CN108347352A - 一种电力***中信息***及设备性能的诊断方法 - Google Patents

一种电力***中信息***及设备性能的诊断方法 Download PDF

Info

Publication number
CN108347352A
CN108347352A CN201810113494.2A CN201810113494A CN108347352A CN 108347352 A CN108347352 A CN 108347352A CN 201810113494 A CN201810113494 A CN 201810113494A CN 108347352 A CN108347352 A CN 108347352A
Authority
CN
China
Prior art keywords
monitoring unit
users
failure
data
utilization rate
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.)
Granted
Application number
CN201810113494.2A
Other languages
English (en)
Other versions
CN108347352B (zh
Inventor
刘宣
黄奇峰
孙虹
唐悦
范洁
郑海雁
陈霄
李新家
张海龙
周玉
崔高颖
陆婋泉
熊政
喻伟
刘述波
王黎明
赵勇
严永辉
李平
徐博
赵芮
刘飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jiangsu Electric Power Co Ltd
Jiangsu Fangtian Power Technology Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jiangsu Electric Power Co Ltd
Jiangsu Fangtian Power Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, State Grid Jiangsu Electric Power Co Ltd, Jiangsu Fangtian Power Technology Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201810113494.2A priority Critical patent/CN108347352B/zh
Publication of CN108347352A publication Critical patent/CN108347352A/zh
Application granted granted Critical
Publication of CN108347352B publication Critical patent/CN108347352B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0677—Localisation of faults
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开了一种电力***中信息***及设备性能的诊断方法，用于对信息***的运行情况进行智能诊断。本发明通过收集信息***及相关设备、中间件的运行信息，构建基于故障诊断专家***和递归神经网络的自适应集成学习模型，能快速智能地诊断信息***运行故障，供***运行维护人员及时排查异常，提高业务服务质量。

