CN108090567A - 电力通信系统故障诊断方法及装置 - Google Patents

电力通信系统故障诊断方法及装置 Download PDF

Info

Publication number
CN108090567A
CN108090567A CN201810052075.2A CN201810052075A CN108090567A CN 108090567 A CN108090567 A CN 108090567A CN 201810052075 A CN201810052075 A CN 201810052075A CN 108090567 A CN108090567 A CN 108090567A
Authority
CN
China
Prior art keywords
fault
failure
communication system
power communication
case
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.)
Granted
Application number
CN201810052075.2A
Other languages
English (en)
Other versions
CN108090567B (zh
Inventor
董彦军
刘平
张建臣
胡立章
刘芳
董正坤
宋峥峥
徐珊
梅勇
何冰洋
赵劭康
张家驹
王静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Information and Telecommunication Branch of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Information and Telecommunication Branch of State Grid Hebei Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Information and Telecommunication Branch of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201810052075.2A priority Critical patent/CN108090567B/zh
Publication of CN108090567A publication Critical patent/CN108090567A/zh
Application granted granted Critical
Publication of CN108090567B publication Critical patent/CN108090567B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/041—Abduction
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明提供的一种电力通信系统故障诊断方法及装置，方法包括：提取目标故障的故障基本信息；获取预存的电力通信系统故障案例库，电力通信系统故障案例库中保存若干故障案例的故障基本信息、故障现象描述、故障原因推断和诊断策略；将目标故障的故障基本信息和电力通信系统故障案例库中每一个故障案例的故障基本信息进行对比，从电力通信系统故障案例库中，确定与取目标故障相似度超过第一预设相似度阈值的故障案例为典型故障案例；根据现场故障实际信息对典型故障案例进行优化，确定目标故障的优化故障诊断案例；根据优化故障诊断案例对电力通信系统进行故障诊断，能够实现电力通信系统故障进行准确地、实时地诊断。

