CN106100724A - 一种多波长无源光网络系统维修系统 - Google Patents

Abstract

一种多波长无源光网络系统维修系统，包括多波长无源光网络系统和维修策略获取系统，所述维修策略获取系统包括数据采集模块、数据预处理模块、风险确定模块、维修策略生成模块，所述多波长无源光网络系统，包括光线路终端、光分配网络和多个光网络单元。本发明的有益效果为：有效提升了系统的整体带宽，满足了用户的宽带业务对带宽的增长需求。

Description

一种多波长无源光网络系统维修系统

技术领域

本发明光网络领域，具体涉及一种多波长无源光网络系统维修系统。

背景技术

随着用户对带宽需求的不断增长，传统的铜线宽带接入系统越来越面临带宽瓶颈。与此同时，带宽容量巨大的光纤通信技术日益成熟且应用成本逐年下降，光接入技术，比如无源光网络，逐渐成为下一代宽带接入网的有力竞争者。

多波长无源光网络系统维修技术中，一般通过对组件进行监测，确定是否需要维修，制定的维修策略中并没有指定组件维修的先后顺序和组件维修的时间范围，容易导致因组件维修的延误导致变压器故障。

发明内容

为解决上述问题，本发明旨在提供一种多波长无源光网络系统维修系统。

本发明的目的采用以下技术方案来实现：

一种多波长无源光网络系统维修系统，包括多波长无源光网络系统和维修策略获取系统，所述维修策略获取系统包括数据采集模块、数据预处理模块、风险确定模块、维修策略生成模块，所述多波长无源光网络系统，包括光线路终端、光分配网络和多个光网络单元，所述光线路终端通过所述光分配网络以点到多点的方式连接到所述光网络单元；其中，所述多个光网络单元分成多组，每一组光网络单元分别采用不同的上下行波长，所述光分配网络包括第一级分光器和多个第二级分光器，其中所述第一级分光器包括上行公共端口、下行公共端口、多个上行分支端口和多个下行分支端口，其中所述上行公共端口和下行公共端口分别通过上行主干光纤和下行主干光纤连接到所述光线路终端，且所述第一级分光器的下行分支端口和上行分支端口分别连接下行分支光纤和上行分支光纤，并通过其中一个第二级分光器连接到一组光网络单元，所述第一级分光器的下行分支端口分别镀有透射膜，且不同透射膜具有不同的透射谱。

本发明的有益效果为：有效提升了系统的整体带宽，满足了用户的宽带业务对带宽的增长需求。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1本发明的结构示意图；

图2是维修策略获取系统的结构示意图。

附图标记：

维修策略获取系统1、数据采集模块11、数据预处理模块12、风险确定模块13、维修策略生成模块14。

具体实施方式

结合以下应用场景对本发明作进一步描述。

应用场景1

参见图1、图2，本应用场景的一个实施例的一种多波长无源光网络系统维修系统，包括多波长无源光网络系统和维修策略获取系统，所述维修策略获取系统包括数据采集模块、数据预处理模块、风险确定模块、维修策略生成模块，所述多波长无源光网络系统，包括光线路终端、光分配网络和多个光网络单元，所述光线路终端通过所述光分配网络以点到多点的方式连接到所述光网络单元；其中，所述多个光网络单元分成多组，每一组光网络单元分别采用不同的上下行波长，所述光分配网络包括第一级分光器和多个第二级分光器，其中所述第一级分光器包括上行公共端口、下行公共端口、多个上行分支端口和多个下行分支端口，其中所述上行公共端口和下行公共端口分别通过上行主干光纤和下行主干光纤连接到所述光线路终端，且所述第一级分光器的下行分支端口和上行分支端口分别连接下行分支光纤和上行分支光纤，并通过其中一个第二级分光器连接到一组光网络单元，所述第一级分光器的下行分支端口分别镀有透射膜，且不同透射膜具有不同的透射谱。

优选地，所述多个光网络单元分成四组，且所述第一级分光器包括四个下行分支端口，每个下行分支端口分别对应于其中一组光网络单元，所述四个分支端口分别镀有第一透射膜、第二透射膜、第三透射膜和第四透射膜。

本优选实施例实现分别采用多对上下行波长来分别承载不同组的光网络单元的上下行数据。

优选地，所述第一透射膜的中心透射波长为第一组光网络单元的下行波长，所述第二透射膜的中心透射波长为第二组光网络单元的下行波长，所述第三透射膜的中心透射波长为第三组光网络单元的下行波长，所述第四透射膜的中心透射波长为第四组光网络单元的下行波长。

本优选实施例在同一时间段便可以利用不同波长同时传输多个光网络单元的数据。

优选的，所述维修策略获取系统1包括数据采集模块11、数据预处理模块12、风险确定模块13、维修策略生成模块14；所述数据采集模块11用于根据监测策略采集监测数据；所述数据预处理模块12用于对监测数据进行归一化预处理；所述风险确定模块13用于确定组件的风险程度；所述维修策略生成模块14用于根据组件的风险程度，结合可维修性和经济性因素生成维修策略。

本优选实施例构建了维修策略获取系统1的模块架构。

优选的，所述监测策略包括：

(1)确定各组件中的监测项，并将监测项划分为一般监测项和关键监测项；

(2)对于一般监测项，采用无线传感器网络对监测项的健康状态进行监测并记录健康状态监测量；

对于关键监测项，采用无线传感器网络监测和人工监测相结合的方式对监测项的健康状态进行监测，设某关键监测项的无线传感器健康状态监测量为m₁，人工健康状态监测量为m₂，由于传感器监测时可能会受到温度影响，引入温度修正因子ξ，对于不受温度影响的传感器，令ξ＝1，对于受温度影响的传感器，其中T为传感器进行监测时的环境温度，T₀为传感器监测时适用的标准温度，则其最终健康状态监测量m采用下式确定：

$m=\mathrm{\ξ}\×\left\{\begin{array}{ccc}{m}_1,& if& |m_1-m_2|\≤c\\ m_2,& if& |m_1-m_2|>c\end{array}\right.$

