[發明專利]基于電力自動化系統的流量監測模型

有效

• 申請號: 201110051431.7
• 申請日: 2011-03-03
• 公開（公告）號: CN102158401A
• 公開（公告）日: 2011-08-17
• 發明（設計）人: 鄭飛;高雪生;孫栓柱;王紅星;謝林楓;陳兵;尹飛;熊政;厲文婕
• 申請（專利權）人: 江蘇方天電力技術有限公司;江蘇省電力公司鎮江供電公司
• 主分類號: H04L12/56
• 分類號: H04L12/56;H04L12/26
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林;許婉靜

技術領域

本發明涉及一種應用于電力自動化系統的網絡流量監測模型，基于自動化系統網絡流量數據分析系統各業務模塊間的數據交互關系，自動生成業務監測對象模型，以全景視圖方式展現系統各業務組成部分間的業務流量數據、異常信息、異常影響范圍，提供快捷的流量信息查看、故障處理入口。

背景技術

近年來調度數據網絡應用有較快發展，包括保護故障管理、故障錄波遠傳、電量采集系統和調度實時系統等自動化系統。數據網絡是支持調度自動化系統的重要技術平臺，一般要求數據網絡安全可靠，實時性要求在秒級或數秒級。

目前，應用于調度自動化系統中的網絡設備（主要指交換機、路由器等）品種多，數量大；隨著政府對調度自動化系統安全性的要求不斷提升，網絡安全產品如防火墻、縱向加密裝置、橫向隔離設備等也逐漸增多，但是隨設備配置的軟件只能實現同型號設備的配置、維護與簡單監測，無法與業務應用系統關聯；對自動化系統運維人員來說，無法全面、系統地收集業務系統運行的實時工況，當業務系統發生異常時，亦缺乏全面、有效的手段和依據及時對異常進行定位與排查。

發明內容

本發明所解決的技術問題是在電力自動化系統中，如何以全景視圖方式實時展現系統各業務組成部分間的業務流量數據、異常信息、異常影響范圍，并能提供直觀的流量查看方式、便捷的故障處理入口。

為解決上述技術問題，本發明是采取以下的技術方案來實現的：

本發明運用可視化界面、現代通訊、互聯網、數據庫等先進技術，以服務電力調度數據網自動化系統網絡流量監控管理為主要目的，根據自動化系統各組成部分以及各部分間的數據交互，統計系統內部通訊產生的流量數據，分析自動化系統各模塊之間的關系，自動生成符合系統網絡流量行為特征的監測模型，通過全景視圖方式展現自動化系統各模塊之間的實時業務流量與異常，以網絡流量的視角監控業務系統運行情況，輔助系統運維。

本發明的基于電力自動化系統的流量監測模型，其特征在于：包括以下功能模塊

流量采集模塊：實時采集全網絡流量數據，為數據聚合功能模塊提供基礎數據；

數據聚合模塊：實現海量數據的數據壓縮與持久化存儲，實現系統各應用功能對差異時間粒度數據的要求，提高應用模塊的性能與響應速度；

關系分析模塊：根據電力自動化系統服務器之間的歷史流量數據，經自動分析后動態生成各服務器之間的數據交互關系；

監測視圖模塊：應用Flex技術實現基于自動化系統監測對象的全景視圖展示，實時展現系統各業務組成部分間的業務流量數據、異常信息、異常影響范圍，提供快捷的流量信息查看、故障處理入口。對于同類型節點實現以節點集合方式展現，降低視圖復雜度，提高直觀展示效果。

前述的基于電力自動化系統的流量監測模型，其特征在于：所述流量采集模塊具體包括以下功能模塊：

采集集中配置模塊：封裝不同品牌、型號網絡設備的Flow格式流量統計功能的啟動、停止命令，通過Telnet方式實現單入口的命令發送；

Flow格式數據偵聽模塊：該模塊采用分布式部署方式，偵聽采集由支持Flow技術網絡設備所發送的Flow格式流量數據，實現對Flow數據的集中偵聽、解析功能；

鏡像數據轉發模塊：對于不支持Flow技術的網絡設備，通過設備鏡像端口采集所有鏡像數據，解析后轉換成NetFlow格式，并發送到Flow格式數據偵聽模塊。

前述的基于電力自動化系統的流量監測模型，其特征在于：所述Flow格式流量數據包括NetFlow、NetStream、sFlow、xFlow以及鏡像數據。

前述的基于電力自動化系統的流量監測模型，其特征在于：所述的Flow數據偵聽模塊，基于分布式部署的動態擴展方式。

前述的基于電力自動化系統的流量監測模型，其特征在于：所述數據聚合模塊具體包括以下各功能模塊：

數據聚合模塊：在內存中建立源IP地址、目的IP地址、源端口、目的端口、網絡協議、時間點的組合為主鍵的哈希表，接收并聚合解析后的流量數據，達到1分鐘時間粒度后存入數據庫，識別各網絡設備上重復的流量數據；

迭代聚合模塊：針對系統各應用對數據時間粒度要求的差異，支持1分鐘、5分鐘、10分鐘、30分鐘、1小時、1天、1周、1月、1季度、1年等10個時間粒度的數據聚合，以數據庫中1分鐘聚合數據為基礎，由1分鐘數據聚合5分鐘數據，由5分鐘數據聚合10分鐘數據，依此類推，對不同時間粒度流量數據進行迭代聚合，同時避免影響實時流量采集的性能。