一种基于电力自动化系统的流量监测方法与流程

文档序号:11236626阅读:518来源:国知局

本发明涉及电力自动化领域,具体涉及一种基于电力自动化系统的流量监测方法。



背景技术:

近年来调度数据网络应用有较快发展,包括保护故障管理、故障录波远传、电量采集系统和调度实时系统等自动化系统。数据网络是支持调度自动化系统的重要技术平台,一般要求数据网络安全可靠,实时性要求在秒级或数秒级。

目前,应用于调度自动化系统中的网络设备(主要指交换机、路由器等)品种多,数量大;随着政府对调度自动化系统安全性的要求不断提升,网络安全产品如防火墙、纵向加密装置、横向隔离设备等也逐渐增多,但是随设备配置的软件只能实现同型号设备的配置、维护与简单监测,无法与业务应用系统关联;对自动化系统运维人员来说,无法全面、系统地收集业务系统运行的实时工况,当业务系统发生异常时,亦缺乏全面、有效的手段和依据及时对异常进行定位与排查。

cn201110051431.7中给出了一种基于电力自动化系统的流量监测系统,但是没有给出具体的、定量的各服务器之间的数据交互关系分析方法,所以还有进一步提升的空间。



技术实现要素:

本发明的目的在于提供一种基于电力自动化系统的流量监测方法,以解决上述背景技术中提出的网络设备与业务应用系统无法关联的问题,也就是给出了各服务器之间的数据交互关系的定量分析方法。

本发明提出了一种基于电力自动化系统的流量监测方法,包括:

步骤100,获取电力自动化系统历史流量数据与业务系统流量数据的参数,包括总流量、瞬时流量最大值、瞬时流量最小值、数据流向、持续时间;

步骤200,分析业务系统流量数据的总流量与电力自动化系统历史流量数据的总流量之间的关联度;

步骤300,分析业务系统流量数据的瞬时流量最大值与电力自动化系统历史流量数据的瞬时流量最大值之间的关联度;

步骤400,分析业务系统流量数据的瞬时流量最小值与电力自动化系统历史流量数据的瞬时流量最小值之间的关联度;

步骤500,分析业务系统流量数据的数据流向与电力自动化系统历史流量数据的数据流向之间的关联度;

步骤600,分析业务系统流量数据的持续时间与电力自动化系统历史流量数据的持续时间之间的关联度;

步骤700,计算电力自动化系统历史流量数据与业务系统流量数据的综合关联指数;

步骤800,根据电力自动化系统历史流量数据与业务系统流量数据的综合关联指数,确定各业务系统流量数据之间的关系。

与现有技术相比,本发明的有益效果是:本发明给出了各服务器之间的数据交互关系的定量分析方法,能够定量的计算电力自动化系统历史流量数据与业务系统流量数据的关联指数,根据关联指数能够精确确定电力自动化系统历史流量数据与业务系统流量数据之间的关系,以此为基准,可以确定各服务器之间的数据交互关系,便于管理者发现不同业务系统之间隐含的关系,辅助管理者做出正确判断与决策。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。

本发明提供了一种实施例:

一种基于电力自动化系统的流量监测方法,包括:

步骤100,获取电力自动化系统历史流量数据与业务系统流量数据的参数,包括总流量、瞬时流量最大值、瞬时流量最小值、数据流向、持续时间;

步骤200,分析业务系统流量数据的总流量与电力自动化系统历史流量数据的总流量之间的关联度;

记电力自动化系统历史流量数据的总流量集合为{dtot},{dtot}={dtot(t1),dtot(t2),...,dtot(tu)}为历史流量数据的总流量集合,{t1,t2ltu}为固定时间间隔的时间点序列,时间间隔记为δt,时间点数量为u,ti为第i个时间点,i∈[1,u],{dtot(ti)}为历史流量数据在第i个时间点的总流量,业务系统流量数据的总流量集合为{btot},{btot}={btot(t1),btot(t2),...,btot(tu)},计算历史流量数据的总流量与业务系统流量数据的总流量在第i个时间点的关联度,记为

其中δetoti为第i个时间点业务系统流量数据的总流量与历史流量数据的总流量的差值,δmintot为业务系统流量数据的总流量与历史流量数据的总流量的差值的最小值,δmaxtot为业务系统流量数据的总流量与历史流量数据的总流量的差值的最大值,ηtot为总流量分辨系数,ηtot∈[0,1],优选为0.67;

计算业务系统流量数据的总流量与历史流量数据的总流量的关联度ltot,

特别的,cn201110051431.7中针对系统各应用对数据时间粒度要求的差异,支持1分钟、5分钟、10分钟、30分钟、1小时、1天、1周、1月、1季度、1年等10个时间粒度的数据聚合,以数据库中1分钟聚合数据为基础,由1分钟数据聚合5分钟数据,由5分钟数据聚合10分钟数据,依此类推,对不同时间粒度流量数据进行迭代聚合,同时避免影响实时流量采集的性能。本发明的时间间隔与时间点序列概念与cn201110051431.7中数据时间粒度相同,时间间隔优选为1分钟,时间点序列优选为1-120分钟。

步骤300,分析业务系统流量数据的瞬时流量最大值与电力自动化系统历史流量数据的瞬时流量最大值之间的关联度;

