CN114698048B 一种基于机器学习的电力通信关键业务路由配置方法 （国网山西省电力公司信息通信分公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114698048B(45)授权公告日2025.07.08

(21)申请号202210324497.7

(22)申请日2022.03.29

(65)同一申请的已公布的文献号申请公布号CN114698048A

(43)申请公布日2022.07.01

(73)专利权人国网山西省电力公司信息通信分

公司

地址030000山西省太原市晋源区谐园路3

号8-14层

(72)发明人王慧芳张建亮张丽霞王美丽

(74)专利代理机构北京国仁创欣专利代理事务

HO4W28/08(2023.01)

HO4W4/35(2018.01)

G06Q50/06(2024.01)

GO6N3/0464(2023.01)

GO6N3/08(2023.01)

(56)对比文件

CN111935008A,2020.11.13审查员叶鼎晟

所(特殊普通合伙)31310专利代理师周兴伟

(51)Int.CI.

HO4W40/02(2009.01)权利要求书3页说明书8页附图3页

(54)发明名称

一种基于机器学习的电力通信关键业务路由配置方法

(57)摘要

CN114668048B本发明公开了一种基于机器学习的电力通信关键业务路由配置方法，其内容包括：根据电力通信骨干传输网拓扑、业务承载和光缆参数，建立链路状态矩阵；利用最短路径算法并结合业务路由配置历史数据产生数据集，为机器学习算法提供训练和测试条件；设计深度神经网络的结构，针对电力通信骨干传输网的每个节点分别训练机器学习模型；给定关键业务路由配置请求，利用机器学习模型，计算当前节点及其相邻节点的路径特征向量，选择最佳相邻节点作为下一跳节点。从源节点开始逐点循环执行上述过程，直到目的节点为止。本发明有助于电力通信关键业务路由的综合优化配置，提高业务可靠性，实现电力光缆业务的负载均衡，降低电力通信业务的运行

CN114668048B

根据电力通信骨干传输网拓扑、

根据电力通信骨干传输网拓扑、业务承载和光缆参数，

建立链路状态矩阵

利用最短路径算法并结合业务路由配置历史数据产生数据集，

为机器学习算法提供训练和测试条件

根据业务路由配置功能需求，设计深度神经网络架构，

在所产生的数据集基础上，

针对电力通信骨干传输网的每个节点，分别训练机器学习模型，并进行测试

给定关键业务路由配置请求，

利用机器学习模型计算当前节点及其相邻节点的路径特征向量

选择最佳相邻节点作为下一跳节点，

从源节点开始逐点循环执行上述过程，直到目的节点为止

S1

S2

S3

CN114698048B权利要求书1/3页

2

1.一种基于机器学习的电力通信关键业务路由配置方法，其特征在于，包括以下步骤：

S1:根据电力通信骨干传输网拓扑、业务承载和光缆参数，建立链路状态矩阵；

S2:利用最短路径算法并结合业务路由配置历史数据产生数据集，为机器学习算法提供训练和测试条件；

S3:根据业务路由配置功能需求，设计深度神经网络架构，在所产生的数据集基础上，针对电力通信骨干传输网的每个节点，分别训练机器学习模型，并进行测试；

S4:给定关键业务路由配置请求，利用机器学习模型计算当前节点及其相邻节点的路

径特征向量，包括：

节点路径特征向量包含3个元素，分别是当前节点到目的节点可靠性最高路径距离u、节点到目的节点负载均衡最佳路径距离b和节点到目的节点跳数最少路径距离h,表达形式为

P=[u,bk,bJ

其中，P表示第k个节点的路径特征向量；u、b和h分别表示该节点到目的节点的可靠性最高路径距离、负载均衡最佳路径距离和跳数最少路径距离的预测值，u和b通过第k个节点训练好的深度神经网络模型计算得到，h利用最短路径算法得到；

设当前节点为v?,其相邻节点分别为v?、v3、v?和v?,那么,利用每个节点的深度神经网络模型和最短路径算法可以计算得到当前节点及其相邻节点的5个路径特征向量；

S5:选择最佳