CN111064620A - 基于运维知识库的电网多媒体会议室设备维护方法和*** - Google Patents
基于运维知识库的电网多媒体会议室设备维护方法和*** Download PDFInfo
- Publication number
- CN111064620A CN111064620A CN201911330280.1A CN201911330280A CN111064620A CN 111064620 A CN111064620 A CN 111064620A CN 201911330280 A CN201911330280 A CN 201911330280A CN 111064620 A CN111064620 A CN 111064620A
- Authority
- CN
- China
- Prior art keywords
- operation data
- equipment
- conference room
- maintenance
- power grid
- 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
Images
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
- H04L41/02—Standardisation; Integration
- H04L41/0246—Exchanging or transporting network management information using the Internet; Embedding network management web servers in network elements; Web-services-based protocols
- H04L41/0253—Exchanging or transporting network management information using the Internet; Embedding network management web servers in network elements; Web-services-based protocols using browsers or web-pages for accessing management information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- H04L41/0645—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 by additionally acting on or stimulating the network after receiving notifications
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种基于运维知识库的电网多媒体会议室设备维护方法及***，其中，所述方法包括：基于设置在电网多媒体会议室设备上的传感器采集电网多媒体会议室设备的运行数据信息，将采集到的运行数据信息上传至运维服务器；判断所述运行数据信息是存在异常时，将异常的运行数据信息与运维知识库中的设备运行数据进行匹配，获取相互匹配的设备运行数据；基于相互匹配的设备运行数据获取检索关键字，并根据检索关键字的标注在运维知识库中调取对应的故障处理方案；对调取对应的故障处理方案进行概率预测以及可视化，将可视化处理结果推送至管理用户终端。在本发明实施例中，实时监测多设备情况，实时根据设备故障情况推送相关处理方案。
Description
技术领域
本发明涉及设备维护方案智能推送技术领域，尤其涉及一种基于运维知识库的电网多媒体会议室设备维护方法及***。
背景技术
随着电网多媒体会议室数量持续增多，会场设备越来越多，现场运维人员不足以支撑多会场运维，新人员技术跟不上，对设备进行维护处理越来越难；现在急需要通过运维知识库***对接电网多媒体会议室设备，实时监测设备状态，对故障设备提供处理方案，来解决现场维护人员不足，降低维护成本且保障维护质量。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种基于运维知识库的电网多媒体会议室设备维护方法及***，实现实时监测多设备情况，实时根据设备故障情况推送相关处理方案。
为了解决上述技术问题，本发明实施例提供了一种基于运维知识库的电网多媒体会议室设备维护方法，所述方法包括：
基于设置在电网多媒体会议室设备上的传感器采集所述电网多媒体会议室设备的运行数据信息，以及基于HTTP传输协议将采集到的运行数据信息上传至运维服务器；
所述运维服务器判断所述运行数据信息是否存在异常；
若存在异常，所述运维服务器将异常的运行数据信息与运维知识库中的设备运行数据进行匹配，获取相互匹配的设备运行数据；
基于相互匹配的设备运行数据获取检索关键字，并根据所述检索关键字的标注在所述运维知识库中调取对应的故障处理方案；
对调取对应的故障处理方案进行概率预测，并根据预测结果进行可视化处理，以及将可视化处理结果推送至管理用户终端。
可选的，所述运维知识库的数据更新步骤，包括：
基于爬虫算法在互联网上爬取与电网多媒体会议室设备的相关故障处理方案，并按照爬取的时间顺序对所述相关故障处理方案进行唯一性编码标注；
基于NLP算法分析模型对所述相关故障处理方案进行检索关键字以及设备运行数据提取处理，并将提取到的检索关键字以及设备运行数据按照所述相关故障处理方案的唯一性编码进行标注；
利用Canopy-Kmeans聚类算法对已标注的检索关键字和设备运行数据以设备运行数据为中心进行聚类处理，将设备运行数据划分为K个聚簇；
