[發明專利]基于機器學習的中間件故障預警方法和系統

有效

• 申請號: 201911237337.3
• 申請日: 2019-12-05
• 公開（公告）號: CN111027615B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 李葉飛;王松云;姜麗麗;陳國琳;厲文婕;錢柱中
• 申請（專利權）人: 江蘇方天電力技術有限公司;南京大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00;G06Q50/06;G06F16/18
• 代理公司: 南京泉為知識產權代理事務所(特殊普通合伙) 32408
• 代理人: 許丹丹

本發明公開了基于機器學習的中間件故障預警方法和系統，該方法包括如下步驟：(1)實時采集電力信息系統中間件的數據；(2)進行安全性驗證；(3)對電力信息系統中間件的歷史日志數據和實時日志數據進行預處理；(4)以預處理后的中間件的歷史日志數據和實時日志數據作為輸入，對基于機器學習的分類算法進行訓練，形成故障分類器；(5)通過基于機器學習的回歸算法分析中間件指標值與中間件故障的關系，擬合故障特征函數，并基于故障特征函數和故障分類器進行故障預警的實時判斷。本發明有效克服了電力信息系統故障診斷時效差、準確度低、無法提前預警等問題，實現了基于電力信息系統中間件的實時故障預警，可保障系統安全、高效運行。

技術領域

本發明涉及故障診斷信號處理技術領域，尤其涉及一種基于機器學習的故障預警方法和系統。

背景技術

目前電力信息系統架構都是基于應用中間件連接底層數據庫和上層應用，中間件的運行穩定與否直接關系到整個信息系統的運行穩定，對于信息系統中間件這一關鍵環節構建監控就顯得尤為重要。針對該問題，目前主要使用人工的方式定期檢查上述環境的工作狀態，力求及早發現故障及早解決。但是人工檢查受制于時間、經驗等因素，檢查時效差，準確度低，更重要的是無法實現對故障的預測。面對著分散的系統資源無法直接有效地進行監控和隱患排查，在發生問題時，無法快速地準確定位問題，進而影響電力信息系統運行參數指標。因此電力信息系統運維工作中實現信息系統運維智能、故障預警和故障定位功能，將是信息運維管理提升的核心內容。但目前信息系統中間件故障預警仍存在以下諸多問題：

(1)隨著信息運維業務的發展，大量的數據不斷生成和積累，從數據類型上看，除重復的結構化數據外，還產生大量的日志、工單等半結構化的數據；目前信息系統暫無對這些數據的分析和處理。

(2)電力信息系統中間件在出現故障后，無統一的預警機制，主要采取在故障發生后進行告警和檢修的被動運維模式，這種模式導致運維人員將日常大部分時間和經歷都花在處理簡單且重復的問題上，況且運維人員數量有限，通常不管是什么類型的信息系統中間件發生故障都會造成不同程度的經濟損失和嚴重后果。

(3)缺乏在故障發生之前對信息運維體系進行提前預警的能力，缺乏對運維隱患進行定位和分析的能力，因此急需一種以預防為主，防范于未然的主動預警方法。

發明內容

發明目的：本發明為了解決現有的電力信息系統故障預警技術的不足，提供了一種基于機器學習的中間件故障預警方法，同時提供了一種基于機器學習的中間件故障預警系統。

技術方案：為解決上述技術問題，本發明提供的基于機器學習的中間件故障預警方法，其包括如下步驟：

(1)實時采集運行過程中的電力信息系統中間件的數據；所述電力信息系統中間件的數據包括中間件實時日志數據和中間件實時指標值數據；

(2)對步驟(1)采集得到的實時日志數據進行安全性驗證；

(3)對電力信息系統中間件的歷史日志數據和實時日志數據進行預處理；

(4)以經步驟(3)預處理后的電力信息系統中間件的歷史日志數據和實時日志數據作為輸入，對基于機器學習的分類算法進行訓練，形成故障分類器；

(5)通過基于機器學習的回歸算法分析中間件指標值與中間件故障的關系，擬合故障特征函數，并基于故障特征函數和故障分類器進行故障預警的實時判斷，從而實現基于電力信息系統中間件的實時故障預警。

優選的，所述步驟(2)中的安全性驗證包括采用RSA加密技術的日志數據簽名和日志數據驗證。

作為優選的，所述步驟(3)中采用特征選擇方法對電力信息系統中間件的歷史日志數據和實時日志數據進行的預處理包括數據清理、數據轉換和數據歸并。