式中，c为根据监测项合理误差范围设定的常数；

本优选实施例将监测项划分为一般监测项和关键监测项，并采用不同的方式进行监测，既节约了监测成本，又获得了可信度高的监测结果。

优选的，所述数据预处理模块12将健康状态监测量归一化表示为：

处于当健康状态监测量达到最大时对应监测项健康状态最好的情况时：

$n=1-e^{-\frac{m-L}{H-L}}$

处于当健康状态监测量达到最小时对应监测项健康状态最好的情况时，

$n=1-e^{-\frac{H-m}{H-L}}$

式中，m表示某一监测项的原始健康状态监测量，n表示该监测项归一化后的健康状态监测量，L为该监测项的健康状态监测量下限值，H为该监测项的健康状态监测量上限值。

由于不同的监测项目所采取的监测手段不同，得到的监测结果的数量级不同，单位也不同，本优选实施例对健康状态监测量进行归一化处理，方便对组件进行综合评估。

优选的，所述确定组件的风险程度，包括：

(1)将来源多样的监测数据归一化之后的健康状态监测量加权平均，得到组件健康状态监测指标：

$s=\frac{{\mathrm{\Σ}}_{i=1}^k{n}_i{w}_i}{{\mathrm{\Σ}}_{i=1}^k{w}_i}$

式中，s表示组件健康状态监测指标，n_i为第i个监测项的健康状态监测量，i＝1,2,…,k，w_i为根据每一个健康状态监测量n_i在组件中的重要程度设置的权重因子；

设定安全阈值T_s，T_s∈[0.4，0.5]，若健康状态监测指标s小于安全阈值T_s，则判定健康状态监测指标s处于异常；

(2)利用历史健康状态数据和历史故障率数据，建立设备的可修复故障率模型：

式中，r为设备可修复故障率，s′为设备状态监测指标，a、b、d为三个待定常数，为根据实际应用条件不同而产生的修正参数；

其中，通过历史状态数据和历史故障率数据确定参数a、b、d的值，具体为：

设设备内组件数目为l，某组件z_j在某时间段T_j内发生故障的次数为f_j，其对应的健康状态监测指标为s_j，将多个组件的健康状态监测指标s_j和发生故障的次数f_j收集起来，则设备整体的健康状态监测指标和可修复故障率计算公式可表示为：

$s^{\′}=\frac{{\mathrm{\Σ}}_{j=1}^l{s}_j}{l}$

$r=\frac{{\mathrm{\Σ}}_{j=1}^l\frac{f_j}{T_j}}{l}$

将上述健康状态监测指标和可修复故障率迭代入设备的可修复故障率模型，从而确定参数a、b、d的值；

(3)根据设备的可修复故障率模型，求得各组件的风险程度X_j：

$X_j=r\left(\begin{array}{ccccc}{s}_1,& \mathrm{...},& \stackrel{\‾}{s_j},& \mathrm{...},& s_l\end{array}\right)-r\left(\begin{array}{ccccc}{s}_1,& \mathrm{...},& s_j,& \mathrm{...},& s_l\end{array}\right)$

式中，j＝1，…，l，表示处于异常的组件z_j的健康状态监测指标，r(s₁，…，s_j，…，s_l)表示各组件监测指标为s₁，…，s_j，…，s_l时的电力系统可修复故障率。

本优选实施例建立组件健康状态监测指标以及电力系统的可修复故障率模型，从而确定各组件的风险程度，能够更为科学的衡量组件发生故障对设备可靠性产生的影响程度，从而有利于针对影响程度大的故障组件进行优先维修，节约维修成本，维修策略不只是决定于组件本身的状态，而且也决定于组件失效对设备可靠性的影响，使维修策略更加客观和可靠。

优选的，所述结合可维修性和经济性因素生成维修策略，包括：

(1)通过专家组预先确定维修策略所需参数并将该参数存入数据库，所述维修策略所需参数包括：各组件在各监测项出现异常时的维修难度M_Ji和维修经济值E_Ji，组件的风险程度X_j、所述维修难度M_Ji和维修经济值E_Ji所占的权重w(X_j)、w(M_Ji)、w(E_Ji)，其中所述维修经济值E_J为维修费用与组件价值的比值；

(2)设根据异常的健康状态监测指标确定待维修组件为d_j，j＝1，…，l_d，,l_d为待维修组件的数目，根据待维修组件d_j的各异常监测项i(i＝1,2,…,k)调取相应的维修难度M_Ji和维修经济值E_Ji，计算待维修组件的综合维修难度M_Ji‘和综合维修经济值E_Ji’：

${E_{Ji}}^{,}=\underset{i}{\overset{k}{\Σ}}{E}_{Ji}$

(3)计算各待维修组件的维修倾向度

对各待维修组件的维修倾向度进行从大到小排序，从而确定各待维修组件的维修先后顺序，即优先维修较大维修倾向度对应的待维修组件；另外，根据待维修组件对应的综合维修难度M_Ji‘确定相应的维修方案，从而生成最优的维修策略。

本优选实施例制定了最优维修策略的生成方式，方法客观简单，维修策略的生成考虑了除风险程度外的可维修性和经济性因素，增加了维修策略制定的客观性和可靠性，且在面对大量待评判的待维修组件时，大大地减少了工作量，提高了工作效率，并较好地保持评判的一致性。

在此应用场景中，设定安全阈值T_s＝0.4，健康状态监测指标的异常评判精度相对提高了10％，设备的可靠性相对提高了12％。

应用场景2

参见图1、图2，本应用场景的一个实施例的一种多波长无源光网络系统维修系统，包括多波长无源光网络系统和维修策略获取系统，所述维修策略获取系统包括数据采集模块、数据预处理模块、风险确定模块、维修策略生成模块，所述多波长无源光网络系统，包括光线路终端、光分配网络和多个光网络单元，所述光线路终端通过所述光分配网络以点到多点的方式连接到所述光网络单元；其中，所述多个光网络单元分成多组，每一组光网络单元分别采用不同的上下行波长，所述光分配网络包括第一级分光器和多个第二级分光器，其中所述第一级分光器包括上行公共端口、下行公共端口、多个上行分支端口和多个下行分支端口，其中所述上行公共端口和下行公共端口分别通过上行主干光纤和下行主干光纤连接到所述光线路终端，且所述第一级分光器的下行分支端口和上行分支端口分别连接下行分支光纤和上行分支光纤，并通过其中一个第二级分光器连接到一组光网络单元，所述第一级分光器的下行分支端口分别镀有透射膜，且不同透射膜具有不同的透射谱。

