基于机器学习理论的电力通信网的安全性及可靠性研究

摘要

电力通信网是用来服务电力系统的一种通信专网，电力通信网包括语音、数据、视频和多媒体这四大类业务。运行上述四大类电力通信业务需要电力通信网有着较高的可靠性和安全性。电力通信网在智能电网的应用中，起到了至关重要的作用。最近几年里，电力系统发生了巨大的变化，与此同时电力系统的规模也在日益的扩大，并且电力部门对电力系统的维护和管理水平也在不断的提高，然而电力通信网发生的故障次数和故障率却没有得到相应的减少和降低。其主要的是:大量的电力系统业务都加载在电力通信网上运行和传输，因此导致了电力通信网的压力剧增，而电力通信部门又没有有效的方法来提高通信网的可靠性和安全性。过去，电力系统生产运行部门采取的方法是单一的依靠更新设备并对通信网络进行改造、升级和扩容来减少通信中断次数和故障率，然而这些方法是远远不够的。因为只有在通信中断或是通信业务运行出现问题的时候才能够察觉，但那时损失已经造成。这是一种“后知后觉”的做法，并不能有效的避免电力公司造成的损失。
　　本文针对以上问题而做出如下几个方面的研究工作，目的在于确实有效的提高电力通信网的安全性和可靠性并对电力通信网故障做到“防忠于未然”:
　　利用复杂网络识别电力通信网中网络拓扑结构中关键点。通过快速密度聚类算法进行了无监督学习分类，将节点的重要性进行等级划分，可以有效的应用于电力通信网节点的重要性评价中，为电力通信网的规划作为支撑。
　　利用最优化理论实现电力通信网带宽的分配。在实际规划中，要实现对每个链路之间的带宽进行分配是一个很复杂的问题。本文利用最优化理论实现通信链路的最优化，并在最优化的基础上实现带宽的合理分配。
　　利用大数据分析技术对电力通信网的带宽进行预测。电力通信网带宽的预测是电力通信网规划的一个重要方面，本文利用大数据分析技术，通过对历史实际使用带宽数据的分析，建立预测模型，实现电力通信网的带宽预测。

目录

声明

摘要

第一章 绪论

1．1 选题背景及意义

1．2 国内外研究现状

1．3 论文的主要内容以及组织结构

第二章 电力通信网网络拓扑结构分析

2．1 引言

2．2 复杂网络的定义

2．3 电力通信网网络拓扑结构基本参数

2．4 电力通信网网络拓扑结构的可靠性

2．5 电力通信网网络关键节点的识别与评估

2．6 节点重要性评价分析结果

2．7 本章小结

第三章 电力通信网网络优化

3．1 引言

3．2 多目标进化算法

3．3 粒子群算法

3．4 基于雁群启示的粒子群优化算法

3．5 基于多目标雁群算法的电力通信网网络优化

3．6 本章小结

第四章 电力通信网网络带宽预测

4．1 引言

4．2 单隐层前馈神经网络

4．3 极限学习机

4．4 基于极限学习机与自适应K邻近理论的电力通信网带宽预测

4．5 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢

作者简介