本發(fā)明涉及電力信息技術(shù)領(lǐng)域，具體涉及一種電力信息網(wǎng)故障定位方法。

背景技術(shù)：

智能電網(wǎng)中，電力信息網(wǎng)承載著各種電力生產(chǎn)業(yè)務(wù)，是保障電力通信業(yè)務(wù)的重要通道。然而龐大的網(wǎng)絡(luò)結(jié)構(gòu)導(dǎo)致故障時(shí)有發(fā)生，且發(fā)生故障后定位困難，若無法快速、準(zhǔn)確排查出故障則會(huì)引發(fā)電力事故。傳統(tǒng)網(wǎng)絡(luò)故障管理大多使用北向接口被動(dòng)采集設(shè)備發(fā)出的告警信息，建立告警-故障關(guān)聯(lián)模型來分析故障根源，但是被動(dòng)地等待告警會(huì)導(dǎo)致故障定位時(shí)效性差，且一旦告警信息出現(xiàn)虛假、丟失和冗余現(xiàn)象則無法保障故障定位的準(zhǔn)確性。為了彌補(bǔ)傳統(tǒng)網(wǎng)絡(luò)管理的不足，主動(dòng)測(cè)量逐步應(yīng)用于電力信息網(wǎng)運(yùn)維工作中，對(duì)于提高電力信息網(wǎng)的管理運(yùn)維水平，具有重要的應(yīng)用意義。

國(guó)內(nèi)外在公網(wǎng)中使用網(wǎng)絡(luò)探測(cè)提高網(wǎng)絡(luò)運(yùn)維水平的研究成果相對(duì)較多，大多是通過主動(dòng)發(fā)送探測(cè)包進(jìn)行網(wǎng)絡(luò)與業(yè)務(wù)質(zhì)量數(shù)據(jù)的獲取，發(fā)現(xiàn)網(wǎng)絡(luò)的隱患進(jìn)行故障定位，典型的應(yīng)用場(chǎng)景包括故障檢測(cè)、定位和識(shí)別等。主動(dòng)探測(cè)旨在選取最佳的探測(cè)集，一般包括預(yù)先選擇方式與交互式選擇方式。預(yù)先選擇方式計(jì)算方法簡(jiǎn)單但是執(zhí)行過程低效，且實(shí)時(shí)性不佳導(dǎo)致準(zhǔn)確率相對(duì)較低，交互式探測(cè)集選擇方式使用邊計(jì)算邊發(fā)送的方式減少了執(zhí)行探測(cè)的數(shù)目，使得網(wǎng)絡(luò)負(fù)載更低。

專利號(hào)CN103840967A的名稱為“一種電力通信網(wǎng)中故障定位的方法”專利，提供了一種電力通信網(wǎng)中故障定位的方法，將故障和癥狀的多對(duì)多的不確定性用加權(quán)二分圖來建模，引入故障影響權(quán)重在二分圖模型下利用全概率和貝葉斯思想，將先驗(yàn)故障概率轉(zhuǎn)化為條件概率，計(jì)算故障影響度，再加入可信參數(shù)控制疑似故障的影響，結(jié)合覆蓋度和貢獻(xiàn)度選出完全合理的解釋所發(fā)生的癥狀。該方法涉及的理論過于繁瑣，實(shí)現(xiàn)起來比較復(fù)雜，需要分析全網(wǎng)的拓?fù)洌野Y狀的收集過于被動(dòng)，定位時(shí)效性低。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是：現(xiàn)有方法實(shí)現(xiàn)復(fù)雜，在確保故障定位準(zhǔn)確度的同時(shí)不能滿足較高的故障定位時(shí)效性。

本發(fā)明提出了一種電力信息網(wǎng)故障定位方法，包括以下步驟：

S1、在電力信息網(wǎng)絡(luò)中隨機(jī)選取網(wǎng)絡(luò)節(jié)點(diǎn)部署探針，獲得由所有探針到所有網(wǎng)絡(luò)節(jié)點(diǎn)的全部探測(cè)，組成可用探測(cè)集T_all；

