[1]原 军,张 凯,药 炜,等.基于机器学习的分组交换电力光网络流量异常检测[J].机械与电子,2021,(09):47-50.
　YUAN Jun,ZHANG Kai,YAO Wei,et al.Anomaly Detection of Packet Switching Power Optical Network[J].Machinery & Electronics,2021,(09):47-50.
点击复制

基于机器学习的分组交换电力光网络流量异常检测()
分享到：

机械与电子[ISSN:1001-2257/CN:52-1052/TH]

卷:
期数:
2021年09期
页码:
47-50
栏目:
自动控制与检测
出版日期:
2021-09-24

文章信息/Info

Title:
Anomaly Detection of Packet Switching Power Optical Network
文章编号:
１００１-２２５７ ( ２０２１ ) ０９-００４７-０４
作者:
原 军; 张 凯; 药 炜; 张 源
国网山西省电力公司太原供电公司,山西 太原 ０３００１２
Author(s):
YUAN Jun ;  ZHANG Kai ;  YAO Wei ;  ZHANG Yuan
( Taiyuan Power Supply Company ,State Grid Shanxi Electric Power Company , Taiyuan ０３００１２ , China )
关键词:
机器学习; 电力通信网络; 流量异常; 分组交换光网络
Keywords:
machine learning ;  power communication network ;  abnormal traffic ;  packet-switched optical network
分类号:
TM７３ ; TP１８１
文献标志码:
A
摘要:
流量异常检测能够提示和发现电力系统和电力通信的可靠性隐患.为此,对分组交换电力光网络的流量异常检测进行了分析.根据电力通信网络业务分析了电力分组交换网络的结构和特点.针对电力通信网络的特殊性进行了说明,说明了网络流量特征以及数据特征挖掘的流程.分析了现阶段流量异常检测方法,提出了优先级调度算法对网络流量异常情况进行检测,利用仿真分析说明了所提方法在丢包率、平均时延指标方面的优势.
Abstract:
Flow abnormality detection can prompt and discover hidden dangers in the reliability of power systems and power communications．The traffic anomaly detection of the packet-switched power optical network is analyzed．First , the structure and characteristics of the power packet switching network are analyzed．The particularity of the electric power communication network is explained．The network traffic characteristics and the process of data feature mining are explained．The current flow anomaly detection method is analyzed , and a priority scheduling algorithm to detect network flow anomalies is proposed．

参考文献/References:

[１] 杨挺,侯昱丞,赵黎媛,等 ． 基于时 频域混合特征的变电站通信网异常流量检测方法[ J ] ． 电力系统自动化,２０２０ , ４４ ( １６ ): ７９-８６．

[２] 马宗梅,张睿萍 ． 大数据背景的光纤通信流量异常辨识研究[ J ] ． 激光杂志, ２０１９ , ４０ ( ７ ): ７５-７８．
[３] 胡旭光,马大中,孙秋野,等 ． 基于随机矩阵谱偏离度的微网状态感知方法研究[ J ] ． 中国电机工程学报, ２０１９ ,３９ ( ２１ ): ６２３８-６２４７．
[４] 张天 ． 基于隐蔽异常流量的网络通信传输安全检测[ J ] ．信息与电脑,２０１９ , ３１ ( ２４ ): 1３９-１４０．
[５] 王小文 ． 基于特征库识别法的移动通信网络异常流量监测系统[ J ] ． 长春师范大学学报, ２０１９ , ３８ ( ８ ): ３０-３５．
[６] 郑浩楠 ． 基于 OCSVM 的配电通信网流量异常检测研究[ J ] ． 信息通信, ２０１８ ( １０ ): ９７-９８．
[７] 吴凯,李辉 ． 基于机器学习的网损计量分析[ J ] ． 科技创新与应用,２０２１ ( ５ ): ７０-７１ , ７４．
[８] 窦一民 ． 机器学习在输电系统监控图像中的应用研究[ D ] ． 济南:济南大学,２０２０．
[９] 汤踊,韩军,魏文力,等 ． 深度学习在输电线路中部件识别与缺陷检测的研究[ J ] ． 电子测量技术, ２０１８ , ４１ ( ６ ):６０-６５．
[１０] 王慧芳,张晨宇 ． 采用极限梯度提升算法的电力系统电压稳定 裕 度 预 测 [ J ] ． 浙 江 大 学 学 报 (工 学 版),２０２０ , ５４ ( ３ ): ６０６-６１３．
[１１] 陈霍兴,张俊,海龙 ． 基于机器学习的输电线路故障统计与分析[ J ] ． 科技资讯, ２０１８ , １６ ( ３４ ): ５６-５７．
[１２] 岳欣 ． 基于 Mahout 分类器的异常流量检测技术的研究[ D ] ． 天津:天津理工大学,２０１７．
[１３] 吴修权,钟其柱 ． 基于监督学习的 VoLTE 视频通话感知评估方法[ J ] ． 移动通信, ２０１９ , ４３ ( ８ ): ４５-５０．
[１４] 肖枝洪,于浩,王一超 ． 基于动态离差平方和准则的无监督机器学习[ J ] ． 重庆理工大学学报(自然科学版),２０１８ , ３２ ( １１ ): １３４-１３９ , １８６．

