基于關(guān)聯(lián)規(guī)則挖掘的電力通信網(wǎng)故障診斷.pdf

1、隨著電力網(wǎng)的不斷發(fā)展，電力通信網(wǎng)規(guī)模逐漸壯大，其承載的業(yè)務(wù)也越來越多，早期的故障處理方法已經(jīng)不能滿足日益提高的網(wǎng)絡(luò)故障管理需求。此外，網(wǎng)管系統(tǒng)每天產(chǎn)生大量重復(fù)無用的告警信息會(huì)將根源故障淹沒，嚴(yán)重影響維護(hù)人員定位故障根源和確定故障原因。為了更快更準(zhǔn)地發(fā)現(xiàn)故障根源并處理故障，急需提出一種快速、智能化的方法對(duì)告警信息進(jìn)行分析，找出它們之間的關(guān)聯(lián)性，進(jìn)而確定故障根源。
　　告警關(guān)聯(lián)規(guī)則挖掘是從歷史告警數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的信息，以應(yīng)用于故障診

2、斷。它通過對(duì)數(shù)據(jù)庫歷史告警信息進(jìn)行挖掘，自動(dòng)發(fā)現(xiàn)告警數(shù)據(jù)的關(guān)聯(lián)關(guān)系，發(fā)現(xiàn)有價(jià)值的告警信息，進(jìn)而推斷出故障根本原因。由于電力通信網(wǎng)原始告警數(shù)據(jù)具有數(shù)據(jù)存在冗余、諸多屬性對(duì)關(guān)聯(lián)挖掘的貢獻(xiàn)度不一樣、告警數(shù)據(jù)量龐大等特點(diǎn)，本文對(duì)電力通信網(wǎng)告警關(guān)聯(lián)及故障診斷進(jìn)行了深入研究，具體研究內(nèi)容及成果如下：
　　針對(duì)于原始告警數(shù)據(jù)存在告警冗余和告警檢測(cè)存在時(shí)間偏差問題，論文提出了一種滑動(dòng)窗口的告警提取方法，該方法通過合適的滑動(dòng)窗口寬度和滑動(dòng)步長來提取

3、告警數(shù)據(jù)，這消除了告警冗余和時(shí)間不同步。由于不同重要度的屬性對(duì)挖掘貢獻(xiàn)不一樣，為此論文提出了一種基于小波神經(jīng)網(wǎng)絡(luò)的告警加權(quán)方法，該方法融合了小波函數(shù)較好的時(shí)頻特性和神經(jīng)網(wǎng)絡(luò)較強(qiáng)的學(xué)習(xí)能力，能夠快速判斷告警屬性組合的重要性，在對(duì)告警加權(quán)上顯得更加科學(xué)、合理。當(dāng)告警數(shù)據(jù)量逐漸增加時(shí)，傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘方法暴露出了內(nèi)存不足、挖掘效率低等性能問題，本文對(duì)于這個(gè)問題研究了一種基于MapReduce框架的加權(quán)FP_Growth并行挖掘方法（MWFP）