1、A2…An},其中第i(1、i…n)个属性Ai有w个不同的取值{a1i、a2i…awi},按照该属性,数据集被划分为w个不同的子集,|DAi|表示子集DAi的样本数,|CAi|表示子集DAi中类别Ci的数目。
通常,用Entropy(D)表示数据集的信息熵、用EntropyA(D)表示按照属性Ai划分数据集的信息熵、用Gain(Ai)表示按照属性Ai划分训练集的信息增益、用SplitInfoA(D)表示划分信息以及用GainRatio(Ai)表示按照属性Ai划分数据集的信息增益率。
优选地,模型测试单元505将所述输入数据中的另一部分数据作为测试数据,对所述训练模型进行测试。风险计算系统500将输入数据中的另一部分用于进行模型测试,并且根据测试结果来确定上面确定的训练模型是否可用。
优选地,当训练模型通过测试时,分类单元506利用训练模型对输入数据进行分类,得到分类结果。优选地,风险计算系统500当训练模型通过测试时,则确定训练模型可用。然后,为了能够更为清晰地反映各类风险指标的风险值,风险计算系统500利用训练模型对输入数据进行分类,得到分类结果。优选地,风险计算系统500根据分类的输入数据进行风险值计算。
优选地,面向规划、辅助运维支撑的电力通信网络仿真建模及业务质量评价技术通常借助先进的信息技术手段,对电力通信网络中实际多变和复杂的场景进行多维度、纵深化仿真。这种方式旨在应用合适的信息构建方法,将电力通信网络中的基本组件建模为信息网络中的元素、通过模拟组件之间的相互制约、关联关系,映射到网络中元素之间的相应关系,进而模拟真实的网络运行环境,构建电力通信多层网络联合风险评估方法。
优选地,风险计算单元507根据分类结果进行分类计算以确定电力通信中每种业务的风险值。优选地,风险计算系统500涉及到的参数定义如下:在确定权重之后,要针对每一项风险指标计算风险影响程度与风险发生概率。风险影响程度仍需要由系统预先确定并且可以动态调整,并且根据设备故障数据计算得到风险发生概率。在获得风险影响程度和风险发生概率后,按照风险计算公式计算风险值,风险计算公式如下所示:
R=A×P
其中R为风险指标的风险值,A为风险指标的影响程度,P为风险指标的发生概率。
通过初步计算表明,业务风险计算的最佳分界点必定出现在边界处。基于这一结论可以降低连续属性离散化的时间复杂度。以对数据集排序为例,首先按照其连续属性数值的大小对数据集进行排序,然后找出记录中类标号发生变化的点,最后计算这些点两边的业务风险评估连续属性平均值,把这些平均值作为业务风险评估边界点。在最好的情况下,按照连续属性排序后,各个记录按照其类标号刚好集中在一起,此时只有一个分界点。而在最差的情况下,按照连续属性排序后,各个类标号都不同,此时分界点的个数为预测集数据总数减1。因此用边界定理可以减少计算次数,提高计算业务风险评估效率。
已经通过参考少量实施方式描述了本发明。然而,本领域技术人员所公知的,正如附带的专利权利要求所限定的,除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地,在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释,除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例,除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行,除非明确地说明。
Claims (10)
1.一种基于模糊化决策树的电力通信业务风险计算方法,所述方法包括:
利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型;
确定所建立的分层结构的电力通信业务模型中至少两个叶子节点中每个叶子节点的风险指标,并且为至少两个风险指标中的每个风险指标确定权重值;
对所述至少两个风险指标进行一致性检验并且当通过一致性检验后将所述至少两个风险指标作为输入数据;
将所述输入数据中的一部分数据作为训练数据,建立训练模型;
将所述输入数据中的另一部分数据作为测试数据,对所述训练模型进行测试;
当训练模型通过测试时,利用训练模型对输入数据进行分类,得到分类结果;以及
根据分类结果进行分类计算以确定电力通信中每种业务的风险值。
2.根据权利要求1所述的方法,其中利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型包括:利用决策树层次分析法对电力通信系统中所有业务流程进行分解,建立分层结构的电力通信业务的决策树,其中所述决策树包括根节点、中间节点和叶子节点。
3.根据权利要求1所述的方法,所述为至少两个风险指标中的每个风险指标确定权重值包括:根据风险类型为至少两个风险指标中的每个风险指标确定权重值。
4.根据权利要求1所述的方法,其中通过每种业务的影响程序和发生概率来确定确定电力通信中每种业务的风险值。
