CN112712348A - 换流站的日志关联分析方法及诊断装置 - Google Patents

换流站的日志关联分析方法及诊断装置 Download PDF

Info

Publication number
CN112712348A
CN112712348A CN202110021099.3A CN202110021099A CN112712348A CN 112712348 A CN112712348 A CN 112712348A CN 202110021099 A CN202110021099 A CN 202110021099A CN 112712348 A CN112712348 A CN 112712348A
Authority
CN
China
Prior art keywords
ser
event
converter station
confidence
ser event
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
Application number
CN202110021099.3A
Other languages
English (en)
Other versions
CN112712348B (zh
Inventor
黄剑湘
李少森
杨涛
徐峰
魏金林
陈图腾
王加磊
朱旭东
孙豪
李�浩
丁丙侯
杨铖
朱盛强
阮峻
韩建伟
梁钰华
付天乙
鞠翔
赵世伟
张函
郭康
袁虎强
苏志龙
陈文�
杨光
陈诺
李德荣
刘超
龙磊
马向南
张子聪
何照能
孙靖铷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kunming Bureau of Extra High Voltage Power Transmission Co
Original Assignee
Kunming Bureau of Extra High Voltage Power Transmission Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kunming Bureau of Extra High Voltage Power Transmission Co filed Critical Kunming Bureau of Extra High Voltage Power Transmission Co
Priority to CN202110021099.3A priority Critical patent/CN112712348B/zh
Publication of CN112712348A publication Critical patent/CN112712348A/zh
Application granted granted Critical
Publication of CN112712348B publication Critical patent/CN112712348B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/10—Office automation; Time management
    • 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
    • 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)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Debugging And Monitoring (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明提供了一种换流站的日志关联分析方法及分析装置，获取换流站SER事件的数据特征项，并基于该数据特征项对数据进行数据预处理；建立换流站SER事件模型；在换流站SER事件模型中基于Apriori算法分析SER事件支持组；在换流站SER事件模型中基于Apriori算法分析SER置信事件；通过SER事件支持组和SER置信事件判断换流站产生的SER事件是否异常，其中，通过Apriori算法对直流输电系统状态转换或保护出口后关联的SER事件数据进行分析，通过对常见直流输电系统状态转换及保护出口后换流站产生的历史SER事件进行关联分析得出常见状态转换及保护出口后的SER事件支持组与SER置信事件，以此来达到判断换流站产生的SER事件是否异常的目的，避免了人工检查异常SER事件时的漏看错看。