优选地，所述多个光网络单元分成四组，且所述第一级分光器包括四个下行分支端口，每个下行分支端口分别对应于其中一组光网络单元，所述四个分支端口分别镀有第一透射膜、第二透射膜、第三透射膜和第四透射膜。

本优选实施例实现分别采用多对上下行波长来分别承载不同组的光网络单元的上下行数据。

优选地，所述第一透射膜的中心透射波长为第一组光网络单元的下行波长，所述第二透射膜的中心透射波长为第二组光网络单元的下行波长，所述第三透射膜的中心透射波长为第三组光网络单元的下行波长，所述第四透射膜的中心透射波长为第四组光网络单元的下行波长。

本优选实施例在同一时间段便可以利用不同波长同时传输多个光网络单元的数据。

优选的，所述维修策略获取系统1包括数据采集模块11、数据预处理模块12、风险确定模块13、维修策略生成模块14；所述数据采集模块11用于根据监测策略采集监测数据；所述数据预处理模块12用于对监测数据进行归一化预处理；所述风险确定模块13用于确定组件的风险程度；所述维修策略生成模块14用于根据组件的风险程度，结合可维修性和经济性因素生成维修策略。

本优选实施例构建了维修策略获取系统1的模块架构。

优选的，所述监测策略包括：

(1)确定各组件中的监测项，并将监测项划分为一般监测项和关键监测项；

(2)对于一般监测项，采用无线传感器网络对监测项的健康状态进行监测并记录健康状态监测量；

对于关键监测项，采用无线传感器网络监测和人工监测相结合的方式对监测项的健康状态进行监测，设某关键监测项的无线传感器健康状态监测量为m₁，人工健康状态监测量为m₂，由于传感器监测时可能会受到温度影响，引入温度修正因子ξ，对于不受温度影响的传感器，令ξ＝1，对于受温度影响的传感器，其中T为传感器进行监测时的环境温度，T₀为传感器监测时适用的标准温度，则其最终健康状态监测量m采用下式确定：

$m=\mathrm{\ξ}\×\left\{\begin{array}{ccc}{m}_1,& if& |m_1-m_2|\≤c\\ m_2,& if& |m_1-m_2|>c\end{array}\right.$

式中，c为根据监测项合理误差范围设定的常数；

本优选实施例将监测项划分为一般监测项和关键监测项，并采用不同的方式进行监测，既节约了监测成本，又获得了可信度高的监测结果。

优选的，所述数据预处理模块12将健康状态监测量归一化表示为：

处于当健康状态监测量达到最大时对应监测项健康状态最好的情况时：

$n=1-e^{-\frac{m-L}{H-L}}$

处于当健康状态监测量达到最小时对应监测项健康状态最好的情况时，

$n=1-e^{-\frac{H-m}{H-L}}$

式中，m表示某一监测项的原始健康状态监测量，n表示该监测项归一化后的健康状态监测量，L为该监测项的健康状态监测量下限值，H为该监测项的健康状态监测量上限值。

由于不同的监测项目所采取的监测手段不同，得到的监测结果的数量级不同，单位也不同，本优选实施例对健康状态监测量进行归一化处理，方便对组件进行综合评估。

优选的，所述确定组件的风险程度，包括：

(1)将来源多样的监测数据归一化之后的健康状态监测量加权平均，得到组件健康状态监测指标：

$s=\frac{{\mathrm{\Σ}}_{i=1}^k{n}_i{w}_i}{{\mathrm{\Σ}}_{i=1}^k{w}_i}$

式中，s表示组件健康状态监测指标，n_i为第i个监测项的健康状态监测量，i＝1,2,…,k，w_i为根据每一个健康状态监测量n_i在组件中的重要程度设置的权重因子；

设定安全阈值T_s，T_s∈[0.4，0.5]，若健康状态监测指标s小于安全阈值T_s，则判定健康状态监测指标s处于异常；

(2)利用历史健康状态数据和历史故障率数据，建立设备的可修复故障率模型：

式中，r为设备可修复故障率，s′为设备状态监测指标，a、b、d为三个待定常数，为根据实际应用条件不同而产生的修正参数；

其中，通过历史状态数据和历史故障率数据确定参数a、b、d的值，具体为：

设设备内组件数目为l，某组件z_j在某时间段T_j内发生故障的次数为f_j，其对应的健康状态监测指标为s_j，将多个组件的健康状态监测指标s_j和发生故障的次数f_j收集起来，则设备整体的健康状态监测指标和可修复故障率计算公式可表示为：

$s^{\′}=\frac{{\mathrm{\Σ}}_{j=1}^l{s}_j}{l}$

$r=\frac{{\mathrm{\Σ}}_{j=1}^l\frac{f_j}{T_j}}{l}$

将上述健康状态监测指标和可修复故障率迭代入设备的可修复故障率模型，从而确定参数a、b、d的值；

(3)根据设备的可修复故障率模型，求得各组件的风险程度X_j：

$X_j=r\left(\begin{array}{ccccc}{s}_1,& \mathrm{...},& \stackrel{\‾}{s_j},& \mathrm{...},& s_l\end{array}\right)-r\left(\begin{array}{ccccc}{s}_1,& \mathrm{...},& s_j,& \mathrm{...},& s_l\end{array}\right)$

式中，j＝1，…，l，表示处于异常的组件z_j的健康状态监测指标，r(s₁，…，s_j，…，s_l)表示各组件监测指标为s₁，…，s_j，…，s_l时的电力系统可修复故障率。

