CN110135603A - 一种基于改进熵权法的电力网络告警空间特征分析方法 - Google Patents
一种基于改进熵权法的电力网络告警空间特征分析方法 Download PDFInfo
- Publication number
- CN110135603A CN110135603A CN201910423784.1A CN201910423784A CN110135603A CN 110135603 A CN110135603 A CN 110135603A CN 201910423784 A CN201910423784 A CN 201910423784A CN 110135603 A CN110135603 A CN 110135603A
- Authority
- CN
- China
- Prior art keywords
- alarm
- entropy
- weight
- entropy assessment
- electric power
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000005192 partition Methods 0.000 claims abstract description 4
- 230000002123 temporal effect Effects 0.000 claims abstract description 4
- 238000010606 normalization Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 10
- 238000005457 optimization Methods 0.000 abstract 1
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000007257 malfunction Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明的一种基于改进熵权法的电力网络告警空间特征分析方法,所述方法具体实现步骤包括S1、采用滑动时间窗口算法划分告警事务集;S2、结合网络实际拓扑,采用改进熵权法对每个告警事务集内的告警数据进行加权处理;S3、根据权值进一步将告警事务集划分为具有空间特征的子集;通过以上处理,进一步将每个具有时间特征的告警事务集划分成了在空间上也有严格的相关性的子集。本发明采用滑动窗口算法划分了告警事务集,从一个较小的粒度来分析海量的告警信息,提高分析效率,针对电网中告警数据的特点对熵权法进行优化,并使用优化后的熵权法为每条告警数据赋权,最后从发出权值最大的告警的设备开始分析,加快告警空间特征提取的效率。
Description
技术领域
本发明涉及电力网络技术领域,特别是涉及一种基于改进熵权法的电力网络告警空间特征分析方法。
背景技术
随着电力网络智能化的快速发展,电网系统的工作量日益增大,网络的监控和管理的重要性也逐渐增大,在规模日益增大的电力网络中,故障管理成为了网络管理中重要的部分,当网络中的故障是通过告警来向网管系统呈现的,因此对海量的告警数据进行分析也影响了后续故障定位和诊断工作的效率。
当网络中有故障发生时,故障节点及其相关节点都会发出相应的告警信息,但是由于电力网络规模的扩大,节点之间的连接关系错综复杂,指示故障根源的告警信息往往会淹没在海量的告警信息中,因此传统的告警分析方法已经不能完全适用现在的网络。
为了解现有技术的发展状况,对已有的专利和文献进行了检索、比较和分析,筛选出如下与本发明相关度比较高的技术信息:
专利方案1:CN108322318告警分析方法及设备,该发明提供提供一种告警分析方法及设备,应用于网络管理系统,所述网络管理系统包括服务器和多个节点,所述方法包括:服务器获取至少一个告警节点上报的告警,告警节点为多个节点中产生告警的节点;服务器根据多个节点的拓扑分解结果和各告警节点的访问节点列表,在至少一个告警节点中确定根因告警对应的目标节点;其中,拓扑分解结果包括多个节点产生的告警作为根因告警的优先级排序,所述优先级排序是根据多个节点中的每个节点的出度确定的。
专利方案2:CN108833148通信网络告警信息处理方法和系统,该发明提供一种网络告警信息处理方法和系统。其中,方法包括:将各原始告警信息进行预处理,获得每一原始告警信息对应的归一化告警信息;根据各归一化告警信息之间的相关性,确定若干条根告警信息;对于任一根告警信息,若判断获知该根告警信息满足预设的条件,则输出该根告警信息。
