CN113919694A - 一种电力通信光缆关键业务承载状态分析方法及系统 - Google Patents

一种电力通信光缆关键业务承载状态分析方法及系统 Download PDF

Info

Publication number
CN113919694A
CN113919694A CN202111182632.0A CN202111182632A CN113919694A CN 113919694 A CN113919694 A CN 113919694A CN 202111182632 A CN202111182632 A CN 202111182632A CN 113919694 A CN113919694 A CN 113919694A
Authority
CN
China
Prior art keywords
service
optical cable
power communication
fuzzy clustering
data
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
Application number
CN202111182632.0A
Other languages
English (en)
Inventor
张淑娟
张丽霞
屈蓓蓓
樊磊
韩臻
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.)
Information and Telecommunication Branch of State Grid Shanxi Electric Power Co Ltd
Original Assignee
Information and Telecommunication Branch of State Grid Shanxi 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 Information and Telecommunication Branch of State Grid Shanxi Electric Power Co Ltd filed Critical Information and Telecommunication Branch of State Grid Shanxi Electric Power Co Ltd
Priority to CN202111182632.0A priority Critical patent/CN113919694A/zh
Publication of CN113919694A publication Critical patent/CN113919694A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种电力通信光缆关键业务承载状态分析方法及系统，包括：收集电力通信光缆所承载关键业务的相关数据，建立系统级别、业务级别和电压等级等业务属性列表；量化属性值并计算光缆的属性重要度指数，对数据矩阵标准化，构建分析数据集；确定模糊聚类算法的有效性指标，循环执行模糊聚类算法，获得最佳聚类个数和模糊集交叠系数，从而确定优化模糊聚类结果，据此分析电力通信光缆关键业务承载状态。电力通信运行管理人员利用本发明，可以直观分析光缆业务承载状态，准确识别关键业务分布特征和重载区段，有利于采取有效措施对光缆业务进行调整优化，降低网络运行风险，提高业务运行质量，解决光缆负载难以量化建模的问题。

