CN114629802A - 一种基于业务感知的电力通信骨干网络质量评估方法 - Google Patents
一种基于业务感知的电力通信骨干网络质量评估方法 Download PDFInfo
- Publication number
- CN114629802A CN114629802A CN202111301263.2A CN202111301263A CN114629802A CN 114629802 A CN114629802 A CN 114629802A CN 202111301263 A CN202111301263 A CN 202111301263A CN 114629802 A CN114629802 A CN 114629802A
- Authority
- CN
- China
- Prior art keywords
- quality
- power communication
- network
- communication network
- index
- 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
Links
- 238000004891 communication Methods 0.000 title claims abstract description 157
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 23
- 230000008447 perception Effects 0.000 title claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 80
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000012847 principal component analysis method Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 58
- 239000011159 matrix material Substances 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 24
- 230000004044 response Effects 0.000 claims description 23
- 238000005259 measurement Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 12
- 230000003287 optical effect Effects 0.000 claims description 11
- 230000032683 aging Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 239000000835 fiber Substances 0.000 claims description 9
- 239000000523 sample Substances 0.000 claims description 9
- 230000006866 deterioration Effects 0.000 claims description 8
- 238000004040 coloring Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 101100148253 Mus musculus Rttn gene Proteins 0.000 claims description 2
- 238000000513 principal component analysis Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 16
- 238000012502 risk assessment Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000002457 bidirectional effect Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000013215 result calculation Methods 0.000 description 1
- 238000007363 ring formation reaction Methods 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Algebra (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明为解决现有技术中评估结果片面、实用性较差,不利于获得有效的电力通信网络质量特征值的问题,采用在研究基于业务感知的电力通信骨干网络质量评估的过程中,首先分析影响网络质量的关键因素,从电力通信网服务质量和运行质量两方面,构建影响网络质量的指标体系,然后在电力通信骨干网进行端到端的业务状态感知,并收集电力通信骨干网络质量指标的监测数据,最后采用主成分分析法与模糊综合评价法相结合的方式,以可靠性、稳定性和安全性为目标,提出了一种基于业务感知的电力通信骨干网络质量评估方法,对网络质量进行比较和分析,能够安全、稳定、可靠地评估出电力通信网络质量。
Description
技术领域
本发明涉及电力通信、网络质量监测评估领域,尤其涉及一种基于业务感知的电力通信骨干网络质量评估方法。
背景技术
我国目前通用的网络质量监测技术有:BFD(Bidirectional ForwardingDetection)双向转发检测网络协议、以太网、OAM(Operations Administration andMaintenance)操作管理维护、NQA(Net work Quality Analysis)网络质量分析和TWAMP(Two-Way Active Measurement Protocol)双向主动测量协议。当前可靠性监测和探测方式技术已经在运营商的数据网络中有部分应用,可实现传统网络平滑演进,将GSM/UMTS承载网、IPv4网络和传统数据中心等向LTE/LTE-A承载网、IPv6网络和数据中心演进。但是这些现有的机制在数据网络应用的过程中发现存在着一些不足,主要有以下3点:(1)聚焦基于链路的探测,而不是基于业务的探测。(2)目前通信网络设备所能支持的技术有限。(3)无法做到端到端逐跳统计,无法精确定位。电力等行业的生产业务容易出现网络正常但业务却发生抖动的情况,因此网络质量探测、监测和流量控制技术需要考虑电力环境中真实网络业务的可靠性需求。同时,由于现在数据网络正在像云化和虚拟化发展,特别是SDN和NFV技术正在网络中普及应用,因此当前国内网络监测技术也正在研究如何像虚拟化发展。