S2、從可用探測(cè)集T_all中選擇能覆蓋網(wǎng)絡(luò)所有節(jié)點(diǎn)的探測(cè)，周期性地發(fā)送探測(cè)包到信息網(wǎng)中，這些探測(cè)構(gòu)成故障檢測(cè)集T_obs，同時(shí)得到候選探測(cè)集T_sta＝T_all-T_obs，此時(shí)由能夠定位故障的探測(cè)組成的故障定位集T_dia為空；

S3、建立候選探測(cè)集T_sta中的探測(cè)t_j與網(wǎng)絡(luò)節(jié)點(diǎn)x_i之間的貝葉斯網(wǎng)絡(luò)模型，其中j＝1,2,...,m，i＝1,2,...,n，m是候選探測(cè)集T_sta中探測(cè)的數(shù)目，n是網(wǎng)絡(luò)節(jié)點(diǎn)的數(shù)目；

S4、根據(jù)故障檢測(cè)集T_obs中所有探測(cè)的返回結(jié)果，將S3建立的貝葉斯網(wǎng)絡(luò)模型劃分成若干子網(wǎng)；

S5、計(jì)算候選探測(cè)集T_sta中每個(gè)探測(cè)的信息增益G(t_j)＝H(X|T)-H(X|T∪{S(t_j)})及每個(gè)探測(cè)的重要節(jié)點(diǎn)個(gè)數(shù)N_Im(t_j)，得出每個(gè)探測(cè)的探測(cè)價(jià)值V(t_j)＝αG(t_j)+βN_Im(t_j)，將候選探測(cè)集T_sta中的探測(cè)按照探測(cè)價(jià)值從大到小排序，取t_max為當(dāng)前候選探測(cè)集T_sta中探測(cè)價(jià)值最大的探測(cè)；其中S(t_j)為探測(cè)t_j的狀態(tài)，P(X,T)是X和T的聯(lián)合概率，P(X|T)是已知T情況下X的條件概率，X＝(S(x₁),S(x₂),...,S(x_n))為整體網(wǎng)絡(luò)節(jié)點(diǎn)的狀態(tài)向量，T＝(S(t'₁),S(t'₂),...,S(t'_h))為當(dāng)前已發(fā)送探測(cè)包的探測(cè)的狀態(tài)向量，t'₁,t'₂,...,t'_h為當(dāng)前已發(fā)送探測(cè)包的探測(cè)，h為當(dāng)前已發(fā)送探測(cè)包的探測(cè)的數(shù)目，α和β為預(yù)設(shè)權(quán)值；

S6、若故障定位集的代價(jià)C(T_dia)≥B，則轉(zhuǎn)到S9，否則探測(cè)t_max發(fā)送探測(cè)包到信息網(wǎng)中，獲得信息網(wǎng)當(dāng)前該探測(cè)的狀態(tài)S(t_max)，同時(shí)將探測(cè)t_max加入故障定位集T_dia并將其從候選探測(cè)集T_sta中刪除，若此時(shí)候選探測(cè)集T_sta為空，則轉(zhuǎn)到S9；其中B為預(yù)設(shè)探測(cè)代價(jià)閾值；

S7、取t'_max為當(dāng)前候選探測(cè)集T_sta中探測(cè)價(jià)值最大的探測(cè)，若t'_max與t_max在同一子網(wǎng)內(nèi)，則重新計(jì)算探測(cè)t'_max的探測(cè)價(jià)值V(t'_max)，否則直接轉(zhuǎn)到S8；