上述专利方案1的缺陷:该方案首先对网络拓扑进行分解,分解根据事先预设的节点连接关系,对根源告警节点的判断是根据拓扑分解后每个告警节点的出度而判断的,但是实际网络运行中,一个节点周围告警节点的数目并不代表它是根源告警的直接原因。
所以本发明提供一种新的方案来解决此问题。
发明内容
针对上述情况,为克服现有技术之缺陷,本发明之目的在于提供一种基于改进熵权法的电力网络告警空间特征分析方法,能加快告警空间特征提取的效率,并且能有效提高后续故障定位及诊断工作的效率。
其解决的技术方案是,一种基于改进熵权法的电力网络告警空间特征分析方法,具体实现步骤如下,
S1、采用滑动时间窗口算法划分告警事务集;
S2、结合网络实际拓扑,采用改进熵权法对每个告警事务集内的告警数据进行加权处理;
S3、根据权值进一步将告警事务集划分为具有空间特征的子集;通过以上处理,进一步将每个具有时间特征的告警事务集划分成了在空间上也有严格的相关性的子集。
由于以上技术方案的采用,本发明与现有技术相比具有如下优点:
1,采用滑动窗口算法划分了告警事务集,从一个较小的粒度来分析海量的告警信息,提高分析效率;
2,针对传统熵权法中当熵值趋于1时,微小的变化将会使熵值成倍数变化的问题提出一种改进的熵权法,根据告警级别和发出告警的设备在电力网络中的位置来定义告警的重要性为告警信息进行加权处理有效提高了告警数据的分析效率;
3,根据每次对网络的拓扑进行分析时都从权值最大的告警开始,在对告警的时间特征分析的基础上再考虑其空间特征,目的是将之前所划分的告警事务集再进行一次划分,以进一步提高后续故障定位工作的效率。
附图说明
图1为本发明方法的流程图。
具体实施方式
有关本发明的前述及其他技术内容、特点与功效,在以下配合参考附图1对实施例的详细说明中,将可清楚的呈现。以下实施例中所提到的结构内容,均是以说明书附图为参考。
实施例一,一种基于改进熵权法的电力网络告警空间特征分析方法,具体实现步骤如下,
S1、采用滑动时间窗口算法划分告警事务集;
S2、由于在网络的实际运行中,不同告警的重要程度通常是不同的,因此本发明首先对传统的熵权法加以改进,再采用改进后的熵权法对上一步划分好的每一个告警事务集并考虑网络中节点的实际连接情况进行加权分析;
S3、由于在确定告警权值信息的时候综合考虑了告警级别和设备在实际网络中的重要性两方面的因素,我们可以认为权值较高的告警信息比较重要,这种告警信息很大可能指示了故障根源,因此如果每次都从发出权值较大的告警信息的设备开始,依次广度遍历和其在空间上有连接的设备,判断当前集合内的告警是否为与其在同一链路上的设备发出,如果不是,就将当前集合划分为不同的子集,即对当前的集合进行拓扑分解,之后再继续遍历,直到该集合中的告警遍历结束,再在其它告警事务集中寻找新的未被分析的权重最大的告警,重复此步骤,这种方法相较于每次从告警事务集中随机选取点(有可能是边缘点)搜索效率提高,减少了很多无用的搜索,对遍历节点进行了有效的剪枝操作,从而加快算法运行的速度。
实施例二,在实施例一的基础上,所述步骤S1具体为,
S11、对原始告警数据进行处理,删除重复告警信息,并将告警信息按照发生时间重排形成有时间顺序的告警序列;
S12、采用滑动窗口算法处理告警序列,从较小的粒度对海量告警信息进行分析,由于告警发生的时间具有一定的波动性及不确定性,本发明通过设置窗口大小将波动范围内的告警包含在一个时间窗内,认为这些告警是同时发生的,构成同一个告警事务,而不具体区分窗口内的时间先后,对于窗口大小的选择,首先应该保证不会由于窗口太小而失去一个告警事务内中告警事件之间的联系,窗口太大又可能会包含大量的冗余信息和噪音,窗口大小w满足Qmax≤w≤T,其中T为当前时间段大小,S:告警场景,即两个或两个以上的告警事件;Q:告警场景S发生的最大时间间隔,即在Q时间段内告警场景S发生,但是对任意大于Q的时间段内都没有S发生;Qmax为在该时间段内不同告警场景最大时间间隔的最大值;Qmax为在该时间段内不同告警场景最大时间间隔的最大值;对于滑动步长的选择,我们应该确保相邻的窗口内有足够的重叠,滑动步长越小,相邻窗口内的重复的告警事件就越多;相反,滑动步长越大,相邻窗口内的重叠部分就越少,滑动步长l满足Pmin≤l≤w,其中,w为窗口大小,P告警场景S发生的最小时间间隔,即在P时间段内告警场景S发生,但是对任意小于P的时间段内没有S发生;Pmin为当前时间段内不同告警场景最小时间间隔的最小值。