基于索引引擎分别建立起K个聚簇中的检索关键字与相关故障处理方案的全文索引，以及更新至所述运维知识库。
可选的，所述基于NLP算法分析模型对所述相关故障处理方案进行检索关键字以及设备运行数据提取处理之前，包括：
所述NLP算法分析模型的输入端将相关故障处理方案拆分为以段或句的短文本。
可选的，所述利用Canopy-Kmeans聚类算法对已标注的检索关键字和设备运行数据以设备运行数据为中心进行聚类处理，将设备运行数据划分为K个聚簇，包括：
利用Canopy聚类算法对已标注的检索关键字和设备运行数据以设备运行数据为中心进行初步粗聚类，获得K个Canopy中心以及初步聚簇；
将K个Canopy中心以及初步聚簇作为Kmeans聚类算法的质心进行聚类，将设备运行数据划分为K个聚簇。
可选的，所述对调取对应的故障处理方案进行概率预测，包括：
基于贝叶斯概率预测模型来对调取对应的故障处理方案进行概率预测。
可选的，所述基于贝叶斯概率预测模型来对调取对应的故障处理方案进行概率预测的贝叶斯概率预测模型公式如下：
在对应的故障处理方案T<A1,A2,A3,…,An>情况下，可能选择的Vi选作为故障处理方案的条件概率可用以下式子表示：
而对应的故障处理方案T<A1,A2,A3,…,An>是相互独立的，则有：
将公式(2)和公式(3)代入公式(1)中，可得：
通过公式(4)即可计算出可能选择的方案作为故障处理方案的条件概率Vi；
其中，T<A1,A2,A3,…,An>表示对应的故障处理方案，An表示第n个对应的故障处理方案；Vi表示选作为故障处理方案的条件概率；i＝1,2,3,…,m；j＝1,2,3,…,n。
可选的，所述根据预测结果进行可视化处理，包括：
对所述预测结果按照降序排序的方式进行排序处理，获取排序后的预测结果；
对排序后的预测结果按照概率地图的方式进行可视化处理。
可选的，所述将可视化处理结果推送至管理用户终端，包括：
基于HTTP传输协议将所述可视化处理结果推送至管理用户终端。
可选的，所述方法还包括：
基于管理用户绑定的移动号码将可视化处理结果以彩信的方式推送至管理用户的移动终端。
另外，本发明实施例还提供了一种基于运维知识库的电网多媒体会议室设备维护方案推荐***，所述***包括：
数据采集模块：用于基于设置在电网多媒体会议室设备上的传感器采集所电网多媒体会议室设备的运行数据信息，以及基于HTTP传输协议将采集到的运行数据信息上传至运维服务器；
判断模块：用于所述运维服务器判断所述运行数据信息是否存在异常；
匹配模块：用于若存在异常，所述运维服务器将异常的运行数据信息与运维知识库中的设备运行数据进行匹配，获取相互匹配的设备运行数据；
方案调取模块：用于基于相互匹配的设备运行数据获取检索关键字，并根据所述检索关键字的标注在所述运维知识库中调取对应的故障处理方案；
预测及推送模块：用于对调取对应的故障处理方案进行概率预测，并根据预测结果进行可视化处理，以及将可视化处理结果推送至管理用户终端。
在本发明实施例中，通过实时采集电网多媒体会议室设备的运行数据信息，判断该运行数据信息是否存在异常，若存在异常，利用该运行数据信息在运维知识库进行匹配获得相互匹配的设备运行数据；根据相互匹配的设备运行数据对应的检索关键字调取对应的故障处理方案；在对对应的故障处理方案进行概率预测之后可视化推荐给管理用户终端，实现了实时监测多设备情况，实时根据设备故障情况推送相关处理方案；在具有相关的处理方案之后，使得相应的维护人员能够快速的进行维护，有效的解决了现场维护人员不足的问题，并且降低了维护成本，保障了维护质量，以及提高维护效率等。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例中的电网多媒体会议室设备维护方法的流程示意图；
图2是本发明实施例中的电网多媒体会议室设备维护方案推荐***的结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例
请参阅图1，图1是本发明实施例中的电网多媒体会议室设备维护方法的流程示意图。
如图1所示，一种基于运维知识库的电网多媒体会议室设备维护方法，所述方法包括：
S11：基于设置在电网多媒体会议室设备上的传感器采集所述电网多媒体会议室设备的运行数据信息；
在本发明具体实施过程中，在电网多媒体会议室设备上均设置有相应的传感器用来采集电网多媒体会议室设备上的运行数据信息，并且是实时的采集电网多媒体会议室设备上的运行数据信息。
S12：基于HTTP传输协议将采集到的运行数据信息上传至运维服务器；
在本发明具体实施过程中，对采集到的运行数据信息通过HTTP传输协议上传至运维服务器中。
HTTP传输协议(HyperText Transfer Protocol)为超文本传输协议；是互联网上应用最为广泛的一种网络协议；HTTP传输协议是基于请求/响应范式的。一个客户机与服务器建立连接后，发送一个请求给服务器，请求方式的格式为，统一资源标识符、协议版本号，后边是MIME信息包括请求修饰符、客户机信息和可能的内容。服务器接到请求后，给予相应的响应信息，其格式为一个状态行包括信息的协议版本号、一个成功或错误的代码，后边是MIME信息包括服务器信息、实体信息和可能的内容。
S13：所述运维服务器判断所述运行数据信息是否存在异常；
在本发明具体实施过程中，运维服务器在接收到运行数据信息，利用该运行数据信息与预设的数据范围进行比较判断该运行数据信息是否存在异常，若存在，进入下一步骤，若不存在，返回上一步骤。
S14：若存在异常，所述运维服务器将异常的运行数据信息与运维知识库中的设备运行数据进行匹配，获取相互匹配的设备运行数据；