目前,电力通信网质量的研究主要集中在对网络物理设施运行可用性的分析上。比如在传输网运行质量的研究方面,研究人员常常基于可靠性相关理论研究传输网质量的评估和优化方法,并且提出了一些方法,如根据网络故障次数和网络规模来计算得到平均百公里光缆故障次数指标;根据业务中断总时长计算统计范围内折合成2M电路的总电路中断时长等等。此后,又有研究人员通过对传输网业务的分析,提出了业务中断指数和业务影响指数一等指标,对传输网质量进行更深入的评价。这些评价方法都是从某个角度来评价传输网网络质量,并且对传输网的特点没有进行有效的分析,因此只能在某个方面反映传输网的网络质量,却不能得到整体上客观的结果。电力通信网评估的研究理论主要集中在单指标研究方面,如可靠性研究和风险评估研究。而风险评估往往反映的是网络的预期可靠性,并且研究工作主要集中在理论模型和分析方法,缺少实用化,无法应用于网络运行质量的风险评估。近些年来,相关人员将电力通信网性能研究拓展到网络故障应急能力上,开展了对电力通信网生存性的研究工作,从网络的故障定位能力和恢复能力评估了网络的传输性能,部分研究将可靠性和业务影响结合实现了对电力通信网运行质量的评估,该方法考虑了电力通信网的行业特色,根据业务传输受影响情况衡量电力通信网的传输性能,但是该方法无法反映电力通信网运行过程中传输资源的变化信息和网络自身抵抗故障的能力,反映的信息不全面。周静等人研究了基于预期业务损失以及业务潜在风险程度评价的电力通信网络运行质量量化评估方法,提出了失效业务比和影响业务比两个指标,拓展了电力通信网性能评估领域,但是该方法仅从故障发生对业务的影响角度考虑,而没有考虑故障的时长影响、频率影响。上述分析方法或是评估结果片面,或是实用性较差,都不利于获得有效的电力通信网络质量特征值。电力通信网是一个开放的复杂系统,各个子系统间关系复杂,网络部件状态多样,将多态部件和复杂的交互关系结合起来,单单从某个方面研究电力通信网质量并不能解决问题,需要从系统角度考虑电力通信网质量影响因素,明确研究目标,对电力通信网的质量进行综合评价。
例如,在中国专利文献上发表的电力通信网风险评估系统,公开号为“CN106203833A”,公开了电力通信网风险评估系统,包括风险评估器和多个电力通信装置,电力通信装置通过网络接口连接至风险评估器,风险评估器包括电力通信网评估指标系统生成模块、评价等级系统生成模块、指标量化模块、指标权重计算模块、隶属度矩阵构建模块、模糊综合评价结果计算模块和风险评估模块,通过模糊矩阵以及层次分析法在风险评价中的应用,对风险评价过程中出现的各种不确定因素、指标进行分析,但是存在分析因素片面、可用性不高的问题。
发明内容
本发明目的在于克服现有技术中评价结果片面、实用性不高的问题,在分析影响网络质量的关键因素的基础上,构建影响网络质量监测的指标体系,接着通过模糊综合评价理论等,研究一种基于业务感知的电力通信骨干网络质量评估方法,对网络质量进行比较和分析。具体由以下技术方案实现:
所述的一种基于业务感知的电力通信骨干网络质量评估方法,包括以下步骤:
A1:建立电力通信网络质量评价指标体系;
A2:在电力通信网进行端到端的业务感知,并收集电力通信骨干网络质量指标的监测数据,把数据进行分类;
A3:利用模糊综合评价理论处理采集的网络质量指标监测数据,得到模糊关系矩阵R;
A4:利用主成分分析法求得各指标的权重w;
A5:将模糊关系矩阵R和各指标的权重w合成,得到电力通信网模糊综合评估结果B。
A6:根据最大隶属度原则和电力通信网质量评语集V,将模糊综合评估结果B转化为与之对应的状态等级。
优选地,步骤A1中所述电力通信网质量评价指标体系包括电力通信网运行质量和电力通信网服务质量,所述电力通信网运行质量和电力通信网服务质量为电力通信网质量评价指标体系的一级指标;所述电力通信网运行质量指标包括设备运行可靠性、网络抗灾应急能力、2M端口使用率、业务运行可靠性、网络拓扑成环率、重要业务双通道率、计划检修完成率、光缆老化失效率、备品备件完好率、网络消缺及时性、平均纤芯占用率、通道容量利用率;所述电力通信网服务质量指标包括带宽、时延、抖动、数据丢包率、数据吞吐量;所述设备运行可靠性、网络抗灾应急能力、2M端口使用率、业务运行可靠性、网络拓扑成环率、重要业务双通道率、计划检修完成率、光缆老化失效率、备品备件完好率、网络消缺及时性、平均纤芯占用率、通道容量利用率、带宽、时延、抖动、数据丢包率、数据吞吐量为电力通信网质量评价指标体系的二级指标。
优选地,步骤A2中所述业务感知包括对网络的实时状态进行感知,来为后面的电力通信骨干网络质量的评估做铺垫,所述对网络的实时状态的感知包括链路变化感知、链路质量感知;所述链路变化感知包括实时、准确地监测链路的通断状况;所述链路质量感知包括实时准确地探测各条链路的网络质量。
优选地,对所述的链路变化感知和链路质量感知的一种无线网络探测方法,该方法在协同网络多链路传输系统的基础上实现了主动探测方法和被动探测方法的结合,所述无线网络探测方法的链路变化感知是通过对比当前链路的IP地址与前一个状态的IP地址是否相同来判断链路的通断;所述无线网络探测方法的链路质量感知包括主动探测和被动探测,所述无线网络探测方法中的主动探测包括如下步骤:
B1:设一轮周期的探测过程总共发送的探测包个数为n,建立探测序列{N1,N2,N3,…Nn};
B2:当接收到一个回应包Ni时,记录下此回应包的时延为RTTi,建立RTT序列{RTT1,RTT2,RTT3,...RTTn};理论上在一个周期内发送出去的探测包都会返回一个回应,因此也会收到n个回应包;假设链路丢包率不为0,中间发生丢包,记收到的回应包个数为m,m<n,此时RTT序列为{RTT1,RTT2,RTT3,...,RTTm};
由于RTT序列只有在收到回应包的时候才能记录,因此丢包情况下RTT序列的大小也必定小于n;
所述丢包率的计算公式如下
active_Lossrate=(n-m)/n*100%
其中,n表示周期内发送探测包数量,m表示周期内收到回应包的数量;
B3:定义平均时延active_Avgrtt为周期内未丢失数据包的平均时延,平均时延计算公式如下所示
其中m表示周期内收到回应包的数量,RTT[i]表示第i个回应包的时延RTT;
B4:定义时延方差
