CN111163075A - 电力监控系统设备性能指标阈值动态调整方法 - Google Patents

Abstract

本发明提供一种电力监控系统设备性能指标阈值动态调整方法，包括，在网络安全管理平台中设定指标动态阈值计算触发条件，达到触发条件后，网络安全管理平台采集电力监控系统一段时间内的指标数据，并基于加权重的余弦相似度进行聚类，将聚类结果同上一次的聚类结果进行比对，如果聚类结果不再变化，则输出聚类结果，否则基于平方平均数重新聚类中心，重新聚类。最终，根据输出的聚类结果，计算电力监控系统的性能指标阈值。本发明通过k‑means算法来计算电力监控系统中各个设备中各指标的告警阈值，同时定期调整告警阈值，到达动态调整指标告警阈值的目的，减小告警误报的产生。

Description

电力监控系统设备性能指标阈值动态调整方法

技术领域

本发明涉及一种电力监控系统设备性能指标阈值动态调整方法，属于电力监控技术领域。

背景技术

目前电力监控系统中主机、网络设备、安全设备、数据库等各项性能指标的安全阈值由人工手动在网络安全管理平台中配置。电力监控系统中运维人员良莠不齐，根据自身经验所配置的阈值不能很好的反映该区域设备的自身情况，这样不仅容易产生告警误报，还有告警漏报的风险，同时还没有相关科学依据，出现的故障不能及时排除，严重影响工作效率，对电力监控系统的稳定运行造成影响。特别是当电力监控系统处于紧急情况，大量的告警使管理人员无法及时、准确判断故障，将导致错失处理事故的最好时机，造成事故扩大。

发明内容

本发明的目的是提供一种电力监控系统设备性能指标阈值动态调整方法，通过动态调整阈值，达到减小告警不合理的目的。

为达到上述目的，本发明采用的技术方案如下：

电力监控系统设备性能指标阈值动态调整方法，包括：

达到指标动态阈值触发条件后，网络安全管理平台启动指标动态阈值计算程序，提取原始数据集合并进行预处理；

从预处理后的原始数据集合中随机选取k个元素，作为k个簇的簇中心；

基于加权重的余弦相似度，将预处理后的原始数据集合聚类为k个簇；

根据聚类结果，重新计算k个簇的簇中心；

将预处理后的原始数据集合中的全部元素根据重新计算的簇中心，采用基于加权重的余弦相似度重新聚类；

将聚类结果同上一次的聚类结果进行比对，如果聚类结果不再变化，则输出聚类结果，否则，返回重新计算簇中心，再次聚类，直到聚类结果不再变化或者达到聚类终止条件；

根据输出的聚类结果，计算电力监控系统的性能指标阈值。

进一步的，所述原始数据为网络安全管理平台采集的电力监控系统的性能指标，所述网络安全管理平台部署于电力调度网安全II区；所述电力监控系统包括：主机，数据库，安防设备和网络设备；

