CN117459406A - 一种光缆资源运维管理方法、设备及存储介质 - Google Patents
一种光缆资源运维管理方法、设备及存储介质 Download PDFInfo
- Publication number
- CN117459406A CN117459406A CN202311804891.1A CN202311804891A CN117459406A CN 117459406 A CN117459406 A CN 117459406A CN 202311804891 A CN202311804891 A CN 202311804891A CN 117459406 A CN117459406 A CN 117459406A
- Authority
- CN
- China
- Prior art keywords
- optical cable
- cable
- change
- maintenance
- risk level
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 210
- 238000012423 maintenance Methods 0.000 title claims abstract description 114
- 238000007726 management method Methods 0.000 title claims abstract description 36
- 230000008859 change Effects 0.000 claims abstract description 105
- 230000006378 damage Effects 0.000 claims abstract description 69
- 230000007613 environmental effect Effects 0.000 claims abstract description 58
- 238000005452 bending Methods 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 39
- 239000000835 fiber Substances 0.000 claims abstract description 24
- 238000012163 sequencing technique Methods 0.000 claims abstract description 13
- 239000013598 vector Substances 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012417 linear regression Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 15
- 230000008569 process Effects 0.000 abstract description 9
- 238000012544 monitoring process Methods 0.000 description 16
- 230000000875 corresponding effect Effects 0.000 description 14
- 230000004044 response Effects 0.000 description 12
- 238000012502 risk assessment Methods 0.000 description 11
- 230000009471 action Effects 0.000 description 9
- 230000002829 reductive effect Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 230000008439 repair process Effects 0.000 description 7
- 238000007689 inspection Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000010921 in-depth analysis Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 230000003449 preventive effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000002079 cooperative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000253 optical time-domain reflectometry Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification 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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/07—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems
- H04B10/075—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal
- H04B10/079—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal using measurements of the data signal
- H04B10/0795—Performance monitoring; Measurement of transmission parameters
-
- 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
- H04L41/147—Network analysis or design for predicting network behaviour
-
- 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