Description

一种电力通信光缆关键业务承载状态分析方法及系统
技术领域
本发明涉及电力通信技术领域，具体为一种电力通信光缆关键业务承载状态分析方法及系统。
背景技术
电力通信光缆是电力通信业务的重要承载介质，业务承载状态是电力通信光缆的重要特征。有效分析与准确识别光缆的业务承载状态，将直接影响电力通信网络规划、通信业务部署和业务质量保证等多个方面。电力通信关键业务是指线路继电保护和安全稳定控制两种业务。电力通信光缆关键业务承载状态分析有利于电力通信运行管理人员准确识别关键业务分布特征和重载区段，及时采取有效措施进行业务调整，进一步降低业务运行风险，提高通信网整体运行质量。
目前，还没有基于模糊聚类技术，针对电力通信光缆关键业务承载状态分析的方法及系统。
发明内容
本发明的目的在于提供一种电力通信光缆关键业务承载状态分析方法及系统，可以有效识别光缆承载继电保护和安全稳定控制等关键业务的状况，解决光缆负载难以量化建模的问题。
为实现上述目的，本发明提供如下技术方案：
一种电力通信光缆关键业务承载状态分析方法，包括以下步骤：
S1：收集电力通信光缆所承载关键业务的相关数据，建立系统级别、业务级别和电压等级业务属性列表；
S2：量化属性值并计算光缆的属性重要度指数I，对数据矩阵标准化，构建分析数据集DS；
S3：确定模糊聚类算法的有效性指标CVI，循环执行模糊聚类算法，获得最佳聚类个数K和模糊集交叠系数m；由此确定优化模糊聚类结果，根据聚类结果，进行电力通信光缆关键业务承载状态分析；
S4：基于S3中电力通信光缆关键业务承载状态分析完成光缆业务承载状态的分析功能。
更进一步地，S2中量化属性值并计算光缆的属性重要度指数I包括：
S201：根据S1中得到电力通信光缆的业务属性包括：光传输系统的级别、业务级别、业务类型、承载方式、通道方式、业务电压等级；
S202：将光传输系统的级别分为一级网、二级网、三级网和专用光纤四种；将业务级别分为总部、分部和省公司三种；将业务类型分为保护业务和安全稳定控制业务两种类型；将承载方式分为专用光纤和复用两种方式；将通道方式分为主用与备用两种方式；将业务电压等级分为：交流1000kV、直流±800kV、直流±660kV、交流500kV和交流220kV五种；
S203：由于不同属性值具有不同的属性重要度指数I，针对电力通信光缆i，其第j个属性重要度指数I表示为：
Figure BDA0003297883500000021
其中，I(i,j)表示第i条光缆第j个业务属性的重要度指数；ωj(l)表示第j个业务属性、第l等级的重要度权重；Nj(i,l)表示第i条光缆、第j个业务属性、第l等级的业务数量；N(i)表示第i条光缆的业务总数；Lj表示第j个业务属性的等级数量；同一光缆不同属性、不同等级的业务数量满足条件
Figure BDA0003297883500000022
i＝1,2,...,nr，j＝1,2,...,nl；nr为光缆总数；nl为光缆业务属性个数。
更进一步地，属性重要度指数I的计算方法包括：
光传输系统I为：
I(i,1)＝[0.9×N1(i,1)+0.7×N1(i,2)+0.5×N1(i,3)+0.1×N1(i,4)]/N(i)
业务级别I为：
I(i,2)＝[0.9×N2(i,1)+0.7×N2(i,2)+0.5×N2(i,3)]/N(i)
业务类型I为：
I(i,3)＝[0.9×N3(i,1)+0.7×N3(i,2)]/N(i)
承载方式I为：
I(i,4)＝[0.9×N4(i,1)+0.7×N4(i,2)]/N(i)
通道方式I为：
I(i,5)＝[0.9×N5(i,1)+0.7×N5(i,2)]/N(i)
业务电压等级I为：
I(i,6)＝[0.9×N6(i,1)+0.8×N6(i,2)+0.8×N6(i,3)+0.7×N6(i,4)+0.5×N6(i,5)]/N(i)。
更进一步地，S2中对数据矩阵标准化，构建分析数据集DS包括：
将属性重要度及光缆承载业务总数组合起来，构成矩阵
Figure BDA0003297883500000031
设nl＝7，前(nl-1)列为属性重要度I，即aij＝I(i,j)；第nl列为光缆业务总数，即
Figure BDA0003297883500000032
标准化表达式为：
Figure BDA0003297883500000033
矩阵A的标准化处理结果为D＝{dij}；模糊聚类分析数据集DS可以根据不同的分析目的，在矩阵D中选择相应的列数据构造而成，DS是D的子集。
更进一步地，S3中确定模糊聚类算法的有效性指标CVI，循环执行模糊聚类算法，获得最佳聚类个数K和模糊集交叠系数m包括：
选择PBMF作为模糊聚类算法有效性指标CVI，其表达式为：
Figure BDA0003297883500000041
其中，K为聚类个数；m为模糊集合交叠系数；N为数据集DS的行数，N＝nr；dsi为第i个数据行向量；v为数据集均值向量，即
Figure BDA0003297883500000042
vk为第k个聚类ck的中心向量；
Figure BDA0003297883500000043
为m条件下dsi属于聚类ck的隶属度；