5.根据权利要求1所述的方法,所述利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型包括:利用层次分析法将电力通信系统的业务流程转换为分层的决策树结构,所述决策树结构中的节点进行分裂,直到节点无法分裂为止,以形成分层结构的电力通信业务模型。
6.一种基于模糊化决策树的电力通信业务风险计算系统,所述系统包括:
分解单元,利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型;
权重分配单元,确定所建立的分层结构的电力通信业务模型中至少两个叶子节点中每个叶子节点的风险指标,并且为至少两个风险指标中的每个风险指标确定权重值;
一致性检验单元,对所述至少两个风险指标进行一致性检验并且当通过一致性检验后将所述至少两个风险指标作为输入数据;
模型生成单元,将所述输入数据中的一部分数据作为训练数据,建立训练模型;
模型测试单元,将所述输入数据中的另一部分数据作为测试数据,对所述训练模型进行测试;
分类单元,当训练模型通过测试时,利用训练模型对输入数据进行分类,得到分类结果;以及
风险计算单元,根据分类结果进行分类计算以确定电力通信中每种业务的风险值。
7.根据权利要求6所述的系统,其中分解单元利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型包括:利用决策树层次分析法对电力通信系统中所有业务流程进行分解,建立分层结构的电力通信业务的决策树,其中所述决策树包括根节点、中间节点和叶子节点。
8.根据权利要求6所述的系统,所述为至少两个风险指标中的每个风险指标确定权重值包括:根据风险类型为至少两个风险指标中的每个风险指标确定权重值。
9.根据权利要求6所述的系统,其中通过每种业务的影响程序和发生概率来确定确定电力通信中每种业务的风险值。
10.根据权利要求6所述的系统,所述利用层次分析法对电力通信系统的业务流程进行分解,建立分层结构的电力通信业务模型包括:利用层次分析法将电力通信系统的业务流程转换为分层的决策树结构,所述决策树结构中的节点进行分裂,直到节点无法分裂为止,以形成分层结构的电力通信业务模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610317670.5A CN106022583A (zh) | 2016-05-12 | 2016-05-12 | 基于模糊化决策树的电力通信业务风险计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610317670.5A CN106022583A (zh) | 2016-05-12 | 2016-05-12 | 基于模糊化决策树的电力通信业务风险计算方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106022583A true CN106022583A (zh) | 2016-10-12 |
Family
ID=57100317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610317670.5A Pending CN106022583A (zh) | 2016-05-12 | 2016-05-12 | 基于模糊化决策树的电力通信业务风险计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106022583A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106656572A (zh) * | 2016-11-18 | 2017-05-10 | 北京市天元网络技术股份有限公司 | 一种电力通信通道隐患点分析方法及装置 |
CN106874779A (zh) * | 2017-03-10 | 2017-06-20 | 广东工业大学 | 一种数据挖掘隐私保护方法及系统 |
CN107451710A (zh) * | 2017-04-27 | 2017-12-08 | 北京鼎泰智源科技有限公司 | 一种信息风险等级五级分类方法及系统 |
CN108427624A (zh) * | 2017-02-13 | 2018-08-21 | 阿里巴巴集团控股有限公司 | 一种系统稳定性风险的识别方法以及设备 |
CN108549984A (zh) * | 2018-04-12 | 2018-09-18 | 南京南瑞继保电气有限公司 | 一种基于模糊ahp的电力通信传输网性能综合评估方法 |
CN108696385A (zh) * | 2018-03-30 | 2018-10-23 | 中国电力科学研究院有限公司 | 基于EXata的电力系统中SDH光传输网的仿真方法 |
CN109086290A (zh) * | 2018-06-08 | 2018-12-25 | 广东万丈金数信息技术股份有限公司 | 基于多源数据决策树的注册信息真实性判断方法及系统 |
CN109190872A (zh) * | 2018-07-05 | 2019-01-11 | 珠海许继芝电网自动化有限公司 | 一种配电网供电安全性综合评价方法 |
