電力綜合數據網運行態(tài)勢評估與預測方法研究.pdf

1、態(tài)勢感知可以細分為態(tài)勢評估及態(tài)勢預測，是網絡的結構配置情況，網絡資源的使用情況，網絡運行情況以及業(yè)務因素綜合呈現出的網絡整體狀態(tài)以及可能的發(fā)展趨勢。通過評估當前網絡態(tài)勢以及預測網絡未來運行趨勢，可以為網絡管理員提供深入理解網絡及用戶行為的途徑。電力綜合數據網，是電網信息化的支撐網絡，承擔電網企業(yè)內部高速數據、話音以及多媒體等業(yè)務傳輸，呈現網絡規(guī)模龐大，網絡拓撲復雜、業(yè)務種類繁多、網絡協(xié)議豐富的特點。為了保證電力綜合數據網的正常高效運行，

2、準確把握網絡運行態(tài)勢的現狀及發(fā)展趨勢是網絡管理員關心的重中之重，因此建立針對電力綜合數據網的運行態(tài)勢評估與預測系統(tǒng)是一種行之有效的手段。
　　本文針對電力綜合數據網，通過采集骨干網絡的 SNMP協(xié)議信息，提取網絡運行態(tài)勢因子，對態(tài)勢因子進行分類評估及時間序列預測，以達到評估整個網絡當前運行態(tài)勢及預測未來運行態(tài)勢的目的。本文的具體工作如下：
　　1.研究網絡態(tài)勢感知系統(tǒng)模型，提出一種基于骨干路由器運行狀態(tài)的態(tài)勢評估與預測模型，

3、以骨干路由器 SNMP協(xié)議信息為數據來源，建立態(tài)勢因子指標體系，并實現了電力綜合數據網運行態(tài)勢評估與預測系統(tǒng)功能模塊。
　　2.研究態(tài)勢評估方法，針對電力綜合數據網骨干網提出一種基于 K-means聚類預標簽及支持向量機的態(tài)勢評估方法，利用結合人工經驗的 K-means聚類為態(tài)勢因子加上狀態(tài)標簽，解決了利用有監(jiān)督分類評估時，大量態(tài)勢因子樣本無標簽的問題。
　　3.研究態(tài)勢預測方法，針對時間序列預測的缺點，提出一種基于累加誤差

4、修正及支持向量機的態(tài)勢預測方法，同步對態(tài)勢因子及預測誤差值通過累加處理后進行預測，利用誤差預測值對態(tài)勢因子初步預測值進行誤差修正，減少了支持向量機回歸預測滯后性及樣本突變波動產生的誤差，提高了預測準確度。
　　本文在現有態(tài)勢感知研究基礎上，針對電力綜合數據網提出了一套運行態(tài)勢評估與預測模型，在評估與預測的過程中分別使用本文提出的基于 K-means聚類預標簽及支持向量機的態(tài)勢評估方法及基于累加誤差修正及支持向量機的態(tài)勢預測方法，經