本發(fā)明屬于電力通信，尤其涉及一種智能電力通信故障診斷方法及系統(tǒng)。

背景技術(shù)：

1、在現(xiàn)代電力系統(tǒng)中，通信技術(shù)的可靠性對于整個(gè)電力網(wǎng)絡(luò)的穩(wěn)定運(yùn)行至關(guān)重要。隨著智能電網(wǎng)的快速發(fā)展，電力通信網(wǎng)絡(luò)的復(fù)雜性和對高可靠性的要求也相應(yīng)提高。目前，電力通信故障診斷技術(shù)主要依賴于傳統(tǒng)的信號處理和模式識別方法，這些技術(shù)能夠?qū)ΤＲ姷墓收线M(jìn)行有效診斷。然而，隨著電力通信網(wǎng)絡(luò)結(jié)構(gòu)的日益復(fù)雜化，傳統(tǒng)方法在處理大規(guī)模數(shù)據(jù)和復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)時(shí)面臨諸多挑戰(zhàn)，尤其是在故障預(yù)測的準(zhǔn)確性和處理速度方面。

2、目前的技術(shù)通常使用集中式處理系統(tǒng)，這在數(shù)據(jù)處理和故障定位方面存在明顯的局限性。首先，集中式系統(tǒng)處理大量來自網(wǎng)絡(luò)各個(gè)節(jié)點(diǎn)的數(shù)據(jù)時(shí)，容易出現(xiàn)數(shù)據(jù)傳輸延遲，這在需要快速響應(yīng)的電力通信故障處理中是不可接受的。其次，由于缺乏有效的數(shù)據(jù)處理機(jī)制，現(xiàn)有技術(shù)在面對復(fù)雜故障時(shí)往往難以準(zhǔn)確識別故障類型和位置，特別是在故障影響多個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)時(shí)。此外，現(xiàn)有的故障診斷系統(tǒng)大多缺乏足夠的透明度，操作人員難以理解系統(tǒng)的診斷邏輯，這降低了系統(tǒng)的可信度和操作的便捷性。

3、這些問題主要源于現(xiàn)有技術(shù)未能充分利用最新的人工智能技術(shù)和先進(jìn)的計(jì)算架構(gòu)。盡管人工智能在其他領(lǐng)域，如圖像識別和自然語言處理中已顯示出強(qiáng)大的處理能力，但其在電力通信故障診斷領(lǐng)域的應(yīng)用還不夠廣泛。此外，邊緣計(jì)算作為一種新興的計(jì)算模式，其在本地?cái)?shù)據(jù)處理和減少延遲方面的潛力還未被充分利用。

4、因此，當(dāng)前的電力通信故障診斷技術(shù)仍存在提升空間，特別是在提高處理速度、準(zhǔn)確性以及系統(tǒng)透明度方面。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提出一種智能電力通信故障診斷方法及系統(tǒng)，集成自可解釋性機(jī)器學(xué)習(xí)、邊緣計(jì)算和diffusion模型，提高故障處理效率和準(zhǔn)確性的同時(shí)，增強(qiáng)系統(tǒng)的用戶可信度和操作的便捷性。

2、為了達(dá)到上述目的，在本發(fā)明的第一方面提供了一種智能電力通信故障診斷方法，所述方法包括：

3、s1、在電力通信網(wǎng)絡(luò)的節(jié)點(diǎn)上部署邊緣計(jì)算設(shè)備，收集實(shí)時(shí)數(shù)據(jù)，設(shè)計(jì)預(yù)處理策略對實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)處理，并定義節(jié)點(diǎn)間的通信協(xié)議優(yōu)化節(jié)點(diǎn)間的通信；

4、s2、構(gòu)建實(shí)時(shí)特征提取與數(shù)據(jù)壓縮協(xié)議對預(yù)處理后的邊緣計(jì)算設(shè)備的數(shù)據(jù)進(jìn)行特征提取和壓縮；

