CN106375137A - 电力通信网络的节点故障检测方法 - Google Patents

Abstract

本发明公开了一种电力通信网络节点故障检测方法，基于灰色预测方法，将心跳策略引入到电力通信网络节点的故障检测中，动态地预测出网络节点系统的状态变化；将获取的网络节点系统预测动态序列为依据，利用模糊算法对网络节点的故障信号延迟进行处理，计算出网络节点的故障检测信号的输出值序列。本方法所述的故障检测的平均误差率要远远低于模糊聚类算法，这主要是因为本发明算法在进行网络节点的故障检测中，动态的预测出网络节点系统状态的变化，从而保证了改进算法进行网络节点故障检测的正确性；算法在进行网络节点的故障检测时，利用模糊算法对网络节点的故障信号延迟进行模糊化处理，从而有效地保证了改进算法进行多媒体网络节点故障检测的时间效率。

Description

电力通信网络的节点故障检测方法

技术领域

本发明涉及电力系统故障检测方法，具体为一种电力通信网络的节点故障检测方法。

背景技术

当前的电力通信网络环境具有异构、网络规模大、分布式部署并且网络的结构和状态经常会发生变化等特征。当电力通信网络节点出现故障时，容易导致电网关键业务应用程序错乱，给人们的生活和生产带来巨大的损失。因此有效进行电力通信网络节点的故障检测是解决上述问题的重要途径之一。

当前的算法进行多媒体网络节点的故障检测时，没有考虑网络节点故障存在的延迟性，导致节点故障检测误差较大。针对该问题，本发明申请提出一种基于改进动态灰色预测算法的电力通信网络的节点故障检测方法。

发明内容

本发明目的是提出一种电力通信网络节点故障检测方法，基于灰色预测方法，将心跳策略引入到电力通信网络节点的故障检测中，动态地预测出网络节点系统的状态变化；将获取的网络节点系统预测动态序列为依据，利用模糊算法对网络节点的故障信号延迟进行处理，计算出网络节点的故障检测信号的输出值序列。

本发明是采用如下技术方案实现的：

一种电力通信网络的节点故障检测方法，包括如下步骤：

(1)、网络节点系统状态变化的动态预测

将G代表的网络节点系统定义为有限(n)个进程的集合，并由G＝{P₁,P₂,…,P_n}代表，P_i代表的进程上的故障检测组件M_i会定期发送一条心跳消息给P_j代表的进程上的故障检测组件M_j，除非P_j出现故障，否则P_j会收到该消息，则将网络节点的故障检测系统定义为有限(n)个故障检测组件的集合FDS，利用下式进行表述：

$FDS=\frac{\{M_1,M_2,...,M_n\}}{G\×\left(n\right)}\·\frac{(P_i,P_j)}{\left(n\right)}\mathrm{...}\left(1\right),$

将每次发送消息的序号顺序递增，M_j会依据最近K次(K个时刻)接收到的心跳消息到达时间和实时预测策略建立网络节点系统的灰色预测模型，并预测出第K+1次(第K+1个时刻)心跳消息顺利到达的时间，如果在预测的时间内没有收到M_i发送的心跳消息，则进程P_i出现故障；具体的步骤如下：

A、利用下式得到多媒体网络节点系统状态原始预测序列；

$t^{\left(0\right)}=\frac{(P_i\×M_i)}{(K-1)\·K}\·\frac{(P_j\×M_j)}{K\·(K+1)}\mathrm{...}\left(2\right)$

B、利用下式建立对t⁽¹⁾代表的累加生成序列一阶微分方程，将该方程定义为网络节点系统的灰色预测模型；

$b=\frac{{\mathrm{dt}}^{\left(1\right)}\left(K\right)\×t^{\left(0\right)}}{dk\×FDS}+{\mathrm{at}}^{\left(1\right)}\left(K\right)\mathrm{...}\left(3\right)$

在上式中，dt⁽¹⁾为网络节点系统的发展状态，dk代表灰色作用量，at⁽¹⁾代表故障检测中所需的状态参数；

C、在上式组建的网络节点系统的灰色预测模型中引入已知信息实时反映系统的变化和状态，组建网络节点系统的实时预测过程，得到t⁽⁰⁾(K+1)代表的K+1时刻的实际心跳到达时间，构成新的多媒体网络节点系统预测动态序列，利用下式进行表述；

