CN107358338A - 一种多业务和硬件融合的d5000***健康度分层优先评价方法 - Google Patents
一种多业务和硬件融合的d5000***健康度分层优先评价方法 Download PDFInfo
- Publication number
- CN107358338A CN107358338A CN201710432960.9A CN201710432960A CN107358338A CN 107358338 A CN107358338 A CN 107358338A CN 201710432960 A CN201710432960 A CN 201710432960A CN 107358338 A CN107358338 A CN 107358338A
- Authority
- CN
- China
- Prior art keywords
- mtd
- health degree
- mrow
- msub
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 349
- 238000011156 evaluation Methods 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000004927 fusion Effects 0.000 title claims description 11
- 230000002159 abnormal effect Effects 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims description 3
- 238000012797 qualification Methods 0.000 claims description 2
- 230000003862 health status Effects 0.000 abstract description 4
- 238000003466 welding Methods 0.000 abstract description 3
- 238000010835 comparative analysis Methods 0.000 abstract 1
- 230000007246 mechanism Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 3
- 208000033999 Device damage Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036449 good health Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007813 chromatographic assay Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种多业务和硬件融合的D5000***健康度分层优先评价方法,属于电力***领域;首先,确定整体健康度分层评价指标体系,并确定指标优先级和权重;其次,为最底层各指标划分评价等级及评分标准并计算该层指标健康度;再次,从最底层开始,依次判断每层是否为多节点层、一主多备层、指标节点间是否存在优先级,采用加权平均法或并接***健康度公式计算上层根节点健康度,得到所有指标健康度;最后,根据指标健康度对比评价等级表,维护人员在出现异常时进行维护;该方法能准确反映D5000***指标之间存在的重要等级和依赖关系,并将业务健康度和硬件健康度紧密融合,提高健康度评价准确度,更加全面、准确地反映D5000***的健康状态。
Description
技术领域
本发明属于电力***领域,涉及智能电网调度控制***,具体涉及一种多业务和硬件融合的D5000***健康度分层优先评价方法。
背景技术
D5000***是智能电网调度控制***的简称,该***实现了电网调度控制业务的“横向集成和纵向贯通”,为调度人员准确掌握电网的实时运行状态带来了极大便利,在确保电网安全、经济、可靠运行中发挥了重要作用。
但目前在调度***的运维管理过程中,维护人员还无法对整个***的实时运行状态进行全面掌握,也无法对调度***的运行状态做出预判。根据D5000***的实时运行数据,对其进行健康度评价,有助于直观了解调度***的运行状态,发现影响其健康运行的关键因素,对提高调度***的运维管理水平,保障其安全稳定运行具有重要意义。因此结合调度***的实际需要,研究一套针对D5000***运行状态的健康度评价指标体系和评价方法十分必要。
目前,电力***中有关健康度评价的研究主要集中在电力变压器运行状态评价领域和电网运行状态评价领域;由于电力变压器本身是一种电力设备,针对电力变压器的运行状态评价,如文献1:张友强,寇凌峰,盛万兴,等.配电变压器运行状态评估的大数据分析方法[J].电网技术,2016,40(3):768-773.记载,在评价指标的构建上考虑的因素均是能影响设备使用寿命、引起设备损坏的一些关键因素;然后采用如文献2阳东升,范帅,刘子兴,等.基于熵值赋权法的配电变压器状态评估方法研究[J].南方电网技术,2014,8(4):116-121.)及文献3徐岩,陈昕.基于合作博弈和云模型的变压器状态评估方法[J].电力自动化设备,2015,35(3):88-93公开的多种评价方法组合或博弈的方式对变压器的运行状态进行评价。