本优选实施例建立组件健康状态监测指标以及电力系统的可修复故障率模型，从而确定各组件的风险程度，能够更为科学的衡量组件发生故障对设备可靠性产生的影响程度，从而有利于针对影响程度大的故障组件进行优先维修，节约维修成本，维修策略不只是决定于组件本身的状态，而且也决定于组件失效对设备可靠性的影响，使维修策略更加客观和可靠。

优选的，所述结合可维修性和经济性因素生成维修策略，包括：

(1)通过专家组预先确定维修策略所需参数并将该参数存入数据库，所述维修策略所需参数包括：各组件在各监测项出现异常时的维修难度M_Ji和维修经济值E_Ji，组件的风险程度X_j、所述维修难度M_Ji和维修经济值E_Ji所占的权重w(X_j)、w(M_Ji)、w(E_Ji)，其中所述维修经济值E_J为维修费用与组件价值的比值；

(2)设根据异常的健康状态监测指标确定待维修组件为d_j，j＝1，…，l_d，,l_d为待维修组件的数目，根据待维修组件d_j的各异常监测项i(i＝1,2,…,k)调取相应的维修难度M_Ji和维修经济值E_Ji，计算待维修组件的综合维修难度M_Ji‘和综合维修经济值E_Ji’：

${E_{Ji}}^{,}=\underset{i}{\overset{k}{\Σ}}{E}_{Ji}$

(3)计算各待维修组件的维修倾向度

对各待维修组件的维修倾向度进行从大到小排序，从而确定各待维修组件的维修先后顺序，即优先维修较大维修倾向度对应的待维修组件；另外，根据待维修组件对应的综合维修难度M_Ji确定相应的维修方案，从而生成最优的维修策略。

本优选实施例制定了最优维修策略的生成方式，方法客观简单，维修策略的生成考虑了除风险程度外的可维修性和经济性因素，增加了维修策略制定的客观性和可靠性，且在面对大量待评判的待维修组件时，大大地减少了工作量，提高了工作效率，并较好地保持评判的一致性。

在此应用场景中，设定安全阈值T_s＝0.42，健康状态监测指标的异常评判精度相对提高了9.5％，设备的可靠性相对提高了11％。

应用场景3

参见图1、图2，本应用场景的一个实施例的一种多波长无源光网络系统维修系统，包括多波长无源光网络系统和维修策略获取系统，所述维修策略获取系统包括数据采集模块、数据预处理模块、风险确定模块、维修策略生成模块，所述多波长无源光网络系统，包括光线路终端、光分配网络和多个光网络单元，所述光线路终端通过所述光分配网络以点到多点的方式连接到所述光网络单元；其中，所述多个光网络单元分成多组，每一组光网络单元分别采用不同的上下行波长，所述光分配网络包括第一级分光器和多个第二级分光器，其中所述第一级分光器包括上行公共端口、下行公共端口、多个上行分支端口和多个下行分支端口，其中所述上行公共端口和下行公共端口分别通过上行主干光纤和下行主干光纤连接到所述光线路终端，且所述第一级分光器的下行分支端口和上行分支端口分别连接下行分支光纤和上行分支光纤，并通过其中一个第二级分光器连接到一组光网络单元，所述第一级分光器的下行分支端口分别镀有透射膜，且不同透射膜具有不同的透射谱。

优选地，所述多个光网络单元分成四组，且所述第一级分光器包括四个下行分支端口，每个下行分支端口分别对应于其中一组光网络单元，所述四个分支端口分别镀有第一透射膜、第二透射膜、第三透射膜和第四透射膜。

本优选实施例实现分别采用多对上下行波长来分别承载不同组的光网络单元的上下行数据。

优选地，所述第一透射膜的中心透射波长为第一组光网络单元的下行波长，所述第二透射膜的中心透射波长为第二组光网络单元的下行波长，所述第三透射膜的中心透射波长为第三组光网络单元的下行波长，所述第四透射膜的中心透射波长为第四组光网络单元的下行波长。

本优选实施例在同一时间段便可以利用不同波长同时传输多个光网络单元的数据。

优选的，所述维修策略获取系统1包括数据采集模块11、数据预处理模块12、风险确定模块13、维修策略生成模块14；所述数据采集模块11用于根据监测策略采集监测数据；所述数据预处理模块12用于对监测数据进行归一化预处理；所述风险确定模块13用于确定组件的风险程度；所述维修策略生成模块14用于根据组件的风险程度，结合可维修性和经济性因素生成维修策略。

本优选实施例构建了维修策略获取系统1的模块架构。

优选的，所述监测策略包括：

(1)确定各组件中的监测项，并将监测项划分为一般监测项和关键监测项；

(2)对于一般监测项，采用无线传感器网络对监测项的健康状态进行监测并记录健康状态监测量；

对于关键监测项，采用无线传感器网络监测和人工监测相结合的方式对监测项的健康状态进行监测，设某关键监测项的无线传感器健康状态监测量为m₁，人工健康状态监测量为m₂，由于传感器监测时可能会受到温度影响，引入温度修正因子ξ，对于不受温度影响的传感器，令ξ＝1，对于受温度影响的传感器，其中T为传感器进行监测时的环境温度，T₀为传感器监测时适用的标准温度，则其最终健康状态监测量m采用下式确定：

$m=\mathrm{\ξ}\×\left\{\begin{array}{ccc}{m}_1,& if& |m_1-m_2|\≤c\\ m_2,& if& |m_1-m_2|>c\end{array}\right.$