其中m表示收到回应包数量,n表示发送探测包总量,RTT[i]表示第i个回应包的RTT,active_Avgrtt表示回应平均时延;
B5:定义主动探测可信度active_Reliability,所述主动探测可信度active_Reliability数值与周期时间内发送的探测包数量相等,主动探测可信度计算公式如下:
active_Reliability=n
B6:定义链路恶化标志link_derioration为当前链路的恶化情况,所述链路恶化标志反映了链路是否可利用,链路恶化标志计算公式如下:
其中n表示发送探测包总量,m表示收到回应包数量;
所述无线网络探测方法中的被动探测,借鉴“着色”的思想和原理与本发明的技术方案结合并重新设计得到被动探测方法的包括如下步骤:
C1:建立在一个统计周期内收到的流量包序列{Pi1,Pi1+1,Pi1+2,…,pj1},其中下标最小值为i1,下标最大值为j1;设收到的流量包序列个数为Nrecv,发送的流量包序列个数为Nsend;理想情况下Nrecv=Nsend,在发送端对流量包“上色”时规定,序号字段必须按序填写,因此Nsend=j1-i1+1;当链路发生丢包时,会发生在i1到j1之间某个序号的流量包丢失的情况,因此该统计周期内流量包发送个数必小于Nsend。每接收到一个流量包,就通过Time(now)-Time(packet)计算得出时延,因此得到的RTT序列为{RTT1,RTT2,RTT3,...,RTTm1},若存在丢包,m1应该小于发包个数Nsend;
C2:定义passive_Lossrate为被动探测丢包率,所述被动探测丢包率计算公式如下passive_Lossrate=(Nsend-Nrecv)/Nsend*100%
Nsend=j1-i1+1
其中j1为周期内收到流量包序号最大值,i1为收到序号最小值,Nrecv为接收到的流量包个数,Nsend为发送的流量包个数;
C3:定义passive_Avgrtt为被动探测平均时延,所述被动探测平均时延计算公式如下:
其中m1为接收到着色流量包总数,RTT[i1]为接收到第i1个流量包的时延RTT1。diffTime为地面服务器和中心服务器的主机时间差;在中心服务器和地面服务器之间搭建有多条隧道。所有要访问互联网的数据包经过中心服务器和地面服务器之间的多条隧道协同传输,到达地面服务器,最终由地面服务器转发到公网的目的地址。中心服务器通过4G或5G拨号方式连接着三大运营商网络,所有的网络流量最终都经过中心服务器才能到达公网。在中心服务器内部安装着多块4G或5G网卡连接周边的基站,通过内部动态感知机制,实时监测所有网络链路的状态变化和质量情况。最后所有数据都进入隧道,发往地面服务器,地面服务器再进行转发。假设通过主动探测求得时延A,通过被动探测获得时延B,由于地面服务器和中心服务器之间存在时间差,如果A、B的探测结果均为准确值,则有公式A=B-difftime,则difftime=B-A,规定系统前50次主动探测和被动探测均用于求difftime的值,通过这50次平均,求得diffTime;
C4:定义passive_Varirtt为被动探测时延方差,计算公式如下
其中m1为接收到流量包总数,RTT1[i1]为接收到第i个流量包的时延RTT1,passive_Avgrtt为被动探测的平均时延;
C5:定义被动探测可信度passive_Reliablity为统计时间内发送的着色包个数,即Nsend:passive_Reliability=j1-i1+1
其中j1为周期内收到着色包序号最大值,i1为收到序号最小值;
优选地,所述步骤A3中,利用模糊综合评价理论得到模糊关系矩阵R从而对采集的网络指标检测数据进行处理,具体步骤如下:
D1:建立电力通信网质量因素集u;
电力通信网质量因素集u包括电力通信网质量评估体系中的二级指标,模糊评价法将反映电力通信网质量的因素按照一定规律分为多个层次,在本发明的技术方案中将反映电力通信网质量的因素划分为3层:第一层为目标层,评价目标为u;第二层为内容层,ui为一级评估因素;第三层为因素层,uij为二级评估因素;由步骤A1可知,在电力通信网质量因素中,一级评估因素ui(i=1,2)对应2个一级指标,所述的两个一级指标即电力通信网运行质量和电力通信网服务质量;二级评估因素uij(i=1,2,...,17)对应17个二级指标,所述17个二级指标即设备运行可靠性、网络抗灾应急能力、2M端口使用率、业务运行可靠性、网络拓扑成环率、重要业务双通道率、计划检修完成率、光缆老化失效率、备品备件完好率、网络消缺及时性、平均纤芯占用率、通道容量利用率、带宽、时延、抖动、数据丢包率、数据吞吐量;
D2:确定电力通信网质量能效评语集;
本发明将电力通信骨干网络能效分为5个等级:优秀、良好、合格、较差和很差,分别对应V1、V2、V3、V4、V5;5个等级从高到低分别描述各电力通信骨干网络质量的差异;
D3:构建隶属函数模型;
将电力通信网质量因素集合u通过隶属函数将其模糊化,变为在区间[0,1]上的隶属度,所述隶属度表示集合属于该模糊关系的程度;每个模糊集合都会对应一个隶属函数,但没有方法来确定一个模糊集合的隶属函数,本发明选择中间型、偏小型、偏大型三类表达式,根据评价等级量化标准,构建评价集V={V1,V2,V3,V4,V5}对应的隶属函数;将所述17个二级评价指标分为偏小型指标、中间型指标和偏大型指标,所述偏小型指标即测量值越小则表明网络质量越好,隶属度值越大,对应的电力通信网质量等级越高;所述中间型指标即测量值偏大或偏小时均表示网络质量不佳,当测量值落在某一预先设定的区间内时,表示网络质量较好,隶属度值越大,对应的电力通信网质量等级越高;所述偏大型指标即测量值越大表示网络质量越好,隶属度值越大,对应的电力通信网质量等级越高。
偏小型指标包括光缆老化失效率、传输时延、丢包率、抖动、网络抗灾应急能力,偏小型的隶属度函数为:
其中,a1、b1是工程上对各个偏小型指标预先设定的参考值,x是各个偏小型指标的实际测量值;
中间型指标包括平均纤芯占用率、通道容量利用率、2M端口使用率,中间型的隶属度函数为:
其中,a2、b2、c、d为工程上对各个中间型指标预先设定的参考值,x2为各个中间型指标的实际测量值;
偏大型指标包括网络拓扑成环率、重要业务双通道率、业务运行可靠性、备品备件完好率、计划检修完成率、设备运行可靠性、网络消缺及时性、数据吞吐量,偏大型隶属度函数为:
其中,a3、b3为各个偏大型指标的预先设定的参考值,x3为各个偏大型指标的实际测量值;D4:建立模糊关系矩阵R;
从一个评价因子出发,确定评价对象对评价等级集的关联程度,逐个对被评事物从每个指标up(p=1,2,……,p)上进行量化,即确定从单个指标来看被评事物对等级模糊子集的隶属度(R|up),进而得到模糊关系矩阵:
矩阵R中第p行第q列元素rpq,表示第p个质量指标的第q个等级的关联度,所述关联度可以理解为质量指标p出现等级q的频率;R|up表示对第p个质量指标的评价对应的电力通信网质量等级;对电力通信网络质量指标进行多次测量,得到多组测量数据,将每次测量得到的测量数据经过计算得到相应的隶属度,利用求得的隶属度得到对应的电力通信网络质量等级,计算质量指标p的各次测量数据对应的电力通信网质量等级q的出现次数占所述质量指标p的测量次数的比重,得到rpq的值;网络安全等级与隶属度之间的关系如下表:
质量等级 | V5 | V4 | V3 | V2 | Vl |
隶属度所属区间 | [0,0.2] | [0.2,0.4] | [0.4,0.6] | [0.6,0.8] | [0.8,1.0] |
所述基于业务感知的电力通信骨干网络质量评估方法的进一步设计在于,步骤A4中所述各指标权重的确定采用主成分分析法,所述主成分分析法包括:
E1:对数据进行标准化处理;
评估电力通信网质量的不同指标的测量值差异较大,因此需要对不同指标的测量值做归一化处理;电力通信网络质量的指标可分为三类:一类是正向指标,一类是逆向指标,另一类是区间型指标;相应地,以上三种类型的指标的归一化预处理方法略有不同;
对于正向指标,其数值越大,代表电力通信网质量越高,归一化处理时采用最大化归一方法:
与之相反,对于逆向指标,其数值越小,代表电力通信网质量越高,归一化处理时采用最小化归一方法:
对于中间型指标,数值在某一区间电力通信网质量越高,不宜过大或过小,归一化处理时采用的方法为:
E2:进行主成分分析;
把给定的相关变量通过线性变换成另一组不相关的变量,所述给定的相关变量即电力通信网的质量评价指标,所述不相关的变量即所述电力通信网的质量评价指标的线性组合;这些新的不相关变量按照方差依次递减的顺序排列,最终得到“解释的总方差”和“成分载荷矩阵”,解释的总方差需要超过80%,说明提取的方差对总体方差的贡献度高。
计算线性组合中的系数;
E3:计算综合得分模型中的系数:
综合得分模型中的系数=(第一主成分方差×100×第一主成分在线性组合中的系数+第二个主成分方差×100×第二主成分线性组合中的系数)/(第一主成分方差+第二主成分方差)E4:归一化权重计算
将所有电力通信网络质量指标进行归一化处理,使其综合权重为1:
优选地,所述步骤A5中求取电力通信骨干网络质量模糊综合评估结果B的具体公式如下:
B=ωR
式中:综合评估向量B为对某个电力通信网质量的整体评价结果;模糊权重向量W,由17个电力通信骨干网络质量指标的权重构成;综合模糊评估矩阵R由17个质量指标的模糊关系矩阵组成。所述的17个质量指标包括设备运行可靠性、网络抗灾应急能力、2M端口使用率、业务运行可靠性、网络拓扑成环率、重要业务双通道率、计划检修完成率、光缆老化失效率、备品备件完好率、网络消缺及时性、平均纤芯占用率、通道容量利用率、带宽、时延、抖动、数据丢包率、数据吞吐量。
优选地,所述步骤A6中,由步骤A5所求得的电力通信骨干网络质量评估结果,根据最大隶属度准则,找到数值最大的列,并确定所在列的网络质量等级即为电力通信骨干网络质量的评估等级。
本发明的有益效果是:
从多个方面研究电力通信网质量,从系统角度考虑电力通信网质量影响因素,研究目标明确,对问题的分析更加全面,对电力通信网络质量的评估更加安全、稳定、可靠,是电力通信网络质量监测系统需要采用可扩展的先进架构,方便未来的网络管理和监测功能的扩展。
附图说明
图1为本发明的基于业务感知的电力通信骨干网络质量评估方法流程。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本发明提供了一种基于业务感知的网络质量评估方法,如图1所示,该方法包括:步骤1:本发明从电力通信网运行质量和电力通信网服务质量两方面进行研究。从完备率、可靠性、可扩展性三个方面确定电力通信网运行质量指标,在确定电力通信网业务的服务质量指标时,将业务对于网络质量需求的关键标准作为评价指标,即带宽、延迟、抖动、数据丢包率、数据吞吐量。根据以上的指标确定思路建立电力通信网络质量指标体系,一共包含12个运行质量指标和5个服务质量指标。
步骤2:首先进行端到端的业务状态感知和质量监测。经过感知,此时网络承载的业务为通信传输容量不大,但却对实时性和可靠性要求非常高的分布式电源监控业务,并通过收集电力通信网质量指标的监测数据,把数据的种类进行分类。
指标 | 业务运行可靠性 | 网路抗灾应急能力 | 2M端口使用率 | 设备运行可靠性 |
原始数据 | 0.999 | 2.5s | 0.65 | 0.990 |
指标 | 光缆老化失效率 | 网络消缺及时性 | 平均纤芯占用率 | 备品备件完好率 |
原始数据 | 0.01 | 2s | 0.6 | 0.7 |
指标 | 网络拓扑成环率 | 重要业务双通道率 | 计划检修完成率 | 通道容量利用率 |
原始数据 | 0.75 | 0.90 | 0.87 | 0.70 |
指标 | 丢包率 | 时延 | 数据吞吐量 | 抖动 |
原始数据 | 0.054 | 62ms | 1050Mb/s | 34ms |
指标 | 带宽 | |||
原始数据 | 1.1Mbit/s |
步骤3:利用模糊综合评价理论对采集的网络指标检测数据,得到模糊关系矩阵(评价矩阵)R。具体步骤为:
a)建立电力通信网质量因素集u;
电力通信网质量因素集u即电力通信网质量评估体系中的一级指标和二级指标。模糊评价法将反映电力通信网质量的因素按照一定规律分为多个层次,在本发明中划分为3层,第一层为目标层,评价目标为u;第二层为内容层,评价内容为ui,第三层为因素层uij,每个评估内包含多个评估因素。由步骤1可知,在电力通信网质量因素中,一级评估因素ui(i=1,2)对应2个一级指标,二级评估因素uij(j=1,2,...,17)对应17个二级指标。
b)确定电力通信网质量能效评语集;
本发明将电力通信网络能效分为5个等级:优秀、良好、合格、较差和很差,分别对应V1、V2、V3、V4、V5。5个等级从高到低分别描述各电力通信网质量的差异,对其五个等级模糊化分别对应一级“优秀”[0.8,1.0],二级“良好”[0.6,0.8],三级“合格”[0.4,0.6],四级“较差”[0.2,0.4],五级“很差”[0,0.2]。
c)隶属函数模型的构建;
将电力通信网质量因素集u,通过隶属函数将其模糊化,变为在[0,1]上的隶属度,表示集合属于该模糊关系的程度。每个模糊集合都会对应一个隶属函数,但没有方法来确定一个模糊集合的隶属函数,本发明选择中间型、偏小型、偏大型三类表达式,根据评价等级量化标准,构建评价集V={V1,V2,V3,V4,V5}对应的隶属函数。
