中國電建集團江西省電力設(shè)計院有限公司 黃 晶

由于信息技術(shù)的不斷發(fā)展，我國的電力行業(yè)也加快了信息化建設(shè)，網(wǎng)絡(luò)集約化的管控力度在逐步增強，大數(shù)據(jù)、物聯(lián)網(wǎng)、云計算、智能電網(wǎng)等技術(shù)的應(yīng)用也越來越廣泛，而隨著信息化技術(shù)的逐漸深入，有關(guān)網(wǎng)絡(luò)的通信需求也快速提高。網(wǎng)絡(luò)通信作為實現(xiàn)電力信息化非常關(guān)鍵的通路，其使用的需求是否能得到滿足與其建設(shè)水平存在較大關(guān)聯(lián)，所以需針對通信網(wǎng)絡(luò)開展合理的帶寬需求預(yù)測，以更好地開展信息系統(tǒng)建設(shè)。

1 網(wǎng)絡(luò)帶寬預(yù)測技術(shù)分析

自網(wǎng)絡(luò)信息技術(shù)出現(xiàn)以來，利用因特網(wǎng)對信息進行傳輸?shù)臄?shù)量增長速度非?？欤瑢?shù)據(jù)信息量進行預(yù)測，現(xiàn)階段較常使用的方法是線性預(yù)測法。如，針對一些業(yè)務(wù)簡單的情況可采取累加平均值的方法，也可通過一定歷史時期統(tǒng)計數(shù)據(jù)的變化規(guī)律進行預(yù)測。在流量預(yù)估中較常使用的是業(yè)務(wù)流量累加法，實際上也是針對業(yè)務(wù)方面累加其每天的均值或是最大值，然后預(yù)估某一接口上的最大值或平均值[1]。

然而實際上，兩項業(yè)務(wù)一天中的流量分布狀況可能存在差異，所以使用這種方法進行預(yù)測的精準性較低。而后依照電話業(yè)務(wù)特點發(fā)展來的泊松模型預(yù)測方法，對電話網(wǎng)中的業(yè)務(wù)特性能較為精準的描述，且對網(wǎng)絡(luò)流量的研究也適合，在網(wǎng)絡(luò)的性能分析、設(shè)計、管理、維護等方面都有良好的效用，因而得到了較為廣泛地使用。但對數(shù)據(jù)通信流量而言具有一定的突發(fā)性，與電話通信的平穩(wěn)性存在較大差異，所以在使用方面存在一定局限性。

自回歸滑動平均模型主要是對時間序列進行研究，結(jié)合滑動平均模型可用來預(yù)測市場規(guī)模和消費行為。小波分析主要是針對相關(guān)信號進行幾何運算，在語音分析、信號處理及圖像處理等方面進行應(yīng)用。神經(jīng)網(wǎng)絡(luò)主要指的是以偏差反向傳播方式為核心進行不斷訓練的一種多層網(wǎng)絡(luò)，可學習和存儲較多的輸入輸出模式映射關(guān)系，而不涉及針對有關(guān)映射開展數(shù)學表達，在現(xiàn)階段得到較廣泛使用。神經(jīng)網(wǎng)絡(luò)模型可基于業(yè)務(wù)建立對應(yīng)的流量模型，對合理選取的函數(shù)進行激活，就可將最優(yōu)方程模擬出來，同時能進行自學習和自我修正，可使偏差控制在最小范圍內(nèi)，因而在數(shù)據(jù)網(wǎng)絡(luò)的流量預(yù)測方面可使用這一技術(shù)。

2 BP神經(jīng)網(wǎng)絡(luò)

這一模型主要是對偏差進行反向傳播的不斷學習過程，其中包含信息的雙向傳播。在輸入層中，將有關(guān)信息輸入后會由相關(guān)的神經(jīng)元進行接收，同時向中間層的各神經(jīng)元進行傳遞。中間層主要是進行信息交換，這一層的設(shè)置可依照信息變化能力需求決定其結(jié)構(gòu)是單層還是多層。經(jīng)過中間層的傳遞將信息轉(zhuǎn)至輸出層，這樣就是算法的一次正方向信息傳遞過程。假設(shè)最后輸出的值和預(yù)先設(shè)置的不相符合時，則會針對偏差進行反方向的傳遞。實際的偏差信息會從輸出層依照偏差梯度下降的方式對各層權(quán)值進行調(diào)整，而后進行反向傳遞，這就是對各層權(quán)值的一個不斷調(diào)整，是這一算法模型不斷訓練的過程，一直到偏差降低到允許的范圍內(nèi)為止。BP神經(jīng)網(wǎng)絡(luò)模型主要有輸入輸出模型、誤差計算模型、作用函數(shù)模型和自學習模型。

