[发明专利]一种基于聚类算法的电网告警数据分析系统的实现方法

权利要求书

1.一种基于聚类算法的电网告警数据分析系统的实现方法，其特征在于：包括如下步骤：

步骤1：基于告警数据最新发生时间进行K-Means聚类，通过对原始告警数据集进行属性划分，利用相关工具将最新发生时间转换为时间戳形式，进行K-Means聚类，其中K表示K-Means聚类后得到的类别数量；

步骤2：对步骤1中的原始数据集，获取告警开始时间，进行第二次K-Means聚类，并修正第一次聚类的结果，得到K-Means最终聚类数据；

步骤3：针对每一个属性，制定关键词向量化规则，将所有数据转换为数学向量的形式，利用DBSCAN算法对特征关键词进行聚类，得到DBSCAN最终聚类数据；

步骤4：综合K-Means和DBSCAN聚类的结果，对原始告警数据进行关联性描述，给出特定时间段内告警信息的具体分类描述。

2.根据权利要求1所述一种基于聚类算法的电网告警数据分析系统的实现方法，其特征在于：所述步骤1包括：

步骤1-1，属性划分：将原始告警日志数据集进行属性划分，使得原始数据集中每一条日志数据都可以使用多维属性进行具象化描述；

步骤1-2，时间戳转化：提取数据集中最新发生时间这一属性，使用在线时间戳转化工具，将所有条目的最新发生时间都转化为10位的时间戳形式；

步骤1-3，K值选取：根据数据集中所有数据的时间跨度，制定聚类后的各类别预期时间跨度，定义聚类算法的准确率，固定K值的取值范围，实验分析K值与准确率的关系，由关系曲线图得出特定数据集下的最优K值；

步骤1-4，K-Means聚类：将数据集和选定的最优K值作为输入，由K-Means算法进行聚类，得到基于告警最新发生时间的K-Means聚类结果。

3.根据权利要求1所述一种基于聚类算法的电网告警数据分析系统的实现方法，其特征在于：所述步骤2包括：

步骤2-1，抽取数据集中告警开始时间，多次实验分析K值与准确率的关系，最终确定最优K值；

步骤2-2，基于选定的最优K值，对告警开始时间转化后的数据集进行K-Means聚类，得到基于告警开始时间的K-Means聚类结果；

步骤2-3，将两次聚类结果进行汇总，第二次聚类的结果作为辅助，修正第一次聚类的结果，最终得到K-Means聚类后的最优结果。

4.根据权利要求1所述一种基于聚类算法的电网告警数据分析系统的实现方法，其特征在于：所述步骤3包括：

步骤3-1，针对其它多重属性，分析每一条属性所包含的关键词，告警级别的关键词为重要和不重要，告警内容的关键词为USB、端口或串口，对于每条属性都制定关键词向量化规则，通过关键字的不同，将属性转换为不同的数学向量形式；

步骤3-2，选取DBSCAN算法的邻域中数据对象数目阈值MinPts为告警日志数据的子类型类别，并在MinPts确定的情况下，实验研究DBSCAN的邻域半径ε和噪声率的关系，其中噪声率定义为聚类后出现的噪声点数量与聚类前所有条目数量的比值，噪声点为未成功完成聚类的条目，最终确定最优的邻域半径ε；

步骤3-3，将向量化后的告警数据集、最优的邻域半径ε以及邻域中数据对象数目阈值MinPts输入DBSCAN，进行聚类操作，得到DBSCAN聚类结果。

5.根据权利要求1所述一种基于聚类算法的电网告警数据分析系统的实现方法，其特征在于：所述步骤4包括：

步骤4-1，构建关联性结果描述模板，具体为某地市的第x条日志至第x条日志在x时间至x时间内发生了x事件；

步骤4-2，对K-Means和DBSCAN聚类后的结果进行关联性描述，根据最新发生时间和日志子类型，分段给出详细的告警数据具体信息。