一、引言
电力通信网是为实现电力系统安全稳定运行而生的，是电力系统安全稳定运行的三大支柱之一。光纤通信已成为电力通信的主要传输方式，其上主要承载着生产控制和管理信息等业务。目前光缆运维依然采用较为传统的人工巡视方式，不能通过数据对光缆纤芯运行情况进行分析。因此亟需通过光纤在线监测技术及相应的数据分析与挖掘等来提升光缆运维管理水平。光纤在线监测技术是通过对光缆中传输光功率变化的实时监测、它是一个集监测、保护和管理为一体的、独立于传输系统的、完全建立在光缆物理层上的自动监测保护系统，该监测光缆线路中的光功率值的变化情况，管理光缆线路。如果能够通过数据挖掘方式来分析不同特征对于光功率告警的影响，将更有助于提升光缆运维辅助决策，提升整个通信系统的安全可靠运行。
二、光功率历史数据获取
通过光纤在线监测技术，读取数据库中近5年光功率数据，使我们可以很直观的观察到光纤中光功率衰耗值以及光功率变化情况。
三、光功率数据类型转换
本次课题用的是线性模型逻辑回归，要求输入的特征都是double数值类型的数据。由于原数据表中很多数据都是字符描述的，在数据预处理的过程中需要根据每个字段的含义将字符转为数值。因此将字符类型数据转换为数值类型。
二值类的数据 （比如ifalarm字段有yes和no两种形式，可以将yes表示成1，no表示成0）。多值类的数据 （比如cp字段，表示胸部的疼痛感，可以将疼痛感由轻到重映射成0～3的数值）。
由于要求输入的特征都是double数值类型的数据，所以对字符类型转化数值类型后的数据转换为doube类型：
四、光功率数据归一化处理
将每个特征的数值范围变为0到1之间，可以去除量纲对结果的影响，公式为result=(val-min)/(max-min)。本次实验通过逻辑回归二分类来进行模型训练，需要每个特征去除量纲的影响。
五、建立光功率告警预测模型
通过拆分组件将数据分为两部分，本次实验按照训练集和预测集7：3的比例拆分。训练集数据流入逻辑回归二分类组件用来训练模型，预测集数据进入预测组件。
六、建立光功率告警预测模型评估模型
1、具体算法
混淆矩阵算法
混淆矩阵（confusion matrix）是一种评价分类模型好坏的形象化展示工具。其中，矩阵的每一列表示的是模型预测的样本情况；矩阵的每一行表示的样本的真实情况。适用于监督学习，在无监督学习一般叫做匹配矩阵,主要用于比较分类结果和实际测得值，可以把分类结果的精度显示在一个混淆矩阵里面。
二分类评估算法
评估一个二分类的分类器的性能指标有：准确率、查准率、查全率、F1值、AUC/ROC。前面几个比较直观，AUC/ROC相对抽象一点。评估模块支持计算AUC,KS及F1 score，同时输出数据用于画KS曲线，PR曲线，ROC曲线，LIFT chart, Gain chart，同时也支持分组评估。
2、混淆矩阵评估报告：
通过本文档提供的5个特征，光功率告警的预测准确率可以达到百分之八十以上。模型可以用来做预测，辅助运维人员进行光缆运维与检修。
七、预期成效总结
（一）光功率告警影响因素
通过逻辑回归二分类算法得到每个特征列的权重，对光功率告警影响重从大到小依次是，count（历史告警次数）、decline（光功率衰耗值）、age（投运年限）、type（光缆类型）、method（敷设方式）。特征重要性表字段结构如下,featureName存放特征名称，weight表示特征选择方法计算出来的权重。
根据光缆的不同类型（普通光缆、ADSS光缆、OPGW光缆）、不同架设方式（架设光缆、管道光缆、直埋方式）、投运年限，对不同光缆类型中发生的光功率告警的比例进行统计，
发现光功率告警次数中，ADSS光缆>普通光缆>OPGW光缆、架设光缆>直埋方式>管道光缆、光缆告警次数与光缆投运年限呈现正相关。
（二）风险管控
本次课题对本文档提供的5个特征，光功率告警的预测准确率可以达到百分之八十以上。模型可以用来做预测，辅助运维人员进行光缆运维与检修。
（三）辅助决策
规范光缆巡视制度，定期进行光缆巡视，加强ADSS光缆、投运时间久、架空光缆等的的巡视力度。
根据此次光功率数据挖掘结果，建德公司对所有光缆光纤光功率情况进行了数据分析，并对光功率情况较差的光缆进行了统计，并做出了相应光缆的检修计划上报。
八、巩固措施
在活动巩固期间，我们编制了《国网浙江建德市供电有限公司“光纤在线监测系统管理平台”使用手册》，进一步加强了光纤在线监测水平。它是一个集监测、保护和管理为一体的、独立于传输系统的、完全建立在光缆物理层上的自动监测保护系统，它通过监测光缆线路中的光功率值的变化情况，管理光缆线路。通过数据挖掘方式来分析不同特征对于光功率告警的影响，来提升光缆运维辅助决策，提升整个通信系统的安全可靠运行。
参考文献
【1】 王丽霞、纪会争.浅谈光纤通信在电力系统继电保护中的应用[J].《华北电力技术》 . 2005 (S1) 246
【2】 邓贤添. 基于分布式技术的电力大数据高性能处理中的应用研究[J]. 《中国新技术新产品》. 2015 (24)
【3】 香丽芸. 浅谈数据挖掘及其应用[J]. 《昌吉学院学报》. 2001 (02)