CN109325704A (zh) * | 2018-10-11 | 2019-02-12 | 四川海纳仁东科技有限公司 | 基于粗糙集-grnn算法的危废处置过程风险评价方法 |
CN110766272A (zh) * | 2019-09-11 | 2020-02-07 | 国网浙江省电力有限公司杭州供电公司 | 基于id3决策树算法的电力业务协同分类方法及系统 |
CN110796331A (zh) * | 2019-09-11 | 2020-02-14 | 国网浙江省电力有限公司杭州供电公司 | 基于c4.5决策树算法的电力业务协同分类方法及系统 |
CN110827169A (zh) * | 2019-10-30 | 2020-02-21 | 云南电网有限责任公司信息中心 | 一种基于分级指标的分布式电网业务监控方法 |
CN111027827A (zh) * | 2019-11-27 | 2020-04-17 | 广东信通通信有限公司 | 保底通信网运行风险分析的方法、装置及计算机设备 |
CN112966003A (zh) * | 2021-03-02 | 2021-06-15 | 广州汇通国信科技有限公司 | 一种基于神经网络算法的数据质量问题排查方法 |
CN113393117A (zh) * | 2021-06-11 | 2021-09-14 | 天闻数媒科技(湖南)有限公司 | 业务评价模型的构建方法、装置、设备及存储介质 |
CN114244691A (zh) * | 2020-09-09 | 2022-03-25 | 中国移动通信有限公司研究院 | 视频业务的故障定位方法、装置及电子设备 |
CN115019061A (zh) * | 2022-08-03 | 2022-09-06 | 清华大学 | 一种基于深度神经网络信息熵估计的熵优化方法 |
CN115833935A (zh) * | 2022-10-31 | 2023-03-21 | 国网山东省电力公司信息通信公司 | 基于决策树的电力光传输系统故障定位方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630347A (zh) * | 2009-08-20 | 2010-01-20 | 同济大学 | 山区高速公路滑坡风险评价模型 |
CN102609778A (zh) * | 2012-02-17 | 2012-07-25 | 广东省电力调度中心 | 一种电力通信网风险评估方法及装置 |
CN102663240A (zh) * | 2012-03-23 | 2012-09-12 | 广东省电力调度中心 | 电力通信业务风险分析系统及评估方法 |
CN103310027A (zh) * | 2013-07-09 | 2013-09-18 | 中国人民解放军信息工程大学 | 用于地图模板匹配的规则提取方法 |
CN104715318A (zh) * | 2014-12-04 | 2015-06-17 | 国家电网公司 | 面向通信网络的多维度运行风险评价方法 |
CN105160546A (zh) * | 2015-08-07 | 2015-12-16 | 北京思特奇信息技术股份有限公司 | 一种构建和分析社交网络的方法及系统 |
CN105335816A (zh) * | 2015-10-13 | 2016-02-17 | 国网安徽省电力公司铜陵供电公司 | 基于深度学习的电力通信网运行趋势与业务风险分析方法 |
CN105469317A (zh) * | 2015-11-18 | 2016-04-06 | 中国电力科学研究院 | 一种电力通信网络可靠性分析方法 |
CN105469194A (zh) * | 2015-11-18 | 2016-04-06 | 中国电力科学研究院 | 一种基于负荷持续曲线的配电网主设备运行效率评价方法 |
-
2016
- 2016-05-12 CN CN201610317670.5A patent/CN106022583A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630347A (zh) * | 2009-08-20 | 2010-01-20 | 同济大学 | 山区高速公路滑坡风险评价模型 |
CN102609778A (zh) * | 2012-02-17 | 2012-07-25 | 广东省电力调度中心 | 一种电力通信网风险评估方法及装置 |
CN102663240A (zh) * | 2012-03-23 | 2012-09-12 | 广东省电力调度中心 | 电力通信业务风险分析系统及评估方法 |
CN103310027A (zh) * | 2013-07-09 | 2013-09-18 | 中国人民解放军信息工程大学 | 用于地图模板匹配的规则提取方法 |
CN104715318A (zh) * | 2014-12-04 | 2015-06-17 | 国家电网公司 | 面向通信网络的多维度运行风险评价方法 |