S8、取為候選探測(cè)集T_sta中排在探測(cè)t'_max的后一位探測(cè)，若則令t_max為t'_max，轉(zhuǎn)到S6，否則判斷與t_max是否在同一子網(wǎng)內(nèi)，若不在同一子網(wǎng)，則比較t'_max與的探測(cè)價(jià)值，若在同一子網(wǎng)，則重新計(jì)算的探測(cè)價(jià)值再比較t'_max與的探測(cè)價(jià)值；如果則令t'_max為轉(zhuǎn)到S8，否則令t_max為t'_max，轉(zhuǎn)到S6；

S9、計(jì)算整體網(wǎng)絡(luò)節(jié)點(diǎn)狀態(tài)X的一個(gè)實(shí)例x^*＝argmaxP(X|ST)，得出整體網(wǎng)絡(luò)節(jié)點(diǎn)最有可能的狀態(tài)向量x^*，從而定位故障節(jié)點(diǎn)；其中ST＝(S(T₁),S(T₂),...)是當(dāng)前故障檢測(cè)集T_obs和故障定位集T_dia中所有探測(cè)的狀態(tài)向量。

進(jìn)一步，步驟S4具體包括：

根據(jù)故障檢測(cè)集T_obs中所有探測(cè)的返回結(jié)果，計(jì)算網(wǎng)絡(luò)節(jié)點(diǎn)x_i應(yīng)被探測(cè)的次數(shù)和覆蓋該網(wǎng)絡(luò)節(jié)點(diǎn)x_i的所有探測(cè)返回結(jié)果一致的比例若同時(shí)滿足a_i＞λ和b_i＞θ，則定義該網(wǎng)絡(luò)節(jié)點(diǎn)x_i為近似可觀測(cè)節(jié)點(diǎn)，利用D-分離方法將S3建立的貝葉斯網(wǎng)絡(luò)模型劃分成若干個(gè)相互獨(dú)立的小規(guī)模貝葉斯子網(wǎng)絡(luò)；其中c'為可用探測(cè)集T_all中覆蓋網(wǎng)絡(luò)節(jié)點(diǎn)x_i的探測(cè)，c為故障檢測(cè)集T_obs中覆蓋網(wǎng)絡(luò)節(jié)點(diǎn)x_i的探測(cè)，e為故障檢測(cè)集T_obs中覆蓋網(wǎng)絡(luò)節(jié)點(diǎn)x_i且狀態(tài)為k的探測(cè)，|·|表示求集合包含元素的個(gè)數(shù)，λ和θ為預(yù)設(shè)系數(shù)。

進(jìn)一步，步驟S6中故障定位集T_dia的代價(jià)C(T_dia)為故障定位集T_dia中探測(cè)的個(gè)數(shù)。

本發(fā)明的有益效果：(1)本發(fā)明方法使用貝葉斯網(wǎng)絡(luò)模型來描述候選探測(cè)集中的探測(cè)和電力信息網(wǎng)絡(luò)中的節(jié)點(diǎn)的關(guān)系，有效地簡(jiǎn)化了問題，信息節(jié)點(diǎn)與探測(cè)之間的有向邊使得故障定位過程更清晰；(2)結(jié)合單個(gè)探測(cè)的信息增益和單個(gè)探測(cè)路徑中的重要節(jié)點(diǎn)個(gè)數(shù)，作為探測(cè)價(jià)值來衡量候選探測(cè)集中每個(gè)探測(cè)的診斷能力，從候選探測(cè)集中選取探測(cè)價(jià)值最大的探測(cè)組成故障定位集，提高故障定位的準(zhǔn)確度；(3)利用貝葉斯網(wǎng)絡(luò)的條件獨(dú)立性，將其劃分為若干子網(wǎng)，更新探測(cè)價(jià)值時(shí)只更新同一子網(wǎng)的探測(cè)，減少探測(cè)選取時(shí)間，提升故障定位的時(shí)效性；(4)探測(cè)價(jià)值更新過程中表現(xiàn)子模型，減少更新探測(cè)的個(gè)數(shù)，加快探測(cè)選取時(shí)間，提升故障定位的時(shí)效性。

