CN112769646A - 一种智能网络监控的方法和系统 - Google Patents
一种智能网络监控的方法和系统 Download PDFInfo
- Publication number
- CN112769646A CN112769646A CN202011627242.5A CN202011627242A CN112769646A CN 112769646 A CN112769646 A CN 112769646A CN 202011627242 A CN202011627242 A CN 202011627242A CN 112769646 A CN112769646 A CN 112769646A
- Authority
- CN
- China
- Prior art keywords
- network
- information
- data
- monitoring
- artificial intelligence
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000000007 visual effect Effects 0.000 claims abstract description 39
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 33
- 230000005540 biological transmission Effects 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 3
- 238000012800 visualization Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0852—Delays
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
- H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0888—Throughput
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开一种智能网络监控的方法和系统,其中方法包括:S1、数据采集;S2、数据推送;S3、获取预警监控信息;S4、可视化前端与后端进行数据传输。系统包括人工智能算法处理模块、网络信息数据采集模块、服务端集中处理模块和可视化展示模块。本发明不仅会对网络节点的当前实时指标有所监控,同时会依靠人工智能监控技术对网络的流量预测、拥塞情况进行预警;采用现代可视化大屏,甄别网络数据类型配以专业化图表,凸显紧要网络监控指标,让监控指标可视化更加直观。解决了现有技术中依靠人工方式对监控网络进行预警判断过程繁琐并且难以全面,以及网络监控以及监控指标过多时,容易造成表格臃肿,进而导致监控不直观的问题。
Description
技术领域
本发明属于网络监控可视化领域,具体涉及一种智能网络监控的方法和系统。
背景技术
随着现今时代电子业务以及网络规模的不断发展,网络流量预测以及网络堵塞预警的需求和应用则显得尤为重要。目前对于网络的监控可视化方案主要是针对网络的现有数据,监控页面主要以显示网络所含节点的实时流量和实时内存等当前指标为主,对网络中存在的故障信息能够及时加以提示,起到安全监控的目的。
传统的常用检测显示主要是以网页表格形式为主,对检测网络的各个环节上存在的指标数据以列表形式在展示页面铺开呈现。但是目前的网络监控主要以监控网络的实时指标显示为主,未能采用智能化手段对网络的未来发展有预警示的监控,只能依靠人工方式对页面上呈现的数据进行综合判断,然后得出相应预警判断。并且传统网络监控以网页表格形式展出,将各个指标的监控以表格的形式输出,当网络监控以及监控指标过多时,容易造成表格臃肿,进而导致监控不直观的情况出现。
因此设计一种能够自主对监控网络进行预警判断,且凸显紧要网络监控指标,让监控指标可视化更加直观的网络监控的方法和系统是符合实际需要的。
针对上述提出的问题,现设计一种智能网络监控的方法和系统。
发明内容
针对现有技术的不足,本发明的目的在于提供一种智能网络监控的方法和系统,解决了现有技术中依靠人工方式对监控网络进行预警判断过程繁琐并且难以全面,以及网络监控以及监控指标过多时,容易造成表格臃肿,进而导致监控不直观的问题。
本发明的目的可以通过以下技术方案实现:
一种智能网络监控的方法,包括如下步骤:
S1、数据采集
获取网络节点的基本信息,获取网络流量信息,采集整体网络吞吐量及网络延迟情况;
S2、数据推送
将S1中获取的数据推送至服务端集群服务中,每隔时间间隔将每个网络节点的基本信息传递完成;
S3、获取预警监控信息
集群服务将S2中获取的数据推送给人工智能算法处理模块,通过人工智能算法获取预警监控信息;
S4、可视化前端与后端进行数据传输
可视化前端通过主动与被动两种形式与后端进行数据传输,其中主动为调用服务端接口;被动为每隔固定时间被动获取服务端主动推送的网络信息。
进一步的,所述S3包括如下步骤:
S3.1、人工智能模块分析网络流量数据,并根据S2中采用的时间尺度,预测下一时间尺度的网络流量值;
S3.2、人工智能模块分析网络流量数据和网络预测流量数据,并根据预定拥塞阈值判断拥塞程度状况,根据拥塞程度给出合适的拥塞策略;
S3.3、人工智能模块将所有分析结果以数据形式推送回服务端,由服务端转发至可视化前端。
进一步的,所述S4包括如下步骤:
S4.1、进入可视化界面,前端首先主动获取网络拓扑结构信息,包括网络节点的类型、链路构成等信息;
S4.2、结合实际网络拓扑特点,绘制网络拓扑,保证网络拓扑展示的层次清晰性;
S4.3、采取主动方式获取网络的整体流量与吞吐量,并进行展示,并通过被动方式实时更新;
S4.4、采取主动方式获取网络节点流量分布,并进行展示,并通过被动方式实时更新;
S4.5、采取主动方式获取默认链路的网络流量预测信息,通过区域比对图展示并在网络拓扑图上予以标注,后续通过被动方式实时更新;当监测人员点击网络拓扑链路时,显示被选中链路的预测信息;
S4.6、采取主动方式获取默认节点的网络信息,展示当前网络信息以及历史变化信息;当监测人员点击网络节点时,显示被选中节点的网络信息;
S4.7、采取被动方式获取网络拥塞情况,当网络出现拥塞情况时,网络拓扑中会标注拥塞链路,并在大屏中展示拥塞策略。
一种智能网络监控的方法的系统,包括如下模块:人工智能算法处理模块、网络信息数据采集模块、服务端集中处理模块和可视化展示模块。
进一步的,所述网络信息数据采集模块将数据传输至服务端集中处理模块,所述服务端集中处理模块与人工智能算法处理模块实现数据的双向传递,所述服务端集中处理模块将数据传输至可视化展示模块。
进一步的,所述网络信息数据采集模块用于采集网络数据,通过部署的相应工具对网络结构的各个节点进行实时监控,包括节点的CPU信息、内存信息和端口情况,对网络链路上的流量信息进行实时采集,获取网络信息源数据。
进一步的,所述人工智能算法处理模块用于分析和处理网络数据达到预警目的,采用人工智能技术对网络数据采集模块获取的数据信息进行相应流量预测与拥塞预警,起到智能协助监控的目的。
进一步的,所述服务端集中处理模块起到整个系统的串接作用,服务端接收网络数据采集模块获取的信息,将其数据交付人工智能模块并接收人工智能回传信息,将所有信息汇总交付可视化模块展示。
进一步的,所述可视化展示模块收取服务端传递的数据,根据监控需要,对网络数据按其特点进行分类展示。
本发明的有益效果:
1、本发明提出的智能网络监控的方法和系统,不仅会对网络节点的当前实时指标有所监控,同时会依靠人工智能监控技术对网络的流量预测、拥塞情况进行预警;
2、本发明提出的智能网络监控的方法和系统,采用现代可视化大屏,甄别网络数据类型配以专业化图表,凸显紧要网络监控指标,让监控指标可视化更加直观;
3、本发明提出的智能网络监控的方法和系统,监控人员可通过操作网络拓扑图,直观便捷地切换目标,达到切换监控点的意图。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的整体系统框架图;
图2是本发明实施例的监控可视化展示流程图;
图3是本发明实施例的可视化展大屏示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,本发明提出的一种智能网络监控的方法,具体为一种可视化程度高,操作方便,直观性强的网络监控可视化方法,其中采用该种方法的系统包括如下四个模块:人工智能算法处理模块、网络信息数据采集模块、服务端集中处理模块和可视化展示模块。所述网络信息数据采集模块将数据传输至服务端集中处理模块,所述服务端集中处理模块与人工智能算法处理模块实现数据的双向传递,所述服务端集中处理模块将数据传输至可视化展示模块。
所述网络信息数据采集模块用于采集网络数据,通过部署的相应工具对网络结构的各个节点进行实时监控,包括节点的CPU(中央处理器)信息、内存信息、端口情况等;对网络链路上的流量信息进行实时采集,获取网络信息源数据。
所述人工智能算法处理模块用于分析和处理网络数据达到预警目的,采用人工智能技术对网络数据采集模块获取的数据信息进行相应流量预测与拥塞预警,起到智能协助监控的目的。
所述服务端集中处理模块起到整个系统的串接作用,服务端接收网络数据采集模块获取的信息,将其数据交付人工智能模块并接收人工智能回传信息,将所有信息汇总交付可视化模块展示。
如图3所示,所述可视化展示模块收取服务端传递的数据,根据监控需要,对网络数据按其特点进行分类展示:针对网络节点历史性信息,需反映其历史变化,故采用折线图展示;针对网络节点各指标使用率,通过环形图直观展示使用程度;针对流量预测数据,需与流量实际值进行比对参考,采用折线区域图展示;针对网络节点分布,采用3D饼图展示分布态势;针对网络拓扑图,采用关系图进行展示。监控用户不再通过臃肿列表或文字选项选择目标链路或节点,而通过网络拓扑图直观点击选择切换监控目标。
一种智能网络监控的方法,包括如下步骤:
S1、数据采集
通过snmp-get(构建网络管理协议请求包)获取网络节点的基本信息,包括CPU(中央处理器)使用率、内存使用率,通过抓包或Tcptrace(获取请求报文和响应报文的工具)等工具获取网络流量信息,采集整体网络吞吐量及网络延迟情况;