CN105160546A (zh) * | 2015-08-07 | 2015-12-16 | 北京思特奇信息技术股份有限公司 | 一种构建和分析社交网络的方法及系统 |
CN105335816A (zh) * | 2015-10-13 | 2016-02-17 | 国网安徽省电力公司铜陵供电公司 | 基于深度学习的电力通信网运行趋势与业务风险分析方法 |
CN105469317A (zh) * | 2015-11-18 | 2016-04-06 | 中国电力科学研究院 | 一种电力通信网络可靠性分析方法 |
CN105469194A (zh) * | 2015-11-18 | 2016-04-06 | 中国电力科学研究院 | 一种基于负荷持续曲线的配电网主设备运行效率评价方法 |
Non-Patent Citations (1)
Title |
---|
劳志烜: "基于模糊层次法的电力通信网风险模型的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106656572B (zh) * | 2016-11-18 | 2019-12-06 | 北京市天元网络技术股份有限公司 | 一种电力通信通道隐患点分析方法及装置 |
CN106656572A (zh) * | 2016-11-18 | 2017-05-10 | 北京市天元网络技术股份有限公司 | 一种电力通信通道隐患点分析方法及装置 |
CN108427624B (zh) * | 2017-02-13 | 2021-03-02 | 创新先进技术有限公司 | 一种系统稳定性风险的识别方法以及设备 |
CN108427624A (zh) * | 2017-02-13 | 2018-08-21 | 阿里巴巴集团控股有限公司 | 一种系统稳定性风险的识别方法以及设备 |
CN106874779A (zh) * | 2017-03-10 | 2017-06-20 | 广东工业大学 | 一种数据挖掘隐私保护方法及系统 |
CN107451710A (zh) * | 2017-04-27 | 2017-12-08 | 北京鼎泰智源科技有限公司 | 一种信息风险等级五级分类方法及系统 |
CN108696385A (zh) * | 2018-03-30 | 2018-10-23 | 中国电力科学研究院有限公司 | 基于EXata的电力系统中SDH光传输网的仿真方法 |
CN108549984A (zh) * | 2018-04-12 | 2018-09-18 | 南京南瑞继保电气有限公司 | 一种基于模糊ahp的电力通信传输网性能综合评估方法 |
CN109086290A (zh) * | 2018-06-08 | 2018-12-25 | 广东万丈金数信息技术股份有限公司 | 基于多源数据决策树的注册信息真实性判断方法及系统 |
CN109190872A (zh) * | 2018-07-05 | 2019-01-11 | 珠海许继芝电网自动化有限公司 | 一种配电网供电安全性综合评价方法 |
CN109325704A (zh) * | 2018-10-11 | 2019-02-12 | 四川海纳仁东科技有限公司 | 基于粗糙集-grnn算法的危废处置过程风险评价方法 |
CN109325704B (zh) * | 2018-10-11 | 2022-04-01 | 四川海纳仁东科技有限公司 | 基于粗糙集-grnn算法的危废处置过程风险评价方法 |
CN110766272A (zh) * | 2019-09-11 | 2020-02-07 | 国网浙江省电力有限公司杭州供电公司 | 基于id3决策树算法的电力业务协同分类方法及系统 |
CN110796331A (zh) * | 2019-09-11 | 2020-02-14 | 国网浙江省电力有限公司杭州供电公司 | 基于c4.5决策树算法的电力业务协同分类方法及系统 |
CN110827169A (zh) * | 2019-10-30 | 2020-02-21 | 云南电网有限责任公司信息中心 | 一种基于分级指标的分布式电网业务监控方法 |
CN110827169B (zh) * | 2019-10-30 | 2022-07-05 | 云南电网有限责任公司信息中心 | 一种基于分级指标的分布式电网业务监控方法 |
CN111027827A (zh) * | 2019-11-27 | 2020-04-17 | 广东信通通信有限公司 | 保底通信网运行风险分析的方法、装置及计算机设备 |
CN111027827B (zh) * | 2019-11-27 | 2023-12-19 | 广东信通通信有限公司 | 保底通信网运行风险分析的方法、装置及计算机设备 |
CN114244691A (zh) * | 2020-09-09 | 2022-03-25 | 中国移动通信有限公司研究院 | 视频业务的故障定位方法、装置及电子设备 |
CN112966003A (zh) * | 2021-03-02 | 2021-06-15 | 广州汇通国信科技有限公司 | 一种基于神经网络算法的数据质量问题排查方法 |
