一种基于大模型和智能体驱动的电力通信网运维管控方法与流程

本发明涉及电力通信网智能运维与工业大模型应用交叉，并且更具体地，涉及一种基于大模型和智能体驱动的电力通信网运维管控方法及系统。

背景技术：

1、电力通信网是新型电力系统的 "神经网络"，其运行可靠性直接决定电网安全稳定运行。当前，电力通信网已建成覆盖全国的骨干网、省网、地市网、配网四级通信网络，全网光缆长度超 200 万公里，各类通信设备超千万台，承载的业务数量与复杂度呈指数级增长。传统运维模式已无法适配新型电力系统 "高可靠、高弹性、高智能" 的运行要求，主要存在三大核心痛点：

2、运维场景碎片化，系统烟囱林立：不同运维场景（故障处置、性能监控、资源管理、应急保电）分别建设独立的数字化系统，数据不互通、流程不衔接、标准不统一，形成大量信息孤岛，无法实现全域运维的统一管控；

3、智能化程度低，高度依赖人工：现有系统仅具备基础的数据采集与固定阈值告警能力，核心的异常识别、根因分析、决策生成、处置执行等环节均依赖运维人员的专业经验，运维效率低、响应速度慢、人为失误风险高；

4、无通用化智能架构，重复建设严重：各类智能运维应用均采用 "烟囱式" 开发模式，每个场景单独建设数据接入、模型训练、决策执行模块，技术复用率低、开发周期长、维护成本高，无法快速响应新型业务的运维需求。

5、智能体技术虽在通用工业设备运维场景实现基础应用，但完全脱离电力通信网业务属性，未融合电力运维规范、电网 - 通信网耦合机理、电力专属系统接口等核心要素，无法适配电力行业 “高可靠、强合规、高安全” 的运行要求。综上，亟需研发面向电力通信网全场景的通用型智能运维闭环管控方法，实现全类型设备运维的全流程智能化、自主化管控。

6、现有技术一为电力通信网多系统集成式数字化运维平台，是当前电力行业的主流运维解决方案。该技术通过数据中台技术，将tms传输网管理系统、通信综合网管、调度数据网管理系统等多个独立运维系统的数据进行集中归集与标准化处理，构建统一的通信资源数据库与运行监控大屏，实现全网通信资源的可视化展示、运行状态的集中监控与故障告警的统一呈现。部分平台集成了简单的工单管理功能，实现故障告警到检修工单的线上流转。

7、现有技术一仅解决了"数据集中"与"可视化展示"的基础问题，未实现真正的智能化运维，未构建通用化的闭环管控架构，核心缺点如下：该技术无自主决策能力，仍为被动运维模式；该技术流程割裂，未形成闭环管控；该技术智能化能力碎片化，无通用算法支撑；同时该技术与电网业务脱节，无法支撑靶向运维。

8、现有技术二为通用工业设备智能运维平台，主要应用于制造业、石油化工等通用工业领域。该技术采用"云-边-端"三级架构，构建了设备数据采集、边缘侧异常检测、云端大数据分析、预测性维护等功能模块，部分平台引入了大模型技术实现自然语言交互与简单的故障根因分析。该技术以通用化、普适性为设计目标，可适配不同行业的工业设备运维需求。

9、现有技术二作为通用工业领域的智能运维方案，完全未考虑电力通信网的行业特殊性，无法直接应用于电力通信运维场景，核心缺点如下：该技术未适配电力通信网的业务耦合特性；该技术与电力现有生产体系兼容性极差；该技术无电力行业专属知识库与规则库；同时该技术无分级管控与合规性保障机制。

10、因此，针对现有技术的核心缺陷，急需一种基于大模型和智能体驱动的电力通信网运维管控方法。

技术实现思路

1、本发明提出一种基于大模型和智能体驱动的电力通信网运维管控方法及系统，以解决如何高效地对电力通信网进行运维管控的问题。

2、为了解决上述问题，根据本发明的一个方面，提供了一种基于大模型和智能体驱动的电力通信网运维管控方法，所述方法包括：

3、获取电力通信网中各生产系统输出的多源运维数据，并对所述多源运维数据进行预处理，以获取多源标准化原始数据集；

4、利用边缘感知智能体基于所述多源标准化原始数据集进行边缘计算，获取各类运维任务对应的通用特征向量和关键事件结构化数据，并将所述通用特征向量和关键事件结构化数据上传至云端核心决策智能体；