S2、数据推送
将S1中获取的数据推送至服务端集群服务中,并可按照5分钟、10分钟或1小时的时间间隔,将每个网络节点的基本信息传递完成;
S3、获取预警监控信息
集群服务将S2中获取的数据推送给人工智能算法处理模块,通过人工智能算法获取预警监控信息;
S4、可视化前端与后端进行数据传输
可视化前端通过主动与被动两种形式与后端进行数据传输,其中主动为采用ajax(一种异步请求接口数据刷新网页的技术)方式调用服务端restful(一种网络应用程序的设计风格的接口定义模式)接口;被动为采用websocket(一种HTML5提供的在单个TCP连接上进行全双工通讯的协议,HTML5—构建websocket内容的一种语言描述方式,TCP—传输控制协议)方式,每隔固定时间被动获取服务端主动推送的网络信息。
其中主动方式的使用场景为:大屏首次呈现当前的网络状态;监控人员操控可视界面时获取期望节点的状态。被动方式在本发明中为常态化方式,网络的实时性以及拥塞的突发性都会通过被动的方式推送至可视化前端。
所述S3包括如下步骤:
S3.1、人工智能模块分析网络流量数据,并根据S2中采用的时间尺度,预测下一时间尺度的网络流量值;
S3.2、人工智能模块分析网络流量数据和网络预测流量数据,并根据预定拥塞阈值判断拥塞程度状况,根据拥塞程度给出合适的拥塞策略;
S3.3、人工智能模块将所有分析结果以数据形式推送回服务端,由服务端转发至可视化前端。
如图2所示,所述S4包括如下步骤:
S4.1、进入可视化界面,前端首先主动获取网络拓扑结构信息,包括网络节点的类型、链路构成等信息;
S4.2、以dagre(一种层次布局算法)流程图布局算法为主结合实际网络拓扑特点,绘制网络拓扑,保证网络拓扑展示的层次清晰性;
S4.3、采取主动方式获取网络的整体流量与吞吐量,通过环形图展示,并通过被动方式实时更新;
S4.4、采取主动方式获取网络节点流量分布,通过3D型饼状图展示,并通过被动方式实时更新;
S4.5、采取主动方式获取默认链路的网络流量预测信息,通过区域比对图展示并在网络拓扑图上予以标注,后续通过被动方式实时更新;当监测人员点击网络拓扑链路时,显示被选中链路的预测信息;
S4.6、采取主动方式获取默认节点的网络信息,包括CPU使用率、内存使用率,通过嵌套环形图展示当前网络信息,通过折线图展示历史变化信息;当监测人员点击网络节点时,显示被选中节点的网络信息;
S4.7、采取被动方式获取网络拥塞情况,当网络出现拥塞情况时,网络拓扑中会标注拥塞链路,并在大屏中结合折线图展示拥塞策略。
本发明与现有技术相比,现有技术的当前网络监控可视化应用方案主要集中于监控网络的实际情况,可视化的告警也针对网络已经发生的情形;而本可视化发明方案依赖人工智能技术,对网络可能存在的拥塞情况进行提前预警,对网络流量实时预测,均在可视化界面予以直观呈现。
传统网络可视化多采用列表方式展示网络节点信息,信息完整但会造成信息过于冗余不直观,本可视化方案使用web(万维网)前端展示,采用组件化方案绘制图表、拓扑图,每个组件中的图表贴合所要展示内容特点,以折线区域图展示流量预测历史变化对比,以3D饼图展示节点整体分布,美观且具有高度直观性。
本发明通过点击可视化大屏中的网络拓扑完成监控视角的切换,将监控融入到视觉中,直观方便。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、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 (9)
1.一种智能网络监控的方法,其特征在于,包括如下步骤:
S1、数据采集
获取网络节点的基本信息,获取网络流量信息,采集整体网络吞吐量及网络延迟情况;
S2、数据推送
将S1中获取的数据推送至服务端集群服务中,每隔时间间隔将每个网络节点的基本信息传递完成;
S3、获取预警监控信息
集群服务将S2中获取的数据推送给人工智能算法处理模块,通过人工智能算法获取预警监控信息;
S4、可视化前端与后端进行数据传输
可视化前端通过主动与被动两种形式与后端进行数据传输,其中主动为调用服务端接口;被动为每隔固定时间被动获取服务端主动推送的网络信息。
2.根据权利要求1所述的一种智能网络监控的方法,其特征在于,所述S3包括如下步骤:
S3.1、人工智能模块分析网络流量数据,并根据S2中采用的时间尺度,预测下一时间尺度的网络流量值;
S3.2、人工智能模块分析网络流量数据和网络预测流量数据,并根据预定拥塞阈值判断拥塞程度状况,根据拥塞程度给出合适的拥塞策略;
S3.3、人工智能模块将所有分析结果以数据形式推送回服务端,由服务端转发至可视化前端。
3.根据权利要求1所述的一种智能网络监控的方法,其特征在于,所述S4包括如下步骤:
S4.1、进入可视化界面,前端首先主动获取网络拓扑结构信息,包括网络节点的类型、链路构成等信息;
S4.2、结合实际网络拓扑特点,绘制网络拓扑,保证网络拓扑展示的层次清晰性;
S4.3、采取主动方式获取网络的整体流量与吞吐量,并进行展示,并通过被动方式实时更新;