设K的取值范围[2,15]，m的取值范围为[1.1,5.0]；在此范围内，循环执行模糊聚类算法，利用CVI表达式计算不同条件下的PBMF值，得到CVI数组；模糊聚类最佳参数满足下式：
(K,m)＝argmaxCVI(K,m)
即当聚类有效性指标CVI取最大值时，对应的K和m为最佳模糊聚类参数。
更进一步地，循环执行模糊聚类算法包括：
给定聚类个数K和模糊集合交叠系数m，并设算法最大迭代次数itmax＝100，目标函数最小步进距离ε＝10-5；模糊聚类目标函数为：
Figure BDA0003297883500000044
其中，
Figure BDA0003297883500000045
利用μi,k构成隶属度矩阵Up，即Up＝{μi,k}；
经过逐次迭代，目标函数f(N,K,m)逐渐变小；当||UP+1-Up||＜ε或迭代次数达到最大值itmax时，停止迭代，认为目标函数值达到最小；此时，隶属度矩阵
Figure BDA0003297883500000051
和中心矩阵
Figure BDA0003297883500000052
为模糊聚类结果。
更进一步地，S3中确定优化模糊聚类结果包括：
当聚类有效性指标CVI取最大值时，对应的K和m为最佳模糊聚类参数，利用最佳模糊聚类参数，确定优化模糊聚类结果
Figure BDA0003297883500000053
和
Figure BDA0003297883500000054
更进一步地，根据聚类结果，进行电力通信光缆关键业务承载状态分析包括：
在优化的模糊聚类结果基础上，根据
Figure BDA0003297883500000055
每列元素的最大值，将电力通信光缆关键业务承载状态划分为K簇，每簇的数据点中心由
Figure BDA0003297883500000056
确定；利用数据可视化技术，直观展示电力通信光缆关键业务承载状态的情况，实现对传输系统重要性、业务等级、业务电压等级、不同属性业务数量的光缆业务状态的分析
本发明提供另一种技术方案：一种电力通信光缆关键业务承载状态分析系统，包括数据采集模块、数据预处理模块、模糊聚类算法模块和数据可视化分析模块；所述数据采集模块用于实现电力通信光缆关键业务承载的数据信息，数据信息来自于电力通信运行管理部门网络管理系统、运行维护系统、综合网络管理系统多个不同的数据源；
所述数据预处理模块将数据采集模块得到的有关电力通信光缆关键业务承载的多源异构数据进行预处理，得到规范化的模糊聚类数据集；
所述模糊聚类算法模块用于循环执行模糊聚类算法，优化确定最佳聚类个数K和模糊集交叠系数m，在最佳聚类个数K和模糊集交叠系数m的前提下，算法选择优化模糊聚类分析结果；
所述数据可视化分析模块利用模糊聚类算法模块得到的隶属度矩阵U和聚类中心矩阵Center，结合聚类数据集，通过数据可视化技术，实现电力通信光缆关键业务承载状态的分析。
与现有技术相比，本发明的有益效果是：
本发明提供的一种电力通信光缆关键业务承载状态分析方法及系统，通过数据采集模块获得电力通信光缆承载关键业务的数据信息，并建立模糊聚类分析数据集DS；然后，以PBMF作为模糊聚类有效性指标CVI，通过循环执行模糊聚类算法，对聚类个数K和模糊集交叠系数m进行优化；利用优化的K和m参数进行模糊聚类算法，得到优化的隶属度矩阵U和聚类中心矩阵Center；在此基础上，通过数据可视化分析模块分析电力通信光缆关键业务承载状态，电力通信运行管理人员利用本发明，可以直观分析光缆业务承载状态，准确识别关键业务分布特征和重载区段，有利于采取有效措施对光缆业务进行调整优化，降低网络运行风险，提高业务运行质量。
附图说明
图1为本发明实施例的分析方法流程图；
图2为本发明实施例的模糊聚类算法流程图；
图3为本发明的分析系统框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例中提供一种电力通信光缆关键业务承载状态分析方法，包括以下步骤：
第一步：收集电力通信光缆所承载关键业务的相关数据，建立系统级别、业务级别和电压等级业务属性列表；具体如下：
本发明实施例从现有网络管理系统和运行维护管理信息系统中收集相关数据，反映关键业务在电力通信光缆中的承载情况；将关键业务相关数据定义为业务属性，包括：光传输系统的级别、业务级别、业务类型、承载方式、通道方式、业务电压等级、业务总数等内容。
不同业务属性具有不同取值范围，其内容包括：
光传输系统分为一级网、二级网、三级网和专用光纤等4个等级；业务级别分为总部、分部和省公司等3个级别；业务类型分为线路继电保护和安全稳定控制2种业务类型；承载方式分为专用光纤和复用2种方式；通道方式分为主用与备用两种方式；业务电压等级分为交流1000kV、直流±800kV、直流±660kV、交流500kV和交流220kV等5种；
第二步：量化属性值并计算光缆的属性重要度指数I，对数据矩阵标准化，构建分析数据集DS；其中，不同属性值相对于业务状态分析而言具有的不同属性重要度指数Im表示为：
Figure BDA0003297883500000071
