[发明专利]基于双向加权图模型的电力调度自动化系统故障溯源方法

说明书

本发明实施例提出了一种基于双向加权图模型的电力调度自动化系统故障溯源方法，包括：采集电力调度自动化系统中服务器组件的资源占用数据，将这些数据组成的多个时间序列离散化，获得包含告警段的时间序列，剔除该时间序列中包含的告警时间段，获得无告警段时间序列；计算组件信息熵和组件间传递熵，建立有无告警段的信息相关矩阵，通过其变化率衡量告警前后的差异程度，采用归一化技术获得信息差异矩阵；提取信息变化较高的特征及特征间交互信息，构建双向加权图模型，结合节点自身信息和出入度信息变化拟合故障源头程度指标进行排序，依据排序结果追溯故障源头。本发明实施例提供的技术方案，提高电力调度自动化系统故障溯源的性能。

【技术领域】

本发明涉及故障定位领域解决系统拓扑关系未知的故障溯源方法，尤其涉及一种基于双向加权图模型的电力调度自动化系统故障溯源方法。

【背景技术】

随着智能化技术与网络技术的不断成熟，电力调度自动化系统作为计算和物理进程的统一体，是综合计算、通信和物理环境的复杂系统。该系统通常由服务器、存储器、网络设备、应用软件等众多组件构成，具有组件繁多、组件间紧密耦合、组件间关系复杂等特点，这使得组件间的逻辑拓扑关系难以获得。一旦组件发生故障，其关联关系将影响其他组件，进而导致整个系统出现异常或波动。由于组件间拓扑关系未知且复杂，使得故障溯源变得极其困难，及早地故障溯源对于保证电力调度自动化系统的安全稳定运行具有重要的意义。现有的故障溯源方法主要包括基于规则的溯源方法和基于建模的溯源方法。基于规则的故障溯源方法过分依赖于专家知识，并且当规则库达到一定规模后，对规则库的管理会变得困难，通过规则库进行的溯源，效率也会降低。基于建模的故障溯源方法主要包括有向图、故障树、不变网络、信息差异图等模型，其中有向图模型需要复杂的系统逻辑关系和各领域的相关知识才能建立并进行修改更新，对先验知识的依赖较大；故障树需要不同领域的专家参与，借助详细的系统知识才能正确构建，对于大型系统无法满足要求，此外，还会产生由于专家经验的主观因素而忽略某些因果关系的问题；不变网络模型是以数据驱动的方式进行系统建模，极大地摆脱了严重依赖先验知识的问题，但需要训练庞大的故障备选集对根源性故障组件进行回溯。基于传递熵的信息差异图模型也是以数据驱动的方式进行系统建模，不需要训练庞大的故障备选集，但信息差异图模型中拟合的排序算法只是根据故障程度指标来进行排序，会导致故障程度高的次生故障也有可能排在排序表前列，并被认为是原生故障，最终产生原生故障和次生故障的混淆，影响溯源效果。

【发明内容】

有鉴于此，本发明实施例提出了一种基于双向加权图模型的电力调度自动化系统故障溯源方法，在逻辑拓扑关系不明确的情况下，通过信息模型仿真实际系统下的信息传递，可以有效地定位故障源头，提高故障溯源的性能。

本发明实施例提出的一种基于双向加权图模型的电力调度自动化系统故障溯源方法，包括以下步骤：