电网运行状态的评价,首先是以智能电网区别于传统电网的一些特性,如高效性、适应性、互动性来构建评价指标体系,如文献4:赵良,李立理,何博,等.适合我国国情的智能电网评价指标体系及计算方法[J].电网技术,2015,39(12):3520-3528.),但是,并未考虑到电网中运行的各类设备的运行状态。然后采取多种评价方法组合的方式对电网的运行状态进行评价,如文献5吕朋蓬,赵晋泉,李端超,等.电网运行状态评价指标体系与综合评价方法[J].电网技术,2015,39(8):2245-2252.采用层次分析法和反熵权法计算指标权重,以及文献6张尚,王涛,顾雪平.基于直觉模糊层次分析法的电网运行状态综合评估[J].电力***自动化,2016,40(4):41-49.将直觉模糊理论融入到层析分析法中。
在以上两类领域中的评价方法,一种是针对电力设备的评价方法,是硬件健康度评价方法,另一种是针对电网特性的评价方法,是业务评价方法。通过对相关文献的调研,未见有关智能电网调度控制***(D5000***)健康度评价的相关文献。
D5000***具有业务繁多、业务层级关系复杂、业务和硬件紧密耦合、工作方式特殊(如一主多备的工作机制)的特点,在评价指标体系构建上,上述评价方法没有考虑评价指标的优先级,无法对D5000***中多业务之间存在的重要等级及依赖关系进行有效分析判定;在健康度评价过程中,上述评价方法均针对业务或硬件健康度之一开展评价,没有将业务和硬件健康度评价有效融合,并针对一主多备特殊工作方式进行评价,不能满足D5000***健康度综合评价的要求。
发明内容
为及时掌握D5000***的实时运行状态,针对其业务繁多、业务层级关系复杂、业务与硬件紧密耦合、工作方式特殊的特点,本发明提出了一种多业务和硬件融合的D5000***健康度分层优先评价方法。
具体步骤如下:
步骤一、确定D5000***整体健康度分层评价指标体系;
健康度分层评价指标体系包括:
顶层为D5000***的健康度;
其次为并列的平台健康度、应用健康度和数据质量健康度;
平台健康度包括:数据库健康度、消息总线健康度、服务总线健康度和公共服务健康度;
数据库健康度包括实时数据库健康度和关系数据库健康度;
实时数据库健康度、关系数据库健康度、消息总线健康度、服务总线健康度和公共服务健康度下层均为多节点层;多节点层的每个节点均包括业务健康度节点和硬件健康度节点;每个业务健康度节点和硬件健康度节点下还存在各个指标节点。
应用健康度包括:public(公共基础)应用健康度、data-server(数据服务)应用健康度、fes(front-end subsystem,前置***)应用健康度和scada(supervisory controland data acquisition,数据采集与监视控制***)应用健康度;
每个应用健康度下均包括一个主机和多个备机,备机的数量根据每个应用的应用状态确定。每个主机和每个备机下均包括业务健康度节点和硬件健康度节点;每个业务健康度节点和硬件健康度节点下还存在各个指标节点。
数据质量健康度包括:重要量测数据不变化、越限、跳变、异常波动,状态估计合格率和CPS指标;
步骤二、分层确定D5000***中每个评价指标的健康度优先级;
健康度优先级的级别从高到低设定依次为I、II、III级别。
业务健康度节点和硬件健康度节点的健康度优先级为:业务健康度节点优先级为I,硬件健康度节点优先级为II;
多节点层和一主多备层评价指标的健康度优先级均设定为相同;
实时数据库健康度和关系数据库健康度的健康度优先级均设定为I;
平台健康度包含的各个评价指标的健康度优先级设定为相同;
应用健康度包含的各个评价指标的健康度优先级为:public应用健康度和data-server应用健康度的优先级最高,为I优先级;fes应用健康度优先级为II,scada应用健康度优先级为III。
数据质量健康度包含的各个评价指标的健康度优先级设定为相同。
平台健康度优先级为I、应用健康度优先级为II、数据质量健康度优先级最低为III级别。
步骤三、按照层次,分别计算每层评价指标中的每个评价指标的权重;
具体步骤如下:
步骤301、比较每层评价指标的两两重要程度,按照层次分析法构建该层的判断矩阵A;
n代表指标个数;aij表示指标i和指标j之间相比的重要性标度;当i=j时,aij=1,当i≠j时,aij=1/aji。
步骤302、判断矩阵A的一致性比例CR是否满足CR<0.1,如果是,则判断矩阵A满足一致性;否则,对判断矩阵作适当修正,直至满足一致性要求。
一致性比例CR定义如下:
CR=CI/RI
RI为平均随机一致性指标,只与判断矩阵的阶数n有关;CI为判断矩阵的一致性指标,定义为:CI=(λmax-n)/n-1;λmax为判断矩阵A的最大特征值。
步骤303、当判断矩阵A满足一致性检验后,采用方根法计算该层每个指标的权重值W;
计算公式如下:
步骤四、构建D5000***健康度评价等级表,并以各评价指标的期望值为基础,为每个业务健康度节点或者硬件健康度节点最底层的各评价指标划分不同的评价等级及评分标准。
D5000***健康度评价等级包括:完好、正常、注意、异常和严重;评分区间为[0,100],如下表所示:
硬件健康度部分指标评价等级及评分标准,如下表所示:
业务健康度部分指标评价等级及评分标准,如下表所示:
步骤五、结合评价等级及评分标准表格,计算每个业务健康度节点或者硬件健康度节点最底层每个指标节点的健康度分数;
