一种光传输设备综合评价与寿命预测算法∗

吴海洋 缪巍巍 李 伟 吕顺利 吴 昊 滕欣元

（1.国网江苏省电力公司 南京 210000）（2.南瑞集团（国网电力科学研究院） 南京 210000）（3.国网青海省电力有限公司信息通信分公司 西宁 810000）（4.长沙理工大学 长沙 410000）

1 引言

电力通信光传输网是电力系统重要的基础设施之一，为业务网提供传输通道，用来确保电力系统的稳定安全运行［1］。光传输设备是光传输网重要组成部分，为了使电力系统能快速响应，光传输设备必须要求其高度的稳定性［2］。对于电力通信运维而言，传输设备使用寿命是未知的，随着设备使用时间增长，设备稳定性变差，因而需要对光传输设备状态进行评价，同时对其使用寿命进行预测，从而为电力通信设备全生命周期管理提供支撑。

设备状态评价与寿命预测主要研究可以分为如下几类:1）基于在线状态监测，以状态监测的维护为背景，应用理论研究、仿真实验和实验研究进行设备寿命预测［3～5］。2）基于隐马尔可夫模型，隐马尔可夫模型作为一种统计分析算法，具有较强的模式分类能力，算法及其改进可以应用在设备退化状态识别中剩余寿命预测［6～9］。3）基于健康指数，提出健康指数作为设备状态的衡量，以状态指数作为设备生命寿命预测的指标值预测寿命［10～11］。4）基于贝叶斯网络，建立了基于动态贝叶斯网络模型的设备剩余寿命预测框架模型［12～13］。5）其他算法，包括基于遗传算法［14］、神经网络［15］、向量机［16］、灰色系统［17］。

就目前研究现状来看，设备综合评价和寿命预测研究存在以下问题:1）指标选取范围较窄，且指标权重需要人工设定或通过模糊综合评价的方法打分获得；2）综合评价的结果和寿命预测没有很好地结合起来。

本文首先提出光传输设备指标体系，根据模糊综合评价方法得出设备健康度，将其归一化后应用神经网络算法建立寿命预测模型。实验结果表明，本文的光传输设备综合评价与寿命预测方法可以很好地应用于实践之中。

2 光传输设备指标体系

通信设备寿命因素从本身可以分为运维信息和设备属性。运维信息主要指电力通信设备在使用过程中的运维状态，包括告警和故障信息。设备属性主要指的是通信设备的投运时长和型号等信息。电力通信设备综合评价与寿命预测研究的关键就在于制定一套实用、完整的测度指标，并应用这些指标对电力通信设备进行评估。本文从运维信息和设备属性两个方面，分析电力通信设备使用寿命的影响因素，构建相应的评价指标体系。

表1 风险度评价表

表1是设备风险度评价表。每一个设备运维指标表征设备运行的风险，指标越大风险值r 越大。对其中一个设备D而言，其风险值可以量化为式（1）。

因设备的健康度与风险值成反比，假定设备健康度h 可以表示为风险值r的倒数。为了使健康度有意义，将值归一化到0～1之间，越接近1代表设备状态越好，越接近0 代表设备状态越差，如表2 所示，寿命预测指标表。

表2 寿命预测指标表

3 光传输设备综合评价与寿命预测方法

3.1 模糊层次分析法

模糊层次分析法（FuzzyAHP）是AHP 在模糊条件下的扩展，其核心是用三角模糊数表示比较判断的方法构造判断矩阵，从而可以克服评价方法中人的主观判断、选择、偏好对结果产生的影响，使得决策可以更加合理。

1）模糊判断矩阵的建立

矩阵A( aij)n×n，若满足:0 ≤aij≤1(i=1,2,…,n)，则A 是模糊矩阵。若满足:

aij+aji=1(i =1,2,…,n;j=1,2,…,n )，则 A是模糊互补矩阵。当i=j 时，aij=aji=0.5。

与AHP 的判断矩阵相同，为了得到相对重要性的定量判断，我们需要对任意两个指标进行比较。在模糊互补判断矩阵中是以“0.1～0.9 五标度法”进行两两指标重要性判断的。“0.1～0.9 五标度法”如表3。

表3 0.1～0.9标度法及其意义

2）模糊互补矩阵的权重计算

本文选用徐泽水（2001）［2］推导的一种计算公式，如下:

进一步计算，如果 A 是模糊互补矩阵，ω=(ω1,ω2,…,ωn)是 A 的排序向量，则 w=( ωij)n×n为 A 的权重矩阵。其中，ωij=ωi+ωj+0.5,i=1,2,…,n; j=1,2,…,n。

3）模糊层次分析法的层次总排序

层次总排序权重值w 的计算公式如下:

其中，wj表示层次总排序权重值w 中的第 j 个元素，wi表示第i 个准则对于目标的权重，wij表示第j 个指标对第i 个准则的权重。

3.2 BP神经网络算法

BP 算法的步骤如下:输入训练样本，包括样本输入 X 和期望输出Y 。两层权值分别为vij和vjk，隐含层规定的阈值a，输出层规定的阈值b。输入层的神经元数n，输出层节点数m，确定隐含层节点数，通常根据如下公式取得或根据经验和实验确定。 l= m+n +d,1 ≤d ≤10 其中，i=1,2,…,n,j=1,2,…,l,k=1,2,…,m。

1）网络初始化。为连接权值vij、vjk及阀值a、b 赋予[-1,+1]区vjk间的随机值。

2）隐含层和输出层输出计算。连接各层的权值和阈值，由输入层输入信号计算隐含层Hj，再由隐 含 层 计 算 输 出 层

3）误差计算及权值、阈值的调整。根据预测输出Ok和期望输出Y 计算预测误差ek，并不断调整初始设定的权值和阈值。

4 光传输设备综合评价与寿命预测应用

4.1 数据来源

本文使用来自江苏电力系统从2016 年1 月1日至2017 年3 月1 日光传输设备数据与运维数据，在此数据上选择指标体系中各指标考虑光传输设备综合评价与寿命预测研究。

4.2 实验应用

本文首先通过模糊综合评价法对运维数据各指标进行标度评价，得到评价表格后，利用第三节中计算方法计算并取均值得到各个指标的权重值。根据指标权重计算风险值r，从而计算归一化后的健康度h。

已知设备的型号、投运时长和设备的健康度，本文要建立基于神经网络的光设备寿命预测模型，其中设备型号、投运时长为输入变量，设备健康度为输出变量。如图1 所示，对所有光传输设备进行健康度预测，健康度预测结果与真实值接近，经过全局计算结果准确度为90.5%，可以很好地满足光传输设备生命周期管理。

图1 光传输设备健康度预测折线图

下面选取一个具有代表性的光传输设备，型号为OptiX OSN 3500，通过上文综合评价法计算其健康度，再利用BP 神经网络模型预测其健康度的变化趋势，最后得到该设备随工作年限变化趋势图（横坐标为年份、纵坐标为健康度）。

图2 光传输设备健康度变化趋势图

由图2 可以看出，该型号设备的健康度随着工作年限变化趋势，对于不同设备而言，通过健康度的表征可以形象地展示出其生命周期状态。

5 结语

本文基于光传输设备的指标体系，提出了风险度和健康度的概念，建立综合评价模型和寿命预测模型，最后使用真实的运维数据验证了模型的准确性和可用性，实现了光传输设备生命周期管理的目标，为电力通信运维提供了管理模型支撑。