在本发明具体实施过程中，所述运维知识库的数据更新步骤，包括：基于爬虫算法在互联网上爬取与电网多媒体会议室设备的相关故障处理方案，并按照爬取的时间顺序对所述相关故障处理方案进行唯一性编码标注；基于NLP算法分析模型对所述相关故障处理方案进行检索关键字以及设备运行数据提取处理，并将提取到的检索关键字以及设备运行数据按照所述相关故障处理方案的唯一性编码进行标注；利用Canopy-Kmeans聚类算法对已标注的检索关键字和设备运行数据以设备运行数据为中心进行聚类处理，将设备运行数据划分为K个聚簇；基于索引引擎分别建立起K个聚簇中的检索关键字与相关故障处理方案的全文索引，以及更新至所述运维知识库。
进一步的，所述基于NLP算法分析模型对所述相关故障处理方案进行检索关键字以及设备运行数据提取处理之前，包括：所述NLP算法分析模型的输入端将相关故障处理方案拆分为以段或句的短文本。
进一步的，所述利用Canopy-Kmeans聚类算法对已标注的检索关键字和设备运行数据以设备运行数据为中心进行聚类处理，将设备运行数据划分为K个聚簇，包括：利用Canopy聚类算法对已标注的检索关键字和设备运行数据以设备运行数据为中心进行初步粗聚类，获得K个Canopy中心以及初步聚簇；将K个Canopy中心以及初步聚簇作为Kmeans聚类算法的质心进行聚类，将设备运行数据划分为K个聚簇。
具体的，运维服务器将判断为异常的运行数据信息与运维知识库中的设备运行数据进行匹配，从而获得相互匹配的设备运行数据。
其中，运维知识库需要进行持续的更新，因为设备会出现不同情况的问题，有不同的维护方案，或者相同的问题，有不同的维护方案的情况，具体的，运维知识库的更新是利用爬虫算法在互联网上爬取与电网多媒体会议室设备相关的故障处理方案，并按照爬取的时间顺序对故障处理方案进行唯一性编码标记，然后利用NLP算法分析模型对获得到的相关的故障处理方案提取检索关键字以及设备运行数据；将提取到的检索关键字以及设备运行数据按故障处理方案的编号进行标注；对提取到的检索关键字以及设备运行数据进行利用Canopy-Kmeans聚类算法以设备运行数据为中心进行聚类，将设备运行数据划分为K个聚簇；然后利用索引引擎分别建立起K个聚簇与故障处理方案的全文索引，并存储在运维数据库中。
该NLP算法分析模型架构采用，输入，映射(隐藏)，输出的架构，其将整篇故障处理方案出输入端，从输出端输出提取到的检索关键字以及设备运行数据；具体是该模型中输入端间整篇故障处理方案拆分为一段段文本或者一句句话，然后由隐藏层乘以权值矩阵后输出检索关键字以及设备运行数据。
利用Canopy-Kmeans聚类算法进行聚类，具体，先通过Canopy聚类算法进行初步粗聚类，得到若干Canopy中心(令为K个)以及初步聚簇，再将K个Canopy中心作为Kmeans聚类算法的质心以及初步聚簇作为输入，进行聚类后得到到最终聚簇；对Canopy聚类算法以及Kmeans聚类算法的并行化改进思想都是先在检索关键字以及设备运行数据分别进行局部的聚类算法，再通过简单的计算后将各局部聚类结果进行合并得到全局聚类。
在本发明实施例中若单纯只采用Kmeans聚类算法进行聚类时，k值需要调参，不同的值得到的结果不一样；对初始质心点敏感，离群值对模型的影响比较大；不适合非凸形状的簇、大小差别较大的簇；可能收敛到局部极小值，在大规模数据集上收敛较慢；Canopy属于一种‘粗’聚类算法，即使用一种简单、快捷的距离计算方法将数据集分为若干可重叠的子集canopy，这种算法不需要指定k值、但精度较低，可以结合Kmeans算法一起使用：先由Canopy算法进行粗聚类得到k个质心，再使用Kmeans算法进行聚类；如此即可解决采用Kmeans聚类算法进行聚类中存在的技术问题；可以在大数据集中快速聚类，且具有良好的聚类效果。
S15：基于相互匹配的设备运行数据获取检索关键字，并根据所述检索关键字的标注在所述运维知识库中调取对应的故障处理方案；
在本发明具体实施过程中，通过相互匹配的设备运行数据为中心的聚簇获取到相关的检索关键字，根据获取到的检索关键字的标注直接在运维知识库中调取对应的故障处理方案。
S16：对调取对应的故障处理方案进行概率预测，并根据预测结果进行可视化处理，以及将可视化处理结果推送至管理用户终端。
在本发明具体实施过程中，所述对调取对应的故障处理方案进行概率预测，包括：基于贝叶斯概率预测模型来对调取对应的故障处理方案进行概率预测。
进一步的，所述基于贝叶斯概率预测模型来对调取对应的故障处理方案进行概率预测的贝叶斯概率预测模型公式如下：在对应的故障处理方案T<A1,A2,A3,…,An>情况下，可能选择的Vi选作为故障处理方案的条件概率可用以下式子表示：
而对应的故障处理方案T<A1,A2,A3,…,An>是相互独立的，则有：
将公式(2)和公式(3)代入公式(1)中，可得：
通过公式(4)即可计算出可能选择的方案作为故障处理方案的条件概率Vi；
其中，T<A1,A2,A3,…,An>表示对应的故障处理方案，An表示第n个对应的故障处理方案；Vi表示选作为故障处理方案的条件概率；i＝1,2,3,…,m；j＝1,2,3,…,n。
进一步的，所述根据预测结果进行可视化处理，包括：对所述预测结果按照降序排序的方式进行排序处理，获取排序后的预测结果；对排序后的预测结果按照概率地图的方式进行可视化处理。
进一步的，所述将可视化处理结果推送至管理用户终端，包括：基于HTTP传输协议将所述可视化处理结果推送至管理用户终端。
具体的，对调取对应的故障处理方案进行概率预测采用的是贝叶斯概率预测模型进行预测，具体的预测模型公式如下：
在对应的故障处理方案T<A1,A2,A3,…,An>情况下，可能选择的Vi选作为故障处理方案的条件概率可用以下式子表示：
而对应的故障处理方案T<A1,A2,A3,…,An>是相互独立的，则有：
将公式(2)和公式(3)代入公式(1)中，可得：
通过公式(4)即可计算出可能选择的方案作为故障处理方案的条件概率Vi；