S4.4、采取主动方式获取网络节点流量分布,并进行展示,并通过被动方式实时更新;
S4.5、采取主动方式获取默认链路的网络流量预测信息,通过区域比对图展示并在网络拓扑图上予以标注,后续通过被动方式实时更新;当监测人员点击网络拓扑链路时,显示被选中链路的预测信息;
S4.6、采取主动方式获取默认节点的网络信息,展示当前网络信息以及历史变化信息;当监测人员点击网络节点时,显示被选中节点的网络信息;
S4.7、采取被动方式获取网络拥塞情况,当网络出现拥塞情况时,网络拓扑中会标注拥塞链路,并在大屏中展示拥塞策略。
4.采用权利要求1—3任意一项所述一种智能网络监控的方法的系统,其特征在于,包括如下模块:人工智能算法处理模块、网络信息数据采集模块、服务端集中处理模块和可视化展示模块。
5.根据权利要求4所述的一种智能网络监控的系统,其特征在于,所述网络信息数据采集模块将数据传输至服务端集中处理模块,所述服务端集中处理模块与人工智能算法处理模块实现数据的双向传递,所述服务端集中处理模块将数据传输至可视化展示模块。
6.根据权利要求4所述的一种智能网络监控的系统,其特征在于,所述网络信息数据采集模块用于采集网络数据,通过部署的相应工具对网络结构的各个节点进行实时监控,包括节点的CPU信息、内存信息和端口情况,对网络链路上的流量信息进行实时采集,获取网络信息源数据。
7.根据权利要求4所述的一种智能网络监控的系统,其特征在于,所述人工智能算法处理模块用于分析和处理网络数据达到预警目的,采用人工智能技术对网络数据采集模块获取的数据信息进行相应流量预测与拥塞预警,起到智能协助监控的目的。
8.根据权利要求4所述的一种智能网络监控的系统,其特征在于,所述服务端集中处理模块起到整个系统的串接作用,服务端接收网络数据采集模块获取的信息,将其数据交付人工智能模块并接收人工智能回传信息,将所有信息汇总交付可视化模块展示。
9.根据权利要求4所述的一种智能网络监控的系统,其特征在于,所述可视化展示模块收取服务端传递的数据,根据监控需要,对网络数据按其特点进行分类展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011627242.5A CN112769646A (zh) | 2020-12-31 | 2020-12-31 | 一种智能网络监控的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011627242.5A CN112769646A (zh) | 2020-12-31 | 2020-12-31 | 一种智能网络监控的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112769646A true CN112769646A (zh) | 2021-05-07 |
Family
ID=75698955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011627242.5A Pending CN112769646A (zh) | 2020-12-31 | 2020-12-31 | 一种智能网络监控的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112769646A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101212819A (zh) * | 2006-12-27 | 2008-07-02 | 华为技术有限公司 | 一种基于流量预测的周期性自适应汇聚的方法及系统 |
CN104200322A (zh) * | 2014-09-01 | 2014-12-10 | 北京科技大学 | 一种流域综合管理系统 |
CN104518920A (zh) * | 2013-09-29 | 2015-04-15 | 中国电信股份有限公司 | 大型ip网络流量监控方法和装置 |
CN106779595A (zh) * | 2016-12-02 | 2017-05-31 | 国网四川省电力公司信息通信公司 | 一种供电公司早会系统图形展示平台 |
CN107888447A (zh) * | 2017-10-31 | 2018-04-06 | 国网四川省电力公司信息通信公司 | 一种早会系统图形化展示平台 |
CN109829105A (zh) * | 2019-01-18 | 2019-05-31 | 王惟惟 | 一种可应用区块链技术的人工智能创作辅助系统 |
CN110034956A (zh) * | 2019-03-27 | 2019-07-19 | 广州供电局有限公司 | 网络数据监控方法、装置、计算机设备和存储介质 |
CN110428018A (zh) * | 2019-08-09 | 2019-11-08 | 北京中电普华信息技术有限公司 | 一种全链路监控系统中的异常预测方法及装置 |
CN111988176A (zh) * | 2020-08-20 | 2020-11-24 | 国网湖北省电力有限公司信息通信公司 | 一种基于仿真拓扑结构的故障定位系统可视化方法 |