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Medical Informatics (AREA)
- Electromagnetism (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
本发明提供一种光缆资源运维管理方法、设备及存储介质，涉及光缆管理技术领域，光缆资源运维管理方法包括：获取光缆的物理参数和环境参数；其中，物理参数包括光缆压力、光缆振动以及拉弯应力，环境参数包括环境温度和环境湿度；根据上述参数进行预测，得到对应的在预设未来时间段内的变化；从而确定所述光缆的风险等级；当风险等级为低级时，则重复上述流程；当风险等级为高级时，则根据风险等级对应的光缆的压力变化、振动频率变化以及拉弯应力变化，得到光缆的故障位置和故障类型；从而判断光缆的损伤程度；将每个光缆按照对应地损伤程度进行排序，并根据排序结果按照预设维护规则进行管理；从而提高了光缆故障的检测效率。
Description
技术领域
本发明涉及光缆管理技术领域，具体而言，涉及一种光缆资源运维管理方法、设备及存储介质。
背景技术
随着信息技术的快速发展和网络通讯需求的持续增长，光缆网络作为信息传输的重要基础设具有广泛的应用。光缆网络的稳定性和可靠性直接影响到通讯服务的质量。因此，光缆资源的运维管理至关重要。通常采用反应式策略对光缆进行管理，即在光缆问题发生后才开始采取行动，需要依靠定期的人工巡检以及用户的故障报告来识别问题，然后进行故障定位和修复，以此保证了网络的运行。
在现有技术中，传统的光缆资源运维管理方法虽然保证了网络的运行，但对光缆故障的反应不够及时，一旦故障发生，就需要进行复杂的故障诊断，通常需要较长的时间来恢复正常状态，导致用户体验的下降，引发经济损失以及安全问题。尤其对于关键基础设施或商业服务，光缆故障所造成的影响是不可忽视的。
发明内容
本发明解决的技术问题是如何改善对光缆故障的检测效率。
本发明提供一种光缆资源运维管理方法，包括：
步骤S1：获取光缆的物理参数和环境参数；
其中，所述物理参数包括光缆压力、光缆振动以及拉弯应力，所述环境参数包括环境温度和环境湿度；
步骤S2：根据所述光缆压力、所述光缆振动、所述拉弯应力、所述环境温度和所述环境湿度进行预测，得到所述光缆压力、所述光缆振动以及所述拉弯应力在预设未来时间段内的压力变化、振动频率变化以及拉弯应力变化；
步骤S3：根据所述压力变化、所述振动频率变化以及所述拉弯应力变化，确定所述光缆的风险等级，所述风险等级包括低级和高级；
步骤S4：当所述风险等级为低级时，则重复所述步骤S1至所述步骤S3；
步骤S5：当所述风险等级为高级时，则根据所述风险等级对应的所述光缆的所述压力变化、所述振动频率变化以及所述拉弯应力变化，得到所述光缆的故障位置和故障类型；
步骤S6：根据所述故障位置和所述故障类型，判断所述光缆的损伤程度；
步骤S7：将每个所述光缆按照对应的所述损伤程度进行排序，并根据排序结果按照预设维护规则进行管理。
可选地，所述根据所述光缆压力、所述光缆振动、所述拉弯应力、所述环境温度和所述环境湿度进行预测，得到所述光缆压力、所述光缆振动以及所述拉弯应力在预设未来时间段内的压力变化、振动频率变化以及拉弯应力变化，包括：
获取所述环境参数的权重值；
通过所述权重值，调整所述环境温度和所述环境湿度；
将所述光缆压力、所述光缆振动、所述拉弯应力以及调整后的所述环境温度和所述环境湿度输入预测模型；
通过所述预测模型的输出，得到所述光缆压力、所述光缆振动以及所述拉弯应力在预设未来时间段内的所述压力变化、所述振动频率变化以及所述拉弯应力变化。
可选地，所述获取所述环境参数的权重值，包括：
根据所述光缆的历史光缆故障数据，得到所述光缆发生故障时的历史环境温度和历史环境湿度；
根据所述历史环境温度和所述历史环境湿度，得到所述环境参数与所述光缆的故障的相关性；
通过多元线性回归方法，根据所述相关性得到所述环境参数的所述权重值。
可选地，所述通过所述权重值，调整所述环境温度和所述环境湿度，包括：
根据所述环境温度和所述环境湿度在预设时间段内的基本分布情况，确定所述环境温度和所述环境湿度的特征值；
将所述环境温度和所述环境湿度的权重值与所述特征值相乘，对所述环境温度和所述环境湿度进行调整，得到调整后的所述环境温度和所述环境湿度。
可选地，所述根据所述压力变化、所述振动频率变化以及所述拉弯应力变化，确定所述光缆的风险等级，包括：
根据所述压力变化、所述振动频率变化以及所述拉弯应力变化，分别得到所述压力变化、所述振动频率变化以及所述拉弯应力变化的特征向量；
根据所述压力变化、所述振动频率变化以及所述拉弯应力变化的特征向量，确定所述物理参数的总特征向量；
根据所述总特征向量，得到所述光缆的风险等级。
可选地，所述根据所述总特征向量，得到所述光缆的风险等级，包括：
当所述总特征向量大于或等于预设特征阈值时，则将所述风险等级设置为高级；
当所述总特征向量小于所述预设特征阈值时，则将所述风险等级设置为低级。
可选地，所述将每个所述光缆按照对应的所述损伤程度进行排序，并根据排序结果按照预设维护规则进行管理，包括：
根据每个所述光缆的所述损伤程度，按照所述损伤程度，从高至低进行排序，得到所述光缆的损伤序列；
根据预设维护规则，从所述损伤序列中选择预设数量的光缆进行优先维护。
可选地，所述光缆资源运维管理方法，应用于光缆网络，所述光缆网络包括多个光缆，所述光缆资源运维管理方法还包括：
通过分布式系统，管理所述光缆网络的所有所述光缆；
其中，所述分布式系统的每个节点对应管理一个所述光缆。
本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述的光缆资源运维管理方法。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述所述的光缆资源运维管理方法。