Description

换流站的日志关联分析方法及诊断装置
技术领域
本发明涉及分析装置领域，具体地，涉及一种换流站的日志关联分析方法及诊断装置。
背景技术
随着泛在电力物联网建设的不断发展以及物理信息系统在电力系统中的深度融合，电力数据的数量呈爆炸增长的趋势，电力系统大数据平台正在不断完善。
随着我国高压/特高压多端直流输电工程的陆续建成投运，特别是我国已全面投运世界上首个特高压多端混合直流工程，换流站设备的复杂程度与智能化程度提高到了一个新的水平，对换流站的智能化运维能力提出了更高的要求。当前换流站的运维数据主要依靠事件顺序记录系统记录运维事件(SER)，SER事件是运维人员监视换流站设备运行状态最重要的手段之一。
对电力系统采用大数据分析技术已经是初具成型，且利用数据挖掘算法对电力系统的运行数据进行分析已经逐步成为主流的方法。在现有技术中，对于直流输电系统状态转换或保护出口后换流站产生的SER事件数据挖掘的技术较少，尤其缺乏对上述SER事件的关联分析，导致人工查看发生上述工况时的SER事件时容易漏看错看，且换流站运维人员不能及时发现换流站的设备异常动作。
发明内容
本发明的目的在于提供一种换流站的日志关联分析方法及诊断装置。
为解决上述技术问题，本发明采用如下技术方案：
根据本发明的一个方面，本发明提供一种换流站的日志关联分析方法，包括：获取换流站SER事件的数据特征项，并基于该数据特征项对数据进行数据预处理；
建立换流站SER事件模型；
在换流站SER事件模型中基于Apriori算法分析SER事件支持组；
在换流站SER事件模型中基于Apriori算法分析SER置信事件；
通过SER事件支持组和SER置信事件判断换流站产生的SER事件是否异常。
根据本公开的一方面，提供了一种换流站的日志关联分析装置，包括：获取模块，用于获取换流站SER事件的数据特征项，并基于该数据特征项对数据进行数据预处理；
建立模块，用于建立换流站SER事件模型；
第一分析模块，用于在换流站SER事件模型中基于Apriori算法分析SER事件支持组；
第二分析模块，用于在换流站SER事件模型中基于Apriori算法分析SER置信事件；
判断模块，用于通过SER事件支持组和SER置信事件判断换流站产生的SER事件是否异常。
根据本公开的一方面，提供了一种计算机可读程序介质，其存储有计算机程序指令，当所述计算机程序指令被计算机执行时，使计算机执行根据上述的方法。
根据本公开的一方面，提供了一种电子装置，包括：处理器；存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现上述的方法。
由上述技术方案可知，本发明实施例至少具有如下优点和积极效果：
在本发明的一些实施例所提供的技术方案中，获取换流站SER事件的数据特征项，并基于该数据特征项对数据进行数据预处理；建立换流站SER事件模型；在换流站SER事件模型中基于Apriori算法分析SER事件支持组；在换流站SER事件模型中基于Apriori算法分析SER置信事件；通过SER事件支持组和SER置信事件判断换流站产生的SER事件是否异常，其中，通过Apriori算法对直流输电系统状态转换或保护出口后关联的SER事件数据进行分析，同时提出了SER事件支持组与SER置信事件的概念，通过对常见直流输电系统状态转换及保护出口后换流站产生的历史SER事件进行关联分析得出常见状态转换及保护出口后的SER事件支持组与SER置信事件，以此来达到判断换流站产生的SER事件是否异常的目的，并基于该规律识别目标SER事件未来再次出现的时机是否正确，便于运维人员及时分析处理，同时避免了人工检查异常SER事件时的漏看错看，确保换流站运维人员能及时发现换流站的设备异常动作，有效提升了换流站的可靠性。
附图说明
图1是根据一示例性实施例示出的一种换流站的日志关联分析方法的流程图。
图2是根据一示例性实施例示出的获取换流站SER事件的数据特征项的流程示意图。
图3是根据一示例性实施例示出的建立换流站SER事件模型的流程示意图。
图4是根据一示例性实施例示出的通过SER事件支持组和SER置信事件判断换流站产生的SER事件是否异常的流程示意图。
图5是根据一示例性实施例示出的基于Apriori算法的求解SER事件支持组SER置信事件的流程图。
图6是根据一示例性实施例示出的通过SER事件支持组和SER置信事件判断换流站产生的SER事件是否异常的流程图。
图7是根据一示例性实施例示出的换流站保护动作SER事件数据集。
图8是根据一示例性实施例示出的一种换流站的日志关联分析装置框图。
图9是根据一示例性实施例示出的一种电子装置的硬件图。
图10是根据一示例性实施例示出的一种换流站的日志关联分析方法的计算机可读存储介质。