5、s3、選擇最優(yōu)路徑，將壓縮后的數(shù)據(jù)傳輸?shù)街行奶幚砥?，同時(shí)根據(jù)網(wǎng)絡(luò)的實(shí)時(shí)流量情況動態(tài)調(diào)整數(shù)據(jù)傳輸路徑，使用循環(huán)冗余校驗(yàn)碼對數(shù)據(jù)添加校驗(yàn)碼確保數(shù)據(jù)傳輸無誤；其中，所述最優(yōu)路徑計(jì)算如下：

6、設(shè)d(vi，vj)表示節(jié)點(diǎn)vi到vj的距離，路徑成本函數(shù)為：

7、

8、其中，p表示節(jié)點(diǎn)vi到節(jié)點(diǎn)vj的路徑；

9、s4、選擇關(guān)鍵特征，在中心處理器上使用可解釋性機(jī)器學(xué)習(xí)模型處理接收到的關(guān)鍵特征，診斷通信故障；

10、s5、利用diffusion模型在中心服務(wù)器上模擬故障擴(kuò)散過程，預(yù)測通信故障造成的影響；

11、s6、定義網(wǎng)絡(luò)影響指標(biāo)并構(gòu)建決策模型，根據(jù)通信故障的診斷結(jié)果和通信故障造成的影響設(shè)計(jì)優(yōu)先級并自動生成響應(yīng)建議；

12、其中，所述s4具體包括：

13、選擇關(guān)鍵特征，同時(shí)設(shè)定至少一百個(gè)決策樹，每個(gè)樹在訓(xùn)練時(shí)都使用隨機(jī)選擇的特征子集，再使用信息增益評價(jià)各特征對故障分類的貢獻(xiàn)，選擇最有助于提升分類準(zhǔn)確性的特征；其中，所述關(guān)鍵特征包括峰值、均值、標(biāo)準(zhǔn)差和能量頻譜；

14、對于給定的預(yù)測結(jié)果，選取其周圍的樣本點(diǎn)，利用簡單線性模型對復(fù)雜線性模型在當(dāng)前局部的行為進(jìn)行逼近，對逼近得到的線性模型，計(jì)算輸出對每個(gè)輸入特征的偏導(dǎo)數(shù)，評估每個(gè)特征的變化對預(yù)測結(jié)果的影響，計(jì)算如下：

15、

16、其中，βi是線性模型中特征xi的系數(shù)，表示當(dāng)前特征在局部模型中的影響權(quán)重；同時(shí)引入反饋評分機(jī)制計(jì)算總體滿意度，再使用自適應(yīng)調(diào)整策略找到最優(yōu)的模型參數(shù)，再引進(jìn)動態(tài)數(shù)據(jù)重新加權(quán)的方法對新收集的數(shù)據(jù)賦予最高的權(quán)重，舊數(shù)據(jù)根據(jù)時(shí)效性遞減權(quán)重，表示如下：

17、wi＝exp(-6×(t-ti))

18、其中，6表示衰減系數(shù)，t表示當(dāng)前時(shí)間，ti表示數(shù)據(jù)收集的時(shí)間。

19、進(jìn)一步地，所述方法還包括：s7、收集運(yùn)行數(shù)據(jù)和性能數(shù)據(jù)，通過機(jī)器學(xué)習(xí)技術(shù)優(yōu)化系統(tǒng)性能和故障響應(yīng)策略；s8、開發(fā)和優(yōu)化用戶界面，提供監(jiān)控和操作界面。

20、進(jìn)一步地，在電力通信網(wǎng)絡(luò)的節(jié)點(diǎn)上部署邊緣計(jì)算設(shè)備通過采用基于圖論的優(yōu)化方法來選擇邊緣計(jì)算節(jié)點(diǎn)的位置，同時(shí)將電力通信網(wǎng)絡(luò)建模為圖g(v，e)，其中v是網(wǎng)絡(luò)中的節(jié)點(diǎn)集，e是連接節(jié)點(diǎn)的邊集，并使用遺傳算法找到最優(yōu)的節(jié)點(diǎn)位置。