3 電力數(shù)據(jù)通信網(wǎng)絡(luò)帶寬需求預(yù)測

3.1 預(yù)測方法

對一定期間的電力通信網(wǎng)絡(luò)帶寬需求進行預(yù)測，需根據(jù)其上一期間的業(yè)務(wù)建立模型展開分析(圖1)。首先，從現(xiàn)有的業(yè)務(wù)情況出發(fā)，針對網(wǎng)絡(luò)能夠承載的總業(yè)務(wù)開展整合工作，對其中相關(guān)業(yè)務(wù)進行類型的區(qū)分，以重要業(yè)務(wù)都能涵蓋其中為基礎(chǔ)，對業(yè)務(wù)流量應(yīng)設(shè)置的收集點和區(qū)域進行確定，同時借助相應(yīng)的工具對數(shù)據(jù)綜合網(wǎng)的流量進行收集和分析。

圖1 網(wǎng)絡(luò)帶寬預(yù)測流程圖

收集流量特性數(shù)據(jù)后，將歸入收集范圍的重要業(yè)務(wù)建立模型，對于信息化系統(tǒng)，使用神經(jīng)網(wǎng)絡(luò)對重要業(yè)務(wù)中的單一用戶流量建立模型，進行需求的預(yù)測。在其業(yè)務(wù)流量預(yù)測的假設(shè)條件下，對期間的業(yè)務(wù)范圍進行整理，依照業(yè)務(wù)在最大值狀態(tài)時的帶寬需求情況，使系統(tǒng)的模型能夠得到對應(yīng)。根據(jù)系統(tǒng)中用戶的具體信息，了解某一時刻的活躍用戶占比。單用戶流量乘活躍用戶數(shù)量，得到業(yè)務(wù)系統(tǒng)在工作時間段的總流量。然后依照建立的業(yè)務(wù)模型，依照其路徑對各數(shù)據(jù)網(wǎng)的帶寬需求進行預(yù)測[2]。

3.2 限制和假設(shè)條件

假定其中業(yè)務(wù)系統(tǒng)中的用戶在瀏覽方面的模式和業(yè)務(wù)工作都不會出現(xiàn)變化，這樣就能對單用戶流量分布狀況和活躍用戶分布狀況有大概的掌握。另外，假定有新增的業(yè)務(wù)系統(tǒng)，可給出平均流量值或和現(xiàn)有某一系統(tǒng)在架構(gòu)、業(yè)務(wù)內(nèi)容、用戶群體等方面具有較高的相似度。有關(guān)業(yè)務(wù)量的增長，由于計劃業(yè)務(wù)信息系統(tǒng)會提供更加豐富的業(yè)務(wù)應(yīng)用，預(yù)估業(yè)務(wù)量會有較大的增長幅度，如按照30%的增長量，在不斷發(fā)展的過程中也會出現(xiàn)新系統(tǒng)，假定這一期間新建立5個業(yè)務(wù)系統(tǒng)且用戶散落分布，結(jié)合對現(xiàn)有數(shù)據(jù)的測算，系統(tǒng)活躍用戶的比例在0.5～0.6%范圍內(nèi)，假定按照0.6%計算而特殊業(yè)務(wù)的活躍用戶占比10%，帶寬需求分析需對電力企業(yè)信息系統(tǒng)網(wǎng)絡(luò)訪問業(yè)務(wù)、FTP、語音視頻等進行全面考慮。

3.3 建立業(yè)務(wù)帶寬需求模型

3.3.1 模型建立方法

通過BP神經(jīng)網(wǎng)絡(luò)對流量方程進行模擬，這個過程是不斷學習和修正的過程。最后如果得出的結(jié)果和樣本值偏差在預(yù)期值范圍內(nèi)，就能說明相關(guān)的方程可較好地體現(xiàn)流量情況。流量預(yù)測的步驟為：對數(shù)據(jù)進行歸一化處理；選擇激活函數(shù)；收集充足的樣本值；進行模型推導和仿真；用新樣本數(shù)據(jù)進行驗證。這個過程實際上就是反復(fù)進行學習、修改，論證之后再修改的重復(fù)循環(huán)。

3.3.2 數(shù)學推導

對模型的建立主要是為預(yù)測未來一段時間的網(wǎng)絡(luò)流量，要想達到這一目的就需在其中體現(xiàn)出業(yè)務(wù)的具體變化情況，所以需通過數(shù)學推導得出流量與時間、用戶數(shù)量之間的關(guān)系。假設(shè)以y表示某一業(yè)務(wù)流量，x表示業(yè)務(wù)并發(fā)的用戶數(shù)量，t表示一天中的某一時刻。則y=f(x)(t)，其中x=g(A)(t)，A表示業(yè)務(wù)總用戶數(shù)量。依照實踐經(jīng)驗?zāi)軌虻弥骋豁棙I(yè)務(wù)的總用戶數(shù)量A在一定時間內(nèi)不會出現(xiàn)改變、所以視為常數(shù)，則業(yè)務(wù)并發(fā)用戶數(shù)量x是和時間t有關(guān)的函數(shù)。根據(jù)上述公式，也就是業(yè)務(wù)流量y是和時間t有關(guān)的函數(shù)。因此對業(yè)務(wù)系統(tǒng)中某一接口的流量進行預(yù)測時，只需累加接口上各業(yè)務(wù)的流量。3.3.3 單系統(tǒng)模型