偏小型指标包括光缆老化失效率、传输时延、丢包率、抖动、网络抗灾应急能力。偏小型的隶属度函数为:
中间型指标包括平均纤芯占用率、通道容量利用率、2M端口使用率。中间型的隶属度函数为:
偏大型指标包括网络拓扑成环率、重要业务双通道率、业务运行可靠性、备品备件完好率、计划检修完成率、设备运行可靠性、网络消缺及时性、数据吞吐量。偏大型隶属度函数为:
d)建立模糊关系矩阵(评判矩阵)R;
从一个评价因子出发,确定评价对象对评价等级集的关联程度,要逐个对被评事物从每个指标uk(i=1,2,……,p)上进行量化,即确定从单个指标来看被评事物对等级模糊子集的隶属度(R|uk),进而得到模糊关系矩阵:
矩阵R中第p行第m列元素rpm,表示第p个质量指标的第m个等级的关联度;R表示对第p个质量指标的评价的结果,称为单因子模糊评价集;将电力通信网络质量指标多次监测的数据带入各相应的隶属函数公式得到隶属度,每个隶属度对应一个电力通信网络能效等级,将每个等级的比重作为rpm的值。
通过以上步骤,得到17个指标的模糊关系矩阵(评价矩阵)R:
步骤4:分析应用SPSS22.0软件,进行电力骨干通信网质量指标的主成分并求得各指标的权重:
a)用SPSS自带的数据标准化方法或极差法对数据进行标准化处理;
b)把给定的相关变量通过线性变换成另一组不相关的变量,这些新的变量按照方差依次递减的顺序排列。最终得到“解释的总方差”和“成分载荷矩阵”,该电力通信网质量指标的解释总方差为83%,说明提取的方差对总体方差的贡献度高;
d)根据(第一主成分方差×100×第一主成分在线性组合中的系数+第二个主成分方差×100×第二主成分线性组合中的系数…)/(第一主成分方差+第二主成分方差)求得综合得分模型中的系数;
按照以上步骤求出电力通信网络质量17个指标权重如下表所示:
步骤5:将电力通信网络质量指标的模糊关系矩阵R和其相对应的各指标的权重w合成,得到电力通信网模糊综合评估结果B,计算公式如下:
B=ωR=[0.250,0.384,0.209,0.100,0.057]
步骤6:根据最大隶属度法则和电力通信网质量评语集V,将模糊综合评估结果B转化为与之对应的状态等级,由于B中最大元素0.384隶属于V2等级,被评估的电力通信网络质量为良好,存在一定的改进空间,该结论与实际被评价电力通信网络质量的情况相吻合,证明本文提出的方法能够安全、稳定、可靠地评估出电力通信网络质量。
Claims (8)
1.一种基于业务感知的电力通信骨干网络质量评估方法,其特征在于,包括以下步骤:
A1:建立电力通信网络质量评价指标体系;
A2:在电力通信网进行端到端的业务感知,并收集电力通信骨干网络质量指标的监测数据,把数据进行分类;
A3:利用模糊综合评价理论处理采集的网络质量指标监测数据,得到模糊关系矩阵R;
A4:利用主成分分析法求得各指标的权重w;
A5:将模糊关系矩阵R和各指标的权重w合成,得到电力通信网模糊综合评估结果B;
A6:根据最大隶属度原则和电力通信网质量评语集V,将模糊综合评估结果B转化为与之对应的状态等级。
2.根据权利要求1所述的一种基于业务感知的电力通信骨干网络质量评估方法,其特征在于,步骤A1中所述电力通信网质量评价指标体系包括电力通信网运行质量和电力通信网服务质量,所述电力通信网运行质量和电力通信网服务质量为电力通信网质量评价指标体系的一级指标;所述电力通信网运行质量指标包括设备运行可靠性、网络抗灾应急能力、2M端口使用率、业务运行可靠性、网络拓扑成环率、重要业务双通道率、计划检修完成率、光缆老化失效率、备品备件完好率、网络消缺及时性、平均纤芯占用率、通道容量利用率;所述电力通信网服务质量指标包括带宽、时延、抖动、数据丢包率、数据吞吐量;所述设备运行可靠性、网络抗灾应急能力、2M端口使用率、业务运行可靠性、网络拓扑成环率、重要业务双通道率、计划检修完成率、光缆老化失效率、备品备件完好率、网络消缺及时性、平均纤芯占用率、通道容量利用率、带宽、时延、抖动、数据丢包率、数据吞吐量为电力通信网质量评价指标体系的二级指标。
3.根据权利要求1所述的一种基于业务感知的电力通信骨干网络质量评估方法,其特征在于,步骤A2中所述业务感知包括对网络的实时状态进行感知,所述对网络的实时状态的感知包括链路变化感知、链路质量感知;所述链路变化感知包括监测链路的通断状况;所述链路质量感知包括探测各条链路的网络质量。
4.根据权利要求3所述的一种基于业务感知的电力通信骨干网络质量评估方法,其特征在于,包括对所述的链路变化感知和链路质量感知进行检验的一种无线网络探测方法,所述无线网络探测方法的链路变化感知通过对比当前链路的IP地址与前一个状态的IP地址是否相同来判断链路的通断;所述无线网络探测方法的链路质量感知包括主动探测和被动探测,所述无线网络探测方法中的链路质量感知的主动探测包括如下步骤:
B1:设一轮周期的探测过程总共发送的探测包个数为n,建立探测序列{N1,N2,N3,…Nn};
B2:当接收到一个回应包Ni时,记录下此回应包的时延RTTi,建立时延RTT序列{RTT1,RTT2,RTT3,...RTTn};当链路丢包率为0时,一个周期内发送的探测包都将返回一个回应,收到n个回应包;当链路丢包率不为0时,记收到的回应包个数为m,则m<n,此时RTT序列为{RTT1,RTT2,RTT3,...RTTm};
所述链路丢包率的计算公式为:active_Lossrate=(n-m)/n*100%,active_Lossrate表示主动探测的链路丢包率,n表示周期内发送探测包数量,m表示周期内收到回应包的数量;
B5:定义主动探测可信度active_Reliability,所述主动探测可信度active_Reliability数值与周期时间内发送的探测包数量相等,主动探测可信度计算公式为active_Reliability=n;
所述无线网络探测方法中的被动探测包括如下步骤:
C1:建立在一个统计周期内收到的流量包序列其中下标最小值为i1,下标最大值为j1;设收到的流量包序列个数为Nrecv,发送的流量包序列个数为Nsend;当链路不发生丢包时,Nrecv=Nsend,Nsend=j1-i1+1;当链路发生丢包时,所述统计周期内的发送的流量包个数小于Nsend;当接收到一个流量包时,通过Time(now)-Time(packet)计算出时延,得到RTT1序列为{RTT11,RTT12,RTT13,…,RTT1m1},m1为收到的流量包数量,其中存在丢包时,m1小于发包个数Nsend;
