CN117540225A - 一种基于DBSCAN聚类的分布式ups系统一致性评估系统及方法 - Google Patents

Abstract

本发明提供了一种基于DBSCAN聚类的分布式ups系统一致性评估系统及方法，包括数据采集模块、数据清洗模块、一致性评估模块和异常检测模块，通过对ups系统各个单元的输出参数进行实时测量和监控，实时采集大量数据，使得评估与检测更加准确和及时。本发明采用基于聚类方法的一致性评估与异常检测技术，解决了分布式ups系统一致性管理的问题，并相比传统方法具有实时监测与数据采集、聚类方法分析与比较、异常个体识别与校正，以及系统性稳定性的长处。

Description

一种基于DBSCAN聚类的分布式ups系统一致性评估系统及 方法

技术领域

本发明涉及计算机电源储能技术领域，特别地涉及一种基于DBSCAN聚类的分布式ups系统一致性评估系统及方法。

背景技术

分布式ups系统是指由多个独立的ups设备组成的系统，通过协同工作来提供电力备份和稳定供电。该系统通常包括多个ups设备之间的通信和协调机制，以确保系统的一致性和可靠性。在分布式ups系统中，一致性评估是指对系统中各个ups设备的状态和运行情况进行评估，以确定系统是否处于一致的工作状态。一致性评估可以通过监测ups设备的输出电压、电流、温度等参数，以及ups设备之间的通信状态等来实现。异常检测是指对分布式ups系统中出现的异常情况进行检测和识别，以及对异常情况进行处理和修复。异常情况可能包括ups设备的故障、通信中断、电力波动等。通过对异常情况的检测和处理，可以保证系统的稳定运行和可靠性。

本发明的技术方案适用于各种规模的服务器机房，包括大型数据中心、云计算中心、企业机房等。通过对分布式ups系统进行一致性评估和异常检测，可以及时发现和处理系统中存在的一致性问题和异常情况，提高系统的可靠性和稳定性。

发明内容

针对上述现有技术中的问题，本申请提出了一种基于DBSCAN聚类的分布式ups（Uninterruptible Power Supply）系统一致性评估系统，包括数据采集模块、数据清洗模块、一致性评估模块和异常检测模块；

数据采集模块通过与ups系统通信的方式，获取ups系统中电源的实时数据，并将这些数据导出到外部系统进行进一步处理和分析；

数据清洗模块对数据的编码格式进行转换，转换后的数据被导入到数据分析环境中，检查数据中的异常值，对异常值进行删除或替换；

一致性评估模块提取电气特征量，对电气特征量归一化，赋予电气特征量主观权重，计算一致性评价参数，绘制一致性评价参数曲线；

异常检测模块计算每个电源的电压标准分数值的平均值，将每个电源的电压标准分数值的平均值组合成一个特征数据集，将电压、温度、电流三种特征数据集作为聚类参数进行三维聚类，绘制聚类图标注离群点。

优选地，所述实时数据包括电压、电流、功率、电池状态，数据导出通过API或插件的方式实现。

一种基于DBSCAN聚类的分布式ups系统一致性评估方法，包括以下步骤：

S1、通过数据采集模块与ups系统通信的方式，获取电源的实时数据，将这些数据导出到外部系统进行进一步处理和分析；

S2、通过数据清洗模块将数据的编码格式转换为分析环境所支持的编码格式，将转码后的数据导入到数据分析环境中，检查数据中是否存在异常值，对异常值进行删除或替换；

S3、通过一致性评估模块提取电气特征量，对电气特征量归一化，赋予电气特征量权重，计算一致性评价参数，绘制一致性评价参数曲线；

S4、通过异常检测模块计算每个电源的电压标准分数值的平均值，将每个电源的电压标准分数值的平均值组合成一个特征数据集，将电压、温度、电流三种特征数据集作为聚类参数进行三维聚类，绘制聚类图标注离群点。

