一种配电通信网络的运维方法、装置及存储介质与流程

本发明实施例涉及电网安全保护领域，尤其涉及一种配电通信网络的运维方法、装置及存储介质。
背景技术：
：配用电通信网络作为配电通信和电力调度的重要网络结构，是保障配用电网正常运行、故障快速响应、资源高效利用、业务实时实现、可持续电力生产的信息通道。配用电通信网络的组网模式复杂、设备厂家多样，具有多种通信技术、电力通信资源和公网通信资源联合组网的特点，因此管控及运维难度较大。如何提升配电通信网络的智能运维管控水平成为目前亟待解决的问题。技术实现要素：本发明实施例提供了一种配电通信网络的运维方法、装置及存储介质，能够实现配电通信网络的综合智能监视、故障分析与可视化定位的融合管控，提升配电通信网络的智能运维管控水平。第一方面，本发明实施例提供了一种配电通信网络的运维方法，包括：采用大数据分析方法，构建配电通信网络的运维管控的数据分析模型；根据运维管控的数据分析模型，对配电通信网络进行运维管控调度；采用融合管理方法，对配电通信网络的运维管控进行自适应训练。可选的，采用大数据分析方法，构建配电通信网络的运维管控的数据分析模型包括：采用大数据分析方法，融合大数据信息，构建配电通信网络的运维管控的数据分析模型，其中，大数据信息至少包括：配电通信网络的配置数据、告警信息、性能数据、资源数据、业务数据、运营数据。可选的，运维管控的数据分析模型为：；其中，和为配电通信网络管控业务数据控制水平特征样本，和表示不同情况下的业务数据的特征值，b为配电通信网络运维管控业务数据控制水平特征分类属性。可选的，根据运维管控的数据分析模型，对配电通信网络进行运维管控调度包括：根据运维管控的数据分析模型，构建配电通信网络的运维管控调度模型；利用运维管控调度模型，对配电通信网络进行运维管控调度。可选的，运维管控调度模型为：；其中，…分别为所述配电通信网络的单个事件运维方式；…分别为对应的n个运维样本、…、…分别为对应的n个运维样本。可选的，采用融合管理方法，对配电通信网络的运维管控进行自适应训练包括：采用融合管理方法，构建配电通信网络的运维管控的自适应学习模型；利用自适应学习模型，对配电通信网络的运维管控进行自适应训练。可选的，自适应学习模型为：；其中，、和为配电通信网络管控业务数据控制水平特征样本，表示不同情况下的业务数据的特征值，b为配电通信网络运维管控业务数据控制水平特征分类属性。第二方面，本发明实施例还提供了一种配电通信网络的运维装置，包括：模型构建模块、调度模块和训练模块；模型构建模块，用于采用大数据分析方法，构建配电通信网络的运维管控的数据分析模型；调度模块，用于根据运维管控的数据分析模型，对配电通信网络进行运维管控调度；训练模块，用于采用融合管理方法，对配电通信网络的运维管控进行自适应训练。第三方面，本发明实施例还提供了一种配电通信网络的运维装置，包括：处理器，处理器用于在执行计算机程序时实现上述任一实施例的方法。第四方面，本发明实施例还提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例的方法。本发明提供一种配电通信网络的运维方法、装置及存储介质，该方法包括：采用大数据分析方法，构建配电通信网络的运维管控的数据分析模型；根据运维管控的数据分析模型，对配电通信网络进行运维管控调度；采用融合管理方法，对配电通信网络的运维管控进行自适应训练。通过采用大数据融合，实现配电通信网络的综合智能监视、故障分析与可视化定位的融合管控，保障配电通信网络的安全可靠运行、通信资源整合优化和服务质量提升，从而实现提升配电通信网络的智能运维管控水平的目的。附图说明图1是实施例一提供的一种配电通信网络的运维方法的流程示意图；图2是实施例二提供的一种测试在不同支持度下配电通信网络管理的有效节点数的仿真结果图；图3是实施例二提供的一种测试运维管理的执行时间的仿真结果图；图4是实施例三提供的一种配电通信网络的运维装置的结构示意图；图5是实施例四提供的一种配电通信网络的运维装置的结构示意图；图6是实施例五提供的一种配电通信网络的运维系统的架构图。具体实施方式下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。配用电通信网络作为配电通信和电力调度的重要网络结构，是保障配用电网正常运行、故障快速响应、资源高效利用、业务实时实现、可持续电力生产的信息通道。配用电通信网络在不同应用场景和组网方式下，能够实现电力资源规划和优化、业务开通、业务保障、客户服务等方面的管控需求。对配电通信资源进行智能、高效的管控，建立配电通信网络的管控及运维模式，有助于提高运维的管控水平，支撑并服务于整个配电网的生产，因此，配电网自动化运维管控模型的研究受到人们的极大关注。