其中，T<A1,A2,A3,…,An>表示对应的故障处理方案，An表示第n个对应的故障处理方案；Vi表示选作为故障处理方案的条件概率；i＝1,2,3,…,m；j＝1,2,3,…,n。
利用贝叶斯概率模型来进行预测，相对于现有的一些自学习模型进行预测具有无需大量的历史数据进行复杂的学习更新，无需增加前期的工作量，采用贝叶斯概率模型能在保证预测的准确概率的条件下，减少了前期的模型构建、数据学习以及模型调整等大量工作，可以在保障预测准确度的情况下，降低工作量。
具体的，对通过贝叶斯概率模型预测到的对应的故障处理方案的概率进行排序，具体可以采用降序排序等排序方法进行；获得相应的对应的故障处理方案的概率的排序结果；然后将相应的对应的故障处理方案的概率的排序结果按照概率地图的方式进行可视化处理；在可视化处理完成之后，通过HTTP传输协议传输至指定管理人员终端上显示。
在本发明具体实施过程中，所述方法还包括：基于管理用户绑定的移动号码将可视化处理结果以彩信的方式推送至管理用户的移动终端。
具体的，可通过管理人员绑定移动号码，将排序结果直接以短信方式推送至管理人员移动终端上提示。
在本发明实施例中，通过实时采集电网多媒体会议室设备的运行数据信息，判断该运行数据信息是否存在异常，若存在异常，利用该运行数据信息在运维知识库进行匹配获得相互匹配的设备运行数据；根据相互匹配的设备运行数据对应的检索关键字调取对应的故障处理方案；在对对应的故障处理方案进行概率预测之后可视化推荐给管理用户终端，实现了实时监测多设备情况，实时根据设备故障情况推送相关处理方案；在具有相关的处理方案之后，使得相应的维护人员能够快速的进行维护，有效的解决了现场维护人员不足的问题，并且降低了维护成本，保障了维护质量，以及提高维护效率等。
实施例
请参阅图2，图2是本发明实施例中的电网多媒体会议室设备维护方案推荐***的结构组成示意图。
如图2所示，一种基于运维知识库的电网多媒体会议室设备维护方案推荐***，所述***包括：
数据采集模块11：用于基于设置在电网多媒体会议室设备上的传感器采集所电网多媒体会议室设备的运行数据信息，以及基于HTTP传输协议将采集到的运行数据信息上传至运维服务器；
在本发明具体实施过程中，在电网多媒体会议室设备上均设置有相应的传感器用来采集电网多媒体会议室设备上的运行数据信息，并且是实时的采集电网多媒体会议室设备上的运行数据信息。
在本发明具体实施过程中，对采集到的运行数据信息通过HTTP传输协议上传至运维服务器中。
HTTP传输协议(HyperText Transfer Protocol)为超文本传输协议；是互联网上应用最为广泛的一种网络协议；HTTP传输协议是基于请求/响应范式的。一个客户机与服务器建立连接后，发送一个请求给服务器，请求方式的格式为，统一资源标识符、协议版本号，后边是MIME信息包括请求修饰符、客户机信息和可能的内容。服务器接到请求后，给予相应的响应信息，其格式为一个状态行包括信息的协议版本号、一个成功或错误的代码，后边是MIME信息包括服务器信息、实体信息和可能的内容。
判断模块12：用于所述运维服务器判断所述运行数据信息是否存在异常；
在本发明具体实施过程中，运维服务器在接收到运行数据信息，利用该运行数据信息与预设的数据范围进行比较判断该运行数据信息是否存在异常，若存在，进入下一步骤，若不存在，返回上一步骤。
匹配模块13：用于若存在异常，所述运维服务器将异常的运行数据信息与运维知识库中的设备运行数据进行匹配，获取相互匹配的设备运行数据；
在本发明具体实施过程中，所述运维知识库的数据更新步骤，包括：基于爬虫算法在互联网上爬取与电网多媒体会议室设备的相关故障处理方案，并按照爬取的时间顺序对所述相关故障处理方案进行唯一性编码标注；基于NLP算法分析模型对所述相关故障处理方案进行检索关键字以及设备运行数据提取处理，并将提取到的检索关键字以及设备运行数据按照所述相关故障处理方案的唯一性编码进行标注；利用Canopy-Kmeans聚类算法对已标注的检索关键字和设备运行数据以设备运行数据为中心进行聚类处理，将设备运行数据划分为K个聚簇；基于索引引擎分别建立起K个聚簇中的检索关键字与相关故障处理方案的全文索引，以及更新至所述运维知识库。
进一步的，所述基于NLP算法分析模型对所述相关故障处理方案进行检索关键字以及设备运行数据提取处理之前，包括：所述NLP算法分析模型的输入端将相关故障处理方案拆分为以段或句的短文本。
进一步的，所述利用Canopy-Kmeans聚类算法对已标注的检索关键字和设备运行数据以设备运行数据为中心进行聚类处理，将设备运行数据划分为K个聚簇，包括：利用Canopy聚类算法对已标注的检索关键字和设备运行数据以设备运行数据为中心进行初步粗聚类，获得K个Canopy中心以及初步聚簇；将K个Canopy中心以及初步聚簇作为Kmeans聚类算法的质心进行聚类，将设备运行数据划分为K个聚簇。
具体的，运维服务器将判断为异常的运行数据信息与运维知识库中的设备运行数据进行匹配，从而获得相互匹配的设备运行数据。
其中，运维知识库需要进行持续的更新，因为设备会出现不同情况的问题，有不同的维护方案，或者相同的问题，有不同的维护方案的情况，具体的，运维知识库的更新是利用爬虫算法在互联网上爬取与电网多媒体会议室设备相关的故障处理方案，并按照爬取的时间顺序对故障处理方案进行唯一性编码标记，然后利用NLP算法分析模型对获得到的相关的故障处理方案提取检索关键字以及设备运行数据；将提取到的检索关键字以及设备运行数据按故障处理方案的编号进行标注；对提取到的检索关键字以及设备运行数据进行利用Canopy-Kmeans聚类算法以设备运行数据为中心进行聚类，将设备运行数据划分为K个聚簇；然后利用索引引擎分别建立起K个聚簇与故障处理方案的全文索引，并存储在运维数据库中。
该NLP算法分析模型架构采用，输入，映射(隐藏)，输出的架构，其将整篇故障处理方案出输入端，从输出端输出提取到的检索关键字以及设备运行数据；具体是该模型中输入端间整篇故障处理方案拆分为一段段文本或者一句句话，然后由隐藏层乘以权值矩阵后输出检索关键字以及设备运行数据。