具体实施方式
体现本发明特征与优点的典型实施方式将在以下的说明中详细叙述。应理解的是本发明能够在不同的实施方式上具有各种的变化，其皆不脱离本发明的范围，且其中的说明及图示在本质上是当作说明之用，而非用以限制本发明。
随着泛在电力物联网建设的不断发展以及物理信息系统在电力系统中的深度融合，电力数据的数量呈爆炸增长的趋势，电力系统大数据平台正在不断完善。
随着我国高压/特高压多端直流输电工程的陆续建成投运，特别是我国已全面投运世界上首个特高压多端混合直流工程，换流站设备的复杂程度与智能化程度提高到了一个新的水平，对换流站的智能化运维能力提出了更高的要求。当前换流站的运维数据主要依靠事件顺序记录系统记录运维事件(SER)，SER事件是运维人员监视换流站设备运行状态最重要的手段之一。
对电力系统采用大数据分析技术已经是初具成型，且利用数据挖掘算法对电力系统的运行数据进行分析已经逐步成为主流的方法。在现有技术中，对于直流输电系统状态转换或保护出口后换流站产生的SER事件数据挖掘的技术较少，尤其缺乏对上述SER事件的关联分析，导致人工查看发生上述工况时的SER事件时容易漏看错看，且换流站运维人员不能及时发现换流站的设备异常动作。
另外，在计算机科学以及数据挖掘领域中，Apriori算法是关联规则学习的经典算法之一。先验算法的设计目的是为了处理包含交易信息内容的数据库，该算法的优点在于使用先验性质，大大提高了频繁项集逐层产生的效率，算法本身无复杂推导，简单易理解，同时对数据集要求低。换流站事件顺序记录系统的海量历史数据具有高维属性，因此，一种基于Apriori算法的换流站SER事件分析方法更有意义。
当直流输电系统发生状态转换或出现故障时，换流站事件顺序记录系统将生成海量异构、多态的SER事件，这些SER事件中蕴含着大量有价值的信息，对其进行数据挖掘与数据分析，能有效辅助判别运行方式转换、直流保护动作结果是否正确、到位，指导运维人员及时发现方式转换和保护动作过程中存在的隐蔽异常，对提升换流站的运维管控水平和质量有重要的意义。
对电力系统采用大数据分析技术已经是初具成型，且利用数据挖掘算法对电力系统的运行数据进行分析已经逐步成为主流的方法。
根据本公开的一个实施例，提供了一种换流站的日志关联分析方法，如图1至图7所示，该换流站的日志关联分析方法,包括：
步骤S110、获取换流站SER事件的数据特征项，并基于该数据特征项对数据进行数据预处理；
步骤S120、建立换流站SER事件模型；
步骤S130、在换流站SER事件模型中基于Apriori算法分析SER事件支持组；
步骤S140、在换流站SER事件模型中基于Apriori算法分析SER置信事件；
步骤S150、通过SER事件支持组和SER置信事件判断换流站产生的SER事件是否异常。
如图1至图7所示，在步骤S110中，获取换流站SER事件的数据特征项，并基于该数据特征项对数据进行数据预处理；
步骤S110包括：
步骤S111、提取SER事件的特征项时间、主机名、系统告警；
步骤S112、基于特征项时间、主机名、系统告警对SER事件进行分级处理；
步骤S113、提取SER事件特征项报警组，并根据SER事件的不同等级进行报警处理；
步骤S114、记录SER事件的报警信息，并构成依照顺序构成事件列表。
其中，提取SER事件数据特征项：时间、主机名、系统告警、事件等级、报警组和事件列表。SER数据特征项中，时间方便收集故障发生后产生的SER数据；主机方便定位产生事件的控制保护装置；系统告警表明主机的哪一套冗余系统(A/B)产生该事件；事件等级表明该事件需要给予的关注度，分为“正常”、“轻微”、“报警”和“紧急”四个等级；报警组为产生该事件的设备组或产生该事件的主机的控制软件的模块；事件列表为对该事件的内容描述；
更新SER事件数据特征项时间为时间差。直流输电系统状态转换操作及保护出口后相关设备动作将在0-120秒内完成，故采用关联事件最大时间值为120秒，即选取故障发生后120秒内的SER事件；
更新SER事件数据特征项等级只取“轻微”、“报警”和“紧急”情况。因考虑故障状态下换流站SER事件的异常情况，故不考虑等级为“正常”情况下的换流站SER事件的记录，只考虑等级为“轻微”、“报警”和“紧急”情况。
如图1至图7所示，另外，提取SER事件特征项时间，具体包括以下步骤：
提取SER事件特征项时间；
计算SER事件特征项时间差。
如图1至图7所示，在步骤S120中，建立换流站SER事件模型；
步骤S120包括：
步骤S121、记录直流输电系统状态转换或保护动作后关联的SER事件的故障时间；
步骤S122、若故障时间满足预设时间阈值时，触发换流站SER事件模型的建立。
