CN116644984A - 电力光通信网络可靠性评估方法、装置、设备及存储介质 - Google Patents
电力光通信网络可靠性评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116644984A CN116644984A CN202310448122.6A CN202310448122A CN116644984A CN 116644984 A CN116644984 A CN 116644984A CN 202310448122 A CN202310448122 A CN 202310448122A CN 116644984 A CN116644984 A CN 116644984A
- Authority
- CN
- China
- Prior art keywords
- layer
- evaluation
- reliability
- communication network
- optical communication
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 204
- 238000004891 communication Methods 0.000 title claims abstract description 192
- 230000003287 optical effect Effects 0.000 title claims abstract description 187
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims abstract description 106
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000005856 abnormality Effects 0.000 claims abstract description 9
- 238000006243 chemical reaction Methods 0.000 claims description 41
- 230000006870 function Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 10
- 230000007547 defect Effects 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000012797 qualification Methods 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Biomedical Technology (AREA)
- Fuzzy Systems (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
Abstract
本发明提供一种电力光通信网络可靠性评估方法、装置、设备及存储介质,所述方法包括:采集电力光通信网络运行状态数据;计算状态层评分;构建状态层模糊判断矩阵,并计算状态层元素权重;基于状态层评分及权重计算指标层各元素评分;构建指标层模糊判断矩阵,并计算指标层元素权重;基于指标层评分及权重计算评价层各元素评分;构建评价层模糊判断矩阵,并计算评价层元素权重;基于评价层评分及权重计算电力光通信网络可靠性评分并确定可靠性等级;利用训练好的数字孪生模型对电力光通信网络未来的可靠性进行预测;并确定设备异常信息。本发明能够对电力光通信网络未来的可靠性进行预测,并有效提高了对电力光通信网络可靠性评估的准确性。
Description
技术领域
本发明涉及状态预测技术领域,尤其是涉及一种电力光通信网络可靠性评估方法、装置、设备及存储介质。
背景技术
随着海量分布式可再生能源、柔性负荷、储能装置接入智能电网,电力系统对电力通信网的速率、带宽、可靠性等方面提出了更高的要求。电力光通信网络作为电力通信网最重要的组成部分,能够根据不同传输需求提供差异化通信服务,并在各种速率和不同业务数据高速传输的过程中避免电磁干扰的影响,使系统的控制决策单元能够精确地获知电网每个环节的运行状态,为电网的可靠稳定运行提供数据支撑。电力光通信网络的可靠性对电网的安全稳定运行至关重要,需要依据众多评价指标提取合理有效的分析数据,构建电力光通信网络可靠性评估体系,实现光通信网络性能评估与分析。同时精确地利用现有可靠数据预测电力设备和电力业务的可靠性,提示运维人员及时排除隐患,实现电力光通信网络的主动运维。
现有方案中,由于电力光通信网络的性能评价指标具有种类繁多、不同指标间关联性各异等特点,在构建可靠性评估指标体系的过程中,主要面临着以下挑战:1、传统的可靠性评估体系仅能够单一判断电力光通信网络的可靠性,不能根据现有的可靠运行数据对电力光通信网络未来的可靠性做出判断,无法避免电力光通信网络不可靠运行情况的产生。2、影响电力光通信网络可靠性的因素种类繁多且关联性各异,对于如何将不同的评价指标进行统一的度量,并计算其可靠性评估权重,尚未有明确合理的解决方案,对电力光通信网络可靠性评估结果的准确性不高。