所述电力监控系统的性能指标分别为：

主机包括CPU信息，内存信息，IO信息，网络流量信息和硬盘使用率；

网络设备包括CPU信息，内存信息，网络丢包信息和网络错包信息；

数据库包括CPU信息，内存信息，脏页面情况，归档文件使用情况，备份文件使用情况和数据表空间使用情况；

安防设备包括CPU信息，内存信息和安防设备中纵向设备的明密文流量。

进一步的，所述网络安全管理平台启动指标动态阈值计算程序，提取原始数据集合，为：

X＝(x₁,x₂,…,x_n)，

其中，x_i表示电力监控系统的第i个性能指标向量，i＝1,2,…,n，n表示提取的原始数据个数；

每个x_i为d维的向量，表示该电力监控系统有d个性能指标，

其中，

表示第i个性能指标向量x_i的第j个性能指标，j＝1,2,…,d。

进一步的，所述提取原始数据集合，是指从启动指标动态阈值计算程序时往前推，提取设定时间内的性能指标数据。

进一步的，所述基于加权重的余弦相似度，将预处理后的原始数据集合聚类为k个簇，包括：

分别计算预处理后的原始数据集合中剩下的元素到k个簇的簇中心的余弦相似度：

其中，cosΘ_il表示第i个性能指标向量与第l个簇中心的余弦相似度，μ为当前电力监控系统中变动因素值，

表示第l个簇中心的第j个性能指标，l＝1,2,…,k；

将元素划归到所计算的余弦相似度最大的簇。

进一步的，所述当前电力监控系统中变动因素值计算如下：

其中，ρ_i-1为第i-1次聚类的性能指标阈值，s为当前聚类次数。

进一步的，所述根据聚类结果，重新计算k个簇的簇中心，包括：

其中，

表示第l个簇的第i个元素的第j个性能指标，j＝1,2,…,d，m表示簇中的元素个数。

进一步的，所述根据输出的聚类结果，计算电力监控系统的性能指标阈值，包括：

计算当前簇中所有元素到簇中心的欧氏距离，选取欧氏距离值最大的乘以约束因子为该簇的性能指标阈值；

选取所有簇的性能指标阈值的最大值作为该电力监控系统的性能指标阈值。

进一步的，所述约束因子为80％。

进一步的，还包括在网络安全管理平台中设定指标动态阈值触发条件的步骤。

本发明所达到的有益效果是：

本发明通过k-means算法来计算电力监控系统中各个设备中各指标的告警阈值，同时定期调整告警阈值，到达动态调整指标告警阈值的目的，减小告警误报的产生。

具体实施方式

下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

本发明提供一种电力监控系统设备性能指标阈值动态调整方法，包括：

1)在网络安全管理平台中设定指标动态阈值计算触发条件，如设定每一个月，或者两个月计算一次阈值。

网络安全管理平台部署于电力调度网安全II区，主要用于采集电力监控系统的安全数据，分析日志形成告警展现与可视化界面，同时具有对电力监控系统的管控作用。电力监控系统包括：主机，数据库，安防设备和网络设备。

2)达到指标动态阈值触发条件后，网络安全管理平台启动指标动态阈值计算程序，提取原始数据集合为：X＝(x₁,x₂,…,x_n)，

其中，x_i表示某一电力监控系统的第i个性能指标向量，i＝1,2,…,n，n表示提取的原始数据个数。

其中，每个x_i为d维的向量，

表示第i个性能指标向量x_i的第j个性能指标，j＝1,2,…,d，即表示电力监控系统有d个性能指标。

进一步的，原始数据为网络安全平台中采集的电力监控系统的性能指标，包括：主机中的CPU信息，内存信息，IO信息，网络流量信息，硬盘使用率等信息；网络设备的CPU信息，内存信息，网络丢包信息，网络错包信息；数据库的CPU信息，内存信息，脏页面情况，归档文件使用情况，备份文件使用情况，数据表空间使用情况等；安防设备的CPU信息，内存信息，安防设备中纵向设备的明密文流量等电力系统重要数据。

进一步的，本发明中提取原始数据，是指从动态阈值计算触发时往前推，提取设定时间内的指标数据，该设定时间可以是一个月，两个月，或者三个月，与相邻两次动态阈值计算的时间间隔无关。

进一步的，提取原始数据后，将原始数据做打标签预处理，得到符合模型计算的d维数据格式。

3)从原始数据集合中随机选取k个元素，作为k个簇的簇中心。

4)分别计算剩下的元素到k个簇中心的相似度，将这些元素划归到相似度最高的簇。本发明中相似度采用加权重的余弦相似度，计算如下：

其中，cosΘ_il表示第i个性能指标向量与第l个簇中心的余弦相似度，y_lmid表示第l个簇的簇中心，

表示第l个簇中心的第j个性能指标，l＝1,2,…,k。

μ为当前电力监控系统中变动因素值，取值0～1，该值的变化受之前的性能指标阈值影响，计算如下：

其中，μ为当前聚类的变动因素值，ρ_i-1为第i-1次聚类的性能指标阈值，s为当前聚类次数。

本发明中，计算的余弦相似度最大即为相似度最高。

5)根据聚类结果，重新计算k个簇的簇中心，计算如下：

假设，第l个簇中有m个元素，表示为：

Y_l＝(y_l1,y_l2,…,y_lm)，l＝1,2,…,k，

第l个簇中心的第j个性能指标计算如下：

其中，

表示第l个簇中心的第j个性能指标，j＝1,2,…,d。

6)将原始数据集合中的全部元素按照步骤5)确定的簇中心重新聚类。聚类方法为分别计算原始数据集合中所有元素到k个簇中心的相似度，将这些元素划归到相似度最高的簇。同样采用加权重的余弦相似度计算方法。

7)将聚类结果同上一次的聚类结果进行比对，如果聚类结果趋于稳定，则输出聚类结果，再根据聚类结果，计算该电力监控系统的指标阈值。否则，返回步骤5)重新计算簇中心，再次聚类，直到聚类结果趋于稳定或者达到聚类终止条件。

