[发明专利]基于机器学习的中间件故障预警方法和系统

说明书

本发明公开了基于机器学习的中间件故障预警方法和系统，该方法包括如下步骤：(1)实时采集电力信息系统中间件的数据；(2)进行安全性验证；(3)对电力信息系统中间件的历史日志数据和实时日志数据进行预处理；(4)以预处理后的中间件的历史日志数据和实时日志数据作为输入，对基于机器学习的分类算法进行训练，形成故障分类器；(5)通过基于机器学习的回归算法分析中间件指标值与中间件故障的关系，拟合故障特征函数，并基于故障特征函数和故障分类器进行故障预警的实时判断。本发明有效克服了电力信息系统故障诊断时效差、准确度低、无法提前预警等问题，实现了基于电力信息系统中间件的实时故障预警，可保障系统安全、高效运行。

技术领域

本发明涉及故障诊断信号处理技术领域，尤其涉及一种基于机器学习的故障预警方法和系统。

背景技术

目前电力信息系统架构都是基于应用中间件连接底层数据库和上层应用，中间件的运行稳定与否直接关系到整个信息系统的运行稳定，对于信息系统中间件这一关键环节构建监控就显得尤为重要。针对该问题，目前主要使用人工的方式定期检查上述环境的工作状态，力求及早发现故障及早解决。但是人工检查受制于时间、经验等因素，检查时效差，准确度低，更重要的是无法实现对故障的预测。面对着分散的系统资源无法直接有效地进行监控和隐患排查，在发生问题时，无法快速地准确定位问题，进而影响电力信息系统运行参数指标。因此电力信息系统运维工作中实现信息系统运维智能、故障预警和故障定位功能，将是信息运维管理提升的核心内容。但目前信息系统中间件故障预警仍存在以下诸多问题：

(1)随着信息运维业务的发展，大量的数据不断生成和积累，从数据类型上看，除重复的结构化数据外，还产生大量的日志、工单等半结构化的数据；目前信息系统暂无对这些数据的分析和处理。

(2)电力信息系统中间件在出现故障后，无统一的预警机制，主要采取在故障发生后进行告警和检修的被动运维模式，这种模式导致运维人员将日常大部分时间和经历都花在处理简单且重复的问题上，况且运维人员数量有限，通常不管是什么类型的信息系统中间件发生故障都会造成不同程度的经济损失和严重后果。

(3)缺乏在故障发生之前对信息运维体系进行提前预警的能力，缺乏对运维隐患进行定位和分析的能力，因此急需一种以预防为主，防范于未然的主动预警方法。

发明内容

发明目的：本发明为了解决现有的电力信息系统故障预警技术的不足，提供了一种基于机器学习的中间件故障预警方法，同时提供了一种基于机器学习的中间件故障预警系统。

技术方案：为解决上述技术问题，本发明提供的基于机器学习的中间件故障预警方法，其包括如下步骤：

(1)实时采集运行过程中的电力信息系统中间件的数据；所述电力信息系统中间件的数据包括中间件实时日志数据和中间件实时指标值数据；

(2)对步骤(1)采集得到的实时日志数据进行安全性验证；

(3)对电力信息系统中间件的历史日志数据和实时日志数据进行预处理；

(4)以经步骤(3)预处理后的电力信息系统中间件的历史日志数据和实时日志数据作为输入，对基于机器学习的分类算法进行训练，形成故障分类器；

(5)通过基于机器学习的回归算法分析中间件指标值与中间件故障的关系，拟合故障特征函数，并基于故障特征函数和故障分类器进行故障预警的实时判断，从而实现基于电力信息系统中间件的实时故障预警。

优选的，所述步骤(2)中的安全性验证包括采用RSA加密技术的日志数据签名和日志数据验证。

作为优选的，所述步骤(3)中采用特征选择方法对电力信息系统中间件的历史日志数据和实时日志数据进行的预处理包括数据清理、数据转换和数据归并。