[发明专利]基于调度控制系统故障辨识及趋性分析系统和方法

权利要求书

1.一种基于调度控制系统故障辨识及趋性分析系统，其特征在于：包括系统监视模块(1)、专家库管理模块(2)、故障辨识及分析处理模块(3)、及风险趋势分析及智能辅助决策模块(4)，系统监视模块(1)和专家库管理模块(2)均分别与故障辨识及分析处理模块(3)、及故障辨识及分析处理模块(4)连接；

所述系统监视模块(1)，与调控系统(5)、二次安全防护系统(6)、调度数据网系统(7)连接，用于智能监测系统网络状态、服务器运行状态、业务运行状态、重要数据运行状态、业务关键指标状态、系统运行日志，并将监视内容和结果发送给与之相连的故障辨识及分析处理模块(3)、风险趋势分析及智能辅助决策模块(4)，对于异常情况主动给出告警；

所述故障辨识及分析处理模块(3)，用于通过利用系统监视模块(1)对调控系统(5)、二次安全防护系统(6)和调度数据网系统(7)的监视结果，在发现系统故障后结合专家库进行分析处理，若故障不符合异常特征，则继续进行监视，若确实发生故障，则智能进行故障处理；

所述风险趋势分析及智能辅助决策模块(4)，用于通过系统监视模块(1)对调控系统(5)、二次安全防护系统(6)、调度数据网系统(7)进行监视，当发现系统存在风险异常，则通过风险趋势分析及智能辅助决策模块(4)结合专家库进行诊断分析，若风险异常不符合异常特征，则返回进行进行监视，若判断风险异常存在，则进行风险预警并给出解决方案，辅助故障解决。

2.如权利要求1所述的基于调度控制系统故障辨识及趋性分析系统，其特征在于：所述专家库管理模块(2)集知识发现与积累、知识发布于一体，提供完善的专家库管理支撑服务，同时作为故障辨识处理专家库系统，专家库涵盖大量框架化、程式化的故障处理案例并基于过程式知识表示法、知识模型表示法和面向对象知识表示法，通过采用继承和封装技术，减少系统故障分析过程的冗余性，快速建立故障处理的理论知识和知识运用的方法，将故障处理集框架化、程式化，将文本内容转化为机器可识别的操作步骤，便于系统检索、分析和直接执行，为人工智能提供训练样本，为调度自动化运维人员提供有效的帮助,其具体实现方式如下：

(1)导入框架化、机构化的故障处理集，形成知识库，供人工智能训练及故障处理；

(2)系统各运行程序运行逻辑及运行节点异常特征；

(3)将自主学习，自主辨别和处理的故障形成案例并入专家库；

(4)导入各系统使用手册和说明文档管理，并支持分类和检索。

3.如权利要求1所述的基于调度控制系统故障辨识及趋性分析系统，其特征在于：所述故障辨识及分析处理模块(3)采用人工神经网络ANN、人工智能技术进行故障辨识及智能分析处理，其具体的步骤如下：

首先，通过人工神经网络构建系统故障集原型，通过分析被诊断

系统各个组成设备和程序的属性，并用不同层次类来描述设备和程序对应的故障异常特征，即赋予“神经元”属性，并通过神经网络传导来实现描述整个系统故障情况下的动态行为，故障异常特征包括：设备异常特征、网络异常特征、异常告警特征、安防策略特征、接口程序特征、日志错误信息特征；所有异常特征用于神经元传递及触发故障机制。“神经元”属性即系统监视模块(1)所监视之应用状态属性、设备状态属性、网络状态属性，各属性之间的连接关系称之为“神经网络”；

其次，结合专家库管理模块(2)所提供的大量和充分的故障实例，形成故障诊断模型的训练样本集，运用DS学习算法对样本集进行训练，通过训练学习使系统实现知识的自我组织，自我学习能力，经学习后，在神经元及它们之间的有向权重连接中蕴涵了处理问题的知识；

最后，系统借助人工神经网络神经元属性，以及人工干预的方法，不断加强对人工智能的训练。