其中,x为每个业务健康度节点或者硬件健康度节点最底层每个指标节点的实际指标数据,f(x)为指标量化后的健康分数,SE右为评价等级各区间的右端点,SE左为评价等级各区间的左端点,DE右为评分标准各区间的右端点,DE左为评分标准各区间的左端点。
步骤六、判断当前层是否为多节点层,如果是,进入步骤七,否则,进入步骤八;
当前层初始为每个业务健康度节点或者硬件健康度节点的最底层;
步骤七、采用加权平均法计算当前层对应的上层根节点的健康度分数H,进入步骤十二:
H=W·S
其中,W为上层根节点下的直接子节点的权重向量,S为上层根节点下的直接子节点的健康分数向量。
步骤八、继续判断当前层是否为一主多备层,如果是,进入步骤九,否则,进入步骤十;
步骤九、采用并接健康度公式计算上层根节点的健康度分数H,进入步骤十二:
其中,Hk为主机或备机的健康度,m为主机和备机的总台数。
步骤十、判断当前层每个节点是否有优先级,如果有,进入步骤十一,否则,进入步骤七;
步骤十一、存在优先级的节点共同在一个根节点下,首先判断优先级为I的当前层节点是否为0,如果是,则对应的上层根节点健康度分数为0,进入步骤十二;否则,进入步骤七;
步骤十二、得到上层每个指标的健康度分数后,判断该上层指标是否为顶层“D5000***的健康度”,如果是,则目前已得到D5000***所有指标的健康度分数,进入步骤十三,否则,进入步骤六;
步骤十三、维护人员根据每个指标的健康度分数对比健康度评价等级表,当各个指标存在异常时方便进行维护。
本发明的优点在于:
1)、一种多业务和硬件融合的D5000***健康度分层优先评价方法,确定了D5000***每个指标的优先级;准确反映了D5000***中指标之间存在的重要等级和依赖关系,在评价过程中添加对指标优先级的判断,能够提高健康度评价的准确度。
2)、一种多业务和硬件融合的D5000***健康度分层优先评价方法,采用“一主多备”和“多节点”两种方式将业务健康度和硬件健康度紧密融合的特点添加进评价方法中,能够更加全面、准确地反映D5000***的健康状态。
3)、一种多业务和硬件融合的D5000***健康度分层优先评价方法,将可靠性理论中的可靠度概念应用到D5000***的一主多备运行方式中,与以往的加权平均方法相比更能够体现一主多备运行方式的特点,其计算出的健康度更能准确反映以一主多备方式运行的业务的健康状态。
附图说明
图1为本发明一种多业务和硬件融合的D5000***健康度分层优先评价方法的流程图;
图2为本发明确定D5000***中每个指标的权重时的流程图;
图3为本发明D5000***整体健康度综合评价定向指标框架;
图4为本发明scada应用健康度的评价指标体系;
图5为本发明实时数据库健康度的评价指标体系。
具体实施方式
下面结合附图对本发明的具体实施方法进行详细说明。
本发明公开的D5000***健康度评价有以下特点:
1)根据有无直接数据来源,评价指标分为两大类:有直接数据来源的指标,如应用状态、CPU使用率、进程占用内存等;没有直接数据来源的指标,健康度分数由其下层各指标的健康度合成得到;
2)定量指标和定性指标共存:定量指标如CPU使用率等;定性指标如:应用状态、进程状态和网卡状态,其中应用状态用来判断应用健康度下各个应用如scada应用的工作方式,进程状态和网卡状态作为判断条件决定着评价流程的走向;
3)评价指标之间优先级不同:评价指标之间优先级不同,指标的优先级根据指标之间的重要等级及依赖关系制定,I为最高优先级;
4)业务健康度和硬件健康度相融合:
D5000***中的业务主要以两种方式运行在主站的各种服务器设备上:一种是“一主多备工作方式”,另一种是“多节点、无主备之分工作方式”,一个节点就是一台服务器。
这两种工作方式决定了:每项业务的健康度均是由多个节点的健康度共同组成,而一个节点上经常运行了多个业务,其健康度应该包含两大部分:一个是节点自身的各项硬件CPU、网卡等健康水平反映的健康度,即硬件健康度,另一个是每个业务在节点上的资源占用情况所反映的健康度,即业务健康度。因此D5000***健康度评价的一大特点就是业务健康度和硬件健康度紧密融合。
5)特殊的一主多备工作机制。应用健康度下的各个应用如scada应用同时布置在多台服务器上,其中只有一台为主机,其余均为备机。
鉴于D5000***健康度评价的5大特点,本发明提出一种基于业务和硬件评价融合的健康度分层优先评价方法。
本发明首先在对D5000***的业务层级关系进行梳理的基础上,定义了平台健康度、应用健康度和数据质量健康度3大类评价指标,并结合优先级分层原则构建了D5000***定向指标框架;其次,以数据采集与监视控制***(scada)核心应用为例,建立了一套融合业务健康度、硬件健康度、一主多备工作机制的D5000***层次化评价指标体系;然后,采用层次分析法并结合专家经验确定指标权重、制定评价标准;最后,采用加权平均和并接***健康度两种计算方法,实现D5000***健康度的综合评价。以现场实时采集数据为基础,通过实例验证了该评价方法的合理性。
如图1所示,具体步骤如下:
步骤一、确定D5000***整体健康度分层评价指标体系;
本文将D5000***的分层评价指标体系分为两部分:一是D5000***定向指标框架,代表了D5000***评价的总内容,指明了评价的方向;二是scada应用的评价指标体系,scada应用是D5000***最核心的应用,对scada应用的健康度进行评价,最能体现D5000***综合评价指标体系融合一主多备工作机制、业务健康度和硬件健康度的全部特点。
健康度分层评价指标,如图3所示,包括:顶层为D5000***的健康度;其次为并列的平台健康度、应用健康度和数据质量健康度3大类评价指标;