附圖說明

圖1是本發(fā)明方法的流程圖。

圖2是本發(fā)明方法與BPEA方法的故障定位準(zhǔn)確度對(duì)比圖。

圖3是本發(fā)明方法與BPEA方法的時(shí)效性對(duì)比圖。

具體實(shí)施方式

本發(fā)明中使用的幾個(gè)探測(cè)集的概念如下：

1)可用探測(cè)集T_all：在信息網(wǎng)中隨機(jī)選擇若干節(jié)點(diǎn)部署探針，每一個(gè)探針都可以發(fā)送主動(dòng)探測(cè)包給信息網(wǎng)中任意的網(wǎng)絡(luò)節(jié)點(diǎn)，稱之為一個(gè)探測(cè)，根據(jù)探測(cè)返回的結(jié)果可以推斷網(wǎng)絡(luò)節(jié)點(diǎn)狀態(tài)的好壞。由所有探針到所有網(wǎng)絡(luò)節(jié)點(diǎn)組成的全部探測(cè)構(gòu)成的集合為可用探測(cè)集T_all，下文所述的探測(cè)集都是此集合的子集。

2)故障檢測(cè)集T_obs：要保障電力信息網(wǎng)的可靠運(yùn)行，不能被動(dòng)地等待用戶發(fā)出故障申告，需要實(shí)時(shí)監(jiān)測(cè)網(wǎng)絡(luò)運(yùn)行情況，所以要從可用探測(cè)集T_all中選擇一些探測(cè)周期性地發(fā)送探測(cè)包到網(wǎng)絡(luò)中，所選擇發(fā)送的各個(gè)探測(cè)綜合起來要有能力覆蓋網(wǎng)絡(luò)中的所有節(jié)點(diǎn)，由這些探測(cè)組成的集合便是故障檢測(cè)集T_obs。

3)候選探測(cè)集T_sta：可用探測(cè)集T_all中不屬于故障檢測(cè)集T_obs的探測(cè)組成的集合，即T_sta＝T_all-T_obs。

4)故障定位集T_dia：故障定位集是在已經(jīng)獲知故障檢測(cè)集T_obs中各探測(cè)返回結(jié)果的情況下，從候選探測(cè)集T_sta中選擇的能達(dá)到定位故障目的探測(cè)組成的集合。

本發(fā)明提供的一種電力信息網(wǎng)故障定位方法包括以下步驟：

S1、在電力信息網(wǎng)絡(luò)中隨機(jī)選取網(wǎng)絡(luò)節(jié)點(diǎn)部署探針，獲得可用探測(cè)集T_all；

S2、從可用探測(cè)集T_all中選擇能覆蓋網(wǎng)絡(luò)所有節(jié)點(diǎn)的探測(cè)，構(gòu)成故障檢測(cè)集T_obs，同時(shí)得到候選探測(cè)集T_sta；

S3、建立候選探測(cè)集T_sta中的探測(cè)t_j與網(wǎng)絡(luò)節(jié)點(diǎn)x_i之間的貝葉斯網(wǎng)絡(luò)模型，其中j＝1,2,...,m，i＝1,2,...,n，m是候選探測(cè)集T_sta中探測(cè)的數(shù)目，n是網(wǎng)絡(luò)節(jié)點(diǎn)的數(shù)目；

S4、根據(jù)故障檢測(cè)集T_obs中所有探測(cè)的返回結(jié)果，將S3建立的貝葉斯網(wǎng)絡(luò)模型劃分成若干子網(wǎng)；