Description

电力通信系统故障诊断方法及装置
技术领域
本发明属于电力信息技术领域，尤其涉及一种电力通信系统故障诊断方法及装置。
背景技术
电力通信系统是智能电网的重要组成部分，是保障电网生产、运行、管理和供电服务的重要基础。电力通信系统作为电力系统的重要支撑网络，随着特高压、智能电网的迅速发展，为保证电力生产业务的安全运行，对电力通信系统的可靠性和稳定提出了更高的要求，及时诊断出电力通信系统故障电力通信调度运行工作的重点内容。
目前，传统的对电力通信系统进行故障诊断的方法，主要是依靠调度人员的经验和主观判断，当遇到技术复杂、系统层次结构复杂的故障时，依靠调度人员的经验和主观判断的方式会导致故障诊断准确度低、实时性差的问题。
发明内容
有鉴于此，本发明实施例提供了一种电力系统故障诊断方法及装置，能够实现对电力通信系统故障进行准确地、实时地诊断。
本发明实施例的第一方面，提供了一种电力通信系统故障诊断方法，包括:
提取目标故障的故障基本信息；
获取预存的电力通信系统故障案例库，所述电力通信系统故障案例库中保存若干故障案例的故障基本信息、故障现象描述、故障原因推断和诊断策略；
将所述目标故障的故障基本信息和所述电力通信系统故障案例库中每一个故障案例的故障基本信息进行对比，从所述电力通信系统故障案例库中，确定与所述取目标故障相似度超过第一预设相似度阈值的故障案例为典型故障案例；
根据所述现场故障实际信息对所述典型故障案例进行优化，确定所述目标故障的优化故障诊断案例；
根据所述优化故障诊断案例对所述电力通信系统进行故障诊断。
本发明实施例的第二方面，提供了一种电力通信系统故障诊断装置，包括：
故障基本信息提取模块，用于提取目标故障的故障基本信息；
故障案例库获取模块，用于获取预存的电力通信系统故障案例库，所述电力通信系统故障案例库中保存若干故障案例的故障基本信息、故障现象描述、故障原因推断和诊断策略；
典型故障案例确定模块，用于将所述目标故障的故障基本信息和所述电力通信系统故障案例库中每一个故障案例的故障基本信息进行对比，从所述电力通信系统故障案例库中，确定与所述取目标故障相似度超过第一预设相似度阈值的故障案例为典型故障案例；
优化故障诊断案例确定模块，用于根据所述现场故障实际信息对所述典型故障案例进行优化，确定所述目标故障的优化故障诊断案例；
故障诊断模块，用于根据所述优化故障诊断案例对所述电力通信系统进行故障诊断。
本发明实施例与现有技术相比的有益效果是：本发明实施例提供的电力通信系统故障诊断方法及装置，通过提取目标故障的故障基本信息；获取预存的电力通信系统故障案例库，电力通信系统故障案例库中保存若干故障案例的故障基本信息、故障现象描述、故障原因推断和诊断策略；将目标故障的故障基本信息和电力通信系统故障案例库中每一个故障案例的故障基本信息进行对比，从电力通信系统故障案例库中，确定与取目标故障相似度超过第一预设相似度阈值的故障案例为典型故障案例；根据现场故障实际信息对典型故障案例进行优化，确定目标故障的优化故障诊断案例；根据优化故障诊断案例对电力通信系统进行故障诊断。由于本发明实施例采用电力通信系统故障案例库与出现故障的目标故障进行对比，获取优化故障诊断案例来指导电力通信系统进行故障诊断，本发明实施例能够实现电力通信系统故障进行准确地、实时地诊断。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种电力通信系统故障诊断方法的流程示意图；
图2为本发明另一实施例提供的一种电力通信系统故障诊断方法的流程示意图；
图3为本发明又一实施例提供的一种电力通信系统故障诊断方法的流程示意图；
图4为本发明再一实施例提供的一种电力通信系统故障诊断方法的流程示意图；
图5为本发明一实施例提供的一种电力通信系统故障诊断装置的结构框图；
图6为本发明一实施例提供的一种电力通信系统故障诊断的终端设备的示意框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
参考图1，图1为本发明一实施例提供的一种电力通信系统故障诊断方法的流程示意图。在本实施例中，所述方法可以应用到移动终端、PDA(Personal Digital Assistant，掌上电脑)设备或PC(Personal Computer，个人电脑)上，详述如下：
S101：提取目标故障的故障基本信息。
在本实施例中，目标故障为电力通信系统发生故障时，通过对故障基础信息和故障诊断求的关联性分析，提炼故障类型、故障网络、故障站点、故障警告信息描述、故障影响业务、故障设备、故障件种类和故障件所属厂家9类特征属性信息作为目标故障的故障基本信息。
S102：获取预存的电力通信系统故障案例库，电力通信系统故障案例库中保存若干故障案例的故障基本信息、故障现象描述、故障原因推断和诊断策略。
在本实施例中，预存的电力通信系统故障案例库是对一定时间内的电力通信系统故障案例记录数据进行整理、关键词提取得到故障案例的故障基本信息。故障案例的故障基本信息可以包括故障案例的故障类型、故障网络、故障站点、故障警告信息描述、故障影响业务、故障设备、故障件种类和故障件所属厂家9类特征属性信息。
S103：将目标故障的故障基本信息和电力通信系统故障案例库中每一个故障案例的故障基本信息进行对比，从电力通信系统故障案例库中，确定与目标故障相似度超过第一预设相似度阈值的故障案例为典型故障案例。
在本实施例中，目标故障相似度与电力通信系统故障案例库中故障案例的相似度可以通过故障基本信息的相似程度(如相同字符个数)确定。第一预设相似度阈值可根据需求进行自行设置，对此本发明不作任何限制。
S104：根据现场故障实际信息对典型故障案例进行优化，确定目标故障的优化故障诊断案例。
在本实施例中，可以根据故障实际信息将典型故障案例中的故障基本信息进行修改或替换，得到优化故障诊断案例。
S105：根据优化故障诊断案例对电力通信系统进行故障诊断。
在本实施例中，根据优化故障案例中的故障现象描述、故障原因推断和诊断策略为诊断参考信息，对电力通信系统进行故障诊断。
从本实施例可知，通过提取目标故障的故障基本信息；获取预存的电力通信系统故障案例库，电力通信系统故障案例库中保存若干故障案例的故障基本信息、故障现象描述、故障原因推断和诊断策略；将目标故障的故障基本信息和电力通信系统故障案例库中每一个故障案例的故障基本信息进行对比，从电力通信系统故障案例库中，确定与取目标故障相似度超过第一预设相似度阈值的故障案例为典型故障案例；根据现场故障实际信息对典型故障案例进行优化，确定目标故障的优化故障诊断案例；根据优化故障诊断案例对电力通信系统进行故障诊断。由于本发明实施例采用电力通信系统故障案例库与出现故障的目标故障进行对比，获取优化故障诊断案例来指导电力通信系统进行故障诊断，本发明实施例能够实现电力通信系统故障进行准确地、实时地诊断。
参考图2，图2为本发明另一实施例提供的一种电力通信系统故障诊断方法的流程示意图。在上述实施例的基础上，本实施例详细描述建立电力通信系统故障案例库的过程，如下：
S201：获取预设时间段内的电力通信系统故障案例记录数据，电力通信系统故障案例记录数据包含若干电力通信系统故障案例。
在本实施例中，预设时间段可根据需要设置，例如5年。电力通信系统故障案例记录数据可以是某地区电力系统故障处理记录数据。
S202：从电力通信系统故障案例记录数据中确定每一个电力通信系统故障案例的故障基本信息。
在本实施例中，对电力通信系统故障案例记录数据进行整理、关键词提炼和数据补充，得到每一个电力通信系统故障案例的故障基本信息。
S203：获取每一个电力通信系统故障案例的故障现象描述、故障原因推断和诊断策略。