优选地，一致性评估模块的工作流程如下：

S31、首先对采集到的数据进行筛选，确定以单体电源的温度、电压、电流作为基本电气特征评估对象，得到反映ups系统一致性的电气特征量；

S32、在提取出评估所需的电气特征量后，对ups系统的一致性进行表征；

S33、基于ups系统的一致性表征结果，调整电气特征量的权重。

优选地，步骤S31中，对基本电气特征量进行处理的过程包括：

假设分布式ups系统中有m个单体电源，以一分钟作为间隔，对所有单体电源分别采集x个温度T、电压V、电流数据A；电气特征量：

公式中：是指在电源组中第x个采集点时，电源组内最大单体电源温度/>和最小单体电源温度/>的差值；/>是指在电源组中第x个采集点时，电源组内最大单体电源电压/>和最小单体电源电压/>的差值；/>是指在电源组中第x个采集点时，电源组内最大单体电源电流/>和最小单体电源电流/>的差值。

上述技术特征可以各种适合的方式组合或由等效的技术特征来替代，只要能够达到本发明的目的。

本发明提供的一种基于DBSCAN聚类的分布式ups系统一致性评估系统及方法，与现有技术相比，至少具备有以下有益效果：

1. 本发明采用基于聚类方法的一致性评估与异常检测技术，解决了分布式ups系统一致性管理的问题，并相比传统方法具有实时监测与数据采集、聚类方法分析与比较、异常个体识别与校正，以及系统性稳定性的长处。

2. 基于聚类方法的一致性评估与异常检测技术，本发明提供了一种基于聚类方法的分布式ups系统一致性评估与异常检测技术，通过采集和分析大量实时数据，利用聚类方法对ups系统中各个单元的输出电压、电流和工作温度等参数进行分析和比较，从而确定系统的一致性状态，并识别出偏离一致性范围的异常个体。

3. 本发明解决了分布式ups系统一致性管理问题，传统方法通常难以完全捕捉到系统中的异常情况，而本发明通过聚类方法提供了更加准确和细致的一致性评估与异常检测，有助于提高系统的稳定性和可靠性。

4. 本发明通过对ups系统各个单元的输出参数进行实时测量和监控，实时采集大量数据，使得评估与检测更加准确和及时。

5. 本发明采用聚类方法对数据进行分析和比较，能够发现各个ups单元之间的一致性状态。

6. 本发明通过聚类方法识别出偏离一致性范围的异常个体，可以及时纠正异常，保证分布式ups系统的稳定运行。

7. 本发明针对服务器机房中分布式ups系统一致性管理的问题进行了解决，弥补了传统方法在准确性和可靠性方面的不足。

附图说明

在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中：

图1显示了本发明的系统架构示意图；

图2显示了本发明的数据清洗模块系统流程图；

图3显示了本发明的一致性评估模块系统流程图；

图4显示了本发明的异常检测模块流程图。

具体实施方式

下面将结合附图对本发明作进一步说明。

本发明提供了一种基于聚类方法的分布式ups系统一致性评估与异常检测技术，旨在解决服务器机房中分布式ups系统一致性管理的问题。通过对分布式ups系统中各个单元的输出电压、电流和温度等参数进行实时测量和监控，采集大量的数据。然后，利用聚类方法对这些数据进行分析和比较，确定各个单元之间的一致性状态。同时，通过聚类方法识别出异常个体，即输出电压、电流和温度等参数偏离一致性范围的单元。进一步，根据异常个体的识别结果，提供相应的校正措施，以保证分布式ups系统的稳定运行。本发明的系统结构、模块划分如图1所示：数据采集模块，数据清洗模块，一致性评估模块，异常检测模块等。

如图1所示，其中各个功能模块的定义如下：

1、数据采集模块：许多ups系统提供配套的监控软件，可以通过该软件获取电源的实时数据。监控软件通过与ups系统通信的方式，获取电压、电流、功率、电池状态等参数的数据，并将其显示在监控软件的界面上。可以通过API或插件的方式，将这些数据导出到外部系统进行进一步处理和分析。本系统采用一分钟作为一个时间间隔进行数据的采集，数据为数值型，导出为CSV格式数据文件。