平台健康度包括:数据库健康度、消息总线健康度、服务总线健康度和公共服务健康度;其中,数据库健康度包括实时数据库健康度和关系数据库健康度;
实时数据库健康度、关系数据库健康度、消息总线健康度、服务总线健康度和公共服务健康度下层均为多节点层;多节点层的每个节点均包括业务健康度节点和硬件健康度节点;每个业务健康度节点和硬件健康度节点下还存在各个指标节点。
应用健康度包括:public应用健康度、data-server应用健康度、fes应用健康度和scada应用健康度;
每个应用健康度下均包括一个主机和多个备机,备机的数量根据每个应用的应用状态确定。每个主机和每个备机下均包括业务健康度节点和硬件健康度节点;每个业务健康度节点和硬件健康度节点下还存在各个指标节点。
数据质量健康度是指关键业务数据的健康状况,包括:重要量测数据不变化、越限、跳变、异常波动,状态估计合格率和CPS指标;
步骤二、分层确定D5000***中每个评价指标的健康度优先级;
健康度优先级的级别从高到低设定依次为I、II、III级别。
业务健康度节点和硬件健康度节点的健康度优先级为:业务健康度节点优先级为I,硬件健康度节点优先级为II;
多节点层和一主多备层评价指标的健康度优先级均设定为相同;
实时数据库健康度和关系数据库健康度的健康度优先级均设定为I;
平台健康度包含的各个评价指标的健康度优先级设定为相同;
应用健康度包含的的各个评价指标的健康度优先级安排如下:
public应用提供平台访问服务,是其它所有业务应用访问平台的公共基础;data-server应用提供数据访问服务,是其它所有业务应用访问数据的公共基础;fes应用负责同通讯服务器通讯,接收由通讯服务器汇集起来的通道信息,并进行必要的处理;scada应用负责接收fes应用送来的实时数据,实现完整的、高性能的电力***实时运行状态的监视和控制,为其它应用提供可靠的数据基础与服务。
由于D5000***中fes应用和scada应用均属于具体业务应用,且fes应用为scada应用提供数据,因此public应用健康度和data-server应用健康度的优先级高于fes应用健康度和scada应用健康度,所以public应用健康度和data-server应用健康度的优先级最高,为I优先级;fes应用健康度优先级为II,scada应用健康度优先级为III。
数据质量健康度包含的各个评价指标的健康度优先级设定为相同。
D5000平台为各类应用的开发、运行和管理提供了通用的技术支撑,为整个***的集成和高效可靠运行提供了保障,是整个D5000***的基础。同时scada应用等均建立在D5000平台的基础之上,实现了数据的交互、网络通信以及互操作功能,即数据的采集与通信依赖于各类应用,因此平台健康度优先级最高、应用健康度优先级次之、数据质量健康度优先级最低。
步骤三、分配了每个评价指标的健康度优先级后,按照层次,进一步计算每层评价指标中的每个评价指标的权重;
利用层次分析法确定指标权重,首先需要咨询专家意见并构建每层评价指标的判断矩阵,其次需要对判断矩阵进行一致性检验,在判断矩阵满足一致性的前提下,对判断矩阵进行一系列的换算,得到该层中每个指标的权重值。
如图2所示,具体步骤如下:
步骤301、比较每层评价指标的两两重要程度,按照层次分析法构建该层的判断矩阵A;
判断矩阵是分层构建的,比如平台健康度、应用健康度和数据质量健康度是同一层,它们三个指标共同构建一个判断矩阵。再比如平台健康度下有四个指标:数据库健康度、消息总线健康度、服务总线健康度和公共服务健康度,这四个指标构建一个判断矩阵。
判断矩阵A通过对指标进行两两比较,结合9分度表构建,其定义如下:
n代表指标个数;aij表示指标i和指标j之间相比的重要性标度;当i=j时,aij=1,当i≠j时,aij=1/aji。
步骤302、判断矩阵A的一致性比例CR是否满足CR<0.1,如果是,则判断矩阵A满足一致性;否则,对判断矩阵作适当修正,直至满足一致性要求。
一致性比例CR定义如下:
CR=CI/RI
RI为平均随机一致性指标,只与判断矩阵的阶数n有关;CI为判断矩阵的一致性指标,定义为:CI=(λmax-n)/n-1;λmax为判断矩阵A的最大特征值。
当一致性比例CR<0.1时,认为判断矩阵满足一致性;当CR≥0.1时,应对判断矩阵作适当修正,直至满足一致性要求。
步骤303、当判断矩阵A满足一致性检验后,采用方根法计算该层每个指标的权重值W;
计算公式如下:
步骤四、构建D5000***健康度评价等级表,并以各评价指标的期望值为基础,为每个业务健康度节点或者硬件健康度节点最底层的各评价指标划分不同的评价等级及评分标准。
D5000***健康度评价等级包括:完好、正常、注意、异常和严重;令评分区间为[0,100],如下表所示:
期望值是指:在实际运行时,每个指标都有期望的状态最好值;比如CPU使用率,当处于较低的状态时,电脑运行的比较快,故给它一个高分。因此比照每个指标的期望值,来划分指标的评价等级及评分标准。
scada应用的评价等级及评分标准包括:部分硬件健康度指标评价等级及评分标准,如下表所示:
部分业务健康度指标评价等级及评分标准,如下表所示:
步骤五、结合评价等级及评分标准表格,计算每个业务健康度节点或者硬件健康度节点最底层每个指标节点的健康度分数;
针对每个业务健康度节点或硬件健康度节点的最底层节点,利用实际采集的数据,结合利用期望值划分的指标评分标准表,计算最底层中每个指标节点的健康度分数;
利用下式量化指标,将实际的指标数据转换成[0,100]的分数值,得到指标的健康分数:
