针对电力通信网网络的可靠性问题,提出流量监控以及流量预测分析技术。为了反映电力通信网的现状,研究了电力通信网的信息采集、表示和业务流程分析预测技术,设计的平台可以
4006-054-001 立即咨询发布时间:2022-10-05 21:42 热度:
针对电力通信网网络的可靠性问题,提出流量监控以及流量预测分析技术。为了反映电力通信网的现状,研究了电力通信网的信息采集、表示和业务流程分析预测技术,设计的平台可以实现电力通信网的流量监控以及流量预测分析。
关键词:电力通信网;流量监控;流量预测
电力工业通信网为电力生产经营提供了传输和数据通道。根据业务属性的分类可以大致分为两大类:生产和管理。随着太阳能、风能、生物质能、潮汐能等新能源的迅速发展。分布式能源供应系统是[1]未来的发展趋势。分布式电源系统中存在着许多分散的分布式电源,且多种类趋向于一种以上。有了储能装置和功率的负载平衡装置,结构会变得相当复杂。这将需要信息中心智能电网和能源互联网[2]的发展。为了反映电力通信网的现状,本课题研究了电力通信网的信息采集、表示和业务流程分析预测技术[3]。主要解决电力通信网络中的三个问题:(1)网络运行状态不可知。包括网络中有多少应用;哪个应用程序消耗了最多的带宽资源。(2)网络无法有效控制。(3)网络瓶颈问题得不到有效解决。
1电力通信网现状分析
近年来,随着电网的不断发展,作为电网管理、运行和控制信息的电力通信网发展迅速。由于电力通信网络的建设主要是按照系统的规划阶段,施工阶段,并不认为是网络本身的特性和优化设计,和不同的投资主体,在一定程度上影响整个电力通信网络的性能,重复建设,设备落后的兼容性和风险分散点隐藏,网络不能充分发挥作用。为了进一步提高通信网络的可靠性和业务承载能力,电力通信网络风险分析评估工作是必要的,通过评估,及时发现和预警网络风险点,从而实现网络资源的优化配置,并进一步提高安全性、可靠性和网络的传输效率。目前电力通信网的现状可以概括为:(1)网络运行的状态未知。包括:不了解网络上主要有哪些应用程序在运行;不知道有多少应用程序正在运行,哪个应用程序消耗了最多的带宽资源;没有网络运行历史数据,也无法预测趋势。(2)网络无法有效控制。包括:P2P和流媒体应用消耗带宽资源,但无法有效控制;关键业务不能保证;关键用户的网络质量得不到有效保障。(3)网络瓶颈问题得不到有效解决。局域网规模越来越大,访问速度越来越快。但是广域网的速度并不随局域网的增加而增加。在广域网中,用户、应用和带宽三个方面的矛盾并不能完全解决。在网络流量的早期研究中,流量建模主要是基于泊松分布和马尔可夫过程,使用公共交换电话网络(PSTN)流模式和泊松模型来描述流量数据。随着网络技术的发展和网络业务的增长,利兰发现自相似特征广泛存在于每个网络流量中。由于网络自相似特性的影响是非常巨大的,因此得到了研究人员的重视,建立了各种自相似模型来描述和仿真流量特性,如分形布朗运动模型、多重分形小波模型等。
2电力通信网流量监控实现
平台使用的关键技术是大数据分析技术、数据挖掘技术、基于业务流程分析策略的引擎技术、流量预测和预警机制。系统的技术创新点有:数据挖掘技术分析、业务流程预测技术等。该平台可以通过深度数据挖掘,预测出一个阶段的数据流与未来趋势。
2.1实际网络流量特点分析
通过观察和分析,发现实际流量具有以下几个重要特征:(1)突发性(也称峰值),业务流量在小时间尺度上表现最为明显。(2)长关联长依赖,随着时间的推移,不同时间尺度下的业务流序列具有相同的统计特性,即理论具有统计特性。(3)周期性,又称季节性,长时间的流动序列也反映周期性变化。(4)混沌的,看似没有规律的类似随机现象。