式中，c为根据监测项合理误差范围设定的常数；

本优选实施例将监测项划分为一般监测项和关键监测项，并采用不同的方式进行监测，既节约了监测成本，又获得了可信度高的监测结果。

优选的，所述数据预处理模块12将健康状态监测量归一化表示为：

处于当健康状态监测量达到最大时对应监测项健康状态最好的情况时：

$n=1-e^{-\frac{m-L}{H-L}}$

处于当健康状态监测量达到最小时对应监测项健康状态最好的情况时，

$n=1-e^{-\frac{H-m}{H-L}}$

式中，m表示某一监测项的原始健康状态监测量，n表示该监测项归一化后的健康状态监测量，L为该监测项的健康状态监测量下限值，H为该监测项的健康状态监测量上限值。

由于不同的监测项目所采取的监测手段不同，得到的监测结果的数量级不同，单位也不同，本优选实施例对健康状态监测量进行归一化处理，方便对组件进行综合评估。

优选的，所述确定组件的风险程度，包括：

(1)将来源多样的监测数据归一化之后的健康状态监测量加权平均，得到组件健康状态监测指标：

$s=\frac{{\mathrm{\Σ}}_{i=1}^k{n}_i{w}_i}{{\mathrm{\Σ}}_{i=1}^k{w}_i}$

式中，s表示组件健康状态监测指标，n_i为第i个监测项的健康状态监测量，i＝1,2,…,k，w_i为根据每一个健康状态监测量n_i在组件中的重要程度设置的权重因子；

设定安全阈值T_s，T_s∈[0.4，0.5]，若健康状态监测指标s小于安全阈值T_s，则判定健康状态监测指标s处于异常；

(2)利用历史健康状态数据和历史故障率数据，建立设备的可修复故障率模型：

式中，r为设备可修复故障率，s′为设备状态监测指标，a、b、d为三个待定常数，为根据实际应用条件不同而产生的修正参数；

其中，通过历史状态数据和历史故障率数据确定参数a、b、d的值，具体为：

设设备内组件数目为l，某组件z_j在某时间段T_j内发生故障的次数为f_j，其对应的健康状态监测指标为s_j，将多个组件的健康状态监测指标s_j和发生故障的次数f_j收集起来，则设备整体的健康状态监测指标和可修复故障率计算公式可表示为：

$s^{\′}=\frac{{\mathrm{\Σ}}_{j=1}^l{s}_j}{l}$

$r=\frac{{\mathrm{\Σ}}_{j=1}^l\frac{f_j}{T_j}}{l}$

将上述健康状态监测指标和可修复故障率迭代入设备的可修复故障率模型，从而确定参数a、b、d的值；

(3)根据设备的可修复故障率模型，求得各组件的风险程度X_j：

$X_j=r\left(\begin{array}{ccccc}{s}_1,& \mathrm{...},& \stackrel{\‾}{s_j},& \mathrm{...},& s_l\end{array}\right)-r\left(\begin{array}{ccccc}{s}_1,& \mathrm{...},& s_j,& \mathrm{...},& s_l\end{array}\right)$

式中，j＝1，…，l，表示处于异常的组件z_j的健康状态监测指标，r(s₁，…，s_j，…，s_l)表示各组件监测指标为s₁，…，s_j，…，s_l时的电力系统可修复故障率。

本优选实施例建立组件健康状态监测指标以及电力系统的可修复故障率模型，从而确定各组件的风险程度，能够更为科学的衡量组件发生故障对设备可靠性产生的影响程度，从而有利于针对影响程度大的故障组件进行优先维修，节约维修成本，维修策略不只是决定于组件本身的状态，而且也决定于组件失效对设备可靠性的影响，使维修策略更加客观和可靠。

优选的，所述结合可维修性和经济性因素生成维修策略，包括：

(1)通过专家组预先确定维修策略所需参数并将该参数存入数据库，所述维修策略所需参数包括：各组件在各监测项出现异常时的维修难度M_Ji和维修经济值E_Ji，组件的风险程度X_j、所述维修难度M_Ji和维修经济值E_Ji所占的权重w(X_j)、w(M_Ji)、w(E_Ji)，其中所述维修经济值E_J为维修费用与组件价值的比值；

(2)设根据异常的健康状态监测指标确定待维修组件为d_j，j＝1，…，l_d，,l_d为待维修组件的数目，根据待维修组件d_j的各异常监测项i(i＝1,2,…,k)调取相应的维修难度M_Ji和维修经济值E_Ji，计算待维修组件的综合维修难度M_Ji‘和综合维修经济值E_Ji’：

${E_{Ji}}^{,}=\underset{i}{\overset{k}{\Σ}}{E}_{Ji}$

(3)计算各待维修组件的维修倾向度

对各待维修组件的维修倾向度进行从大到小排序，从而确定各待维修组件的维修先后顺序，即优先维修较大维修倾向度对应的待维修组件；另外，根据待维修组件对应的综合维修难度M_Ji‘确定相应的维修方案，从而生成最优的维修策略。

本优选实施例制定了最优维修策略的生成方式，方法客观简单，维修策略的生成考虑了除风险程度外的可维修性和经济性因素，增加了维修策略制定的客观性和可靠性，且在面对大量待评判的待维修组件时，大大地减少了工作量，提高了工作效率，并较好地保持评判的一致性。

在此应用场景中，设定安全阈值T_s＝0.45，健康状态监测指标的异常评判精度相对提高了9.2％，设备的可靠性相对提高了10％。

应用场景4

参见图1、图2，本应用场景的一个实施例的一种多波长无源光网络系统维修系统，包括多波长无源光网络系统和维修策略获取系统，所述维修策略获取系统包括数据采集模块、数据预处理模块、风险确定模块、维修策略生成模块，所述多波长无源光网络系统，包括光线路终端、光分配网络和多个光网络单元，所述光线路终端通过所述光分配网络以点到多点的方式连接到所述光网络单元；其中，所述多个光网络单元分成多组，每一组光网络单元分别采用不同的上下行波长，所述光分配网络包括第一级分光器和多个第二级分光器，其中所述第一级分光器包括上行公共端口、下行公共端口、多个上行分支端口和多个下行分支端口，其中所述上行公共端口和下行公共端口分别通过上行主干光纤和下行主干光纤连接到所述光线路终端，且所述第一级分光器的下行分支端口和上行分支端口分别连接下行分支光纤和上行分支光纤，并通过其中一个第二级分光器连接到一组光网络单元，所述第一级分光器的下行分支端口分别镀有透射膜，且不同透射膜具有不同的透射谱。