本发明的光缆资源运维管理方法、设备及存储介质，通过获取光缆的物理参数和环境参数，从而构建全面的数据背景，为故障检测提供了必要数据；再利用历史数据与实时数据，预测光缆未来的压力变化、振动频率变化和拉弯应力变化，从而发现潜在的故障模式和风险因素。将预测到的变化与风险等级标准对比，快速分类光缆风险等级，并采取相应的监控或维护措施。以减少不必要的维护工作，专注于高风险节点，从而提高效率。并且低风险等级的光缆将继续被监控，而不会直接采取行动，这避免了对系统状况良好的光缆进行不必要的干预。对于高风险等级的光缆，系统将执行更深入的分析。当风险等级为高时，系统将通过分析相关的物理和环境参数变化来确定故障的具体位置和类型，从而加快维护团队对故障的响应。并结合故障位置和类型信息评估光缆损伤程度，根据损伤程度对光缆进行排序，并依此决定维护顺序，实现资源的最优分配和故障修复的最快速度。本发明使得故障检测不仅依靠被动的响应，而是通过主动预测、实时监控和风险评估来优化决策。可以大大减少系统的停机时间，降低维护成本，确保运维资源高效利用，最终有效地提高对光缆故障的检测效率。
附图说明
图1为本发明一实施例中光缆资源运维管理方法的流程示意图；
图2为本发明另一实施例中光缆资源运维管理方法的流程框图之一；
图3为本发明另一实施例中光缆资源运维管理方法的流程框图之二；
图4为本发明另一实施例中光缆资源运维管理方法的流程框图之三；
图5为本发明另一实施例中光缆资源运维管理方法的流程框图之四；
图6为本发明另一实施例中光缆资源运维管理方法的流程框图之五；
图7为本发明另一实施例中光缆资源运维管理方法的流程框图之六。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明的一部分实施例，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的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。
结合图1所示，本发明提供一种光缆资源运维管理方法，包括：
步骤S1：获取光缆的物理参数和环境参数。
其中，所述物理参数包括光缆压力、光缆振动以及拉弯应力，所述环境参数包括环境温度和环境湿度。
在本实施例中，可使用压力传感器测量光缆压力，将压力传感器安装在光缆或其保护套管上的压力传感器可以精确测量加在光缆上的压力。使用振动传感器测量光缆震动，将振动传感器固定在光缆上，从而检测光缆因环境因素如风或交通引起的振动，传感器会捕捉光缆的运动加速度，用以计算振动的幅度和频率。使用应变计或应力传感器测量拉弯应力，应变计可以监测光缆或光缆保护设施在受到拉伸或弯曲作用时的变形量。应力传感器可直接测量作用在光缆上的屈曲力或拉力。使用温度传感器，如热电偶或热敏电阻，可以安装在光缆附近以持续监测与光缆运作有关的环境温度，使用湿度传感器，如电容式或电阻式湿度传感器，可以测量光缆周围空气的相对湿度，湿度变化可能会影响光缆的性能和寿命。所有传感器产生的数据通过有线或无线方式传送给数据采集系统，之后传输到中央监控系统。中央监控系统对收集的数据进行分析处理，以警告或通知有关人员。
步骤S2：根据所述光缆压力、所述光缆振动、所述拉弯应力、所述环境温度和所述环境湿度进行预测，得到所述光缆压力、所述光缆振动以及所述拉弯应力在预设未来时间段内的压力变化、振动频率变化以及拉弯应力变化。
在本实施例中，通过分析历史数据（光缆压力、光缆振动、拉弯应力、环境温度和环境湿度），创建相应的模型来理解各参数之间的相互关系，以及这些参数如何共同影响光缆的整体状况。比如，长时间的高温可能会增加光缆材料的脆性，增加其受损的风险。可使用统计和机器学习方法建立预测模型，从而根据当前获取的参数数据和历史变化趋势，预测未来一段时间内光缆的状态。预测出的未来压力变化、振动频率变化和拉弯应力变化能供建立风险评估模型，定量评估未来可能发生的光缆损坏百分率或故障概率。将预测结果通过可视化工具展示给运维管理人员，以便能够清晰地把握光缆的未来状态，并据此做出合理的维护决策。从而有效地预测光缆在不久的将来可能遭受的风险，从而及时采取预防措施，优化维护计划，确保光缆网络的稳定和可靠运行。
步骤S3：根据所述压力变化、所述振动频率变化以及所述拉弯应力变化，确定所述光缆的风险等级，所述风险等级包括低级和高级。
在本实施例中，收集并分析光缆系统过往的历史数据，从而能够了解在不同环境参数和物理状态下，光缆的表现和潜在故障模式。使用机器学习算法、统计学方法或其他预测技术来开发模型。例如，时间序列分析可以预测参数随时间的变化趋势，神经网络则可以把参数之间的复杂关联关系和非线性模式纳入考量，从而对未来的压力、振动和应力变化作出预测。将预测结果和风险门槛值进行比较，例如超出特定的压力或振动频率，可以指示潜在的风险或故障点。依据这些分析，光缆系统的风险等级可以被确定为低级或高级。
步骤S4：当所述风险等级为低级时，则重复所述步骤S1至所述步骤S3。
在本实施例中，当风险等级为低级时，重复上述步骤，从而做到实时监测光缆，以便及时在将来可能出现故障时，采取全面的故障诊断措施。
步骤S5：当所述风险等级为高级时，则根据所述风险等级对应的所述光缆的所述压力变化、所述振动频率变化以及所述拉弯应力变化，得到所述光缆的故障位置和故障类型。
在本实施例中，在风险等级成为高级，表示预测表明在将来可能出现故障时，采取全面的故障诊断措施以识别故障的具体位置和类型，并依据此信息判断光缆的损伤程度。整理每个光缆按照损伤程度的排序列表，并且根据这个列表进行运维资源的优先级分配。高风险或损伤较严重的光缆应优先进行检查和修复。依据预设的维护规则，比如“先对损伤严重的光缆进行处理”或“环境条件恶劣的区域优先维护”，来执行相应的管理和维护活动。
步骤S6：根据所述故障位置和所述故障类型，判断所述光缆的损伤程度；
在本实施例中，故障位置提供了损伤发生的具体地点，根据故障类型（如断裂、磨损、或者接头损坏等），可以推断出可能的损伤严重性和紧急性。不同类型的故障可能需要不同的修复技术和资源。分析传感器提供的数据，根据参数变化的幅度判断损伤的严重程度。例如，一个异常高的振动频率变化可能指示一个更严重的结构损伤。评估损伤对光缆功能的影响，例如，对于数据传输质量的影响、可靠性降低等。将当前情况与历史上类似故障的案例进行比较，了解这类故障通常导致的损伤程度加以参考。在某些情况下，可能需要现场技术人员进行物理检查或利用特殊工具（如光时域反射仪）进行更精确的检查以确认损伤程度。
步骤S7：将每个所述光缆按照对应的所述损伤程度进行排序，并根据排序结果按照预设维护规则进行管理。