CN113393117A (zh) * | 2021-06-11 | 2021-09-14 | 天闻数媒科技(湖南)有限公司 | 业务评价模型的构建方法、装置、设备及存储介质 |
CN115019061A (zh) * | 2022-08-03 | 2022-09-06 | 清华大学 | 一种基于深度神经网络信息熵估计的熵优化方法 |
CN115833935A (zh) * | 2022-10-31 | 2023-03-21 | 国网山东省电力公司信息通信公司 | 基于决策树的电力光传输系统故障定位方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106022583A (zh) | 基于模糊化决策树的电力通信业务风险计算方法及系统 | |
Umunnakwe et al. | Quantitative analysis of power systems resilience: Standardization, categorizations, and challenges | |
Ouyang | Review on modeling and simulation of interdependent critical infrastructure systems | |
Huang et al. | A method for exploring the interdependencies and importance of critical infrastructures | |
Mao et al. | Assessment of the impact of interdependencies on the resilience of networked critical infrastructure systems | |
CN106101252A (zh) | 基于大数据和可信计算的信息安全风险防护系统 | |
CN111489091A (zh) | 一种电力系统恢复力综合评价方法 | |
CN103617561A (zh) | 一种电网智能变电站二次设备状态评估系统和方法 | |
CN113705085B (zh) | 一种智能电网多层次结构建模及风险评估方法 | |
Wang et al. | On machine learning-based techniques for future sustainable and resilient energy systems | |
CN102947801A (zh) | 恶意攻击检测和分析 | |
CN106230773A (zh) | 基于模糊矩阵层次分析法的风险评估系统 | |
CN113191687B (zh) | 一种弹性配电网全景信息可视化方法及系统 | |
CN109246495A (zh) | 一种面向多层次、多指标的光网络业务质量评估方法 | |
CN106327071A (zh) | 电力通信风险分析方法和系统 | |
Kandaperumal et al. | AWR: Anticipate, withstand, and recover resilience metric for operational and planning decision support in electric distribution system | |
CN108665181A (zh) | 一种配电网可靠性的评估方法和装置 | |
Sun et al. | Model for estimating the impact of interdependencies on system recovery | |
Amini et al. | Electrical energy systems resilience: A comprehensive review on definitions, challenges, enhancements and future proceedings | |
Noorazar et al. | Data‐driven operation of the resilient electric grid: A case of COVID‐19 | |
CN106548284A (zh) | 一种面向运行调控的自适应模块化电网安全预警评价方法 | |
CN107563608A (zh) | 一种配电通信网安全评估方法 | |
Stawowy | Rosi nski | |
CN106655181A (zh) | 电网节点的优先级设置方法和系统 | |
Zhu et al. | Research on operation and maintenance management risk assessment of power communication network based on DEMATEL |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161012 |