CN110045699A - 数据中心动力管控系统及方法 - Google Patents
数据中心动力管控系统及方法 Download PDFInfo
- Publication number
- CN110045699A CN110045699A CN201910309096.2A CN201910309096A CN110045699A CN 110045699 A CN110045699 A CN 110045699A CN 201910309096 A CN201910309096 A CN 201910309096A CN 110045699 A CN110045699 A CN 110045699A
- Authority
- CN
- China
- Prior art keywords
- control
- data
- data center
- power
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 116
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 230000003993 interaction Effects 0.000 claims abstract description 23
- 238000005183 dynamical system Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000010129 solution processing Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000003211 malignant effect Effects 0.000 abstract description 30
- 238000007726 management method Methods 0.000 abstract description 15
- 208000021760 high fever Diseases 0.000 abstract description 11
- 238000013500 data storage Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 6
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000009795 derivation Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000505 pernicious effect Effects 0.000 description 2
- 230000017105 transposition Effects 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种数据中心动力管控系统及方法,本发明提供的数据中心动力管控系统通过设置的管控模块和人机交互模块执行数据管控操作,所述管控模块通过人机交互模块接收后台控制端发送的控制指令并解析,根据解析结果,对数据中心动力系统的实时运行状态进行监控,得到实时监控数据;根据实时监控数据,按照预设需求配置,生成监控信息,并将生成的所述监控信息通过人机交互模块发送至后台控制端;并在可能发生异常情况时,采取预设治理策略对可能出现异常的机器设备进行相应的调整和治理;避免因设备高热、跳闸、宕机、芯片烧毁等恶性事件的发生,具备防止电力线窃密的功能,进一步提高了数据存储的安全性。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种数据中心动力管控系统及方法。
背景技术
随着信息技术和互联网技术的飞速发展,数据量也在不断增加,数据存储的安全性也变得越来越重要。数据中心装载着先进的计算机软硬件系统,存储着各个行业大量的业务数据和客户信息,数据一旦损坏或者丢失,后果将不堪设想。因此,数据中心的安全运行事关重大。由于数据中心的运行是建立在电子设备运行的基础之上的,因此,对存储数据的数据中心动力系统的管控,则显得尤为重要。
由于数据中心动力系统包括了大量的容性设备和感性设备,以及大量的半导体元器件,这些设备和元器件的工作会产生大量的谐波、设备也可能产生高热、跳闸、宕机等情况,因此,如何对数据中心动力系统进行管控成为目前亟待解决的问题之一。
发明内容
本发明提供一种数据中心动力管控系统及方法,旨在通过远程的方式实现对数据中心动力系统进行管控,实时监控系统的运行状态,避免因设备高热、跳闸、宕机、芯片烧毁等恶性事件的发生。
本发明提供了一种数据中心动力管控系统,所述管控系统包括:管控模块和人机交互模块,所述管控模块和人机交互模块通信连接;
所述管控模块通过人机交互模块接收后台控制端发送的控制指令并解析,根据解析结果,对数据中心动力系统的实时运行状态进行监控,得到实时监控数据;
根据实时监控数据,按照预设需求配置,生成监控信息,并将生成的所述监控信息通过人机交互模块发送至后台控制端。
进一步地,所述管控模块通过人机交互模块接收后台控制端发送的控制指令并解析,根据解析结果,对数据中心动力系统的实时运行状态进行监控,包括:
所述管控模块接收后台控制端发送的控制指令,对所述控制指令进行解析,获取所述控制指令指向的监控操作类型;
根据获取的所述监控操作类型,执行所述监控操作类型映射的监控操作事件;
其中,所述监控操作类型包括:预设实时监控操作以及临时配置监控操作。
进一步地,所述管控模块通过所述人机交互模块接收后台控制端基于用户名和密码触发的登录操作指令,查找用户管控权限表,对所述用户名和密码进行验证;并在验证通过时,获取所述用户名对应的数据管控权限;
其中,所述用户管控权限表是预先配置的并存储在所述数据中心动力管控系统内,且所述用户管控权限表包括至少一个用户角色,一个用户角色对应一种类型的管控权限,且一个用户角色下至少包括一个用户名;
所述数据中心动力管控系统根据后台控制端输入的控制信息,配置、管理和更新所述用户管控权限表。
进一步地,所述管控模块检测所述数据中心动力系统相关运行数据的数据安全性,监控所述数据中心动力系统的运行环境的安全性,按照预设安全措施,对预设类型的敏感数据进行加密存储和传输,防止通过电力线窃密的方式非法窃取相关运行数据。
