一种基于制造技术

本发明专利技术提供一种基于

【技术实现步骤摘要】
一种基于ID3算法的机房用电设备故障分类方法及系统


[0001]本专利技术涉及设备故障分析
，更具体地，涉及一种基于
ID3
算法的机房用电设备故障分类方法及系统
。

技术介绍

[0002]IDC
机房即互联网数据中心
。
它为互联网内容提供商
(ICP)、
企业
、
媒体和各类网站提供大规模
、
高质量
、
安全可靠的专业化服务器托管
、
空间租用
、
网络批发带宽以及
ASP、EC
等业务
。
作为数字经济时代最重要的关键信息基础设施之一，其业务连续性的保障能力关乎着互联网
、
云计算和大数据等领域的运行与发展
。
因此，
IDC
机房中的各类电力设备的稳定性和可靠性运行，对保障
IDC
机房正常运行至关重要
。
但是机房中众多的用电设备以及线路，导致在机房中可能发生安全隐患时，工作人员通常情况下都无法提前发现，从而及时避免危险事故的发生，因此，如何进一步的对机房用电设备进行故障分析是亟待解决的问题
。

技术实现思路

[0003]本专利技术针对现有技术中存在的技术问题，提供一种基于
ID3
算法的机房用电设备故障分类方法及系统，用以解决如何进一步的对机房用电设备进行故障分析的问题
。
[0004]本专利技术的第一方面，提供了一种基于
ID3
算法的机房用电设备故障分类方法，包括：
[0005]实时获取机房中至少一个用电设备的在线监测数据，构建采样数据集；
[0006]获取所述用电设备的历史故障数据集及其对应的历史评估指标；
[0007]基于
ID3
算法和所述历史评估指标对所述历史故障数据集和所述采样数据集计算信息熵和信息增益，构建分类决策树；
[0008]基于所述分类决策树对所述采样数据集进行分类，得到分类结果；
[0009]基于所述分类结果对所述机房中的用电设备进行故障分析
。
[0010]在上述技术方案的基础上，本专利技术还可以作出如下改进
。
[0011]优选的，所述基于
ID3
算法和所述历史评估指标对所述历史故障数据集和所述采样数据集计算信息熵和信息增益，构建分类决策树的步骤，包括：
[0012]基于
ID3
算法对所述历史故障数据集，计算所述历史评估指标中各个指标的信息熵和信息增益；
[0013]基于所述信息熵和信息增益，对所述采样数据集进行计算，确定根节点和中间节点，并构建分类决策树
。
[0014]优选的，所述历史评估指标包括设备编号
、
设备型号
、
设备安装方式
、
设备运行状态
、
设备功率
、
运行电流
、
运行电压
、
温度和湿度
。
[0015]优选的，所述基于
ID3
算法和所述历史评估指标对所述历史故障数据集计算信息熵的步骤，包括：
[0016]基于所述历史评估指标中的一个指标
C
，指标
C
具有
m
个可能的取值
C
＝
{C1，
C1，
…
，
C
m
},
所述历史故障数据集
S
中
C
i
出现的频率为
p
i
(i
＝
1,2,
…
,m)
，所述历史故障数据集
S
的信息熵为：
[0017][0018]优选的，所述基于
ID3
算法和所述历史评估指标对所述历史故障数据集计算信息增益的步骤，包括：
[0019]基于所述历史评估指标中的一个指标
B
作为根节点，基于所述指标
B
将所述历史故障数据集
S
划分为历史故障数据子集
S
j
(j
＝
1,2,
…
,k),
所述指标
B
划分历史故障数据集
S
的信息增益为：
[0020]Gain(S,B)
＝
Entropy(S)
‑
Entropy
B
(S)
；
[0021]其中，所述历史故障数据子集
S
j
的信息熵为：
[0022][0023]其中，
|S
i
|
为历史故障数据子集
S
j
中包含的样本数，
|S|
为历史故障数据集
S
中包含的样本数
。
[0024]优选的，所述构建分类决策树的步骤，还包括：
[0025]基于所述各个指标的信息增益的大小，将最大的信息增益对应的指标作为最优划分特征
。
[0026]优选的，所述基于所述分类结果对所述机房中的用电设备进行故障分析的步骤之后，包括：
[0027]基于所述故障分析结果，对所述用电设备进行故障预警
。
[0028]本专利技术的第二方面，提供一种基于
ID3
算法的机房用电设备故障分类系统，包括：
[0029]实时数据采集模块，用于实时获取机房中至少一个用电设备的在线监测数据，构建采样数据集；
[0030]历史数据获取模块，用于获取所述用电设备的历史故障数据集及其对应的历史评估指标；
[0031]决策树构建模块，用于基于
ID3
算法和所述历史评估指标对所述历史故障数据集和所述采样数据集计算信息熵和信息增益，构建分类决策树；
[0032]采集数据分类模块，用于基于所述分类决策树对所述采样数据集进行分类，得到分类结果；
[0033]设备故障分析模块，用于基于所述分类结果对所述机房中的用电设备进行故障分析
。
[0034]本专利技术的第三方面，提供了一种电子设备，包括存储器
、
处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现上述第一方面中任一基于
ID3
算法的机房用电设备故障分类方法的步骤
。
[0035]本专利技术的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现上述第一方面中任一基于
ID3
算法的机房用电设备故障分类方法的步骤
。
[0036]本专利技术提供的一种基于
ID3<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
ID3
算法的机房用电设备故障分类方法，其特征在于，所述方法包括：实时获取机房中至少一个用电设备的在线监测数据，构建采样数据集；获取所述用电设备的历史故障数据集及其对应的历史评估指标；基于
ID3
算法和所述历史评估指标对所述历史故障数据集和所述采样数据集计算信息熵和信息增益，构建分类决策树；基于所述分类决策树对所述采样数据集进行分类，得到分类结果；基于所述分类结果对所述机房中的用电设备进行故障分析
。2.
根据权利要求1所述的基于
ID3
算法的机房用电设备故障分类方法，其特征在于，所述基于
ID3
算法和所述历史评估指标对所述历史故障数据集和所述采样数据集计算信息熵和信息增益，构建分类决策树的步骤，包括：基于
ID3
算法对所述历史故障数据集，计算所述历史评估指标中各个指标的信息熵和信息增益；基于所述信息熵和信息增益，对所述采样数据集进行计算，确定根节点和中间节点，并构建分类决策树
。3.
根据权利要求1所述的基于
ID3
算法的机房用电设备故障分类方法，其特征在于，所述历史评估指标包括设备编号
、
设备型号
、
设备安装方式
、
设备运行状态
、
设备功率
、
运行电流
、
运行电压
、
温度和湿度
。4.
根据权利要求1所述的基于
ID3
算法的机房用电设备故障分类方法，其特征在于，所述基于
ID3
算法和所述历史评估指标对所述历史故障数据集计算信息熵的步骤，包括：基于所述历史评估指标中的一个指标
C
，指标
C
具有
m
个可能的取值
C
＝
{C1，
C1，
…
，
C
m
},
所述历史故障数据集
S
中
C
i
出现的频率为
p
i
(i
＝
1,2,
…
,m)
，所述历史故障数据集
S
的信息熵为：
5.
根据权利要求4所述的基于
ID3
算法的机房用电设备故障分类方法，其特征在于，所述基于
ID3
算法和所述历史评估指标对所述历史故障数据集计算信息增益的步骤，包括：基于所述历史评估指标中的一个指...

【专利技术属性】
技术研发人员：卫才智，
申请(专利权)人：中金数谷科技有限公司，
类型：发明
国别省市：