发明内容
本发明旨在提供一种电力光通信网络可靠性评估方法、装置、设备及存储介质,以解决上述技术问题,从而能够对电力光通信网络未来的可靠性进行预测,并提高对电力光通信网络可靠性评估的准确性。
为了解决上述技术问题,本发明提供了一种电力光通信网络可靠性评估方法,包括:
采集电力光通信网络运行状态数据;其中,所述电力光通信网络的可靠性评估体系从上至下依次包括目标层、评价层、指标层和状态层。
基于状态层各元素的类型选取对应的隶属度函数模型以计算状态层各元素评分;
根据状态层各元素评分构建状态层模糊判断矩阵,对所述状态层模糊判断矩阵进行一致性转换,并计算状态层元素权重;
基于状态层各元素评分以及状态层元素权重计算指标层各元素评分;
根据指标层各元素评分构建指标层模糊判断矩阵,对所述指标层模糊判断矩阵进行一致性转换,并计算指标层元素权重;
基于指标层各元素评分以及指标层元素权重计算评价层各元素评分;
根据评价层各元素评分构建评价层模糊判断矩阵,对所述评价层模糊判断矩阵进行一致性转换,并计算评价层元素权重;
基于评价层各元素评分以及评价层元素权重计算电力光通信网络可靠性评分;
根据电力光通信网络可靠性评分确定电力光通信网络可靠性等级;将可靠性等级为正常状态对应的可靠运行数据上传至电力光通信数字孪生网络,用于训练数字孪生模型以对电力光通信网络未来的可靠性进行预测;以及,当判断可靠性等级为非正常状态时根据电力光通信网络的评价层、指标层和状态层的评分确定设备异常信息。
进一步地,所述目标层代表电力光通信网络本体;所述评价层包括设备可靠性评价元素和业务可靠性评价元素;所述指标层包括技术评估指标、安全评估指标、生产类业务指标和管理类业务指标;其中,技术评估指标和安全评估指标为设备可靠性评价元素包含的两类指标,生产类业务指标和管理类业务指标为业务可靠性评价元素包含的两类指标。
进一步地,所述状态层中,属于技术评估指标的状态层元素包括:节点冗余度、信道冗余度、信号冗余度、平均电压偏差、质量量化、设备占空比、最大重传次数和流量效益;属于安全评估指标的状态层元素包括:漂移偏差故障、精度下降故障、完全失效故障、补丁安全、拒绝服务影响、网络攻击频率、加密传输完善度和安全机制完善度;属于生产类业务指标的状态层元素包括:传输时延、误码率、故障预警率、故障快速切除率、装置本体缺陷率、平均消缺时间、最优更换周期和设备冗余度;属于管理类业务指标的状态层元素包括:电压合格率、带宽利用率、丢包率、设备运行维护成本、软硬件升级改造成本、业务办理效率、人员安全性和平均停电时间。
进一步地,所述状态层的元素类型包括正相关元素、负相关元素和区间相关元素;其中,对于正相关元素,其取值越大代表电力光通信网络可靠性越高;对于负相关元素,其取值越小代表电力光通信网络可靠性越高;对于区间相关元素,当其取值处于预设区间时代表电力光通信网络可靠性较高,当其取值偏离预设区间越远代表电力光通信网络可靠性越低。
进一步地,所述对所述状态层模糊判断矩阵进行一致性转换,具体为:
若判断所述状态层模糊判断矩阵不满足预设的一致性条件,则基于预设的转换公式将所述状态层模糊判断矩阵转换为状态层一致性判断矩阵;
所述对所述指标层模糊判断矩阵进行一致性转换,具体为:
若判断所述指标层模糊判断矩阵不满足预设的一致性条件,则基于预设的转换公式将所述指标层模糊判断矩阵转换为指标层一致性判断矩阵;
所述对所述评价层模糊判断矩阵进行一致性转换,具体为:
若判断所述评价层模糊判断矩阵不满足预设的一致性条件,则基于预设的转换公式将所述评价层模糊判断矩阵转换为评价层一致性判断矩阵。
进一步地,所述基于状态层各元素的类型选取对应的隶属度函数模型以计算状态层各元素评分,具体包括:
基于状态层各元素的类型选取对应的隶属函数模型,并基于对应的隶属函数模型计算状态层各元素隶属于好、中、差三种模糊评价的隶属度;
根据计算得到的状态层元素隶属度计算状态层各元素评分。
本发明还提供一种电力光通信网络可靠性评估装置,包括:
数据采集模块,用于采集电力光通信网络运行状态数据;其中,所述电力光通信网络的可靠性评估体系从上至下依次包括目标层、评价层、指标层和状态层。
状态层元素评分模块,用于基于状态层各元素的类型选取对应的隶属度函数模型以计算状态层各元素评分;
状态层权重计算模块,用于根据状态层各元素评分构建状态层模糊判断矩阵,对所述状态层模糊判断矩阵进行一致性转换,并计算状态层元素权重;
指标层元素评分模块,用于基于状态层各元素评分以及状态层元素权重计算指标层各元素评分;
指标层权重计算模块,用于根据指标层各元素评分构建指标层模糊判断矩阵,对所述指标层模糊判断矩阵进行一致性转换,并计算指标层元素权重;
评价层元素评分模块,用于基于指标层各元素评分以及指标层元素权重计算评价层各元素评分;
评价层权重计算模块,用于根据评价层各元素评分构建评价层模糊判断矩阵,对所述评价层模糊判断矩阵进行一致性转换,并计算评价层元素权重;
可靠性评分模块,用于基于评价层各元素评分以及评价层元素权重计算电力光通信网络可靠性评分;
可靠性预测模块,用于根据电力光通信网络可靠性评分确定电力光通信网络可靠性等级;将可靠性等级为正常状态对应的可靠运行数据上传至电力光通信数字孪生网络,用于训练数字孪生模型以对电力光通信网络未来的可靠性进行预测;以及,当判断可靠性等级为非正常状态时根据电力光通信网络的评价层、指标层和状态层的评分确定设备异常信息。