进一步地,所述数据中心动力管控系统根据权限信息,将自身存储的监控信息共享至第三方平台;同时,也可将第三方平台的共享信息纳入自身系统,并基于纳入的第三方平台的共享信息,更新自身存储的监控数据,并将更新后的监控数据反馈至后台控制端。
进一步地,所述管控模块对数据中心动力系统的实时运行状态进行监控,包括:
所述管控模块利用自身配置的传感器,对各管控对象进行数据采集,并基于采集到的监控数据对各管控对象的运行状态进行评估;
当识别出管控对象的工作参数超出对应的预设参数范围时,获取超出所述预设参数范围的管控对象的异常等级;
若所述异常等级为普通级别,则所述管控模块按照预设治理策略,调整所述管控对象的工作参数,使得所述管控对象调整后的工作参数满足预设参数范围;同时,实时记录调整全过程涉及到的监控数据;
若所述异常等级为特殊级别,则所述管控模块按照预设治理策略调整的同时,发送预警信息至后台控制端;
其中,所述工作参数包括:电流、电压、频率、功率、功率因数、谐波、浪涌塌陷、谐波畸变率、电压和电流的三相不平衡度以及环境温湿度。
进一步地,所述数据中心动力管控系统还包括预警模块;
所述预警模块接收所述预警信息对应的预警触发指令,根据预警等级,对应生成不同预警等级分别对应的预警信息,并将所述预警信息发送至后台控制端;
其中,所述预警信息包括;声光预警信息、语音预警信息、文字预警信息,以及所述声光预警、语音预警和文字预警至少任意两种预警信息的组合。
进一步地,所述数据中心动力管控系统还包括数据输出模块;
所述数据输出模块接收数据输出触发指令并解析,根据所述数据输出触发指令对应的数据输出需求,基于监控数据生成数据输出报告并输出;
其中,所述数据输出报告包括:管控对象对应的参数趋势图、包含参数名和参数值的数据表格、参数变化的历史曲线图、各管控对象每个参数的统计报表以及数据中心动力系统综合统计报表。
进一步地,所述管控模块对数据中心动力系统的实时运行状态进行监控包括:
根据解析结果,确定监控时所需监控的指标以及所述数据中心动力系统对应的管控对象,采集所述管控对象对应的相关设备在正常运行和发生异常前所述指标对应的数值化后的值,得到对应的矩阵X,同时用向量Y表示所述相关设备随后是否出现异常;
将矩阵X作为自变量,拟合得到一个判断是否会出现异常的判断条件,形成Sigmoid函数;
通过对所述Sigmoid函数进行求解处理,获取所述管控对象对应的相关设备会发生异常的概率;
当发生异常的概率大于预设阈值时,判断所述管控对象对应的相关设备可能将会发生异常,同时采取预设治理策略对可能出现异常的管控对象进行相应的调整。
对应于上述实施例所提供的一种数据中心动力管控系统,本发明实施例还提供了一种数据中心动力管控方法,所述方法包括:
接收后台控制端发送的控制指令并解析,根据解析结果,对数据中心动力系统的实时运行状态进行监控,得到实时监控数据;
根据所述实时监控数据,对所述数据中心动力系统中的各管控对象的运行状态进行分析评估;并在需要对管控对象进行参数调整时,按照预设治理策略进行调整;
在监控过程中,根据预设需求配置,生成监控信息,并将生成的所述监控信息发送至后台控制端。
进一步地,所述所述根据所述实时监控数据,对所述数据中心动力系统中的各管控对象的运行状态进行分析评估;并在需要对管控对象进行参数调整时,按照预设治理策略进行调整,包括:
确定监控时所需监控的指标以及所述数据中心动力系统对应的管控对象,采集所述管控对象对应的相关设备在正常运行和发生异常前所述指标对应的数值化后的值,得到对应的矩阵X,同时用向量Y表示所述相关设备随后是否出现异常;
将矩阵X作为自变量,拟合得到一个判断是否会出现异常的判断条件,形成Sigmoid函数;
通过对所述Sigmoid函数进行求解处理,获取所述管控对象对应的相关设备会发生异常的概率;
当发生异常的概率大于预设阈值时,判断所述管控对象对应的相关设备可能将会发生异常,同时采取预设治理策略对可能出现异常的管控对象进行相应的调整。
本发明一种数据中心动力管控系统及方法可以达到如下有益效果:
本发明提供的数据中心动力管控系统通过设置的管控模块和人机交互模块执行数据管控操作,所述管控模块通过人机交互模块接收后台控制端发送的控制指令并解析,根据解析结果,对数据中心动力系统的实时运行状态进行监控,得到实时监控数据;根据实时监控数据,按照预设需求配置,生成监控信息,并将生成的所述监控信息通过人机交互模块发送至后台控制端;达到了对数据中心动力系统的运行状态进行实时管控的目的,避免因设备高热、跳闸、宕机、芯片烧毁等恶性事件的发生,进一步提高了数据存储的安全性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所指出的内容来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明数据中心动力管控系统的一种实施方式的功能模块示意图;
图2是本发明数据中心动力管控方法的一种实施方式的工作流程示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供了一种数据中心动力管控系统及方法,旨在通过远程的方式实现对数据中心动力系统进行管控,实时监控系统的运行状态,避免因设备高热、跳闸、宕机、芯片烧毁等恶性事件的发生,从而进一步数据存储的安全性。在实际的应用场景中,该数据中心动力管控系统能够对数据中心动力系统机房的整体架构进行实时监控、深度监测、评估、预警,并在需要的情况下,对数据中心动力系统机房进行治理,保障数据中心基础设施整体安全、可靠的运行,可以在很大程度上节省数据中心动力系统机房的整体用电量,从而也达到高效节能的目的。在具体的使用中,该数据中心动力管控系统的展现形式可以根据需求进行定制,比如,可以通过应用程序(APP)的形成运行,以便通过该APP,能够远程查看并监控机房运维的所有状态等,本发明实施例对其具体硬件设备的展现形式不进行限定。另外,该数据中心动力管控系统通过采取预先配置的安全措施,还具有防止电力线窃密的功能,进一步确保系统相关数据的安全性。
如图1所示,图1是本发明数据中心动力管控系统的一种实施方式的功能模块示意图;图1所述实施例简单示出了在一个应用场景中,该数据中心动力管控系统的其中一种功能模块的组成方式;请参照图1,该数据中心动力管控系统在功能上包括管控模块100和人机交互模块200,二者通信连接,相互配合共同执行对数据中心的管控操作。