相似文献/References:

[1]李鸿奎,程昭龙,周 蕾,等.智能变电站设备管控大数据分析系统研究[J].机械与电子,2020,(10):72.
　LI Hongkui,CHENG Zhaolong,ZHOU Lei,et al.Big Data Analysis System of Intelligent Substation Equipment Management and Control[J].Machinery & Electronics,2020,(09):72.
[2]周岳斌,杨 沫,曹煜晖.无线视频监控系统人脸跟踪功能的实现[J].机械与电子,2021,(06):35.
　ZHOU Yuebin,YANG Mo,CAO Yuhui.Realization of Face Tracking Function in Wireless Video Surveillance System[J].Machinery & Electronics,2021,(09):35.
[3]刘 哲,闫佳文,陈长金,等.电力线图像检测方法研究[J].机械与电子,2022,(03):54.
　LIU Zhe,YAN Jiawen,CHEN Changjin,et al.Research on Power Line Image Detection Method[J].Machinery & Electronics,2022,(09):54.
[4]辛 阔,何 越,孙雁斌,等.面向综合能源的能源互联网通信系统设计[J].机械与电子,2022,(08):33.
　XIN Kuo,HE Yue,SUN Yanbin,et al.Design of Energy Internet Communication System Oriented to Integrated Energy[J].Machinery & Electronics,2022,(09):33.
[5]范子铭,田富君,胡子翔,等.基于机器学习的回流焊焊点形貌预测[J].机械与电子,2023,41(01):53.
　FAN Ziming,TIAN Fujun,HU Zixiang,et al.Topography Prediction of Reflow Solder Joints Based on Machine Learning[J].Machinery & Electronics,2023,41(09):53.
[6]宾世杨,张 振,唐俊杰,等.基于机器学习的风电机组机械传动系统故障诊断研究[J].机械与电子,2024,42(01):11.
　BIN Shiyang,ZHANG Zhen,TANG Junjie,et al.Research on Fault Diagnosis of Wind Turbine Mechanical Transmission System Based on Machine Learning[J].Machinery & Electronics,2024,42(09):11.
[7]袁武民,邢建平,杨 栋.基于改进 Stacking 模型的铁路信号设备故障率预测[J].机械与电子,2024,42(01):41.
　YUAN Wumin,XING Jianping,YANG Dong.Prediction of Railway Signal Equipment Failure Rate Based on Improved Stacking Model[J].Machinery & Electronics,2024,42(09):41.
[8]郭文升,李建平.基于机器学习的煤矿输送带 RFID 健康监测方法[J].机械与电子,2025,(04):64.
　GUO Wensheng,LI Jianping.Machine Learning Based RFID Enabled Health Monitoring of Coal Mine Conveyor Belt[J].Machinery & Electronics,2025,(09):64.

备注/Memo

备注/Memo:
收稿日期: ２０２１-０４-２０
基金项目:国网山西省电力公司科技项目资助( ５２０５A０２００００W )
作者简介:原 军 ( １９７３－ ),男,山西太原人,学士,高级工程师,研究方向为电力信息通信;张 凯 ( １９６７－ ),男,山西忻州人,学士,高级工程师,研究方向为电力信息通信.
更新日期/Last Update: 2021-09-28