1.杨娇 2.王尧
1.（国网河北省电力有限公司沧州供电分公司，河北省沧州市，061000），
2.（国网河北省电力有限公司信息通信分公司，河北省石家庄市，050000）
摘要：在智能化大数据等相关技术不断运用的现代新时期，电力企业在对自身的业务拓展等相关工作进行部署和安排的过程中，积极结合智能变电站通信网络的建设需求，对故障诊断和定位方法进行创新，可以在最大程度上明确电力通信网络故障的相关特征和信息表达形式。实际通过故障样本的自动生成，不断对深度学习的理论进行践行，可以在构建深度置信网络通信故障诊断模型的同时，进一步的完善故障处理流程，这对于电力企业的现代化发展以及改革体系的有效构建都具有十分重要的现实支撑作用。
关键词：深度学习；智能变电站；通信网络；故障诊断定位方法
引言：为了更加科学地对智能变电站的通信网络运维效率和质量进行全面的提升，从深度学习理论的角度出发，对智能变电站通信网络故障诊断方法和定位模式进行有效的创新，可以更好地了解通信网络故障的不同状态。通过补充监测节点故障特征信息的了解，进一步的创新通信网络物理连接方式，可以在自动生成故障样本的同时，提升整体的故障解决方法。所以，从这一层面来看，重视智能变电站通信网络故障诊断方法的创新，对于企业的全面健康成长是有着十分重要的支撑作用的。
一、智能变电站通信网络的相关概述
从专业角度来分析，智能变电站通讯网络在构建和完善的过程中，主要是结合智能化设备功能的相关物质载体，对开关状态量、二次设备跳闸命令等相关的信息进行有效的采集。通过变电站以及电网安全运行需求的满足，不断对通信网络运行过程中的各项故障问题和故障表现形式进行明确。比如，具体的表现形式包括端口故障、交换机故障等相关的内容。在对通信网络进行维护的过程中，通过快速而精准的分析，不断了解通信网络中二次系统运行情况，这样可以通过精准定位、快速诊断，构建更加完善的故障分析处理流程和模型。
从目前的发展状况来看，电力企业在对变电站的网络分析仪器等进行使用的过程中，积极创新发展模式，对报文记录分析、网络流量监控等相关的功能进行凸显，可以更好的对通信网络的故障诊断进行全面的辅助。而对于复杂的通信网络来讲，在对具体的模型进行构建的过程中，要充分缩小可以故障范围，通过通信线路交叉定位的方法，对具体的位置进行确定。但还存在着一些问题，比如，变电站通信网络故障判断依据较为单一，不能有效的结合具体的故障特征，对海量的信息进行多维化的处理。在具体对信息内容进行传输的过程中，信息丢失、欺骗等问题频繁发生，大大影响了通讯网络故障诊断方法应用的有效性。所以，结合当前智能变电站的配置描述需求，对深度学习的诊断模式进行优化与完善是非常重要的。
二、通信网络故障特征信息分析
除了上述理论概述之外，在对通信网络故障特征进行把握的过程中，从信息完善的角度出发，对具体内容进行剖析也是非常关键的。
2.1通信网络故障状态冗余监测
要重点把握通讯网络故障状态，用于监测结合信息发送、转发接收等相关的传输信息，对各类转发设备进行有效的优化。当通信网络出现故障情况时，可以根据不同的特征变化，对网络流量分布情况进行科学的布置。根据信息流的特性，对冗余状态进行全面的监测，进而更加科学的识别故障位置。一般来讲，其包含的信息是极为丰富的，重点包括基于信宿的报文接收状态，告警和基于交换机的流量异常告警。根据不同类型报文传输中转媒介的特征，对流量统计功能进行有效的增设，以此为后续故障诊断提供重要的数据分析基础。
2.2冗余监测之下故障特征的信息表征
当电力通信网络出现故障时，要根据不同监测节点的冗余故障特征，对信宿之下的报文接收状态信息以及交换机之下的流量状态信息进行有效的了解。
根据接收状态信息的不同，对网络运行状态进行了解，以此通过告警内容的发送，对交换机监测节点过程中的异常流量情况进行剖析。
三、基于深度学习的通信网络故障诊断建模内容分析