该数据中心动力管控系统中,所述管控模块100通过人机交互模块200接收后台控制端发送的控制指令并解析,根据解析结果,对数据中心动力系统的实时运行状态进行监控,得到实时监控数据;根据实时监控数据,按照预设需求配置,生成监控信息,并将生成的所述监控信息通过人机交互模块200发送至后台控制端。
本发明实施例中,管控模块100可以实时监控数据中心机房的运行状态,因此,该管控模块100可以根据需求调用监控对象对应的任一监控数据,并根据需求信息,生成对应的表格、曲线等监控信息,通过人机交互模块200反馈至后台控制端。
由于管控模块100可以按照预设的监控模式自动执行监控操作,也可以根据后台控制端发送的配置信息,执行配置信息映射的监控操作,因此,当管控模块100接收到后台控制端发送的控制指令时,对接收的控制指令进行解析,获取所述控制指令指向的监控操作类型;比如,该监控操作类型是预设实时监控操作以及临时配置监控操作,进而根据获取的所述监控操作类型,管控模块100执行所述监控操作类型映射的监控操作事件。在执行预设实时监控操作时,管控模块100直接按照预先设定的方式执行监控操作即可,比如,执行实时监控、评估、并在符合预警条件时发出预警,在符合治理需求时,通过调整管控对象的参数直接对管控对象进行治理等;在执行临时配置监控操作时,该管控模块100首先读取并解析临时配置信息,根据临时配置信息,执行临时配置信息映射的监控操作。比如,执行谐波滤除操作等。
进一步地,出于对数据安全性方面的考虑,当后台控制端通过用户名和密码登录数据中心动力管控系统时,所述管控模块100通过所述人机交互模块200接收后台控制端基于用户名和密码触发的登录操作指令,查找用户管控权限表,对所述用户名和密码进行验证;并在验证通过时,获取所述用户名对应的数据管控权限。在所述数据中心动力管控系统内,预先存储了包括所有合法用户名的用户管控权限表,该用户管控权限表通过用户角色来进行管控权限的分配,其中,该用户管控权限表包括至少一个用户角色,每一个用户角色对应一种类型的管控权限,且一个用户角色下至少包括一个用户名。该数据中心动力管控系统根据后台控制端输入的控制信息,配置、管理和更新所述用户管控权限表;或者,根据用户配置信息,自动更新所述用户管控权限表。比如,增加或者删除用户名、用户角色等,调整用户角色或者用户名的管控权限等。
在一个具体的应用场景中,该数据中心动力管控系统的展现形式也可以为全开放性软件系统,该数据中心动力管控系统根据权限信息,在确保数据安全性的前提下,可以将自身存储的监控信息共享至第三方平台;同时,也可将第三方平台的共享信息纳入自身系统,并基于纳入的第三方平台的共享信息,更新自身存储的监控数据,并将更新后的监控数据反馈至后台控制端。在更新自身存储的监控数据的同时,也一并更新上述监控数据涉及到的图表等监控报告。
在一个实施例中,数据中心动力系统具备实时监控、评估分析、预警功能的同时,还具备对管控对象的治理能力,比如通过调整管控对象的相关参数,实现对管控对象的调整。在数据中心动力系统中,其管控模块100上配置了多种类型的传感器,该管控模块100利用自身配置的传感器,对各管控对象进行数据采集,并基于采集到的监控数据对各管控对象的运行状态进行评估;当识别出管控对象的工作参数超出对应的预设参数范围时,获取超出所述预设参数范围的管控对象的异常等级;通过对管控对象异常等级的识别,来执行相应的治理操作。比如,当管控模块100识别出所述异常等级为普通级别,则所述管控模块100按照预设治理策略,调整所述管控对象的工作参数,使得所述管控对象调整后的工作参数满足预设参数范围;同时,实时记录调整全过程涉及到的监控数据;当管控模块100识别出所述异常等级为特殊级别,则按照预设治理策略调整的同时,发送预警信息至后台控制端;其中,所述工作参数包括:电流、电压、频率、功率、功率因数、谐波、浪涌塌陷、谐波畸变率、电压和电流的三相不平衡度以及环境温湿度等等,在实际使用时需要用到的参数,本发明实施例中均可直接或间接获得,本发明实施例不进行一一穷举和罗列。
进一步地,数据中心动力管控系统还包括:预警模块;所述预警模块接收预警触发指令,根据预警等级,对应生成不同预警等级分别对应的预警信息,并将所述预警信息发送至后台控制端;上述预警等级可以根据后台控制端发送的控制信息进行配置,也可以由数据中心动力管控系统根据监控到的数据和历史处理方式,自行设置,本发明实施例对预警等级的设置方式和设置依据不进行限定。其中,所述预警信息包括;声光预警信息、语音预警信息、文字预警信息,以及所述声光预警、语音预警和文字预警至少任意两种预警信息的组合。在具体的应用场景中,考虑到数据中心动力管控系统对应的硬件设备的体积,也可以将预警功能集成在管控模块100上。
在一个实施例中,所述数据中心动力管控系统还包括:数据输出模块;所述数据输出模块接收数据输出触发指令并解析,根据所述数据输出触发指令对应的数据输出需求,基于监控数据生成数据输出报告并输出;上述数据输出需求包括了:期望输出哪个时间段内的数据、期望输出的数据类型、数据内容以及数据展现形式等;其中,所述数据输出报告包括:管控对象对应的参数趋势图、包含参数名和参数值的数据表格、参数变化的历史曲线图、各管控对象每个参数的统计报表以及数据中心动力系统综合统计报表等;且该数据输出报告的具体内容和具体形式,也可以根据具体需求进行定制,比如巡检日志等,本发明实施例对数据输出报告的输出内容和展现形式不进行限定。
在一个实施例中,所述数据中心动力管控系统还具备防止电力线窃密的功能。针对利用能够突破物理隔离的窃密技术手段非法窃取相关数据的操作,本发明实施例中,所述数据中心动力管控系统中的管控模块100检测所述数据中心动力系统相关运行数据的数据安全性,并监控所述数据中心动力系统的运行环境的安全性,按照预设安全措施,对预设类型的敏感数据进行加密存储和传输,防止通过电力线窃密的方式非法窃取相关运行数据。比如,在具体的应用场景中,针对电网窃密,由于电网窃密是通过探测并过滤与目标电子设备相连的电网中的信号波动,还原目标的输入信息(如键盘输入、声音输入等)。由于输入过程产生的电信号波动较小且距离越长干扰越多,所以,探测者必须距离目标足够近;则针对这种情况的窃密,当数据中心动力管控系统运行时,可以使用保密电源,或者增加电源保护设备(比如增加滤波器);同时,利用管控模块100监测该数据中心动力管控系统的使用场所及周边环境是否安全。针对电力线攻击窃密,由于这种方式需要将带有后门的核心元器件(如芯片)预先植入电子设备,当设备运行后,植入的“间谍”会主动捕获来自电网上的“指令”,并将信息以特殊的电信号回传到电网上;这种窃密方法不仅可以获取用户的输入信息,还可以获取用户存储在计算机上的其他数据;且由于电源信号的参数可由“间谍”控制,所以,这种方式大大增加了攻击者的探测距离。因此,针对这种窃密方式,当数据中心动力管控系统运行时,可以使用国产自主研发的核心元器件,或者使用保密电源,或者增加电源保护设备(比如增加滤波器);同时,利用管控模块100对预设类型的重要、敏感数据进行加密存储和传输,防止通过电力线窃密的方式非法窃取相关运行数据。