在本实施例中，可以根据每一个电力通信系统故障案例的记录数据进行整理、关键词提炼和数据补充得到故障案例的故障现象描述。然后根据故障现象描述编制相应的故障原因推断和诊断策略。
S204：保存每一个故障案例的故障基本信息、故障现象描述、故障原因推断和诊断策略的对应关系，得到电力通信系统故障案例库。
在本实施例中，可以将每一个故障案例的故障基本信息、故障现象描述、故障原因推断和诊断策略的对应关系保存在一个表格或数据库中，确定电力通信系统故障案例库。
从本实施例可知，通过预设时间段内的电力通信系统故障案例记录数据，获取每一个故障案例的故障基本信息、故障现象描述、故障原因推断和诊断策略的对应关系，得到电力通信系统故障案例库，可以快速地、高效地建立电力通信系统故障案例库。
参考图3，图3为本发明又一实施例提供的一种电力通信系统故障诊断方法的流程示意图。在上述实施例的基础上，本实施例的目标故障的故障基本信息包括所述目标故障的故障站点、故障告警信息描述、故障网络、故障影响业务、故障类型；故障案例的故障基本信息包含故障案例的故障站点、故障告警信息描述、故障网络、故障影响业务、故障类型，上述步骤S103详述如下：
S301：获取目标故障的故障站点的字符数、故障告警信息描述的字符数、故障网络的字符数、故障影响业务的字符数和故障类型的字符数组成的第一矩阵。
在本实施例中，可以先获取目标故障的故障站点、故障告警信息描述、故障网络、故障影响业务和故障类型组成的第一字符串矩阵A{A1、A2、A3、A4、A5}，然后计算第一字符串矩阵A的字符数的第一矩阵N{N1、N2、N3、N4、N5}。
S302：获取电力通信系统故障案例库中每一个故障案例的故障站点的字符数、故障告警信息描述的字符数、故障网络的字符数、故障影响业务的字符数和故障类型的字符数组成的第二矩阵。
在本实施例中，可以首先获取每一个故障案例的故障站点、故障告警信息描述、故障网络、故障影响业务和故障类型组成的第二字符串矩阵B{B1、B2、B3、B4、B5}，然后计算第二字符串矩阵B的字符数的第二矩阵M{M1、M2、M3、M4、M5}。
S303：获取电力通信系统故障案例库中每一个故障案例与目标故障的故障站点的相同字符数、故障告警信息描述的相同字符数、故障网络的相同字符数、故障影响业务的相同字符数和故障类型的相同字符数组成的第三矩阵。
在本实施例中，可以计算每一个故障案例与目标故障的故障站点的相同字符数、故障告警信息描述的相同字符数、故障网络的相同字符数、故障影响业务的相同字符数和故障类型的相同字符数组成的第三矩阵，即根据第一矩阵N和第二矩阵M中字符数相同的字符得到第三矩阵K{K1、K2、K3、K4、K5}。
S304：根据第一矩阵、第二矩阵和第三矩阵，确定电力通信系统故障案例库中每一个故障案例与目标故障的匹配矩阵。
在本实施例中，可以将第一矩阵、第二矩阵和第三矩阵代入预设的计算公式中，可以确定电力通信系统故障案例库中每一个故障案例与目标故障的匹配矩阵。
具体地，根据第一矩阵、第二矩阵和第三矩阵，确定电力通信系统故障案例库中每一个故障案例与目标故障的匹配矩阵，的预设计算公式为：
式中，X为匹配矩阵，K为第三矩阵，M为第二矩阵，N为第一矩阵。
S305：根据匹配矩阵和预设特征属性权重，确定电力通信系统故障案例库中每一个故障案例与目标故障的相似度。
在本实施例中，预设特征属性权重可以根据故障案例和目标故障以及经验进行预算确定。
具体地，根据匹配矩阵和预设特征属性权重，确定电力通信系统故障案例库中每一个故障案例与目标故障的相似度，计算公式为：
式中，SIM(Y)为相似度，wi为预设特征属性权重，xi为匹配矩阵X中的矩阵元素，i为X中的匹配矩阵的元素个数，取值1-5。
S306：若判定相似度超过第一预设相似度阈值，则确定电力通信系统故障案例库中相似度超过第一预设相似度阈值的故障案例为典型故障案例。
在本实施例中，第一预设相似度阈值可以根据需求进行设置，例如0.9。
在本发明的一个实施例中，也可以将电力通信系统故障案例库中相似度最大的故障案例确定为典型故障案例。
从本实施例可知，通过获取目标故障的故障站点的字符数、故障告警信息描述的字符数、故障网络的字符数、故障影响业务的字符数和故障类型的字符数组成的第一矩阵，获取电力通信系统故障案例库中每一个故障案例的故障站点的字符数、故障告警信息描述的字符数、故障网络的字符数、故障影响业务的字符数和故障类型的字符数组成的第二矩阵，获取电力通信系统故障案例库中每一个故障案例与目标故障的故障站点的相同字符数、故障告警信息描述的相同字符数、故障网络的相同字符数、故障影响业务的相同字符数和故障类型的相同字符数组成的第三矩阵，根据第一矩阵、第二矩阵和第三矩阵，确定电力通信系统故障案例库中每一个故障案例与目标故障的匹配矩阵，根据匹配矩阵和预设特征属性权重，确定电力通信系统故障案例库中每一个故障案例与目标故障的相似度，若判定相似度超过第一预设相似度阈值，则确定电力通信系统故障案例库中相似度超过第一预设相似度阈值的故障案例为典型故障案例，可以准确地确定典型故障案例，提高目标故障诊断的准确率。
参考图4，图4为本发明再一实施例提供的一种电力通信系统故障诊断方法的流程示意图。在上述实施例的基础上，本实施例的方法还包括：
S401：获取优化故障诊断案例与典型故障案例的相似度。
在本实施例中，本步骤获取优化故障诊断案例与典型故障案例的相似度的过程与S305的过程一致，这里不再赘述。
S402：若判定优化故障诊断案例与典型故障案例的相似度小于第二预设相似度阈值，则将优化故障诊断案例添加到电力通信系统故障案例库中。
在本实施例中，第二预设相似度阈值可以需求进行设置，例如0.9。
S403：若判定优化故障诊断案例与典型故障案例的相似度大于或等于第二预设相似度阈值，则将典型故障案例替换为优化故障诊断案例。
从本实施例可知，通过优化故障诊断案例添加到电力通信系统故障案例库中，或者将典型故障案例替换为优化故障诊断案例，可以丰富电力通信系统故障案例库中的故障案例，为后续故障诊断提供参考。
在本发明的一个实施例中，若无法获取电力通信系统故障案例库中与目标故障相似度超过第一预设相似度阈值的典型故障案例，则将目标故障作为故障案例添加到电力通信系统故障案例库中。
在本实施例中，第一预设相似度阈值可以为0.5。当无法获取电力通信系统故障案例库中与目标故障相似度超过第一预设相似度阈值的典型故障案例时，通过将与目标故障相似度超过第一预设相似度阈值的典型故障案例，可以丰富电力通信系统故障案例库中的故障案例。
在本发明的一个实施例中，电力通信系统故障案例库中的故障案例还包括基础信息，基础信息中包含故障案例的引用次数；若在预设时间段内，电力通信系统故障案例库中的故障案例的引用次数小于预设引用次数，则删除电力通信系统故障案例库中引用次数小于预设引用次数的故障案例。
在本实施例中，预设引用次数可以根据需求进行设置，例如取值为1。通过及时删除故障案例中引用次数较少的故障案例，可以提高匹配的速度和效率。
下面通过一个具体应用实施例，对电力通信系统故障诊断方法进行说明，如下：
(1)假设目标故障的故障基本信息如表1所示。
表1目标故障的故障基本信息
(2)由行业专家根据实际案例经验测算得出预设特征属性权重如表2所示。
表2预设特征属性权重
特征属性 故障站点 故障告警 故障网络 故障影响业务 故障类型
权重 0.236 0.247 0.166 0.168 0.183
(3)从预存的电力通信系统故障案例库，将所述目标故障的故障基本信息和所述电力通信系统故障案例库中每一个故障案例的故障基本信息进行对比，得到每一个故障案例与目标故障的相似度及故障基本信息，如表3所示。