本发明还提供一种终端设备,包括处理器和存储有计算机程序的存储器,所述处理器执行所述计算机程序时实现任一项所述的电力光通信网络可靠性评估方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现任一项所述的电力光通信网络可靠性评估方法。
与现有技术相比,本发明具有如下有益效果:
本发明提供了一种电力光通信网络可靠性评估方法、装置、设备及存储介质,所述方法包括:采集电力光通信网络运行状态数据;计算状态层评分;构建状态层模糊判断矩阵,并计算状态层元素权重;基于状态层评分及权重计算指标层各元素评分;构建指标层模糊判断矩阵,并计算指标层元素权重;基于指标层评分及权重计算评价层各元素评分;构建评价层模糊判断矩阵,并计算评价层元素权重;基于评价层评分及权重计算电力光通信网络可靠性评分并确定可靠性等级;利用训练好的数字孪生模型对电力光通信网络未来的可靠性进行预测;并确定设备异常信息。本发明能够对电力光通信网络未来的可靠性进行预测,并有效提高了对电力光通信网络可靠性评估的准确性。
附图说明
图1是本发明提供的电力光通信网络可靠性评估方法的流程示意图之一;
图2是本发明提供的基于数字孪生的电力光通信网络可靠性评估体系结构示意图;
图3是本发明提供的电力光通信网络可靠性评估方法的流程示意图之二;
图4是本发明提供的电力光通信网络可靠性评估装置的结构示意图。
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、完整的描述,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作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。
请参见图1,本发明实施例提供了一种电力光通信网络可靠性评估方法,可以包括步骤:
S1、采集电力光通信网络运行状态数据;其中,所述电力光通信网络的可靠性评估体系从上至下依次包括目标层、评价层、指标层和状态层。
S2、基于状态层各元素的类型选取对应的隶属度函数模型以计算状态层各元素评分;
S3、根据状态层各元素评分构建状态层模糊判断矩阵,对所述状态层模糊判断矩阵进行一致性转换,并计算状态层元素权重;
S4、基于状态层各元素评分以及状态层元素权重计算指标层各元素评分;
S5、根据指标层各元素评分构建指标层模糊判断矩阵,对所述指标层模糊判断矩阵进行一致性转换,并计算指标层元素权重;
S6、基于指标层各元素评分以及指标层元素权重计算评价层各元素评分;
S7、根据评价层各元素评分构建评价层模糊判断矩阵,对所述评价层模糊判断矩阵进行一致性转换,并计算评价层元素权重;
S8、基于评价层各元素评分以及评价层元素权重计算电力光通信网络可靠性评分;
S9、根据电力光通信网络可靠性评分确定电力光通信网络可靠性等级;将可靠性等级为正常状态对应的可靠运行数据上传至电力光通信数字孪生网络,用于训练数字孪生模型以对电力光通信网络未来的可靠性进行预测;以及,当判断可靠性等级为非正常状态时根据电力光通信网络的评价层、指标层和状态层的评分确定设备异常信息。
在本发明实施例中,进一步地,所述目标层代表电力光通信网络本体;所述评价层包括设备可靠性评价元素和业务可靠性评价元素;所述指标层包括技术评估指标、安全评估指标、生产类业务指标和管理类业务指标;其中,技术评估指标和安全评估指标为设备可靠性评价元素包含的两类指标,生产类业务指标和管理类业务指标为业务可靠性评价元素包含的两类指标。
在本发明实施例中,进一步地,所述状态层中,属于技术评估指标的状态层元素包括:节点冗余度、信道冗余度、信号冗余度、平均电压偏差、质量量化、设备占空比、最大重传次数和流量效益;属于安全评估指标的状态层元素包括:漂移偏差故障、精度下降故障、完全失效故障、补丁安全、拒绝服务影响、网络攻击频率、加密传输完善度和安全机制完善度;属于生产类业务指标的状态层元素包括:传输时延、误码率、故障预警率、故障快速切除率、装置本体缺陷率、平均消缺时间、最优更换周期和设备冗余度;属于管理类业务指标的状态层元素包括:电压合格率、带宽利用率、丢包率、设备运行维护成本、软硬件升级改造成本、业务办理效率、人员安全性和平均停电时间。
在本发明实施例中,进一步地,所述状态层的元素类型包括正相关元素、负相关元素和区间相关元素;其中,对于正相关元素,其取值越大代表电力光通信网络可靠性越高;对于负相关元素,其取值越小代表电力光通信网络可靠性越高;对于区间相关元素,当其取值处于预设区间时代表电力光通信网络可靠性较高,当其取值偏离预设区间越远代表电力光通信网络可靠性越低。
在本发明实施例中,进一步地,所述对所述状态层模糊判断矩阵进行一致性转换,具体为:
若判断所述状态层模糊判断矩阵不满足预设的一致性条件,则基于预设的转换公式将所述状态层模糊判断矩阵转换为状态层一致性判断矩阵;
所述对所述指标层模糊判断矩阵进行一致性转换,具体为:
若判断所述指标层模糊判断矩阵不满足预设的一致性条件,则基于预设的转换公式将所述指标层模糊判断矩阵转换为指标层一致性判断矩阵;
所述对所述评价层模糊判断矩阵进行一致性转换,具体为:
若判断所述评价层模糊判断矩阵不满足预设的一致性条件,则基于预设的转换公式将所述评价层模糊判断矩阵转换为评价层一致性判断矩阵。
在本发明实施例中,进一步地,所述基于状态层各元素的类型选取对应的隶属度函数模型以计算状态层各元素评分,具体包括:
基于状态层各元素的类型选取对应的隶属函数模型,并基于对应的隶属函数模型计算状态层各元素隶属于好、中、差三种模糊评价的隶属度;
根据计算得到的状态层元素隶属度计算状态层各元素评分。
基于上述方案,为便于更好的理解本发明实施例提供的电力光通信网络可靠性评估方法,以下进行详细说明:
需要说明的是,现有技术主要存在以下问题:1、传统可靠性评估体系采用层次分析法和专家打分评估方法,不能很好地处理由于专家个人主观偏好导致的指标模糊性,并且不能针对电力光通信网络未来运行的可靠性做出判断,不适用于有排除潜在运行风险要求的电力光通信网络。2、传统可靠性评估方法根据业务需求确定性能指标,采用模糊层次分析法设置对应指标权重,考虑了业务可靠性,但忽略了电力设备可靠性对电力光通信网络的影响,并且评价指标选取数量较少,没有考虑各评价指标之间数量级差异,无法满足电力光通信网络全面、可靠的性能评价需求。
针对现有技术存在的问题,本发明实施例的目的在于:1、提出一种基于数字孪生的电力光通信网络可靠性评估体系,将采集到的数据上传至电力光通信数字孪生网络,基于高可靠状态下电力光通信网络的运行数据训练电力光通信网络中数字孪生模型。同时基于数字孪生模型对电力光通信网络的可靠性进行评估,根据具体的运行状态预测数据预警可能发生的故障。2.提出一种面向电力光通信网络的二维多级可靠性评估指标体系,满足可靠性要求较高的电力光通信网评估需求。同时通过采用指数标度法建立模糊判断矩阵,动态调整元素的相对重要性,提高了元素权重对实际可靠性要求的适应性,避免在权重确定过程中专家个人主观偏好的影响。
本发明实施例可以通过以下步骤实现:
1、构建电力光通信网络可靠性评估指标体系:
如图2所示,目标层为电力光通信网络本体。评价层包括设备可靠性评价和业务可靠性评价。指标层包括技术评估指标、安全评估指标、生产类业务指标和管理类业务指标。其中,技术评估指标和安全评估指标为设备可靠性评价具体包含的两类指标,生产类业务指标和管理类业务指标为业务可靠性评价具体包含的两类指标。状态层包括电力光通信网络中采集到的各类元素,状态层将采集到的可靠运行数据上传至电力光通信数字孪生网络,训练数字孪生模型;数字孪生模型预测电力光通信网络未来的可靠性运行状态,为状态层提供数据支撑。其中,属于技术评估指标的元素包括:节点冗余度、信道冗余度、信号冗余度、平均电压偏差、质量量化、设备占空比、最大重传次数、流量效益;属于安全评估指标的元素包括:漂移偏差故障、精度下降故障、完全失效故障、补丁安全、拒绝服务影响、网络攻击频率、加密传输完善度、安全机制完善度;属于生产类业务指标的元素包括:传输时延、误码率、故障预警率、故障快速切除率、装置本体缺陷率、平均消缺时间、最优更换周期、设备冗余度;属于管理类业务指标的元素包括:电压合格率、带宽利用率、丢包率、设备运行维护成本、软硬件升级改造成本、业务办理效率、人员安全性、平均停电时间。
2、构建基于改进模糊层次分析法的电力光通信网络可靠性评估方法:
基于上述构建的二维多级电力光通信网络可靠性评估指标体系,定义电力光通信网络可靠性评估目标层的可靠性评分为S,定义电力光通信网络可靠性评估评价层I个元素的集合为D={di|i∈[1,L,I]},评价层元素di所包含的指标层元素集合定义为其中/>表示集合/>中元素的个数,则指标层元素集合为定义指标层元素/>所包含的状态层元素集合定义为其中/>表示集合/>中元素的个数,则状态层元素集合为
(1)电力光通信网络可靠性评估状态层评分:
根据电力光通信网络实际运行环境中对不同设备及业务的要求,将电力光通信网络中状态层元素的模糊评价集合定义为包含好、中、差三种子集,对应的隶属度函数分别用λ1,λ2和λ3表示。
将电力光通信网络状态层元素进行分类,分为正相关元素、负相关元素和区间相关元素三类。对于正相关元素,其取值越大,电力光通信网络可靠性越高;对于负相关元素,其取值越小,电力光通信网络可靠性越高;对于区间相关元素,当其取值处于某区间时,电力光通信网络可靠性较高,而当其取值偏离某区间越远时,电力光通信网络可靠性越低。针对上述三种元素,分别提出三种隶属度函数模型:正相关隶属度函数模型、负相关隶属度函数模型和区间相关隶属度函数模型。
基于上述三种隶属度函数模型,状态层元素的评分可以归纳为以下几个步骤:
1)根据电力光通信网络的状态层元素类型确定选用哪种隶属函数进行元素评分计算;
2)根据所选取的隶属度函数模型,计算电力光通信网络状态层元素隶属于好、中、差三种模糊评价的隶属度和/>
3)根据计算得到的电力光通信网络状态层元素隶属度计算元素评分,具体公式如下:
其中,为电力光通信网络可靠性评估状态层元素/>的评分;θ1、θ2、θ3分别为电力光通信网络状态层元素模糊评价好、中、差对应的分数。
(2)电力光通信网络可靠性评估指标层评分:
1)状态层模糊判断矩阵的建立:
电力光通信网络状态层模糊判断矩阵是描述状态层元素之间重要性关系的矩阵,采用精确度较高的指数标度法来标度电力光通信网络可靠性评估指标层元素所包含的不同状态层元素之间的重要性关系。并在此基础上构建电力光通信网络可靠性评估状态层的模糊判断矩阵。