$t_1^{\left(0\right)}=\frac{t^{\left(0\right)}(K+1)}{k+1}\×b\mathrm{...}\left(4\right)$

(2)、故障状态观测参数的网络节点故障检测

以公式(4)获取的t₁ ⁽⁰⁾为依据，利用模糊算法建立网络节点的故障离散方程如下：

$x(k+1)=\frac{A_{dx}\left(k\right)+(B_0\·{\mathrm{\τ}}_k)u\left(k\right)}{t_1^{\left(0\right)}}\mathrm{...}\left(5\right)$

在上式中，A_dx(k)代表网络节点的故障检测时间，B₀代表节点故障发生的概率，DF代表常数矩阵，τ_k代表网络节点的故障信号时延，u(k)代表网络节点故障的征兆值；

利用下式获取k时刻代表故障检测信号的输出值：

$y\left(k\right)=\frac{x(k-1)}{{\mathrm{\τ}}_k\∈\[0,T\]}\×k\mathrm{...}\left(6\right).$

本发明具有的优点如下：

1、故障检测的平均误差率要远远低于模糊聚类算法，这主要是因为本发明算法在进行网络节点的故障检测中，动态的预测出网络节点系统状态的变化，从而保证了改进算法进行网络节点故障检测的正确性。

2、算法在进行网络节点的故障检测时，利用模糊算法对网络节点的故障信号延迟进行模糊化处理，从而有效地保证了改进算法进行多媒体网络节点故障检测的时间效率。

具体实施方式

下面对本发明的具体实施例进行详细说明。

一种电力通信网络的节点故障检测方法，包括如下步骤：

(1)、网络节点系统状态变化的动态预测

将G代表的网络节点系统定义为有限(n)个进程的集合，并由G＝{P₁,P₂,…,P_n}代表，当P_i代表的进程上的故障检测组件M_i会定期发送一条心跳消息给P_j代表的进程上的故障检测组件M_j，除非P_j出现故障，否则P_j会收到该消息，则将网络节点的故障检测系统定义为有限(n)个故障检测组件的集合FDS，利用下式(1)进行表述：

$FDS=\frac{\{M_1,M_2,...,M_n\}}{G\×\left(n\right)}\·\frac{(P_i,P_j)}{\left(n\right)}\mathrm{...}\left(1\right),$

将每次发送消息的序号顺序递增，M_j会依据最近K次接收到的心跳消息到达时间和实时预测策略建立网络节点系统的灰色预测模型，并预测出第K+1次心跳消息顺利到达的时间，如果在预测的时间内没有收到M_i发送的心跳消息，则进程P_i出现故障；具体步骤如下：

A、利用下式(2)得到多媒体网络节点系统状态原始预测序列；

$t^{\left(0\right)}=\frac{(P_i\×M_i)}{(K-1)\·K}\·\frac{(P_j\×M_j)}{K\·(K+1)}\mathrm{...}\left(2\right),$

B、利用下式(3)建立对t⁽¹⁾代表的累加生成序列一阶微分方程，将该方程定义为网络节点系统的灰色预测模型；

$b=\frac{{\mathrm{dt}}^{\left(1\right)}\left(K\right)\×t^{\left(0\right)}}{dk\×FDS}+{\mathrm{at}}^{\left(1\right)}\left(K\right)\mathrm{...}\left(3\right),$

在上式中，dt⁽¹⁾为网络节点系统的发展状态，dk代表灰色作用量，at⁽¹⁾代表故障检测中所需的状态参数；

C、在上式(3)组建的网络节点系统的灰色预测模型中引入已知信息实时反映系统的变化和状态，组建网络节点系统的实时预测过程，得到t⁽⁰⁾(K+1)代表的K+1时刻的实际心跳到达时间，构成新的多媒体网络节点系统预测动态序列，利用下式(4)进行表述；

$t_1^{\left(0\right)}=\frac{t^{\left(0\right)}(K+1)}{k+1}\×b\mathrm{...}\left(4\right);$

该步骤基于灰色预测方法将心跳策略引入到网络节点的故障检测中，动态地预测出网络节点的状态变化。

(2)、故障状态观测参数的网络节点故障检测

以公式(4)获取的t₁ ⁽⁰⁾为依据，利用模糊算法建立网络节点的故障离散方程如下：

$x(k+1)=\frac{A_{dx}\left(k\right)+(B_0\·{\mathrm{\τ}}_k)u\left(k\right)}{t_1^{\left(0\right)}}\mathrm{...}\left(5\right),$