S5、計(jì)算候選探測(cè)集T_sta中每個(gè)探測(cè)的信息增益G(t_j)＝H(X|T)-H(X|T∪{S(t_j)})及每個(gè)探測(cè)的重要節(jié)點(diǎn)個(gè)數(shù)N_Im(t_j)，得出每個(gè)探測(cè)的探測(cè)價(jià)值V(t_j)＝αG(t_j)+βN_Im(t_j)，將候選探測(cè)集T_sta中的探測(cè)按照探測(cè)價(jià)值從大到小排序，取t_max為當(dāng)前候選探測(cè)集T_sta中探測(cè)價(jià)值最大的探測(cè)；其中S(t_j)為探測(cè)t_j的狀態(tài)，P(X,T)是X和T的聯(lián)合概率，P(X|T)是已知T情況下X的條件概率，X＝(S(x₁),S(x₂),...,S(x_n))為整體網(wǎng)絡(luò)節(jié)點(diǎn)的狀態(tài)向量，T＝(S(t'₁),S(t'₂),...,S(t'_h))為當(dāng)前已發(fā)送探測(cè)包的探測(cè)的狀態(tài)向量，t'₁,t'₂,...,t'_h為當(dāng)前已發(fā)送探測(cè)包的探測(cè)，h為當(dāng)前已發(fā)送探測(cè)包的探測(cè)的數(shù)目，α和β為預(yù)設(shè)權(quán)值；

S6、若故障定位集的代價(jià)C(T_dia)≥B，則轉(zhuǎn)到S9，否則探測(cè)t_max發(fā)送探測(cè)包到信息網(wǎng)中，獲得信息網(wǎng)當(dāng)前該探測(cè)的狀態(tài)S(t_max)，同時(shí)將探測(cè)t_max加入故障定位集T_dia并將其從候選探測(cè)集T_sta中刪除，若此時(shí)候選探測(cè)集T_sta為空，則轉(zhuǎn)到S9；其中B為預(yù)設(shè)探測(cè)代價(jià)閾值；

S7、取t'_max為當(dāng)前候選探測(cè)集T_sta中探測(cè)價(jià)值最大的探測(cè)，若t'_max與t_max在同一子網(wǎng)內(nèi)，則重新計(jì)算探測(cè)t'_max的探測(cè)價(jià)值V(t'_max)，否則直接轉(zhuǎn)到S8；

S8、取為候選探測(cè)集T_sta中排在探測(cè)t'_max的后一位探測(cè)，若則令t_max為t'_max，轉(zhuǎn)到S6，否則判斷與t_max是否在同一子網(wǎng)內(nèi)，若不在同一子網(wǎng)，則比較t'_max與的探測(cè)價(jià)值，若在同一子網(wǎng)，則重新計(jì)算的探測(cè)價(jià)值再比較t'_max與的探測(cè)價(jià)值；如果則令t'_max為轉(zhuǎn)到S8，否則令t_max為t'_max，轉(zhuǎn)到S6；

S9、計(jì)算整體網(wǎng)絡(luò)節(jié)點(diǎn)狀態(tài)X的一個(gè)實(shí)例x^*＝argmaxP(X|ST)，得出整體網(wǎng)絡(luò)節(jié)點(diǎn)最有可能的狀態(tài)向量x^*，從而定位故障節(jié)點(diǎn)；其中ST＝(S(T₁),S(T₂),...)是當(dāng)前故障檢測(cè)集T_obs和故障定位集T_dia中所有探測(cè)的狀態(tài)向量。