2、数据清洗模块：如图2所示，数据清洗模块包括三个功能 ，即数据转码、数据提取、缺失值异常值处理。

3、一致性评估模块：如图3所示，本模块主要是对上面步骤采集到数据进行筛选，确定以单体电源的温度、电压、电流作为基本的特征评估参数，这三个数据都可以在监测软件中直接测得，且误差较小。对采集到的三种基本数据特征值进行处理，以得到更多反映单体一致性的特征量。以电压为例，最终得到6个特征量。本模块的核心算法是针对分布式ups系统的一致性评估算法。

4、异常检测模块：通过分布式ups系统一致性评估算法得到某组电源的一致性，对ups系统内的单体电源进行逐个分析，找到电源组内表现较差的单体电源后，对表现较差的单体电源进行维修或替换，从而有效提高电源组的一致性。

在一个实施例中，一种基于聚类方法的分布式ups系统一致性评估系统分为多个模块，主要包括数据清洗模块、一致性评估模块、异常检测模块。

数据清洗模块的工作流程包括数据转码、数据提取、缺失值、异常值处理。其中：

数据转码：有时候，采集到的数据可能存在编码问题，例如文本数据的编码格式与分析环境不一致。在这种情况下，需要进行数据转码，将数据的编码格式转换为分析环境所支持的编码格式，以确保数据能够正确解析和处理。

数据提取：将转码后的原始数据导入到数据分析环境中，如数据库、数据仓库或数据分析工具。对导入的数据进行观察和探索，了解数据的结构、特征和问题。

缺失值、异常值处理：检查数据中是否存在异常值和缺失值。对于异常值，可以使用不同的方法来处理缺失值，如删除包含缺失值的行、填充缺失值（如使用均值、中位数、众数填充）或使用插值方法进行填充。对于异常值，采用如删除异常值、替换为合理的值或使用插值方法进行替换。

在一个实施例中，针对分布式ups系统的一致性评估算法包括电气特征量提取、电气特征量相关性方向统一化处理、电气特征量归一化处理、赋予电气特征量主观权重、计算一致性评价参数S、绘制一致性评价参数曲线图。具体包括以下步骤：

首先对上面步骤采集到数据进行筛选，确定以单体电源的温度、电压、电流作为特征评估对象，并对这三个电气特征值进行处理，以期得到更多反映ups系统的一致性的电气特征量。

假设分布式ups系统中有m个单体电源，以一分钟作为间隔，对所有单体电源分别采集x个温度（T）、电压(V)、电流数据(A)，将一次完整的检测时间看作一个数据集合；

公式中：是指在电源组中第x个采集点时，电源组内最大单体电源温度/>和最小单体电源温度/>的差值；/>是指在电源组中第x个采集点时，电源组内最大单体电源电压/>和最小单体电源电压/>的差值；/>是指在电源组中第x个采集点时，电源组内最大单体电源电流/>和最小单体电源电流/>的差值。

为了更加全面的体现一致性特征，引入了样本熵。对上面三种特征值为例，温度熵、电压熵、电流熵序列如下：

是电源组在第x个采集点时，电源组内单体电源温度的样本熵，/>是第 p个数据集中所有采集点的温度熵数列。/>是电源组在第x个采集点时，电源组内单体电源温度的输出电压熵，/>是第 p 个数据集中所有采集点的电压熵数列。/>是电源组在第x个采集点时，电源组内单体电源输出电流的样本熵，/>是第 p 个数据集中所有采集点的电流熵数列。

在一个实施例中，在提取出评估所需的电气特征量后，使用一种针对分布式电源系统的评估算法来表征系统的一致性。

第一步，将得到的电气特征量按照与系统的相关性方向是否相同进行统一化处理。如果电气特征量与分布式电源组一致性成正比，则对电气特征量求倒数，使得全部的电气特征量都与分布式电源组一致性成反比，这样有助于接下来对分布式电源组的一致性分析。