C2:定义passive_Lossrate为被动探测丢包率,所述被动探测丢包率计算公式为passive_Lossrate=(Nsend-Nrecv)/Nsend*100%,Nsend=j1-i1+1,其中j1为周期内收到流量包序号最大值,i1为收到序号最小值,Nrecv为接收到的流量包个数,Nsend为发送的流量包个数;
C3:定义passive_Avgrtt为被动探测平均时延,所述被动探测平均时延计算公式如下:
其中m1为接收到流量包总数,RTT1[i1]为接收到第i1个流量包的时延,diffTime为地面服务器和中心服务器的主机时间差;通过主动探测求得时延为A,通过被动探测获得时延为B,A=B-difftime,则difftime=B-A,将50次主动探测和50次被动探测计算得到的difftime的值取平均值,求得主机时间差diffTime;
C4:定义passive_Varirtt为被动探测时延方差,计算公式如下
其中m1为接收到着色流量包总数,RTT1[i1]为接收到第i1个流量包的时延RTT1,passive_Avgrtt为被动探测的平均时延;
C5:定义被动探测可信度passive_Re liability为统计时间内发送的着色包个数,即Nsend:
passive_Re liability=j1-i1+1
其中j1为周期内收到着色包序号最大值,i1为收到序号最小值。
5.根据权利要求1所述的基于业务感知的电力通信骨干网络质量评估方法,其特征在于,所述步骤A3中,利用模糊综合评价理论得到模糊关系矩阵R从而对采集的网络指标检测数据进行处理,具体步骤如下:
D1:建立电力通信网质量因素集u;
电力通信网质量因素集u包括电力通信网质量评估体系中的17个二级指标;
D2:确定电力通信网质量评语集,将电力通信骨干网络质量分为5个等级:优秀V1、良好V2、合格V3、较差V4和很差V5;
D3:构建隶属函数模型;
将电力通信网质量因素集合u通过隶属函数模糊化,变为在区间[0,1]上的隶属度,构建评价集V={V1,V2,V3,V4,V5}对应的隶属函数;将所述17个二级评价指标分为偏小型指标、中间型指标和偏大型指标;
偏小型指标包括光缆老化失效率、传输时延、丢包率、抖动、网络抗灾应急能力,偏小型的隶属度函数为:
其中,a1、b1是工程上对各个偏小型指标预先设定的参考值,x是各个偏小型指标的实际测量值;
中间型指标包括平均纤芯占用率、通道容量利用率、2M端口使用率,中间型的隶属度函数为:
其中,a2、b2、c、d为工程上对各个中间型指标预先设定的参考值,x2为各个中间型指标的实际测量值;
偏大型指标包括网络拓扑成环率、重要业务双通道率、业务运行可靠性、备品备件完好率、计划检修完成率、设备运行可靠性、网络消缺及时性、数据吞吐量,偏大型隶属度函数为:
其中,a3、b3为各个偏大型指标的预先设定的参考值,x3为各个偏大型指标的实际测量值;
D4:建立模糊关系矩阵R;
确定评价对象对评价等级集的关联程度,确定从单个指标来看被评事物对等级模糊子集的隶属度(R|up),得到模糊关系矩阵:
矩阵R中第p行第q列元素rpq,表示第p个质量指标的第q个等级的关联度;R|up表示对第p个质量指标的评价对应的电力通信网质量等级;对电力通信网络质量指标进行多次测量,得到多组测量数据,将每次测量得到的测量数据经过计算得到相应的隶属度,利用求得的隶属度得到对应的电力通信网络质量等级,计算质量指标p的各次测量数据对应的电力通信网质量等级q的出现次数占所述质量指标p的测量次数的比重,得到rpq的值;质量等级V5对应的隶属度区间为[0,0.2],质量等级V4对应的隶属度区间为[02,0.4],质量等级V3对应的隶属度区间为[0.4,0.6],质量等级V2对应的隶属度区间为[0.6,0.8],质量等级V5对应的隶属度区间为[0.8,1.0]。
6.根据权利要求1所述的基于业务感知的电力通信骨干网络质量评估方法,其特征在于,步骤A4中所述各指标权重的确定采用主成分分析法,所述主成分分析法包括:
E1:对数据进行标准化处理;
将电力通信网络质量的指标分为三类:正向指标、逆向指标和区间型指标;
对中间型指标的归一化处理如下:
E2:进行主成分分析;
通过线性变换将给定的相关变量转换成另一组不相关的变量,所述不相关的变量以方差依次递减顺序排列,得到“解释的总方差”和“成分载荷矩阵”;
计算线性组合中的系数:
E3:计算综合得分模型中的系数:
综合得分模型中的系数=(第一主成分方差×100×第一主成分在线性组合中的系数+第二个主成分方差×100×第二主成分线性组合中的系数)/(第一主成分方差+第二主成分方差)
E4:归一化权重计算
将所有电力通信网络质量指标进行归一化处理,使其综合权重为1:
7.根据权利要求1所述的基于业务感知的电力通信骨干网络质量评估方法,其特征在于,所述步骤A5中求取电力通信骨干网络质量模糊综合评估结果B的具体公式如下:
B=ωR
式中:综合评估向量B为对某个电力通信网质量的整体评价结果;模糊权重向量ω,由17个电力通信骨干网络质量指标的权重构成;综合模糊评估矩阵R由17个质量指标的模糊关系矩阵组成。
8.根据权利要求1所述的电力通信骨干网络质量综合评估方法,其特征在于,所述步骤A6中,由步骤A5所求得的电力通信骨干网络质量评估结果,根据最大隶属度准则,找到数值最大的列,并确定所在列的网络质量等级即为电力通信骨干网络质量的评估等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111301263.2A CN114629802B (zh) | 2021-11-04 | 2021-11-04 | 一种基于业务感知的电力通信骨干网络质量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111301263.2A CN114629802B (zh) | 2021-11-04 | 2021-11-04 | 一种基于业务感知的电力通信骨干网络质量评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114629802A true CN114629802A (zh) | 2022-06-14 |
CN114629802B CN114629802B (zh) | 2023-12-08 |
Family
ID=81897005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111301263.2A Active CN114629802B (zh) | 2021-11-04 | 2021-11-04 | 一种基于业务感知的电力通信骨干网络质量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114629802B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115086197A (zh) * | 2022-08-22 | 2022-09-20 | 国网天津市电力公司信息通信公司 | 一种用于通信网健壮度的评价方法及系统 |
