【技术实现步骤摘要】
本专利技术涉及一种电网调度系统内部数据分析方法，尤其涉及一种应用于电网调度技术支持系统的异常检测方法及系统。
技术介绍
1、当前的新一代调度技术支持系统架构新、支撑组件多，造成采集指标数量多维度大，在对采集数据进行分析的过程中，现有的方法一方面基于人工定义的固定阈值不能满足系统的需要，固定的阈值容易产生误告警和漏告警；另一方面，在故障发生后，告警信息的质量较差，在告警内容里缺乏告有效信息。
技术实现思路
1、专利技术目的：针对以上问题，本专利技术提出一种应用于电网调度技术支持系统的异常检测方法及系统，不依赖于阈值的选择来提高数据异常检测以及告警信息的准确率，实现智能运维。
2、技术方案：本专利技术所采用的技术方案是一种应用于电网调度技术支持系统的异常检测方法，该方法包括：对采集到的指标数据进行预处理，采用三种以上异常检测的聚类算法和统计分析算法分别处理预处理后的指标数据，对各算法输出结果采用加权投票算法计算异常得分值，根据异常得分值获得告警分级，根据告警分级选择相应的告警策略；将指标数据分为空间异常、突变异常以及上下文异常三类，对所述异常检测的聚类算法和统计分析算法的输出结果采用分类器计算异常类别，分类器通过动态阈值法确定阈值范围。
3、所述告警策略包括无需告警、普通告警和重要告警，无需告警采取不发送告警的告警措施、普通告警采取先记录若一段时间内连续发生则发送告警的告警措施，重要告警采取直接发送告警的告警措施。
4、所述预处理包括数据清洗、时间序
5、所述指标数据包括电网调度技术支持系统的服务器数据，服务数据，进程数据和端口数据。
6、所述异常检测的聚类算法和统计分析算法包括nsigma、turkey′s test、k-means、dbscan算法；所述加权投票算法是对各算法输出结果加权后求和，通过在测试过程中修改权值来提高异常检测结果的正确率。
7、本专利技术提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的应用于电网调度技术支持系统的异常检测方法。
8、本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的应用于电网调度技术支持系统的异常检测方法。
9、本专利技术提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现所述的应用于电网调度技术支持系统的异常检测方法。
10、本专利技术提供一种应用于电网调度技术支持系统的异常检测系统，包括数据预处理模块，用于对采集到的指标数据进行预处理；还包括异常检测模块，采用三种以上异常检测的聚类算法和统计分析算法分别处理预处理后的指标数据，对各算法输出结果采用加权投票算法计算异常得分值，根据异常得分值获得告警分级，根据告警分级选择相应的告警策略；将指标数据分为空间异常、突变异常以及上下文异常三类，对所述异常检测的聚类算法和统计分析算法的输出结果采用分类器计算异常类别，分类器通过动态阈值法确定阈值范围。
11、有益效果：相比于现有技术，本专利技术具有以下优点：1.充分利用历史数据，使用电网调度系统内部数据的时序数据进行分析，不依赖标签数据实现异常检测；2.实时性强，数据的预处理和异常检测选择低时间复杂度的算法，使用结合统计学和机器学习的集成算法，非实时运算寻找聚类中心，以提高处理速度；3.准确性强，通过集成学习结合多种检测方法，防止单一算法忽略异常；4.对电网调度系统内部数据的异常情况进行分类，利用分类模型，通过集成学习实现电网调度系统时序数据的实时分类，提高告警信息的准确率，便于后续处理异常。
本文档来自技高网...【技术保护点】
1.一种应用于电网调度技术支持系统的异常检测方法，其特征在于，该方法包括：对采集到的指标数据进行预处理，采用三种以上异常检测的聚类算法和统计分析算法分别处理预处理后的指标数据，对各算法输出结果采用加权投票算法计算异常得分值，根据异常得分值获得告警分级，根据告警分级选择相应的告警策略；将指标数据分为空间异常、突变异常以及上下文异常三类，对所述异常检测的聚类算法和统计分析算法的输出结果采用分类器计算异常类别，分类器通过动态阈值法确定阈值范围。
2.根据权利要求1所述的应用于电网调度技术支持系统的异常检测方法，其特征在于：所述告警策略包括无需告警、普通告警和重要告警，无需告警采取不发送告警的告警措施、普通告警采取先记录若一段时间内连续发生则发送告警的告警措施，重要告警采取直接发送告警的告警措施。
3.根据权利要求1所述的应用于电网调度技术支持系统的异常检测方法，其特征在于：所述预处理包括数据清洗、时间序列滤波和时间序列分解。
4.根据权利要求3所述的应用于电网调度技术支持系统的异常检测方法，其特征在于：所述时间序列滤波采用卡尔曼滤波；所述时间序列分解
5.根据权利要求1所述的应用于电网调度技术支持系统的异常检测方法，其特征在于：所述指标数据包括电网调度技术支持系统的服务器数据，服务数据，进程数据和端口数据。
6.根据权利要求1所述的应用于电网调度技术支持系统的异常检测方法，其特征在于：所述异常检测的聚类算法和统计分析算法包括nsigma、turkey′s test、K-means、DBSCAN算法；所述加权投票算法是对各算法输出结果加权后求和，通过在测试过程中修改权值来提高异常检测结果的正确率。
7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的应用于电网调度技术支持系统的异常检测方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的应用于电网调度技术支持系统的异常检测方法。
9.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至6中任一项所述的应用于电网调度技术支持系统的异常检测方法。
10.一种应用于电网调度技术支持系统的异常检测系统，其特征在于：包括数据预处理模块，用于对采集到的指标数据进行预处理；还包括异常检测模块，采用三种以上异常检测的聚类算法和统计分析算法分别处理预处理后的指标数据，对各算法输出结果采用加权投票算法计算异常得分值，根据异常得分值获得告警分级，根据告警分级选择相应的告警策略；将指标数据分为空间异常、突变异常以及上下文异常三类，对所述异常检测的聚类算法和统计分析算法的输出结果采用分类器计算异常类别，分类器通过动态阈值法确定阈值范围。
...【技术特征摘要】
1.一种应用于电网调度技术支持系统的异常检测方法，其特征在于，该方法包括：对采集到的指标数据进行预处理，采用三种以上异常检测的聚类算法和统计分析算法分别处理预处理后的指标数据，对各算法输出结果采用加权投票算法计算异常得分值，根据异常得分值获得告警分级，根据告警分级选择相应的告警策略；将指标数据分为空间异常、突变异常以及上下文异常三类，对所述异常检测的聚类算法和统计分析算法的输出结果采用分类器计算异常类别，分类器通过动态阈值法确定阈值范围。
2.根据权利要求1所述的应用于电网调度技术支持系统的异常检测方法，其特征在于：所述告警策略包括无需告警、普通告警和重要告警，无需告警采取不发送告警的告警措施、普通告警采取先记录若一段时间内连续发生则发送告警的告警措施，重要告警采取直接发送告警的告警措施。
3.根据权利要求1所述的应用于电网调度技术支持系统的异常检测方法，其特征在于：所述预处理包括数据清洗、时间序列滤波和时间序列分解。
4.根据权利要求3所述的应用于电网调度技术支持系统的异常检测方法，其特征在于：所述时间序列滤波采用卡尔曼滤波；所述时间序列分解是将指标数据的时间序列分为周期分量和残差分量，所述残差分量是实际观测值与趋势预测值之间的差，所述趋势预测值通过自回归模型根据历史数据使用最小二乘法进行求解。
5.根据权利要求1所述的应用于电网调度技术支持系统的异常检测方法，其特征在于：所述指标数据包括电网调度技术支持系统的服务器数据，服务数据，进程数据和端口数据。
6.根据权...
【专利技术属性】
技术研发人员：秦子莛，孙云枫，季惠英，高原，沙一川，陈云，彭晖，季学纯，陈鹏，李昊，沈嘉麟，高尚，彭程，郭东升，徐炯，
申请(专利权)人：国电南瑞科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。