随着时代的发展,现代化的办公和企业自动化运作都离不开信息系统,信息系统对一个企业来说变得至关重要。不仅仅是对于互联网企业,传统企业也在尽可能地把传统业务都转移到信息化的平台上去。信息化平台的高度自动化的运作,极大地加快了传统企业的传统业务运作,同时也节约了很多人力成本。大量业务被转移到信息化平台上,那么维护信息系统的稳定就是一个至关重要的课题。高可用性是度量系统稳定性的一个重要指标,它代表着系统能够正常运转的时间比例。而随着电网企业体系的不断增大,内部的信息系统的复杂程度也在随着逐步增大,越复杂的系统,各组件之间可能产生的故障就越多,这也就给维护整个系统的可用性带来了巨大的挑战。而要维护可用性,首先要能够准确地计算可用性,所以电网公司迫切地需要一个能对整个系统的可用性进行准确评估的模型。本文对于可用性评估模型分为两个部分,一部分是单一组件的可用性评估。针对单一组件的可用性评估,本文创新地提出了一种基于误差逆传播神经网络的故障率估计算法,通过对历史故障数据的学习,可以得出单一组件的故障率函数对单一组件实时的运行状态以及连续运行时间之间的关系。相比于传统算法只能得到故障率函数对于运行时间的关系,本文提出的故障率函数不仅仅可以得到故障率函数对于运行时间的关系,而且引入了实时运行时的各种参数。对于未标定故障率样本的标定,创新地提出了通过其时间序列的故障率标定方法。在训练误差逆传播神经网络的过程中,引入了动量法进行学习率的动态修正,结合了模拟退火的方法实现了算法过拟合的避免。实验证明,由于引入了更多的学习变量,获取的故障率函数在测试集上的拟合程度相比于传统的故障率函数精度更高。另一部分是基于系统网络结构的可用性评估。针对系统网络可用性评估,本文创新地提出了一种集合不相交最小路径集以及蒙特卡罗模拟的系统可用性评估算法。论文对于一个复杂的系统网络使用生成搜索树的算法遍历整个路径,得出起始点和最终点的最小路集,然后提出了一种不相交最小路集算法,将相交的路集分解称为不相交的路集,使得他们的之间的概率独立,然后结合了蒙特卡罗模拟算法,基于分解后的不相交路集,计算整个网络的可用性。实验证明,使用结合不相交最小路集以及蒙特卡罗模拟的系统可用性评估算法,相比于传统的基于马尔科夫转移矩阵的网络可用性算法,本方法的速度较高,并且不受网络的结构限制,适用范围高。