利用Canopy-Kmeans聚类算法进行聚类，具体，先通过Canopy聚类算法进行初步粗聚类，得到若干Canopy中心(令为K个)以及初步聚簇，再将K个Canopy中心作为Kmeans聚类算法的质心以及初步聚簇作为输入，进行聚类后得到到最终聚簇；对Canopy聚类算法以及Kmeans聚类算法的并行化改进思想都是先在检索关键字以及设备运行数据分别进行局部的聚类算法，再通过简单的计算后将各局部聚类结果进行合并得到全局聚类。
在本发明实施例中若单纯只采用Kmeans聚类算法进行聚类时，k值需要调参，不同的值得到的结果不一样；对初始质心点敏感，离群值对模型的影响比较大；不适合非凸形状的簇、大小差别较大的簇；可能收敛到局部极小值，在大规模数据集上收敛较慢；Canopy属于一种‘粗’聚类算法，即使用一种简单、快捷的距离计算方法将数据集分为若干可重叠的子集canopy，这种算法不需要指定k值、但精度较低，可以结合Kmeans算法一起使用：先由Canopy算法进行粗聚类得到k个质心，再使用Kmeans算法进行聚类；如此即可解决采用Kmeans聚类算法进行聚类中存在的技术问题；可以在大数据集中快速聚类，且具有良好的聚类效果。
方案调取模块14：用于基于相互匹配的设备运行数据获取检索关键字，并根据所述检索关键字的标注在所述运维知识库中调取对应的故障处理方案；
在本发明具体实施过程中，通过相互匹配的设备运行数据为中心的聚簇获取到相关的检索关键字，根据获取到的检索关键字的标注直接在运维知识库中调取对应的故障处理方案。
预测及推送模块15：用于对调取对应的故障处理方案进行概率预测，并根据预测结果进行可视化处理，以及将可视化处理结果推送至管理用户终端。
在本发明具体实施过程中，所述对调取对应的故障处理方案进行概率预测，包括：基于贝叶斯概率预测模型来对调取对应的故障处理方案进行概率预测。
进一步的，所述基于贝叶斯概率预测模型来对调取对应的故障处理方案进行概率预测的贝叶斯概率预测模型公式如下：在对应的故障处理方案T<A1,A2,A3,…,An>情况下，可能选择的Vi选作为故障处理方案的条件概率可用以下式子表示：
而对应的故障处理方案T<A1,A2,A3,…,An>是相互独立的，则有：
将公式(2)和公式(3)代入公式(1)中，可得：
通过公式(4)即可计算出可能选择的方案作为故障处理方案的条件概率Vi；
其中，T<A1,A2,A3,…,An>表示对应的故障处理方案，An表示第n个对应的故障处理方案；Vi表示选作为故障处理方案的条件概率；i＝1,2,3,…,m；j＝1,2,3,…,n。
进一步的，所述根据预测结果进行可视化处理，包括：对所述预测结果按照降序排序的方式进行排序处理，获取排序后的预测结果；对排序后的预测结果按照概率地图的方式进行可视化处理。
进一步的，所述将可视化处理结果推送至管理用户终端，包括：基于HTTP传输协议将所述可视化处理结果推送至管理用户终端。
具体的，对调取对应的故障处理方案进行概率预测采用的是贝叶斯概率预测模型进行预测，具体的预测模型公式如下：
在对应的故障处理方案T<A1,A2,A3,…,An>情况下，可能选择的Vi选作为故障处理方案的条件概率可用以下式子表示：
而对应的故障处理方案T<A1,A2,A3,…,An>是相互独立的，则有：
将公式(2)和公式(3)代入公式(1)中，可得：
通过公式(4)即可计算出可能选择的方案作为故障处理方案的条件概率Vi；
其中，T<A1,A2,A3,…,An>表示对应的故障处理方案，An表示第n个对应的故障处理方案；Vi表示选作为故障处理方案的条件概率；i＝1,2,3,…,m；j＝1,2,3,…,N。
利用贝叶斯概率模型来进行预测，相对于现有的一些自学习模型进行预测具有无需大量的历史数据进行复杂的学习更新，无需增加前期的工作量，采用贝叶斯概率模型能在保证预测的准确概率的条件下，减少了前期的模型构建、数据学习以及模型调整等大量工作，可以在保障预测准确度的情况下，降低工作量。
具体的，对通过贝叶斯概率模型预测到的对应的故障处理方案的概率进行排序，具体可以采用降序排序等排序方法进行；获得相应的对应的故障处理方案的概率的排序结果；然后将相应的对应的故障处理方案的概率的排序结果按照概率地图的方式进行可视化处理；在可视化处理完成之后，通过HTTP传输协议传输至指定管理人员终端上显示。
在本发明具体实施过程中，所述方法还包括：基于管理用户绑定的移动号码将可视化处理结果以彩信的方式推送至管理用户的移动终端。
具体的，可通过管理人员绑定移动号码，将排序结果直接以短信方式推送至管理人员移动终端上提示。
在本发明实施例中，通过实时采集电网多媒体会议室设备的运行数据信息，判断该运行数据信息是否存在异常，若存在异常，利用该运行数据信息在运维知识库进行匹配获得相互匹配的设备运行数据；根据相互匹配的设备运行数据对应的检索关键字调取对应的故障处理方案；在对对应的故障处理方案进行概率预测之后可视化推荐给管理用户终端，实现了实时监测多设备情况，实时根据设备故障情况推送相关处理方案；在具有相关的处理方案之后，使得相应的维护人员能够快速的进行维护，有效的解决了现场维护人员不足的问题，并且降低了维护成本，保障了维护质量，以及提高维护效率等。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁盘或光盘等。
另外，以上对本发明实施例所提供的一种基于运维知识库的电网多媒体会议室设备维护方法及***进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于运维知识库的电网多媒体会议室设备维护方法，其特征在于，所述方法包括：