根据相似度计算结果，可以得出编号为20160428001的参考案例与当前故障案例的相似度最高，SIM(Y)＝0.958，选取20160428001号作为当前目标故障的典型故障案例。
(4)获取典型故障案例的基本信息、故障现象描述、故障原因推断和诊断策略，如表4所示。
表4典型故障案例的基本信息、故障现象描述、故障原因推断和诊断策略
根据所述现场故障实际信息对典型故障案例20160428001的故障现象描述、故障原因推断和诊断策略进行优化，确定所述目标故障的优化故障诊断案例，根据优化故障诊断案例对电力通信系统进行故障诊断。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例的电力通信系统故障诊断方法，图5为本发明一实施例提供的一种电力通信系统故障诊断装置的结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。参照图5，该装置包括：故障基本信息提取模块501、故障案例库获取模块502、典型故障案例确定模块503、优化故障诊断案例确定模块504和故障诊断模块505。
其中，故障基本信息提取模块501，用于提取目标故障的故障基本信息；
故障案例库获取模块502，用于获取预存的电力通信系统故障案例库，所述电力通信系统故障案例库中保存若干故障案例的故障基本信息、故障现象描述、故障原因推断和诊断策略；
典型故障案例确定模块503，用于将所述目标故障的故障基本信息和所述电力通信系统故障案例库中每一个故障案例的故障基本信息进行对比，从所述电力通信系统故障案例库中，确定与所述取目标故障相似度超过第一预设相似度阈值的故障案例为典型故障案例；
优化故障诊断案例确定模块504，用于根据所述现场故障实际信息对所述典型故障案例进行优化，确定所述目标故障的优化故障诊断案例；
故障诊断模块505，用于根据所述优化故障诊断案例对所述电力通信系统进行故障诊断。
从本实施例可知，通过提取目标故障的故障基本信息；获取预存的电力通信系统故障案例库，电力通信系统故障案例库中保存若干故障案例的故障基本信息、故障现象描述、故障原因推断和诊断策略；将目标故障的故障基本信息和电力通信系统故障案例库中每一个故障案例的故障基本信息进行对比，从电力通信系统故障案例库中，确定与取目标故障相似度超过第一预设相似度阈值的故障案例为典型故障案例；根据现场故障实际信息对典型故障案例进行优化，确定目标故障的优化故障诊断案例；根据优化故障诊断案例对电力通信系统进行故障诊断。由于本发明实施例采用电力通信系统故障案例库与出现故障的目标故障进行对比，获取优化故障诊断案例来指导电力通信系统进行故障诊断，本发明实施例能够实现电力通信系统故障进行准确地、实时地诊断。
参考图5，在本发明的一个实施例中，在上述实施例的基础上，所述装置还包括：记录数据获取模块506、故障基本信息确定模块507、故障案例诊断信息获取模块508和故障案例库建立模块509。
记录数据获取模块506，用于获取预设时间段内的电力通信系统故障案例记录数据，所述电力通信系统故障案例记录数据包含若干电力通信系统故障案例；
故障基本信息确定模块507，用于从所述电力通信系统故障案例记录数据中确定每一个电力通信系统故障案例的故障基本信息；
故障案例诊断信息获取模块508，用于获取所述每一个电力通信系统故障案例的故障现象描述、故障原因推断和诊断策略；
故障案例库建立模块509，用于保存所述每一个故障案例的所述故障基本信息、所述故障现象描述、所述故障原因推断和所述诊断策略的对应关系，得到电力通信系统故障案例库。
参考图5，在本发明的一个实施例中，在上述实施例的基础上，
所述目标故障的故障基本信息包括所述目标故障的故障站点、故障告警信息描述、故障网络、故障影响业务、故障类型；所述故障案例的故障基本信息包含故障案例的故障站点、故障告警信息描述、故障网络、故障影响业务、故障类型；
所述典型故障案例确定模块503包括：
第一矩阵获取单元5031，用于获取所述目标故障的故障站点的字符数、故障告警信息描述的字符数、故障网络的字符数、故障影响业务的字符数和故障类型的字符数组成的第一矩阵；
第二矩阵获取单元5032，用于获取电力通信系统故障案例库中每一个故障案例的故障站点的字符数、故障告警信息描述的字符数、故障网络的字符数、故障影响业务的字符数和故障类型的字符数组成的第二矩阵；
第三矩阵获取单元5033，用于获取电力通信系统故障案例库中所述每一个故障案例与所述目标故障的故障站点的相同字符数、故障告警信息描述的相同字符数、故障网络的相同字符数、故障影响业务的相同字符数和故障类型的相同字符数组成的第三矩阵；
匹配矩阵确定单元5034，用于根据所述第一矩阵、所述第二矩阵和所述第三矩阵，确定电力通信系统故障案例库中所述每一个故障案例与所述目标故障的匹配矩阵；
相似度确定单元5035，用于根据所述匹配矩阵和预设特征属性权重，确定所述电力通信系统故障案例库中每一个故障案例与所述目标故障的相似度；
典型故障案例确定单元5036，用于若判定所述相似度超过第一预设相似度阈值，则确定电力通信系统故障案例库中相似度超过第一预设相似度阈值的故障案例为所述典型故障案例。
参考图5，在本发明的一个实施例中，在上述实施例的基础上，所述匹配矩阵确定单元5034，用于根据所述第一矩阵、所述第二矩阵和所述第三矩阵，确定电力通信系统故障案例库中所述每一个故障案例与所述目标故障的匹配矩阵，计算公式为：
式中，X为匹配矩阵，K为第三矩阵，M为第二矩阵，N为第一矩阵。
参考图5，在本发明的一个实施例中，在上述实施例的基础上，所述相似度确定单元5035，用于根据所述匹配矩阵和预设特征属性权重，确定所述电力通信系统故障案例库中每一个故障案例与所述目标故障的相似度，计算公式为：
式中，SIM(Y)为相似度，wi为预设特征属性权重，xi为匹配矩阵X中的矩阵元素，i为X中的匹配矩阵的元素个数，取值1-5。
参考图5，在本发明的一个实施例中，在上述实施例的基础上，所述装置还包括：
相似度获取模块510，用于获获取所述优化故障诊断案例与所述典型故障案例的相似度；
第一故障案例添加模块511，用于若判定所述优化故障诊断案例与所述典型故障案例的相似度小于第二预设相似度阈值，则将所述优化故障诊断案例添加到所述电力通信系统故障案例库中；
第一故障案例删除模块512，用于若判定所述优化故障诊断案例与所述典型故障案例的相似度大于或等于第二预设相似度阈值，则将所述典型故障案例替换为所述优化故障诊断案例。
参考图5，在本发明的一个实施例中，在上述实施例的基础上，所述装置还包括：
第二故障案例添加模块513，用于若无法获取所述电力通信系统故障案例库中与所述目标故障相似度超过第一预设相似度阈值的典型故障案例，则将所述目标故障作为故障案例添加到所述电力通信系统故障案例库中。
参考图5，在本发明的一个实施例中，在上述实施例的基础上，所述电力通信系统故障案例库中的故障案例还包括基础信息，所述基础信息中包含故障案例的引用次数；所述装置还包括：
第二故障案例删除模块514，用于若在预设时间段内，所述电力通信系统故障案例库中的故障案例的引用次数小于预设引用次数，则删除所述电力通信系统故障案例库中引用次数小于预设引用次数的故障案例。
参见图6，图6为本发明一实施例提供的一种电力通信系统故障诊断的终端设备的示意框图。如图6所示的本实施例中的终端600可以包括：一个或多个处理器601、一个或多个输入设备602、一个或多个则输出设备603及一个或多个存储器604。上述处理器601、输入设备602、则输出设备603及存储器604通过通信总线605完成相互间的通信。存储器604用于存储计算机程序，所述计算机程序包括程序指令。处理器601用于执行存储器604存储的程序指令。其中，处理器601被配置用于调用所述程序指令执行以下操作：
