基于深度学习的电力骨干通信网故障诊断方法

高伟

国网山西省电力公司忻州供电公司 山西忻州 034000

电力骨干通信网故障诊断主要依靠公司各级通信调度定期巡视设备网管及综合网管的重要告警、重要性能数据来完成。故障诊断过于依赖运维人员经验，故障诊断效率不高。开展基于深度学习的电力骨干通信网数据采集、故障诊断、风险预判和网络健康管理技术研究，将推动故障处置从依靠经验转变为智能诊断、日常运维从事中被动处置转变为事前主动防御，对提高电网通信调度故障处置效率、提升电力骨干通信网及电网安全运行水平具有重要的意义。

1 通信设备的故障类型

首先，根据故障的性质进行分类主要包括软故障与硬故障，其中软故障即因为软件系统出现错误进而引起的故障。软故障中比较常见的是程序错误、病毒损坏以及操作错误等。硬故障主要就是设备的硬件出现了物理损坏，主要因为人为以及环境的原因，比如环境恶劣或者是供电不良等，或者是操作违反了规程等因素导致，还有就是电器本身的原因，比如元器件与接触插件等存在问题而导致。其次，根据故障的具体影响程度进行分类主要包括全局性、相关性与局部性，还有独立性的各种故障，其中全局性的设备故障就是影响了系统整体运行正常的故障。而相关性的设备故障就是说某个故障和其他故障存在一定关系。局部性的设备故障就是故障对系统中某部分功能造成唯一的影响。独立性的设备故障主要就是某个元器件出现故障。一般而言，局部性设备故障与独立性设备故障都是统一的。最后，网络构架不够完善。目前，我国已建成电力数据通信网络，但是网络构架不够完善。多站点光缆通道没有形成环网，这将会使通信设备无法安全运行的运行，从而影响电力数据通信网络的稳定性，提高故障的发生率。特别是许多串联式的组网通信路由方式，如果中间站点的通信电缆或设备出现故障，就会导致整个通信网络的中断，影响数据信息的传输效果，不利于电力系统运行的稳定性。

2 全面加强接电力数据通信网络常见故障应对的有效举措分析

2.1 建立科学的电力通信网络体系

为了进一步完善电力通信网络体系，电力企业应区别设计该区域专有的通信系统。首先，需要根据该地区的实际情况，对电力数据通信网络的运行情况进行深入分析，如，覆盖面、传输速度、使用频率等，这些因素都会对电力数据通信网络的稳定运行造成影响。通过对这些数据的科学分析，可以建立较为完善的管理体系、监督和评价机制，定期对通信网络的运行情况进行科学评价。其次，需要深入研究一些适用的物理路由改造方案，有效提高技术方案的科学性。此外，还需要进一步统计分析故障发生的规律，特别是频繁发生的故障问题。最后，在掌握以往数据的同时，根据网络系统的实际情况，科学分析可能出现的故障，以此建立有效的应急方案，进而降低故障的发生率。

2.2 网络密钥安全防护管理

通过观察和分析电力系统通信网络的特征，可以得出结论，如果我们要更好地保护电力系统中信息通信网络的安全性，可以通过密钥的组合和应用管理技术，实现密码的管理。最典型的一个是三层密钥系统。在该系统中，它主要由三个级别组成：初级密码，加密密码和主密钥。通过这种分级管理方法，不仅可以提升其上层密钥的安全性，而且其下层密钥可以具有灵活性，可以根据相应的协议要求进行某些更改，从而形成具有动态特征的密钥系统。另外，就网络应用的开放情况而言，仅第一级密钥用于手动实现，其他级别的密钥可以根据相应协议实现自主部署，替换和销毁，从而使得秘密关键自动化管理流程得到进一步加速。专注于密码管理工作不仅有利于确保其系统中各种数据和信息的安全，而且还可以防止黑客入侵和病毒攻击，这有利于增强信息网络系统的安全性。

2.3 充分利用网络管理系统

在进行通信设备的故障维修和日常监测工作中，应该对网络管理方面的功能加以全面完善，比如在线监测系统的应用就可以实现通信设备各项运行数据的实时监控与获取，不仅可以及时检测到设备故障，及时发出告警信息，也可以对通信设备的故障等级进行评定，且能够精确得对通信设备故障进行定位。通过该技术的应用，可以在保障业务不间断的情况下做好通信设备各项运行指标的实时监测工作，以此来及时解决通信设备的运行故障，保障通信设备的良好运行。

2.4 自动化故障排除

自动化故障排除属于目前接卸设备维修中发展的主要趋势，自动化故障排除就是经由自动化程序的相应控制从而进行设备的故障有效检测、维护以及修复等。自动化故障排除主要的特征在于程序化、效率化以及经济性。目前，针对通信设备的自动化故障排除主要注重三个方面;第一，建立健全程序。自动化故障排除主要凭借着程序控制，如果其中的某个程序出现了运行错误便都会促使维修出现问题，所以建设程序的时候需要重点注意。第二，程序执行。由于自动化程序整体运行会受到软件与硬件造成的影响，因此为了能够完成自动化故障排除，程序运行中软件与硬件应当符合相关要求。第三，针对自动化故障排除的结果评估，结果评估能够确保维修工作的进一步完善，所以自动化故障排除的过程中应当建设评估机制确保工作的有效性。

3 结语

采用深度学习方法实现电力网络故障的预判及诊断。通过系统导出及各种数据挖掘方法获取大量省级以上电力公司骨干网络的各层拓扑、业务数据及故障信息，建立深度学习的数据样本。通过深度学习的特征学习方法自动挖掘网络故障及风险点特征并进行分类，预测网络风险资源，实现对故障点、故障链路的预测与快速定位、网络运行健康状况管理，进一步精准把控网络状态。