Description

一种电力***中信息***及设备性能的诊断方法
技术领域
本发明属于机器学习技术领域，具体涉及一种电力***中信息***及设备性能的诊断方法。
背景技术
用电信息采集***是坚强智能电网的重要组成部分，也是智能用电服务环节的技术基础，其稳定可靠运行直接关系到智能电网“信息化、自动化、互动化”发展水平。随着用电信息采集***的全面覆盖，对用电信息采集***及设备运行的稳定可靠性提出了更高要求。
用电信息采集***主要由主站服务、网络设备、数据库、中间件构成，传统的***维护依靠告警信息和现场巡视，通过测试仪器捕捉故障，通过运维专职的个人知识和实践经验分析故障原因。目前各省公司都在不断探索采集***运行状态监控和评估的方法，建立常态化运维机制，尽量提升***采集可靠性和稳定性，如江苏省电力有限公司实现了对采集***关键性能指标的监测管理，为公司开展采集***性能在线监测标准化设计提供了实践经验。
在能源互联网快速研究和建设的形势下，随着大量分布式风光发电、电动汽车充电桩、储能设备等双向负荷出现，终端设备运行环境日趋复杂，用电信息采集***日趋复杂，由主站服务、网络设备、数据库、中间件等异常导致的问题逐步凸显，亟需研究一种快速的、智能的用电信息采集***及设备性能诊断方法。
发明内容
为了解决现有技术中存在的不足，本发明提供了一种电力***中信息***及设备性能的诊断方法，***运维人员利用该方法的分析结果，能够快速诊断出电力***中信息***的故障原因，准确定位***运行故障节点，排查故障原因，迅速进行现场消缺工作，提高业务服务质量，具有良好的应用前景，值得推广。
为解决上述问题，本发明具体采用以下技术方案：
一种电力***中信息***及设备性能的诊断方法，其特征在于，包括以下步骤：
步骤(1)，收集信息***及相关设备、中间件运行信息；
以***运行服务器为监测单元，收集服务器运行参数；
以信息***服务节点为监测单元，收集服务运行参数；
以数据库运行节点为监测单元，收集数据库运行参数；
以Weblogic中间件运行实例为监测单元，收集Weblogic运行参数；
以指定的定向网络连接为监测单元，收集网络连接参数；
步骤(2)，针对每一个类型的数据进行分布式存储；
步骤(3)，建立故障诊断专家***，根据每个监测单元类型的数据量、计算复杂度、数据关联度对每种数据类型的监测数据进行计算，分析故障类型；根据每种监测单元类型组合的数据量、计算复杂度、数据关联度，对监测单元类型组合中的监测数据进行计算，分析故障类型；
步骤(4)，建立计算负载均衡服务，根据每个监测单元类型和监测单元类型组合的计算复杂度、数据关联度、计算资源，实施动态计算资源分配；
步骤(5)，基于递归神经网络和故障诊断专家***诊断结果的集成学习，构建自适应集成学习模型，从***中抽取每一次新的故障数据作为训练数据，从训练数据中学习并优化特征，提高智能诊断结果的准确性。
前述的一种电力***中信息***及设备性能的诊断方法，其特征在于，所述步骤(1)中服务器运行参数包括服务器的性能参数和运行参数，所述性能参数包括服务器处理器核心数、内存大小、磁盘空间，所述运行参数包括服务器处理器使用率、内存占用率、磁盘使用率，所述服务运行参数包括服务连接状态、用户连接数，所述数据库运行参数包括数据库的用户连接数、表空间使用率、数据库连接状态、序列使用率，所述Weblogic运行参数包括包括Weblogic中间件的用户连接数、活动连接数、JVM堆空闲占比。
前述的一种电力***中信息***及设备性能的诊断方法，其特征在于，所述步骤(2)中，针对每一个类型的数据进行分布式存储，具体存储格式为监测单元编号、数据类型、采集状态信息，便于智能诊断时对故障进行定位。
前述的一种电力***中信息***及设备性能的诊断方法，其特征在于，所述步骤(3)中各类监测单元类型的计算复杂度设置和故障状态具体为：
所述服务器运行参数的故障状态包括处理器告警、处理器重载、内存告警、内存使用超高、磁盘空间告警、磁盘空间不足、访问受限、未知故障，计算复杂度为5；
所述服务运行参数的故障状态包括连接失败、连接用户数过少、连接用户数过多、响应延迟，计算复杂度为2；
所述数据库运行参数的故障状态包括连接用户数过少、连接用户数过多、表空间告警、表空间不足、序列使用率告警、序列使用率超高、连接异常，计算复杂度为3；
所述Weblogic运行参数的故障状态包括连接用户数过少、连接用户数过多、活动连接数过多、 JVM堆空间使用告警、JVM堆空间使用过高，计算复杂度为1；
所述网络连接参数的故障状态包括网络延时、丢数据包、网络异常，计算复杂度为3。
前述的一种电力***中信息***及设备性能的诊断方法，其特征在于，网络连接参数需根据实际情况预设置多条待监测的网络监测路径。
