本发明涉及通信网络管理，具体为基于分布式图神经网络的通信业务路由规划方法及系统。
背景技术：
1、在通信网业务路由的研究方面，国内外已经取得许多的研究成果，但是目前的研究仍然存在一些不足。现在的研究成果主要集中在以下两个方面：基于风险均衡的业务路由分配算法；基于负载均衡的业务路由分配算法。这些研究仅从单一的角度考虑网络风险均衡或负载均衡并建立模型；大多数的研究仅仅根据业务重要度，节点风险度和链路风险度等约束条件构建评价指标，未考虑到网络中资源的可用性，存在一定程度上的局限性。
2、电力通信网是电力系统的重要组成部分，上面承载的业务是电力系统安全稳定运行的重要保障。研究电力通信网业务路由规划算法可以在一定的程度上降低电力通信网的运行风险，从而有效的保障电网的安全稳定运行。因此，研究电力通信网的路由规划具有重要的意义。本发明基于电力通信网业务的特点和深度学习的优势，提出一种基于图神经网络的通信业务路由规划方法来使得业务配置更加合理。
技术实现思路
1、鉴于上述存在的问题，提出了本发明。
2、因此，本发明解决的技术问题是：如何在电力通信网络中高效、安全地进行业务路由规划，同时克服现有方法中的局限性。
3、为解决上述技术问题，本发明提供如下技术方案：基于分布式图神经网络的通信业务路由规划方法，其包括如下步骤，
4、收集数据构建电力通信网拓扑图建立特征指标并进行数据预处理；通过计算风险均衡度和负载均衡度评估网络质量；构建样本数据，根据计算的风险均衡和负载均衡值为拓扑图进行等级标定；将拓扑图转换成图卷积神经网络处理的格式，计算损失函数输出规划结果。
5、作为本发明所述的基于分布式图神经网络的通信业务路由规划方法的一种优选方案，其中：所述数据包括通道数据、业务数据以及站点信息建立拓扑图；
6、所述特征指标是通过计算拓扑图中节点的链路风险值、节点风险值、链路负载值；
7、所述构建电力通信网拓扑图是将连接设备节点的光纤作为链路，将电力通信转化为图g＝(v，e)，其中v＝{v1，v2，...vn}表示网络中设备节点的集合，e＝{e12，e13，...e(n-1)n}表示网络拓扑中的链路集合，eij∈e表示节点vi和vj之间存在链路；
8、所述通道数据、业务数据包括通信网网元、业务、光纤段信息。
9、作为本发明所述的基于分布式图神经网络的通信业务路由规划方法的一种优选方案，其中：所述链路风险值是链路上承载的k类业务重要度之和与链路失效概率的乘积，表达式为：
10、
11、其中，(vi，vj)是由节点vi和节点vj两个端点组成的链路，pe(vi，vj)表示链路(vi，vj)的失效概率，ae(vi，vj)链路(vi，vj)的可用性，表示网络中链路(vi，vj)所承载的第k类业务重要度之和，mk表示链路(vi，vj)所承载的第k类业务数量，dk为第k类业务重要度；
12、针对链路风险值加入权值反映不同链路在网络中的重要程度，采用边介数中心性计算链路的风险值权重，表达式为：
13、
14、
15、其中，σ(vs，vt)是节点vs和vt间最短路径的数目，σ(vs，vt|(vi，vj))表示节点vs和节点vt间经过链路(vi，vj)的最短路径数目；
16、使用链路风险值权重对链路风险值进行加权计算，得到改进后的链路风险值，表达式为：
17、
18、其中，是改进后的链路风险值，ωe(vi，vj)是风险值权重；
19、所述节点风险值是节点vi上承载的k类业务重要度之和与节点失效概率的乘积，并利用节点风险值权值加权所输出，表达式为：
20、
21、其中，ωv(vi)为节点的风险值权重，pv(vi)表示节点vi的失效概率，av(vi)表示节点vi的可用性，表示网络中节点vi所承载的第k类业务重要度之和，由mkdk计算得到，mk表示节点vi所承载的第k类业务数量，dk为第k类业务重要度；
22、所述链路负载值是节点vi的业务接纳值λ(vi)由剩余高阶交叉容量与高阶交叉容量之比，再与剩余低阶交叉容量与低阶交叉容量之比求和输出，表达式为：
23、
24、
25、其中，c(vi，vj)表示链路(vi，vj)的总带宽，rc(vi，vj)表示链路(vi，vj)的剩余带宽，λ(vi)和λ(vj)分别表示节点vi和节点vj的业务接纳值，rchigh(vi)和rclow(vi)分别表示节点vi的剩余高阶交叉容量和剩余低阶交叉容量，chigh(vi)和clow(vi)分别表示节点vi的高阶交叉容量和低阶交叉容量。
26、作为本发明所述的基于分布式图神经网络的通信业务路由规划方法的一种优选方案，其中：所述数据预处理是将收集到的状态数据去噪，去掉缺失值，异常值，以及错误格式的无效数据，把原始格式数据转换为需求分析的格式，将数据归一化完成数据预处理。
27、作为本发明所述的基于分布式图神经网络的通信业务路由规划方法的一种优选方案，其中：所述通过计算风险均衡度和负载均衡度评估网络质量是使用信息熵来度量负载均衡；
28、所述风险均衡度的表达式为：
29、
30、
31、
32、其中，rbd是风险均衡度，表示链路风险均值，表示节点风险均值；
33、所述负载均衡度的表达式为：
34、
35、
36、
37、其中，为链路(vi，vj)上已用容量占该链路容量的百分比；为节点vi已用高阶交叉容量占高阶交叉容量的百分比与已用低阶交叉容量占低阶交叉容量的百分比之和，lbe是负载均衡值。