在本实施例中，整合故障诊断结果，使用定量和定性方法来评估每段光缆的损伤程度。可以采用评分系统来量化损伤的严重性。根据损伤对服务影响的大小、修复的紧迫性、潜在的维护成本等因素来分配分数。针对损伤评分，应用排序算法来进行优先级排序，排序依据可以是单一指标，如损伤评分的高低，还可以是多个指标的组合。制定一套维护规则来指导操作，从而指定哪个评分区间的光缆优先进行维修，哪些可以暂时监测观察。确保排名列表能够根据新的数据动态更新，在实际操作过程中，光缆的损伤情况也会存在发生变化，需要根据实际的、当时的损伤情况，及时调整维护计划。基于排序结果和预设规则，生成各损伤光缆的工作订单，并将维护任务派遣给相应的技术团队。根据光缆损伤的紧急性和重要性合理分配资源。例如，对于关键业务来说非常重要的件损伤光缆，即使损伤程度不是最严重的，也可能被提前维护。当损伤可能影响光缆的安全运行时，将风险评估纳入排序考量，确保重大风险得到优先处理。维护完成后收集反馈信息，不仅仅用于确保问题解决，也用于完善未来的维护工作和调整评分标准。
本发明的光缆资源运维管理方法，通过获取光缆的物理参数和环境参数，从而构建全面的数据背景，为故障检测提供了必要数据；再利用历史数据与实时数据，预测光缆未来的压力变化、振动频率变化和拉弯应力变化，从而发现潜在的故障模式和风险因素。将预测到的变化与风险等级标准对比，快速分类光缆风险等级，并采取相应的监控或维护措施。以减少不必要的维护工作，专注于高风险节点，从而提高效率。并且低风险等级的光缆将继续被监控，而不会直接采取行动，这避免了对系统状况良好的光缆进行不必要的干预。对于高风险等级的光缆，系统将执行更深入的分析。当风险等级为高时，系统将通过分析相关的物理和环境参数变化来确定故障的具体位置和类型，从而加快维护团队对故障的响应。并结合故障位置和类型信息评估光缆损伤程度，根据损伤程度对光缆进行排序，并依此决定维护顺序，实现资源的最优分配和故障修复的最快速度。本发明使得故障检测不仅依靠被动的响应，而是通过主动预测、实时监控和风险评估来优化决策。可以大大减少系统的停机时间，降低维护成本，确保运维资源高效利用，最终有效地提高对光缆故障的检测效率。
结合图2所示，本发明实施例，所述根据所述光缆压力、所述光缆振动、所述拉弯应力、所述环境温度和所述环境湿度进行预测，得到所述光缆压力、所述光缆振动以及所述拉弯应力在预设未来时间段内的压力变化、振动频率变化以及拉弯应力变化，包括：
获取所述环境参数的权重值；
通过所述权重值，调整所述环境温度和所述环境湿度；
将所述光缆压力、所述光缆振动、所述拉弯应力以及调整后的所述环境温度和所述环境湿度输入预测模型；
通过所述预测模型的输出，得到所述光缆压力、所述光缆振动以及所述拉弯应力在预设未来时间段内的所述压力变化、所述振动频率变化以及所述拉弯应力变化。
在本实施例中，首先获取环境参数的权重值，权重值通常是通过历史数据分析确定的，用于反映了环境参数（如温度和湿度）对光缆性能的影响程度。根据获取的权重值，对实际测量到的环境温度和湿度进行调整。将调整后的环境参数与光缆的物理参数（压力、振动和拉弯应力）一起作为输入，输入预测模型。模型根据输入数据确定光缆未来的压力变化、振动频率变化和拉弯应力变化。预测结果提供了未来时间段内光缆潜在故障的重要信息，可以帮助运维决策者确定何时何地需要检查、维修或更换光缆，优化维护计划和延长光缆的使用寿命。完成预测后，应连续监测实际光缆状态与预测状态的对比情况。任何差异都应反馈给模型，进行参数调整和模型再训练，保证预测的持续优化。
本发明的光缆资源运维管理方法，通过将环境参数权重化，充分利用这些参数对光缆状态的影响程度，来增强预测模型的反应敏感性和准确度。从而改善光缆运维管理的效率和有效性，减少意外故障和相关的运维成本。
结合图3所示，本发明实施例，所述获取所述环境参数的权重值，包括：
根据所述光缆的历史光缆故障数据，得到所述光缆发生故障时的历史环境温度和历史环境湿度；
根据所述历史环境温度和所述历史环境湿度，得到所述环境参数与所述光缆的故障的相关性；
通过多元线性回归方法，根据所述相关性得到所述环境参数的所述权重值。
在本实施例中，首先，汇总光缆历史上发生故障的数据，包括每次故障时的环境温度和湿度。分析每次光缆故障时的周边环境条件，研究环境参数（温度和湿度）和光缆故障之间是否存在一定的关联性。使用多元线性回归分析，将环境温度和湿度作为自变量(predictors)，光缆故障（通常是以二进制变量表示，即故障发生为1，未发生为0）作为因变量(response variable)。建立回归模型，通过分析不同环境参数对故障发生概率的影响程度来确定它们的权重值，这些权重值表示了在预测模型中应当分配给温度和湿度的重要性。从回归分析中得到的系数即代表了各环境参数的权重值。权重值越大，表示该参数与光缆故障的相关性越强，对故障的预测贡献越重。解释并验证回归模型的结果。权重值的正负号表示了参数与故障之间的正向或反向关系，而权重的大小代表了这种关系的强度。将得到的权重应用到当前运维管理的预测模型中，并对模型进行定期的回溯测试和效果评估，以优化权重值并提高预测的准确性。
本发明的光缆资源运维管理方法，通过将历史数据作为有力的信息资产加以利用，确保预测模型结合了光缆历史上对故障责任重大的环境因素，为今后避免或减少故障提供了强有力的数据支撑。
结合图4所示，本发明实施例，所述通过所述权重值，调整所述环境温度和所述环境湿度，包括：
根据所述环境温度和所述环境湿度在预设时间段内的基本分布情况，确定所述环境温度和所述环境湿度的特征值；
将所述环境温度和所述环境湿度的权重值与所述特征值相乘，对所述环境温度和所述环境湿度进行调整，得到调整后的所述环境温度和所述环境湿度。
在本实施例中，首先，确定环境参数特征值，特征值是从统计角度描述环境温度和湿度分布的数值。例如，可以使用平均值来描述在预设时间段内的典型环境温度或湿度。此外，也可以使用中位数、模式、标准差或百分位数等统计指标。使用每个环境参数的特征值乘以相应的权重值来进行调整；从而重估每种环境条件对于光缆故障概率的影响力度。调整后的环境温度和湿度表现出在特定时间段内，典型环境条件对光缆健康和故障概率的强化影响。调整后的环境温度和湿度将作为预测模型的输入参数。预测模型从而更准确地反映由于环境温度和湿度变化而引起的光缆压力、振动或拉弯应力的变化趋势。通过与实际情况进行对比验证，检查调整后的环境参数是否能准确反映光缆故障的发生与否。验证过程可能需要循环进行，以优化权重和特征值选择，直到预测模型的准确性达到最高。
本发明的光缆资源运维管理方法，通过调整后的参数，来反映环境因素在特定工况下对光缆故障可能性影响的预期增加或减少，帮助运维团队更有效地管理光缆资产。
结合图5所示，本发明实施例，所述根据所述压力变化、所述振动频率变化以及所述拉弯应力变化，确定所述光缆的风险等级，包括：
根据所述压力变化、所述振动频率变化以及所述拉弯应力变化，分别得到所述压力变化、所述振动频率变化以及所述拉弯应力变化的特征向量；