其中,x为每个业务健康度节点或者硬件健康度节点最底层每个指标节点的实际指标数据,f(x)为指标量化后的健康分数,SE右为评价等级各区间的右端点,SE左为评价等级各区间的左端点,DE右为评分标准各区间的右端点,DE左为评分标准各区间的左端点。
如:针对CPU使用率这个指标,实际采集的数据为30%,对应的评分标准为0~50%,对应的评分等级为完好[100,90];利用下式量化指标:
得到CPU使用率这个指标最终的健康分数为94分。
步骤六、判断当前层是否为多节点层,如果是,进入步骤七,否则,进入步骤八;
当前层初始为每个业务健康度节点或者硬件健康度节点的最底层;
步骤七、采用加权平均法计算当前层对应的上层根节点的健康度分数H,进入步骤十二;
如图4所示,以scada应用健康度下主机下层的硬件健康度为例,硬件健康度包括无优先级的CPU、内存、Swap、硬盘和网卡5个指标,假设硬件健康度的权重向量为:W=[ω1ω2 ω3 ω4 ω5],定义为一维的行向量,其中ω1,ω2,ω3,ω4和ω5分别为CPU、内存、Swap、硬盘和网卡5个指标的权重。
健康分数向量为:S=[s1 s2 s3 s4 s5]T,定义为一维的列向量,其中s1,s2,s3,s4和s5分别为CPU、内存、Swap、硬盘和网卡5个指标的健康分数。
则硬件健康度为:
H=W·S
=[ω1 ω2 ω3 ω4 ω5]·[s1 s2 s3 s4 s5]T
=ω1s1+ω2s2+ω3s3+ω4s4+ω5s5
如图5所示,以实时数据库为例,多节点、无主备之分工作方式下,每个节点均包括业务健康度指标和硬件健康度指标,业务健康度指标的底层指标为多节点工作方式,采用加权平均公式得到业务的健康度;同理,硬件健康度指标的底层指标也为多节点工作方式,采用加权平均公式得到硬件的健康度;业务和硬件融合得到每个节点的健康度,所有节点的健康度再由加权平均公式得到实时数据库的健康度,这个方法适用于关系数据库、消息总线模块、服务总线模块、公共服务模块。
步骤八、继续判断当前层是否为一主多备层,如果是,进入步骤九,否则,进入步骤十;
步骤九、采用并接健康度公式计算上层根节点的健康度分数H,进入步骤十二:
结合***可靠性理论对D5000***的一主多备工作机制进行分析,发现:D5000***运行过程中,如果设备损坏,一般直接更换,不予修复;一主多备***中,某一台服务器是否故障不对其他服务器产生影响,服务器之间是相互独立的;并且一台服务器发生故障,只会降低***的健康度,整个***仍可正常运行,只有所有服务器都发生故障时,***才发生故障。
因此本发明将一主多备***看作可靠性理论中不可修复***的并接***,如图4所示,在分别得到scada应用健康度下各主、备机的健康度后,利用并接***健康度公式计算scada应用的健康度:
其中,Hk为主机或备机的健康度,m为主机和备机的总台数。
假设scada应用的工作方式为一主两备,且分别得到其主机、备机的健康度为H1,H2和H3,则此时scada应用的健康度为:
以scada应用健康度为例,public应用健康度、data-server应用健康度和fes应用健康度的融合方法相同。
步骤十、判断当前层每个节点是否有优先级,如果有,进入步骤十一,否则,进入步骤七;
步骤十一、存在优先级的节点共同在一个根节点下,首先判断优先级为I的当前层节点是否为0,如果是,则对应的上层根节点健康度分数为0,进入步骤十二;否则,进入步骤七;
评价从最底层开始,在计算出底层指标的健康度之后,逐层向上评价。如图4所示,在计算scada应用的关键进程健康度时,它下面的两个指标“进程状态和进程资源占用情况”之间存在优先级,且进程状态的优先级为I,因此首先对进程状态进行判断,若进程状态为close,说明其健康度为0,则关键进程健康度为0;若进程状态为online,则采用加权平均法计算关键进程的健康度。
步骤十二、得到上层每个指标的健康度分数后,判断该上层指标是否为顶层“D5000***的健康度”,如果是,则目前已得到D5000***所有指标的健康度分数,进入步骤十三,否则,进入步骤六;
步骤十三、维护人员根据每个指标的健康度分数对比健康度评价等级表,当各个指标存在异常时方便进行维护。
Claims (4)
1.一种多业务和硬件融合的D5000***健康度分层优先评价方法,其特征在于,具体步骤如下:
步骤一、确定D5000***整体健康度分层评价指标体系;
步骤二、分层确定D5000***中每个评价指标的健康度优先级;
健康度优先级的级别从高到低设定依次为I、II、III级别;
步骤三、按照层次,分别计算每层评价指标中的每个评价指标的权重;
步骤四、构建D5000***健康度评价等级表,并以各评价指标的期望值为基础,为每个业务健康度节点或者硬件健康度节点最底层的各评价指标划分不同的评价等级及评分标准;
D5000***健康度评价等级包括:完好、正常、注意、异常和严重;评分区间为[0,100];
硬件健康度部分指标评价等级及评分标准,如下表所示:
业务健康度部分指标评价等级及评分标准,如下表所示:
步骤五、结合评价等级及评分标准表格,计算每个业务健康度节点或者硬件健康度节点最底层每个指标节点的健康度分数;
其中,x为每个业务健康度节点或者硬件健康度节点最底层每个指标节点的实际指标数据,f(x)为指标量化后的健康分数,SE右为评价等级各区间的右端点,SE左为评价等级各区间的左端点,DE右为评分标准各区间的右端点,DE左为评分标准各区间的左端点;
步骤六、判断当前层是否为多节点层,如果是,进入步骤七,否则,进入步骤八;
