备，则认 为需要对其进行风险预警。横向预警的数学模型如下：
[0047] 式中，31<表不第k台设备的负载，S ;表不第i台设备的负载，η为总设备数量，η为 大于1的自然数，α为快变阈值，由用户配置。该算法通过计算某台设备负载和整个集群 负载均值的差额来判断该设备是否需要进行预警。
[0048] 纵向预警表示任一电网节点的信息资源的数值与该节点自身的历史数据进行比 较，形成的预警，主要是基于大数据统计分析技术，对历史数据进行挖掘分析，并将分析结 果应用到信息运维主动预警模型。纵向预警从工作时间和非工作时间两个维度来进行预警 设计。其中工作时间一般设置为周一至周五的8:30~17:00,其他时间均为非工作时间，工 作时间和非工作时间均可由用户进行配置。
[0049] 纵向预警通过对指标的历史运行数据进行数据清洗，将异常值剔除掉，然后对历 史数据进行统计分析，确定其最大值，最小值和平均值，然后确定指标的合理运行范围。纵 向预警数学模型如下：
[0051] 式中，!_和Τ_分别为该电网节点的上阈值和下阈值，1?_和R_分别为经过数据 清洗的历史运行数据最大值和最小值，A为历史数据的平均值，L代表该电网节点的合理运 行范围。
[0052] M04 :趋势预警
[0053] 趋势预警通过对信息资源监测数据的趋势分析来判断资源是否会达到预警触发 条件。趋势预警分为短期趋势预警和长期趋势预警。
[0054] 短期趋势预警通过电网节点的预警阈值、预警触发阈值、指标当前值与预警阈值 之间的差值、指标增长率这四个指标来实现短期的信息资源的风险预警。短期趋势预警数 学模型如下：
[0056] 式中，V为该电网节点的当前数值，V。为该电网节点在一个采集时差t之前的数 值，α、β为修正值，Z为趋势预警阈值，其中，α、β和Z均由用户配置，Tw为预警阈值，N 为预警触发阈值。当指标值低于预警触发阈值时，不会进行预警；指标值达到甚至超过预警 触发阈值时，通过短期趋势预警算法，可以实现信息资源的短期风险预警。
[0057] 长期趋势预警通过数据挖掘的中的回归分析方法预测资源的长期发展趋势，从而 实现信息资源风险预警。在明确趋势预测具体目标的情况下，将每天的指标平均值作为历 史数据中的一个基础值，通过对指标历史数据的回归分析，初步建立长期趋势回归预测模 型。利用长期趋势回归预测模型进行信息资源长期趋势预测分析，并且在实际运行过程中， 利用实时运行数据对模型进行校验和完善。
[0058] M05 :评价预警
[0059] 以指标的评价为基础，实现基础设施的评价。以基础设施的评价为基础，分析信息 系统拓扑架构，实现信息系统的基础架构评价；以主动探测指标，包括信息系统是否有响应 及响应时长指标为基础，实现信息系统可靠性评价；以信息系统维保情况的基础上，实现信 息系统维保评价。以信息系统的基础架构评价、信息系统可靠性评价和信息系统维保评价 为基础，实现信息系统风险评价，从而实现信息系统的风险预警。
[0060] 对电网节点的信息资源进行实时监测，并建立该电网节点评分的数学模型：
[0062] 式中，S。为可由用户自定义设置的初始得分，m、n、p分别为运维监测周期内的告 警事件级别数量、预警事件级别数量、检修事件级别数量，α和f分别为各级事件的权重和 次数，S为最终评价得分，由用户自定义设置阈值，实现评价预警。
[0063] M06 :关联预警
[0064] 关联分析又称关联挖掘，就是在信息系统及其基础设施的海量运行和应用数据 中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构。关联充分 利用大数据关联分析手段，对信息系统及其基础设施的各类指标进行关联分析，挖掘相关 模式，实现资源预警。
[0065] 根据信息运维主动预警需求，以业界通用的数据关联规则挖掘算法一一Apriori 算法为基础，并结合许多相关学者的先进思想对算法进行了两点改进：第一是通过构建布 尔矩阵，简化了对支持度的计算，减少了读取数据库的次数；第二是通过分支筛选优化策 略，对Apriori算法中占用计算资源最多的二项频繁集计算任务进行了有效剪枝。通过以 上两点改进，大大提升了算法效率，实现对信息资源关联规则的高效分析挖掘，为实现信息 运维主动预警提供大数据理论基础。
[0066] 关联预警充分利用大数据采集技术、大数据存储技术以及分布式计算和数据挖掘 技术，对信息系统及其基础设施的海量运行和应用数据进行采集，对历史故障信息进行分 类挖掘和关联分析，以获取信息运维主动预警模型。