根据所述压力变化、所述振动频率变化以及所述拉弯应力变化的特征向量，确定所述物理参数的总特征向量；
根据所述总特征向量，得到所述光缆的风险等级。
在本实施例中，首先，单独对于压力变化、振动频率变化及拉弯应力变化，解析和定义特征向量。特征向量是一系列数值，用以描述变化的性质，能反映原数据的主要信息。例如，特征向量可以包含原数据的最大值、最小值、均值、标准差、变化速率、趋势斜率等统计属性。将每个物理参数的特征向量组合，形成一个综合性的全面特征向量。这个总特征向量包含了所有单个物理参数特征向量的元素，并在向量空间中提供一个综合表征光缆的状态。使用总特征向量，通过预定的算法（如判别分析、神经网络、决策树等）来确定光缆的风险等级，算法会分析总特征向量的各个组成部分，并根据训练数据或历史故障案例来判断当前的风险等级。风险等级可能是分层分类的，如“低风险”，“中风险”和“高风险”。在实际决定风险等级的模型部署前，需要在已知的历史故障数据集上训练和验证算法。并且，该风险评估方法可以纳入光缆的日常运维管理中。高风险等级的光缆会优先考虑进行检查和维修。根据实际维护活动和光缆性能监测结果，持续更新风险评估模型；这种迭代过程可以确保模型随着时间推移以及新数据的不断累积而逐渐完善。
本发明的光缆资源运维管理方法，通过分析光缆的物理参数变化，并将其转化成一个包含完整信息的总特征向量来定量评估风险等级，从而为光缆的预防性维护提供了科学依据。
结合图6所示，本发明实施例，所述根据所述总特征向量，得到所述光缆的风险等级，包括：
当所述总特征向量大于或等于预设特征阈值时，则将所述风险等级设置为高级；
当所述总特征向量小于所述预设特征阈值时，则将所述风险等级设置为低级。
在本实施例中，预设的特征阈值是基于历史数据和经验确定的，用来作为一个分界点，用来区分“高风险”和“低风险”的状态。阈值的确定可能考虑历史上造成严重后果故障的特征向量级别，或是通过统计建模方法（如早期预警系统中的阈值定位或风险评估分析）来设定。当总特征向量的度量大于或等于这个预设阈值时，认为光缆的状态可能会导致严重的后果，例如数据传输中断或光缆损坏。在这种情况下，运维团队需要采取紧急行动，给予光缆更高优先级进行检查、监测或预防性维护。相反，如果总特征向量的度量小于阈值，可以认为光缆的风险较低，即当前状态不太可能导致立即或短期内的故障。光缆可以继续在日常的监控周期中被评估，而不需要立即的特别关注。对阈值进行动态调整可能是必要的，尤其是在系统升级、运维策略变化或是监测技术发展后，这些调整需要基于新的数据分析和风险评估结果。
本发明的光缆资源运维管理方法，通过风险等级的划分为光缆资源运维管理提供了有力的决策支持工具。高风险光缆可能需要立即派遣工程师前往检查，从其它预定任务里调度资源来解决这一问题，而低风险光缆则按常规计划进行维护。运维团队能够在管理资源时更加高效，确保及时对潜在高风险进行干预，同时也避免过早地对低风险光缆进行不必要的维护，节省成本和避免不必要的工作。
结合图7所示，本发明实施例，所述将每个所述光缆按照对应的所述损伤程度进行排序，并根据排序结果按照预设维护规则进行管理，包括：
根据每个所述光缆的所述损伤程度，按照所述损伤程度，从高至低进行排序，得到所述光缆的损伤序列；
根据预设维护规则，从所述损伤序列中选择预设数量的光缆进行优先维护。
在本实施例中，首先，需要为每条光缆定义其损伤程度的量化方法，包括多个损伤指标的综合评估，如断裂、磨损、形变、外部损害等。将收集到的损伤数据为基础，对所有光缆按照损伤程度从高到低排序。该序列可以简单地基于单一的损伤指标，也可以是基于综合评估的复合指标。根据光缆运营的目标和策略，制定维护规则。维护规则可能包含哪些类型的损伤需要立即维护，哪些可以延后处理，以及每次维护操作可以涉及的最大光缆数量等。依据损伤序列和维护规则，选取需要优先维护的光缆。这通常会涉及确定一定数量的“最高风险”光缆，这些光缆将被列为下一轮维护的优先目标。一旦选出需要优先维护的光缆，便能对它们进行具体的维护规划，比如派遣检修团队、准备必要的工具和材料等。根据优先维护的需求，合理配置人力和物力资源，确保在维护效率和成本控制之间取得平衡。完成维护后，收集反馈信息，包括维护是否成功、问题是否解决等，这些都会反馈到下一次评估和排序过程中。即使经过维护，光缆也需持续监测其状态，以便对未来可能发生的任何新问题作出快速响应。
本发明的光缆资源运维管理方法，可以确保光缆网络的健康和可靠性，通过科学的损伤程度评估和有限资源的有效分配，提高整个光缆网络的服务质量和服务寿命。
本发明实施例，所述光缆资源运维管理方法，应用于光缆网络，所述光缆网络包括多个光缆，所述光缆资源运维管理方法还包括：
通过分布式系统，管理所述光缆网络的所有所述光缆；
其中，所述分布式系统的每个节点对应管理一个所述光缆。
在本实施例中，分布式系统由多个节点构成，每个节点运行在不同的物理或逻辑位置。在光缆网络的上下文中，每个节点可以是一个物理设备（如传感器或智能设备），也可以是一个软件实例。在系统中，每个节点专责管理一条光缆，收集和分析这条光缆的数据，例如监测振动、压力、温度和湿度等指标。每个节点通过嵌入式传感器或连接的监测设备采集光缆的运行数据，并将数据传输到中心数据库或数据处理平台进行进一步的分析。每个节点可以对收集的数据进行初步处理，如应用过滤算法、执行故障检测或进行局部化的风险评估。尽管节点独立运行，但收集的数据可能需要通过网络传输给中心系统，以便进行全局分析、长期趋势跟踪和集中备份。各节点在自主管理各自责任光缆的同时，可能需要相互协作，例如在检测到潜在网络级别问题时，共享信息并采取协同行动。当某个节点检测到其管理的光缆发生故障时，可以自动触发警报，并启动预定义的响应流程，如通知维护人员或启动备用系统。由于系统是分布式设计，可以根据网络规模的增长灵活添加新的节点，同时便于对特定部分或节点进行维护而不影响整体网络的运行。分布式系统中的节点可以配备智能算法，如机器学习模型，以改善对光缆状态的评估准确性和预测未来事件的能力。分布式系统天生具备良好的稳健性，每个节点的独立性使得即使部分节点出现故障，整体系统仍能维持运行。
本发明的光缆资源运维管理方法，通过这种分布式管理方式，光缆网络的每份数据都得到充分的利用，为维护和运营决策提供支持，同时通过节点化的方法能够提高系统的可靠性和易管理性。
本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述的光缆资源运维管理方法。