21、進(jìn)一步地，所述預(yù)處理包括使用濾波和特征提取算法減少噪聲并提取信號，其中，采用卷積濾波器進(jìn)行數(shù)據(jù)平滑，濾波器權(quán)重w(n)通過以下公式計(jì)算：

22、

23、其中，n表示當(dāng)前時(shí)間步，μ表示濾波器中心，σ表示標(biāo)準(zhǔn)差，m表示濾波器長度；

24、所述優(yōu)化節(jié)點(diǎn)間的通信具體包括：

25、采用最小生成樹算法優(yōu)化通信路徑減少總體通信成本，表示如下：

26、

27、其中，t表示生成樹的總權(quán)重，表示選定的邊集，w(vi，vj)表示邊(vi，vj)的權(quán)重。

28、進(jìn)一步地，所述步驟s2具體包括：

29、通過計(jì)算短時(shí)能量和方差計(jì)算實(shí)時(shí)數(shù)據(jù)的動態(tài)范圍，設(shè)定自適應(yīng)閾值；

30、在每個(gè)時(shí)間窗口w內(nèi)，應(yīng)用高效的特征提取技術(shù)，對于每個(gè)分解的子帶，計(jì)算能量譜密度ed和信息熵hd；

31、若特征值超過自適應(yīng)閾值則用量化方法對特征進(jìn)行編碼并傳輸；所述量化方法的級別根據(jù)特征的統(tǒng)計(jì)重要性動態(tài)調(diào)整；

32、實(shí)時(shí)監(jiān)控處理后的數(shù)據(jù)流，利用異常檢測算法識別潛在的異常模式，當(dāng)檢測到異常時(shí)，立即生成反饋信號并調(diào)整數(shù)據(jù)處理參數(shù)。

33、進(jìn)一步地，所述根據(jù)網(wǎng)絡(luò)的實(shí)時(shí)流量情況動態(tài)調(diào)整數(shù)據(jù)傳輸路徑是根據(jù)計(jì)算負(fù)載平衡決定，所述負(fù)載平衡計(jì)算如下：

34、

35、其中，δl表示新增的負(fù)載量，lthreshold表示預(yù)設(shè)的負(fù)載閾值；

36、采用huffman編碼對特征數(shù)據(jù)進(jìn)行壓縮，編碼過程中每個(gè)特征數(shù)據(jù)x被映射到一個(gè)二進(jìn)制字符串，長度根據(jù)數(shù)據(jù)的出現(xiàn)頻率動態(tài)調(diào)整，頻率高的特征分配更短的編碼。

37、進(jìn)一步地，所述步驟s5具體包括：

38、電力通信網(wǎng)絡(luò)建模為圖g(v，e，w)，其中，v表示網(wǎng)絡(luò)節(jié)點(diǎn)集合，e表示邊集合，w表示邊的權(quán)重集合，并初始化參數(shù)；

39、根據(jù)網(wǎng)絡(luò)運(yùn)行狀況和外部影響在網(wǎng)絡(luò)的特定節(jié)點(diǎn)注入初始故障，然后計(jì)算故障傳播概率，計(jì)算如下：

40、

41、其中，pij(t)表示時(shí)間t時(shí)刻故障從節(jié)點(diǎn)i傳播到節(jié)點(diǎn)j的概率；表示sigmoid函數(shù)，確保概率值介于0和1之間；α和β表示調(diào)整模型敏感性的參數(shù)；dij表示節(jié)點(diǎn)i至j的距離或通信延遲；

42、對每個(gè)節(jié)點(diǎn)計(jì)算累積影響分?jǐn)?shù)i(v，t)，用于反映故障對該節(jié)點(diǎn)服務(wù)能力的影響，表示如下：

43、

44、其中，u表示節(jié)點(diǎn)v的上游節(jié)點(diǎn)集合；

45、根據(jù)實(shí)時(shí)監(jiān)測數(shù)據(jù)調(diào)整α和β參數(shù)并根據(jù)故障影響分析結(jié)果，制定相應(yīng)的響應(yīng)措施。