步驟S3建立的貝葉斯網(wǎng)絡(luò)模型中節(jié)點(diǎn)x_i(i＝1,2,...,n)表示信息網(wǎng)絡(luò)中的節(jié)點(diǎn)，節(jié)點(diǎn)t_j(j＝1,2,...,m)表示候選探測(cè)集T_sta中的探測(cè)，網(wǎng)絡(luò)節(jié)點(diǎn)與探測(cè)之間的有向邊表示該探測(cè)的探測(cè)路徑中包含了此節(jié)點(diǎn)。節(jié)點(diǎn)x_i有兩個(gè)狀態(tài)，S(x_i)＝0表示該節(jié)點(diǎn)沒有故障，S(x_i)＝1表示該節(jié)點(diǎn)存在故障，探測(cè)t_j的狀態(tài)S(t_j)與指向它的所有網(wǎng)絡(luò)節(jié)點(diǎn)的狀態(tài)有關(guān)，只要其指向的一個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的狀態(tài)為0，此探測(cè)的狀態(tài)S(t_j)，探測(cè)路徑上的任何一個(gè)節(jié)點(diǎn)出故障都會(huì)導(dǎo)致探測(cè)出故障，即只要探測(cè)t_j指向的網(wǎng)絡(luò)節(jié)點(diǎn)中有一個(gè)節(jié)點(diǎn)的狀態(tài)S(x_i)＝0，此探測(cè)的狀態(tài)S(t_j)＝0。將探測(cè)和網(wǎng)絡(luò)節(jié)點(diǎn)抽象成貝葉斯網(wǎng)絡(luò)模型中的一個(gè)個(gè)節(jié)點(diǎn)，有效地簡(jiǎn)化了問題，而節(jié)點(diǎn)與探測(cè)之間的有向邊使得故障定位過程更清晰。

步驟S4劃分子網(wǎng)絡(luò)，具體為根據(jù)故障檢測(cè)集T_obs中所有探測(cè)返回的結(jié)果，通過下式來定義“近似可觀測(cè)節(jié)點(diǎn)”表示此網(wǎng)絡(luò)節(jié)點(diǎn)x_i的狀態(tài)已近似確定：

其中，

|·|表示集合包含元素的個(gè)數(shù)，λ和θ為預(yù)設(shè)值，λ表示近似可觀測(cè)節(jié)點(diǎn)應(yīng)被探測(cè)的最少次數(shù)，θ表示探測(cè)返回結(jié)果中一致結(jié)果至少需要滿足的比例，0≤θ≤1。若網(wǎng)絡(luò)節(jié)點(diǎn)x_i同時(shí)滿足式(1)和式(2)，則認(rèn)為它是近似可觀測(cè)的，其指向的探測(cè)之間就滿足條件獨(dú)立性，使用D-分離原理將大規(guī)模的貝葉斯網(wǎng)絡(luò)轉(zhuǎn)換成若干個(gè)相互獨(dú)立的子網(wǎng)絡(luò)，在更新候選探測(cè)的探測(cè)價(jià)值時(shí)只需要更新同一子網(wǎng)內(nèi)的其余探測(cè)即可。

步驟S5至步驟S8為從候選探測(cè)集T_sta中選擇故障定位集T_dia的步驟。

具體的，為了衡量候選探測(cè)集T_sta中探測(cè)的優(yōu)劣，引入信息熵量化電力信息網(wǎng)狀態(tài)的不確定性，定義向量X＝(S(x₁),S(x₂),...,S(x_n))表示整體網(wǎng)絡(luò)節(jié)點(diǎn)的狀態(tài)，其中n為網(wǎng)絡(luò)節(jié)點(diǎn)的數(shù)目，定義向量T＝(S(t'₁),S(t'₂),...,S(t'_h))表示已發(fā)送探測(cè)包的探測(cè)的狀態(tài)，其中h是當(dāng)前已發(fā)送探測(cè)包的探測(cè)的數(shù)目，則在獲得探測(cè)返回結(jié)果后，信息網(wǎng)狀態(tài)的不確定性表示為：

式(4)中P(X,T)是X和T的聯(lián)合概率，P(X|T)是已知T情況下X的條件概率。采用信息增益G(t)量化單個(gè)探測(cè)t的優(yōu)劣：

G(t)＝H(X|T)-H(X|T∪{S(t)}) (5)

為了保障更重要的網(wǎng)絡(luò)節(jié)點(diǎn)優(yōu)先被檢測(cè)，在比較兩個(gè)探針的優(yōu)劣時(shí)需要考慮網(wǎng)絡(luò)節(jié)點(diǎn)的重要度，本發(fā)明方法定義V(t)表示單個(gè)探測(cè)的探測(cè)價(jià)值：