前述的一种电力***中信息***及设备性能的诊断方法，其特征在于，监测单元类型组合，为监测单元类型的任意2-5类监测单元类型组合。
前述的一种电力***中信息***及设备性能的诊断方法，其特征在于，每一组监测单元类型组合的计算复杂度为组合中各个监测单元类型计算复杂度的最小公倍数，数据关联度为监测单元类型组合中各类型计算复杂度的最小公倍数除以监测单元类型组合中最小计算复杂度，可得单个监测单元类型数据关联度为1，计算公式如下：
针对每种数据监测单元类型和类型组合设置计算权重，用于对各种故障类型分析的可能结果进行排序。
前述的一种电力***中信息***及设备性能的诊断方法，其特征在于，故障状态判断标准如下：
a.服务器故障判断依据：
处理器告警：使用率超90％；
处理器重载：连续5次处理器告警，或连续3次使用率超95％；
内存告警：内存使用率超90％；
内存使用超高：连续5次内存告警，或连续2次使用率超95％；
磁盘空间告警：磁盘使用超90％；
磁盘空间不足：磁盘使用超95％；
访问受限：服务器ping测试失败，且网络监测无故障；
b.服务故障判断依据：
连接失败：服务登陆接口无响应，且无网络监测故障、数据库连接异常故障；
连接用户数过少：低于近3天用户平均连接数30％；
连接用户数过多：高于近3天用户平均连接数50％；
响应延迟：服务登陆接口响应延迟超30s，且无网络延时故障；
c.数据库故障判断依据：
连接用户数过少：低于近3天用户平均连接数30％；
连接用户数过多：高于近3天用户平均连接数50％；
表空间告警：表空间使用率超90％；
表空间不足：表空间使用率超95％；
序列使用率告警：序列使用率监测结果超95％；
序列使用率过高：连续3次序列使用率监测结果超95％；
连接异常：数据库测试登陆失败，且网络监测无故障；
d.Weblogic故障判断依据：
连接用户数过少：低于近3天用户平均连接数30％；
连接用户数过多：高于近3天用户平均连接数50％；
活动连接数过多：连续3次活动连接数高于150；
JVM堆内存使用告警：JVM堆中内存空闲率低于10％；
JVM堆内存使用过高：连续3次告警，或连续5次低于5％；
e.网络监测：
网络延时：预设监测路径测试延迟超近3日平均延迟30％；
丢数据包：预设监测路径连接测试，出现丢包；
网络异常：预设监测路径连接测试失败；
f.未知故障：
未知故障：***运行中识别的除以上故障外的其他故障，针对该类故障，需要对***运行时的自适应学习结果进行归纳，扩展定义新的故障类型。
本发明的有益效果：本发明提供的一种电力***中信息***及设备性能的诊断方法，用于对信息***的运行情况进行智能诊断。本发明通过收集信息***及相关设备、中间件的运行信息，构建基于故障诊断专家***和递归神经网络的自适应集成学***，保证***及设备高性能、高可靠运行，大幅降低运维成本，有效提高电网安全运行水平和效益；二是可及时检测***故障，缩短抢修时间，提高供电可靠率，提升电网公司和客户的双向互动服务能力，实现用电营销优质服务，充分展现国网公司作为责任央企的良好社会形象；三是为***及设备改造优化策略和方案的制定提供技术支撑，促进行业的发展和技术的进步。本发明具有良好的应用前景，值得推广。
附图说明
附图1为本发明的电力***中信息***及设备性能的诊断方法的***框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步描述。
如图1所示，一种电力***中信息***及设备性能的诊断方法，所述方法能够快速地根据信息***及设备、中间件的信息，快速诊断出***运行故障的原因，具体包括以下步骤：
步骤(1)，收集信息***及相关设备、中间件运行信息；
以***运行服务器为监测单元，收集服务器运行参数，即服务器性能参数和运行参数，性能参数包括服务器处理器核心数、内存大小、磁盘空间；运行参数包括服务器处理器使用率、内存占用率、磁盘使用率等；
以信息***服务节点为监测单元，收集服务运行参数，包括服务连接状态、用户连接数等；
以数据库运行节点为监测单元，收集数据库运行参数，包括数据库的用户连接数、表空间使用率、数据库连接状态、序列使用率等；
以Weblogic中间件运行实例为监测单元，收集Weblogic运行参数，包括Weblogic中间件的用户连接数、活动连接数、JVM堆空闲占比等；
以指定的定向网络连接为监测单元，收集网络连接参数；
步骤(2)，针对每一个类型的数据进行分布式存储，提高数据读取速度，具体存储格式为监测单位编号、数据类型、采集状态信息，便于智能诊断时对故障进行定位；
步骤(3)，建立故障诊断专家***，根据每个监测单元类型的数据量、计算复杂度、数据关联度对每种数据类型的监测数据进行计算，分析故障类型；根据每种监测单元类型组合的数据量、计算复杂度、数据关联度，对监测单元类型组合中的监测数据进行计算，分析故障类型；