处理器601，用于提取目标故障的故障基本信息；获取预存的电力通信系统故障案例库，所述电力通信系统故障案例库中保存若干故障案例的故障基本信息、故障现象描述、故障原因推断和诊断策略；将所述目标故障的故障基本信息和所述电力通信系统故障案例库中每一个故障案例的故障基本信息进行对比，从所述电力通信系统故障案例库中，确定与所述目标故障相似度超过第一预设相似度阈值的故障案例为典型故障案例；根据所述现场故障实际信息对所述典型故障案例进行优化，确定所述目标故障的优化故障诊断案例；根据所述优化故障诊断案例对所述电力通信系统进行故障诊断。
进一步地，所述处理器601，还用于建立所述电力通信系统故障案例库的过程，获取预设时间段内的电力通信系统故障案例记录数据，所述电力通信系统故障案例记录数据包含若干电力通信系统故障案例；从所述电力通信系统故障案例记录数据中确定每一个电力通信系统故障案例的故障基本信息；获取所述每一个电力通信系统故障案例的故障现象描述、故障原因推断和诊断策略；
保存所述每一个故障案例的所述故障基本信息、所述故障现象描述、所述故障原因推断和所述诊断策略的对应关系，得到电力通信系统故障案例库。
进一步地所述目标故障的故障基本信息包括所述目标故障的故障站点、故障告警信息描述、故障网络、故障影响业务、故障类型；所述故障案例的故障基本信息包含故障案例的故障站点、故障告警信息描述、故障网络、故障影响业务、故障类型；处理器601，还用于获取所述目标故障的故障站点的字符数、故障告警信息描述的字符数、故障网络的字符数、故障影响业务的字符数和故障类型的字符数组成的第一矩阵；获取电力通信系统故障案例库中每一个故障案例的故障站点的字符数、故障告警信息描述的字符数、故障网络的字符数、故障影响业务的字符数和故障类型的字符数组成的第二矩阵；获取电力通信系统故障案例库中所述每一个故障案例与所述目标故障的故障站点的相同字符数、故障告警信息描述的相同字符数、故障网络的相同字符数、故障影响业务的相同字符数和故障类型的相同字符数组成的第三矩阵；根据所述第一矩阵、所述第二矩阵和所述第三矩阵，确定电力通信系统故障案例库中所述每一个故障案例与所述目标故障的匹配矩阵；根据所述匹配矩阵和预设特征属性权重，确定所述电力通信系统故障案例库中每一个故障案例与所述目标故障的相似度；若判定所述相似度超过第一预设相似度阈值，则确定电力通信系统故障案例库中相似度超过第一预设相似度阈值的故障案例为所述典型故障案例。
进一步地，处理器601，还用于根据所述第一矩阵、所述第二矩阵和所述第三矩阵，确定电力通信系统故障案例库中所述每一个故障案例与所述目标故障的匹配矩阵，计算公式为：式中，X为匹配矩阵，K为第三矩阵，M为第二矩阵，N为第一矩阵。
进一步地，处理器601，用于根据所述匹配矩阵和预设特征属性权重，确定所述电力通信系统故障案例库中每一个故障案例与所述目标故障的相似度，计算公式为：式中，SIM(Y)为相似度，wi为预设特征属性权重，xi为匹配矩阵X中的矩阵元素，i为X中的匹配矩阵的元素个数，取值1-5。
进一步地，处理器601，还用于获取所述优化故障诊断案例与所述典型故障案例的相似度；若判定所述优化故障诊断案例与所述典型故障案例的相似度小于第二预设相似度阈值，则将所述优化故障诊断案例添加到所述电力通信系统故障案例库中；若判定所述优化故障诊断案例与所述典型故障案例的相似度大于或等于第二预设相似度阈值，则将所述典型故障案例替换为所述优化故障诊断案例。
进一步地，处理器601，还用于若无法获取所述电力通信系统故障案例库中与所述目标故障相似度超过第一预设相似度阈值的典型故障案例，则将所述目标故障作为故障案例添加到所述电力通信系统故障案例库中。
进一步地，电力通信系统故障案例库中的故障案例还包括基础信息，所述基础信息中包含故障案例的引用次数；处理器601，还用于若在预设时间段内，所述电力通信系统故障案例库中的故障案例的引用次数小于预设引用次数，则删除所述电力通信系统故障案例库中引用次数小于预设引用次数的故障案例。
应当理解，在本发明实施例中，所称处理器601可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备602可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备603可以包括显示器(LCD等)、扬声器等。
该存储器604可以包括只读存储器和随机存取存储器，并向处理器601提供指令和数据。存储器604的一部分还可以包括非易失性随机存取存储器。例如，存储器604还可以存储设备类型的信息。
具体实现中，本发明实施例中所描述的处理器601、输入设备602、输出设备603可执行本发明实施例提供的业务请求方法的第一实施例和第二实施例中所描述的实现方式，也可执行本发明实施例所描述的终端的实现方式，在此不再赘述。
在本发明的另一实施例中提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
所述计算机可读存储介质可以是前述任一实施例所述的终端的内部存储单元，例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种电力通信系统故障诊断方法，其特征在于，包括：
提取目标故障的故障基本信息；
获取预存的电力通信系统故障案例库，所述电力通信系统故障案例库中保存若干故障案例的故障基本信息、故障现象描述、故障原因推断和诊断策略；
将所述目标故障的故障基本信息和所述电力通信系统故障案例库中每一个故障案例的故障基本信息进行对比，从所述电力通信系统故障案例库中，确定与所述目标故障相似度超过第一预设相似度阈值的故障案例为典型故障案例；
根据所述现场故障实际信息对所述典型故障案例进行优化，确定所述目标故障的优化故障诊断案例；
根据所述优化故障诊断案例对所述电力通信系统进行故障诊断。
2.根据权利要求1所述的电力通信系统故障诊断方法，其特征在于，建立所述电力通信系统故障案例库的过程，包括：
获取预设时间段内的电力通信系统故障案例记录数据，所述电力通信系统故障案例记录数据包含若干电力通信系统故障案例；
从所述电力通信系统故障案例记录数据中确定每一个电力通信系统故障案例的故障基本信息；
获取所述每一个电力通信系统故障案例的故障现象描述、故障原因推断和诊断策略；
保存所述每一个故障案例的所述故障基本信息、所述故障现象描述、所述故障原因推断和所述诊断策略的对应关系，得到电力通信系统故障案例库。
3.根据权利要求1所述的电力通信系统故障诊断方法，其特征在于，所述目标故障的故障基本信息包括所述目标故障的故障站点、故障告警信息描述、故障网络、故障影响业务、故障类型；所述故障案例的故障基本信息包含故障案例的故障站点、故障告警信息描述、故障网络、故障影响业务、故障类型；
所述将所述目标故障的故障基本信息和所述电力通信系统故障案例库中每一个故障案例的故障基本信息进行对比，从所述电力通信系统故障案例库中，确定与所述取目标故障相似度超过第一预设相似度阈值的故障案例为典型故障案例，包括：
获取所述目标故障的故障站点的字符数、故障告警信息描述的字符数、故障网络的字符数、故障影响业务的字符数和故障类型的字符数组成的第一矩阵；
获取电力通信系统故障案例库中每一个故障案例的故障站点的字符数、故障告警信息描述的字符数、故障网络的字符数、故障影响业务的字符数和故障类型的字符数组成的第二矩阵；
获取电力通信系统故障案例库中所述每一个故障案例与所述目标故障的故障站点的相同字符数、故障告警信息描述的相同字符数、故障网络的相同字符数、故障影响业务的相同字符数和故障类型的相同字符数组成的第三矩阵；