进一步地,所述管控模块100对数据中心动力系统的实时运行状态进行监控包括:
根据解析结果,确定监控时所需监控的指标以及所述数据中心动力系统对应的管控对象,采集所述管控对象对应的相关设备在正常运行和发生异常前所述指标对应的数值化后的值,得到对应的矩阵X,同时用向量Y表示所述相关设备随后是否出现异常;将矩阵X作为自变量,拟合得到一个判断是否会出现异常的判断条件,形成Sigmoid函数;通过对所述Sigmoid函数进行求解处理,获取所述管控对象对应的相关设备会发生异常的概率;当发生异常的概率大于预设阈值时,判断所述管控对象对应的相关设备可能将会发生异常,同时采取预设治理策略对可能出现异常的管控对象进行相应的调整。
比如,在一个具体的应用场景中,在对数据中心动力系统的实时运行状态进行监控时,其目的是为了实时监控设备,避免设备出现高热、跳闸、宕机、芯片烧毁等恶性事件,所以在检测时需要对可能出现的恶性事件提前做出判断,在对该事件进行提前判断时,为达到计算机的主动判断,则需要进行下面的主动学习,其实现的技术手段是:
首先确定监控时所需要监控的指标,该指标包括工作时的电流、电压、频率、功率、功率因数、环境的湿度、设备温度、空气中二氧化碳浓度、空气中风流速度,天气情况等指标,然后分别采集大量的该设备正常运行和在发生恶性事件前的这些指标所对应的数值化后的值(所谓数值化则是将一些不能用数值表示的用来做选择的东西用数字表示,例如,例如天气情况天晴,下雨,下雪等可以用数值1,2,3来表示)从而形成一个如下描述的矩阵X:
其中,矩阵X中xnj表示第n条数据的第j个指标所对应的数值化后的值。
同时,在这些情况下所对应的该设备随后是否出现了恶性事件,用向量Y表示:
Y=(y1,y2,y3…yn);
其中,向量Y中的每个值都是0或者1,0表示没有出现恶性事件,1表示出现了恶性事件。则将矩阵X作为自变量,拟合形成一个判断是否会发生恶性事件的判断条件,形成一个Sigmoid函数,该Sigmoid函数的表现形式如下:
其中,h(z)为会出现恶性事件的概率,e为自然常数,z=θT x,θT是θ的转置,θ为所需求解的一个向量,其中θ的表现形式是:
θ=(θ0,θ1,θ2,…θj);
θ的具体求解步骤在后面得到,x为监控得到的所有指标所对应的值x=(x0,x1,x2,…xj);
其中,x0=1,x1,x2,…xj分别为第1个到第j个指标所对应的检测的值。
在求解最优的h(z)中的θ时,首先对该函数求导,其中求导方式如下:
令:h(z)=g(x);
则:
其中,对于令h(z)=g(x),只是将h(z)用g(x)代替,后面也仅仅是对g(x)进行了求导处理。因为对于一件事情发生的概率的总和为1,所以总有:
P(y=1|x;θ)=hθ(x)
P(y=0|x;θ)=1-hθ(x);
P(y=1|x;θ)表示在条件为x的情况下,在参数为θ的情况下,出现恶性情况的概率。P(y=0|x;θ)则为不出现恶性情况的概率。为了在一个公式中将是否出现恶性情况都能包含,则将两个公式进行整合,得到:
P(y|x;θ)=hθ(x)y(1-hθ(x))1-y;
其中,y的取值为0或者1,若期望让预测出的结果全部正确的概率最大,则根据最大似然估计,就是所有样本预测正确的概率相乘得到的P最大,则为下列值最大:
其中,xi为矩阵X的第i行的值,yi为向量y的第i个值。在求解该值最大的时候,为使求解更方便,所以求解时需要对等式两边都求ln则:
为使lnL(θ)最大,则需对其求偏导,且所有偏导的值为0,其求偏导后表达式如下所示:
其中,表示lnL(θ)对向量θ的第i个指标求偏导,yj表示向量y的第j行的值,xj表示矩阵X第j行的值,xji表示X第j行的值第i列的值,将lnL(θ)对向量θ的所有指标都求偏导,且偏导后的值为0,则可以形成n+1个n+1元的方程组,从而可以求出向量:
θ=(θ0,θ1,θ2,…θj);
将所求解得到的向量θ,带入方程:
则对于任意一个环境下给定的各个指标形成的自变量x,则都可以求解出一个相应的hθ(x),当hθ(x)>1/2时,说明将会出现恶性事件,需要做出相应的应对措施。
通过上述技术手段,可以实现数据中心动力管控的自动监控,且在监控时,能够利用机器自动检测数据中心动力系统的运行情况,并在该数据中心动力系统出现问题之前,利用机器学习到的判别方法,提前进行预判,从而最大可能性的避免出现高热、跳闸、宕机、芯片烧毁等恶性事件,使机器运行更安全,同时在实际使用中,由于是监控系统自主的去判断,不需要进行人为的干预,所以可以达到监控系统每次获取数据后,均可自主判断,能够做到实时监控,实时预判,使该监控系统不会出现延迟,从而更高效;且由于在整个监控以及判断过程均是机器参与并进行判断,完全不进行人为的干预,因此不会因为人为的主观判断而影响到判断结果,进一步提高了监控判断的准确性和客观性。
本发明提供的数据中心动力管控系统通过设置的管控模块和人机交互模块执行数据管控操作,所述管控模块通过人机交互模块接收后台控制端发送的控制指令并解析,根据解析结果,对数据中心动力系统的实时运行状态进行监控,得到实时监控数据;根据实时监控数据,按照预设需求配置,生成监控信息,并将生成的所述监控信息通过人机交互模块发送至后台控制端;达到了对数据中心动力系统的运行状态进行实时管控的目的,避免因设备高热、跳闸、宕机、芯片烧毁等恶性事件的发生,具备防止电力线窃密的功能,进一步提高了数据存储的安全性。
基于上述实施例描述的一种数据中心动力管控系统,本发明实施例针对上述数据中心动力管控系统,还提供了一种数据中心动力管控方法;如图2所示,图2是本发明数据中心动力管控方法的一种实施方式的工作流程示意图;本发明数据中心动力管控方法可以实施为图2描述的步骤S10-S30:
步骤S10、接收后台控制端发送的控制指令并解析,根据解析结果,对数据中心动力系统的实时运行状态进行监控,得到实时监控数据;
步骤S20、根据所述实时监控数据,对所述数据中心动力系统中的各管控对象的运行状态进行分析评估;并在需要对管控对象进行参数调整时,按照预设治理策略进行调整;
步骤S30、在监控过程中,根据预设需求配置,生成监控信息,并将生成的所述监控信息发送至后台控制端。
本发明实施例中,管控系统根据后台控制端发送的控制指令,执行对应的监控操作,比如对数据中心机房的全程运行状态进行实时监控,并将监控数据反馈至后台控制端,使得后台控制端能够实时掌握数据中心机房的运行状态。
进一步地,在本发明实施例中,处于对数据安全性的考虑,管控系统接收后台控制端发送的控制指令并解析,之前还包括:
接收后台控制端基于用户名和密码触发的登录操作指令,查找用户管控权限表,对所述用户名和密码进行验证;并在验证通过时,获取所述用户名对应的数据管控权限。在所述数据中心动力管控系统内,预先存储了包括所有合法用户名的用户管控权限表,该用户管控权限表通过用户角色来进行管控权限的分配,其中,该用户管控权限表包括至少一个用户角色,每一个用户角色对应一种类型的管控权限,且一个用户角色下至少包括一个用户名。该数据中心动力管控系统根据后台控制端输入的控制信息,配置、管理和更新所述用户管控权限表;或者,根据用户配置信息,自动更新所述用户管控权限表。比如,增加或者删除用户名、用户角色等,调整用户角色或者用户名的管控权限等。
进一步地,图2所述的步骤S20中,所述根据所述实时监控数据,对所述数据中心动力系统中的各管控对象的运行状态进行分析评估;并在需要对管控对象进行参数调整时,按照预设治理策略进行调整,可以按照如下方式实施:
确定监控时所需监控的指标以及所述数据中心动力系统对应的管控对象,采集所述管控对象对应的相关设备在正常运行和发生异常前所述指标对应的数值化后的值,得到对应的矩阵X,同时用向量Y表示所述相关设备随后是否出现异常;
将矩阵X作为自变量,拟合得到一个判断是否会出现异常的判断条件,形成Sigmoid函数;
通过对所述Sigmoid函数进行求解处理,获取所述管控对象对应的相关设备会发生异常的概率;
当发生异常的概率大于预设阈值时,判断所述管控对象对应的相关设备可能将会发生异常,同时采取预设治理策略对可能出现异常的管控对象进行相应的调整。
比如,在一个具体的应用场景中,在对数据中心动力系统的实时运行状态进行监控时,其目的是为了实时监控设备,避免设备出现高热、跳闸、宕机、芯片烧毁等恶性事件,所以在检测时需要对可能出现的恶性事件提前做出判断,在对该事件进行提前判断时,为达到计算机的主动判断,则需要进行下面的主动学习,其实现的技术手段是:
首先确定监控时所需要监控的指标,该指标包括工作时的电流、电压、频率、功率、功率因数、环境的湿度、设备温度、空气中二氧化碳浓度、空气中风流速度,天气情况等指标,然后分别采集大量的该设备正常运行和在发生恶性事件前的这些指标所对应的数值化后的值(所谓数值化则是将一些不能用数值表示的用来做选择的东西用数字表示,例如,例如天气情况天晴,下雨,下雪等可以用数值1,2,3来表示)从而形成一个如下描述的矩阵X:
其中,矩阵X中xnj表示第n条数据的第j个指标所对应的数值化后的值。
同时,在这些情况下所对应的该设备随后是否出现了恶性事件,用向量Y表示:
Y=(y1,y2,y3…yn);
其中,向量Y中的每个值都是0或者1,0表示没有出现恶性事件,1表示出现了恶性事件。则将矩阵X作为自变量,拟合形成一个判断是否会发生恶性事件的判断条件,形成一个Sigmoid函数,该Sigmoid函数的表现形式如下:
其中,h(z)为会出现恶性事件的概率,e为自然常数,z=θT x,θT是θ的转置,θ为所需求解的一个向量,其中θ的表现形式是:
θ=(θ0,θ1,θ2,…θj);
θ的具体求解步骤在后面得到,x为监控得到的所有指标所对应的值x=(x0,x1,x2,…xj);
其中,x0=1,x1,x2,…xj分别为第1个到第j个指标所对应的检测的值。
在求解最优的h(z)中的θ时,首先对该函数求导,其中求导方式如下:
令:h(z)=g(x);
则:
其中,对于令h(z)=g(x),只是将h(z)用g(x)代替,后面也仅仅是对g(x)进行了求导处理。因为对于一件事情发生的概率的总和为1,所以总有:
P(y=1|x;θ)=hθ(x)
P(y=0|x;θ)=1-hθ(x);
P(y=1|x;θ)表示在条件为x的情况下,在参数为θ的情况下,出现恶性情况的概率。P(y=0|x;θ)则为不出现恶性情况的概率。为了在一个公式中将是否出现恶性情况都能包含,则将两个公式进行整合,得到:
P(y|x;θ)=hθ(x)y(1-hθ(x))1-y;
其中,y的取值为0或者1,若期望让预测出的结果全部正确的概率最大,则根据最大似然估计,就是所有样本预测正确的概率相乘得到的P最大,则为下列值最大:
其中,xi为矩阵X的第i行的值,yi为向量y的第i个值。在求解该值最大的时候,为使求解更方便,所以求解时需要对等式两边都求ln则:
为使lnL(θ)最大,则需对其求偏导,且所有偏导的值为0,其求偏导后表达式如下所示:
其中,表示lnL(θ)对向量θ的第i个指标求偏导,yj表示向量y的第j行的值,xj表示矩阵X第j行的值,表示X第j行的值第i列的值,将lnL(θ)对向量θ的所有指标都求偏导,且偏导后的值为0,则可以形成n+1个n+1元的方程组,从而可以求出向量:
θ=(θ0,θ1,θ2,…θj);
将所求解得到的向量θ,带入方程:
则对于任意一个环境下给定的各个指标形成的自变量x,则都可以求解出一个相应的hθ(x),当hθ(x)>1/2时,说明将会出现恶性事件,需要做出相应的应对措施。
通过上述技术手段,可以实现数据中心动力管控的自动监控,且在监控时,能够利用机器自动检测数据中心动力系统的运行情况,并在该数据中心动力系统出现问题之前,利用机器学习到的判别方法,提前进行预判,从而最大可能性的避免出现高热、跳闸、宕机、芯片烧毁等恶性事件,使机器运行更安全,同时在实际使用中,由于是监控系统自主的去判断,不需要进行人为的干预,所以可以达到监控系统每次获取数据后,均可自主判断,能够做到实时监控,实时预判,使该监控系统不会出现延迟,从而更高效;且由于在整个监控以及判断过程均是机器参与并进行判断,完全不进行人为的干预,因此不会因为人为的主观判断而影响到判断结果,进一步提高了监控判断的准确性和客观性。