当前层初始为每个业务健康度节点或者硬件健康度节点的最底层;
步骤七、采用加权平均法计算当前层对应的上层根节点的健康度分数H,进入步骤十二:
H=W·S
其中,W为上层根节点下的直接子节点的权重向量,S为上层根节点下的直接子节点的健康分数向量;
步骤八、继续判断当前层是否为一主多备层,如果是,进入步骤九,否则,进入步骤十;
步骤九、采用并接健康度公式计算上层根节点的健康度分数H,进入步骤十二:
<mrow>
<mi>H</mi>
<mo>=</mo>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>-</mo>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<msub>
<mi>H</mi>
<mi>k</mi>
</msub>
<mn>100</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>&times;</mo>
<mn>100</mn>
<mo>,</mo>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>m</mi>
</mrow>
其中,Hk为主机或备机的健康度,m为主机和备机的总台数;
步骤十、判断当前层每个节点是否有优先级,如果有,进入步骤十一,否则,进入步骤七;
步骤十一、存在优先级的节点共同在一个根节点下,首先判断优先级为I的当前层节点是否为0,如果是,则对应的上层根节点健康度分数为0,进入步骤十二;否则,进入步骤七;
步骤十二、得到上层每个指标的健康度分数后,判断该上层指标是否为顶层“D5000***的健康度”,如果是,则目前已得到D5000***所有指标的健康度分数,进入步骤十三,否则,进入步骤六;
步骤十三、维护人员根据每个指标的健康度分数对比健康度评价等级表,当各个指标存在异常时方便进行维护。
2.如权利要求1所述的一种多业务和硬件融合的D5000***健康度分层优先评价方法,其特征在于,所述的步骤一中健康度分层评价指标体系包括:
顶层为D5000***的健康度;
其次为并列的平台健康度、应用健康度和数据质量健康度;
平台健康度包括:数据库健康度、消息总线健康度、服务总线健康度和公共服务健康度;
数据库健康度包括实时数据库健康度和关系数据库健康度;
实时数据库健康度、关系数据库健康度、消息总线健康度、服务总线健康度和公共服务健康度下层均为多节点层;多节点层的每个节点均包括业务健康度节点和硬件健康度节点;每个业务健康度节点和硬件健康度节点下还存在各个指标节点;
应用健康度包括:public(公共基础)应用健康度、data-server(数据服务)应用健康度、fes(front-end subsystem,前置***)应用健康度和scada(supervisory control anddata acquisition,数据采集与监视控制***)应用健康度;
每个应用健康度下均包括一个主机和多个备机,备机的数量根据每个应用的应用状态确定;每个主机和每个备机下均包括业务健康度节点和硬件健康度节点;每个业务健康度节点和硬件健康度节点下还存在各个指标节点;
数据质量健康度包括:重要量测数据不变化、越限、跳变、异常波动,状态估计合格率和CPS指标。
3.如权利要求1所述的一种多业务和硬件融合的D5000***健康度分层优先评价方法,其特征在于,所述的步骤二具体为:
业务健康度节点和硬件健康度节点的健康度优先级为:业务健康度节点优先级为I,硬件健康度节点优先级为II;
多节点层和一主多备层评价指标的健康度优先级均设定为相同;
实时数据库健康度和关系数据库健康度的健康度优先级均设定为I;
平台健康度包含的各个评价指标的健康度优先级设定为相同;
应用健康度包含的各个评价指标的健康度优先级为:public应用健康度和data-server应用健康度的优先级最高,为I优先级;fes应用健康度优先级为II,scada应用健康度优先级为III;
数据质量健康度包含的各个评价指标的健康度优先级设定为相同;
平台健康度优先级为I、应用健康度优先级为II、数据质量健康度优先级最低为III级别。
4.如权利要求1所述的一种多业务和硬件融合的D5000***健康度分层优先评价方法,其特征在于,所述的步骤三具体为:
步骤301、比较每层评价指标的两两重要程度,按照层次分析法构建该层的判断矩阵A;
<mrow>
<mi>A</mi>
<mo>=</mo>
<msub>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mi>n</mi>
<mo>&times;</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>a</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>a</mi>
<mrow>
<mn>1</mn>
<mi>j</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>a</mi>
<mrow>
<mn>1</mn>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>a</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>a</mi>
<mrow>