[0067] 基于系统对信息资源的监控和系统采集的运行监控和业务应用数据，使用六种信 息运维主动预警方法对数据进行实时分析和预警，在故障发生前就进行主动预警并解决问 题，优化检修策略，提升运维效率。
[0068] 如表1所示，信息运维体系的预警级别分为指标级、页面级、基础设施级和信息系 统级（由低至高排列）。基础设施包括数据库、中间件、主机设备、网络设备、安全设备和存 储设备。页面级别的主动预警指的是对信息系统主要页面进行监控和采集，判断其是否有 响应，判断其响应时间是否超过基线时间，并通过可靠性评价实现信息系统主要页面的主 动预警。
[0069] 指标级别的主动预警基于状态预警、阈值预警、快变预警、趋势预警、评价预警和 关联预警；页面级别的主动预警基于状态预警、阈值预警、评价预警；基础设施级别的主动 预警基于状态预警、评价预警和关联预警；信息系统级别的主动预警基于评价预警和关联 预警。
[0071] 表 1
[0072] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精 神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种基于大数据的电网信息运维主动预警方法，其特征在于，包括如下步骤： MOl :状态预警，通过对电网节点之间的信息资源进行探测并获取结果，将信息资源状 态分为正常状态、失联状态和不稳定状态三类； 如果信息资源处于失联状态，需要进行告警；如果信息资源处于不稳定状态，需要进行 状态预警； M02 :阈值预警，通过对电网节点的信息资源的数值与预先设定的阈值进行比较，若超 出阈值，则进行预警或告警； M03 :快变预警，包括横向预警和纵向预警； 横向预警为任一电网节点的信息资源的数值与和该节点并列的同类节点的数值进行 比较，超出一定的阈值则进行预警，建立两个电网节点信息资源数值比较的数学模型：式中，Sk表示第k台设备的负载，S i表示第i台设备的负载，η为总设备数量，η为大于 1的自然数，α为快变阈值，由用户配置； 纵向预警为任一电网节点的信息资源的数值与该节点自身的历史数据进行比较，超出 一定的阈值则进行预警，通过对该节点信息资源的历史运行数据进行数据清洗，限制该节 点合理的运行范围，建立该运行范围的数学模型：式中，了_和Τ_分别为该电网节点的上阈值和下阈值，1?_和R_分别为经过数据清洗 的历史运行数据最大值和最小值，A为历史数据的平均值，L代表该电网节点的合理运行范 围； M04:趋势预警，对电网节点的信息资源进行连续监控，通过电网节点的预警阈值、预警 触发阈值、指标当前值与预警阈值之间的差值、指标增长率这四个指标建立数学模型，判断 当前电网节点运行状态，该数学模型如下：式中，V为该电网节点的当前数值，V。为该电网节点在一个采集时差t之前的数值，α、 β为修正值，Z为趋势预警阈值，其中，α、β和Z均由用户配置，Tw为预警阈值，N为预警 触发阈值； Μ05 :评价预警，对电网节点的信息资源进行实时监测，并建立该电网节点评分的数学 模型：式中，S。为可由用户自定义设置的初始得分，m、n、p分别为运维监测周期内的告警事件 级别数量、预警事件级别数量、检修事件级别数量，α和f分别为各级事件的权重和次数，S 为最终评价得分，由用户自定义设置阈值，实现评价预警； M06 :关联预警，对各电网节点的数据进行数据关联规则挖掘算法，以Apriori算法为 基础，构建布尔矩阵，并通过分支筛选优化，对Apriori算法中占用计算资源最多的二项频 繁集计算任务进行剪枝以提高算法效率，通过数据分析电网节点之间的关联性，并进行监 控。2.根据权利要求1所述的一种基于大数据的电网信息运维主动预警方法，其特征在 于，至少包括步骤MOl~M06中的任意两项。
【专利摘要】本发明属于信息技术领域，公开了一种基于大数据的电网信息运维主动预警方法体系包括状态预警、阈值预警、快变预警、趋势预警、评价预警和关联预警，实现了信息运维主动预警方法与信息运维体系的有效结合；实现大数据技术在电网信息运维领域的推广应用，基于大数据技术，实现了信息运维数据的高效统计分析、挖掘分析和实时流处理，有效挖掘数据价值，实现主动预警，提升信息运维的效率。
【IPC分类】G06Q10/00, G06Q50/06
【公开号】CN105354614
【申请号】CN201510695185
【发明人】陈龙, 刘嘉华, 康睿, 杨会涛, 徐沛沛, 周锁, 马远东, 王琪, 巢玉坚, 胡游君, 俞弦, 吴德胜, 刘浩, 严晴, 邱玉祥
【申请人】国家电网公司, 南京南瑞集团公司, 南京南瑞信息通信科技有限公司
【公开日】2016年2月24日
【申请日】2015年10月21日