实施例三,在实施例一的基础上,所述步骤S2具体为,
S21、由于电力网络的告警信息具有海量和不确定的特点,而传统的熵权法在计算熵值趋近于1的指标的权重时,其微小的变化会引起熵权成倍的变化,针对上述问题,本发明提出一种改进的熵权法;
S22、采用改进后的熵权法为告警数据进行加权处理。
实施例四,在实施例三的基础上,所述步骤S21具体为,
S111、根据熵的定义,确定指标j的熵值:
其中,hj:n条数据第j个属性的熵;n:某一时间段内数据的条数;xij:
第i条数据的第j个属性归一化之后的值;
S112、计算各项指标的熵权whj:
S113、根据熵权原理,若不同指标的熵值差别比较小意味着提供有效的信息量基本都是一样的,即熵权基本相同,根据上述原理对公式(2)加以改进:
其中,hk:第k项属性的熵;wh′j:改进后的熵权法中第j项属性的权重。
实施例五,在实施例三的基础上,所述步骤S22具体为,
S221、将告警级别和节点的拓扑结构进行量化,对于告警级别,本发明将其定义为5级,数值越大代表级别越高;根据发出告警的设备在网络中的位置,本发明将其定义为4级,数值越小代表级别越高,对定义好的数据进行整理,构建一个n×2的归一化矩阵X:
其中,xij(0<i≤n,j=1,2)表示第i条告警的第j个属性归一化后对应的值;
S222、根据公式(3)计算各项指标的权重wh′j;
S223、计算每条告警信息的综合评价,得到每条告警的权值Whi:
至此,我们采用改进的熵权法根据告警信息的级别以及发出告警的设备在电力网络中的位置确定了每条告警信息的权值。
本发明具体使用时,观察时长分别为5s(告警数目为82)的告警序列作为原始输入数据。具体分析步骤如下:
S1、对原始告警数据进行整理,去除数据中重复的告警,结果如下表:
表1告警信息格式
其中,告警ID是每条告警信息唯一的标识;告警级别分为5级,分别为“警告”、“轻微”、“一般”、“严重”和“紧急”;告警位置为发出该条告警设备在网络中的位置;告警设备ID为发出该条告警的设备再全网唯一的标识。
采用滑动窗口方法来划分告警事务集,我们针对每个类设置不同的窗口大小和步长,在本实例中我们选择每个时间段(类)的Qmax为窗口大小,Pmin为滑动步长。经过此步骤,我们将告警序列在聚类的基础上进一步划分为了9个告警事务集ts1、ts2、ts3、ts4、ts5、ts6、ts7、ts8和ts9,每个事务集中的告警数据具有严格的时间相关性。
S2、针对S2中划分的每个事务集,如其中事务集ts1中有5条告警,即ts1={Alm1,Alm2,Alm3,Alm4,Alm5},我们对其进行空间特征的分析。
首先为每条告警进行加权,根据公式(4),可得如下归一化矩阵:
根据公式(1)可得告警级别及设备位置指标的熵值分别为h1=2.4,h2=2.434。
根据公式(3),计算各项指标的权重wh1′=0.494,wh2′=0.506。
最后根据公式(5)计算每条告警的权重:Wh1=0.671,Wh2=0.671,Wh3=0.709,Wh4=0.292,Wh5=0.747。
S3、通过计算可知,告警Alm5的权重最大,因此我们从发出Alm5告警的设备开始在拓扑上广度优先遍历与其相连的设备,监测当前集合内的告警是否为与其在同一链路上的设备发出的,如果不是,就将当前集合进一步划分为不同的子集,即对当前集合进行拓扑分解,直至对此集合中所有的告警都进行过分析。对于其它告警事务集,我们重复上述步骤,依次对每个事务集进行空间特征的分析。至此,我们划分出的每一个集合中的告警都具有空间关联性。
以上所述是结合具体实施方式对本发明所作的进一步详细说明,不能认定本发明具体实施仅局限于此;对于本发明所属及相关技术领域的技术人员来说,在基于本发明技术方案思路前提下,所作的拓展以及操作方法、数据的替换,都应当落在本发明保护范围之内。
Claims (5)
1.一种基于改进熵权法的电力网络告警空间特征分析方法,其特征在于,具体实现步骤如下,
S1、采用滑动时间窗口算法划分告警事务集;
S2、结合网络实际拓扑,采用改进熵权法对每个告警事务集内的告警数据进行加权处理;
S3、根据权值进一步将告警事务集划分为具有空间特征的子集;通过以上处理,进一步将每个具有时间特征的告警事务集划分成了在空间上也有严格的相关性的子集。
2.如权利要求1所述的一种基于改进熵权法的电力网络告警空间特征分析方法,其特征在于,所述步骤S1具体为,