其中，直流输电系统状态转换操作或保护出口后相关设备动作将在0-120秒内完成，，故采用关联事件最大时间值为120秒，即选取状态转换操作或保护出口后120秒内的SER事件，建立换流站SER事件模型M：
M＝(I(ΔI1,I2),P(P1+P2))
其中，I表示索引维度特征的集合:ΔI1为时间差值，I2为主机维度；P表示数据挖掘特征的集合:P1为报警组，P2为事件。
在步骤S130中，在换流站SER事件模型中基于Apriori算法分析SER事件支持组；
如图1至图7所示，步骤S130包括：
对事务数据库中每个元素出现的次数进行扫描计数，得到一维项集的支待度，将不符合最小支持度的项进行剪枝，得到频繁1项集L1；
通过对L1项集进行自连接操作，得到候选集C2；
扫描事务数据库，统计C2中各项出现的次数，对不符合最小支持度阈值的项进行剪枝得到频繁2项集L2，支持度公式如下：
Figure BDA0002888588280000061
其中，N为项目集的总数。
以此类推，通过对频繁k-1项集自连接操作得到候选k项集Ck。再对不符合最小支持度阈值的项进行剪枝；
把最大的频繁项集作为SER事件支持组。
如图1至图7所示，在步骤S140中，所述在换流站SER事件模型中基于Apriori算法分析SER置信事件；
步骤S140包括：
在找出所有的频繁项集后，在所有长度大于1的频繁项中利用真子集组合关联规则，计算规则的置信度，并根据最小置信度阈值进行比较，去掉不满足条件的项，找出符合最小置信度阈值的强关联规则；
将符合频繁项集组合成规则的事件作为SER置信事件。
其中，在找出所有的频繁项集后，在所有长度大于1的频繁项中利用真子集组合关联规则，计算规则的置信度，并根据最小置信度阈值进行比较，去掉不满足条件的项，找出符合最小置信度阈值的强关联规则，置信度公式如下：
Figure BDA0002888588280000071
将符合频繁项集组合成规则的事件作为SER置信事件。
如图1至图7所示，在步骤S150中，所述通过SER事件支持组和SER置信事件判断换流站产生的SER事件是否异常；
步骤S150包括：
步骤S151、控制系统执行直流输电系统状态转换指令或保护设备检测到直流输电系统故障保护动作，并设置最小支持度和最小置信度；
步骤S152、记录直流输电系统状态转换或保护动作后在预设时间内的SER事件并清洗；
步骤S153、调出SER事件支持组扫描清洗后的SER事件；
步骤S154、调出SER置信事件扫描清洗后的SER事件；
步骤S155、发送是否满足SER事件支持组和是否缺少SER置信事件以及缺少SER置信事件的置信度至控制中心；
步骤S156、将该故障的清洗后的SER事件加入SER事件集合。
具体的，控制系统执行直流输电系统状态转换指令或保护设备检测到直流输电系统故障保护动作，并设置最小支持度和最小置信度；记录状态转换指令执行或保护动作后120s的SER事件并清洗；调出SER事件支持组扫描清洗后的SER事件；调出SER置信事件扫描清洗后的SER事件；发送是否满足SER事件支持组和是否缺少SER置信事件以及缺少SER置信事件的置信度至控制中心；将该故障的清洗后的SER事件加入SER事件集合。
另外，加载换流站保护动作SER事件数据集；引入Apriori算法；设置最小支持度为0.5；计算频繁项集；得出SER事件支持组并分析出最大SER事件支持组为{事件2,事件3,事件4,事件5}。.利用Apriori算法分析SER置信事件，如图2所示，计算SER故障可信值，主要包括以下步骤：设置最小置信度为0.5；计算关联规则。得出SER置信事件为{事件7}、{事件9}、{事件10}、{事件11}、{事件12}、{事件13}、{事件26}、{事件0}。通过SER事件支持组和SER置信事件判断换流站产生的SER事件是否异常，主要包括以下步骤：加载本次换流站保护动作SER事件数据集，如表1所示：调出SER事件支持组{事件2,事件3,事件4,事件5}；扫描到SER第十一、十二、十四、十三行中的事件为{事件2,事件3,事件4,事件5}；出SER置信事件{事件7}、{事件9}、{事件10}、{事件11}、{事件12}、{事件13}、{事件26}、{事件0}；扫描到SER置信事件{事件7}、{事件9}、{事件10}、{事件11}、{事件12}、{事件13}、{事件26}，未扫描到SER置信事件{事件0}。向控制中心发送缺少置信度56.52％事件{事件0}，即{换流器：交直流过流保护(50/51C)I段动作}的信息；将此次该故障的SER事件并入该故障的SER事件集合，便于后续的关联规则数据挖掘。至此完成了一次直流系统逆变站换流器出口侧接地故障SER事件分析。
由上述技术方案可知，本发明实施例至少具有如下优点和积极效果：