记电力自动化系统历史流量数据的瞬时流量最大值集合为{dmax},{dmax}={dmax(t1),dmax(t2),...,dmax(tu)}为历史流量数据的瞬时流量最大值集合,{dmax(ti)}为历史流量数据在第i个时间点的瞬时流量最大值,业务系统流量数据的瞬时流量最大值集合为{bmax},{bmax(ti)}为历史流量数据在第i个时间点的瞬时流量最大值,{bmax}={bmax(t1),bmax(t2),...,bmax(tu)},计算历史流量数据的瞬时流量最大值与业务系统流量数据的瞬时流量最大值在第i个时间点的关联度,记为

计算历史流量数据的瞬时流量最大值与业务系统流量数据的瞬时流量最大值的关联度lmax,

一般来说,历史流量数据的瞬时流量最大值应该大于业务系统流量数据的瞬时流量最大值,所以lmax∈[0,1];

步骤400,分析业务系统流量数据的瞬时流量最小值与电力自动化系统历史流量数据的瞬时流量最小值之间的关联度;

记电力自动化系统历史流量数据的瞬时流量最小值集合为{dmin},

{dmin}={dmin(t1),dmin(t2),...,dmin(tu)}为历史流量数据的瞬时流量最小值集合,{dmin(ti)}为历史流量数据在第i个时间点的瞬时流量最小值,业务系统流量数据的瞬时流量最小值集合为{bmin},{bmin(ti)}为历史流量数据在第i个时间点的瞬时流量最小值,{bmin}={bmin(t1),bmin(t2),...,bmin(tu)},计算历史流量数据的瞬时流量最小值与业务系统流量数据的瞬时流量最小值在第i个时间点的关联度,记为

计算历史流量数据的瞬时流量最小值与业务系统流量数据的瞬时流量最小值的关联度lmin,

一般来说,历史流量数据的瞬时流量最小值应该小于业务系统流量数据的瞬时流量最大值,所以lmin∈[0,1];

步骤500,分析业务系统流量数据的数据流向与电力自动化系统历史流量数据的数据流向之间的关联度;

记电力自动化系统历史流量数据的数据流向为ddir,业务系统流量数据的数据流向集合为bdir,

计算历史流量数据的数据流向与业务系统流量数据的数据流向的关联度ldir,

因为数据流向只有输入和输出两个方向,而且数据流向与时间度量无关,所以ldir要么为1,要么为0;

步骤600,分析业务系统流量数据的持续时间与电力自动化系统历史流量数据的持续时间之间的关联度;

记电力自动化系统历史流量数据的持续时间集合为{dt},{dt(ti)}为历史流量数据在第i个时间点的持续时间,{dt}={dt(t1),dt(t2),...,dt(tu)}为历史流量数据的持续时间集合,业务系统流量数据的持续时间集合为{bt},{bt(ti)}为业务系统流量数据在第i个时间点的持续时间,{bt}={bt(t1),bt(t2),...,bt(tu)},计算历史流量数据的持续时间与业务系统流量数据的持续时间在第i个时间点的关联度,记为

其中δeti为第i个时间点业务系统流量数据的持续时间与历史流量数据的持续时间的差值,δmint为业务系统流量数据的持续时间与历史流量数据的持续时间的差值的最小值,δmaxt为业务系统流量数据的持续时间与历史流量数据的持续时间的差值的最大值,ηt为持续时间分辨系数,ηt∈[0,1],优选为0.38;

计算业务系统流量数据的持续时间与历史流量数据的持续时间的关联度lt,

步骤700,计算电力自动化系统历史流量数据与业务系统流量数据的综合关联指数;

一种计算综合关联指数l的方法为:

步骤800,根据电力自动化系统历史流量数据与业务系统流量数据的综合关联指数,确定各业务系统流量数据之间的关系。

一种计算第j个与第k个业务系统流量数据之间相似度σjk的方法为:

其中ltot(j)与ltot(k)分别为第j个与第k个业务系统的总流量与历史流量数据的总流量的关联度;lmax(j)与lmax(k)分别为第j个与第k个业务系统流量数据的瞬时流量最大值与历史流量数据的瞬时流量最大值的关联度;lmin(j)与lmin(k)分别为第j个与第k个业务系统流量数据的瞬时流量最小值与历史流量数据的瞬时流量最小值的关联度;lt(j)与lt(k)分别为第j个与第k个业务系统流量数据的持续时间与历史流量数据的持续时间的关联度。

使用这种方法来定量分析各服务器之间的数据交互关系的好处在于:能够定量的计算电力自动化系统历史流量数据与业务系统流量数据的关联指数,根据关联指数能够精确确定电力自动化系统历史流量数据与业务系统流量数据之间的关系,以此为基准,可以确定各服务器之间的数据交互关系,便于管理者发现不同业务系统之间隐含的关系,辅助管理者做出正确判断与决策。

下表给出了不同时间间隔和不同时间序列长度的情况下,本方法计算各业务系统关联关系的准确率(百分比),从表中数据可以看出,时间粒度越小,准确率越高,时间序列越长,准确率越高。因此,本发明的基于电力自动化系统的流量监测方法取得了意想不到的效果,与现有技术相比具有显著的进步。

对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1