[發明專利]面向電力業務的信息應用系統故障趨勢信息獲取方法

在審

• 申請號: 201611185499.3
• 申請日: 2016-12-21
• 公開（公告）號: CN106779221A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 梁良;李敏;李健;易璐
• 申請（專利權）人: 國網江西省電力公司信息通信分公司;國家電網公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 南昌新天下專利商標代理有限公司36115
• 代理人: 余鵬飛

1.面向電力業務的信息應用系統故障趨勢信息獲取方法，其特征在于，包括：

對信息應用系統中包含的至少一個設備進行監測，并獲取監測數據；

采用預設的故障趨勢預測規則，對獲取到的所述監測數據進行數據處理，得到對應的故障趨勢信息；

在指定顯示設備上將所述故障趨勢信息進行可視化展示。

2.根據權利要求1所述的方法，其特征在于，

所述至少一個設備包括：信息應用系統中指定的服務器、存儲設備、交換機和路由器節點中的任意一個或多個；

所述監測數據包括網絡接口層數據、服務器層數據、服務層數據和應用層數據；其中，

所述網絡接口層數據包括IP地址、MAC地址、路由表、端口存活狀態、上下行流量；

所述服務器層數據包括CPU負載、內存占用率、進程狀態、磁盤I/O；

所述服務層數據包括中間件、數據庫平臺軟件的狀態數據；

所述應用層數據包括信息應用系統的性能狀態數據。

3.根據權利要求1～2中任一項所述的方法，其特征在于，

當采用智能代理的分布式監控方式，每臺被監測設備上安裝有智能監控代理SMA時，所述對信息應用系統中包含的至少一個設備進行監測，并獲取監測數據，包括：

智能監控代理SMA對所述信息應用系統中包含的至少一個設備進行監測，得到監測數據；

監控服務端獲取所述智能監控代理SMA監測到的所述監測數據，所述監控服務端按照設定時間間隔定期輪巡所述智能監控代理SMA，以獲取所述智能監控代理SMA監測到的所述監測數據；

其中，所述監控服務端獲取所述智能監控代理SMA之間通過XML格式傳輸所述監測數據。

4.根據權利要求3所述的方法，其特征在于，所述對信息應用系統中包含的至少一個設備進行監測，并獲取監測數據，還包括：

所述智能監控代理SMA與所述監控服務端建立心跳連接；

所述監控服務端監測到所述智能監控代理SMA心跳連接超時時，得出所述智能監控代理SMA對應的設備發生故障，并生成相應的故障消息；

其中，所述故障消息包含在所述監測數據內。

5.根據權利要求1～2中任一項所述的方法，其特征在于，

當采用SNMP協議的網絡監控方式時，所述對信息應用系統中包含的至少一個設備進行監測，并獲取監測數據，包括：

對所述信息應用系統中包含的至少一個設備的網絡性能以及網絡差錯進行監測，并獲取監測數據。

6.根據權利要求1～2中任一項所述的方法，其特征在于，

當采用智能代理的主機故障診斷監控方式，每臺被監測設備上安裝有智能監控代理SMA時，所述對信息應用系統中包含的至少一個設備進行監測，并獲取監測數據，包括：

所述智能監控代理SMA根據指定的監測策略，對所述信息應用系統中包含的至少一個設備進行監測；

監控主服務器接收所述智能監控代理SMA在監測到所述設備運行異常時發送的告警或故障消息；

其中，所述告警或故障消息包含在所述監測數據。

7.根據權利要求6所述的方法，其特征在于，所述對信息應用系統中包含的至少一個設備進行監測，并獲取監測數據，還包括：

所述智能監控代理SMA與所述監控主服務器建立心跳連接；

所述監控主服務器監測到所述智能監控代理SMA心跳連接超時時，得出所述智能監控代理SMA對應的設備發生故障，并生成相應的故障消息；

其中，所述故障消息包含在所述監測數據內。

8.根據權利要求1～2中任一項所述的方法，其特征在于，所述采用預設的故障趨勢預測規則，對獲取到的所述監測數據進行數據處理，得到對應的故障趨勢信息，包括：

采用預設的線性回歸算法和指數回歸算法，對獲取到的所述監測數據進行數據處理，得到對應的故障未來趨勢信息；

采用預設的三角函數回歸算法，對獲取到的所述監測數據進行數據處理，得到對應的故障周期性趨勢信息；

其中，所述故障趨勢信息包括故障未來趨勢信息和故障周期性趨勢信息。

9.根據權利要求8所述的方法，其特征在于，所述采用預設的線性回歸算法和指數回歸算法，對獲取到的所述監測數據進行數據處理，得到對應的故障未來趨勢信息，包括：

(1)所述線性回歸算法

以所述信息應用系統中與故障相關的監測數據作為線性回歸算法的樣本數據集，收集所述信息應用系統發生各種故障的歷史數據，其中，所述歷史數據包括發生各種故障的具體時間，一段時間內發生該故障的次數，以及每次發生該故障時對應的狀態因子數據；

進行偏相關分析，即確定所述信息應用系統設定未來時期預計發生的主要故障，其中，主要故障為任意兩個偏相關系數大于等于-1且小于等于1的故障；

采用逐步回歸法，對確定出的各所述主要故障分別建立故障與狀態因子數據的映射關系方程式，并進行F檢驗，如果顯著水平P不能滿足P＜設定閾值，則剔除該主要故障，否則保留由該主要故障建立的故障與狀態因子數據的映射關系方程式；

預測所述信息應用系統所述設定未來時期的監測數據狀態因子參數值，并將預測出的所述狀態因子參數值代入所述保留的所述故障與狀態因子數據的映射關系方程式中，得出發生相應故障的概率值及故障未來趨勢信息；

(2)所述指數回歸算法

根據采集到的監測數據狀態因子參數序列值利用預設的所述指數回歸算法計算所述信息應用系統未來多個周期內的監測數據預測值：

所采集的狀態因子參數序列為{y₁，y₂，……，y_n}，采集時間序列為{t₁，t₂，……，t_n}，采用的指數回歸函數為：y＝ce^dt；

其中c和d為指數回歸函數的參數，參數計算方法為：

$\left\{\begin{array}{c}d=\frac{{\mathrm{\Σ}}_{i=1}^n{t}_i{z}_i-n\stackrel{\‾}{tz}}{{\mathrm{\Σ}}_{i=1}^n{t_i}^2-n\stackrel{\‾}{t}}\\ \ln c=\stackrel{\‾}{z}-b\stackrel{\‾}{t}\\ z_i=\ln y_i\end{array}\right.;$

其中，

采用如下公式，根據上述參數計算結果計算未來一個周期的狀態因子參數預測值：

${\hat{y}}_{n+1}^{,}={\mathrm{ce}}^{{\mathrm{dt}}_{n+i}},(i=1,2,\mathrm{...},1).$