在本发明的一些实施例所提供的技术方案中，获取换流站SER事件的数据特征项，并基于该数据特征项对数据进行数据预处理；建立换流站SER事件模型；在换流站SER事件模型中基于Apriori算法分析SER事件支持组；在换流站SER事件模型中基于Apriori算法分析SER置信事件；通过SER事件支持组和SER置信事件判断换流站产生的SER事件是否异常，其中，通过Apriori算法对直流输电系统状态转换或保护出口后关联的SER事件数据进行分析，同时提出了SER事件支持组与SER置信事件的概念，通过对常见直流输电系统状态转换及保护出口后换流站产生的历史SER事件进行关联分析得出常见状态转换及保护出口后的SER事件支持组与SER置信事件，以此来达到判断换流站产生的SER事件是否异常的目的，并基于该规律识别目标SER事件未来再次出现的时机是否正确，便于运维人员及时分析处理，同时避免了人工检查异常SER事件时的漏看错看，确保换流站运维人员能及时发现换流站的设备异常动作，有效提升了换流站的可靠性。
还有的是，本发明采用了Apriori算法，其算法易于实现、易于理解、对数据要求较低。
本发明筛选出换流站发生故障时SER事件的索引维度特征和数据挖掘特征项并建立换流站SER事件模型M，以方便关联规则挖掘。
本发明对换流站故障数据事件间进行关联分析。
本发明首次采用Apriori算法的换流站SER事件分析，实现了将Apriori算法应用于SER事件的大规模数据的规则关联分析。
上列详细说明是针对本发明可行实施例的具体说明，该实施例并非用以限制本发明的专利范围，凡未脱离本发明所为的等效实施或变更，均应包含于本案的专利范围中。
如图8所示，在一个实施例中，所述换流站的日志关联分析装置200还包括：
获取模块210，用于获取换流站SER事件的数据特征项，并基于该数据特征项对数据进行数据预处理；
建立模块220，用于建立换流站SER事件模型；
第一分析模块230，用于在换流站SER事件模型中基于Apriori算法分析SER事件支持组；
第二分析模块240，用于在换流站SER事件模型中基于Apriori算法分析SER置信事件；
判断模块250，用于通过SER事件支持组和SER置信事件判断换流站产生的SER事件是否异常。
下面参照图9来描述根据本发明的这种实施方式的电子设备40。图9显示的电子设备40仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示，电子设备40以通用计算设备的形式表现。电子设备40的组件可以包括但不限于：上述至少一个处理单元41、上述至少一个存储单元42、连接不同系统组件(包括存储单元42和处理单元41)的总线43。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元41执行，使得所述处理单元41执行本说明书上述“实施例方法”部分中描述的根据本发明各种示例性实施方式的步骤。
存储单元42可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)421和/或高速缓存存储单元422，还可以进一步包括只读存储单元(ROM)423。
存储单元42还可以包括具有一组(至少一个)程序模块425的程序/实用工具424，这样的程序模块425包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线43可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备40也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备40交互的设备通信，和/或与使得该电子设备40能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口45进行。并且，电子设备40还可以通过网络适配器46与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器46通过总线43与电子设备40的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备40使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
根据本公开一个实施例，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图10所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品50，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限。

