基于双向加权图模型的电力调度自动化系统故障溯源方法技术方案

本发明专利技术实施例提出了一种基于双向加权图模型的电力调度自动化系统故障溯源方法，包括：采集电力调度自动化系统中服务器组件的资源占用数据，将这些数据组成的多个时间序列离散化，获得包含告警段的时间序列，剔除该时间序列中包含的告警时间段，获得无告警段时间序列；计算组件信息熵和组件间传递熵，建立有无告警段的信息相关矩阵，通过其变化率衡量告警前后的差异程度，采用归一化技术获得信息差异矩阵；提取信息变化较高的特征及特征间交互信息，构建双向加权图模型，结合节点自身信息和出入度信息变化拟合故障源头程度指标进行排序，依据排序结果追溯故障源头。本发明专利技术实施例提供的技术方案，提高电力调度自动化系统故障溯源的性能。溯源的性能。溯源的性能。

【技术实现步骤摘要】
基于双向加权图模型的电力调度自动化系统故障溯源方法


[0001]本专利技术涉及故障定位领域解决系统拓扑关系未知的故障溯源方法，尤其涉及一种基于双向加权图模型的电力调度自动化系统故障溯源方法。

技术介绍

[0002]随着智能化技术与网络技术的不断成熟，电力调度自动化系统作为计算和物理进程的统一体，是综合计算、通信和物理环境的复杂系统。该系统通常由服务器、存储器、网络设备、应用软件等众多组件构成，具有组件繁多、组件间紧密耦合、组件间关系复杂等特点，这使得组件间的逻辑拓扑关系难以获得。一旦组件发生故障，其关联关系将影响其他组件，进而导致整个系统出现异常或波动。由于组件间拓扑关系未知且复杂，使得故障溯源变得极其困难，及早地故障溯源对于保证电力调度自动化系统的安全稳定运行具有重要的意义。现有的故障溯源方法主要包括基于规则的溯源方法和基于建模的溯源方法。基于规则的故障溯源方法过分依赖于专家知识，并且当规则库达到一定规模后，对规则库的管理会变得困难，通过规则库进行的溯源，效率也会降低。基于建模的故障溯源方法主要包括有向图、故障树、不变网络、信息差异图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双向加权图模型的电力调度自动化系统故障溯源方法，其特征在于，所述方法步骤包括：(1)采集电力调度自动化系统中所有服务器组件CPU、内存、磁盘、网络、进程的资源占用数据，组件资源占用数据包括组件CPU特征、组件内存特征、组件磁盘特征、组件网络特征和组件进程特征下的运行数据，组件CPU特征包括等待时间、IO使用率、用户使用时间；组件内存特征包括使用率、碰撞率；组件磁盘特征包括IO读取计数、IO写入计数、IO读取位数、IO写入位数；组件网络特征包括最大文件描述符延迟时间、发送的IO字节、发送的IO包；组件进程特征包括IO读取计数、IO写入计数、IO读取字节、IO写入字节、已用文件描述符、内存使用率、CPU使用率，将上述特征下采集的运行数据组成的多个时间序列作为溯源方法的输入，对每个特征的时间序列采用k
‑
means算法获得聚类中心，将其作为离散化后时间序列区间划分的端点，每个区间的均值作为连续特征的离散化结果，所有特征时间序列按照以上离散化方法转化为包含告警段的N个特征时间序列{S1,S2,...,S
N
}，所有时间序列拥有相同的时间点集合{t1,t2,...,t
o
}，o表示时间点总个数，在每个相同时间点，所有时间序列均有取值，N表示组件的特征个数，剔除该N个特征时间序列中包含的告警时间段，获得无告警段特征时间序列{S1',S'2,...,S'
N
}；(2)计算组件信息熵和组件间传递熵，建立有无告警段的信息相关矩阵，通过其变化率衡量告警前后的差异程度，采用归一化技术获得信息差异矩阵，具体为：计算组件包含告警段的离散化后的特征时间序列{S1,S2,...,S
N
}中每个时间序列的自信息熵{H1(S1),H2(S2),...,H
N
(S
N
)}，其中H
i
(S
i
)为时间序列S
i
的自信息熵，i＝1,2,...,N：其中，x表示该特征时间序列S
i
中的某个时间点的特征值，α
x
表示该特征时间序列S
i
中x的所有可能取值，p(x)表示时间序列S
i
中特征值取值为x的概率：其中q
i
(x)表示时间序列S
i
的所有时间点中特征值取值为x的时间点个数，计算除与自身特征时间序列外，两两特征时间序列间的传递熵{T1→2,T1→3,...,T1→
N
,T2→1,T2→3,...,T2→
N
,...,T
N
→
N
‑1}，任意两个时间序列的互信息被定义为两个变量共享的信息量的度量，互信息熵I(S
i
；S
j
)用来衡量时间序列S
i
和S
j
的共享信息量：其中，S
i
表示第i个特征时间序列，S
j
表示第j个特征时间序列，x和y分别表示特征时间序列S
i
和S
j
中的某个时间点的特征值，α
x
和α
y
表示特征时间序列S
i
和S
j
中x和y的所有可能取值，p(x,y)为联合分布概率，p(x|y)为条件概率：
其中，q
i,j
(x,y)表示特征时间序列S
i
的特征值取值为x并且特征时间序列S
j
的特征值取值为y同时出现的时间点个数，q表示时间序列的长度，p(y)表示时间序列S
i
中特征值取值为y的概率，在互信息熵的基础上进一步扩展为传递熵，在传递熵的计算中除S
i
本身的信息外，S
j
还提供了额外的信息来预测S
i(t+1)
，设定传递熵T
j
→
i
为特征时间序列S
j
到S
i
的交互信息的度量：其中，i
t
表示特征时间序列S
i
在时间t时的特征值，i
t(k)
表示i
t+1
前的k个最近的特征时间序列S
i
的特征值，j
t
表示特征时间序列S
j
在时间t时的特征值，j
t(l)
表示j
t+1
前的l个最近的特征时间序列S
j
的特征值，传递熵具有方向性，因此T
i
→
j
可以通过交换公式(6)中的变量获得，计算有告警段时间序列的自信息和互信息来建立因果关系矩阵A：重复步骤(2)中计算有告警段时间序列的自信息和互信息来建立因果关系矩阵A的过程，计算无告警段时间序列{S'1,S'2,...,S'
N
}因果关系矩阵B，建立信息差异矩阵分别对信息差异矩阵C的对角线和非对角线信息变化率进行归一化处理，得出最终的信息差异矩阵；(3)提取信息变化较高的特征及特征间交互信息，构建双向加权图模型，结合节点自身信息和出入度信息变化拟合故障源头程度指标进行排序，依据排序结果追溯故障源头，具体为：设定阈值Θ∈(0,1)，c
m,n
(m<N，n<N,c
m,n
∈(0，1))表示信息差异矩阵C中第m行n列的值，遍历矩阵C并标记c
m,n
＞Θ所在的行和列，保留所有标记过的行和列的值...

【专利技术属性】
技术研发人员：薛冰，高欣，任昺，贾欣，傅世元，张光耀，黄子健，黄旭，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：