在上式(5)中，A_dx(k)代表网络节点的故障检测时间，B₀代表节点故障发生的平均概率(节点故障次数n/监测周期T_n)，τ_k代表网络节点的故障信号时延，u(k)代表网络节点故障的征兆值，u(k)∈{0,1}，有故障为1，无故障为0；

利用下式(6)获取k时刻代表故障检测信号的输出值：

$y\left(k\right)=\frac{x(k-1)}{{\mathrm{\τ}}_k\∈\[0,T\]}\×k\mathrm{...}\left(6\right);$

该步骤利用模糊算法对网络节点故障信号延迟进行处理，计算出网络节点的障检测信号的输出值序列，完成对网络节点的故障检测。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照本发明实施例进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明的技术方案的精神和范围，其均应涵盖权利要求保护范围中。

Claims (1)

1.一种电力通信网络的节点故障检测方法，其特征在于：包括如下步骤：

(1)、网络节点系统状态变化的动态预测

将G代表的网络节点系统定义为有限(n)个进程的集合，并由G＝{P₁,P₂,…,P_n}代表，当P_i代表的进程上的故障检测组件M_i会定期发送一条心跳消息给P_j代表的进程上的故障检测组件M_j，除非P_j出现故障，否则P_j会收到该消息，则将网络节点的故障检测系统定义为有限(n)个故障检测组件的集合FDS，利用下式进行表述：

$FDS=\frac{\{M_1,M_2,\mathrm{...},M_n\}}{G\×\left(n\right)}\·\frac{(P_i,P_j)}{\left(n\right)}\mathrm{...}\left(1\right),$

将每次发送消息的序号顺序递增，M_j会依据最近K次接收到的心跳消息到达时间和实时预测策略建立网络节点系统的灰色预测模型，并预测出第K+1次心跳消息顺利到达的时间，如果在预测的时间内没有收到M_i发送的心跳消息，则进程P_i出现故障；具体步骤如下：

A、利用下式得到多媒体网络节点系统状态原始预测序列；

$t^{\left(0\right)}=\frac{(P_i\×M_i)}{(K-1)\·K}\·\frac{(P_j\×M_j)}{K\·(K+1)}\mathrm{...}\left(2\right)$

B、利用下式建立对t⁽¹⁾代表的累加生成序列一阶微分方程，将该方程定义为网络节点系统的灰色预测模型；

$b=\frac{{\mathrm{dt}}^{\left(1\right)}\left(K\right)\×t^{\left(0\right)}}{dk\×FDS}+{\mathrm{at}}^{\left(1\right)}\left(K\right)\mathrm{...}\left(3\right)$

在上式中，dt⁽¹⁾为网络节点系统的发展状态，dk代表灰色作用量，at⁽¹⁾代表故障检测中所需的状态参数；

C、在上式组建的网络节点系统的灰色预测模型中引入已知信息实时反映系统的变化和状态，组建网络节点系统的实时预测过程，得到t⁽⁰⁾(K+1)代表的K+1时刻的实际心跳到达时间，构成新的多媒体网络节点系统预测动态序列，利用下式进行表述；

$t_1^{\left(0\right)}=\frac{t^{\left(0\right)}(K+1)}{k+1}\×b\mathrm{...}\left(4\right)$

(2)、故障状态观测参数的网络节点故障检测

以上节公式(4)获取的t₁ ⁽⁰⁾为依据，利用模糊算法建立网络节点的故障离散方程如下：

$x(k+1)=\frac{A_{dx}\left(k\right)+(B_0+DF({\mathrm{\τ}}_k))u\left(k\right)}{t_1^{\left(0\right)}}\mathrm{...}\left(5\right)$

在上式中，A_dx(k)代表网络节点的故障检测时间，B₀代表节点故障发生的概率，DF代表常数矩阵，τ_k代表网络节点的故障信号时延，u(k)代表网络节点故障的征兆值；

利用下式获取k时刻代表故障检测信号的输出值：

$y\left(k\right)=\frac{x(k-1)}{{\mathrm{\τ}}_k\∈\[0,T\]}\×k\mathrm{...}\left(6\right).$