其中，ωj(l)表示第j个业务属性、第l等级的重要度权重；Nj(i,l)表示第i条光缆、第j个业务属性、第l等级的业务数量；N(i)表示第i条光缆的业务总数；Lj表示第j个业务属性的等级数量；业务数量满足条件
Figure BDA0003297883500000072
在上述步骤中，基于业务属性“光传输系统”的重要度权重取值方法如下：
若光传输系统为一级网，则ω1(1)＝0.9；
若光传输系统为二级网，则ω1(2)＝0.7；
若光传输系统为三级网，则ω1(3)＝0.5；
若专用光纤，则ω1(4)＝0.1；
则业务属性“光传输系统”的I表示为：
I(i,1)＝[0.9×N1(i,1)+0.7×N1(i,2)+0.5×N1(i,3)+0.1×N1(i,4)]/N(i)。
在上述步骤中，基于业务属性“业务级别”的重要度权重取值方法如下：
若业务为总部级别，则ω2(1)＝0.9；
若业务为分部级别，则ω2(2)＝0.7；
若业务为省公司级别，则ω2(3)＝0.5；
则业务属性“业务级别”的I表示为：
I(i,2)＝[0.9×N2(i,1)+0.7×N2(i,2)+0.5×N2(i,3)]/N(i)。
在上述步骤中，基于业务属性“业务类型”的重要度权重取值方法如下：
若业务为线路继电保护，则ω3(1)＝0.9；
若业务为安全稳定控制，则ω3(2)＝0.7；
则业务属性“业务类型”的I表示为：
I(i,3)＝[0.9×N3(i,1)+0.7×N3(i,2)]/N(i)。
在上述步骤中，基于业务属性“业务承载方式”的重要度权重取值方法如下：
若业务为专用光纤承载方式，则ω4(1)＝0.9；
若业务为复用承载方式，则ω4(2)＝0.7；
则业务属性“业务承载方式”的I表示为：
I(i,4)＝[0.9×N4(i,1)+0.7×N4(i,2)]/N(i)。
在上述步骤中，基于业务属性“通道方式”的重要度权重取值方法如下：
若业务为主用通道方式，则ω5(1)＝0.9；
若业务为备用通道方式，则ω5(2)＝0.7；
则业务属性“通道方式”的I表示为：
I(i,5)＝[0.9×N5(i,1)+0.7×N5(i,2)]/N(i)。
在上述步骤中，基于业务属性“电压等级”的重要度权重取值方法如下：
若业务为交流1000kV电压等级，则ω6(1)＝0.9；
若业务为直流±800kV或直流±660kV电压等级，则ω6(2)＝ω6(3)＝0.8；
若业务为交流500kV电压等级，则ω6(4)＝0.7；
若业务为交流220kV电压等级，则ω6(5)＝0.5；
则业务属性“电压等级”的I表示为：
I(i,6)＝
[0.9×N6(i,1)+0.8×N6(i,2)+0.8×N6(i,3)+0.7×N6(i,4)+0.5×N6(i,5)]/N(i)
将属性重要度I及光缆承载业务总数按列组合，构成矩阵
Figure BDA0003297883500000091
本发明设nl＝7，前(nl-1)列为I，即aij＝I(i,j)；第nl列为光缆业务总数，即
Figure BDA0003297883500000092
将矩阵A通过下式
Figure BDA0003297883500000093
进行标准化处理，结果为D＝{dij}；标准化的模糊聚类分析数据集DS可以根据分析目标不同，在矩阵D中选择相应的列数据构造而成。
第三步：确定模糊聚类算法的有效性指标CVI，循环执行模糊聚类算法，获得最佳聚类个数K和模糊集交叠系数m；由此确定优化模糊聚类结果，根据聚类结果，进行电力通信光缆关键业务承载状态分析；具体方法如下：
将模糊聚类算法有效性指标CVI选择PBMF指标，其表达式为：
Figure BDA0003297883500000101
其中，K为聚类个数；m为模糊集合交叠系数；N为分析数据集DS的行数，N＝nr；dsi为分析数据集DS的第i行元素向量；v为数据集均值向量，即
Figure BDA0003297883500000102
vk为第k个聚类ck的中心向量；
Figure BDA0003297883500000103
为m条件下dsi属于聚类ck的隶属度；
设模糊聚类算法最大迭代次数itmax＝100，目标函数最小步进距离ε＝10-5；以优化得到的聚类个数K和模糊集合交叠系数m为最佳参数，进行模糊聚类；模糊聚类结果为隶属度矩阵
Figure BDA0003297883500000104
和中心矩阵
Figure BDA0003297883500000105
设K的取值范围为[2,15]，m的取值范围为[1.1,5.0]，在此范围内，循环执行模糊聚类算法，利用CVI表达式计算不同条件下的PBMF值，得到CVI数组，模糊聚类最佳参数满足下式：
(K,m)＝argmaxCVI(K,m)
当聚类有效性指标CVI取最大值时，对应的K和m为优化模糊聚类参数；而且，优化模糊聚类参数K和m所对应的结果为优化聚类结果；
根据优化聚类结果，分析电力通信光缆关键业务承载状态包括：
对优化聚类结果
Figure BDA0003297883500000106
的每列元素进行最大值判别；U元素的最大值意味着隶属度最大；最大值所对应的列号即为光缆序号，行号即为聚类编号；这样就可以将电力通信光缆关键业务承载状态划分为K簇，而且每簇的数据点中心位置由聚类中心矩阵
