预览加载中,请您耐心等待几秒...
1/6
2/6
3/6
4/6
5/6
6/6

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105933157A(43)申请公布日2016.09.07(21)申请号201610380897.4(22)申请日2016.06.01(71)申请人国网辽宁省电力有限公司葫芦岛供电公司地址125000辽宁省葫芦岛市龙港区新区南大街1号申请人国家电网公司(72)发明人姜楠孟凡博赵宏昊刘博王磊(74)专利代理机构葫芦岛天开专利商标代理事务所(特殊普通合伙)21230代理人魏勇(51)Int.Cl.H04L12/24(2006.01)H04L12/26(2006.01)权利要求书1页说明书3页附图1页(54)发明名称一种电力数据通信网络故障检测方法(57)摘要本发明提出的是一种电力数据通信网络故障检测方法。检测启动后初始化阈值开始出网络流量值信号,并经过小波变换得到序列,然后通过经验模式分解算法得到固有模式函数组件,得普峭值,普峭度值大于阈值,得异常网络业务,执行完所有的小包组件,完成后保存退出,结束。采用本发明的技术方案能够检测电力网络故障,具有检测快速,准确,易于判断的优点。适宜作为电力网络故障的方法应用。CN105933157ACN105933157A权利要求书1/1页1.一种电力数据通信网络故障检测方法,其特征是:在检测装置上依次装有开始键(1),初始化阈值开始出网络流量值信号模块(2),小波变换得到序列模块(3),通过经验模式分解算法得到固有模式函数组件模块(4),得普峭值模块(5),普峭度值大于阈值模块(6),待异常网络业务模块(7),执行完所有的小包组件模块(8),保存退出模块(9)和结束键(10);检测启动后初始化阈值开始出网络流量值信号,并经过小波变换得到序列,然后通过经验模式分解算法得到固有模式函数组件,得普峭值,普峭度值大于阈值,得异常网络业务,执行完所有的小包组件,完成后保存退出,结束;具体步骤:步骤一:初始化阈值和,并给出网络流量信号;步骤二:进行小波包变换,获得序列,其中;步骤三:对每一个,用提出的改进的经验模式分解算法进行分解,然后为得到固有模式函数组件,其中,,;步骤四:计算每个固有模态函数分量的普峭度值,得到其普峭度值;步骤五:如果,选择相应的固有模态函数分量,并得到所选的固有模态函数分量集;步骤六:计算出时域的信号;步骤七:如果成立,中相应的部分被标记为异常网络业务;步骤八:根据上述步骤,如果执行所有的小波包组件,则将结果保存到文件并退出,否则返回到步骤。2CN105933157A说明书1/3页一种电力数据通信网络故障检测方法技术领域[0001]本发明属于通信网络领域,特别是涉及一种电力数据通信网络故障检测方法。背景技术[0002]随着无线通信的发展,各种电子设备的广泛应用产生了巨大的网络流量,如何发现异常网络业务对于正常应用电子设备是非常重要的。因此,快速检测网络中的业务异常,估计异常业务的原因,并迅速采取正确的对策是网络管理和网络运营的重要前提。[0003]对业务异常进行精确检测是一个挑战。正确的确定网络业务是非常困难的,因为它包含了许多固有的属性,网络业务更大的变化往往导致网络的故障和拥塞的。流量估计有助于捕捉和提取网络流量特性,网络流量异常揭示了在通信网络中出现的异常或恶意行为,发现网络流量异常是为了有效地检测和诊断这些损害网络的异常或恶意行为。异常流量往往比正常背景的网络流量具有更小的体积,并浸入了巨大的背景流量。因此,这使得它非常隐藏以致于很难发现,此外,一些异常流量也具有突发特性和分布特性。上述特点增加了检测异常网络流量的困难。[0004]网络业务异常检测方法,即联合小波包变换和基于异常业务识别的经验模式分解和普峭度分析方法。首先,对于传统的经验模式分解,我们提出了一种改进的经验模式分解过程来提取网络业务中隐藏的特性。其次,由于经验模式分解的模式混淆,采用小波包变换将网络业务划分成一系列的窄带信号。通过执行此前处理过程,我们可以很容易地获得大量的连续的子信号(即窄带信号),其持有明显的随时间变化的网络流量的本地特征。因此,这有助于克服经验模型分解的局限性。再次,利用经验模态分解方法将这些窄带信号分解为不同尺度下的固有模态函数,分别在时域和时频域。然后我们计算的固有模态函数的普峭度值在这些不同的尺度将经验模式分解的虚假成分。其结果是,在时间-频率域,我们可以得到很多的新的时间-频率信号,其强调异常网络流量的隐藏的性质,而在时域,得到一系列的时间分信号。根据经验模式分解和小波包变换,我们进行了重建的时间和时间频率信号,以获得一系列新的时间信号。然后,基于新的时间信号,我们进行联合特征提取、识别可疑的网络流量,并做出准确的异常检测。[0005]网络业务异常识别方法应该结合小波包变换和经验模式分解。这是由于网络业务