除了上述内容之外，在对智能变电站的通信网络故障特征信息进行了解的过程中，要充分把握信息维度高、信息量较为丰富的重要特点，通过现代化网络诊断方法的应用，不断对整体的模型进行构建和完善，这样可以通过计算机的自主学习，明确故障特征和故障位置，根据非线性映射关系模型的应用，对各类故障事件中的通信网络故障编码进行表示。
首先，要对基于涌现的故障样本自动生成方法进行应用，根据故障诊断模型的自主训练，对训练样本进行自主生成。在构建数据库的同时，利用不同的样本模板，对光纤连接逻辑连接故障特征量等相关指标进行表示。
其次，全面把握基于DBN（深度信念网络，DBN，Deep Belief Nets，神经网络的一种，以下简称DBN）的过程层网络故障诊断模型。利用DBN技术对图像识别等各项需求进行满足。从横向角度来看，可以更好的对高位输入量进行处理，从正常角度考量，可以结合多层结构刻画输入量，提供重要的网络故障样本机。在具体实践的过程中，主要是利用历史故障事件，对数据库进行资源整合，通过设备运行状态的有效采集，生成历史故障数据样本。在这个过程中，还需要利用系统学贝氏定义，全面把握局部相互关系在整体层面中呈现出的具体特性。当然，在对DBN系统进行应用和拓展的过程中，企业可以通过多层隐藏层表征通信网络故障的进一步展现，对诊断分析功能进行实现。通过贪婪无监督学习训练过程的增设，不断对网络信息参数进行预先调整，以更好的通过微调过程的动态化监测，了解最优的目标函数。
四、基于DBN的创新网络故障诊断步骤
在对深度学习之下的智能变电站通信网络故障诊断步骤进行把握的过程中，也要结合具体的定位方法，对电网技术等相关的内容进行全面的优化。根据不同的计算方法，了解局部与整体之间的重要联系，这样可以在明确故障具体发生位置的同时，了解整体的故障诊断框架。
首先，在对故障情况进行诊断的过程中，要重点排除不正确的信息，通过信息总数的检测告警，对历史故障特征信息总数的最小值进行计算。
其次，在上述步骤基础之上，对通信网络故障特征信息进行合理的调取，有效明确故障断面下的故障特征及x的范围。
最后，根据DBN的训练模式，对配置信息拓扑信息报文发布和订阅信息的涌现状态进行了解。结合训练样本，对具体的诊断模型进行套用，以此对网络故障位置进行全面的输出。在得到故障组件信息的同时，可以实时实地的追踪错误，并通过告警信息发送端对各项故障情况进行修正。
当然，除了上述措施之外，在对DBN诊断模型进行搭建的过程中，也要注重网络参数系统的优化，通过不同隐藏层数结果的设置，进一步的强化实际训练时长，以此通过诊断结果的科学分析、科学的优化整体的故障诊断流程。一般要应用多维度的特征信息，综合性的对冗余多为故障特征进行了解。在明确信息不可信下诊断方法容错性的同时，进一步的排除外界恶意篡改等相关影响因素。
结束语：综上所述，在对智能变电站通信网络设备的运行情况进行考量的过程中，积极把握通信网络的不同故障状态，从冗余监测的角度出发，对不同监测节点的故障特征信息进行表现是非常重要的。在这个过程中，相关工作人员还要结合具体的防震空间，全面把握故障实践处理过程中自动故障样本的有效生成，以此结合深度学习训练规则，提升整个电力企业的运行水平。
参考文献：
[1]任博,郑永康,王永福,盛四清,李劲松,张海洋,郑超.基于深度学习的智能变电站二次设备故障定位研究[J/OL].电网技术:1-9[2020-08-09].https://doi.org/10.13335/j.1000-3673.pst.2019.2450.
[2]孙宇嫣,蔡泽祥,郭采珊,马国龙,戴观权.基于深度学习的智能变电站通信网络故障诊断与定位方法[J].电网技术,2019,43(12):4306-4314.
[3]鹿珂. 基于深度学习技术的EMS告警信息分析研究[D].山东大学,2019.