基于大數據的通信系統故障定位方法

王 偉

（河南工業貿易職業學院 信息工程系，河南 鄭州 451191）

0 引 言

通信系統用于完成信息傳輸，通常借助電磁波在自由的立體空間中通過傳播或導引媒體傳輸信息。在通信系統發生故障時，傳統方法是通過人工巡檢各個系統的內部結構，以目測的方法找出故障發生的具體位置[1]。人工目測的方式不僅會消耗大量的人力和時間，帶來物力和財力的額外支出，而且已經完全無法適應現代化的通信系統需要[2]。基于此，本文結合現代化的大數據技術開展對通信系統故障定位方法的設計研究。

1 通信系統故障定位方法設計

1.1 通信系統輸入數據源的選取與處理

在定位通信系統故障位置前，本文將通信系統中的通信網管子系統、OMS ERP管理子系統以及通信資源管理子系統作為通信系統的原始數據源。在通信網管子系統實時發送的告警信息中，找出與繼電保護通信告警信號相關的信息進行匹配，從而對故障點所在保護裝置內的通信系統進行初級階段的判斷[3]。通信系統故障發生時，多向通信通道會發出相應的告警信號，此時羅列OMS ERP管理子系統中的告警信息，并與通信告警信號信息一一對應。在分析通信系統中的故障路徑后，可更加準確地識別出故障問題發生的具體區域。

在選取通信系統輸入數據源后，通信系統的各個子系統的數據源還需要進行結構化處理。不同的數據信息類型在設置相應的數據庫時應當進行統一的存儲和管理，再將多項數據進行統一建模[4]。對于數據源的結構化處理，需要按照存放數據信息的規則將其進行統一放置，然后針對當前數據源中的非結構化數據解析其原始文件，并提取原始信息展開后續的存儲工作[5]。

根據通信系統各個子系統的數據源數據類型，按照不同的故障主體進行統一的定位和組織，實現維度表和事實表的設置，從而完成對通信系統輸入數據源的結構化處理。

1.2 通信系統故障區域判斷

完成對通信系統輸入數據源的選取和對數據源中數據進行結構化處理后，如果多條保護通信系統的傳輸通道同時發出告警信號，則利用系統中告警信號通道對應的名稱調出OMS ERP管理子系統中對應通信通道的具體路由走向形成路由連接拓撲結構，并利用大數據分析技術進行分析。當通信系統發生故障問題時，處于故障中的設備會與該傳輸鏈路上與之相關的信息一同發出通信告警信號，因此對應通信設備中路由連接拓撲結構最多的交匯點即為故障設備的具體發生位置，由拓撲結構中的多條鏈路圍繞形成的區域即為通信系統出現故障問題的區域。在實際應用中，通信系統故障可能在路由連接拓撲結構的一個站點或一條線路上，所有連接線段表示為能夠實時發出告警信號的通信保護通道，箭頭指向方向為不同通信保護通道的路由走向。通信系統中若干個通信保護通道的部分路由走向如圖1所示。

圖1 通信系統中通信保護通道的部分路由走向圖

圖1中，線路LAF、線路LBG以及線路LCH均為通信路由走向，其中線路LBG和線路LCH的通信保護通道均配備直達的路由和迂回的路由兩種走向。線路LBG的直達路由路徑為B→G，迂回路由路徑為B→E→G和B→D→G；線路LCH的直達路由路徑為C→H，迂回路由路徑為C→E→H。

將各條線路保護通道直達路由設置為保護通道A，將迂回路由設置為保護通道B。當線路LBG的保護通道A和線路LCH的保護通道B同時發出告警信號時，告警信號在傳輸通道的最多交匯位置出現通信系統故障問題的概率最大。

1.3 基于大數據的通信系統故障點動態實時監控

結合大數據中的改進貝葉斯算法定位通信系統保護通信故障時，先從通信系統的網管子系統中提取歷史信息進行數據清洗處理。數據清洗處理完成后，糾正出現錯誤的數據并將其直接用于數據分析處理的優質數據樣本資源。通過對數據樣本進行大數據挖掘處理，分析每種可能存在的故障問題的發生概率以及發生故障問題時對應的告警信號。

計算每個故障貝葉斯的疑似度，并輸出最大概率的疑似故障。發生概率是疑似故障的發生次數與總共統計的故障次數之間的比值。根據上述論述，得出疑似故障的發生概率為：

式中，C(pi)為通信系統疑似故障的發生概率，pi為通信系統疑似故障，k(pi)為通信系統疑似故障的發生次數，k(p)為總共統計得出的通信系統傳輸通道故障次數。

完成對通信系統疑似故障的發生概率計算后，還要將通信系統網管子系統中的告警信號按照時間順序進行排列，并生成由所有故障問題組成的原始告警信號集合。在原始告警信號集合中，按照告警信號中的數據信息依次搜索，最終將搜索出的頻繁程度的告警信息組成告警信息集合。根據上述兩個步驟計算各類數據信息，從而得出故障的定位結果。

2 實驗論證分析

2.1 實驗準備

將某調控中心接收到的400 kV通信線路告警信息作為實驗對象，根據企業實際運維經驗，設置告警事件的時間間隔為5 min，根據通信系統數據維度獲取數據庫中有關告警信息維度的所有數據信息定位通信系統故障。本次實驗在MATLAB軟件平臺上進行，提出的定位方法與傳統定位方法均采用相同的網絡環境和設備參數：實驗平臺的系統內存為IntelCore6-280 64 GB，操作系統為Windows2020.VS2018CPU，內置X2500中央處理器。試驗進行時，先向通信系統添加2 000個正常節點，再添加500個故障節點，后將通信系統故障告警信號的提取頻率設置為156.57 kHz。兩種定位方法采集到的故障告警信號采樣頻率幅度如圖2所示。

2.2 實驗結果與分析

按照上述實驗環境，通過本文故障定位方法與傳統故障定位方法完成對500個故障節點的定位，從而對比兩種故障定位方法在實際應用中的性能。具體的，將本文提出的基于大數據的通信系統故障定位方法設置為實驗組，將傳統故障定位方法設置為對照組，兩組實驗方法對500個故障節點的定位結果對比如表1所示。

圖2 兩種定位方法故障告警信號采樣頻率幅度圖

表1 兩組實驗方法對500個故障節點定位結果對比表

從表1可以看出，本文設計的通信系統故障定位方法能夠高精度定位實驗對象中500個存在故障問題的節點，而傳統定位方法無法找出存在故障問題的全部故障節點，且故障定位正確個數與實驗組相比較低。實驗證明，本文提出的基于大數據的通信系統故障定位方法具有更高的定位精度，能夠有效保障通信系統的穩定運行。

3 結 論

長期以來，通信系統的故障定位都難以解決，且通信系統一旦出現故障將會威脅整個工廠或企業的穩定運轉。通過設計研究基于大數據的通信系統故障定位方法，利用先進的大數據分析技術實時監控故障點，一定程度上解決了通信系統故障定位中存在的技術難題，有效提高了故障定位的可靠性和時效性。