使用BP神經(jīng)網(wǎng)絡(luò)工具集設(shè)置一個兩層BP網(wǎng)絡(luò)，有關(guān)參數(shù)的內(nèi)容/值如下：隱含層神經(jīng)元數(shù)量/4、隱含層激活函數(shù)/對數(shù)函數(shù)、輸出層激活函數(shù)/線性函數(shù)、訓練次數(shù)/5000、目標偏差/0.01。對之前收集的數(shù)據(jù)需進行歸一化處理，流量數(shù)據(jù)前后對比發(fā)現(xiàn)，流量曲線沒有發(fā)生改變，不過其范圍縮小到（-1,1）內(nèi)，這樣后續(xù)在進行計算時計算量有了很大的縮減。在完成了第3038次計算之后偏差下降到0.01，能夠?qū)?yīng)繪制出函數(shù)曲線，從曲線圖中能夠了解業(yè)務(wù)在一天工作時間段內(nèi)的流量狀況?？偣策x擇8個經(jīng)典系統(tǒng)建立模型，這是網(wǎng)絡(luò)帶寬需求分析的前提條件。

3.3.4 模型匹配

對指定期間內(nèi)的網(wǎng)絡(luò)帶寬需求進行預(yù)測，需對這一期間業(yè)務(wù)系統(tǒng)的模型進行確立。然而現(xiàn)階段有一些系統(tǒng)還沒有正式上線，根據(jù)業(yè)務(wù)系統(tǒng)類似性假設(shè)以及現(xiàn)有的模型，可確定將已使用的系統(tǒng)模型作為未來系統(tǒng)的模型。有關(guān)流量模型的選擇：如是已上線的系統(tǒng)就選擇現(xiàn)有數(shù)據(jù)進行模型建立；如是沒有上線但和現(xiàn)有業(yè)務(wù)系統(tǒng)具有較高的匹配度，也可確定使用已經(jīng)存在的模型；如是沒有上線且和現(xiàn)有業(yè)務(wù)系統(tǒng)匹配度較低的系統(tǒng)，需先對其涵蓋區(qū)域和單一用戶在最大值時的帶寬信息選擇出來，然后確定與其類似的模型。最后，基于預(yù)留考量的新增加的業(yè)務(wù)系統(tǒng)，需選擇其中流量高的模型。根據(jù)模型匹配情況，選擇8個目前在使用中的經(jīng)典模型，并確定預(yù)測期間業(yè)務(wù)系統(tǒng)模型的對應(yīng)關(guān)系。3.3.5 帶寬需求

模型的獲取是在單一用戶流量模型基礎(chǔ)上得到，同時對其承載的活躍用戶數(shù)量進行充分考量，帶寬需求值的計算主要是單一用戶流量乘活躍用戶數(shù)量。從上述分析得知，通常業(yè)務(wù)活躍用戶數(shù)的占比在0.5～0.6%范圍內(nèi)，按照最大占比進行預(yù)測，對特殊業(yè)務(wù)活躍用戶數(shù)占比10%。得到了單用戶帶寬需求模型和活躍用戶數(shù)后，就能夠?qū)σ?guī)定期間內(nèi)管理信息業(yè)務(wù)系統(tǒng)通信網(wǎng)絡(luò)的帶寬需求進行預(yù)測。

此外，對于語音業(yè)務(wù)、視頻、網(wǎng)絡(luò)瀏覽流量以及FTP等也需要做好考量。有關(guān)視頻語音業(yè)務(wù)，因為視頻流量大小具有一定的穩(wěn)定性，但業(yè)務(wù)時間具有不確定性，所以其需求值的計算主要是累加通信帶寬的最大值。有關(guān)網(wǎng)絡(luò)瀏覽業(yè)務(wù)，使用合理的方法確定模型之后再實施預(yù)測。有關(guān)FTP，因其中存在不定性因素影響，所以同樣考慮在帶寬峰值上進行累加?？傊?，在BP神經(jīng)網(wǎng)絡(luò)的支持下能對現(xiàn)網(wǎng)業(yè)務(wù)系統(tǒng)進行建模，預(yù)估一定時期內(nèi)信息系統(tǒng)的帶寬需求，同時也能充分考慮到視頻語音業(yè)務(wù)、互聯(lián)網(wǎng)訪問業(yè)務(wù)及FTP業(yè)務(wù)的帶寬需求。

3.4 結(jié)果分析

針對信息管理系統(tǒng)的流量，依照業(yè)務(wù)流量建立模型，根據(jù)流量曲線的結(jié)果，與用戶數(shù)進行相乘，同時按照時間這一類別的節(jié)點進行合并，最后得到信息系統(tǒng)業(yè)務(wù)的帶寬需求流量變化結(jié)果，需考慮50%的冗余量，進而得出各個層級的網(wǎng)絡(luò)帶寬需求，最后得到的通信網(wǎng)絡(luò)帶寬需求預(yù)測結(jié)果如表1。

表1 通信網(wǎng)絡(luò)帶寬需求預(yù)測結(jié)果