5、云端核心决策智能体利用电力通信专用大模型，基于所述通用特征向量和关键事件结构化数据，按运维任务类型进行核心研判，确定最优运维决策方案，并对所述最优运维决策方案进行通用置信度评估，确定综合置信度评估结果；

6、基于所述综合置信度评估结果和最优运维决策方案进行决策分流，并基于决策分流结果进行运维。

7、优选地，其中所述多源运维数据，包括：基础资源静态数据、实时动态运行数据和运维知识与管理数据。

8、优选地，其中对所述多源运维数据进行预处理，包括：

9、对所述多源运维数据进行格式统一、时序对齐、元数据标注和质量校验处理。

10、优选地，其中所述方法还包括：在利用边缘感知智能体基于所述多源标准化原始数据集进行边缘计算之前，对所述多源标准化原始数据集依次进行异常值动态剔除、缺失值智能补全、数据平滑与降噪和归一化与标准化处理。

11、优选地，其中所述方法还包括：

12、基于所述多源标准化原始数据集进行本地低延迟处理，获取本地低延迟处置执行日志，以用于本地故障溯源取证与边缘小模型的离线自监督学习训练样本；其中，所述本地低延迟处置执行日志包括：边缘节点基于本地研判自主触发的控制指令下发记录以及本地异常标记记录；其中，所述控制指令下发记录，包括：动作类型、执行时间、目标设备、执行结果状态码；所述本地异常标记记录，包括：异常类型、特征值和判定依据摘要。

13、优选地，其中基于所述通用特征向量和关键事件结构化数据，根据运维任务的类型进行核心任务的研判，确定最优运维决策方案，包括：

14、基于所述通用特征向量进行rag检索增强，以获取上下文增强信息；

15、基于所述上下文增强信息和关键事件结构化数据，根据不同的运维任务类型自动调用对应的算法插件，完成当前运维场景下的专项研判分析，生成相应场景的初步研判结果；

16、基于所述初步研判结果，执行电网与通信网的耦合分析，基于“通信设备—网络链路—业务承载—电网安全”四级层级拓扑关系建立量化评估模型，并基于所述量化评估模型确定客观风险等级和受影响电网业务清单；其中，所述量化评估模型采用知识图谱三元组格式进行持久化存储，支撑正向映射与反向映射的双向推演；

17、基于所述上下文增强信息、初步研判结果和客观风险等级及受影响业务清单，利用大模型进行分析，并由对应运维场景的决策生成算法插件进行结构化约束校验，以输出最优运维决策方案。

18、优选地，其中对所述最优运维决策方案进行通用置信度评估，确定综合置信度评估结果，包括：

19、将所述最优运维决策方案与电力通信运维规范和安全规程进行自动比对，以检查所述决策方案是否满足合规性要求；

20、当所述最优运维决策方案通过合规性要求时，通过confidencenet通用置信度网络对所述最优运维决策方案进行综合可信度评估；

21、其中，通过多种核心置信度因子组成多维度输入特征体系，包括：告警置信度、数据质量置信度、模型置信度、场景匹配置信度、专家规则匹配置信度和运行环境置信度；

22、基于贝叶斯神经网络对多维度输入特征进行不确定性建模，输出综合置信度分值、不确定性估计和归因数据；

23、基于所述综合置信度分值、不确定性估计及归因数据，确定综合置信度评估结果。

24、优选地，其中所述方法还包括：

25、基于当前运维场景的特征分布与历史反馈数据通过注意力机制动态生成各核心置信度因子的融合权重；其中，注意力网络以原始输入特征向量为输入，输出对应六类因子的动态融合权重，所有权重满足归一化约束；将加权后的特征向量输入贝叶斯置信度推理引擎，以确定各核心置信度因子的融合权重。

26、优选地，其中基于所述综合置信度评估结果和最优运维决策方案进行决策分流，包括：

27、基于所述综合置信度评估结果进行动态阈值的判断，以完成决策方案的分流判断，包括：基于光缆承载业务等级、电网运行场景、风险等级，匹配场景化动态阈值，以进行研判结果的分流；