本发明的计算机设备，通过获取光缆的物理参数和环境参数，从而构建全面的数据背景，为故障检测提供了必要数据；再利用历史数据与实时数据，预测光缆未来的压力变化、振动频率变化和拉弯应力变化，从而发现潜在的故障模式和风险因素。将预测到的变化与风险等级标准对比，快速分类光缆风险等级，并采取相应的监控或维护措施。以减少不必要的维护工作，专注于高风险节点，从而提高效率。并且低风险等级的光缆将继续被监控，而不会直接采取行动，这避免了对系统状况良好的光缆进行不必要的干预。对于高风险等级的光缆，系统将执行更深入的分析。当风险等级为高时，系统将通过分析相关的物理和环境参数变化来确定故障的具体位置和类型，从而加快维护团队对故障的响应。并结合故障位置和类型信息评估光缆损伤程度，根据损伤程度对光缆进行排序，并依此决定维护顺序，实现资源的最优分配和故障修复的最快速度。本发明使得故障检测不仅依靠被动的响应，而是通过主动预测、实时监控和风险评估来优化决策。可以大大减少系统的停机时间，降低维护成本，确保运维资源高效利用，最终有效地提高对光缆故障的检测效率。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述所述的光缆资源运维管理方法。
本发明的计算机可读存储介质，通过获取光缆的物理参数和环境参数，从而构建全面的数据背景，为故障检测提供了必要数据；再利用历史数据与实时数据，预测光缆未来的压力变化、振动频率变化和拉弯应力变化，从而发现潜在的故障模式和风险因素。将预测到的变化与风险等级标准对比，快速分类光缆风险等级，并采取相应的监控或维护措施。以减少不必要的维护工作，专注于高风险节点，从而提高效率。并且低风险等级的光缆将继续被监控，而不会直接采取行动，这避免了对系统状况良好的光缆进行不必要的干预。对于高风险等级的光缆，系统将执行更深入的分析。当风险等级为高时，系统将通过分析相关的物理和环境参数变化来确定故障的具体位置和类型，从而加快维护团队对故障的响应。并结合故障位置和类型信息评估光缆损伤程度，根据损伤程度对光缆进行排序，并依此决定维护顺序，实现资源的最优分配和故障修复的最快速度。本发明使得故障检测不仅依靠被动的响应，而是通过主动预测、实时监控和风险评估来优化决策。可以大大减少系统的停机时间，降低维护成本，确保运维资源高效利用，最终有效地提高对光缆故障的检测效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种光缆资源运维管理方法，其特征在于，包括：
步骤S1：获取光缆的物理参数和环境参数；
其中，所述物理参数包括光缆压力、光缆振动以及拉弯应力，所述环境参数包括环境温度和环境湿度；
步骤S2：根据所述光缆压力、所述光缆振动、所述拉弯应力、所述环境温度和所述环境湿度进行预测，得到所述光缆压力、所述光缆振动以及所述拉弯应力在预设未来时间段内的压力变化、振动频率变化以及拉弯应力变化；
步骤S3：根据所述压力变化、所述振动频率变化以及所述拉弯应力变化，确定所述光缆的风险等级，所述风险等级包括低级和高级；
步骤S4：当所述风险等级为低级时，则重复所述步骤S1至所述步骤S3；
步骤S5：当所述风险等级为高级时，则根据所述风险等级对应的所述光缆的所述压力变化、所述振动频率变化以及所述拉弯应力变化，得到所述光缆的故障位置和故障类型；
步骤S6：根据所述故障位置和所述故障类型，判断所述光缆的损伤程度；
步骤S7：将每个所述光缆按照对应的所述损伤程度进行排序，并根据排序结果按照预设维护规则进行管理。
2.根据权利要求1所述的光缆资源运维管理方法，其特征在于，所述根据所述光缆压力、所述光缆振动、所述拉弯应力、所述环境温度和所述环境湿度进行预测，得到所述光缆压力、所述光缆振动以及所述拉弯应力在预设未来时间段内的压力变化、振动频率变化以及拉弯应力变化，包括：
获取所述环境参数的权重值；
通过所述权重值，调整所述环境温度和所述环境湿度；
将所述光缆压力、所述光缆振动、所述拉弯应力以及调整后的所述环境温度和所述环境湿度输入预测模型；
通过所述预测模型的输出，得到所述光缆压力、所述光缆振动以及所述拉弯应力在预设未来时间段内的所述压力变化、所述振动频率变化以及所述拉弯应力变化。
3.根据权利要求2所述的光缆资源运维管理方法，其特征在于，所述获取所述环境参数的权重值，包括：
根据所述光缆的历史光缆故障数据，得到所述光缆发生故障时的历史环境温度和历史环境湿度；
根据所述历史环境温度和所述历史环境湿度，得到所述环境参数与所述光缆的故障的相关性；
通过多元线性回归方法，根据所述相关性得到所述环境参数的所述权重值。
4.根据权利要求2所述的光缆资源运维管理方法，其特征在于，所述通过所述权重值，调整所述环境温度和所述环境湿度，包括：
根据所述环境温度和所述环境湿度在预设时间段内的基本分布情况，确定所述环境温度和所述环境湿度的特征值；
将所述环境温度和所述环境湿度的权重值与所述特征值相乘，对所述环境温度和所述环境湿度进行调整，得到调整后的所述环境温度和所述环境湿度。
5.根据权利要求1所述的光缆资源运维管理方法，其特征在于，所述根据所述压力变化、所述振动频率变化以及所述拉弯应力变化，确定所述光缆的风险等级，包括：
根据所述压力变化、所述振动频率变化以及所述拉弯应力变化，分别得到所述压力变化、所述振动频率变化以及所述拉弯应力变化的特征向量；
根据所述压力变化、所述振动频率变化以及所述拉弯应力变化的特征向量，确定所述物理参数的总特征向量；
根据所述总特征向量，得到所述光缆的风险等级。
6.根据权利要求5所述的光缆资源运维管理方法，其特征在于，所述根据所述总特征向量，得到所述光缆的风险等级，包括：
当所述总特征向量大于或等于预设特征阈值时，则将所述风险等级设置为高级；
当所述总特征向量小于所述预设特征阈值时，则将所述风险等级设置为低级。
7.根据权利要求1所述的光缆资源运维管理方法，其特征在于，所述将每个所述光缆按照对应的所述损伤程度进行排序，并根据排序结果按照预设维护规则进行管理，包括：
根据每个所述光缆的所述损伤程度，按照所述损伤程度，从高至低进行排序，得到所述光缆的损伤序列；
根据预设维护规则，从所述损伤序列中选择预设数量的光缆进行优先维护。
8.根据权利要求1所述的光缆资源运维管理方法，其特征在于，应用于光缆网络，所述光缆网络包括多个光缆，所述光缆资源运维管理方法还包括：
通过分布式系统，管理所述光缆网络的所有所述光缆；