V(t)＝αG(t)+βN_Im(t) (6)

式(6)中N_Im(t)表示探測(cè)t的探測(cè)路徑中重要節(jié)點(diǎn)的個(gè)數(shù)，本實(shí)施例中重要節(jié)點(diǎn)為處于網(wǎng)路中心的核心層網(wǎng)絡(luò)節(jié)點(diǎn)；α和β是權(quán)值，調(diào)整α,β的值可以平衡信息增益和重要節(jié)點(diǎn)在探測(cè)價(jià)值中的權(quán)重，滿足不同信息網(wǎng)結(jié)構(gòu)的需要。

使用式(4)至式(6)，計(jì)算候選探測(cè)集T_sta中每個(gè)探測(cè)的探測(cè)價(jià)值。從候選探測(cè)集T_sta中不斷選取出探測(cè)價(jià)值最大的探測(cè)加入集合T^*，當(dāng)C(T^*)＝B時(shí)，選取結(jié)束，得到故障定位集T_dia＝T^*。其中C(T^*)表示集合T^*的代價(jià)，一般是探針的價(jià)格或者完成探測(cè)需要的時(shí)間等，本實(shí)施例中C(T^*)為集合T^*中探測(cè)的個(gè)數(shù)，B是根據(jù)實(shí)際情況設(shè)置的探測(cè)代價(jià)閾值。

選擇探測(cè)價(jià)值最大的探測(cè)過程中，當(dāng)觀測(cè)到一個(gè)新的探測(cè)結(jié)果后，剩余候選探測(cè)集中所有探測(cè)的探測(cè)價(jià)值在更新后均變小，因此僅需更新當(dāng)前具有最大探測(cè)價(jià)值的探測(cè)即可，若更新后此探測(cè)的探測(cè)價(jià)值比其他探測(cè)更新前還要大，則在不更新其余探測(cè)的情況下便可確定此探測(cè)就是下一輪的最佳選擇，大大地節(jié)省了時(shí)間。

步驟S9具體的，求出故障定位集T_dia后，根據(jù)故障檢測(cè)集T_obs和故障定位集T_dia中探測(cè)返回的結(jié)果分析電力信息網(wǎng)中節(jié)點(diǎn)狀態(tài)，也就是求：

x^*＝argmaxP(X|ST) (8)

其中ST＝(S(T₁),S(T₂),...)是已發(fā)送探測(cè)返回的狀態(tài)集合，x^*是網(wǎng)絡(luò)狀態(tài)X的一個(gè)實(shí)例。x^*中若有網(wǎng)絡(luò)節(jié)點(diǎn)的狀態(tài)為0，則表明該網(wǎng)絡(luò)節(jié)點(diǎn)有故障。使用故障檢測(cè)集綜合判斷信息網(wǎng)節(jié)點(diǎn)狀態(tài)可以減少故障定位集的負(fù)擔(dān)，在探測(cè)代價(jià)閾值一定的情況下能得到更好的故障定位結(jié)果。

圖2和圖3中IPCA為本發(fā)明方法，BPEA為傳統(tǒng)多故障網(wǎng)絡(luò)探測(cè)選擇算法，圖2所示為本發(fā)明方法與BPEA方法的故障定位準(zhǔn)確度對(duì)比圖，圖3所示為本發(fā)明方法與BPEA方法的時(shí)效性對(duì)比圖。從圖2中可以看出，隨著網(wǎng)絡(luò)節(jié)點(diǎn)的數(shù)目增多，本發(fā)明方法的準(zhǔn)確度與BPEA方法近似一樣，表明本發(fā)明方法確保了故障定位的準(zhǔn)確度。從圖3可以看出，隨著節(jié)點(diǎn)的數(shù)目增多，本發(fā)明方法對(duì)時(shí)間的改進(jìn)效果明顯，提高可故障診斷的時(shí)間效率。