优选地，所述多个光网络单元分成四组，且所述第一级分光器包括四个下行分支端口，每个下行分支端口分别对应于其中一组光网络单元，所述四个分支端口分别镀有第一透射膜、第二透射膜、第三透射膜和第四透射膜。

本优选实施例实现分别采用多对上下行波长来分别承载不同组的光网络单元的上下行数据。

优选地，所述第一透射膜的中心透射波长为第一组光网络单元的下行波长，所述第二透射膜的中心透射波长为第二组光网络单元的下行波长，所述第三透射膜的中心透射波长为第三组光网络单元的下行波长，所述第四透射膜的中心透射波长为第四组光网络单元的下行波长。

本优选实施例在同一时间段便可以利用不同波长同时传输多个光网络单元的数据。

优选的，所述维修策略获取系统1包括数据采集模块11、数据预处理模块12、风险确定模块13、维修策略生成模块14；所述数据采集模块11用于根据监测策略采集监测数据；所述数据预处理模块12用于对监测数据进行归一化预处理；所述风险确定模块13用于确定组件的风险程度；所述维修策略生成模块14用于根据组件的风险程度，结合可维修性和经济性因素生成维修策略。

本优选实施例构建了维修策略获取系统1的模块架构。

优选的，所述监测策略包括：

(1)确定各组件中的监测项，并将监测项划分为一般监测项和关键监测项；

(2)对于一般监测项，采用无线传感器网络对监测项的健康状态进行监测并记录健康状态监测量；

对于关键监测项，采用无线传感器网络监测和人工监测相结合的方式对监测项的健康状态进行监测，设某关键监测项的无线传感器健康状态监测量为m₁，人工健康状态监测量为m₂，由于传感器监测时可能会受到温度影响，引入温度修正因子ξ，对于不受温度影响的传感器，令ξ＝1，对于受温度影响的传感器，其中T为传感器进行监测时的环境温度，T₀为传感器监测时适用的标准温度，则其最终健康状态监测量m采用下式确定：

$m=\mathrm{\ξ}\×\left\{\begin{array}{ccc}{m}_1,& if& |m_1-m_2|\≤c\\ m_2,& if& |m_1-m_2|>c\end{array}\right.$

式中，c为根据监测项合理误差范围设定的常数；

本优选实施例将监测项划分为一般监测项和关键监测项，并采用不同的方式进行监测，既节约了监测成本，又获得了可信度高的监测结果。

优选的，所述数据预处理模块12将健康状态监测量归一化表示为：

处于当健康状态监测量达到最大时对应监测项健康状态最好的情况时：

$n=1-e^{-\frac{m-L}{H-L}}$

处于当健康状态监测量达到最小时对应监测项健康状态最好的情况时，

$n=1-e^{-\frac{H-m}{H-L}}$

式中，m表示某一监测项的原始健康状态监测量，n表示该监测项归一化后的健康状态监测量，L为该监测项的健康状态监测量下限值，H为该监测项的健康状态监测量上限值。

由于不同的监测项目所采取的监测手段不同，得到的监测结果的数量级不同，单位也不同，本优选实施例对健康状态监测量进行归一化处理，方便对组件进行综合评估。

优选的，所述确定组件的风险程度，包括：

(1)将来源多样的监测数据归一化之后的健康状态监测量加权平均，得到组件健康状态监测指标：

$s=\frac{{\mathrm{\Σ}}_{i=1}^k{n}_i{w}_i}{{\mathrm{\Σ}}_{i=1}^k{w}_i}$

式中，s表示组件健康状态监测指标，n_i为第i个监测项的健康状态监测量，i＝1,2,…,k，w_i为根据每一个健康状态监测量n_i在组件中的重要程度设置的权重因子；

设定安全阈值T_s，T_s∈[0.4，0.5]，若健康状态监测指标s小于安全阈值T_s，则判定健康状态监测指标s处于异常；

(2)利用历史健康状态数据和历史故障率数据，建立设备的可修复故障率模型：

式中，r为设备可修复故障率，s′为设备状态监测指标，a、b、d为三个待定常数，为根据实际应用条件不同而产生的修正参数；

其中，通过历史状态数据和历史故障率数据确定参数a、b、d的值，具体为：

设设备内组件数目为l，某组件z_j在某时间段T_j内发生故障的次数为f_j，其对应的健康状态监测指标为s_j，将多个组件的健康状态监测指标s_j和发生故障的次数f_j收集起来，则设备整体的健康状态监测指标和可修复故障率计算公式可表示为：

$s^{\′}=\frac{{\mathrm{\Σ}}_{j=1}^l{s}_j}{l}$

$r=\frac{{\mathrm{\Σ}}_{j=1}^l\frac{f_j}{T_j}}{l}$

将上述健康状态监测指标和可修复故障率迭代入设备的可修复故障率模型，从而确定参数a、b、d的值；

(3)根据设备的可修复故障率模型，求得各组件的风险程度X_j：

$X_j=r\left(\begin{array}{ccccc}{s}_1,& \mathrm{...},& \stackrel{\‾}{s_j},& \mathrm{...},& s_l\end{array}\right)-r\left(\begin{array}{ccccc}{s}_1,& \mathrm{...},& s_j,& \mathrm{...},& s_l\end{array}\right)$

式中，j＝1，…，l，表示处于异常的组件z_j的健康状态监测指标，r(s₁，…，s_j，…，s_l)表示各组件监测指标为s₁，…，s_j，…，s_l时的电力系统可修复故障率。

本优选实施例建立组件健康状态监测指标以及电力系统的可修复故障率模型，从而确定各组件的风险程度，能够更为科学的衡量组件发生故障对设备可靠性产生的影响程度，从而有利于针对影响程度大的故障组件进行优先维修，节约维修成本，维修策略不只是决定于组件本身的状态，而且也决定于组件失效对设备可靠性的影响，使维修策略更加客观和可靠。