配用电通信网络的组网模式复杂、设备厂家多样，配用电通信网络的组成依托于电力通信专网和公共通信网络，采用多种通信技术的混合组网方式（包括光纤通信、电力线通信、工业以太网、通用分组无线服务（generalpacketradioservice，gprs）、第三代移动通信技术（the3rdgenerationmobilecommunicationtechnology，3g）/第四代移动通信技术（the4thgenerationmobilecommunicationtechnology，4g）等）。具有多种通信技术、电力通信资源和公网通信资源联合组网的特点，因此管控及运维难度较大。如何提升配电通信网络的智能运维管控水平成为目前亟待解决的问题。为解决上述问题，本发明提供一种配电通信网络的运维方法、装置及存储介质，通过采用大数据融合，实现配电通信网络的综合智能监视、故障分析与可视化定位的融合管控，在多通信组网结构模式下，建立配电通信网络的相关模型，完成配电通信融合管控与智能运维，保障配电通信网络的安全可靠运行、通信资源整合优化和服务质量提升，从而实现提升配电通信网络的智能运维管控水平的目的。需要说明的是，本发明下述各个实施例可以单独执行，各个实施例之间也可以相互结合执行，本发明实施例对此不作具体限制。下面，对配电通信网络的运维方法、装置及其技术效果进行描述。实施例一图1为实施例一提供的一种配电通信网络的运维方法的流程示意图，如图1所示，本实施例提供的方法适用于配电通信网络的运维装置，该方法包括如下步骤。s101、采用大数据分析方法，构建配电通信网络的运维管控的数据分析模型。可选的，步骤s101可以通过如下方法实现：采用大数据分析方法，融合大数据信息，构建配电通信网络的运维管控的数据分析模型，其中，大数据信息至少包括：配电通信网络的配置数据、告警信息、性能数据、资源数据、业务数据、运营数据。具体的，假设配电通信网络运维管控业务数据控制水平量化集有n个样本，配电通信网络运维管控业务数据评估的样本特征分布为，，其表示配电通信网络运维管控业务数据、配置数据、告警信息的关联数据数项；配电通信网络的电流运转距离为。在信息管控模式下，配电通信网络运维管控业务控制的模糊量化回归分析模型可表示为：；其中，i表示各种关联数据，f（）表示运维管控样本集。在智能管控模式下，构建配电通信网络融合多数据源融合模型，采用模糊关联规则调度方法，进行配电通信网络运维管控业务调度和优化决策，得到目标决策向量描述为，t表示单个目标向量融合时间，δ表示最高效率时间量，在关联规则决策下配电通信网络运维管控业务的融合管控信息模型满足：；其中，表示多个目标向量融合时间，u表示运维数据，v表示告警数据，、、分别表示不同的融合方式。在连续有界条件下，进行配电通信网络运维管控业务控制，配电通信的融合管控模糊控制函数满足。在多通信方式下融合组网下，配电通信网络运维管控的训练的样本集为：。由此，构建配电通信网络运维管控的约束变量模型，在配电通信运维支撑平台下，进行配电通信网络运维管控业务数据控制，得到配电通信网络运维管控的数据分析模型，其表达式为：；其中，和为配电通信网络管控业务数据控制水平特征样本，和表示不同情况下的业务数据的特征值，b为配电通信网络运维管控业务数据控制水平特征分类属性。根据上述分析，构建配电通信网络管控及运维模式的大数据信息分析模型，采用统计特征分析方法，可以进行配电通信网络管控及运维模式分析。s102、根据运维管控的数据分析模型，对配电通信网络进行运维管控调度。具体的，在通用管控功能需求下，需要依据不同应用场景和组网方式进行配电通信网络运维管控调度，本发明实施例基于大数据融合分析模型，在适应运维管控模型下，建立配电通信网络融合调度模型，构建配电通信网络运维管控业务数据控制水平量化评估的有限集为：；其中，表示一组资源数据、业务数据、运营数据，、为融合调度参数值。在相关性约束条件下，以配电通信网络配置数据、告警信息、性能数据、资源数据为自变量，分析信息化管控条件下的设备的综合智能监视的统计量：；其中，，表示配电通信网络运维管控业务数据控制的主成分特征分量，为配电通信网络配置数据的模糊核，为配电通信网络运维管控业务数据控制的模糊状态特征量，w为全样本回归系数。建立配电通信网络运维管控大数据回归分析模型，采用关联规则挖掘方法进行配电通信网络运维管控组合模式构造，得到优化组合函数记为：；其中，和分别为检测统计量，表示不同运维管控方法，c表示优化方法。结合分段样本回归分析方法实现对配电通信网络运维管控和业务数据控制，进行业务数据、运营数据的全面管控，得到自适应加权表达式为：；其中，表示关联规则项，β表示业务数据和运营数据中的至少一种，表示关联规则样本。