根据所述第一矩阵、所述第二矩阵和所述第三矩阵，确定电力通信系统故障案例库中所述每一个故障案例与所述目标故障的匹配矩阵；
根据所述匹配矩阵和预设特征属性权重，确定所述电力通信系统故障案例库中每一个故障案例与所述目标故障的相似度；
若判定所述相似度超过第一预设相似度阈值，则确定电力通信系统故障案例库中相似度超过第一预设相似度阈值的故障案例为所述典型故障案例。
4.根据权利要求3所述的电力通信系统故障诊断方法，其特征在于，所述根据所述第一矩阵、所述第二矩阵和所述第三矩阵，确定电力通信系统故障案例库中所述每一个故障案例与所述目标故障的匹配矩阵，计算公式为：
<mrow> <mi>S</mi> <mi>I</mi> <mi>M</mi> <mrow> <mo>(</mo> <mi>X</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mn>2</mn> <mi>K</mi> </mrow> <mrow> <mi>N</mi> <mo>+</mo> <mi>M</mi> </mrow> </mfrac> </mrow>
式中，X为匹配矩阵，K为第三矩阵，M为第二矩阵，N为第一矩阵。
5.根据权利要求4所述的电力通信系统故障诊断方法，其特征在于，所述根据所述匹配矩阵和预设特征属性权重，确定所述电力通信系统故障案例库中每一个故障案例与所述目标故障的相似度，计算公式为：
<mrow> <mi>S</mi> <mi>I</mi> <mi>M</mi> <mrow> <mo>(</mo> <mi>Y</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>5</mn> </munderover> <msub> <mi>w</mi> <mi>i</mi> </msub> <msub> <mi>x</mi> <mi>i</mi> </msub> </mrow>
式中，SIM(Y)为相似度，wi为预设特征属性权重，xi为匹配矩阵X中的矩阵元素，i为X中的匹配矩阵的元素个数，取值1-5。
6.一种电力通信系统故障诊断装置，其特征在于，包括：
故障基本信息提取模块，用于提取目标故障的故障基本信息；
故障案例库获取模块，用于获取预存的电力通信系统故障案例库，所述电力通信系统故障案例库中保存若干故障案例的故障基本信息、故障现象描述、故障原因推断和诊断策略；
典型故障案例确定模块，用于将所述目标故障的故障基本信息和所述电力通信系统故障案例库中每一个故障案例的故障基本信息进行对比，从所述电力通信系统故障案例库中，确定与所述取目标故障相似度超过第一预设相似度阈值的故障案例为典型故障案例；
优化故障诊断案例确定模块，用于根据所述现场故障实际信息对所述典型故障案例进行优化，确定所述目标故障的优化故障诊断案例；
故障诊断模块，用于根据所述优化故障诊断案例对所述电力通信系统进行故障诊断。
7.根据权利要求6所述的电力通信系统故障诊断装置，其特征在于，还包括：
记录数据获取模块，用于获取预设时间段内的电力通信系统故障案例记录数据，所述电力通信系统故障案例记录数据包含若干电力通信系统故障案例；
故障基本信息确定模块，用于从所述电力通信系统故障案例记录数据中确定每一个电力通信系统故障案例的故障基本信息；
故障案例诊断信息获取模块，用于获取所述每一个电力通信系统故障案例的故障现象描述、故障原因推断和诊断策略；
故障案例库建立模块，用于保存所述每一个故障案例的所述故障基本信息、所述故障现象描述、所述故障原因推断和所述诊断策略的对应关系，得到电力通信系统故障案例库。
8.根据权利要求6所述的电力通信系统故障诊断装置，其特征在于，所述目标故障的故障基本信息包括所述目标故障的故障站点、故障告警信息描述、故障网络、故障影响业务、故障类型；所述故障案例的故障基本信息包含故障案例的故障站点、故障告警信息描述、故障网络、故障影响业务、故障类型；
所述典型故障案例确定模块包括：
第一矩阵获取单元，用于获取所述目标故障的故障站点的字符数、故障告警信息描述的字符数、故障网络的字符数、故障影响业务的字符数和故障类型的字符数组成的第一矩阵；
第二矩阵获取单元，用于获取电力通信系统故障案例库中每一个故障案例的故障站点的字符数、故障告警信息描述的字符数、故障网络的字符数、故障影响业务的字符数和故障类型的字符数组成的第二矩阵；
第三矩阵获取单元，用于获取电力通信系统故障案例库中所述每一个故障案例与所述目标故障的故障站点的相同字符数、故障告警信息描述的相同字符数、故障网络的相同字符数、故障影响业务的相同字符数和故障类型的相同字符数组成的第三矩阵；
匹配矩阵确定单元，用于根据所述第一矩阵、所述第二矩阵和所述第三矩阵，确定电力通信系统故障案例库中所述每一个故障案例与所述目标故障的匹配矩阵；
相似度确定单元，用于根据所述匹配矩阵和预设特征属性权重，确定所述电力通信系统故障案例库中每一个故障案例与所述目标故障的相似度；
典型故障案例确定单元，用于若判定所述相似度超过第一预设相似度阈值，则确定电力通信系统故障案例库中相似度超过第一预设相似度阈值的故障案例为所述典型故障案例。
9.根据权利要求8所述的电力通信系统故障诊断装置，其特征在于，所述匹配矩阵确定单元，用于根据所述第一矩阵、所述第二矩阵和所述第三矩阵，确定电力通信系统故障案例库中所述每一个故障案例与所述目标故障的匹配矩阵，计算公式为：
<mrow> <mi>S</mi> <mi>I</mi> <mi>M</mi> <mrow> <mo>(</mo> <mi>X</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mn>2</mn> <mi>K</mi> </mrow> <mrow> <mi>N</mi> <mo>+</mo> <mi>M</mi> </mrow> </mfrac> </mrow>
式中，X为匹配矩阵，K为第三矩阵，M为第二矩阵，N为第一矩阵。
10.根据权利要求9所述的电力通信系统故障诊断装置，其特征在于，所述相似度确定单元，用于根据所述匹配矩阵和预设特征属性权重，确定所述电力通信系统故障案例库中每一个故障案例与所述目标故障的相似度，计算公式为：
<mrow> <mi>S</mi> <mi>I</mi> <mi>M</mi> <mrow> <mo>(</mo> <mi>Y</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>5</mn> </munderover> <msub> <mi>w</mi> <mi>i</mi> </msub> <msub> <mi>x</mi> <mi>i</mi> </msub> </mrow>
式中，SIM(Y)为相似度，wi为预设特征属性权重，xi为匹配矩阵X中的矩阵元素，i为X中的匹配矩阵的元素个数，取值1-5。
CN201810052075.2A 2018-01-19 2018-01-19 电力通信系统故障诊断方法及装置 Active CN108090567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810052075.2A CN108090567B (zh) 2018-01-19 2018-01-19 电力通信系统故障诊断方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810052075.2A CN108090567B (zh) 2018-01-19 2018-01-19 电力通信系统故障诊断方法及装置