Figure BDA0003297883500000107
确定；在此基础上，利用数据可视化技术，可以直观展示电力通信光缆关键业务承载状态的情况，从而实现对传输系统重要性、业务等级、业务电压等级、不同属性业务数量等光缆关键业务状态的分析。
第四步：基于S3中电力通信光缆关键业务承载状态分析完成光缆业务承载状态的分析功能，并建立电力通信光缆关键业务承载状态分析系统，其包括：数据采集模块、数据预处理模块、模糊聚类算法模块和数据可视化分析模块；各模块之间用于实现电力通信光缆关键业务承载状态分析。
为了进一步更好的解释说明本发明，还通过结合附图的方式进行以下实施例的说明：
请参阅图1，本发明实施例提出的一种电力通信光缆关键业务承载状态的分析方法，包括以下步骤：
S1.1：收集电力通信光缆所承载关键业务的相关数据；建立包括系统级别、业务级别、业务类型、承载方式、通道方式、电压等级、业务数量等内容的业务属性列表L；
S1.2：对属性列表L中的属性值进行量化，并根据属性值计算光缆属性的重要度指数Im；
光缆业务共涉及7种属性，包括传输系统级别、业务级别、业务类型、承载方式、通道方式、电压等级和业务数量，其中，前6种属性具有重要性，例如，传输系统分为一级、二级、三级和专用光纤等4个级别；业务级别分为总部、分部和省公司等3各级别；业务类型分为线路继电保护和安全稳定控制2种；承载方式分专用光纤和复用2种；通道方式分为主用和备用2种；电压等级分为交流1000kV、直流±800kV、直流±660kV、交流500kV和交流220kV等5种。
光缆属性的不同等级与分类具有不同重要度指数I，该指数由重要度权重和业务数量占比确定。
光缆属性的重要度指数I和光缆业务总数共同构成数据矩阵A，对数据矩阵A进行标准化处理，得到矩阵D。
根据关键业务承载状态分析的目的不同，可以有选择的构建模糊聚类分析数据集DS，例如，传输系统等级与业务数量聚类分析；业务级别与业务数量的聚类分析；业务电压等级与业务数量聚类分析等。
S1.3：在给定DS条件下，确定模糊聚类算法的有效性指标CVI(ClusteringValidity Index)，循环执行模糊聚类算法，优化得到最佳聚类个数k和模糊集合交叠系数m；对应优化参数的模糊聚类结果为优化结果；根据优化的聚类结果，分析电力通信光缆关键业务承载状态。
请参阅图2，本发明实施例中的模糊聚类算法的流程如下：
S2.1：以模糊聚类数据集DS、最大迭代次数和迭代步长为初始参数，算法选择PBMF为聚类有效性指标CVI，将在聚类个数K的区间[2，15]上等间隔选取14个样本点，在模糊集交叠系数m的区间[1.1，5.0]上等间隔选取40个样本点，分别得到K样本点向量VK＝{2,3,...,15}和m样本点向量Vm＝{1.1,1.2,...,5.0}，两类向量元素相互组合得到14×40＝560组样本数据。
S2.2：模糊聚类算法迭代执行，判断是否满足精度要求；如果结果满足精度要求，则结束迭代；否则，判断是否达到最大迭代次数；如果聚类次数达到最大次数，则结束迭代；否则，继续执行模糊聚类迭代运算。
S2.3：经过560次模糊聚类运算的循环执行，算法得到560个CVI值；对应CVI值取最大的一组数据作为选中的最佳聚类个数K和模糊集交叠系数m；与优化的K和m值对应的模糊聚类结果为优化结果。
其中，模糊聚类算法的优化结果是隶属度矩阵U和聚类中心矩阵Center，根据优化的U和Center，算法通过数据可视化处理，进行光缆承载业务状态分析：设分析的电力通信光缆总数nr＝732条，针对“传输系统级别”属性进行模糊聚类分析，在K区间[2，15]上等间隔选取14个样本点，在m区间[1.1，5.0]上等间隔选取40个样本点，共产生560组K和m样本数据，设模糊聚类算法循环执行次数为560，每次模糊聚类的最大迭代次数itmax＝100，目标函数最小步进距离ε＝10-5，进行560次模糊聚类；选择PBMF(Pakhira,Bandy&Maulik-indexfor Fuzzy C-means Clustering)为聚类有效性指标CVI，得到560个CVI值，对应最大CVI值的K和m取值分别为K＝6和m＝1.2，而对应最佳聚类个数和最佳模糊集交叠系数的隶属度矩阵U和聚类中心矩阵Center为优化模糊聚类结果。
通过数据可视化技术，结合光缆关节业务承载情况，基于模糊聚类的电力通信光缆关键业务承载状态分析结果为：
簇1(C1):包含40条光缆，特征为“传输系统级别”的Im值中等，业务数量中等偏少。
簇2(C2):包含453条光缆，特征为“传输系统级别”的Im值较低，业务数量偏少。
簇3(C3):包含9条光缆，特征为“传输系统级别”的Im值较低，业务数量较多。
簇4(C4):包含158条光缆，特征为“传输系统级别”的Im值较低，业务数量中等偏少。
簇5(C5):包含21条光缆，特征为“传输系统级别”的Im值较高，业务数量偏少。
簇6(C6):包含51条光缆，特征为“传输系统级别”的Im值较低，业务数量中等。
将上述分析结论可以作为电力通信运行维护人员准确识别关键业务分布特征和重载区段，并采取有效措施对光缆业务进行调整优化，降低网络运行风险的重要依据。