Claims (9)

1.一种换流站的日志关联分析方法，其特征在于，包括：
获取换流站SER事件的数据特征项，并基于该数据特征项对数据进行数据预处理；
建立换流站SER事件模型；
在换流站SER事件模型中基于Apriori算法分析SER事件支持组；
在换流站SER事件模型中基于Apriori算法分析SER置信事件；
通过SER事件支持组和SER置信事件判断换流站产生的SER事件是否异常。
2.如权利要求1所述的换流站的日志关联分析方法，其特征在于，所述获取换流站SER事件的数据特征项，并基于该数据特征项对数据进行数据预处理，包括：
提取SER事件的特征项时间、主机名、系统告警；
基于特征项时间、主机名、系统告警对SER事件进行分级处理；
提取SER事件特征项报警组，并根据SER事件的不同等级进行报警处理；
记录SER事件的报警信息，并构成依照顺序构成事件列表。
3.如权利要求2所述的换流站的日志关联分析方法，其特征在于，所述建立换流站SER事件模型，包括：
记录直流输电系统状态转换或保护动作后关联的SER事件的故障时间；
若故障时间满足预设时间阈值时，触发换流站SER事件模型的建立。
4.如权利要求1所述的换流站的日志关联分析方法，其特征在于，所述在换流站SER事件模型中基于Apriori算法分析SER事件支持组，包括：
对事务数据库中每个元素出现的次数进行扫描计数，得到一维项集的支待度，将不符合最小支持度的项进行剪枝，得到频繁1项集L1；
通过对L1项集进行自连接操作，得到候选集C2；
扫描事务数据库，统计C2中各项出现的次数，对不符合最小支持度阈值的项进行剪枝得到频繁2项集L2，支持度公式如下：
Figure FDA0002888588270000011
其中，N为项目集的总数；
以此类推，通过对频繁k-1项集自连接操作得到候选k项集Ck。再对不符合最小支持度阈值的项进行剪枝；
把最大的频繁项集作为SER事件支持组。
5.如权利要求4所述的换流站的日志关联分析方法，其特征在于，所述在换流站SER事件模型中基于Apriori算法分析SER置信事件，包括：
在找出所有的频繁项集后，在所有长度大于1的频繁项中利用真子集组合关联规则，计算规则的置信度，并根据最小置信度阈值进行比较，去掉不满足条件的项，找出符合最小置信度阈值的强关联规则；
将符合频繁项集组合成规则的事件作为SER置信事件。
6.如权利要求1所述的换流站的日志关联分析方法，其特征在于，所述通过SER事件支持组和SER置信事件判断换流站产生的SER事件是否异常，包括：
控制系统执行直流输电系统状态转换指令或保护设备检测到直流输电系统故障保护动作，并设置最小支持度和最小置信度；
记录直流输电系统状态转换或保护动作后在预设时间内的SER事件并清洗；
调出SER事件支持组扫描清洗后的SER事件；
调出SER置信事件扫描清洗后的SER事件；
发送是否满足SER事件支持组和是否缺少SER置信事件以及缺少SER置信事件的置信度至控制中心；
将该故障的清洗后的SER事件加入SER事件集合。
7.一种换流站的日志关联分析装置，其特征在于，包括：
获取模块，用于获取换流站SER事件的数据特征项，并基于该数据特征项对数据进行数据预处理；
建立模块，用于建立换流站SER事件模型；
第一分析模块，用于在换流站SER事件模型中基于Apriori算法分析SER事件支持组；
第二分析模块，用于在换流站SER事件模型中基于Apriori算法分析SER置信事件；
判断模块，用于通过SER事件支持组和SER置信事件判断换流站产生的SER事件是否异常。
8.一种计算机可读程序介质，其特征在于，其存储有计算机程序指令，当所述计算机程序指令被计算机执行时，使计算机执行根据权利要求1至6中任一项所述的方法。
9.一种电子装置，其特征在于，包括：
处理器；
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如权利要求1至6任一项所述的方法。
CN202110021099.3A 2021-01-08 2021-01-08 换流站的日志关联分析方法及诊断装置 Active CN112712348B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110021099.3A CN112712348B (zh) 2021-01-08 2021-01-08 换流站的日志关联分析方法及诊断装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110021099.3A CN112712348B (zh) 2021-01-08 2021-01-08 换流站的日志关联分析方法及诊断装置

