随着电力通信网的快速发展,其网络拓扑结构越发复杂,所承载的网络设备也越来越多,导致电力通信网的故障种类和数量不断增加,告警信息之间的关联关系也越发复杂。如何快速准确地从大量告警信息中找出有价值的信息,完成故障的诊断,是当前电力通信网故障诊断的重要研究内容。基于此,本文针对电力通信网的故障诊断技术主要进行了以下研究:1.对课题的研究背景与意义做了介绍,对电力通信网故障诊断技术的研究现状进行分析,通过分析可知,告警信息对故障诊断起着决定性作用,在此基础上,完成了电力通信网故障诊断的整体方案设计。2.为了可靠高效的实现电力通信故障的诊断,需要对先期大量的故障告警信息进行预处理,消除无效、冗余和伪告警信息。为此,本文提出了基于聚类、滑动窗口和熵值法相结合的告警数据预处理方法,利用密度聚类,消除离散告警,利用滑动窗口实现告警时间同步和消除冗余告警信息,最后利用熵值法给告警信息加权。实验结果表明,该方法能有效提取有价值的告警信息,提高告警信息的提取效率。3.针对传统基于加权FP-Growth(Weighted FP-Growth,WFP)的电力通信网故障诊断技术在处理大量告警数据时,存在的故障诊断效率低,正确率低等问题,本文提出了一种基于Spark框架的加权FP-Growth并行电力通信网故障挖掘方法(Weighted FP-Growth Parallel Mining Method Based on Spark,WFPS)。仿真结果表明,所提方法能快速、准确的完成电力通信网故障诊断。最后,在搭建好的仿真环境下,分别采用WFPS和WFP两种方法进行电力通信网故障诊断。仿真结果表明,与WFP相比,本文提出的WFPS方法在电力通信网故障诊断中具有更快的诊断响应时间、更高的正确率以及更低的漏报率。