Publications (2)

Publication Number Publication Date
CN108090567A true CN108090567A (zh) 2018-05-29
CN108090567B CN108090567B (zh) 2021-07-27

Family

ID=62183273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810052075.2A Active CN108090567B (zh) 2018-01-19 2018-01-19 电力通信系统故障诊断方法及装置

Country Status (1)

Country Link
CN (1) CN108090567B (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109683586A (zh) * 2018-12-10 2019-04-26 国电南瑞科技股份有限公司 一种基于任务型对话机器人的设备运维故障诊断方法
CN109976318A (zh) * 2019-04-28 2019-07-05 郑州万特电气股份有限公司 基于互联网的电能计量故障诊断排查专家系统
CN109977146A (zh) * 2019-05-07 2019-07-05 山东省科学院激光研究所 故障诊断方法、装置及电子设备
CN110221145A (zh) * 2019-06-03 2019-09-10 国家电网有限公司 电力设备故障诊断方法、装置及终端设备
CN110275481A (zh) * 2019-07-03 2019-09-24 北京北特圣迪科技发展有限公司 一种舞台自适应维护修正方法及系统
CN111242328A (zh) * 2020-02-27 2020-06-05 贵州智诚科技有限公司 一种提高设备运维质量和效率的方法
CN112101422A (zh) * 2020-08-19 2020-12-18 厦门盈盛捷电力科技有限公司 电力系统故障案例的典型案例自学习方法
CN112783865A (zh) * 2021-01-29 2021-05-11 杭州优云软件有限公司 一种半监督人机结合的运维故障库生成方法及系统
WO2021185079A1 (zh) * 2020-03-18 2021-09-23 华为技术有限公司 相似故障推荐方法及相关设备
CN114266364A (zh) * 2021-11-24 2022-04-01 国网北京市电力公司 电网故障的处理方法及其装置、计算机可读存储介质
CN114418226A (zh) * 2022-01-21 2022-04-29 广东电网有限责任公司 电力通信系统的故障分析方法及装置
CN114611575A (zh) * 2022-01-29 2022-06-10 国网河北省电力有限公司邯郸供电分公司 一种故障案例分类方法以及系统
CN114636890A (zh) * 2022-01-29 2022-06-17 国网河北省电力有限公司邯郸供电分公司 案例推理的故障定位方法以及系统、存储介质、电子设备
CN114866402A (zh) * 2022-05-07 2022-08-05 安徽凯炎电力保护设备有限公司 一种系统数据动态对比方法
CN114878960A (zh) * 2022-04-25 2022-08-09 国网北京市电力公司 故障诊断方法、存储介质、电力采集终端和故障诊断系统
CN115426243A (zh) * 2022-08-09 2022-12-02 武汉虹信技术服务有限责任公司 一种基于大数据的网络设备故障维修方法
CN117354343A (zh) * 2023-10-10 2024-01-05 国网河南省电力公司濮阳供电公司 一种电网电力智能化信息安全通信系统及方法
WO2024183119A1 (zh) * 2023-03-09 2024-09-12 西诺控股集团有限公司 一种基于故障知识库的注塑机故障智能诊断方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001022431A (ja) * 1999-07-09 2001-01-26 Hitachi Ltd 組込型故障診断装置
CN103135014A (zh) * 2012-12-14 2013-06-05 西安电子科技大学 基于案例推理的变压器故障诊断方法
CN105608474A (zh) * 2015-12-30 2016-05-25 二十一世纪空间技术应用股份有限公司 基于高分辨率影像的区域自适应耕地提取方法
CN105787610A (zh) * 2014-12-18 2016-07-20 中国科学院沈阳自动化研究所 一种支持时间序列匹配的案例推理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001022431A (ja) * 1999-07-09 2001-01-26 Hitachi Ltd 組込型故障診断装置
CN103135014A (zh) * 2012-12-14 2013-06-05 西安电子科技大学 基于案例推理的变压器故障诊断方法
CN105787610A (zh) * 2014-12-18 2016-07-20 中国科学院沈阳自动化研究所 一种支持时间序列匹配的案例推理方法
CN105608474A (zh) * 2015-12-30 2016-05-25 二十一世纪空间技术应用股份有限公司 基于高分辨率影像的区域自适应耕地提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JIANJUN NI: "An Adaptive Approach Based on KPCA and SVM for Real-Time Fault Diagnosis of HVCBs", 《 IEEE TRANSACTIONS ON POWER DELIVERY 》 *
申德荣 等: "SKM:一种基于模式结构和已有匹配知识的模式匹配模型", 《软件学报》 *

