CN111753875A - 一种电力信息系统运行趋势分析方法、装置及存储介质 - Google Patents
一种电力信息系统运行趋势分析方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111753875A CN111753875A CN202010410883.9A CN202010410883A CN111753875A CN 111753875 A CN111753875 A CN 111753875A CN 202010410883 A CN202010410883 A CN 202010410883A CN 111753875 A CN111753875 A CN 111753875A
- Authority
- CN
- China
- Prior art keywords
- power information
- information system
- data
- system operation
- operation trend
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 238000003860 storage Methods 0.000 title claims description 14
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 230000000737 periodic effect Effects 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力信息系统运行趋势分析方法,所述方法包括:获取电力信息系统设备运行的历史数据统计,数据预处理,构建数据集;将数据集划分为训练数据集和测试数据集,将训练数据集中的异常运维数据剔除;使用训练数据集训练基于Prophet的系统运行趋势置信区间模型,使用测试数据集检测模型的分类预测能力;使用基于Prophet的系统运行趋势置信区间模型对电力信息系统现在或未来的运行情况进行趋势分析。采用上述方法,可以高效准确的计算出电力信息系统的运行趋势置信区间,对电力信息系统进行趋势分析,判断电力信息系统运行状况。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种电力信息系统运行趋势分析方法、装置及存储介质。
背景技术
对电力信息系统运行状态进行及时高效的趋势分析有利于保障系统的正常运行。当前,对于电力系统的运行状态评价主要依赖于运维人员的经验判断,而落后的运维管理技术无法满足数据中心加速业务发展的需求。过多分配资源会导致资源浪费;而资源分配不足又会导致系统运行卡顿,增加了宕机风险。
发明内容
发明目的:本发明旨在提供一种用于电力信息系统运行评价预测的方法,通过预测运行数据趋势,从而预分配资源。本发明的另一目的在于提供基于上述方法的装置及存储介质。
技术方案:本发明所述的电力信息系统运行趋势分析方法包括:
(1)获取电力信息系统设备的历史运行数据统计,分别构建训练数据集和测试数据集;
(2)利用训练数据集训练基于Prophet的系统运行趋势置信区间模型,通过测试数据集对模型的分类预测能力进行检测,对所述基于Prophet的系统运行趋势置信区间模型进行调整;所述Prophet为facebook开源的时间序列预测算法;
(3)根据所述基于Prophet的系统运行趋势置信区间模型计算各电力信息系统运行数据预测值,得到系统运行趋势。进一步地,所述步骤(1)包括:
(11)获取预设时间内相同时间间隔的时间节点下的所述电力信息系统设备的历史运行数据;
(12)对所述历史运行数据进行预处理,分别构建训练数据集和测试数据集。
进一步地,步骤(12)中,所述预处理为:对所述历史运行数据进行数据清洗,归一化。
具体地,所述运行数据至少包括以下一种:环境温度、湿度、CPU、服务器温度、风扇转数、内存、存储利用率、I/O带宽、网络延时、网络带宽。
进一步地,所述训练数据集和测试数据集为按比例划分的预处理后的历史运行数据的数据集,其中所述训练数据集剔除了历史运行数据中的异常数据。
进一步地,所述基于Prophet的系统运行趋势置信区间模型P(t)如下:
P(t)=g(t)+s(t)+h(t)+εt
其中,g(t)为用于表征所述运行数据的时间序列非周期性变化趋势的TREND函数;s(t)为所述运行数据的周期性函数;h(t)为节假日项;εt是误差项;t为时间。
优选地,所述TREND函数g(t)为:
其中,C表示模型容量,k表示增长率,b表示偏移量。
优选地,所述周期性函数s(t)为:
其中,T表示周期时长,2n为周期的个数。
优选地,所述节假日项h(t)表示t时间当日是否为节假日,并将每个节假日在不同时刻下的影响视作独立模型,为每个独立模型设置了一个虚拟变量:
进一步地,所述通过测试数据集对模型的分类预测能力进行检测包括步骤:
(1)计算所述基于Prophet的系统运行趋势置信区间模型的分类准确率:
(2)计算所述基于Prophet的系统运行趋势置信区间模型的召回率:
TP表示检测结果中正常数据被正确地划分至正常数据范围的数量,FP表示检测结果中异常数据被错误地划分至正常数据范围的数量;FN表示检测结果中正常数据被错误地划分至异常数据范围的数量。
本发明所述的电力信息系统运行趋势分析装置包括:存储器、处理器及在所述存储器上存储并可运行的电力信息系统运行趋势分析的程序,所述电力信息系统运行趋势分析的程序被处理器执行时实现上述电力信息系统运行趋势分析方法的部分或全部步骤。
本发明所述的计算机可读存储介质,其上存储有电力信息系统运行趋势分析的程序,所述电力信息系统运行趋势分析的程序被处理器执行时实现上述电力信息系统运行趋势分析方法的部分或全部步骤。
有益效果:本发明使用基于Prophet的系统运行趋势置信区间模型对电力信息系统现在或未来的运行情况进行趋势分析,高效准确地计算出电力信息系统的运行趋势置信区间,判断电力信息系统运行状况。
附图说明
图1是本发明电力信息系统运行趋势分析方法流程图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
参阅图1,其示出了本发明所述的电力信息系统运行趋势分析方法,包括如下具体步骤:
步骤1、采集一段时间的电力信息系统的系统运行数据;
从所述电力信息系统获取预设的时间期间内多个时间节点下的系统运行数据;每个时间节点之间的时间间隔相同。
所述系统运行数据包括但不限于:环境温度、湿度、CPU、服务器温度、风扇转数、内存、存储利用率、I/O带宽、网络延时、网络带宽等。
步骤2、数据预处理;
对运行数据预处理,包括数据清洗,归一化。
步骤3、按照9:1的比例将数据集划分为训练数据集和测试数据集,将训练数据集中的异常运维数据剔除。
步骤4、使用训练数据集训练基于Prophet的系统运行趋势置信区间模型,所述基于Prophet的系统运行趋势置信区间模型P(t)如下:
P(t)=g(t)+s(t)+h(t)+εt
其中,g(t)为用于表征所述运行数据的时间序列非周期性变化趋势的TREND函数,C表示模型容量,k表示增长率,b表示偏移量;
s(t)是所述运行数据的周期性函数,T表示周期时长,2n为周期的个数;
h(t)为节假日项,表示t时间当日是否为节假日,并将每个节假日在不同时刻下的影响视作独立模型,为每个独立模型设置了一个虚拟变量;
εt是误差项;t为时间。
步骤5、使用测试数据集检测模型的分类预测能力,使用分类准确率和召回率检验异常检测模型的分类能力;
(1)分类准确率采用以下公式计算:
(2)召回率采用以下公式计算:
TP表示检测结果中正常数据被正确地划分至正常数据范围的数量,FP表示检测结果中异常数据被错误地划分至正常数据范围的数量;FN表示检测结果中正常数据被错误地划分至异常数据范围的数量。
步骤6、使用基于Prophet的系统运行趋势置信区间模型计算各电力信息系统运行数据预测值,得到电力信息系统现在或未来的运行趋势。
本发明所述的电力信息系统运行趋势分析装置包括:存储器、处理器及在所述存储器上存储并可运行的电力信息系统运行趋势分析的程序,所述电力信息系统运行趋势分析的程序被处理器执行时实现上述电力信息系统运行趋势分析方法的部分或全部步骤。
本发明所述的计算机可读存储介质,其上存储有电力信息系统运行趋势分析的程序,所述电力信息系统运行趋势分析的程序被处理器执行时实现上述电力信息系统运行趋势分析方法的部分或全部步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (9)
1.一种电力信息系统运行趋势分析方法,其特征在于,该方法包括:
(1)获取电力信息系统设备的历史运行数据统计,分别构建训练数据集和测试数据集;
(2)利用训练数据集训练基于Prophet的系统运行趋势置信区间模型,通过测试数据集对模型的分类预测能力进行检测,对所述基于Prophet的系统运行趋势置信区间模型进行调整;其中,所述Prophet为时间序列预测算法;
(3)根据所述基于Prophet的系统运行趋势置信区间模型计算各电力信息系统运行数据预测值,得到系统运行趋势。
2.根据权力要求1所述的电力信息系统运行趋势分析方法,其特征在于,所述步骤(1)包括:
(11)获取预设时间内相同时间间隔的时间节点下的所述电力信息系统设备的历史运行数据;
(12)对所述历史运行数据进行预处理,分别构建训练数据集和测试数据集。
3.根据权利要求1所述的电力信息系统运行趋势分析方法,其特征在于,步骤(12)中,所述预处理为:对所述历史运行数据进行数据清洗,归一化。
4.根据权利要求1-3中任一项所述的电力信息系统运行趋势分析方法,其特征在于,所述运行数据至少包括以下一种:环境温度、湿度、CPU、服务器温度、风扇转数、内存、存储利用率、I/O带宽、网络延时、网络带宽。
5.根据权利要求1所述的电力信息系统运行趋势分析方法,其特征在于:所述训练数据集和测试数据集为按比例划分的预处理后的历史运行数据的数据集,其中所述训练数据集剔除了历史运行数据中的异常数据。
6.根据权利要求1所述的电力信息系统运行趋势分析方法,其特征在于,所述基于Prophet的系统运行趋势置信区间模型P(t)如下:
P(t)=g(t)+s(t)+h(t)+εt
其中,g(t)为用于表征所述运行数据的时间序列非周期性变化趋势的TREND函数;s(t)是为所述运行数据的周期性函数;h(t)为节假日项;εt是误差项;t为时间。
8.一种电力信息系统运行趋势分析装置,其特征在于,该装置包括:存储器、处理器及在所述存储器上存储并可运行的电力信息系统运行趋势分析的程序,所述电力信息系统运行趋势分析的程序被处理器执行时实现如权利要求1至7中任一项所述电力信息系统运行趋势分析方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有电力信息系统运行趋势分析的程序,所述电力信息系统运行趋势分析的程序被处理器执行时实现如权利要求1至7中任一项所述电力信息系统运行趋势分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010410883.9A CN111753875A (zh) | 2020-05-15 | 2020-05-15 | 一种电力信息系统运行趋势分析方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010410883.9A CN111753875A (zh) | 2020-05-15 | 2020-05-15 | 一种电力信息系统运行趋势分析方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111753875A true CN111753875A (zh) | 2020-10-09 |
Family
ID=72674004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010410883.9A Pending CN111753875A (zh) | 2020-05-15 | 2020-05-15 | 一种电力信息系统运行趋势分析方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753875A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112598291A (zh) * | 2020-12-25 | 2021-04-02 | 中国农业银行股份有限公司 | 一种基于Prophet的运维智能排班方法及装置 |
CN112734492A (zh) * | 2021-01-18 | 2021-04-30 | 广州虎牙科技有限公司 | 预测模型构建方法、数据预测方法、装置、电子设备和可读存储介质 |
CN112836871A (zh) * | 2021-01-27 | 2021-05-25 | 广东电网有限责任公司广州供电局 | 一种配电网可靠性预测方法、装置、设备和介质 |
CN114139781A (zh) * | 2021-11-17 | 2022-03-04 | 国网湖北省电力有限公司经济技术研究院 | 一种电力系统的运行趋势预测方法及系统 |
CN114239952A (zh) * | 2021-12-14 | 2022-03-25 | 建信金融科技有限责任公司 | 一种关键性能指标的异常检测方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110349289A (zh) * | 2019-06-21 | 2019-10-18 | 东软集团股份有限公司 | 故障预测方法、装置、存储介质和电子设备 |
CN110790105A (zh) * | 2019-11-20 | 2020-02-14 | 上海电气集团股份有限公司 | 电梯门系统诊断、衰退时间的预测方法及诊断预测系统 |
CN110894038A (zh) * | 2019-11-20 | 2020-03-20 | 上海电气集团股份有限公司 | 电梯门系统运行状态的预测方法及装置 |
CN110990174A (zh) * | 2019-10-25 | 2020-04-10 | 苏州浪潮智能科技有限公司 | 一种基于Prophet模型预测SSD可用时间的方法、设备及介质 |
-
2020
- 2020-05-15 CN CN202010410883.9A patent/CN111753875A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110349289A (zh) * | 2019-06-21 | 2019-10-18 | 东软集团股份有限公司 | 故障预测方法、装置、存储介质和电子设备 |
CN110990174A (zh) * | 2019-10-25 | 2020-04-10 | 苏州浪潮智能科技有限公司 | 一种基于Prophet模型预测SSD可用时间的方法、设备及介质 |
CN110790105A (zh) * | 2019-11-20 | 2020-02-14 | 上海电气集团股份有限公司 | 电梯门系统诊断、衰退时间的预测方法及诊断预测系统 |