第二步，由于不同电气特征量的数量级会有很大差异，例如：温度熵数列和温度差值数列/>等。因此使用原本的电气特征量容易在计算过程中出现截断误差，导致计算精度下降。需要对所有的电气特征量进行归一化处理，使三种电气特征量的数量级保持一致。所以本发明采用最大最小标准化方法对三种电气特征量进行归一化，将原始数据转换到[0,1]的范围内，有利于后续的特征量分析。公式如下：

在这个式子中，我们用y'表示归一化后的数据，y表示归一化前的原始数据，min(y)表示所有原始数据中的最小值，max(y)表示所有原始数据中的最大值。

在最后，由于每个特征量在工程场景中都有不同的表征特点，因此需要对它们赋予不同的权重。

按照温度、电压、电流的顺序，j代表第几种电气特征值j=1,2,3。i代表第j种电气特征值的第i个特征量，i=1,2,3,4,5,6。

在实际应用中，可以结合主观权重和客观权重来进行评估。决策者可以根据历史经验和主观权重进行初步评估，并使用客观赋权方法对权重进行修正和调整，以提高决策的准确性和可信度。

然而，由于分布式电源系统运行情况无法在预测和复制，难以获取大量的运行数据。因此，我们考虑将特征量赋予相同的权重，即求取特征量的加权平均值作为表征分布式电源系统一致性的参数值S；

公式中代表表征温度的电气特征量, />代表表征输出电压的电气特征量, />代表表征输出电流的电气特征量。

S的值越大，代表电源组一致性越差。当这种一致性评估方法应用于分布式电源系统后，基于长时间的电源系统一致性评估结果的准确性，我们可以再次使用客观赋权方法来调整特征量的权重，最终得到一个更准确的权重分配。

在一个实施例中，异常检测模块的工作流程图如图4所示，DBSCAN为具有噪声的基于密度的聚类方法，是一种基于密度的空间聚类算法。该算法无需设置聚类个数，通过邻域半径和最少点数目的设置对聚类点的簇进行划分，将簇定义为密度相连点的最大集合。此方法的优点是可以在具有离群点的空间数据集中发现任意形状的簇。算法设置过程中需要设置两个参数，分别为邻域半径eps和最少点数目minpoints，算法流程如下：

①选取对象点h，选取标准是其未被归为某个簇或者标记为离群点。然后，对h的邻域进行观察，若邻域内其它对象点的数目L1≥minpoints，则将邻域内所有对象点加入临时簇Q；若邻域内点的数目L1<minpoints，则将 h 点标记为离群点；

②对临时簇Q中所有未被选取过的对象点 n 的邻域进行观察，若邻域内其它对象点的数目L2≥minpoints，则将这些点加入临时簇 Q；若n未归于任何一个簇，则将n归入簇C；

③重复步骤②，继续检查临时簇 Q 中未被选取过的对象点；

④重复步骤①～③，直到所有对象点都归入某个簇或者标记为离群点。

而对电源组进行聚类分析时，需要选取一个或多个表征单体电源一致性情况的特征量，特征量的选取直接关系到聚类结果的准确性，所以选取使用Z标准化方法对单体数据提取其特征量。

Z标准化方法根据原始数据的均值和标准差进行数据的标准化，最终得到的Z-score值可以评估样本数据至整体数据的距离，体现样本的离散程度。

若一个电源组有n个单体，且一天时间内有p个数据采集点，即每个电源都有p个温度数据、p个电流数据和p个电压数据。使用Z标准化方法计算每个采集点电压数据的Z-score值Vz、电流数据的Z-score值Az和温度数据的Z-score值Tz，其中i为单体的编号，p为采集点序号。Vz、Az和Tz即代表在采集点采集数据时的此单体电源与电源组内其它电源的离散情况。

然后，分别计算每个单体在所有采集点的电源输出电压Z-score值的平均值、输出电流Z-score值和工作温度Z-score值的平均值，即可得到单体电源在当天的电压平均Z-score值avgVz,i、输出电流平均Z-score值avgAz,i和工作温度平均Z-score值avgTz,i。