各类监测单元类型的计算复杂度设置和故障状态对应如下：
网络连接参数：需根据实际情况，预设置多条待监测的网络监测路径。
监测单元类型组合，为上述监测单元类型的任意2-5类监测单元类型组合。根据目前的监测单元类型分类，理论上有种组合。
每一组监测单元类型组合的计算复杂度为组合中各个监测单元类型计算复杂度的最小公倍数。
数据关联度：监测单元类型组合中各类型计算复杂度的最小公倍数除以监测单元类型组合中最小计算复杂度，可得单个监测单元类型数据关联度为1。计算公式如下：
针对每种数据监测单元类型和类型组合设置计算权重，用于对各种故障类型分析的可能结果进行排序；
步骤(4)，建立计算负载均衡服务，根据每个监测单元类型和监测单元类型组合的计算复杂度、数据关联度、计算资源，实施动态计算资源分配；
步骤(5)，基于递归神经网络和故障诊断专家***诊断结果的集成学习，构建自适应集成学习模型，从***中抽取每一次新的故障数据作为训练数据，从训练数据中学习并优化特征，提高智能诊断结果的准确性。
故障状态判断标准如下：
a.服务器故障判断依据：
处理器告警：使用率超90％；
处理器重载：连续5次处理器告警，或连续3次使用率超95％；
内存告警：内存使用率超90％；
内存使用超高：连续5次内存告警，或连续2次使用率超95％；
磁盘空间告警：磁盘使用超90％；
磁盘空间不足：磁盘使用超95％；
访问受限：服务器ping测试失败，且网络监测无故障；
b.服务故障判断依据：
连接失败：服务登陆接口无响应，且无网络监测故障、数据库连接异常故障；
连接用户数过少：低于近3天用户平均连接数30％；
连接用户数过多：高于近3天用户平均连接数50％；
响应延迟：服务登陆接口响应延迟超30s，且无网络延时故障；
c.数据库故障判断依据：
连接用户数过少：低于近3天用户平均连接数30％；
连接用户数过多：高于近3天用户平均连接数50％；
表空间告警：表空间使用率超90％；
表空间不足：表空间使用率超95％；
序列使用率告警：序列使用率监测结果超95％；
序列使用率过高：连续3次序列使用率监测结果超95％；
连接异常：数据库测试登陆失败，且网络监测无故障；
d.Weblogic故障判断依据：
连接用户数过少：低于近3天用户平均连接数30％；
连接用户数过多：高于近3天用户平均连接数50％；
活动连接数过多：连续3次活动连接数高于150；
JVM堆内存使用告警：JVM堆中内存空闲率低于10％；
JVM堆内存使用过高：连续3次告警，或连续5次低于5％；
e.网络监测：
网络延时：预设监测路径测试延迟超近3日平均延迟30％；
丢数据包：预设监测路径连接测试，出现丢包；
网络异常：预设监测路径连接测试失败；
f.未知故障：
未知故障：***运行中识别的除以上故障外的其他故障，针对该类故障，需要对***运行时的自适应学习结果进行归纳，扩展定义新的故障类型。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种电力***中信息***及设备性能的诊断方法，其特征在于，包括以下步骤：
步骤(1)，收集信息***及相关设备、中间件运行信息；
以***运行服务器为监测单元，收集服务器运行参数；
以信息***服务节点为监测单元，收集服务运行参数；
以数据库运行节点为监测单元，收集数据库运行参数；
以Weblogic中间件运行实例为监测单元，收集Weblogic运行参数；
以指定的定向网络连接为监测单元，收集网络连接参数；
步骤(2)，针对每一个类型的数据进行分布式存储；
步骤(3)，建立故障诊断专家***，根据每个监测单元类型的数据量、计算复杂度、数据关联度对每种数据类型的监测数据进行计算，分析故障类型；根据每种监测单元类型组合的数据量、计算复杂度、数据关联度，对监测单元类型组合中的监测数据进行计算，分析故障类型；
步骤(4)，建立计算负载均衡服务，根据每个监测单元类型和监测单元类型组合的计算复杂度、数据关联度、计算资源，实施动态计算资源分配；
步骤(5)，基于递归神经网络和故障诊断专家***诊断结果的集成学习，构建自适应集成学习模型，从***中抽取每一次新的故障数据作为训练数据，从训练数据中学习并优化特征，提高智能诊断结果的准确性。
2.根据权利要求1所述的一种电力***中信息***及设备性能的诊断方法，其特征在于，所述步骤(1)中服务器运行参数包括服务器的性能参数和运行参数，所述性能参数包括服务器处理器核心数、内存大小、磁盘空间，所述运行参数包括服务器处理器使用率、内存占用率、磁盘使用率，所述服务运行参数包括服务连接状态、用户连接数，所述数据库运行参数包括数据库的用户连接数、表空间使用率、数据库连接状态、序列使用率，所述Weblogic运行参数包括包括Weblogic中间件的用户连接数、活动连接数、JVM堆空闲占比。
3.根据权利要求1所述的一种电力***中信息***及设备性能的诊断方法，其特征在于，所述步骤(2)中，针对每一个类型的数据进行分布式存储，具体存储格式为监测单元编号、数据类型、采集状态信息，便于智能诊断时对故障进行定位。
4.根据权利要求1所述的一种电力***中信息***及设备性能的诊断方法，其特征在于，所述步骤(3)中各类监测单元类型的计算复杂度设置和故障状态具体为：
所述服务器运行参数的故障状态包括处理器告警、处理器重载、内存告警、内存使用超高、磁盘空间告警、磁盘空间不足、访问受限、未知故障，计算复杂度为5；
所述服务运行参数的故障状态包括连接失败、连接用户数过少、连接用户数过多、响应延迟，计算复杂度为2；
所述数据库运行参数的故障状态包括连接用户数过少、连接用户数过多、表空间告警、表空间不足、序列使用率告警、序列使用率超高、连接异常，计算复杂度为3；
所述Weblogic运行参数的故障状态包括连接用户数过少、连接用户数过多、活动连接数过多、JVM堆空间使用告警、JVM堆空间使用过高，计算复杂度为1；
所述网络连接参数的故障状态包括网络延时、丢数据包、网络异常，计算复杂度为3。
5.根据权利要求4所述的一种电力***中信息***及设备性能的诊断方法，其特征在于，网络连接参数需根据实际情况预设置多条待监测的网络监测路径。
6.根据权利要求5所述的一种电力***中信息***及设备性能的诊断方法，其特征在于，监测单元类型组合，为监测单元类型的任意2-5类监测单元类型组合。
7.根据权利要求6所述的一种电力***中信息***及设备性能的诊断方法，其特征在于，每一组监测单元类型组合的计算复杂度为组合中各个监测单元类型计算复杂度的最小公倍数，数据关联度为监测单元类型组合中各类型计算复杂度的最小公倍数除以监测单元类型组合中最小计算复杂度，可得单个监测单元类型数据关联度为1，计算公式如下：
针对每种数据监测单元类型和类型组合设置计算权重，用于对各种故障类型分析的可能结果进行排序。
8.根据权利要求7所述的一种电力***中信息***及设备性能的诊断方法，其特征在于，故障状态判断标准如下：
a.服务器故障判断依据：
处理器告警：使用率超90％；
处理器重载：连续5次处理器告警，或连续3次使用率超95％；
内存告警：内存使用率超90％；
内存使用超高：连续5次内存告警，或连续2次使用率超95％；
磁盘空间告警：磁盘使用超90％；
磁盘空间不足：磁盘使用超95％；
访问受限：服务器ping测试失败，且网络监测无故障；
b.服务故障判断依据：
连接失败：服务登陆接口无响应，且无网络监测故障、数据库连接异常故障；
连接用户数过少：低于近3天用户平均连接数30％；
连接用户数过多：高于近3天用户平均连接数50％；
响应延迟：服务登陆接口响应延迟超30s，且无网络延时故障；
c.数据库故障判断依据：
连接用户数过少：低于近3天用户平均连接数30％；
连接用户数过多：高于近3天用户平均连接数50％；
表空间告警：表空间使用率超90％；
表空间不足：表空间使用率超95％；
序列使用率告警：序列使用率监测结果超95％；
序列使用率过高：连续3次序列使用率监测结果超95％；
连接异常：数据库测试登陆失败，且网络监测无故障；
d.Weblogic故障判断依据：
连接用户数过少：低于近3天用户平均连接数30％；
连接用户数过多：高于近3天用户平均连接数50％；
活动连接数过多：连续3次活动连接数高于150；
JVM堆内存使用告警：JVM堆中内存空闲率低于10％；
JVM堆内存使用过高：连续3次告警，或连续5次低于5％；
e.网络监测：
网络延时：预设监测路径测试延迟超近3日平均延迟30％；
丢数据包：预设监测路径连接测试，出现丢包；
网络异常：预设监测路径连接测试失败；
f.未知故障：
未知故障：***运行中识别的除以上故障外的其他故障，针对该类故障，需要对***运行时的自适应学习结果进行归纳，扩展定义新的故障类型。
CN201810113494.2A 2018-02-05 2018-02-05 一种电力***中信息***及设备性能的诊断方法 Active CN108347352B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810113494.2A CN108347352B (zh) 2018-02-05 2018-02-05 一种电力***中信息***及设备性能的诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810113494.2A CN108347352B (zh) 2018-02-05 2018-02-05 一种电力***中信息***及设备性能的诊断方法

Publications (2)

Publication Number Publication Date
CN108347352A true CN108347352A (zh) 2018-07-31
CN108347352B CN108347352B (zh) 2021-03-16

Family

ID=62958458

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810113494.2A Active CN108347352B (zh) 2018-02-05 2018-02-05 一种电力***中信息***及设备性能的诊断方法

Country Status (1)

Country Link
CN (1) CN108347352B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109818808A (zh) * 2019-03-12 2019-05-28 国网福建省电力有限公司 故障诊断方法、装置和电子设备
CN110048909A (zh) * 2019-04-17 2019-07-23 新华三技术有限公司 网络运维方法及装置
CN110213120A (zh) * 2019-04-24 2019-09-06 深圳智链物联科技有限公司 一种消息中间件的压测方法、装置及终端设备
CN110769032A (zh) * 2019-09-18 2020-02-07 国网江苏省电力有限公司 一种电网设备故障快速检测与维护的***及方法
CN111309572A (zh) * 2020-02-13 2020-06-19 上海复深蓝软件股份有限公司 测试分析方法、装置、计算机设备及存储介质
CN113904933A (zh) * 2021-09-30 2022-01-07 中国船舶重工集团公司第七一九研究所 数字化网络控制***性能与可靠性同步优化方法
CN118132328A (zh) * 2024-05-08 2024-06-04 南京贝特威信息技术有限公司 一种基于渐进机制和运行态数据驱动的信息***性能缺陷智能诊断方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1635286A1 (en) * 2004-07-02 2006-03-15 Rockwell Automation Technologies, Inc. Energy management system
CN104038371A (zh) * 2014-05-22 2014-09-10 国家电网公司 一种电力通信传输网自适应性能采集方法
CN106789412A (zh) * 2016-12-08 2017-05-31 国网北京市电力公司 监测信息采集主站性能的方法、装置及***
CN107085164A (zh) * 2017-03-22 2017-08-22 清华大学 一种电网故障类型确定方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1635286A1 (en) * 2004-07-02 2006-03-15 Rockwell Automation Technologies, Inc. Energy management system
CN104038371A (zh) * 2014-05-22 2014-09-10 国家电网公司 一种电力通信传输网自适应性能采集方法
CN106789412A (zh) * 2016-12-08 2017-05-31 国网北京市电力公司 监测信息采集主站性能的方法、装置及***
CN107085164A (zh) * 2017-03-22 2017-08-22 清华大学 一种电网故障类型确定方法及装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109818808A (zh) * 2019-03-12 2019-05-28 国网福建省电力有限公司 故障诊断方法、装置和电子设备
CN109818808B (zh) * 2019-03-12 2022-05-10 国网福建省电力有限公司 故障诊断方法、装置和电子设备
CN110048909A (zh) * 2019-04-17 2019-07-23 新华三技术有限公司 网络运维方法及装置
CN110213120A (zh) * 2019-04-24 2019-09-06 深圳智链物联科技有限公司 一种消息中间件的压测方法、装置及终端设备
CN110213120B (zh) * 2019-04-24 2020-12-04 深圳智链物联科技有限公司 一种消息中间件的压测方法、装置及终端设备
CN110769032A (zh) * 2019-09-18 2020-02-07 国网江苏省电力有限公司 一种电网设备故障快速检测与维护的***及方法
CN110769032B (zh) * 2019-09-18 2022-01-18 国网江苏省电力有限公司 一种电网设备故障快速检测与维护的***及方法
CN111309572A (zh) * 2020-02-13 2020-06-19 上海复深蓝软件股份有限公司 测试分析方法、装置、计算机设备及存储介质
CN113904933A (zh) * 2021-09-30 2022-01-07 中国船舶重工集团公司第七一九研究所 数字化网络控制***性能与可靠性同步优化方法
CN113904933B (zh) * 2021-09-30 2023-08-25 中国船舶重工集团公司第七一九研究所 数字化网络控制***性能与可靠性同步优化方法
CN118132328A (zh) * 2024-05-08 2024-06-04 南京贝特威信息技术有限公司 一种基于渐进机制和运行态数据驱动的信息***性能缺陷智能诊断方法

Also Published As

Publication number Publication date
CN108347352B (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN108347352A (zh) 一种电力***中信息***及设备性能的诊断方法
CN111584952B (zh) 用于储能电站电化学电池在线评估的方法和***
CN110320892A (zh) 基于Lasso回归的污水处理设备故障诊断***及方法
CN109856299A (zh) 一种变压器在线监测差异化阈值动态设置方法、***
CN108344947A (zh) 一种非侵入式的燃料电池故障诊断方法
CN106199276A (zh) 一种用电信息采集***中异常信息的智能诊断***及方法
CN106405475A (zh) 电能表异常诊断方法
CN106021771A (zh) 一种故障诊断方法及装置
CN106771448A (zh) 一种电能表分流分析防窃电预警分析方法
CN109188227A (zh) 一种双馈型风力发电机绝缘状态评估方法及***
CN109615273A (zh) 一种电动汽车充电设施状态评价方法与***
CN110703009A (zh) 台区线损率异常分析及处理方法
CN107705054A (zh) 满足复杂数据的新能源并网发电远程测试诊断平台及方法
CN108197774A (zh) 一种分布式光伏发电量异常诊断的方法及装置
CN111967620A (zh) 一种光伏组件诊断方法、装置、设备及可读存储介质
CN111784537B (zh) 一种配电网状态参数监测方法、装置及电子设备
CN116128467A (zh) 用电***维护方法、装置、计算机设备和存储介质
CN116882804A (zh) 一种智能电力监控方法及***
CN1310468C (zh) 一种通讯网络设备蓄电池在线监测方法
CN111460656B (zh) 一种电力机房通信电源运行寿命评估方法和***
CN116506339A (zh) 一种电力行业网络安全实时监测分析***
CN108254689A (zh) 电池组反极单体电池检测方法和***
CN117371788A (zh) 一种电力营销风险预警方法及***
CN110441725A (zh) 基于自适应神经模糊推理的智能电表故障诊断方法及装置
CN114156901B (zh) 一种低压配变无功补偿装置状态异常检测方法

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
GR01 Patent grant
GR01 Patent grant