优选的，所述结合可维修性和经济性因素生成维修策略，包括：

(1)通过专家组预先确定维修策略所需参数并将该参数存入数据库，所述维修策略所需参数包括：各组件在各监测项出现异常时的维修难度M_Ji和维修经济值E_Ji，组件的风险程度X_j、所述维修难度M_Ji和维修经济值E_Ji所占的权重w(X_j)、w(M_Ji)、w(E_Ji)，其中所述维修经济值E_J为维修费用与组件价值的比值；

(2)设根据异常的健康状态监测指标确定待维修组件为d_j，j＝1，…，l_d，,l_d为待维修组件的数目，根据待维修组件d_j的各异常监测项i(i＝1,2,…,k)调取相应的维修难度M_Ji和维修经济值E_Ji，计算待维修组件的综合维修难度M_Ji‘和综合维修经济值E_Ji’：

${E_{Ji}}^{,}=\underset{i}{\overset{k}{\Σ}}{E}_{Ji}$

(3)计算各待维修组件的维修倾向度

对各待维修组件的维修倾向度进行从大到小排序，从而确定各待维修组件的维修先后顺序，即优先维修较大维修倾向度对应的待维修组件；另外，根据待维修组件对应的综合维修难度M_Ji‘确定相应的维修方案，从而生成最优的维修策略。

本优选实施例制定了最优维修策略的生成方式，方法客观简单，维修策略的生成考虑了除风险程度外的可维修性和经济性因素，增加了维修策略制定的客观性和可靠性，且在面对大量待评判的待维修组件时，大大地减少了工作量，提高了工作效率，并较好地保持评判的一致性。

在此应用场景中，设定安全阈值T_s＝0.48，健康状态监测指标的异常评判精度相对提高了9％，设备的可靠性相对提高了9％。

应用场景5

参见图1、图2，本应用场景的一个实施例的一种多波长无源光网络系统维修系统，包括多波长无源光网络系统和维修策略获取系统，所述维修策略获取系统包括数据采集模块、数据预处理模块、风险确定模块、维修策略生成模块，所述多波长无源光网络系统，包括光线路终端、光分配网络和多个光网络单元，所述光线路终端通过所述光分配网络以点到多点的方式连接到所述光网络单元；其中，所述多个光网络单元分成多组，每一组光网络单元分别采用不同的上下行波长，所述光分配网络包括第一级分光器和多个第二级分光器，其中所述第一级分光器包括上行公共端口、下行公共端口、多个上行分支端口和多个下行分支端口，其中所述上行公共端口和下行公共端口分别通过上行主干光纤和下行主干光纤连接到所述光线路终端，且所述第一级分光器的下行分支端口和上行分支端口分别连接下行分支光纤和上行分支光纤，并通过其中一个第二级分光器连接到一组光网络单元，所述第一级分光器的下行分支端口分别镀有透射膜，且不同透射膜具有不同的透射谱。

优选地，所述多个光网络单元分成四组，且所述第一级分光器包括四个下行分支端口，每个下行分支端口分别对应于其中一组光网络单元，所述四个分支端口分别镀有第一透射膜、第二透射膜、第三透射膜和第四透射膜。

本优选实施例实现分别采用多对上下行波长来分别承载不同组的光网络单元的上下行数据。

优选地，所述第一透射膜的中心透射波长为第一组光网络单元的下行波长，所述第二透射膜的中心透射波长为第二组光网络单元的下行波长，所述第三透射膜的中心透射波长为第三组光网络单元的下行波长，所述第四透射膜的中心透射波长为第四组光网络单元的下行波长。

本优选实施例在同一时间段便可以利用不同波长同时传输多个光网络单元的数据。

优选的，所述维修策略获取系统1包括数据采集模块11、数据预处理模块12、风险确定模块13、维修策略生成模块14；所述数据采集模块11用于根据监测策略采集监测数据；所述数据预处理模块12用于对监测数据进行归一化预处理；所述风险确定模块13用于确定组件的风险程度；所述维修策略生成模块14用于根据组件的风险程度，结合可维修性和经济性因素生成维修策略。

本优选实施例构建了维修策略获取系统1的模块架构。

优选的，所述监测策略包括：

(1)确定各组件中的监测项，并将监测项划分为一般监测项和关键监测项；

(2)对于一般监测项，采用无线传感器网络对监测项的健康状态进行监测并记录健康状态监测量；

对于关键监测项，采用无线传感器网络监测和人工监测相结合的方式对监测项的健康状态进行监测，设某关键监测项的无线传感器健康状态监测量为m₁，人工健康状态监测量为m₂，由于传感器监测时可能会受到温度影响，引入温度修正因子ξ，对于不受温度影响的传感器，令ξ＝1，对于受温度影响的传感器，其中T为传感器进行监测时的环境温度，T₀为传感器监测时适用的标准温度，则其最终健康状态监测量m采用下式确定：

$m=\mathrm{\ξ}\×\left\{\begin{array}{ccc}{m}_1,& if& |m_1-m_2|\≤c\\ m_2,& if& |m_1-m_2|>c\end{array}\right.$

式中，c为根据监测项合理误差范围设定的常数；

本优选实施例将监测项划分为一般监测项和关键监测项，并采用不同的方式进行监测，既节约了监测成本，又获得了可信度高的监测结果。

优选的，所述数据预处理模块12将健康状态监测量归一化表示为：

处于当健康状态监测量达到最大时对应监测项健康状态最好的情况时：

$n=1-e^{-\frac{m-L}{H-L}}$

处于当健康状态监测量达到最小时对应监测项健康状态最好的情况时，

$n=1-e^{-\frac{H-m}{H-L}}$

式中，m表示某一监测项的原始健康状态监测量，n表示该监测项归一化后的健康状态监测量，L为该监测项的健康状态监测量下限值，H为该监测项的健康状态监测量上限值。

由于不同的监测项目所采取的监测手段不同，得到的监测结果的数量级不同，单位也不同，本优选实施例对健康状态监测量进行归一化处理，方便对组件进行综合评估。

优选的，所述确定组件的风险程度，包括：

(1)将来源多样的监测数据归一化之后的健康状态监测量加权平均，得到组件健康状态监测指标：

$s=\frac{{\mathrm{\Σ}}_{i=1}^k{n}_i{w}_i}{{\mathrm{\Σ}}_{i=1}^k{w}_i}$

式中，s表示组件健康状态监测指标，n_i为第i个监测项的健康状态监测量，i＝1,2,…,k，w_i为根据每一个健康状态监测量n_i在组件中的重要程度设置的权重因子；