28、执行自动化处理流程，当置信度大于或等于场景动态阈值且为非高风险场景时，以所述最优运维决策方案中的具体措施为执行指令，直接通过标准化 api 接口对接现有运维系统，完成全流程自动化执行，包括：分级预警信息自动推送至对应运维人员、检修工单自动生成与流转、检修计划系统对接与生产计划优化、运维处置过程全跟踪与数据回传；

29、执行人工复核处理流程，当置信度小于场景动态阈值或为高风险场景时，将全量研判结果、最优运维决策方案推送至专业运维人员进行人工复核与优化，输出复核意见与修正数据；

30、输出运维决策的落地执行结果、人工复核修正数据、全流程处置过程的反馈数据和综合置信度评估结果。

31、优选地，其中所述方法还包括：

32、基于预设约束条件确定动态阈值；其中，所述预设约束条件，包括：

33、下限约束：任何场景下自动化执行分支的最低置信度阈值不得低于0.75；

34、场景风险加权约束：动态阈值与场景风险等级呈正相关关系——保电场景阈值>=0.95、常规检修场景阈值>=0.80、日常监测场景阈值>=0.75；

35、数据质量约束：当源数据完整率低于85%或关键特征缺失率超过10%时，阈值自动上浮0.05-0.10。

36、优选地，其中所述方法还包括：

37、基于运维决策的落地执行结果、人工复核修正数据、全流程处置过程反馈数据和综合置信度评估结果，对边缘侧感知智能体中可插拔算法插件所对应的轻量化小模型和云端专用大模型进行协同优化，以及对知识库进行更新，以完成模型和知识库的闭环优化。

38、根据本发明的另一个方面，提供了一种电力通信网运维管控系统，所述系统包括：

39、数据获取单元，用于获取电力通信网中各生产系统输出的多源运维数据，并对所述多源运维数据进行预处理，以获取多源标准化原始数据集；

40、边缘感知单元，用于利用边缘感知智能体基于所述多源标准化原始数据集进行边缘计算，获取各类运维任务对应的通用特征向量和关键事件结构化数据，并将所述通用特征向量和关键事件结构化数据上传至云端核心决策智能体；

41、核心决策单元，用于云端核心决策智能体利用电力通信专用大模型，基于所述通用特征向量和关键事件结构化数据，按运维任务类型进行核心研判，确定最优运维决策方案，并对所述最优运维决策方案进行通用置信度评估，确定综合置信度评估结果；

42、决策分流单元，用于基于所述综合置信度评估结果和最优运维决策方案进行决策分流，并基于决策分流结果进行运维。

43、本发明提供了一种基于大模型和智能体驱动的电力通信网运维管控方法，包括：获取电力通信网中各生产系统输出的多源运维数据，并对所述多源运维数据进行预处理，以获取多源标准化原始数据集；利用边缘感知智能体基于所述多源标准化原始数据集进行边缘计算，获取各类运维任务对应的通用特征向量和关键事件结构化数据，并将所述通用特征向量和关键事件结构化数据上传至云端核心决策智能体；云端核心决策智能体利用电力通信专用大模型，基于所述通用特征向量和关键事件结构化数据，按运维任务类型进行核心研判，确定最优运维决策方案，并对所述最优运维决策方案进行通用置信度评估，确定综合置信度评估结果；基于所述综合置信度评估结果和最优运维决策方案进行决策分流，并基于决策分流结果进行运维。本发明首次构建电力通信网全场景通用智能运维闭环架构：打破了传统运维系统的场景壁垒与数据孤岛，实现了运维场景的统一管控，大幅降低了智能化建设与维护成本；边缘小模型与云端大模型协同，兼顾在线实时性与深度预测能力，适用于不同层级通信网的部署需求；建立了"通信异常-业务影响-电网风险"的量化评估模型，实现了运维决策与电网安全需求的深度绑定，确保有限的运维资源优先保障核心电网业务；通过全链路闭环自优化机制，系统可基于实际运维数据持续迭代优化，不断提升研判准确性与决策合理性，适配新型电力系统动态变化的运行需求。