本发明数据中心动力管控方法通过接收后台控制端发送的控制指令并解析,根据解析结果,对数据中心动力系统的实时运行状态进行监控,得到实时监控数据;根据所述实时监控数据,对所述数据中心动力系统中的各管控对象的运行状态进行分析评估;并在需要对管控对象进行参数调整时,按照预设治理策略进行调整;在监控过程中,根据预设需求配置,生成监控信息,并将生成的所述监控信息发送至后台控制端;达到了对数据中心动力系统的运行状态进行实时管控的目的,避免因设备高热、跳闸、宕机、芯片烧毁等恶性事件的发生,进一步提高了数据存储的安全性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种数据中心动力管控系统,其特征在于,所述管控系统包括:管控模块和人机交互模块,所述管控模块和人机交互模块通信连接;
所述管控模块通过人机交互模块接收后台控制端发送的控制指令并解析,根据解析结果,对数据中心动力系统的实时运行状态进行监控,得到实时监控数据;
根据实时监控数据,按照预设需求配置,生成监控信息,并将生成的所述监控信息通过人机交互模块发送至后台控制端。
2.如权利要求1所述的数据中心动力管控系统,其特征在于,所述管控模块通过人机交互模块接收后台控制端发送的控制指令并解析,根据解析结果,对数据中心动力系统的实时运行状态进行监控,包括:
所述管控模块接收后台控制端发送的控制指令,对所述控制指令进行解析,获取所述控制指令指向的监控操作类型;
根据获取的所述监控操作类型,执行所述监控操作类型映射的监控操作事件;
其中,所述监控操作类型包括:预设实时监控操作以及临时配置监控操作。
3.如权利要求1或2所述的数据中心动力管控系统,其特征在于,所述管控模块通过所述人机交互模块接收后台控制端基于用户名和密码触发的登录操作指令,查找用户管控权限表,对所述用户名和密码进行验证;并在验证通过时,获取所述用户名对应的数据管控权限;
其中,所述用户管控权限表是预先配置的并存储在所述数据中心动力管控系统内,且所述用户管控权限表包括至少一个用户角色,一个用户角色对应一种类型的管控权限,且一个用户角色下至少包括一个用户名;
所述数据中心动力管控系统根据后台控制端输入的控制信息,配置、管理和更新所述用户管控权限表。
4.如权利要求1或2所述的数据中心动力管控系统,其特征在于,所述管控模块检测所述数据中心动力系统相关运行数据的数据安全性,并监控所述数据中心动力系统的运行环境的安全性,按照预设安全措施,对预设类型的敏感数据进行加密存储和传输,防止通过电力线窃密的方式非法窃取相关运行数据。
5.如权利要求1或2所述的数据中心动力管控系统,其特征在于,所述数据中心动力管控系统根据权限信息,将自身存储的监控信息共享至第三方平台;同时,也可将第三方平台的共享信息纳入自身系统,并基于纳入的第三方平台的共享信息,更新自身存储的监控数据,并将更新后的监控数据反馈至后台控制端。
6.如权利要求1或2所述的数据中心动力管控系统,其特征在于,所述数据中心动力管控系统还包括预警模块;
所述管控模块对数据中心动力系统的实时运行状态进行监控,包括:
所述管控模块利用自身配置的传感器,对各管控对象进行数据采集,并基于采集到的监控数据对各管控对象的运行状态进行评估;
当识别出管控对象的工作参数超出对应的预设参数范围时,获取超出所述预设参数范围的管控对象的异常等级;
若所述异常等级为普通级别,则所述管控模块按照预设治理策略,调整所述管控对象的工作参数,使得所述管控对象调整后的工作参数满足预设参数范围;同时,实时记录调整全过程涉及到的监控数据;
若所述异常等级为特殊级别,则所述管控模块按照预设治理策略调整的同时,发送预警信息至后台控制端;
其中,所述工作参数包括:电流、电压、频率、功率、功率因数、谐波、浪涌塌陷、谐波畸变率、电压和电流的三相不平衡度以及环境温湿度;
所述预警模块接收所述预警信息对应的预警触发指令,根据预警等级,对应生成不同预警等级分别对应的预警信息,并将所述预警信息发送至后台控制端;
其中,所述预警信息包括;声光预警信息、语音预警信息、文字预警信息,以及所述声光预警、语音预警和文字预警至少任意两种预警信息的组合。
7.如权利要求1或2所述的数据中心动力管控系统,其特征在于,所述数据中心动力管控系统还包括数据输出模块;
所述数据输出模块接收数据输出触发指令并解析,根据所述数据输出触发指令对应的数据输出需求,基于监控数据生成数据输出报告并输出;
其中,所述数据输出报告包括:管控对象对应的参数趋势图、包含参数名和参数值的数据表格、参数变化的历史曲线图、各管控对象每个参数的统计报表以及数据中心动力系统综合统计报表。
8.如权利要求1或2所述的数据中心动力管控系统,其特征在于,所述管控模块对数据中心动力系统的实时运行状态进行监控包括:
根据解析结果,确定监控时所需监控的指标以及所述数据中心动力系统对应的管控对象,采集所述管控对象对应的相关设备在正常运行和发生异常前所述指标对应的数值化后的值,得到对应的矩阵X,同时用向量Y表示所述相关设备随后是否出现异常;
将矩阵X作为自变量,拟合得到一个判断是否会出现异常的判断条件,形成Sigmoid函数;
通过对所述Sigmoid函数进行求解处理,获取所述管控对象对应的相关设备会发生异常的概率;
当发生异常的概率大于预设阈值时,判断所述管控对象对应的相关设备可能将会发生异常,同时采取预设治理策略对可能出现异常的管控对象进行相应的调整。
9.一种数据中心动力管控方法,其特征在于,所述方法包括:
接收后台控制端发送的控制指令并解析,根据解析结果,对数据中心动力系统的实时运行状态进行监控,得到实时监控数据;
根据所述实时监控数据,对所述数据中心动力系统中的各管控对象的运行状态进行分析评估;并在需要对管控对象进行参数调整时,按照预设治理策略进行调整;
在监控过程中,根据预设需求配置,生成监控信息,并将生成的所述监控信息发送至后台控制端。
10.如权利要求9所述的数据中心动力管控方法,其特征在于,所述根据所述实时监控数据,对所述数据中心动力系统中的各管控对象的运行状态进行分析评估;并在需要对管控对象进行参数调整时,按照预设治理策略进行调整,包括:
确定监控时所需监控的指标以及所述数据中心动力系统对应的管控对象,采集所述管控对象对应的相关设备在正常运行和发生异常前所述指标对应的数值化后的值,得到对应的矩阵X,同时用向量Y表示所述相关设备随后是否出现异常;
将矩阵X作为自变量,拟合得到一个判断是否会出现异常的判断条件,形成Sigmoid函数;
