[發明專利]一種基于加權矩陣的通信設備告警關聯規則挖掘方法

有效

• 申請號: 201811441722.5
• 申請日: 2018-11-29
• 公開（公告）號: CN109597836B
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 李石君;黃倩;楊濟海;余偉;余放;李宇軒
• 申請（專利權）人: 武漢大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魯力

本發明屬于關聯規則分析的研究范疇，涉及一種基于加權矩陣的通信設備告警關聯規則挖掘方法。考慮到檢修人員對通信網設備不同類型告警的關注度各不相同，不同告警記錄對于特定設備故障診斷的重要程度不同，根據專家經驗為每一條事務記錄設置垂直權值，為每一個項目設置水平權值，運用加權矩陣減少數據庫掃描次數，以Aprior算法的連接、剪枝思想為基礎，建立基于加權矩陣的告警關聯規則分析的模型AARWM用于計算頻繁項集，最后根據頻繁項集生成符合最小置信度的加權告警關聯規則，從而提高設備告警關聯規則挖掘的效率和準確率，為設備故障診斷提供可靠依據。

技術領域

本發明屬于關聯規則分析的研究范疇，特別涉及電力通信網絡中設備告警的關聯規則分析，提出了一種基于加權矩陣的通信設備告警關聯規則挖掘方法。

背景技術

在當今電力系統智能調度和現代化管理中，電力通信網是不可或缺的一部分，其主要任務是為電力生產提供高質量的服務，主要包括繼電保護、安全控制、視頻會議電話、調度自動化和通信監控。為了保障電力通信網的可靠運行，有必要在最短時間內確定故障位置和故障原因，以便盡快恢復正常的業務傳輸。

然而，在真實的通信網絡中，互連的設備具有密集的拓撲結構，而單個設備又具有精密的板件結構，而這就導致了某一設備出現故障時，其自身會發出多種不同類型的告警，也可能會引發多個不同設備的告警，嚴重阻礙了故障的排查與定位。復雜的網絡拓撲結構和精密的設備結構帶來了高速動態、高價值低密度的海量數據流，使得在規?；W絡中，耗費在故障定位上的時間占其故障恢復總時間的93％。由于現代電力設備在線監測系統對于不同的故障類型有著不同的告警特征和日志數量，因此對告警特征之間的關系挖掘有著重要意義，對各告警進行相關性分析的成果可以應用到電網狀態評估預警、電網運行負荷預測以及大規模檢修策略計劃等工作中，以保障通信網絡中設備故障診斷的高效性。

故障和告警：在網絡管理領域，故障是指被管網絡的硬件設備發生原件損壞或軟件系統發生功能紊亂，而告警是生產廠家提前定義，在特定事件發生時通過設備產生的提示性信息。一條告警的出現表明系統可能出現故障，但并不是一定出現故障，而一個故障的發生則可能導致業務上其他網元的異常，從而引發一系列相關告警。顯然，這一系列相關告警并不都能表明發生故障的根源原因，因此需要進行告警相關性分析以確定故障根源，達到故障定位的目的。

告警相關性分析意義重大，因此國內外針對此問題的研究方法多種多樣?；诎咐评淼姆椒?Case-Baesd?Reasoning，簡稱CBR)，在新問題被解決時，將其添加到案例推理系統中，系統根據過往經驗獲取知識甚至自動改進系統本身，以達到指導目標案例的目的，例如劉晶運用案例推理方法，開發了大型電力變壓器故障診斷專家系統，有效地指導了設備故障診斷和狀態維修，但此方法存在復雜度高、通用性低以及效率不高的問題?；谏窠浘W絡的相關性分析方法，通過大量訓練對應于某種故障的告警信息，不斷調整權值，以達到根據當前告警預測故障源的目的。Wu?D?P,Zhao?Y等人提出了一種基于小波神經網絡的告警信息關聯挖掘機制，將告警的等級、類型和設備類型三個關鍵屬性作為小波神經網絡的輸入，通過訓練歷史樣本來合理確定權重，綜合考慮多種影響因素來挖掘相關性^[3]，神經網絡具有自學習能力高、噪聲容忍度高的特點，但在實際應用前需對各種故障情況進行訓練，這在實際的電力通信網中難以達到。

關聯規則挖掘：關聯規則挖掘隸屬于數據挖掘里的目標任務范疇，通過分析已經存在的大量數據提取多個變量間的潛在關聯關系，其基本任務是確定事務數據庫的項目之間的關聯。假設I＝{i₁，i₂，i₃，…，i_n}是一組項目的全集，D是由一組具有唯一標志TID的事務組成的事務集，其中每個事務T是一組項目，對應I?的一個子集，有T∈D，關聯規則是形式為X＝＞Y的邏輯蘊含式，其中一般來說，每個關聯規則必須滿足用戶指定的兩個約束，一個是支持度，另一個是置信度。規則X＝Y的支持度被定義為包含X∪Y的事務總數占事務數據庫D的比例，而置信度則被定義為包含X∪Y的事務數與包含X?的事務數之比。因此，目標是找到滿足用戶指定的最小支持度和置信度的所有關聯規則。