面向电力业务的信息应用系统故障趋势预测方法及装置与流程

技术特征：

1.面向电力业务的信息应用系统故障趋势预测方法，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。

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；

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；

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；

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。

4.根据权利要求3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。

5.根据权利要求4所述的方法，其特征在于，所述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，包括：

取出监测数据状态因子参数序列中最后采集的状态因子参数值及其之前m-1个状态因子参数值进行周期性分析，根据采集到的状态因子参数值计算这段时间内状态因子参数值变化的周期性参数，得到周期性回归分析函数，然后根据该函数绘制状态因子参数值变化的周期性曲线；

所述周期性分析算法具体如下：所采集的状态因子参数序列为{y1，y2，……，yn}，采集时间序列为{t1，t2，……，tn}，采用的三角函数回归函数为：

其中k为预设的分波数，用于控制三角函数周期性回归的精度，m为状态因子参数序列的大小，e_j(j＝0,1,...,k)和f_j(j＝1,2,...,k)为三角函数周期性回归函数的参数，其中参数计算方法如下：

每次分析完毕后，继续采集下一个周期的状态因子参数值放到状态因子参数序列末尾，同时将原状态因子参数序列中最早采集的状态因子参数值删掉，保持状态因子参数序列大小为m。

6.一种信息应用系统故障趋势预测装置，其特征在于，包括：

监测模块，用于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；

处理模块，用于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；

显示模块，用于在指定显示设备上将所述故障趋势信息进行可视化展示。

7.根据权利要求6所述的装置，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，所述监测模块，包括：

智能监控代理SMA，用于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，用于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。

所述智能监控代理SMA，还用于与所述监控服务端建立心跳连接；所述监控服务端，还用于当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；

当采用SNMP协议的网络监控方式时，所述监测模块，具体用于：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；

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，所述监测模块，包括：所述智能监控代理SMA，用于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，用于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；

所述智能监控代理SMA，还用于与所述监控主服务器建立心跳连接；所述监控主服务器，还用于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7所述的装置，其特征在于，所述处理模块，包括：

第一处理单元，用于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；

第二处理单元，用于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所述的装置，其特征在于，所述第二处理单元，具体用于：

取出监测数据状态因子参数序列中最后采集的状态因子参数值及其之前m-1个状态因子参数值进行周期性分析，根据采集到的状态因子参数值计算这段时间内状态因子参数值变化的周期性参数，得到周期性回归分析函数，然后根据该函数绘制状态因子参数值变化的周期性曲线；

所述周期性分析算法具体如下：所采集的状态因子参数序列为{y1，y2，……，yn}，采集时间序列为{t1，t2，……，tn}，采用的三角函数回归函数为：

其中k为预设的分波数，用于控制三角函数周期性回归的精度，m为状态因子参数序列的大小，e_j(j＝0,1,...,k)和f_j(j＝1,2,...,k)为三角函数周期性回归函数的参数，其中参数计算方法如下：

每次分析完毕后，继续采集下一个周期的状态因子参数值放到状态因子参数序列末尾，同时将原状态因子参数序列中最早采集的状态因子参数值删掉，保持状态因子参数序列大小为m。