通过对所述Sigmoid函数进行求解处理,获取所述管控对象对应的相关设备会发生异常的概率;
当发生异常的概率大于预设阈值时,判断所述管控对象对应的相关设备可能将会发生异常,同时采取预设治理策略对可能出现异常的管控对象进行相应的调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910309096.2A CN110045699A (zh) | 2019-04-17 | 2019-04-17 | 数据中心动力管控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910309096.2A CN110045699A (zh) | 2019-04-17 | 2019-04-17 | 数据中心动力管控系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110045699A true CN110045699A (zh) | 2019-07-23 |
Family
ID=67277616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910309096.2A Pending CN110045699A (zh) | 2019-04-17 | 2019-04-17 | 数据中心动力管控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110045699A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110990903A (zh) * | 2019-11-29 | 2020-04-10 | 腾讯科技(深圳)有限公司 | 一种云端系统以及云端系统保护方法 |
CN114489165A (zh) * | 2021-12-28 | 2022-05-13 | 江苏云邦电子科技有限公司 | 一种具有数据处理功能的锂电传动设备的调速控制系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102710764A (zh) * | 2012-05-25 | 2012-10-03 | 东莞中山大学研究院 | 一种基于云计算下的用户远程控制终端设备的方法及系统 |
CN103792440A (zh) * | 2012-10-30 | 2014-05-14 | 北京中大科慧科技发展有限公司 | 一种数据中心动力系统安全分析评估的方法 |
US20140240031A1 (en) * | 2013-02-27 | 2014-08-28 | Qualcomm Incorporated | System and method for tuning a thermal strategy in a portable computing device based on location |
CN104394033A (zh) * | 2014-11-26 | 2015-03-04 | 北京奇艺世纪科技有限公司 | 跨数据中心的监控系统、方法及装置 |
CN105554164A (zh) * | 2016-02-02 | 2016-05-04 | 东莞理工学院 | 一种远程监控管理系统 |
CN105763389A (zh) * | 2016-05-24 | 2016-07-13 | 重庆邮电大学 | 一种基于Android平台的电力监控与故障信息管理系统 |
CN106896788A (zh) * | 2015-12-21 | 2017-06-27 | 中国电信股份有限公司 | 动力环境监控装置及其方法 |
CN107229951A (zh) * | 2017-05-31 | 2017-10-03 | 北京知道创宇信息技术有限公司 | 预测用户是否存在恶意行为的方法和计算设备 |
CN107764318A (zh) * | 2017-09-07 | 2018-03-06 | 深圳市盛路物联通讯技术有限公司 | 异常检测方法及相关产品 |
CN109118485A (zh) * | 2018-08-13 | 2019-01-01 | 复旦大学 | 基于多任务神经网络的消化道内镜图像分类及早癌检测系统 |
CN109214308A (zh) * | 2018-08-15 | 2019-01-15 | 武汉唯理科技有限公司 | 一种基于焦点损失函数的交通异常图片识别方法 |
CN109242499A (zh) * | 2018-09-19 | 2019-01-18 | 中国银行股份有限公司 | 一种交易风险预测的处理方法、装置及系统 |
CN109302542A (zh) * | 2018-08-30 | 2019-02-01 | 深圳大势智能科技有限公司 | 基于gsm的远程监控方法、装置、设备及存储介质 |
CN109636805A (zh) * | 2018-11-19 | 2019-04-16 | 浙江大学山东工业技术研究院 | 一种基于分类先验的宫颈图像病变区域分割装置及方法 |
-
2019
- 2019-04-17 CN CN201910309096.2A patent/CN110045699A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102710764A (zh) * | 2012-05-25 | 2012-10-03 | 东莞中山大学研究院 | 一种基于云计算下的用户远程控制终端设备的方法及系统 |
CN103792440A (zh) * | 2012-10-30 | 2014-05-14 | 北京中大科慧科技发展有限公司 | 一种数据中心动力系统安全分析评估的方法 |
US20140240031A1 (en) * | 2013-02-27 | 2014-08-28 | Qualcomm Incorporated | System and method for tuning a thermal strategy in a portable computing device based on location |
CN104394033A (zh) * | 2014-11-26 | 2015-03-04 | 北京奇艺世纪科技有限公司 | 跨数据中心的监控系统、方法及装置 |