<mn>2</mn>
<mi>j</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>a</mi>
<mrow>
<mn>2</mn>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<mrow>
<mi>n</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>a</mi>
<mrow>
<mi>n</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>a</mi>
<mrow>
<mi>n</mi>
<mi>j</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>a</mi>
<mrow>
<mi>n</mi>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
n代表指标个数;aij表示指标i和指标j之间相比的重要性标度;当i=j时,aij=1,当i≠j时,aij=1/aji;
步骤302、判断矩阵A的一致性比例CR是否满足CR<0.1,如果是,则判断矩阵A满足一致性;否则,对判断矩阵作适当修正,直至满足一致性要求;
一致性比例CR定义如下:
CR=CI/RI
RI为平均随机一致性指标,只与判断矩阵的阶数n有关;CI为判断矩阵的一致性指标,定义为:CI=(λmax-n)/n-1;λmax为判断矩阵A的最大特征值;
步骤303、当判断矩阵A满足一致性检验后,采用方根法计算该层每个指标的权重值W;
计算公式如下:
<mrow>
<mi>W</mi>
<mo>=</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
</msup>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
</msup>
</mrow>
</mfrac>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>.</mo>
</mrow>
3
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710432960.9A CN107358338A (zh) | 2017-06-09 | 2017-06-09 | 一种多业务和硬件融合的d5000***健康度分层优先评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710432960.9A CN107358338A (zh) | 2017-06-09 | 2017-06-09 | 一种多业务和硬件融合的d5000***健康度分层优先评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107358338A true CN107358338A (zh) | 2017-11-17 |
Family
ID=60273717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710432960.9A Pending CN107358338A (zh) | 2017-06-09 | 2017-06-09 | 一种多业务和硬件融合的d5000***健康度分层优先评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107358338A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110082623A (zh) * | 2019-05-21 | 2019-08-02 | 国网安徽省电力有限公司合肥供电公司 | 一种开关柜健康状态评价方法及*** |
CN110322136A (zh) * | 2019-06-27 | 2019-10-11 | 东南大学 | 一种发布/订阅分布式***健康度评价方法 |
CN110865924A (zh) * | 2019-11-29 | 2020-03-06 | 国网四川省电力公司信息通信公司 | 电力信息***内部服务器健康度诊断方法与健康诊断框架 |
CN110889565A (zh) * | 2019-12-19 | 2020-03-17 | 云南电网有限责任公司信息中心 | 一种基于多维矩阵决策的配网巡检周期计算方法 |
CN111190713A (zh) * | 2019-12-26 | 2020-05-22 | 曙光信息产业(北京)有限公司 | 一种作业调度管理方法和装置 |
CN112202627A (zh) * | 2020-08-21 | 2021-01-08 | 苏州浪潮智能科技有限公司 | 一种网络中心的健康度评价方法和装置 |
CN113807690A (zh) * | 2021-09-09 | 2021-12-17 | 国网江苏省电力有限公司苏州供电分公司 | 区域电网调控***运行状态在线评估预警方法及*** |
-
2017
- 2017-06-09 CN CN201710432960.9A patent/CN107358338A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110082623A (zh) * | 2019-05-21 | 2019-08-02 | 国网安徽省电力有限公司合肥供电公司 | 一种开关柜健康状态评价方法及*** |