38、作为本发明所述的基于分布式图神经网络的通信业务路由规划方法的一种优选方案，其中：所述样本数据是由业务通道、业务数据、站点信息数据进行聚合构建，通过样本数据生成拓扑图根据风险均衡和负载均衡值进行等级标定，将网络拓扑转换成图卷积神经网络处理的格式；将拓扑图的边索引、节点特征、边特征、图标签作为图卷积神经网络的输入，创建分布式的计算集群或环境进行处理数据以及训练模型。
39、作为本发明所述的基于分布式图神经网络的通信业务路由规划方法的一种优选方案，其中：所述计算损失函数输出规划结果是通过图卷积神经网络处理，将预测结果和真实标签作对比计算损失函数，根据损失值计算模型参数的梯度，并使用反向传播算法更新模型参数。
40、本发明的另外一个目的是提供基于分布式图神经网络的通信业务路由规划系统，其能通过高级的数据处理和深度学习技术综合考虑业务重要度、节点风险度和链路风险度解决现有方法在网络风险评估和资源分配效率方面的不足，同时提高了电力通信网络的安全性和稳定性。通过这种系统，可以更加有效地规划和优化电力通信网络中的业务流，从而降低运行风险并确保网络的高效运作。
41、为解决上述技术问题，本发明提供如下技术方案：基于分布式图神经网络的通信业务路由规划系统，包括：包括数据预处理与特征提取模块、数据归一化模块、均衡效果评价模块、样本数据生成与网络均衡等级标签模块以及图卷积神经网络模型构建模块。
42、所述数据预处理与特征提取模块是建立拓扑图，收集通道数据、业务数据、站点信息数据，计算链路风险值、节点风险值、链路负载值，并作为拓扑图中节点和边的属性特征。
43、所述数据归一化模块是将计算的链路风险值、节点风险值、链路负载值转化为无量纲的纯数值。
44、所述均衡效果评价模块是通过计算风险均衡度和负载均衡度评估网络质量。
45、所述样本数据生成与网络均衡等级标签模块是业务通道、业务数据、站点信息数据进行聚合，构建路由数据，生成拓扑图作为样本数据，根据风险均衡和负载均衡值为拓扑图进行等级标定。
46、所述图卷积神经网络模型构建模块是构建和训练图卷积神经网络模型，计算损失函数、反向传播以及参数更新。
47、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述基于分布式图神经网络的通信业务路由规划方法的步骤。
48、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述基于分布式图神经网络的通信业务路由规划方法的步骤。
49、本发明的有益效果：本发明通过应用分布式图神经网络于电力通信网络的业务路由规划，有效地提高了路由优化的效率和精确度。综合考虑了网络中的风险均衡和负载均衡，从而显著增强了网络的稳定性和可靠性。本发明在资源分配方面的优化确保了网络资源的合理利用，减少了因资源分配不均引起的网络问题。通过对电力通信网络复杂性和动态性的适应性改进，以及更有效的风险管理策略，本发明不仅提升了网络的整体性能，还为电力系统的安全稳定运行提供了强有力的支持。
1.基于分布式图神经网络的通信业务路由规划方法，其特征在于，包括：
2.如权利要求1所述的基于分布式图神经网络的通信业务路由规划方法，其特征在于：所述数据包括通道数据、业务数据以及站点信息建立拓扑图；
3.如权利要求2所述的基于分布式图神经网络的通信业务路由规划方法，其特征在于：所述链路风险值是链路上承载的k类业务重要度之和与链路失效概率的乘积，表达式为：
4.如权利要求3所述的基于分布式图神经网络的通信业务路由规划方法，其特征在于：所述数据预处理是将收集到的状态数据去噪，去掉缺失值，异常值，以及错误格式的无效数据，把原始格式数据转换为需求分析的格式，将数据归一化完成数据预处理。
5.如权利要求4所述的基于分布式图神经网络的通信业务路由规划方法，其特征在于：所述通过计算风险均衡度和负载均衡度评估网络质量是使用信息熵来度量负载均衡；
6.如权利要求5所述的基于分布式图神经网络的通信业务路由规划方法，其特征在于：所述样本数据是由业务通道、业务数据、站点信息数据进行聚合构建，通过样本数据生成拓扑图根据风险均衡和负载均衡值进行等级标定，将网络拓扑转换成图卷积神经网络处理的格式；将拓扑图的边索引、节点特征、边特征、图标签作为图卷积神经网络的输入，创建分布式的计算集群或环境进行处理数据以及训练模型。
7.如权利要求6所述的基于分布式图神经网络的通信业务路由规划方法，其特征在于：所述计算损失函数输出规划结果是通过图卷积神经网络处理，将预测结果和真实标签作对比计算损失函数，根据损失值计算模型参数的梯度，并使用反向传播算法更新模型参数。
8.一种采用如权利要求1～7任一所述的基于分布式图神经网络的通信业务路由规划方法的系统其特征在于：包括数据预处理与特征提取模块、数据归一化模块、均衡效果评价模块、样本数据生成与网络均衡等级标签模块以及图卷积神经网络模型构建模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于分布式图神经网络的通信业务路由规划方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述基于分布式图神经网络的通信业务路由规划方法的步骤。