基于设置在电网多媒体会议室设备上的传感器采集所述电网多媒体会议室设备的运行数据信息，以及基于HTTP传输协议将采集到的运行数据信息上传至运维服务器；
所述运维服务器判断所述运行数据信息是否存在异常；
若存在异常，所述运维服务器将异常的运行数据信息与运维知识库中的设备运行数据进行匹配，获取相互匹配的设备运行数据；
基于相互匹配的设备运行数据获取检索关键字，并根据所述检索关键字的标注在所述运维知识库中调取对应的故障处理方案；
对调取对应的故障处理方案进行概率预测，并根据预测结果进行可视化处理，以及将可视化处理结果推送至管理用户终端。
2.根据权利要求1所述的电网多媒体会议室设备维护方法，其特征在于，所述运维知识库包括数据更新步骤，具体为：
基于爬虫算法在互联网上爬取与电网多媒体会议室设备的相关故障处理方案，并按照爬取的时间顺序对所述相关故障处理方案进行唯一性编码标注；
基于NLP算法分析模型对所述相关故障处理方案进行检索关键字以及设备运行数据提取处理，并将提取到的检索关键字以及设备运行数据按照所述相关故障处理方案的唯一性编码进行标注；
利用Canopy-Kmeans聚类算法对已标注的检索关键字和设备运行数据以设备运行数据为中心进行聚类处理，将设备运行数据划分为K个聚簇；
基于索引引擎分别建立起K个聚簇中的检索关键字与相关故障处理方案的全文索引，以及更新至所述运维知识库。
3.根据权利要求2所述的电网多媒体会议室设备维护方法，其特征在于，所述基于NLP算法分析模型对所述相关故障处理方案进行检索关键字以及设备运行数据提取处理之前，包括：
所述NLP算法分析模型的输入端将相关故障处理方案拆分为以段或句的短文本。
4.根据权利要求2所述的电网多媒体会议室设备维护方法，其特征在于，所述利用Canopy-Kmeans聚类算法对已标注的检索关键字和设备运行数据以设备运行数据为中心进行聚类处理，将设备运行数据划分为K个聚簇，包括：
利用Canopy聚类算法对已标注的检索关键字和设备运行数据以设备运行数据为中心进行初步粗聚类，获得K个Canopy中心以及初步聚簇；
将K个Canopy中心以及初步聚簇作为Kmeans聚类算法的质心进行聚类，将设备运行数据划分为K个聚簇。
5.根据权利要求2所述的电网多媒体会议室设备维护方法，其特征在于，所述对调取对应的故障处理方案进行概率预测，包括：
基于贝叶斯概率预测模型来对调取对应的故障处理方案进行概率预测。
6.根据权利要求5所述的电网多媒体会议室设备维护方法，其特征在于，所述基于贝叶斯概率预测模型来对调取对应的故障处理方案进行概率预测的贝叶斯概率预测模型公式如下：
在对应的故障处理方案T＜A1，A2，A3，…，An＞情况下，可能选择的Vi选作为故障处理方案的条件概率可用以下式子表示：
而对应的故障处理方案T＜A1，A2，A3，…，An＞是相互独立的，则有：
将公式(2)和公式(3)代入公式(1)中，可得：
通过公式(4)即可计算出可能选择的方案作为故障处理方案的条件概率Vi；
其中，T＜A1，A2，A3，…，An＞表示对应的故障处理方案，An表示第n个对应的故障处理方案；Vi表示选作为故障处理方案的条件概率；i＝1，2，3，…，m；j＝1，2，3，…，n。
7.根据权利要求2所述的电网多媒体会议室设备维护方法，其特征在于，所述根据预测结果进行可视化处理，包括：
对所述预测结果按照降序排序的方式进行排序处理，获取排序后的预测结果；
对排序后的预测结果按照概率地图的方式进行可视化处理。
8.根据权利要求2所述的电网多媒体会议室设备维护方法，其特征在于，所述将可视化处理结果推送至管理用户终端，包括：
基于HTTP传输协议将所述可视化处理结果推送至管理用户终端。
9.根据权利要求8所述的电网多媒体会议室设备维护方法，其特征在于，所述方法还包括：
基于管理用户绑定的移动号码将可视化处理结果以彩信的方式推送至管理用户的移动终端。
10.一种基于运维知识库的电网多媒体会议室设备维护***，其特征在于，所述***包括：
数据采集模块：用于基于设置在电网多媒体会议室设备上的传感器采集所电网多媒体会议室设备的运行数据信息，以及基于HTTP传输协议将采集到的运行数据信息上传至运维服务器；
判断模块：用于所述运维服务器判断所述运行数据信息是否存在异常；
匹配模块：用于若存在异常，所述运维服务器将异常的运行数据信息与运维知识库中的设备运行数据进行匹配，获取相互匹配的设备运行数据；
方案调取模块：用于基于相互匹配的设备运行数据获取检索关键字，并根据所述检索关键字的标注在所述运维知识库中调取对应的故障处理方案；
预测及推送模块：用于对调取对应的故障处理方案进行概率预测，并根据预测结果进行可视化处理，以及将可视化处理结果推送至管理用户终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911330280.1A CN111064620A (zh) | 2019-12-20 | 2019-12-20 | 基于运维知识库的电网多媒体会议室设备维护方法和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911330280.1A CN111064620A (zh) | 2019-12-20 | 2019-12-20 | 基于运维知识库的电网多媒体会议室设备维护方法和*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111064620A true CN111064620A (zh) | 2020-04-24 |
Family
ID=70302526
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911330280.1A Pending CN111064620A (zh) | 2019-12-20 | 2019-12-20 | 基于运维知识库的电网多媒体会议室设备维护方法和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111064620A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112148897A (zh) * | 2020-09-14 | 2020-12-29 | 深圳供电局有限公司 | 一种电力***故障信息自动检索归类方法及*** |
| CN112348707A (zh) * | 2020-10-24 | 2021-02-09 | 广东冠雄建设集团有限公司 | 一种基于bim模型的全息化智能建筑节能运维管理*** |
| CN113099242A (zh) * | 2021-06-09 | 2021-07-09 | 广东电网有限责任公司湛江供电局 | 一种输电线路视频监测数据处理方法及*** |
| CN113132352A (zh) * | 2021-03-17 | 2021-07-16 | 中国人民解放军战略支援部队信息工程大学 | 基于流量统计特征的路由器威胁感知方法及*** |
| CN113835401A (zh) * | 2021-08-11 | 2021-12-24 | 深圳优制云工业互联网有限公司 | 一种管理生产设备的方法、装置及*** |
| CN115018095A (zh) * | 2022-05-26 | 2022-09-06 | 平安银行股份有限公司 | 设备故障处理方法、装置、设备及存储介质 |
| CN116187725A (zh) * | 2023-04-27 | 2023-05-30 | 武汉新威奇科技有限公司 | 一种用于锻造自动线的锻造设备管理*** |
| CN117590149A (zh) * | 2023-11-14 | 2024-02-23 | 南方电网调峰调频发电有限公司检修试验分公司 | 基于大数据技术的故障解决方案生成方法、装置和设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050060323A1 (en) * | 2003-09-17 | 2005-03-17 | Leung Ying Tat | Diagnosis of equipment failures using an integrated approach of case based reasoning and reliability analysis |
| CN107294788A (zh) * | 2017-07-17 | 2017-10-24 | 郑州云海信息技术有限公司 | 一种故障处理的方法及装置 |
| US20190041839A1 (en) * | 2017-08-04 | 2019-02-07 | Hefei University Of Technology | Apparatus for troubleshooting fault component in equipment and method thereof |
| CN109325601A (zh) * | 2018-08-21 | 2019-02-12 | 国网江苏省电力有限公司泰州供电分公司 | 物流设备故障监测运维管理方法 |
| CN109474067A (zh) * | 2018-08-14 | 2019-03-15 | 国网浙江省电力有限公司湖州供电公司 | 一种电网调度故障处理辅助决策方法 |
-
2019
- 2019-12-20 CN CN201911330280.1A patent/CN111064620A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050060323A1 (en) * | 2003-09-17 | 2005-03-17 | Leung Ying Tat | Diagnosis of equipment failures using an integrated approach of case based reasoning and reliability analysis |
| CN107294788A (zh) * | 2017-07-17 | 2017-10-24 | 郑州云海信息技术有限公司 | 一种故障处理的方法及装置 |
| US20190041839A1 (en) * | 2017-08-04 | 2019-02-07 | Hefei University Of Technology | Apparatus for troubleshooting fault component in equipment and method thereof |
| CN109474067A (zh) * | 2018-08-14 | 2019-03-15 | 国网浙江省电力有限公司湖州供电公司 | 一种电网调度故障处理辅助决策方法 |
| CN109325601A (zh) * | 2018-08-21 | 2019-02-12 | 国网江苏省电力有限公司泰州供电分公司 | 物流设备故障监测运维管理方法 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112148897A (zh) * | 2020-09-14 | 2020-12-29 | 深圳供电局有限公司 | 一种电力***故障信息自动检索归类方法及*** |
| CN112348707A (zh) * | 2020-10-24 | 2021-02-09 | 广东冠雄建设集团有限公司 | 一种基于bim模型的全息化智能建筑节能运维管理*** |
| CN112348707B (zh) * | 2020-10-24 | 2024-04-05 | 广东冠雄建设集团有限公司 | 一种基于bim模型的全息化智能建筑节能运维管理*** |
| CN113132352A (zh) * | 2021-03-17 | 2021-07-16 | 中国人民解放军战略支援部队信息工程大学 | 基于流量统计特征的路由器威胁感知方法及*** |
| CN113132352B (zh) * | 2021-03-17 | 2023-02-10 | 中国人民解放军战略支援部队信息工程大学 | 基于流量统计特征的路由器威胁感知方法及*** |
| CN113099242A (zh) * | 2021-06-09 | 2021-07-09 | 广东电网有限责任公司湛江供电局 | 一种输电线路视频监测数据处理方法及*** |
| CN113099242B (zh) * | 2021-06-09 | 2021-08-24 | 广东电网有限责任公司湛江供电局 | 一种输电线路视频监测数据处理方法及*** |
| CN113835401A (zh) * | 2021-08-11 | 2021-12-24 | 深圳优制云工业互联网有限公司 | 一种管理生产设备的方法、装置及*** |
| CN115018095A (zh) * | 2022-05-26 | 2022-09-06 | 平安银行股份有限公司 | 设备故障处理方法、装置、设备及存储介质 |
| CN116187725A (zh) * | 2023-04-27 | 2023-05-30 | 武汉新威奇科技有限公司 | 一种用于锻造自动线的锻造设备管理*** |
| CN116187725B (zh) * | 2023-04-27 | 2023-08-04 | 武汉新威奇科技有限公司 | 一种用于锻造自动线的锻造设备管理*** |
| CN117590149A (zh) * | 2023-11-14 | 2024-02-23 | 南方电网调峰调频发电有限公司检修试验分公司 | 基于大数据技术的故障解决方案生成方法、装置和设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111064620A (zh) | 基于运维知识库的电网多媒体会议室设备维护方法和*** | |
| US11562304B2 (en) | Preventative diagnosis prediction and solution determination of future event using internet of things and artificial intelligence | |
| KR102504498B1 (ko) | 의료 사실의 검증 방법 및 장치 | |
| CN104318340A (zh) | 基于文本履历信息的信息可视化方法及智能可视分析*** | |
| CN109902172A (zh) | 案情文本分类方法、装置以及存储介质 | |
| CN114138968A (zh) | 一种网络热点的挖掘方法、装置、设备及存储介质 | |
| CN116502162A (zh) | 边缘算力网络中的异常算力联邦检测方法、***及介质 | |
| CN113220951B (zh) | 一种基于智能内容的医学临床支持方法和*** | |
| CN115114448A (zh) | 智能多模态融合用电检查方法、装置、***、设备及介质 | |
| CN117290561B (zh) | 业务状态信息反馈方法、装置、设备和计算机可读介质 | |
| CN117455235A (zh) | 风险处理方法、处理装置、电子设备和存储介质 | |
| CN114925210B (zh) | 知识图谱的构建方法、装置、介质及设备 | |
| CN114443904B (zh) | 视频查询方法、装置、计算机设备及计算机可读存储介质 | |
| Liu et al. | Anomaly Recognition, Diagnosis and Prediction of Massive Data Flow Based on Time-GAN and DBSCAN for Power Dispatching Automation System | |
| CN116225848A (zh) | 日志监测方法、装置、设备和介质 | |
| CN112200602B (zh) | 用于广告推荐的神经网络模型训练方法及装置 | |
| CN116150470A (zh) | 内容推荐方法、装置、设备、存储介质及程序产品 | |
| CN115062705A (zh) | 数据核查方法、数据核查装置、电子设备及存储介质 | |
| CN114580533A (zh) | 特征提取模型的训练方法、装置、设备、介质及程序产品 | |
| CN116956174B (zh) | 用于进行冷头状态分类检测和寿命预测的分类模型和预测模型的生成方法 | |
| CN113835387A (zh) | 运维管理方法、***及介质 | |
| CN113821418A (zh) | 故障跟因分析方法及装置、存储介质和电子设备 | |
| KR101878291B1 (ko) | 에너지 빅데이터 관리 시스템 및 그 방법 | |
| CN114548925B (zh) | 线上活动邀请方法、装置、设备及存储介质 | |
| WO2024088031A1 (zh) | 一种数据采集方法、装置及相关设备 |
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: 20200424 |
|
| RJ01 | Rejection of invention patent application after publication |