请参阅图3，在上述实施例中，本发明还提供一种电力通信光缆关键业务承载状态的分析系统，其包括以下内容：
(1)数据采集模块，该模块实现电力通信光缆关键业务承载的数据信息，数据信息来自于电力通信运行管理部门网络管理系统、运行维护系统、综合网络管理系统等多个不同的数据源；
(2)数据预处理模块，该模块将数据采集得到的、有关电力通信光缆关键业务承载的多源异构数据进行预处理，得到规范化的模糊聚类数据集；
(3)模糊聚类算法模块，该模块循环执行模糊聚类算法，优化确定最佳聚类个数K和模糊集交叠系数m，在最佳聚类个数K和模糊集交叠系数m的前提下，算法选择优化模糊聚类分析结果；
(4)数据可视化分析模块，该模块利用模糊聚类算法得到的隶属度矩阵U和聚类中心矩阵Center，结合聚类数据集，通过数据可视化技术，实现电力通信光缆关键业务承载状态的分析。
工作原理：本发明提供的一种电力通信光缆关键业务承载状态分析方法及系统，通过数据采集模块获得电力通信光缆承载关键业务的数据信息，对数据信息进行量化等于处理过程，计算属性重要度指数，对数据矩阵进行标准化处理，并建立模糊聚类分析数据集DS；然后，以PBMF作为模糊聚类有效性指标CVI，循环执行模糊聚类算法，对聚类个数K和模糊集交叠系数m进行优化；利用优化的K和m参数进行模糊聚类算法，得到优化的隶属度矩阵U和聚类中心矩阵Center；在此基础上，通过数据可视化分析模块分析电力通信光缆关键业务承载状态，电力通信运行管理人员利用本发明，可以直观分析光缆业务承载状态，准确识别关键业务分布特征和重载区段，有利于采取有效措施对光缆业务进行调整优化，降低网络运行风险，提高业务运行质量。
以上所述，仅为本发明较佳的具体实施方式，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披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种电力通信光缆关键业务承载状态分析方法，其特征在于，包括以下步骤：
S1：收集电力通信光缆所承载关键业务的相关数据，建立系统级别、业务级别和电压等级业务属性列表；
S2：量化属性值并计算光缆的属性重要度指数I，对数据矩阵标准化，构建分析数据集DS；
S3：确定模糊聚类算法的有效性指标CVI，循环执行模糊聚类算法，获得最佳聚类个数K和模糊集交叠系数m；由此确定优化模糊聚类结果，根据聚类结果，进行电力通信光缆关键业务承载状态分析；
S4：基于S3中电力通信光缆关键业务承载状态分析完成光缆业务承载状态的分析功能。
2.如权利要求1所述的一种电力通信光缆关键业务承载状态分析方法，其特征在于：S2中量化属性值并计算光缆的属性重要度指数I包括：
S201：根据S1中得到电力通信光缆的业务属性包括：光传输系统的级别、业务级别、业务类型、承载方式、通道方式、业务电压等级；
S202：将光传输系统的级别分为一级网、二级网、三级网和专用光纤四种；将业务级别分为总部、分部和省公司三种；将业务类型分为保护业务和安全稳定控制业务两种类型；将承载方式分为专用光纤和复用两种方式；将通道方式分为主用与备用两种方式；将业务电压等级分为：交流1000kV、直流±800kV、直流±660kV、交流500kV和交流220kV五种；
S203：由于不同属性值具有不同的属性重要度指数I，针对电力通信光缆i，其第j个属性重要度指数I表示为：
Figure FDA0003297883490000011
其中，I(i,j)表示第i条光缆第j个业务属性的重要度指数；ωj(l)表示第j 个业务属性第l等级的重要度权重；Nj(i,l)表示第i条光缆、第j个业务属性、第l等级的业务数量；N(i)表示第i条光缆的业务总数；Lj表示第j个业务属性的等级数量；同一光缆不同属性、不同等级的业务数量满足条件
Figure FDA0003297883490000021
nr为光缆总数；nl为光缆业务属性个数。
3.如权利要求2所述的一种电力通信光缆关键业务承载状态分析方法，其特征在于：属性重要度指数I的计算方法包括：
光传输系统I为：
I(i,1)＝[0.9×N1(i,1)+0.7×N1(i,2)+0.5×N1(i,3)+0.1×N1(i,4)]/N(i)
业务级别I为：
I(i,2)＝[0.9×N2(i,1)+0.7×N2(i,2)+0.5×N2(i,3)]/N(i)
业务类型I为：
I(i,3)＝[0.9×N3(i,1)+0.7×N3(i,2)]/N(i)
承载方式I为：
I(i,4)＝[0.9×N4(i,1)+0.7×N4(i,2)]/N(i)
通道方式I为：
I(i,5)＝[0.9×N5(i,1)+0.7×N5(i,2)]/N(i)
业务电压等级I为：
I(i,6)＝[0.9×N6(i,1)+0.8×N6(i,2)+0.8×N6(i,3)+0.7×N6(i,4)+0.5×N6(i,5)]/N(i)。
4.如权利要求1所述的一种电力通信光缆关键业务承载状态分析方法，其特征在于：S2中对数据矩阵标准化，构建分析数据集DS包括：
将属性重要度及光缆承载业务总数组合起来，构成矩阵