综上分析，构建了配电通信网络运维管控的业务数据统计分析模型，结合关联特征调度方法，进行配电通信网络运维管控调度。配电通信网络的融合管理及运维模式，采用大数据的分析算法进行配电通信网络运维管控的设备故障检测自适应寻优，结合最小二乘规划模型，得到配电通信网络运维管控的约束规则表达如下：；；其中，为自适应特征值，为最小二乘法的约束参数。采用综合故障分析算法与定位技术，实现扁平化管理模式下的配电通信网络管理，配电通信网设备的综合故障分析过程为：；其中，、、等分别为配电通信网设备的综合故障点。在多通信方式下，采用融合组网的方法进行综合故障分析，实现对配电通信网络运维管理的优化控制，得到配电通信网络的运维管控调度模型，利用运维管控调度模型，对配电通信网络进行运维管控调度：；其中，…分别为所述配电通信网络的单个事件运维方式；…分别为对应的n个运维样本、…、…分别为对应的n个运维样本。s103、采用融合管理方法，对配电通信网络的运维管控进行自适应训练。具体的，采用融合管理方法，进行设备的综合智能监视、故障分析与可视化定位，进行配电通信网络运维管理的自适应训练。在大数据分析下，配电通信网络融合运维管理的自适应学习模型为：；其中，、和为配电通信网络管控业务数据控制水平特征样本，表示不同情况下的业务数据的特征值，b为配电通信网络运维管控业务数据控制水平特征分类属性。采用关联规则挖掘方法进行配电通信网络运维管理的业务数据控制，结合统计分析方法，得到配电通信网络运维管理的均衡度量因子d，其计算公式如下所示：；其中，为配电通信网络运维管理业务控制水平量化集，为配电通信网络运维模式构造集，为配电通信网络运维管控的向量集。采用描述性统计分析方法，得到配电通信网络运维管理的模糊关联规则特征量描述为：；其中，，为故障分析与可视化定位变量，和分别表示不同控制向量。采用故障分析与可视化定位的融合管理的方法，得到配电通信网络管理的优化置信度水平为：；其中，为内源性控制变量，在probity多元回归分析模型下，采用融合管理模式，实现配电通信网络融合管理及运维模式优化。本发明提供一种配电通信网络的运维方法，包括：采用大数据分析方法，构建配电通信网络的运维管控的数据分析模型；根据运维管控的数据分析模型，对配电通信网络进行运维管控调度；采用融合管理方法，对配电通信网络的运维管控进行自适应训练。通过采用大数据融合，构建配电通信网络运维管控的数据分析模型，基于配电通信网络的运维管控需求，结合配电通信网络的运维特点和专业特点，研究配电通信网络运维的支撑体系，构建配电通信设备和网络管控层通用信息模型，采用大数据分析方法，进行配电通信网络运维管控，实现配电通信网的综合智能监视、故障分析与可视化定位的融合管控，保障配电通信网络的安全可靠运行、通信资源整合优化和服务质量提升，从而实现提升配电通信网络的智能运维管控水平的目的。实施例二为了更好理解本发明技术内容，实施例二提供了具体实施方式，对实施例一提供的配电通信网络的运维方法做进一步的说明：结合统计产品与服务解决方案（statisticalproductandservicesolutions，spss）统计分析软件及matlab7仿真工具，进行配电通信网络运维管理的大数据分析。示例性的，假设对配电通信网络管理信息的采样时间间隔为1.24s，数据样本长度为2000，训练集规模为200，属性集维数为4，对配电通信网络配置数据、告警信息、性能数据、资源数据、业务数据、运营数据的全面采样，得到统计分析值见表1。表1变量名称变量代码均值标准值最小值配置数据bl0.6350.4320.156告警信息flk0.5650.5450.134性能数据col0.5450.6750.164资源数据uksol0.6890.4440.125业务数据size0.4540.5430.156运营数据kli0.5450.5350.254回归标准差std0.6880.5670.143根据表1所示的结果，进行配电通信网络管理及运维模式优化，测试在不同支持度下配电通信网络管理的有效节点数，得到的结果如图2所示；测试运维管理的执行时间，得到的结果如图3所示。分析图2可知，采用本发明的方法进行配电通信网络运维管理的有效节点数较高，说明管理的可靠性较好。分析图3可知，采用本发明的方法进行配电通信网络运维管理的执行时间较传统方法用时明显较少，故采用本发明的方法进行配电通信网络管理及运维模式设计，能够有效提高管理的效率，减少执行时间。因此可知，本发明可以实现对配电通信网络配置数据、告警信息、性能数据、资源数据、业务数据、运营数据的全面管控，实现设备的综合智能监视、故障分析与可视化定位的融合管控，保障配电通信网络的安全可靠运行、通信资源整合优化和服务质量提升，从而实现提升配电通信网络的智能运维管控水平的目的。