2.2为了进行业务可视化分析和流量预测,首先进行网络业务流分析。研究的重点是:
(1)网络节点端口流量分析。即对网络节点设备端口流入和流出数据包的信息进行统计。它包括包的数量、字节的数量、包的大小分布和包丢失的数量等大量的统计信息。通过对端口流量网络节点的分析,可以了解网络的基本状态。(2)端到端的IP流量分析。在网络层中从一个源到一个目的IP包的统计信息。通过对它的分析,我们可以理解用户访问网络的目的,这是网络分析、规划、设计和优化的重要依据。(3)业务层流程分析。对传输层端口信息的分析,以及类型信息的应用服务,利用这些信息可以做更详细的分析。(4)全面分析用户业务数据流,提高网络安全性。
2.3流量监控实现
设计了基于多模流量采集的流量测量方法。根据监控网络的特点,可以灵活地改变流量采集方式,支持包级、NetFlow、sFlow等多种流量数据格式的采集。该系统采用采集流量测量方法,能够高效、准确地采集网络流量,分析网络特性,掌握网络运行状态。利用数据挖掘技术,设计了基于P2P网络流量特征的流量识别方案。通过实时流量属性特征计算系统,计算了不同流量和基于数据包分析的统计特性。利用多个属性的特征值,选择有效检测P2P流量的方法,并应用基于流属性选择的数据挖掘算法进行验证。
3电力通信网流量预测分析
根据上述特点对流量预测进行研究,得到可靠、有效的数据、统计和模型分析。稳态流动模型分为两类:短期依赖和长期依赖。短依赖模型包括马尔可夫过程和自回归模型(AR)、自回归移动平均(ARMA)模型、自回归综合移动平均(ARIMA)模型等。长期依赖模型包括分形自回归移动平均模型(F-ARIMA)和分形布朗运动模型(FBM)等。基于流量突发特征,长距离相关,周期性和混沌性,通过对电力通信网络中各种业务流程数据进行统计分析,得出各种业务的特点。根据各种复杂的业务场景,利用马尔科夫过程、ARMA模型、F-ARIMA模型、FBM模型等方法,建立了电力通信服务系统的流量评价模型。建立并实现了业务流程需求、带宽需求、QoS需求、生存性指标建模、电力通信网络流量预测模型。对现有业务的短期和长期依赖关系、业务稳定性进行评估,以达到可接受的算法复杂度。仿真和实际软件系统平台验证了该方法的有效性。摘要基于自相似流量数据,区分流量数据的具体业务类型,结合不同的情景,采用智能预测模型和组合预测方法,建立了一种灵活的流量预测模型。现有的网络流量管理平台仅涉及历史数据的可视化。数据为实时数据,未来无预测,不涉及网络的预测功能。通过项目的实施,可以实现数据的可视化,并通过对数据的深度挖掘,预测出一个阶段的数据流的未来趋势。左图是流量预测实例。从图中可以看出网络流的特征。第一个是流量突发特征。在23:00-7:00,突然产生一个数据流。第二个图可以显示出短期的相关性。流动趋势在短时间内相同,但在较长时间间隔内发生变化。在0:00和12:00时,没有连续的趋势,发生了破断。
4结论
通过对电力通信网网络特点以及流量特性的分析,利用大数据分析技术实现了电力通信网的流量监控以及流量预测。系统平台是软件部分,是为了显示电力通信网络的状态而设计的,同时也讨论了信息采集、表示和业务流程分析预测技术。
参考文献
[1]闫飞龙.试论电力通信网运维的信息化与电子化[J].中国新技术新产品,2018(15):35-36.
[2]胡诗玮.电力通信网运维的信息化与电子化[J].中外企业家,2019(35):196.
[3]林洁.电力数据通信网流量和业务系统状态监控系统建设方案[J].自动化应用,2016(1):58-60.
作者:吕洪波 樊家树 马旭东 单