然后将电源组内所有单体电源的电压平均Z-score值avgVz,i、输出电流平均Z-score值avgAz,i和温度平均Z-score值avgTz,i组成三个特征数据集，使用这三个特征数据集作为三个特征量，通过DBSCAN聚类算法对单体电源进行三维聚类，类图中的X坐标代表单体电源的电压离散情况，Y坐标代表单体电源的电流离散情况，Z坐标代表温度离散情况，每一个单体电源为一个对象点。DBSCAN聚类后，若对象点为离群点，则证明此单体电源数据与组内其它的电源数据距离较远，即单体电源可能出现故障，所以通过观察聚类图中的离群点就可以观察到可能出现异常的单体电源。

虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。

Claims (5)

1.一种基于DBSCAN聚类的分布式ups系统一致性评估系统，其特征在于，包括数据采集模块、数据清洗模块、一致性评估模块和异常检测模块；其中，

数据采集模块通过与ups系统通信的方式，获取ups系统中电源的实时数据，并将实时数据导出到外部系统进行进一步处理和分析；

数据清洗模块对数据的编码格式进行转换，转换后的数据被导入到数据分析环境中，检查数据中的异常值，并对异常值进行删除或替换；

一致性评估模块提取电气特征量，对电气特征量归一化，赋予电气特征量主观权重，计算一致性评价参数，绘制一致性评价参数曲线；

异常检测模块计算每个电源的电压标准分数值的平均值，将每个电源的电压标准分数值的平均值组合成一个特征数据集，将电压、温度、电流三种特征数据集作为聚类参数进行三维聚类，绘制聚类图，标注离群点。

2.根据权利要求1所述的基于DBSCAN聚类的分布式ups系统一致性评估系统，其特征在于，所述实时数据包括电压、电流、功率、电池状态，数据导出通过API或插件的方式实现。

3.根据权利要求1所述的基于DBSCAN聚类的分布式ups系统一致性评估系统的评估方法，其特征在于，使用权利要求1所述的基于DBSCAN聚类的分布式ups系统一致性评估系统，包括以下步骤：

S1、通过数据采集模块与ups系统通信的方式，获取电源的实时数据，将实时数据导出到外部系统进行进一步处理和分析；

S2、通过数据清洗模块将数据的编码格式转换为分析环境所支持的编码格式，将转码后的数据导入到数据分析环境中，检查数据中的异常值，并对异常值进行删除或替换；

S3、通过一致性评估模块提取电气特征量，对电气特征量归一化，赋予电气特征量权重，计算一致性评价参数，绘制一致性评价参数曲线；

S4、通过异常检测模块计算每个电源的电压标准分数值的平均值，将每个电源的电压标准分数值的平均值组合成一个特征数据集，将电压、温度、电流三种特征数据集作为聚类参数进行三维聚类，绘制聚类图，标注离群点。

4.根据权利要求3所述的评估方法，其特征在于，一致性评估模块的工作流程如下：

S31、首先对采集到的数据进行筛选，确定以单体电源的温度、电压、电流作为电气特征评估对象，得到反映ups系统一致性的电气特征量；

S32、在提取出评估所需的电气特征量后，对ups系统的一致性进行表征；

S33、基于ups系统的一致性表征结果，调整电气特征量的权重。

5.根据权利要求4所述的评估方法，其特征在于，步骤S31中，对电气特征量进行处理的过程包括：

假设分布式ups系统中有m个单体电源，以一分钟作为间隔，对所有单体电源分别采集x个温度T、电压V、电流数据A；电气特征量：

公式中：是指在电源组中第x个采集点时，电源组内最大单体电源温度/>和最小单体电源温度/>的差值；/>是指在电源组中第x个采集点时，电源组内最大单体电源电压/>和最小单体电源电压/>的差值；/>是指在电源组中第x个采集点时，电源组内最大单体电源电流/>和最小单体电源电流/>的差值。