实施例三图4为实施例三提供的一种配电通信网络的运维装置的结构示意图，如图4所示，包括：模型构建模块10、调度模块11和训练模块12；模型构建模块10，用于采用大数据分析方法，构建配电通信网络的运维管控的数据分析模型；调度模块11，用于根据运维管控的数据分析模型，对配电通信网络进行运维管控调度；训练模块12，用于采用融合管理方法，对配电通信网络的运维管控进行自适应训练。本实施例提供的配电通信网络的运维装置为实现上述实施例的配电通信网络的运维方法，本实施例提供的配电通信网络的运维装置实现原理和技术效果与上述实施例类似，此处不再赘述。可选的，模型构建模块10，具体用于采用大数据分析方法，融合大数据信息，构建配电通信网络的运维管控的数据分析模型，其中，大数据信息至少包括：配电通信网络的配置数据、告警信息、性能数据、资源数据、业务数据、运营数据。可选的，运维管控的数据分析模型为：；其中，和为配电通信网络管控业务数据控制水平特征样本，和表示不同情况下的业务数据的特征值，b为配电通信网络运维管控业务数据控制水平特征分类属性。可选的，调度模块11，具体用于根据运维管控的数据分析模型，构建配电通信网络的运维管控调度模型；利用运维管控调度模型，对配电通信网络进行运维管控调度。可选的，运维管控调度模型为：；其中，…分别为所述配电通信网络的单个事件运维方式；…分别为对应的n个运维样本、…、…分别为对应的n个运维样本。可选的，训练模块12，具体用于采用融合管理方法，构建配电通信网络的运维管控的自适应学习模型；利用自适应学习模型，对配电通信网络的运维管控进行自适应训练。可选的，自适应学习模型为：；其中，、和为配电通信网络管控业务数据控制水平特征样本，表示不同情况下的业务数据的特征值，b为配电通信网络运维管控业务数据控制水平特征分类属性。实施例四图5为实施例四提供的一种配电通信网络的运维装置的结构示意图，如图5所示，该配电通信网络的运维装置包括处理器30、存储器31和通信接口32；配电通信网络的运维装置中处理器30的数量可以是一个或多个，图5中以一个处理器30为例；配电通信网络的运维装置中的处理器30、存储器31、通信接口32可以通过总线或其他方式连接，图5中以通过总线连接为例。总线表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。存储器31作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序以及模块，如本发明实施例中的方法对应的程序指令/模块。处理器30通过运行存储在存储器31中的软件程序、指令以及模块，从而执行配电通信网络的运维装置的至少一种功能应用以及数据处理，即实现上述的方法。存储器31可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；存储数据区可存储根据配电通信网络的运维装置的使用所创建的数据等。此外，存储器31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，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器31可包括相对于处理器30远程设置的存储器，这些远程存储器可以通过网络连接至配电通信网络的运维装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。通信接口32可设置为数据的接收与发送。实施例五图6为实施例五提供的一种配电通信网络的运维系统的架构图，如图6所示，本系统主要由用户交互层、业务层、数据存储层、数据采集层组成，各层之间相互协作实现对被管网络的统一管理。用户交互层负责处理与系统用户有关的信息展现与交互处理，引导用户自己完成相应的操作，实现用户访问各业务应用的安全接入；为用户提供web交互界面，以菜单、表格、图形、动画等丰富的元素呈现各种系统功能和被管设备有关的数据（包括报表、状态监控、网络拓扑图、历史数据图形化展示等）。业务层实现系统的管理功能，主要包括：资源管理类功能：设备管理、资源管理、拓扑管理、拓扑发现、数据管理；监控管理类功能：设备监控、网络监控、事件告警；统计分析类功能：历史数据、统计分析、网际互连协议（internetprotocol，ip）地址管理；网络维护类功能：ping（因特网包探索器）、traceroute（路由追踪）、路由表管理、控制单元（controlunit，cu）测量等维护工具等；数据存储层负责将数据采集层采集到的原始数据加以一般性加工（例如比特单位转换为字节单位等）并存储于对应的数据存储中，同时将用户应用数据进行格式化存储。