-
2020
- 2020-12-31 CN CN202011627242.5A patent/CN112769646A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101212819A (zh) * | 2006-12-27 | 2008-07-02 | 华为技术有限公司 | 一种基于流量预测的周期性自适应汇聚的方法及系统 |
CN104518920A (zh) * | 2013-09-29 | 2015-04-15 | 中国电信股份有限公司 | 大型ip网络流量监控方法和装置 |
CN104200322A (zh) * | 2014-09-01 | 2014-12-10 | 北京科技大学 | 一种流域综合管理系统 |
CN106779595A (zh) * | 2016-12-02 | 2017-05-31 | 国网四川省电力公司信息通信公司 | 一种供电公司早会系统图形展示平台 |
CN107888447A (zh) * | 2017-10-31 | 2018-04-06 | 国网四川省电力公司信息通信公司 | 一种早会系统图形化展示平台 |
CN109829105A (zh) * | 2019-01-18 | 2019-05-31 | 王惟惟 | 一种可应用区块链技术的人工智能创作辅助系统 |
CN110034956A (zh) * | 2019-03-27 | 2019-07-19 | 广州供电局有限公司 | 网络数据监控方法、装置、计算机设备和存储介质 |
CN110428018A (zh) * | 2019-08-09 | 2019-11-08 | 北京中电普华信息技术有限公司 | 一种全链路监控系统中的异常预测方法及装置 |
CN111988176A (zh) * | 2020-08-20 | 2020-11-24 | 国网湖北省电力有限公司信息通信公司 | 一种基于仿真拓扑结构的故障定位系统可视化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101567814B (zh) | 基于SNMP和随机Petri网的自动化网络管理方法 | |
CN106026405B (zh) | 基于ems系统的继电保护在线监视与分析系统 | |
CN105069025B (zh) | 一种大数据的智能聚合可视化与管控系统 | |
CN102035678B (zh) | 一种基于关联度的多维综合态势呈现系统 | |
CN104125087B (zh) | 一种告警信息处理方法及装置 | |
WO2014109112A1 (ja) | 情報処理システム監視装置、監視方法、及び監視プログラム | |
CN108846116A (zh) | 网页曝光数据采集方法、系统、电子设备和存储介质 | |
CN112769237B (zh) | 变电站数字孪生系统 | |
EP2663050B1 (en) | Method and device for processing network element object information in 3d topological view | |
CN113589096A (zh) | 一种多状态量可组态变电设备边缘计算系统及其方法 | |
CN103199628A (zh) | 一种基于osga网格技术的电力设备实时监测系统 | |
CN105760449A (zh) | 一种面向多源异构数据的云推送方法 | |
CN112186901B (zh) | 一种变电站全景感知监控方法及系统 | |
CN112150335A (zh) | 一种智慧消防数据可视化监控系统及其监控方法 | |
CN104166941B (zh) | 一种用于电网潮流图的告警信息可视化方法及其系统 | |
CN111917183A (zh) | 一种源网荷控制秒级网络远程监控分析平台 | |
CN112202789B (zh) | 一种变电站全景感知数据处理方法及系统 | |
CN112769646A (zh) | 一种智能网络监控的方法和系统 | |
CN105784937B (zh) | 气体苯系物探测的数据可视化方法及系统 | |
CN111181246B (zh) | 一种基于智能断路器的能耗分析方法及系统 | |
WO2012051852A1 (zh) | 一种基于分组指标体系的服务质量监控方法和系统 | |
CN102419584B (zh) | 利用物联网络对污染源排放规律进行计量评价的方法及物联网络控制器 | |
CN110990657A (zh) | 一种全流程可视化建模平台 | |
CN112654551A (zh) | 铁路诊断系统和方法 | |
CN105446707A (zh) | 一种数据转换方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210507 |
|
RJ01 | Rejection of invention patent application after publication |