Figure FDA0003297883490000031
设nl＝7，前(nl-1)列为属性重要度I，即aij＝I(i,j)；第nl列为光缆业务总数，即
Figure FDA0003297883490000032
标准化表达式为：
Figure FDA0003297883490000033
矩阵A的标准化处理结果为D＝{dij}；模糊聚类分析数据集DS可以根据不同的分析目的，在矩阵D中选择相应的列数据构造而成，DS是D的子集。
5.如权利要求1所述的一种电力通信光缆关键业务承载状态分析方法，其特征在于，S3中确定模糊聚类算法的有效性指标CVI，循环执行模糊聚类算法，获得最佳聚类个数K和模糊集交叠系数m包括：
选择PBMF作为模糊聚类算法有效性指标CVI，其表达式为：
Figure FDA0003297883490000034
其中，K为聚类个数；m为模糊集合交叠系数；N为数据集DS的行数，N＝nr；dsi为第i个数据行向量；v为数据集均值向量，即
Figure FDA0003297883490000035
vk为第k个聚类ck的中心向量；
Figure FDA0003297883490000036
为m条件下dsi属于聚类ck的隶属度；
设K的取值范围[2,15]，m的取值范围为[1.1,5.0]；在此范围内，循环执行模糊聚类算法，利用CVI表达式计算不同条件下的PBMF值，得到CVI数组；模糊聚类最佳参数满足下式：
(K,m)＝argmaxCVI(K,m)
即当聚类有效性指标CVI取最大值时，对应的K和m为最佳模糊聚类参数。
6.如权利要求5所述的一种电力通信光缆关键业务承载状态分析方法，其特征在于，循环执行模糊聚类算法包括：
给定聚类个数K和模糊集合交叠系数m，并设算法最大迭代次数itmax＝100，目标函数最小步进距离ε＝10-5；模糊聚类目标函数为：
Figure FDA0003297883490000041
其中，
Figure FDA0003297883490000042
利用μi,k构成隶属度矩阵Up，即Up＝{μi,k}；
经过逐次迭代，目标函数f(N,K,m)逐渐变小；当||UP+1-Up||＜ε或迭代次数达到最大值itmax时，停止迭代，认为目标函数值达到最小；此时，隶属度矩阵
Figure FDA0003297883490000043
和中心矩阵
Figure FDA0003297883490000044
为模糊聚类结果。
7.如权利要求6所述的一种电力通信光缆关键业务承载状态分析方法，其特征在于，S3中确定优化模糊聚类结果包括：
当聚类有效性指标CVI取最大值时，对应的K和m为最佳模糊聚类参数，利用最佳模糊聚类参数，确定优化模糊聚类结果
Figure FDA0003297883490000045
和
Figure FDA0003297883490000046
8.如权利要求7所述的一种电力通信光缆关键业务承载状态分析方法，其特征在于，根据聚类结果，进行电力通信光缆关键业务承载状态分析包括：
在优化的模糊聚类结果基础上，根据
Figure FDA0003297883490000047
每列元素的最大值，将电力通信光缆关键业务承载状态划分为K簇，每簇的数据点中心由
Figure FDA0003297883490000048
确定；利用数据可视化技术，直观展示电力通信光缆关键业务承载状态的情况，实现对传输系统重要性、业务等级、业务电压等级、不同属性业务数量的光缆业务状态的分析。
9.一种电力通信光缆关键业务承载状态分析系统，其特征在于，包括数据采集模块、数据预处理模块、模糊聚类算法模块和数据可视化分析模块；所述数据采集模块用于实现电力通信光缆关键业务承载的数据信息，数据信息来自于电力通信运行管理部门网络管理系统、运行维护系统、综合网络管理系统多个不同的数据源；
所述数据预处理模块将数据采集模块得到的有关电力通信光缆关键业务承载的多源异构数据进行预处理，得到规范化的模糊聚类数据集；
所述模糊聚类算法模块用于循环执行模糊聚类算法，优化确定最佳聚类个数K和模糊集交叠系数m，在最佳聚类个数K和模糊集交叠系数m的前提下，算法选择优化模糊聚类分析结果；
所述数据可视化分析模块利用模糊聚类算法模块得到的隶属度矩阵U和聚类中心矩阵Center，结合聚类数据集，通过数据可视化技术，实现电力通信光缆关键业务承载状态的分析。
CN202111182632.0A 2021-10-11 2021-10-11 一种电力通信光缆关键业务承载状态分析方法及系统 Pending CN113919694A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111182632.0A CN113919694A (zh) 2021-10-11 2021-10-11 一种电力通信光缆关键业务承载状态分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111182632.0A CN113919694A (zh) 2021-10-11 2021-10-11 一种电力通信光缆关键业务承载状态分析方法及系统