CN106896788A (zh) * | 2015-12-21 | 2017-06-27 | 中国电信股份有限公司 | 动力环境监控装置及其方法 |
CN105554164A (zh) * | 2016-02-02 | 2016-05-04 | 东莞理工学院 | 一种远程监控管理系统 |
CN105763389A (zh) * | 2016-05-24 | 2016-07-13 | 重庆邮电大学 | 一种基于Android平台的电力监控与故障信息管理系统 |
CN107229951A (zh) * | 2017-05-31 | 2017-10-03 | 北京知道创宇信息技术有限公司 | 预测用户是否存在恶意行为的方法和计算设备 |
CN107764318A (zh) * | 2017-09-07 | 2018-03-06 | 深圳市盛路物联通讯技术有限公司 | 异常检测方法及相关产品 |
CN109118485A (zh) * | 2018-08-13 | 2019-01-01 | 复旦大学 | 基于多任务神经网络的消化道内镜图像分类及早癌检测系统 |
CN109214308A (zh) * | 2018-08-15 | 2019-01-15 | 武汉唯理科技有限公司 | 一种基于焦点损失函数的交通异常图片识别方法 |
CN109302542A (zh) * | 2018-08-30 | 2019-02-01 | 深圳大势智能科技有限公司 | 基于gsm的远程监控方法、装置、设备及存储介质 |
CN109242499A (zh) * | 2018-09-19 | 2019-01-18 | 中国银行股份有限公司 | 一种交易风险预测的处理方法、装置及系统 |
CN109636805A (zh) * | 2018-11-19 | 2019-04-16 | 浙江大学山东工业技术研究院 | 一种基于分类先验的宫颈图像病变区域分割装置及方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110990903A (zh) * | 2019-11-29 | 2020-04-10 | 腾讯科技(深圳)有限公司 | 一种云端系统以及云端系统保护方法 |
CN114489165A (zh) * | 2021-12-28 | 2022-05-13 | 江苏云邦电子科技有限公司 | 一种具有数据处理功能的锂电传动设备的调速控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111931860B (zh) | 异常数据检测方法、装置、设备及存储介质 | |
CN105320854B (zh) | 通过签名平衡防止自动化组件受到程序篡改 | |
JP2018170006A (ja) | 電力グリッドにおけるサイバー脅威を検出する汎用フレームワーク | |
CN105243252B (zh) | 一种账户风险评估的方法及装置 | |
CN106576052A (zh) | 分析工业控制环境中的网络安全性风险 | |
CN106227160A (zh) | 用于工业控制基础设施的主动响应安防系统 | |
CN108172288A (zh) | 医疗设备智能监控方法、装置及计算机可读存储介质 | |
CN105631522A (zh) | It系统运维管理系统 | |
CN109359098A (zh) | 一种调度数据网行为监测系统及方法 | |
CN110245049B (zh) | 产品配置数据的监控方法、装置、设备及存储介质 | |
EP3170141B1 (en) | Systems and methods for classifying in-situ sensor response data patterns representative of grid pathology severity | |
CN109241353B (zh) | 一种数据审核方法 | |
US11797890B2 (en) | Performance manager to autonomously evaluate replacement algorithms | |
CN109920192A (zh) | 火灾报警方法、系统及计算机可读存储介质 | |
US11086988B1 (en) | Method, systems and apparatus for intelligently emulating factory control systems and simulating response data | |
CN104240467A (zh) | 用于过程警报减少的系统和方法 | |
CN110045699A (zh) | 数据中心动力管控系统及方法 | |
CN108021485A (zh) | 应用程序运行状态的监控方法及装置 | |
CN112233370B (zh) | 一种燃气泄漏报警方法、装置及设备 | |
CN115963775B (zh) | 一种基于特征信号数据的plc状态监测系统及方法 | |
CN109597365A (zh) | 用于评估多个过程控制系统的集体健康状况的方法和装置 | |
EP4111339A1 (en) | Method, systems and apparatus for intelligently emulating factory control systems and simulating response data | |
Akbarian et al. | A security framework in digital twins for cloud-based industrial control systems: Intrusion detection and mitigation | |
CN103903398A (zh) | 一种基于手机的气体检测远程告警、监控及控制方法 | |
US20210248233A1 (en) | System and method for detecting malicious activities and anomalies in building systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190723 |