其中，所述分布式系统的每个节点对应管理一个所述光缆。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，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8中任一项所述的光缆资源运维管理方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至8中任一项所述的光缆资源运维管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311804891.1A CN117459406B (zh) | 2023-12-26 | 2023-12-26 | 一种光缆资源运维管理方法、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311804891.1A CN117459406B (zh) | 2023-12-26 | 2023-12-26 | 一种光缆资源运维管理方法、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117459406A true CN117459406A (zh) | 2024-01-26 |
| CN117459406B CN117459406B (zh) | 2024-02-23 |
Family
ID=89593397
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311804891.1A Active CN117459406B (zh) | 2023-12-26 | 2023-12-26 | 一种光缆资源运维管理方法、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117459406B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117649755A (zh) * | 2024-01-29 | 2024-03-05 | 吉林省吉能电力通信有限公司 | 一种光缆周界安防报警系统 |
| CN117708552A (zh) * | 2024-02-06 | 2024-03-15 | 华能江苏综合能源服务有限公司 | 一种基于边缘计算的发电站运维数据实时监控方法 |
| CN117649755B (zh) * | 2024-01-29 | 2024-06-04 | 吉林省吉能电力通信有限公司 | 一种光缆周界安防报警系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108960639A (zh) * | 2018-07-09 | 2018-12-07 | 武汉瑞莱保能源技术有限公司 | 一种基于数据挖掘的输电线路电磁环境参数预测方法 |
| CN110929952A (zh) * | 2019-12-02 | 2020-03-27 | 中国人民解放军国防科技大学 | 基于线路周边环境和敷设类型的光缆故障概率预测方法 |
| CN110955963A (zh) * | 2019-11-20 | 2020-04-03 | 南京航空航天大学 | 一种航空电缆剩余寿命预测方法 |
| CN113740776A (zh) * | 2021-08-17 | 2021-12-03 | 广州番禺电缆集团有限公司 | 电缆护层接地环流故障预测方法、装置、设备及储存介质 |
| CN115032488A (zh) * | 2022-06-29 | 2022-09-09 | 深圳供电局有限公司 | 一种高压海缆绝缘老化寿命预测方法、装置及设备 |
| US20220385544A1 (en) * | 2021-05-28 | 2022-12-01 | Marvell Asia Pte Ltd | Early detection of cable failure in automotive networks |
| US20230296473A1 (en) * | 2020-08-25 | 2023-09-21 | Nec Corporation | Failure prediction system, failure prediction device, and failure prediction method |
| CN117278114A (zh) * | 2023-10-10 | 2023-12-22 | 国网青海省电力公司信息通信公司 | 电力通信光缆网络运维方法、装置及非易失性存储介质 |
-
2023
- 2023-12-26 CN CN202311804891.1A patent/CN117459406B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108960639A (zh) * | 2018-07-09 | 2018-12-07 | 武汉瑞莱保能源技术有限公司 | 一种基于数据挖掘的输电线路电磁环境参数预测方法 |
| CN110955963A (zh) * | 2019-11-20 | 2020-04-03 | 南京航空航天大学 | 一种航空电缆剩余寿命预测方法 |
| CN110929952A (zh) * | 2019-12-02 | 2020-03-27 | 中国人民解放军国防科技大学 | 基于线路周边环境和敷设类型的光缆故障概率预测方法 |
| US20230296473A1 (en) * | 2020-08-25 | 2023-09-21 | Nec Corporation | Failure prediction system, failure prediction device, and failure prediction method |
| US20220385544A1 (en) * | 2021-05-28 | 2022-12-01 | Marvell Asia Pte Ltd | Early detection of cable failure in automotive networks |
| CN113740776A (zh) * | 2021-08-17 | 2021-12-03 | 广州番禺电缆集团有限公司 | 电缆护层接地环流故障预测方法、装置、设备及储存介质 |
| CN115032488A (zh) * | 2022-06-29 | 2022-09-09 | 深圳供电局有限公司 | 一种高压海缆绝缘老化寿命预测方法、装置及设备 |