根据聚类结果，计算该电力监控系统的指标阈值，如下：

计算当前簇中所有元素到簇中心的欧氏距离，选取欧氏距离值最大的乘以约束因子为该簇的指标阈值；

再选取所有簇的指标阈值的最大值作为该电力监控系统的指标阈值。

进一步的，影响因子根据经验设定，本发明中取约束因子为80％。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (10)

1.电力监控系统设备性能指标阈值动态调整方法，其特征在于，包括：

达到指标动态阈值触发条件后，网络安全管理平台启动指标动态阈值计算程序，提取原始数据集合并进行预处理；

从预处理后的原始数据集合中随机选取k个元素，作为k个簇的簇中心；

基于加权重的余弦相似度，将预处理后的原始数据集合聚类为k个簇；

根据聚类结果，重新计算k个簇的簇中心；

将预处理后的原始数据集合中的全部元素根据重新计算的簇中心，采用基于加权重的余弦相似度重新聚类；

将聚类结果同上一次的聚类结果进行比对，如果聚类结果不再变化，则输出聚类结果，否则，返回重新计算簇中心，再次聚类，直到聚类结果不再变化或者达到聚类终止条件；

根据输出的聚类结果，计算电力监控系统的性能指标阈值。

2.根据权利要求1所述的电力监控系统设备性能指标阈值动态调整方法，其特征在于，所述原始数据为网络安全管理平台采集的电力监控系统的性能指标，所述网络安全管理平台部署于电力调度网安全II区；所述电力监控系统包括：主机，数据库，安防设备和网络设备；

所述电力监控系统的性能指标分别为：

主机包括CPU信息，内存信息，IO信息，网络流量信息和硬盘使用率；

网络设备包括CPU信息，内存信息，网络丢包信息和网络错包信息；

数据库包括CPU信息，内存信息，脏页面情况，归档文件使用情况，备份文件使用情况和数据表空间使用情况；

安防设备包括CPU信息，内存信息和安防设备中纵向设备的明密文流量。

3.根据权利要求2所述的电力监控系统设备性能指标阈值动态调整方法，其特征在于，所述网络安全管理平台启动指标动态阈值计算程序，提取原始数据集合，为：

X＝(x₁,x₂,…,x_n)，

其中，x_i表示电力监控系统的第i个性能指标向量，i＝1,2,…,n，n表示提取的原始数据个数；

每个x_i为d维的向量，表示该电力监控系统有d个性能指标，

其中，

表示第i个性能指标向量x_i的第j个性能指标，j＝1,2,…,d。

4.根据权利要求1所述的电力监控系统设备性能指标阈值动态调整方法，其特征在于，所述提取原始数据集合，是指从启动指标动态阈值计算程序时往前推，提取设定时间内的性能指标数据。

5.根据权利要求3所述的电力监控系统设备性能指标阈值动态调整方法，其特征在于，所述基于加权重的余弦相似度，将预处理后的原始数据集合聚类为k个簇，包括：

分别计算预处理后的原始数据集合中剩下的元素到k个簇的簇中心的余弦相似度：

其中，cosΘ_il表示第i个性能指标向量与第l个簇中心的余弦相似度，μ为当前电力监控系统中变动因素值，

表示第l个簇中心的第j个性能指标，l＝1,2,…,k；

将元素划归到所计算的余弦相似度最大的簇。

6.根据权利要求5所述的电力监控系统设备性能指标阈值动态调整方法，其特征在于，所述当前电力监控系统中变动因素值计算如下：

其中，ρ_i-1为第i-1次聚类的性能指标阈值，s为当前聚类次数。

7.根据权利要求5所述的电力监控系统设备性能指标阈值动态调整方法，其特征在于，所述根据聚类结果，重新计算k个簇的簇中心，包括：

其中，

表示第l个簇的第i个元素的第j个性能指标，j＝1,2,…,d，m表示簇中的元素个数。

8.根据权利要求1所述的电力监控系统设备性能指标阈值动态调整方法，其特征在于，所述根据输出的聚类结果，计算电力监控系统的性能指标阈值，包括：

计算当前簇中所有元素到簇中心的欧氏距离，选取欧氏距离值最大的乘以约束因子为该簇的性能指标阈值；

选取所有簇的性能指标阈值的最大值作为该电力监控系统的性能指标阈值。

9.根据权利要求8所述的电力监控系统设备性能指标阈值动态调整方法，其特征在于，所述约束因子为80％。

10.根据权利要求1所述的电力监控系统设备性能指标阈值动态调整方法，其特征在于，还包括在网络安全管理平台中设定指标动态阈值触发条件的步骤。