一种基于收敛交叉映射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收敛交叉映射的电力调度自动化系统故障溯源方法，包括：收集电力调度自动化系统故障前后的运行数据，计算组件故障前后的排列熵，根据排列熵变化量度量组件自身异常程度；计算故障前后组件间收敛交叉映射系数，构建正常状态下电力调度自动化系统的因果图，并根据因果链接变化情况求得组件全局因果关系变化程度；对正常状态下的因果图进行社区划分，在耦合紧密的社区范围内计算组件局部因果关系变化程度，然后结合组件自身异常程度、全局和局部因果关系变化程度拟合故障程度度量指标，根据故障程度排序结果定位故障根因组件。本发明专利技术实施例提供的技术方案，能够提高电力调度自动化系统故障溯源的准确性。性。性。

【技术实现步骤摘要】
一种基于收敛交叉映射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拓扑关系未知的故障溯源方法，尤其涉及一种基于收敛交叉映射的电力调度自动化系统故障溯源方法。

技术介绍

[0002]随着我国经济社会的快速发展，工业和生活用电的需求大大增加，对电网安全、经济、可靠运行的要求也越来越高。电力调度自动化系统作为电网的指挥中心，对保障电网的安全稳定运行具有重要意义。该系统由服务器、存储器、网卡等众多组件构成，当某一组件发生故障时，由于组件间存在紧密的耦合关系，故障会在短时间内迅速传播，造成大范围异常告警。在复杂的拓扑结构无法获取的情况下，及时准确定位故障源头、排查并检修故障设备，对于保障电力调度自动化系统安全稳定运行具有重要意义。现有的故障溯源方法大多依赖专家经验和拓扑规则来推断故障传播路径，它们仅适用于分析复杂程度较低、逻辑关系比较简单的小型系统中出现的故障。对于电力调度自动化系统而言，统计系统全部的过程知识是一项难以完成的任务。此外，电力调度自动化系统的业务功能不断更新升级，关联规则也在不断变化，每次针对业务升级修改对应的拓扑规则也是不切实际的。而基于格兰杰因果关系或传递熵的数据驱动溯源方法在建模时需要耗费大量时间，且难以区分虚假因果关联，导致溯源的精度较差。因此，提出一种基于收敛交叉映射建模组件间因果关系的数据驱动故障溯源算法，能够辅助运维人员快速从大范围告警信息中定位故障根源，对于保障电网平稳运行具有重要意义。