设定安全阈值T_s，T_s∈[0.4，0.5]，若健康状态监测指标s小于安全阈值T_s，则判定健康状态监测指标s处于异常；

(2)利用历史健康状态数据和历史故障率数据，建立设备的可修复故障率模型：

式中，r为设备可修复故障率，s′为设备状态监测指标，a、b、d为三个待定常数，为根据实际应用条件不同而产生的修正参数；

其中，通过历史状态数据和历史故障率数据确定参数a、b、d的值，具体为：

设设备内组件数目为l，某组件z_j在某时间段T_j内发生故障的次数为f_j，其对应的健康状态监测指标为s_j，将多个组件的健康状态监测指标s_j和发生故障的次数f_j收集起来，则设备整体的健康状态监测指标和可修复故障率计算公式可表示为：

$s^{\′}=\frac{{\mathrm{\Σ}}_{j=1}^l{s}_j}{l}$

$r=\frac{{\mathrm{\Σ}}_{j=1}^l\frac{f_j}{T_j}}{l}$

将上述健康状态监测指标和可修复故障率迭代入设备的可修复故障率模型，从而确定参数a、b、d的值；

(3)根据设备的可修复故障率模型，求得各组件的风险程度X_j：

$X_j=r\left(\begin{array}{ccccc}{s}_1,& \mathrm{...},& \stackrel{\‾}{s_j},& \mathrm{...},& s_l\end{array}\right)-r\left(\begin{array}{ccccc}{s}_1,& \mathrm{...},& s_j,& \mathrm{...},& s_l\end{array}\right)$

式中，j＝1，…，l，表示处于异常的组件z_j的健康状态监测指标，r(s₁，…，s_j，…，s_l)表示各组件监测指标为s₁，…，s_j，…，s_l时的电力系统可修复故障率。

本优选实施例建立组件健康状态监测指标以及电力系统的可修复故障率模型，从而确定各组件的风险程度，能够更为科学的衡量组件发生故障对设备可靠性产生的影响程度，从而有利于针对影响程度大的故障组件进行优先维修，节约维修成本，维修策略不只是决定于组件本身的状态，而且也决定于组件失效对设备可靠性的影响，使维修策略更加客观和可靠。

优选的，所述结合可维修性和经济性因素生成维修策略，包括：

(1)通过专家组预先确定维修策略所需参数并将该参数存入数据库，所述维修策略所需参数包括：各组件在各监测项出现异常时的维修难度M_Ji和维修经济值E_Ji，组件的风险程度X_j、所述维修难度M_Ji和维修经济值E_Ji所占的权重w(X_j)、w(M_Ji)、w(E_Ji)，其中所述维修经济值E_J为维修费用与组件价值的比值；

(2)设根据异常的健康状态监测指标确定待维修组件为d_j，j＝1，…，l_d，,l_d为待维修组件的数目，根据待维修组件d_j的各异常监测项i(i＝1,2,…,k)调取相应的维修难度M_Ji和维修经济值E_Ji，计算待维修组件的综合维修难度M_Ji‘和综合维修经济值E_Ji’：

${E_{Ji}}^{,}=\underset{i}{\overset{k}{\Σ}}{E}_{Ji}$

(3)计算各待维修组件的维修倾向度

对各待维修组件的维修倾向度进行从大到小排序，从而确定各待维修组件的维修先后顺序，即优先维修较大维修倾向度对应的待维修组件；另外，根据待维修组件对应的综合维修难度M_Ji‘确定相应的维修方案，从而生成最优的维修策略。

本优选实施例制定了最优维修策略的生成方式，方法客观简单，维修策略的生成考虑了除风险程度外的可维修性和经济性因素，增加了维修策略制定的客观性和可靠性，且在面对大量待评判的待维修组件时，大大地减少了工作量，提高了工作效率，并较好地保持评判的一致性。

在此应用场景中，设定安全阈值T_s＝0.5，健康状态监测指标的异常评判精度相对提高了8.5％，设备的可靠性相对提高了8％。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (3)

1.一种多波长无源光网络系统维修系统，其特征是，包括多波长无源光网络系统和维修策略获取系统，所述维修策略获取系统包括数据采集模块、数据预处理模块、风险确定模块、维修策略生成模块，所述多波长无源光网络系统，包括光线路终端、光分配网络和多个光网络单元，所述光线路终端通过所述光分配网络以点到多点的方式连接到所述光网络单元；其中，所述多个光网络单元分成多组，每一组光网络单元分别采用不同的上下行波长，所述光分配网络包括第一级分光器和多个第二级分光器，其中所述第一级分光器包括上行公共端口、下行公共端口、多个上行分支端口和多个下行分支端口，其中所述上行公共端口和下行公共端口分别通过上行主干光纤和下行主干光纤连接到所述光线路终端，且所述第一级分光器的下行分支端口和上行分支端口分别连接下行分支光纤和上行分支光纤，并通过其中一个第二级分光器连接到一组光网络单元，所述第一级分光器的下行分支端口分别镀有透射膜，且不同透射膜具有不同的透射谱。

2.根据权利要求1所述的一种多波长无源光网络系统维修系统，其特征是，所述多个光网络单元分成四组，且所述第一级分光器包括四个下行分支端口，每个下行分支端口分别对应于其中一组光网络单元，所述四个分支端口分别镀有第一透射膜、第二透射膜、第三透射膜和第四透射膜。

3.根据权利要求2所述的一种多波长无源光网络系统维修系统，其特征是，所述第一透射膜的中心透射波长为第一组光网络单元的下行波长，所述第二透射膜的中心透射波长为第二组光网络单元的下行波长，所述第三透射膜的中心透射波长为第三组光网络单元的下行波长，所述第四透射膜的中心透射波长为第四组光网络单元的下行波长。