S11、对原始告警数据进行处理,删除重复告警信息,并将告警信息按照发生时间重排形成有时间顺序的告警序列;
S12、采用滑动窗口算法处理告警序列,从较小的粒度对海量告警信息进行分析,设置窗口大小w满足Qmax≤w≤T,其中T为当前时间段大小,S:告警场景,即两个或两个以上的告警事件;Q:告警场景S发生的最大时间间隔,即在Q时间段内告警场景S发生,但是对任意大于Q的时间段内都没有S发生;Qmax为在该时间段内不同告警场景最大时间间隔的最大值;滑动步长l满足Pmin≤l≤w,其中,w为窗口大小,P:告警场景S发生的最小时间间隔,即在P时间段内告警场景S发生,但是对任意小于P的时间段内没有S发生;Pmin为当前时间段内不同告警场景最小时间间隔的最小值。
3.如权利要求1所述的一种基于改进熵权法的电力网络告警空间特征分析方法,其特征在于,所述步骤S2具体为,
S21、由于电力网络的告警信息具有海量和不确定的特点,而传统的熵权法在计算熵值趋近于1的指标的权重时,其微小的变化会引起熵权成倍的变化,针对上述问题,本发明提出一种改进的熵权法;
S22、采用改进后的熵权法为告警数据进行加权处理。
4.如权利要求3所述的一种基于改进熵权法的电力网络告警空间特征分析方法,其特征在于,所述步骤S21改进熵权法具体为,
S111、根据熵的定义,确定指标j的熵值:
其中,hj:n条数据第j个属性的熵;n:某一时间段内数据的条数;xij:第i条数据的第j个属性归一化之后的值。
S112、计算各项指标的熵权whj:
S113、根据熵权原理,若不同指标的熵值差别比较小意味着提供有效的信息量基本都是一样的,即熵权基本相同,根据上述原理对公式(2)加以改进:
其中,hk:第k项属性的熵;wh′j:改进后的熵权法中第j项属性的权重。
5.如权利要求3所述的一种基于改进熵权法的电力网络告警空间特征分析方法,其特征在于,所述步骤S22具体为,
S221、将告警级别和节点的拓扑结构进行量化,对于告警级别,本发明将其定义为5级,数值越大代表级别越高;根据发出告警的设备在网络中的位置,本发明将其定义为4级,数值越小代表级别越高,对定义好的数据进行整理,构建一个n×2的归一化矩阵X:
其中,xij(0<i≤n,j=1,2)表示第i条告警的第j个属性归一化后对应的值;
S222、根据公式(3)计算各项指标的权重wh′j;
S223、计算每条告警信息的综合评价,得到每条告警的权值:whi
至此,我们采用改进的熵权法根据告警信息的级别以及发出告警的设备在电力网络中的位置确定了每条告警信息的权值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910423784.1A CN110135603B (zh) | 2019-05-21 | 2019-05-21 | 一种基于改进熵权法的电力网络告警空间特征分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910423784.1A CN110135603B (zh) | 2019-05-21 | 2019-05-21 | 一种基于改进熵权法的电力网络告警空间特征分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110135603A true CN110135603A (zh) | 2019-08-16 |
CN110135603B CN110135603B (zh) | 2022-11-11 |
Family
ID=67572176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910423784.1A Active CN110135603B (zh) | 2019-05-21 | 2019-05-21 | 一种基于改进熵权法的电力网络告警空间特征分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110135603B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110650036A (zh) * | 2019-08-30 | 2020-01-03 | 中国人民财产保险股份有限公司 | 告警处理方法、装置及电子设备 |
CN111697590A (zh) * | 2020-06-19 | 2020-09-22 | 上海交通大学 | 一种基于熵权法的电力系统关键节点识别方法及系统 |