46、進(jìn)一步地，所述網(wǎng)絡(luò)影響指標(biāo)表示如下：

47、i(v)＝λv·l(v)+(1-λv)·d(v)

48、i(e)＝λe·l(e)+(1-λe)·d(e)

49、其中，l(v)和l(e)分別表示節(jié)點(diǎn)和邊的負(fù)載量，d(v)和d(e)表示節(jié)點(diǎn)和邊在故障傳播中的作用度，λv和λe表示調(diào)整兩者重要性的系數(shù)；

50、所述決策模型表示如下：

51、

52、其中，xv和xe分別表示節(jié)點(diǎn)v和邊e是否采取響應(yīng)措施，取值為0或1。

53、進(jìn)一步地，所述運(yùn)行數(shù)據(jù)包括發(fā)生頻率、響應(yīng)時(shí)間和故障處理效率，所述性能數(shù)據(jù)利用收集的數(shù)據(jù)評估系統(tǒng)各部分的性能，再根據(jù)性能評估結(jié)果調(diào)整系統(tǒng)參數(shù)和運(yùn)行策略。

54、在本發(fā)明的第二方面提供了一種智能電力通信故障診斷系統(tǒng)，所述系統(tǒng)包括：

55、邊緣計(jì)算部署模塊，用于在電力通信網(wǎng)絡(luò)的節(jié)點(diǎn)上部署邊緣計(jì)算設(shè)備，收集實(shí)時(shí)數(shù)據(jù)，設(shè)計(jì)預(yù)處理策略對實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)處理，并定義節(jié)點(diǎn)間的通信協(xié)議優(yōu)化節(jié)點(diǎn)間的通信；

56、特征提取和壓縮模塊，用于構(gòu)建實(shí)時(shí)特征提取與數(shù)據(jù)壓縮協(xié)議對預(yù)處理后的邊緣計(jì)算設(shè)備的數(shù)據(jù)進(jìn)行特征提取和壓縮；

57、最優(yōu)路徑計(jì)算模塊，用于選擇最優(yōu)路徑，將壓縮后的數(shù)據(jù)傳輸?shù)街行奶幚砥鳎瑫r(shí)根據(jù)網(wǎng)絡(luò)的實(shí)時(shí)流量情況動態(tài)調(diào)整數(shù)據(jù)傳輸路徑，使用循環(huán)冗余校驗(yàn)碼對數(shù)據(jù)添加校驗(yàn)碼確保數(shù)據(jù)傳輸無誤；其中，所述最優(yōu)路徑計(jì)算如下：

58、設(shè)d(vi，vj)表示節(jié)點(diǎn)vi到vj的距離，路徑成本函數(shù)為：

59、

60、其中，p表示節(jié)點(diǎn)vi到節(jié)點(diǎn)vj的路徑；

61、關(guān)鍵特征選擇模塊，用于選擇關(guān)鍵特征，在中心處理器上使用可解釋性機(jī)器學(xué)習(xí)模型處理接收到的關(guān)鍵特征，診斷通信故障；

62、故障擴(kuò)散計(jì)算模塊，用于利用diffusion模型在中心服務(wù)器上模擬故障擴(kuò)散過程，預(yù)測通信故障造成的影響；

63、響應(yīng)模塊，用于定義網(wǎng)絡(luò)影響指標(biāo)并構(gòu)建決策模型，根據(jù)通信故障的診斷結(jié)果和通信故障造成的影響設(shè)計(jì)優(yōu)先級并自動生成響應(yīng)建議；

64、其中，所述關(guān)鍵特征選擇模塊執(zhí)行的步驟具體包括：

65、選擇關(guān)鍵特征，同時(shí)設(shè)定至少一百個(gè)決策樹，每個(gè)樹在訓(xùn)練時(shí)都使用隨機(jī)選擇的特征子集，再使用信息增益評價(jià)各特征對故障分類的貢獻(xiàn)，選擇最有助于提升分類準(zhǔn)確性的特征；其中，所述關(guān)鍵特征包括峰值、均值、標(biāo)準(zhǔn)差和能量頻譜；

