[發明專利]一種基于大數據技術的電力信息通信故障預警分析方法

有效

• 申請號: 201410530709.2
• 申請日: 2014-10-09
• 公開（公告）號: CN104363106B
• 公開（公告）日: 2018-03-06
• 發明（設計）人: 陳碩;趙永彬;李巍;喻洪輝;劉樹吉;于亮亮;鄧春宇;盧斌;張靖欣;王鷗
• 申請（專利權）人: 國網遼寧省電力有限公司信息通信分公司
• 主分類號: H04L12/24
• 分類號: H04L12/24;G06Q50/06
• 代理公司: 沈陽維特專利商標事務所(普通合伙)21229
• 代理人: 甄玉荃

技術領域

本發明屬于數據分析領域，尤其涉及一種基于大數據技術的電力信息通信故障預警分析方法。

背景技術

隨著信息通信設備的監控種類逐漸增加、數據類型日益豐富和獲取途徑的逐步完備，信息通信設備所監控的數據量快速增長。目前IMS系統的發展，各個業務系統監控指標多達數十種；根據調研測算，僅僅對于目前遼寧省電力公司就有300多設備，對于結構化數據分析而言，每臺設備大概具有100個監測點，每個監測點涵蓋10個指標，則采集指標點的數目為30萬。采集指標涵蓋性能、故障、配置數據等，每采集點20個字節。每五分鐘采集一次，則每天采集的數據流約為2G。對于半結構化數據分析而言，日志數據的采集點約為600個，每個采集點每天產生的日志信息約為10M，則總采集點的日志數據為6G。這還不涵蓋設備每天產生的海量的非結構化數據包括GIS、視頻等信息。形成為面向新型可用性的大數據分析帶來極大的挑戰；另一方面，為縮短故障響應時間，未來各級各類系統的采集頻率的提高和監控范圍的提升必將進一步提升數據分析和處理的難度。這些都為一體化描述涵蓋業務運行系統、中間件、數據庫和主機等監控對象帶來新的挑戰。同時，面向這類關聯對象的故障定位也必將面臨信息難以匯集、關聯關系難以完備描述的困難，從而為面向故障的定位和預警分析帶來新的挑戰。因而，面向監控數據的海量化、監控范圍的綜合化和告警及預警特征的多樣化，需要引入高效的基于大數據的分布式處理架構，提供高效的數據抽取和分析手段，需要為分析和監控度量提供一致和實時的數據輸出。

發明內容

本發明所要解決的技術問題在于提供一種基于大數據技術的電力信息通信故障預警分析方法，旨在解決電力系統數據龐大中，正確分析出異常故障信息。

本發明是這樣實現的，一種大數據故障報警分析方法，該方法包括如下步驟：

1)整理歷史故障數據建立決策表，將歷史故障數據的每個事件拆分為兩個字段，所述字段包括故障特征和故障特征對應的多個故障原因，根據故障特征和對應的故障原因建立成行，每一行表示一個真實的專家診斷案例；

2)根據步驟1)整理的歷史故障數據建立的決策表構建專家系統，輸入專家系統的知識庫內；

3)在專家系統中建立推理機，當輸入新的故障特征時，通過推理機分析出故障特征與專家系統內的決策表進行故障原因的推理并計算出故障原因的概率進行報警，所述推理機通過貝葉斯網絡根據歷史故障特征對每個故障原因建立樸素貝葉斯網絡，令歷史故障特征的總和：X＝{x₁，x₂，…，x_n}，歷史故障原因的總和：R＝{r₁,r₂,…r_n}，建立每個歷史故障原因r_i對應的歷史故障特征組{x₁,x₂,…,x_m}，歷史故障特征組{x₁,x₂,…,x_m}屬于歷史故障特征的總和：X＝{x₁，x₂，…，x_n}的子集；

假設有故障特征的樣本χ_s＝{x₁，x₂，…，x_m}那么故障特征屬于某個故障原因r_i的概率為其中，N為所有歷史故障數據的記錄數，N_ri為所有歷史故障數據中出現故障原因r_i的個數，為所有歷史故障數據中出現特征組{x₁,x₂,…,x_m}的記錄數，為所有歷史數據中出現故障原因r_i又出現故障特征χ_s＝{x₁，x₂，…，x_m}的記錄數。

進一步地，包括將故障特征的樣本χ_s＝{x₁，x₂，…，x_m}以及步驟3)中推理的故障原因形成歷史故障事件更新步驟1)的決策表。