CN112580678A (zh) * | 2019-09-29 | 2021-03-30 | 中兴通讯股份有限公司 | 一种构造云化网络告警根因关系树模型方法和装置 |
CN114024829A (zh) * | 2021-10-26 | 2022-02-08 | 广东电网有限责任公司 | 电力通信网络的故障检修方法、装置、设备和存储介质 |
CN116582410A (zh) * | 2023-05-24 | 2023-08-11 | 青岛海信信息科技股份有限公司 | 一种基于itsm系统的智能运维服务方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102111296A (zh) * | 2011-01-10 | 2011-06-29 | 浪潮通信信息系统有限公司 | 基于最大频繁项集的通信告警关联规则挖掘方法 |
WO2015051638A1 (zh) * | 2013-10-08 | 2015-04-16 | 华为技术有限公司 | 一种故障定位方法及装置 |
CN106656590A (zh) * | 2016-12-14 | 2017-05-10 | 北京亿阳信通科技有限公司 | 一种网络设备告警消息风暴的处理方法和装置 |
CN108809734A (zh) * | 2018-07-16 | 2018-11-13 | 北京思特奇信息技术股份有限公司 | 网络告警根源分析方法、系统、存储介质及计算机设备 |
CN109547230A (zh) * | 2017-09-22 | 2019-03-29 | 中国移动通信集团浙江有限公司 | 一种基于权重的互联网缓存资源服务质量评价方法及系统 |
CN109684181A (zh) * | 2018-11-20 | 2019-04-26 | 华为技术有限公司 | 告警根因分析方法、装置、设备及存储介质 |
-
2019
- 2019-05-21 CN CN201910423784.1A patent/CN110135603B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102111296A (zh) * | 2011-01-10 | 2011-06-29 | 浪潮通信信息系统有限公司 | 基于最大频繁项集的通信告警关联规则挖掘方法 |
WO2015051638A1 (zh) * | 2013-10-08 | 2015-04-16 | 华为技术有限公司 | 一种故障定位方法及装置 |
CN106656590A (zh) * | 2016-12-14 | 2017-05-10 | 北京亿阳信通科技有限公司 | 一种网络设备告警消息风暴的处理方法和装置 |
CN109547230A (zh) * | 2017-09-22 | 2019-03-29 | 中国移动通信集团浙江有限公司 | 一种基于权重的互联网缓存资源服务质量评价方法及系统 |
CN108809734A (zh) * | 2018-07-16 | 2018-11-13 | 北京思特奇信息技术股份有限公司 | 网络告警根源分析方法、系统、存储介质及计算机设备 |
CN109684181A (zh) * | 2018-11-20 | 2019-04-26 | 华为技术有限公司 | 告警根因分析方法、装置、设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
BAIYANG LIU等: "Robust Visual Tracking Using Local Sparse Appearance Model and K-Selection", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
王建波等: "基于改进熵权与灰色模糊理论的城市轨道交通PPP项目风险评价研究", 《隧道建设(中英文)》 * |
肖海林: "网络告警关联规则挖掘系统的研究与设计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
齐小刚等: "一种有效的通信网络告警分析方法", 《西安电子科技大学学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110650036A (zh) * | 2019-08-30 | 2020-01-03 | 中国人民财产保险股份有限公司 | 告警处理方法、装置及电子设备 |