66、對于給定的預(yù)測結(jié)果，選取其周圍的樣本點(diǎn)，利用簡單線性模型對復(fù)雜線性模型在當(dāng)前局部的行為進(jìn)行逼近，對逼近得到的線性模型，計(jì)算輸出對每個(gè)輸入特征的偏導(dǎo)數(shù)，評估每個(gè)特征的變化對預(yù)測結(jié)果的影響，計(jì)算如下：

67、

68、其中，βi是線性模型中特征xi的系數(shù)，表示當(dāng)前特征在局部模型中的影響權(quán)重；同時(shí)引入反饋評分機(jī)制計(jì)算總體滿意度，再使用自適應(yīng)調(diào)整策略找到最優(yōu)的模型參數(shù)，再引進(jìn)動態(tài)數(shù)據(jù)重新加權(quán)的方法對新收集的數(shù)據(jù)賦予最高的權(quán)重，舊數(shù)據(jù)根據(jù)時(shí)效性遞減權(quán)重，表示如下：

69、wi＝exp(-δ×(t-ti))

70、其中，6表示衰減系數(shù)，t表示當(dāng)前時(shí)間，ti表示數(shù)據(jù)收集的時(shí)間，wi為局部模型中的權(quán)重。

71、本發(fā)明的有益技術(shù)效果至少在于以下：

72、(1)本發(fā)明通過在電力通信網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)部署邊緣計(jì)算設(shè)備，本發(fā)明能夠?qū)崿F(xiàn)數(shù)據(jù)的本地處理，顯著減少數(shù)據(jù)傳輸所需時(shí)間，從而提高故障診斷的響應(yīng)速度。這一點(diǎn)直接解決了傳統(tǒng)集中式處理系統(tǒng)在數(shù)據(jù)處理速度和實(shí)時(shí)性方面的不足。本發(fā)明的邊緣計(jì)算能力，進(jìn)一步提煉和壓縮數(shù)據(jù)，確保只有最關(guān)鍵的信息被傳輸至中心服務(wù)器。這不僅提高了數(shù)據(jù)傳輸?shù)男?，也降低了后續(xù)處理的復(fù)雜度和時(shí)間，有效提升了系統(tǒng)的整體響應(yīng)速度和準(zhǔn)確性。提取的精煉數(shù)據(jù)能夠安全且高效地到達(dá)中心處理單元。這一傳輸過程的優(yōu)化減少了數(shù)據(jù)在傳輸過程中可能的損失和篡改，保證了數(shù)據(jù)分析的準(zhǔn)確性和安全性。

73、(2)本發(fā)明采用先進(jìn)的可解釋性機(jī)器學(xué)習(xí)算法(如lime或shap)，為故障診斷提供透明的決策過程。這使得操作人員不僅能夠知道何處發(fā)生故障，還能理解故障發(fā)生的原因，有效提升了系統(tǒng)的可信度和用戶的接受程度。提高了診斷的準(zhǔn)確性，還通過可解釋性機(jī)器學(xué)習(xí)提供了決策透明度，使操作者能夠理解故障發(fā)生的原因，提升了系統(tǒng)的可信度和用戶滿意度。

74、(3)發(fā)明采用diffusion模型預(yù)測故障可能的擴(kuò)散路徑，為故障應(yīng)對措施的制定提供科學(xué)依據(jù)。這種方法能夠在故障發(fā)生初期預(yù)測其潛在影響，提前采取措施，有效減輕故障影響。這一創(chuàng)新點(diǎn)針對的是現(xiàn)有技術(shù)在處理復(fù)雜網(wǎng)絡(luò)故障時(shí)的不足。根據(jù)實(shí)際運(yùn)行反饋優(yōu)化系統(tǒng)算法和性能，確保系統(tǒng)能適應(yīng)網(wǎng)絡(luò)環(huán)境的變化和故障模式的演變。