Publications (2)

Publication Number Publication Date
CN112712348A true CN112712348A (zh) 2021-04-27
CN112712348B CN112712348B (zh) 2022-05-17

Family

ID=75548512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110021099.3A Active CN112712348B (zh) 2021-01-08 2021-01-08 换流站的日志关联分析方法及诊断装置

Country Status (1)

Country Link
CN (1) CN112712348B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113590392A (zh) * 2021-06-30 2021-11-02 中国南方电网有限责任公司超高压输电公司昆明局 换流站设备异常检测方法、装置、计算机设备和存储介质
CN113626480A (zh) * 2021-08-13 2021-11-09 昆明理工大学 一种基于改进关联规则的直流换流站ser事件集诊断方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020082886A1 (en) * 2000-09-06 2002-06-27 Stefanos Manganaris Method and system for detecting unusual events and application thereof in computer intrusion detection
US20120254242A1 (en) * 2011-03-31 2012-10-04 Infosys Technologies Limited Methods and systems for mining association rules
US20160092514A1 (en) * 2014-09-29 2016-03-31 International Business Machines Corporation Mining association rules in the map-reduce framework
CN108549914A (zh) * 2018-04-19 2018-09-18 中国南方电网有限责任公司超高压输电公司昆明局 基于Apriori算法的异常SER/SOE事件识别方法
CN111143428A (zh) * 2019-11-30 2020-05-12 贵州电网有限责任公司 一种基于关联分析法的保护异常告警处理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020082886A1 (en) * 2000-09-06 2002-06-27 Stefanos Manganaris Method and system for detecting unusual events and application thereof in computer intrusion detection
US20120254242A1 (en) * 2011-03-31 2012-10-04 Infosys Technologies Limited Methods and systems for mining association rules
US20160092514A1 (en) * 2014-09-29 2016-03-31 International Business Machines Corporation Mining association rules in the map-reduce framework
CN108549914A (zh) * 2018-04-19 2018-09-18 中国南方电网有限责任公司超高压输电公司昆明局 基于Apriori算法的异常SER/SOE事件识别方法
CN111143428A (zh) * 2019-11-30 2020-05-12 贵州电网有限责任公司 一种基于关联分析法的保护异常告警处理方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113590392A (zh) * 2021-06-30 2021-11-02 中国南方电网有限责任公司超高压输电公司昆明局 换流站设备异常检测方法、装置、计算机设备和存储介质
CN113590392B (zh) * 2021-06-30 2024-04-02 中国南方电网有限责任公司超高压输电公司昆明局 换流站设备异常检测方法、装置、计算机设备和存储介质
CN113626480A (zh) * 2021-08-13 2021-11-09 昆明理工大学 一种基于改进关联规则的直流换流站ser事件集诊断方法

Also Published As

Publication number Publication date
CN112712348B (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
CN112712348B (zh) 换流站的日志关联分析方法及诊断装置
CN115809183A (zh) 基于知识图谱的信创终端故障发现及处置的方法
CN112000806B (zh) 异常日志监控分析方法、系统、设备及存储介质
CN109992484B (zh) 一种网络告警相关性分析方法、装置和介质
CN115225536B (zh) 一种基于无监督学习的虚拟机异常检测方法及系统
CN114430365B (zh) 故障根因分析方法、装置、电子设备和存储介质
CN113609008B (zh) 测试结果分析方法、装置和电子设备
CN115170344A (zh) 调控系统运行事件智能处理方法及装置、介质及设备
CN116383743A (zh) 基于机器学习的光伏运行异常检测方法及系统
WO2023224764A1 (en) Multi-modality root cause localization for cloud computing systems
CN116089218A (zh) 基于Kubernetes的历史数据和趋势分析的动态基线告警方法及系统
CN112712443B (zh) 换流站的事件分析方法及分析装置
US20120078912A1 (en) Method and system for event correlation
CN114756401B (zh) 基于日志的异常节点检测方法、装置、设备及介质
CN115829160A (zh) 一种时序异常预测方法、装置、设备及存储介质
CN114546780A (zh) 数据监控方法、装置、设备、系统及存储介质
CN113064812A (zh) 一种项目开发过程质量缺陷预测方法、装置及介质
CN113988507A (zh) 一种输变电运行设备预警方法及装置
CN113296994A (zh) 一种基于国产计算平台的故障诊断系统及方法
CN111240652A (zh) 数据处理方法及装置、计算机存储介质、电子设备
CN117272170B (zh) 一种基于知识图谱的it运维故障根因分析方法
CN114386767B (zh) 一种配电运维管理系统的故障预警方法及系统
WO2024027127A1 (zh) 故障检测方法、装置、电子设备及可读存储介质
CN117852741A (zh) 柔性直流背靠背换流站ser异常数据辅助分析方法
CN115168597A (zh) 调控系统运行事件规则分析方法及装置、介质及设备

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