技术实现思路

[0003]有鉴于此，本专利技术实施例提出了一种基于收敛交叉映射的电力调度自动化系统故障溯源方法，在缺少逻辑拓扑关系的情况下，根据电力调度自动化系统的运行数据分析故障前后组件运行模式和规律的变化，从而有效定位造成大范围告警的故障源头，提高故障溯源的精度。
[0004]本专利技术实施例提出一种基于收敛交叉映射的电力调度自动化系统故障溯源方法，包括如下步骤：
[0005](1)收集电力调度自动化系统故障前后的运行数据，计算组件故障前后的排列熵，根据排列熵变化量度量组件自身异常程度，具体为：
[0006]收集电力调度自动化系统所有服务器的CPU、内存、磁盘、网络、进程组件的资源占用数据，其中，每个组件的资源占用情况包括IO读写情况、使用率、碰撞率、等待时间，将这些资源占用数据组成的组件特征序列集合{x1,x2,...,x
n
}作为故障溯源方法的输入，n代表序列的个数，每个序列包含l个观测值。对每个序列进行相空间重构，嵌入向量维度设置为m、延迟时间设置为τ，以得到对应的相空间矩阵Y
i
：
[0007][0008]其中，x
i
(k)表示第i个序列在k时刻的数值大小，i＝1,2,...,n，k＝1,2,...,l。矩阵的每一行代表一个重构分量，将每个分量中的元素按从小到大的顺序排列，可以得到一组位置索引序列，理论上索引序列共有m！种情况，将第j种索引序列出现的概率记为则可以由下式计算出组件特征序列的排列熵PE
i
：
[0009][0010]根据上式可分别计算出组件特征序列故障前后的排列熵和进而可以由下式计算出组件自身的异常程度Self_Error
i
：
[0011][0012]其中，Normalize(
·
)代表归一化过程，Self_Error
i
是度量电力调度自动化系统内组件运行模式变化情况的重要指标，其值越大，说明组件自身的异常程度越高。
[0013](2)计算故障前后组件间收敛交叉映射系数，构建正常状态下电力调度自动化系统的因果图，并根据因果链接变化情况求得组件全局因果关系变化程度，具体为：
[0014]针对电力调度自动化系统组件特征序列{x1,x2,...,x
n
}中的任意两个序列x
i
＝{x
i
(1),x
i
(2),...,x
i
(l)}和x
j
＝{x
j
(1),x
j
(2),...,x
j
(l)}，若要判断组件j是否驱动组件i工作，首先，需要设置嵌入维度E和采样间隔ε以构建序列x
i
在每一时刻的嵌入向量得到影子流形矩阵M
i
：
[0015][0016]其次，找到影子流形内每个点的E+1个最近邻点，用表示，确定用于预测序列x
j
的每个点的权重w
k
：
[0017]w
k
＝u
k
/∑u
p
,p＝1,2,...,E+1
[0018]其中，k＝1,2,...,E+1，d[
·
]为两向量间的欧式距离度量函数，从而可以计算出由组件i历史数据拟合出的组件j在t时刻观测值的估计量
[0019][0020]最后，根据估计值和真实值的相关性可以计算出表征组件j到组件i因果关系大小的收敛交叉映射系数ρ
j
→
i
：
[0021][0022]其中，Cov(
·
)为协方差计算公式，Var(
·
)为方差计算公式。如果ρ
j
→
i
的值大于阈值Θ，则认为存在从j到i的因果关系，从i到j是否具有因果关系可以由相同的原理求得。分别计算正常状态下电力调度自动化系统每两个组件间的因果关系大小，以组件为节点、组件间的因果链接为边，可以构建描述电力调度自动化系统状态的因果图G＝(V,ζ)，V为组件节点集合，ζ为边的集合。用ΔAbs_Causality
i
表示故障发生后节点i入度出度变化的绝对值、用Total_Causality表示因果图内所有的因果链接数量，则组件i的全局因果关系变化程度Global_Causality
i
可由下式表示：
[0023][0024](3)对正常状态下的因果图进行社区划分，在耦合紧密的社区范围内计算组件局部因果关系变化程度，然后结合组件自身异常程度、全局和局部因果关系变化程度拟合故障程度度量指标，根据故障程度排序结果定位故障根因组件，具体为：
[0025]首先将因果图G＝(V,ζ)中的每个节点作为它自己的初始社区标签，然后寻找每个节点的邻居节点，尝试将该节点的社区标签更新为邻居节点的社区标签，计算社区度量函数是否产生增益，如果产生增益，则保留这次更新，否则恢复节点原始社区标签。不断迭代此过程，直到移动图中的任何节点都不能改善社区度量函数的值，其中社区度量函数Q的计算公式如下所示：
[0026]Q＝αD(q||<q>)
[0027][0028]其中，α为图中全部边的数量，q为社区内部边数量所占比例，其分子为所有社区的内部边数量和，α
c
表示组件i所属社区c内部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于收敛交叉映射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)收集电力调度自动化系统故障前后的运行数据，计算组件故障前后的排列熵，根据排列熵变化量度量组件自身异常程度，具体为：收集电力调度自动化系统所有服务器的CPU、内存、磁盘、网络、进程组件的资源占用数据，其中，每个组件的资源占用情况包括IO读写情况、使用率、碰撞率、等待时间，将这些资源占用数据组成的组件特征序列集合{x1,x2,...,x
n
}作为故障溯源方法的输入，n代表序列的个数，每个序列包含l个观测值，对每个序列进行相空间重构，嵌入向量维度设置为m、延迟时间设置为τ，以得到对应的相空间矩阵Y
i
：其中，x
i
(k)表示第i个序列在k时刻的数值大小，i＝1,2,...,n，k＝1,2,...,l，矩阵的每一行代表一个重构分量，将每个分量中的元素按从小到大的顺序排列，可以得到一组位置索引序列，理论上索引序列共有m！种情况，将第j种索引序列出现的概率记为则可以由下式计算出组件特征序列的排列熵PE
i
：根据上式可分别计算出组件特征序列故障前后的排列熵和进而可以由下式计算出组件自身的异常程度Self_Error
i
：其中，Normalize(
·
)代表归一化过程，Self_Error
i
是度量电力调度自动化系统内组件运行模式变化情况的重要指标，其值越大，说明组件自身的异常程度越高；(2)计算故障前后组件间收敛交叉映射系数，构建正常状态下电力调度自动化系统的因果图，并根据因果链接变化情况求得组件全局因果关系变化程度，具体为：针对电力调度自动化系统组件特征序列{x1,x2,...,x
n
}中的任意两个序列x
i
＝{x
i
(1),x
i
(2),...,x
i
(l)}和x
j
＝{x
j
(1),x
j
(2),...,x
j
(l)}，若要判断组件j是否驱动组件i工作，首先，需要设置嵌入维度E和采样间隔ε以构建序列x
i
在每一时刻的嵌入向量得到影子流形矩阵M
i
：其次，找到影子流形内每个点的E+1个最近邻点，用表示，确定用于预测序列x
j
的每个点的权重w
k
：w
k
＝u
k
/∑u
p
,p＝1,2,...,E+1
其中，k＝1,2,...,E+1，d[
·
]为两向量间的欧式距离度量函数，从而可以计算出由组件i历史数据拟合出的组件j在t时刻观测值的估计量估计量最后，根据估计值和真实值的相关性可以计算出表征组件j到组件i因果关系大小的收敛交叉映射系数ρ
j
→
i
：其中，Cov(
·
)为协方差计算公式，Var...

【专利技术属性】
技术研发人员：高欣，张光耀，薛冰，于家豪，傅世元，陈伶俐，孟之航，方潇，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：