Publications (1)

Publication Number Publication Date
CN113919694A true CN113919694A (zh) 2022-01-11

Family

ID=79239116

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111182632.0A Pending CN113919694A (zh) 2021-10-11 2021-10-11 一种电力通信光缆关键业务承载状态分析方法及系统

Country Status (1)

Country Link
CN (1) CN113919694A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116150257A (zh) * 2023-04-18 2023-05-23 国网湖北省电力有限公司信息通信公司 电力通信光缆资源可视化分析方法、系统及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108832968A (zh) * 2018-09-18 2018-11-16 国家电网有限公司 电力通信网络的重要业务承载能力确定方法及装置
CN110045250A (zh) * 2019-04-30 2019-07-23 华中科技大学 一种电力电缆的绝缘状态判断方法及系统
CN111291822A (zh) * 2020-02-21 2020-06-16 南京航空航天大学 基于模糊聚类最优k值选择算法的设备运行状态判断方法
CN111639237A (zh) * 2020-04-07 2020-09-08 安徽理工大学 一种基于聚类和关联规则挖掘的电力通信网风险评估系统
CN111654327A (zh) * 2019-11-08 2020-09-11 国网辽宁省电力有限公司电力科学研究院 一种面向光缆纤芯远程管理控制的业务特征提取方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108832968A (zh) * 2018-09-18 2018-11-16 国家电网有限公司 电力通信网络的重要业务承载能力确定方法及装置
CN110045250A (zh) * 2019-04-30 2019-07-23 华中科技大学 一种电力电缆的绝缘状态判断方法及系统
CN111654327A (zh) * 2019-11-08 2020-09-11 国网辽宁省电力有限公司电力科学研究院 一种面向光缆纤芯远程管理控制的业务特征提取方法
CN111291822A (zh) * 2020-02-21 2020-06-16 南京航空航天大学 基于模糊聚类最优k值选择算法的设备运行状态判断方法
CN111639237A (zh) * 2020-04-07 2020-09-08 安徽理工大学 一种基于聚类和关联规则挖掘的电力通信网风险评估系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王泽鑫: "电力光缆在线监测技术设计与探讨", 电子世界, 15 May 2012 (2012-05-15) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116150257A (zh) * 2023-04-18 2023-05-23 国网湖北省电力有限公司信息通信公司 电力通信光缆资源可视化分析方法、系统及存储介质

Similar Documents

Publication Publication Date Title
CN110097297A (zh) 一种多维度窃电态势智能感知方法、系统、设备及介质
CN110222991B (zh) 基于rf-gbdt的计量装置故障诊断方法
CN110705879A (zh) 一种高比例可再生能源接入下的电网脆弱性评估方法
CN111260198A (zh) 一种台区同期线损合理度评判方法、系统及终端设备
CN114358500A (zh) 中压配电网多源多维停电预警与应对策略生成方法及系统
CN110705887A (zh) 一种基于神经网络模型的低压台区运行状态综合评价方法
CN112785119B (zh) 基于聚类和层次分析算法的配网电压越限原因分析方法
CN110210670A (zh) 一种基于电力系统短期负荷的预测方法
CN116933010A (zh) 一种基于多源数据融合与深度学习的负载率分析评价方法和系统
CN111881961A (zh) 基于数据挖掘的配电网故障风险等级预测方法
Xue et al. Adaptive ultra-short-term wind power prediction based on risk assessment
CN110533291B (zh) 一种基于风险评估的中压配电网薄弱环节辨识方法
CN116011825A (zh) 一种配电电缆线路运行风险多维度评价方法
CN113327047B (zh) 基于模糊综合模型的电力营销服务渠道决策方法及系统
CN113919694A (zh) 一种电力通信光缆关键业务承载状态分析方法及系统
CN111105218A (zh) 一种基于全息影像技术的配电网运行监视方法
CN112785060A (zh) 一种配电网精益化运维水平优化方法
CN115905319B (zh) 一种海量用户电费异常的自动识别方法及系统
CN116307844A (zh) 一种低压台区线损评估分析方法
CN113887144A (zh) 一种考虑业务特征的电力通信光缆综合可用性分析方法
CN112434955B (zh) 一种基于多数据融合的配网线路运行风险感知方法
CN112001551B (zh) 一种基于大用户电量信息的地市电网售电量预测方法
CN112016631A (zh) 一种低电压治理相关的改进方案
Lingang et al. Research on integrated calculation method of theoretical line loss of MV and LV distribution Network based on Adaboost integrated learning
CN116050945B (zh) 一种用于配电网末端低压台区降损分析评价系统及方法

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