| CN117278114A (zh) * | 2023-10-10 | 2023-12-22 | 国网青海省电力公司信息通信公司 | 电力通信光缆网络运维方法、装置及非易失性存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 郭文强;张梦梦;李清华;王立贤;董瑶;: "基于有限元的电力电缆缆芯温度预测方法研究", 电子器件, no. 01, 20 February 2020 (2020-02-20) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117649755A (zh) * | 2024-01-29 | 2024-03-05 | 吉林省吉能电力通信有限公司 | 一种光缆周界安防报警系统 |
| CN117649755B (zh) * | 2024-01-29 | 2024-06-04 | 吉林省吉能电力通信有限公司 | 一种光缆周界安防报警系统 |
| CN117708552A (zh) * | 2024-02-06 | 2024-03-15 | 华能江苏综合能源服务有限公司 | 一种基于边缘计算的发电站运维数据实时监控方法 |
| CN117708552B (zh) * | 2024-02-06 | 2024-05-10 | 华能江苏综合能源服务有限公司 | 一种基于边缘计算的发电站运维数据实时监控方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117459406B (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117459406B (zh) | 一种光缆资源运维管理方法、设备及存储介质 | |
| US10466142B2 (en) | Equipment control based on failure determination | |
| CN116862199A (zh) | 基于大数据和云计算的建筑施工优化系统 | |
| EP2837984B1 (en) | Process to optimize the maintenance of technical systems | |
| US10776706B2 (en) | Cost-driven system and method for predictive equipment failure detection | |
| KR101677358B1 (ko) | 인공 신경망 알고리즘을 이용한 주조 설비에 대한 고장 예지 시스템 및 방법 | |
| JP2019113883A (ja) | 稼働補助装置及び風力発電システム | |
| Ciarapica et al. | Managing the condition-based maintenance of a combined-cycle power plant: an approach using soft computing techniques | |
| Tiddens et al. | The adoption of prognostic technologies in maintenance decision making: a multiple case study | |
| KR101358673B1 (ko) | 스마트폰을 이용한 시설상태평가 방법 및 시스템 | |
| CN101256404A (zh) | 工业机器人的动态维护计划 | |
| WO2013041440A1 (en) | System and method for plant wide asset management | |
| Rasay et al. | Application of multivariate control charts for condition based maintenance | |
| Sharma et al. | Modeling and analysing system failure behaviour using RCA, FMEA and NHPPP models | |
| KR102387375B1 (ko) | 선제적 풍력발전 유지관리 시스템 | |
| CN110023861A (zh) | 用于监控制造工厂的系统和方法 | |
| Tichý et al. | Predictive diagnostics usage for telematic systems maintenance | |
| Kovacs et al. | A modified Weibull model for service life prediction and spare parts forecast in heat treatment industry | |
| Pérès et al. | Evaluation of a maintenance strategy by the analysis of the rate of repair | |
| WO2021210353A1 (ja) | 故障予兆システム | |
| CN117592975A (zh) | 基于云计算的高速公路机电设备运维决策处理方法及系统 | |
| Halme et al. | Fault tree analysis for maintenance needs | |
| CN112381242A (zh) | 核电站设备维修项目数据处理方法及系统 | |
| Koops | Optimized maintenance decision-making—A simulation-supported prescriptive analytics approach based on probabilistic cost-benefit analysis | |
| Chen et al. | BIM-and IoT-Based Data-Driven Decision Support System for Predictive Maintenance of Building Facilities |
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 |