摘要
本申请涉及电力通信技术领域,公开了基于深度学习的电力通信网络故障定位分析方法及系统,该方法包括生成采集提取方案并预处理、生成故障定位模型、进行故障预测及风险定位和构建电力通信网络可靠性运行指标体系。该系统与该方法对应。本申请,利用基于电力通信网络数据采集及故障定位记录生成的采集提取方案,实现了全面且针对性地获取运行数据及故障信息;通过构建卷积神经网络和循环神经网络相结合的故障定位模型,实现了对电力通信网络故障有效提取特征及准确分类;还利用训练好的模型进行故障预测及风险定位,并基于此计算故障发生概率和风险等级,最终实现构建可靠的电力通信网络可靠性运行指标体系,助力网络运维决策。
技术关键词
电力通信网络故障
故障定位模型
定位分析方法
通信网络故障定位
故障恢复时间
设备运行状态数据
生成运行数据
链路状态数据
网络流量特征
设备故障率
风险
网络流量数据
指标
网络拓扑结构
深度学习模型
相似性度量函数
系统为您推荐了相关专利信息
故障定位模型
配电网故障定位
分布式电源配电网
开关
系统电源
智能家居控制系统
家庭安全监控
系统响应时间
综合效能
数据分析单元
可靠度评估方法
网络拓扑结构
平均故障时间
网络拓扑模型
业务流路径
告警设备
网络故障定位
故障定位模型
历史告警数据
图谱