数据采集层根据不同网络管理接口获取方法实现管理信息的在线自动获取，通过各种数据采集协议与被管设备进行通信，直接或者间接采集被管设备的监控管理数据并提供给上层业务层进行后续监控分析逻辑处理和业务展现，数据采集层包含各种与被管设备进行数据采集所需的通信协议适配，包括：控制报文协议（internetcontrolmessageprotocol，icmp）、telnet（远程终端协议）、安全外壳协议（secureshell，ssh）、snmp（简单网络管理协议）、可扩展标记语言（extensiblemarkuplanguage，xml）、公共对象请求代理体系结构（commonobjectrequestbrokerarchitecture，corba）、http（超文本传输协议）、syslog（系统日志或系统记录）、简单对象访问协议（simpleobjectaccessprotocol，soap）等通讯协议。本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现如本发明任意实施例所提供的方法。本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质包括（非穷举的列表）：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（randomaccessmemory，ram）、只读存储器（read-onlymemory，rom）、可擦式可编程只读存储器（electricallyerasable,programmableread-onlymemory，eprom）、闪存、光纤、便携式紧凑磁盘只读存储器（compactdiscread-onlymemory，cd-rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，数据信号中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、射频（radiofrequency，rf）等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言或多种程序设计语言组合来编写用于执行本公开操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++、ruby、go，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（localareanetwork，lan）或广域网（wideareanetwork，wan）—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。本领域内的技术人员应明白，术语用户终端涵盖任何适合类型的无线用户设备，例如移动电话、便携数据处理装置、便携网络浏览器或车载移动台。一般来说，本发明的多种实施例可以在硬件或专用电路、软件、逻辑或其任何组合中实现。例如，一些方面可以被实现在硬件中，而其它方面可以被实现在可以被控制器、微处理器或其它计算装置执行的固件或软件中，尽管本发明不限于此。本发明的实施例可以通过移动装置的数据处理器执行计算机程序指令来实现，例如在处理器实体中，或者通过硬件，或者通过软件和硬件的组合。计算机程序指令可以是汇编指令、指令集架构（instructionsetarchitecture，isa）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码。本发明附图中的任何逻辑流程的框图可以表示程序步骤，或者可以表示相互连接的逻辑电路、模块和功能，或者可以表示程序步骤与逻辑电路、模块和功能的组合。计算机程序可以存储在存储器上。存储器可以具有任何适合于本地技术环境的类型并且可以使用任何适合的数据存储技术实现，例如但不限于只读存储器（rom）、随机访问存储器（ram）、光存储器装置和系统（数码多功能光碟dvd或cd光盘）等。计算机可读介质可以包括非瞬时性存储介质。数据处理器可以是任何适合于本地技术环境的类型，例如但不限于通用计算机、专用计算机、微处理器、数字信号处理器（digitalsignalprocessing，dsp）、专用集成电路（applicationspecificintegratedcircuit，asic）、可编程逻辑器件（field－programmablegatearray，fgpa）以及基于多核处理器架构的处理器。当前第1页12