CN115190525A (zh) * | 2022-09-06 | 2022-10-14 | 东屋世安物联科技(江苏)股份有限公司 | 网络通讯质量的测评方法、装置及介质 |
CN116546353A (zh) * | 2023-05-19 | 2023-08-04 | 江苏省广电有线信息网络股份有限公司无锡分公司 | Pon网络综合质量评估方法、评估装置及系统 |
CN116633835A (zh) * | 2023-05-09 | 2023-08-22 | 中国舰船研究设计中心 | 一种复杂高可靠网络性能综合评估方法 |
CN117459321A (zh) * | 2023-12-21 | 2024-01-26 | 明阳点时科技(沈阳)有限公司 | 一种端到端可信通信方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103618638A (zh) * | 2013-10-29 | 2014-03-05 | 国家电网公司 | 评估电力通信网检修方案的方法 |
CN103761690A (zh) * | 2014-02-14 | 2014-04-30 | 国家电网公司 | 基于电网系统中电压无功控制系统的评估方法 |
WO2014101636A1 (zh) * | 2012-12-31 | 2014-07-03 | 北京邮电大学 | 一种电力通信网风险评估方法 |
WO2016180127A1 (zh) * | 2015-09-16 | 2016-11-17 | 中兴通讯股份有限公司 | 一种网络性能的评估方法及系统 |
CN106203833A (zh) * | 2016-07-05 | 2016-12-07 | 杨林 | 电力通信网风险评估系统 |
US20170104657A1 (en) * | 2015-10-09 | 2017-04-13 | Futurewei Technologies, Inc. | System and Method for Anomaly Root Cause Analysis |
WO2018001141A1 (zh) * | 2016-06-28 | 2018-01-04 | 中兴通讯股份有限公司 | 一种质差区域分析的方法、装置及系统 |
CN109359810A (zh) * | 2018-09-03 | 2019-02-19 | 国网浙江省电力有限公司信息通信分公司 | 一种基于多策略均衡的电力通信传输网运行状态评估方法 |
US20190215230A1 (en) * | 2018-01-08 | 2019-07-11 | Cisco Technology, Inc. | Analyzing common traits in a network assurance system |
CN111737642A (zh) * | 2020-05-13 | 2020-10-02 | 海洋石油工程股份有限公司 | 基于模糊网络分析法的海底管道失效风险综合评价方法 |
CN111953543A (zh) * | 2020-08-14 | 2020-11-17 | 国科量子通信网络有限公司 | 一种基于pca-ahp的量子通信网络可靠性状况的评估方法 |
CN112163371A (zh) * | 2020-09-18 | 2021-01-01 | 山东电工电气集团有限公司 | 一种变压器套管状态评估方法 |
US20210027170A1 (en) * | 2018-10-17 | 2021-01-28 | Wangsu Science & Technology Co., Ltd. | Training method and apparatus for service quality evaluation models |
-
2021
- 2021-11-04 CN CN202111301263.2A patent/CN114629802B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014101636A1 (zh) * | 2012-12-31 | 2014-07-03 | 北京邮电大学 | 一种电力通信网风险评估方法 |
CN103618638A (zh) * | 2013-10-29 | 2014-03-05 | 国家电网公司 | 评估电力通信网检修方案的方法 |
CN103761690A (zh) * | 2014-02-14 | 2014-04-30 | 国家电网公司 | 基于电网系统中电压无功控制系统的评估方法 |
WO2016180127A1 (zh) * | 2015-09-16 | 2016-11-17 | 中兴通讯股份有限公司 | 一种网络性能的评估方法及系统 |
US20170104657A1 (en) * | 2015-10-09 | 2017-04-13 | Futurewei Technologies, Inc. | System and Method for Anomaly Root Cause Analysis |
WO2018001141A1 (zh) * | 2016-06-28 | 2018-01-04 | 中兴通讯股份有限公司 | 一种质差区域分析的方法、装置及系统 |
CN106203833A (zh) * | 2016-07-05 | 2016-12-07 | 杨林 | 电力通信网风险评估系统 |
US20190215230A1 (en) * | 2018-01-08 | 2019-07-11 | Cisco Technology, Inc. | Analyzing common traits in a network assurance system |
CN109359810A (zh) * | 2018-09-03 | 2019-02-19 | 国网浙江省电力有限公司信息通信分公司 | 一种基于多策略均衡的电力通信传输网运行状态评估方法 |
US20210027170A1 (en) * | 2018-10-17 | 2021-01-28 | Wangsu Science & Technology Co., Ltd. | Training method and apparatus for service quality evaluation models |
CN111737642A (zh) * | 2020-05-13 | 2020-10-02 | 海洋石油工程股份有限公司 | 基于模糊网络分析法的海底管道失效风险综合评价方法 |
CN111953543A (zh) * | 2020-08-14 | 2020-11-17 | 国科量子通信网络有限公司 | 一种基于pca-ahp的量子通信网络可靠性状况的评估方法 |
CN112163371A (zh) * | 2020-09-18 | 2021-01-01 | 山东电工电气集团有限公司 | 一种变压器套管状态评估方法 |
Non-Patent Citations (2)
Title |
---|
梁佳健: "协同网络中多链路状态动态感知机制的研究与实现", 中国优秀硕士学位论文全文数据库 信息科技辑》, pages 17 - 30 * |
邓志斌: "基于大数据的电网可靠性评估方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, pages 5 - 24 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115086197A (zh) * | 2022-08-22 | 2022-09-20 | 国网天津市电力公司信息通信公司 | 一种用于通信网健壮度的评价方法及系统 |
CN115190525A (zh) * | 2022-09-06 | 2022-10-14 | 东屋世安物联科技(江苏)股份有限公司 | 网络通讯质量的测评方法、装置及介质 |
CN115190525B (zh) * | 2022-09-06 | 2022-12-13 | 东屋世安物联科技(江苏)股份有限公司 | 网络通讯质量的测评方法、装置及介质 |
CN116633835A (zh) * | 2023-05-09 | 2023-08-22 | 中国舰船研究设计中心 | 一种复杂高可靠网络性能综合评估方法 |
CN116633835B (zh) * | 2023-05-09 | 2024-03-08 | 中国舰船研究设计中心 | 一种复杂高可靠网络性能综合评估方法 |
CN116546353A (zh) * | 2023-05-19 | 2023-08-04 | 江苏省广电有线信息网络股份有限公司无锡分公司 | Pon网络综合质量评估方法、评估装置及系统 |
CN116546353B (zh) * | 2023-05-19 | 2024-02-13 | 江苏省广电有线信息网络股份有限公司无锡分公司 | Pon网络综合质量评估方法、评估装置及系统 |
CN117459321A (zh) * | 2023-12-21 | 2024-01-26 | 明阳点时科技(沈阳)有限公司 | 一种端到端可信通信方法及系统 |
CN117459321B (zh) * | 2023-12-21 | 2024-03-08 | 明阳点时科技(沈阳)有限公司 | 一种端到端可信通信方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114629802B (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114629802A (zh) | 一种基于业务感知的电力通信骨干网络质量评估方法 | |
CN109347668B (zh) | 一种服务质量评估模型的训练方法及装置 | |
CN101572623B (zh) | 基于主客观组合评价的网络性能综合评价方法 | |
EP0807348B1 (en) | Method and apparatus for learning network behavior trends and predicting future behavior of communications networks | |
WO2020077672A1 (zh) | 一种服务质量评估模型的训练方法及装置 | |
CN104468200B (zh) | 数据中心网络设备健康度的自适应评价方法 | |
CN107872457B (zh) | 一种基于网络流量预测进行网络操作的方法及系统 | |
CN109490713A (zh) | 一种用于电缆线路移动巡检及交互诊断的方法及系统 | |
CN108199891B (zh) | 一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法 | |
CN111756600B (zh) | 一种实现多种交换机测试机的多通信系统及方法 | |
CN115022908A (zh) | 一种核心网与基站传输网络异常预测及定位的方法 | |
CN114511112A (zh) | 一种基于物联网的智慧运维方法、系统和可读存储介质 | |
CN110430224A (zh) | 一种基于随机块模型的通信网络异常行为检测方法 | |
Yang et al. | A novel PMU fog based early anomaly detection for an efficient wide area PMU network | |
CN112202597A (zh) | 一种低压台区通信网络节点重要度的评估方法 | |
CN113705085A (zh) | 一种智能电网多层次结构建模及风险评估方法 | |
CN116684878B (zh) | 一种5g信息传输数据安全监测系统 | |
CN113220751A (zh) | 多源数据状态量的计量系统及评估方法 | |
CN117014471A (zh) | 一种基于人工智能的工程物联网安全监测系统 | |
CN114879081A (zh) | 基于避雷器同步动态监测数据的雷害区域分析方法 | |
CN117611010A (zh) | 基于孪生模型的智能配电柜运行状态的模糊综合评估方法 | |
CN108333505A (zh) | 基于wsn的高压断路器在线状态监测系统 | |
CN108494625A (zh) | 一种网络性能分析系统 | |
TWI735942B (zh) | 基於機器學習預測與防範網路通訊設備發生障礙之系統及方法 | |
CN111654413B (zh) | 一种网络流量有效测量点的选取方法、设备及存储介质 |
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 |