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109683586A (zh) * 2018-12-10 2019-04-26 国电南瑞科技股份有限公司 一种基于任务型对话机器人的设备运维故障诊断方法
CN109976318A (zh) * 2019-04-28 2019-07-05 郑州万特电气股份有限公司 基于互联网的电能计量故障诊断排查专家系统
CN109976318B (zh) * 2019-04-28 2021-07-02 郑州万特电气股份有限公司 基于互联网的电能计量故障诊断排查专家系统
CN109977146A (zh) * 2019-05-07 2019-07-05 山东省科学院激光研究所 故障诊断方法、装置及电子设备
CN109977146B (zh) * 2019-05-07 2021-11-05 山东省科学院激光研究所 故障诊断方法、装置及电子设备
CN110221145A (zh) * 2019-06-03 2019-09-10 国家电网有限公司 电力设备故障诊断方法、装置及终端设备
CN110221145B (zh) * 2019-06-03 2021-05-14 国家电网有限公司 电力设备故障诊断方法、装置及终端设备
CN110275481A (zh) * 2019-07-03 2019-09-24 北京北特圣迪科技发展有限公司 一种舞台自适应维护修正方法及系统
CN111242328A (zh) * 2020-02-27 2020-06-05 贵州智诚科技有限公司 一种提高设备运维质量和效率的方法
WO2021185079A1 (zh) * 2020-03-18 2021-09-23 华为技术有限公司 相似故障推荐方法及相关设备
CN113497716A (zh) * 2020-03-18 2021-10-12 华为技术有限公司 相似故障推荐方法及相关设备
CN113497716B (zh) * 2020-03-18 2023-03-10 华为技术有限公司 相似故障推荐方法及相关设备
US11757701B2 (en) 2020-03-18 2023-09-12 Huawei Technologies Co., Ltd. Method for recommending similar incident, and related device
CN112101422A (zh) * 2020-08-19 2020-12-18 厦门盈盛捷电力科技有限公司 电力系统故障案例的典型案例自学习方法
CN112101422B (zh) * 2020-08-19 2024-02-13 厦门盈盛捷电力科技有限公司 电力系统故障案例的典型案例自学习方法
CN112783865A (zh) * 2021-01-29 2021-05-11 杭州优云软件有限公司 一种半监督人机结合的运维故障库生成方法及系统
CN114266364A (zh) * 2021-11-24 2022-04-01 国网北京市电力公司 电网故障的处理方法及其装置、计算机可读存储介质
CN114418226A (zh) * 2022-01-21 2022-04-29 广东电网有限责任公司 电力通信系统的故障分析方法及装置
CN114418226B (zh) * 2022-01-21 2024-03-29 广东电网有限责任公司 电力通信系统的故障分析方法及装置
CN114611575B (zh) * 2022-01-29 2023-09-15 国网河北省电力有限公司邯郸供电分公司 一种故障案例分类方法以及系统
CN114611575A (zh) * 2022-01-29 2022-06-10 国网河北省电力有限公司邯郸供电分公司 一种故障案例分类方法以及系统
CN114636890A (zh) * 2022-01-29 2022-06-17 国网河北省电力有限公司邯郸供电分公司 案例推理的故障定位方法以及系统、存储介质、电子设备
CN114636890B (zh) * 2022-01-29 2023-10-10 国网河北省电力有限公司邯郸供电分公司 案例推理的故障定位方法以及系统、存储介质、电子设备
CN114878960A (zh) * 2022-04-25 2022-08-09 国网北京市电力公司 故障诊断方法、存储介质、电力采集终端和故障诊断系统
CN114866402A (zh) * 2022-05-07 2022-08-05 安徽凯炎电力保护设备有限公司 一种系统数据动态对比方法
CN115426243A (zh) * 2022-08-09 2022-12-02 武汉虹信技术服务有限责任公司 一种基于大数据的网络设备故障维修方法
CN115426243B (zh) * 2022-08-09 2024-03-19 武汉虹信技术服务有限责任公司 一种基于大数据的网络设备故障维修方法
WO2024183119A1 (zh) * 2023-03-09 2024-09-12 西诺控股集团有限公司 一种基于故障知识库的注塑机故障智能诊断方法
CN117354343A (zh) * 2023-10-10 2024-01-05 国网河南省电力公司濮阳供电公司 一种电网电力智能化信息安全通信系统及方法
CN117354343B (zh) * 2023-10-10 2024-04-16 国网河南省电力公司濮阳供电公司 一种电网电力智能化信息安全通信系统及方法

Also Published As

Publication number Publication date
CN108090567B (zh) 2021-07-27

Similar Documents

Publication Publication Date Title
CN108090567A (zh) 电力通信系统故障诊断方法及装置
CN109284251A (zh) 日志管理方法、装置、计算机设备以及存储介质
CN109615524B (zh) 洗钱犯罪团伙的识别方法、装置、计算机设备及存储介质
CN107786545A (zh) 一种网络攻击行为检测方法及终端设备
CN110365703A (zh) 物联网终端异常状态检测方法、装置及终端设备
CN105049290B (zh) 页面访问监测方法及装置
CN108900619B (zh) 一种独立访客统计方法及装置
CN109740129B (zh) 基于区块链的报表生成方法、装置、设备及可读存储介质
CN109522344A (zh) 一种基于数据可视化的数据处理方法及设备
CN109272402A (zh) 评分卡的建模方法、装置、计算机设备及存储介质
CN105376223A (zh) 网络身份关系的可靠度计算方法
CN113364753A (zh) 反爬虫方法、装置、电子设备及计算机可读存储介质
CN108733799A (zh) 一种报表数据处理方法、装置及终端
CN107944731A (zh) 典型工程造价模板的建立方法及装置
CN111914101B (zh) 档案关联关系的异常识别方法、装置和计算机设备
CN107239387A (zh) 一种数据异常检测方法及终端
CN102387255B (zh) 一种利用智能卡处理第三方扩展业务数据的方法与装置
CN106294115A (zh) 一种应用系统迁移性的测试方法及装置
CN108647284A (zh) 记录用户行为的方法及装置、介质和计算设备
CN117951341A (zh) 基于区块链的业务处理方法、装置、设备、介质及产品
CN116519095A (zh) 一种仪表状态诊断及响应方法、装置、设备及存储介质
CN112364285B (zh) 基于ueba建立异常侦测模型的方法、装置及相关产品
CN110955760A (zh) 判决结果的评价方法和相关装置
JP2009053896A (ja) 不正操作検出装置およびプログラム
CN114281549A (zh) 数据的处理方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant