面向电力业务的信息应用系统故障趋势信息获取方法与流程

技术特征：

1.面向电力业务的信息应用系统故障趋势信息获取方法，其特征在于，包括：

对信息应用系统中包含的至少一个设备进行监测，并获取监测数据；

采用预设的故障趋势预测规则，对获取到的所述监测数据进行数据处理，得到对应的故障趋势信息；

在指定显示设备上将所述故障趋势信息进行可视化展示。

2.根据权利要求1所述的方法，其特征在于，

所述至少一个设备包括：信息应用系统中指定的服务器、存储设备、交换机和路由器节点中的任意一个或多个；

所述监测数据包括网络接口层数据、服务器层数据、服务层数据和应用层数据；其中，

所述网络接口层数据包括IP地址、MAC地址、路由表、端口存活状态、上下行流量；

所述服务器层数据包括CPU负载、内存占用率、进程状态、磁盘I/O；

所述服务层数据包括中间件、数据库平台软件的状态数据；

所述应用层数据包括信息应用系统的性能状态数据。

3.根据权利要求1～2中任一项所述的方法，其特征在于，

当采用智能代理的分布式监控方式，每台被监测设备上安装有智能监控代理SMA时，所述对信息应用系统中包含的至少一个设备进行监测，并获取监测数据，包括：

智能监控代理SMA对所述信息应用系统中包含的至少一个设备进行监测，得到监测数据；

监控服务端获取所述智能监控代理SMA监测到的所述监测数据，所述监控服务端按照设定时间间隔定期轮巡所述智能监控代理SMA，以获取所述智能监控代理SMA监测到的所述监测数据；

其中，所述监控服务端获取所述智能监控代理SMA之间通过XML格式传输所述监测数据。

4.根据权利要求3所述的方法，其特征在于，所述对信息应用系统中包含的至少一个设备进行监测，并获取监测数据，还包括：

所述智能监控代理SMA与所述监控服务端建立心跳连接；

所述监控服务端监测到所述智能监控代理SMA心跳连接超时时，得出所述智能监控代理SMA对应的设备发生故障，并生成相应的故障消息；

其中，所述故障消息包含在所述监测数据内。

5.根据权利要求1～2中任一项所述的方法，其特征在于，

当采用SNMP协议的网络监控方式时，所述对信息应用系统中包含的至少一个设备进行监测，并获取监测数据，包括：

对所述信息应用系统中包含的至少一个设备的网络性能以及网络差错进行监测，并获取监测数据。

6.根据权利要求1～2中任一项所述的方法，其特征在于，

当采用智能代理的主机故障诊断监控方式，每台被监测设备上安装有智能监控代理SMA时，所述对信息应用系统中包含的至少一个设备进行监测，并获取监测数据，包括：

所述智能监控代理SMA根据指定的监测策略，对所述信息应用系统中包含的至少一个设备进行监测；

监控主服务器接收所述智能监控代理SMA在监测到所述设备运行异常时发送的告警或故障消息；

其中，所述告警或故障消息包含在所述监测数据。

7.根据权利要求6所述的方法，其特征在于，所述对信息应用系统中包含的至少一个设备进行监测，并获取监测数据，还包括：

所述智能监控代理SMA与所述监控主服务器建立心跳连接；

所述监控主服务器监测到所述智能监控代理SMA心跳连接超时时，得出所述智能监控代理SMA对应的设备发生故障，并生成相应的故障消息；

其中，所述故障消息包含在所述监测数据内。

8.根据权利要求1～2中任一项所述的方法，其特征在于，所述采用预设的故障趋势预测规则，对获取到的所述监测数据进行数据处理，得到对应的故障趋势信息，包括：

采用预设的线性回归算法和指数回归算法，对获取到的所述监测数据进行数据处理，得到对应的故障未来趋势信息；

采用预设的三角函数回归算法，对获取到的所述监测数据进行数据处理，得到对应的故障周期性趋势信息；

其中，所述故障趋势信息包括故障未来趋势信息和故障周期性趋势信息。

9.根据权利要求8所述的方法，其特征在于，所述采用预设的线性回归算法和指数回归算法，对获取到的所述监测数据进行数据处理，得到对应的故障未来趋势信息，包括：

(1)所述线性回归算法

以所述信息应用系统中与故障相关的监测数据作为线性回归算法的样本数据集，收集所述信息应用系统发生各种故障的历史数据，其中，所述历史数据包括发生各种故障的具体时间，一段时间内发生该故障的次数，以及每次发生该故障时对应的状态因子数据；

进行偏相关分析，即确定所述信息应用系统设定未来时期预计发生的主要故障，其中，主要故障为任意两个偏相关系数大于等于-1且小于等于1的故障；

采用逐步回归法，对确定出的各所述主要故障分别建立故障与状态因子数据的映射关系方程式，并进行F检验，如果显著水平P不能满足P＜设定阈值，则剔除该主要故障，否则保留由该主要故障建立的故障与状态因子数据的映射关系方程式；

预测所述信息应用系统所述设定未来时期的监测数据状态因子参数值，并将预测出的所述状态因子参数值代入所述保留的所述故障与状态因子数据的映射关系方程式中，得出发生相应故障的概率值及故障未来趋势信息；

(2)所述指数回归算法

根据采集到的监测数据状态因子参数序列值利用预设的所述指数回归算法计算所述信息应用系统未来多个周期内的监测数据预测值：

所采集的状态因子参数序列为{y₁，y₂，……，y_n}，采集时间序列为{t₁，t₂，……，t_n}，采用的指数回归函数为：y＝ce^dt；

其中c和d为指数回归函数的参数，参数计算方法为：

$\left\{\begin{array}{c}d=\frac{{\mathrm{\Σ}}_{i=1}^n{t}_i{z}_i-n\stackrel{\‾}{tz}}{{\mathrm{\Σ}}_{i=1}^n{t_i}^2-n\stackrel{\‾}{t}}\\ \ln c=\stackrel{\‾}{z}-b\stackrel{\‾}{t}\\ z_i=\ln y_i\end{array}\right.;$

其中，

采用如下公式，根据上述参数计算结果计算未来一个周期的状态因子参数预测值：

${\hat{y}}_{n+1}^{,}={\mathrm{ce}}^{{\mathrm{dt}}_{n+i}},(i=1,2,\mathrm{...},1).$