CN112580678A (zh) * | 2019-09-29 | 2021-03-30 | 中兴通讯股份有限公司 | 一种构造云化网络告警根因关系树模型方法和装置 |
CN111697590A (zh) * | 2020-06-19 | 2020-09-22 | 上海交通大学 | 一种基于熵权法的电力系统关键节点识别方法及系统 |
CN114024829A (zh) * | 2021-10-26 | 2022-02-08 | 广东电网有限责任公司 | 电力通信网络的故障检修方法、装置、设备和存储介质 |
CN116582410A (zh) * | 2023-05-24 | 2023-08-11 | 青岛海信信息科技股份有限公司 | 一种基于itsm系统的智能运维服务方法及装置 |
CN116582410B (zh) * | 2023-05-24 | 2023-10-27 | 青岛海信信息科技股份有限公司 | 一种基于itsm系统的智能运维服务方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110135603B (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135603A (zh) | 一种基于改进熵权法的电力网络告警空间特征分析方法 | |
KR102483025B1 (ko) | 운영 유지 시스템 및 방법 | |
CN106941423B (zh) | 故障原因定位方法及装置 | |
CN108415789B (zh) | 面向大规模混合异构存储系统的节点故障预测系统及方法 | |
CN105354614B (zh) | 一种基于大数据的电网信息运维主动预警方法 | |
CN109597836A (zh) | 一种基于加权矩阵的通信设备告警关联规则挖掘方法 | |
US20130212257A1 (en) | Computer program and monitoring apparatus | |
US7388482B2 (en) | Method for the machine learning of frequent chronicles in an alarm log for the monitoring of dynamic systems | |
CN110188834A (zh) | 一种电力通信网的故障诊断方法、装置及设备 | |
CN107633307B (zh) | 供配电系统根源告警检测方法、装置、终端及计算机存储介质 | |
CN115237717A (zh) | 一种微服务异常检测方法和系统 | |
CN108809734A (zh) | 网络告警根源分析方法、系统、存储介质及计算机设备 | |
CN109686066A (zh) | 报警管理系统及方法 | |
CN115297048B (zh) | 一种基于光纤网络的路由路径生成方法及装置 | |
CN115441456A (zh) | 一种电网调度支持系统故障诊断方法及装置 | |
CN115470025A (zh) | 分布式云场景下智能根因分析方法及装置、介质、设备 | |
CN115421950A (zh) | 一种基于机器学习的自动化系统运维管理方法及系统 | |
CN116820014A (zh) | 一种交通机电设备智能化监控预警方法及系统 | |
CN113740666A (zh) | 一种数据中心电力系统告警风暴根源故障的定位方法 | |
CN110609761B (zh) | 确定故障源的方法、装置、存储介质和电子设备 | |
CN112101422B (zh) | 电力系统故障案例的典型案例自学习方法 | |
CN110705062A (zh) | 基于5g的机柜能耗远程统计计量方法 | |
Wang et al. | LSTM-based alarm prediction in the mobile communication network | |
CN109462494A (zh) | 云服务器监控报警实时智能分析诊断方法及系统 | |
CN115150255A (zh) | 一种自适应的基于知识图谱的应用故障自动根因定位方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |