0 引言

    我國電力行業(yè)的高效平穩(wěn)發(fā)展是保證經(jīng)濟安全、快速、穩(wěn)定發(fā)展的能源保障。人工智能時代對電力通信領(lǐng)域提出了新的要求，也為電力通信管理系統(tǒng)(Telecom Management System，TMS)的發(fā)展提供了新方向^[1]。TMS作為電力領(lǐng)域信息化產(chǎn)物，為整個電力系統(tǒng)中的電網(wǎng)調(diào)度、自動化、繼電保護、安全自動控制、電力市場交易以及企業(yè)信息化等工作提供了堅實的基礎(chǔ)，同時也為電力通信中的異常檢測、路由優(yōu)選等智能化應(yīng)用提供支撐。

    隨著特高壓電網(wǎng)、各級電網(wǎng)協(xié)調(diào)的統(tǒng)一發(fā)展，智能網(wǎng)的建設(shè)的需求也逐漸加強，對支撐電網(wǎng)信息化基礎(chǔ)TMS系統(tǒng)提出了更高要求。在電力通信信息化、智能化建設(shè)和應(yīng)用實踐過程中，電力公司積累了海量的實時數(shù)據(jù)和運行數(shù)據(jù)，傳統(tǒng)基于規(guī)則的缺陷處置方法難以滿足智能化的需求，尤其缺乏一種對拓?fù)鋸?fù)雜、設(shè)備類型繁多的缺陷數(shù)據(jù)進行智能分析的方法^[2]。

    電力通信網(wǎng)在信息化過程中產(chǎn)生了大量的數(shù)據(jù)，然而這些數(shù)據(jù)的海量增長，促使了數(shù)據(jù)歸并技術(shù)(即告警歸并技術(shù))的發(fā)展。目前國內(nèi)外主要使用基于規(guī)則匹配的方法進行告警歸并^[3]。具體而言，就是操作員根據(jù)系統(tǒng)實時情況結(jié)合專家知識動態(tài)地調(diào)整告警歸并規(guī)則。同時，也有基于規(guī)則匹配方法上的改進。例如，加入數(shù)據(jù)預(yù)處理和數(shù)據(jù)過濾等方法輔助告警歸并^[4]。上述方法在告警數(shù)據(jù)規(guī)模較小、告警延遲低、告警類別固定等情況下，能達(dá)到很好的歸并效果。但隨著告警數(shù)據(jù)的海量增長，上述方法及其相關(guān)改進方法難以適應(yīng)當(dāng)前的數(shù)據(jù)環(huán)境。MADZIARZ A在移動通信網(wǎng)領(lǐng)域提出了基于K-MEANS聚類的告警聚類方法^[5]，嘗試引入無監(jiān)督聚類以擺脫對規(guī)則的依賴。雖然該方法無須大量人力資源的投入，但實際歸并效果差強人意，且需要業(yè)務(wù)專家參與預(yù)測缺陷的數(shù)量，有著極大的局限性。

    5G技術(shù)、邊緣計算、人工智能新技術(shù)的到來給電力通信領(lǐng)域帶來了新鮮血液。新技術(shù)與電力通信領(lǐng)域的有機結(jié)合，對于構(gòu)造電力通信新生態(tài)，解決遺留問題，節(jié)約人力資源，面對新的挑戰(zhàn)至關(guān)重要。

    本文介紹了一種基于密度聚類(Density-Based Spatial Clustering of Applications with Noise，DBSCAN)^[6]結(jié)合人工規(guī)則進行告警歸并協(xié)助通信缺陷診斷的無監(jiān)督學(xué)習(xí)算法。該算法具有良好的魯棒性、輕量性，支持邊緣云部署，將算法在TMS系統(tǒng)提供的數(shù)據(jù)中進行實驗，結(jié)果顯示算法達(dá)到了較好的效果。

本文詳細(xì)內(nèi)容請下載:http://www.xxav2194.com/resource/share/2000003457

作者信息：

李霽軒1，吳子辰1，郭  燾1，朱鵬宇2，吳季樺3

(1.國網(wǎng)江蘇省電力有限公司信息通信分公司，江蘇 南京210000；

2.國網(wǎng)電力科學(xué)研究院有限公司，江蘇 南京210012；3.北京郵電大學(xué)網(wǎng)絡(luò)與交換國家重點實驗室，北京100876)