CN110322136A (zh) * | 2019-06-27 | 2019-10-11 | 东南大学 | 一种发布/订阅分布式***健康度评价方法 |
CN110322136B (zh) * | 2019-06-27 | 2022-12-20 | 东南大学 | 一种发布/订阅分布式***健康度评价方法 |
CN110865924A (zh) * | 2019-11-29 | 2020-03-06 | 国网四川省电力公司信息通信公司 | 电力信息***内部服务器健康度诊断方法与健康诊断框架 |
CN110865924B (zh) * | 2019-11-29 | 2023-05-16 | 国网四川省电力公司信息通信公司 | 电力信息***内部服务器健康度诊断方法与健康诊断框架 |
CN110889565A (zh) * | 2019-12-19 | 2020-03-17 | 云南电网有限责任公司信息中心 | 一种基于多维矩阵决策的配网巡检周期计算方法 |
CN110889565B (zh) * | 2019-12-19 | 2022-04-26 | 云南电网有限责任公司信息中心 | 一种基于多维矩阵决策的配网巡检周期计算方法 |
CN111190713A (zh) * | 2019-12-26 | 2020-05-22 | 曙光信息产业(北京)有限公司 | 一种作业调度管理方法和装置 |
CN112202627A (zh) * | 2020-08-21 | 2021-01-08 | 苏州浪潮智能科技有限公司 | 一种网络中心的健康度评价方法和装置 |
CN113807690A (zh) * | 2021-09-09 | 2021-12-17 | 国网江苏省电力有限公司苏州供电分公司 | 区域电网调控***运行状态在线评估预警方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107358338A (zh) | 一种多业务和硬件融合的d5000***健康度分层优先评价方法 | |
CN107563680B (zh) | 一种基于ahp和熵权法的配电网可靠性评估方法 | |
CN108428045A (zh) | 一种配电网运行健康状态评估方法 | |
CN103426120A (zh) | 基于可靠性的中低压配电网的综合评估方法 | |
CN102385723B (zh) | 一种重要电力用户应急电源配置方法 | |
CN103761690A (zh) | 基于电网***中电压无功控制***的评估方法 | |
CN107609725A (zh) | 一种考虑变电站影响的输电网风险评估方法 | |
CN108985602B (zh) | 一种计及风险的电网分类项目的投入产出评价方法及*** | |
CN103996147A (zh) | 配电网综合评估方法 | |
CN106447403A (zh) | 一种大用户直购电环境下用户优先级分类方法 | |
CN110232490A (zh) | 一种配电网工程投资成效的评估方法及*** | |
CN105512783A (zh) | 用于电磁环网解环方案的综合评价方法 | |
CN108197848A (zh) | 一种基于直觉模糊理论的电能质量综合评估方法及装置 | |
Zhang et al. | Critical node identification in active distribution network using resilience and risk theory | |
CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
CN110348674A (zh) | 一种电网风险评估方法、***和计算机可读存储介质 | |
CN106530139A (zh) | 电网投资分析模型指标参数计算方法 | |
CN107622360A (zh) | 一种综合考虑主客观因素的关键线路识别方法 | |
CN109345090A (zh) | 一种基于配电网可靠性提升的网架评价方法 | |
Yu et al. | Credit risk analysis of electricity retailers based on cloud model and intuitionistic fuzzy analytic hierarchy process | |
CN108132423B (zh) | 一种基于状态转移概率电力***监测数据失真的快速定位方法 | |
Chen et al. | Severity index‐based voltage sag insurance for high‐tech enterprises | |
CN109523102A (zh) | 一种配电网运行状态综合评价方法 | |
CN110348540A (zh) | 基于聚类的电力***暂态功角稳定故障筛选方法及装置 | |
CN110071500B (zh) | 一种母线故障失电后配电线路恢复序列决策方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171117 |
|
RJ01 | Rejection of invention patent application after publication |