CN110894038A (zh) * | 2019-11-20 | 2020-03-20 | 上海电气集团股份有限公司 | 电梯门系统运行状态的预测方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112598291A (zh) * | 2020-12-25 | 2021-04-02 | 中国农业银行股份有限公司 | 一种基于Prophet的运维智能排班方法及装置 |
CN112598291B (zh) * | 2020-12-25 | 2023-10-13 | 中国农业银行股份有限公司 | 一种基于Prophet的运维智能排班方法及装置 |
CN112734492A (zh) * | 2021-01-18 | 2021-04-30 | 广州虎牙科技有限公司 | 预测模型构建方法、数据预测方法、装置、电子设备和可读存储介质 |
CN112836871A (zh) * | 2021-01-27 | 2021-05-25 | 广东电网有限责任公司广州供电局 | 一种配电网可靠性预测方法、装置、设备和介质 |
CN114139781A (zh) * | 2021-11-17 | 2022-03-04 | 国网湖北省电力有限公司经济技术研究院 | 一种电力系统的运行趋势预测方法及系统 |
CN114239952A (zh) * | 2021-12-14 | 2022-03-25 | 建信金融科技有限责任公司 | 一种关键性能指标的异常检测方法、装置、设备及介质 |
CN114239952B (zh) * | 2021-12-14 | 2024-02-13 | 建信金融科技有限责任公司 | 一种关键性能指标的异常检测方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111753875A (zh) | 一种电力信息系统运行趋势分析方法、装置及存储介质 | |
JP6844067B2 (ja) | IoT環境におけるエッジデバイスへのソフトウェアアプリケーションの供給 | |
CN112712113B (zh) | 一种基于指标的告警方法、装置及计算机系统 | |
CN110572297B (zh) | 网络性能的评估方法、服务器及存储介质 | |
CN110633194B (zh) | 一种硬件资源在特定环境下的性能评估方法 | |
CN111666187B (zh) | 用于检测异常响应时间的方法和装置 | |
CN113746798B (zh) | 基于多维度分析的云网络共享资源异常根因定位方法 | |
WO2022142013A1 (zh) | 基于人工智能的ab测试方法、装置、计算机设备及介质 | |
CN113986595A (zh) | 一种异常定位方法及装置 | |
WO2017150286A1 (ja) | システム分析装置、システム分析方法、及び、コンピュータ読み取り可能な記録媒体 | |
CN111352799A (zh) | 一种巡检方法及装置 | |
CN108306997B (zh) | 域名解析监控方法及装置 | |
CN110943974B (zh) | 一种DDoS异常检测方法及云平台主机 | |
CN111064719A (zh) | 文件异常下载行为的检测方法及装置 | |
CN110322153A (zh) | 监控事件处理方法及系统 | |
KR20200126766A (ko) | Ict 인프라의 운용 관리 장치 및 방법 | |
CN110781950B (zh) | 一种报文处理方法及装置 | |
US10216606B1 (en) | Data center management systems and methods for compute density efficiency measurements | |
CN109462510B (zh) | 一种cdn节点质量评估的方法及装置 | |
CN116714469A (zh) | 充电桩健康监测方法、装置、终端及存储介质 | |
JP2020035297A (ja) | 機器状態監視装置及びプログラム | |
CN115701890A (zh) | 调整告警规则的方法及相关设备 | |
US11188064B1 (en) | Process flow abnormality detection system and method | |
CN115757002A (zh) | 一种能耗确定方法、装置、设备及计算机可读存储介质 | |
CN107566187B (zh) | 一种sla违例监测方法、装置和系统 |
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 |
Application publication date: 20201009 |
|
RJ01 | Rejection of invention patent application after publication |