定义电力光通信网络可靠性评估指标层元素对应的状态层模糊判断矩阵为其中,/>表示电力光通信网络可靠性评估指标层元素/>所包含的状态层元素的数量;/>表示可靠性评估指标层元素/>所包含的状态层元素/>相对于元素/>的重要程度,其中/>
2)状态层模糊判断矩阵的一致性转换:
在电力光通信网络可靠性评估过程中,状态层中各个元素权重的计算需要状态层模糊判断矩阵满足一致性。若模糊判断矩阵对于/>满足:
则称该模糊判断矩阵为模糊一致性判断矩阵。
采用此方法可以对状态层模糊判断矩阵进行一致性检验,若满足一致性条件,则
其中,和/>分别表示模糊判断矩阵/>第m行和第n行的元素之和。
3)状态层元素权重计算与指标层评分:
运用最小二乘法可以计算出电力光通信网络可靠性评估指标层元素所包含的状态层元素/>的权重/>为:
其中,为一参数,通常取边界值。
最后,基于上述得到的电力光通信网络可靠性评估状态层元素的权重可以计算出电力光通信网络指标层元素的评分/>为:
其中,为基于隶属度函数得到的电力光通信网络可靠性评估指标层元素/>所包含状态层元素/>的评分。
(3)电力光通信网络可靠性评估评价层评分:
根据指标层中四个元素的评分,构建指标层模糊判断矩阵其中元素/>的计算公式为:
其中,和/>是电力光通信网络可靠性评估指标层元素/>和/>相应的评分,/>为评价层元素di所包含的指标层元素数量。
根据公式(2)对指标层模糊判断矩阵进行一致性检验,若不满足一致性条件,则按照公式(3)将/>转换为模糊一致性判断矩阵/>
然后基于电力光通信网络可靠性评估指标层的模糊一致性判断矩阵根据公式(9)计算出电力光通信网络可靠性评估评价层元素di所包含的指标层元素/>的权重/>
最后,基于上述得到的电力光通信网络可靠性评估指标层元素的权重与指标层元素/>的评分加权求和可以计算出电力光通信网络评价层元素di的评分/>
评价层元素权重确定与电力光通信网络可靠性评分:
根据公式(7)构建评价层模糊判断矩阵其次根据公式(2)对评价层模糊判断矩阵RS进行一致性检验,若RS不满足一致性条件,则按照公式(3)将RS转换为模糊一致性判断矩阵/>其中I为电力光通信网络可靠性评估评价层中元素的数量。
然后,基于评价层的模糊一致性判断矩阵据公式(13)计算出评价层各元素的权重/>
最后,基于得到的评价层各元素权重和评分/>进行加权求和得到电力光通信网络的可靠性评分S,其表达式为:
根据电力光通信网络运行环境特点,将电力光通信网络可靠性等级划分为差,较差,中,较优和优五个等级。不同可靠性等级对应的评分如下表1所示。
表1电力光通信网络可靠性等级划分
综上所述,本发明所提出的基于数字孪生的电力光通信网络可靠性评估的具体步骤如图3所示,步骤如下:
1)采集电力光通信网络运行状态数据,针对状态层元素选取不同的隶属度函数模型计算状态层元素评分
2)基于指数标度法构建状态层模糊判断矩阵
3)根据公式(2)判断模糊判断矩阵是否满足一致性,不满足则根据公式(3)将其转化得到模糊一致性判断矩阵;
4)根据式(4)计算状态层权重并根据公式(5)计算指标层元素评分/>
5)判断是否完成指标层中所有元素的评分,若完成则执行下一步,否则返回步骤2)计算下一个指标层元素评分;
6)构建指标层模糊判断矩阵并进行一致性判断与一致性转换;
7)分别计算指标层元素的权重和评价层元素评分/>
8)判断是否完成评价层中所有元素的评分,若完成则执行下一步,否则返回步骤7)计算下一个评价层元素评分;
9)构建评价层模糊判断矩阵RS,并进行一致性判断与一致性转换;
10)计算评价层各元素的权重并根据公式(7)电力光通信网络可靠性评分S;
11)根据电力光通信网络可靠性评分S确定电力光通信网络可靠性等级,若结果为优,则评估结束,同时将可靠运行数据上传至电力光通信数字孪生网络,用于构建数字孪生模型;若处于非正常状态,则可参考评价层、指标层和状态层的评分确定设备异常原因,分析故障结果,为现场运维人员提供修复建议。
与现有技术相比,本发明实施例具有如下有益效果:
1、提出一种基于数字孪生的电力光通信网络可靠性评估体系,将采集到的可靠运行数据上传至电力光通信数字孪生网络,基于数字孪生对电力光通信网络的可靠性进行评估,同时根据运行状态预测数据结果预警可能发生的故障,指导现场运维人员针对性的对电力光通信网络进行维护,极大地提高电力光通信网络的运行效率。
2、提出一种面向电力光通信网络的二维多级可靠性评估指标体系,充分考虑了设备可靠性和业务可靠性对电力光通信网络可靠性的影响,可以对电力光通信网络可靠性进行准确评估。且通过采用指数标度法建立模糊判断矩阵,动态调整元素的相对重要性,提高了元素权重对实际可靠性要求的适应性,避免在权重确定过程中专家个人主观偏好的影响。
需要说明的是,对于以上方法或流程实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作并不一定是本发明实施例所必须的。
请参见图4,本发明实施例还提供一种电力光通信网络可靠性评估装置,包括:
数据采集模块1,用于采集电力光通信网络运行状态数据;其中,所述电力光通信网络的可靠性评估体系从上至下依次包括目标层、评价层、指标层和状态层。
状态层元素评分模块2,用于基于状态层各元素的类型选取对应的隶属度函数模型以计算状态层各元素评分;
状态层权重计算模块3,用于根据状态层各元素评分构建状态层模糊判断矩阵,对所述状态层模糊判断矩阵进行一致性转换,并计算状态层元素权重;
指标层元素评分模块4,用于基于状态层各元素评分以及状态层元素权重计算指标层各元素评分;
指标层权重计算模块5,用于根据指标层各元素评分构建指标层模糊判断矩阵,对所述指标层模糊判断矩阵进行一致性转换,并计算指标层元素权重;
评价层元素评分模块6,用于基于指标层各元素评分以及指标层元素权重计算评价层各元素评分;
评价层权重计算模块7,用于根据评价层各元素评分构建评价层模糊判断矩阵,对所述评价层模糊判断矩阵进行一致性转换,并计算评价层元素权重;
可靠性评分模块8,用于基于评价层各元素评分以及评价层元素权重计算电力光通信网络可靠性评分;
可靠性预测模块9,用于根据电力光通信网络可靠性评分确定电力光通信网络可靠性等级;将可靠性等级为正常状态对应的可靠运行数据上传至电力光通信数字孪生网络,用于训练数字孪生模型以对电力光通信网络未来的可靠性进行预测;以及,当判断可靠性等级为非正常状态时根据电力光通信网络的评价层、指标层和状态层的评分确定设备异常信息。
可以理解的是上述装置项实施例,是与本发明方法项实施例相对应的,本发明实施例提供的一种电力光通信网络可靠性评估装置,可以实现本发明任意一项方法项实施例提供的电力光通信网络可靠性评估方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现任一项所述的电力光通信网络可靠性评估方法。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
所述领域的技术人员可以清楚地了解到,为了方便和简洁,上述描述的装置的具体工作过程,可参考前述方法实施例中对应的过程,在此不再赘述。
终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器、存储器。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal 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,所述处理器是所述终端设备的控制中心,利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序,所述处理器通过运行或执行存储在所述存储器内的计算机程序,以及调用存储在存储器内的数据,实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据手机的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述存储介质为计算机可读存储介质,所述计算机程序存储在所述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电载波信号和电信信号。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种电力光通信网络可靠性评估方法,其特征在于,包括:
采集电力光通信网络运行状态数据;其中,所述电力光通信网络的可靠性评估体系从上至下依次包括目标层、评价层、指标层和状态层。
基于状态层各元素的类型选取对应的隶属度函数模型以计算状态层各元素评分;
根据状态层各元素评分构建状态层模糊判断矩阵,对所述状态层模糊判断矩阵进行一致性转换,并计算状态层元素权重;
基于状态层各元素评分以及状态层元素权重计算指标层各元素评分;
根据指标层各元素评分构建指标层模糊判断矩阵,对所述指标层模糊判断矩阵进行一致性转换,并计算指标层元素权重;
基于指标层各元素评分以及指标层元素权重计算评价层各元素评分;
根据评价层各元素评分构建评价层模糊判断矩阵,对所述评价层模糊判断矩阵进行一致性转换,并计算评价层元素权重;
基于评价层各元素评分以及评价层元素权重计算电力光通信网络可靠性评分;
根据电力光通信网络可靠性评分确定电力光通信网络可靠性等级;将可靠性等级为正常状态对应的可靠运行数据上传至电力光通信数字孪生网络,用于训练数字孪生模型以对电力光通信网络未来的可靠性进行预测;以及,当判断可靠性等级为非正常状态时根据电力光通信网络的评价层、指标层和状态层的评分确定设备异常信息。
2.根据权利要求1所述的电力光通信网络可靠性评估方法,其特征在于,所述目标层代表电力光通信网络本体;所述评价层包括设备可靠性评价元素和业务可靠性评价元素;所述指标层包括技术评估指标、安全评估指标、生产类业务指标和管理类业务指标;其中,技术评估指标和安全评估指标为设备可靠性评价元素包含的两类指标,生产类业务指标和管理类业务指标为业务可靠性评价元素包含的两类指标。
3.根据权利要求2所述的电力光通信网络可靠性评估方法,其特征在于,所述状态层中,属于技术评估指标的状态层元素包括:节点冗余度、信道冗余度、信号冗余度、平均电压偏差、质量量化、设备占空比、最大重传次数和流量效益;属于安全评估指标的状态层元素包括:漂移偏差故障、精度下降故障、完全失效故障、补丁安全、拒绝服务影响、网络攻击频率、加密传输完善度和安全机制完善度;属于生产类业务指标的状态层元素包括:传输时延、误码率、故障预警率、故障快速切除率、装置本体缺陷率、平均消缺时间、最优更换周期和设备冗余度;属于管理类业务指标的状态层元素包括:电压合格率、带宽利用率、丢包率、设备运行维护成本、软硬件升级改造成本、业务办理效率、人员安全性和平均停电时间。
4.根据权利要求3所述的电力光通信网络可靠性评估方法,其特征在于,所述状态层的元素类型包括正相关元素、负相关元素和区间相关元素;其中,对于正相关元素,其取值越大代表电力光通信网络可靠性越高;对于负相关元素,其取值越小代表电力光通信网络可靠性越高;对于区间相关元素,当其取值处于预设区间时代表电力光通信网络可靠性较高,当其取值偏离预设区间越远代表电力光通信网络可靠性越低。
5.根据权利要求1所述的电力光通信网络可靠性评估方法,其特征在于,所述对所述状态层模糊判断矩阵进行一致性转换,具体为:
若判断所述状态层模糊判断矩阵不满足预设的一致性条件,则基于预设的转换公式将所述状态层模糊判断矩阵转换为状态层一致性判断矩阵;
所述对所述指标层模糊判断矩阵进行一致性转换,具体为:
若判断所述指标层模糊判断矩阵不满足预设的一致性条件,则基于预设的转换公式将所述指标层模糊判断矩阵转换为指标层一致性判断矩阵;
所述对所述评价层模糊判断矩阵进行一致性转换,具体为:
若判断所述评价层模糊判断矩阵不满足预设的一致性条件,则基于预设的转换公式将所述评价层模糊判断矩阵转换为评价层一致性判断矩阵。
6.根据权利要求1所述的电力光通信网络可靠性评估方法,其特征在于,所述基于状态层各元素的类型选取对应的隶属度函数模型以计算状态层各元素评分,具体包括:
基于状态层各元素的类型选取对应的隶属函数模型,并基于对应的隶属函数模型计算状态层各元素隶属于好、中、差三种模糊评价的隶属度;
根据计算得到的状态层元素隶属度计算状态层各元素评分。
7.一种电力光通信网络可靠性评估装置,其特征在于,包括:
数据采集模块,用于采集电力光通信网络运行状态数据;其中,所述电力光通信网络的可靠性评估体系从上至下依次包括目标层、评价层、指标层和状态层。
状态层元素评分模块,用于基于状态层各元素的类型选取对应的隶属度函数模型以计算状态层各元素评分;
状态层权重计算模块,用于根据状态层各元素评分构建状态层模糊判断矩阵,对所述状态层模糊判断矩阵进行一致性转换,并计算状态层元素权重;
指标层元素评分模块,用于基于状态层各元素评分以及状态层元素权重计算指标层各元素评分;
指标层权重计算模块,用于根据指标层各元素评分构建指标层模糊判断矩阵,对所述指标层模糊判断矩阵进行一致性转换,并计算指标层元素权重;
评价层元素评分模块,用于基于指标层各元素评分以及指标层元素权重计算评价层各元素评分;
评价层权重计算模块,用于根据评价层各元素评分构建评价层模糊判断矩阵,对所述评价层模糊判断矩阵进行一致性转换,并计算评价层元素权重;
可靠性评分模块,用于基于评价层各元素评分以及评价层元素权重计算电力光通信网络可靠性评分;
可靠性预测模块,用于根据电力光通信网络可靠性评分确定电力光通信网络可靠性等级;将可靠性等级为正常状态对应的可靠运行数据上传至电力光通信数字孪生网络,用于训练数字孪生模型以对电力光通信网络未来的可靠性进行预测;以及,当判断可靠性等级为非正常状态时根据电力光通信网络的评价层、指标层和状态层的评分确定设备异常信息。
8.根据权利要求7所述的电力光通信网络可靠性评估装置,其特征在于,所述目标层代表电力光通信网络本体;所述评价层包括设备可靠性评价元素和业务可靠性评价元素;所述指标层包括技术评估指标、安全评估指标、生产类业务指标和管理类业务指标;其中,技术评估指标和安全评估指标为设备可靠性评价元素包含的两类指标,生产类业务指标和管理类业务指标为业务可靠性评价元素包含的两类指标。
9.一种终端设备,包括处理器和存储有计算机程序的存储器,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的电力光通信网络可靠性评估方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至6任一项所述的电力光通信网络可靠性评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310448122.6A CN116644984A (zh) | 2023-04-23 | 2023-04-23 | 电力光通信网络可靠性评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310448122.6A CN116644984A (zh) | 2023-04-23 | 2023-04-23 | 电力光通信网络可靠性评估方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116644984A true CN116644984A (zh) | 2023-08-25 |
Family
ID=87619424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310448122.6A Pending CN116644984A (zh) | 2023-04-23 | 2023-04-23 | 电力光通信网络可靠性评估方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116644984A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116939632A (zh) * | 2023-09-12 | 2023-10-24 | 安世亚太科技股份有限公司 | 一种数据包重传次数确定方法、系统、设备及存储介质 |
CN117335577A (zh) * | 2023-12-01 | 2024-01-02 | 国网山东省电力公司莱芜供电公司 | 一种柱上开关及控制器的状态监测方法及系统 |
-
2023
- 2023-04-23 CN CN202310448122.6A patent/CN116644984A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116939632A (zh) * | 2023-09-12 | 2023-10-24 | 安世亚太科技股份有限公司 | 一种数据包重传次数确定方法、系统、设备及存储介质 |
CN116939632B (zh) * | 2023-09-12 | 2023-11-28 | 安世亚太科技股份有限公司 | 一种数据包重传次数确定方法、系统、设备及存储介质 |
CN117335577A (zh) * | 2023-12-01 | 2024-01-02 | 国网山东省电力公司莱芜供电公司 | 一种柱上开关及控制器的状态监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116644984A (zh) | 电力光通信网络可靠性评估方法、装置、设备及存储介质 | |
CN111598143B (zh) | 基于信用评估的面向联邦学习中毒攻击的防御方法 | |
CN116389316A (zh) | 电力光通信网络故障感知方法、装置、设备及存储介质 | |
CN113486584B (zh) | 设备故障的预测方法、装置、计算机设备及计算机可读存储介质 | |
CN116090839B (zh) | 水资源耦合系统多重风险分析与评估方法及系统 | |
CN105471647A (zh) | 一种电力通信网故障定位方法 | |
CN112561320A (zh) | 机构风险预测模型的训练方法、机构风险预测方法和装置 | |
CN115577152B (zh) | 基于数据分析的在线图书借阅管理系统 | |
JP2023525240A (ja) | 電池の容量測定装置及び方法、並びに該装置を含む電池制御システム | |
CN115221982B (zh) | 牵引供电运维方法、装置、终端及存储介质 | |
CN104218571A (zh) | 一种风力发电设备的运行状态评估方法 | |
Du et al. | Applying deep convolutional neural network for fast security assessment with N-1 contingency | |
CN113298121B (zh) | 基于多数据源建模的消息发送方法、装置和电子设备 | |
CN108846489A (zh) | 一种基于svm的大型设备健康状况评估方法 | |
Aktaş et al. | Towards 5G and beyond radio link diagnosis: Radio link failure prediction by using historical weather, link parameters | |
CN117557290A (zh) | 一种基于机器学习的电商运维管理方法及系统 | |
CN112001622A (zh) | 云虚拟网关的健康度评估方法、系统、设备和存储介质 | |
CN116091106A (zh) | 一种多功能财务成本评估系统 | |
CN116644289A (zh) | 一种慢盘检测方法及设备 | |
CN115587612A (zh) | 基于自监督超图的网络故障预测方法及装置 | |
US11403335B2 (en) | Leverage interaction attributes and file access patterns to predict active life of media file to optimize storage usage | |
CN112862193A (zh) | 能源发展路径推演方法、系统及装置 | |
Etengu et al. | AI-assisted traffic matrix prediction using GA-enabled deep ensemble learning for hybrid SDN | |
CN113780689B (zh) | 一种基于人工智能的能量路由器寿命预测方法和装置 | |
CN117332923B (zh) | 一种网状指标体系的赋权方法及系统 |
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 |