CN117914758A - 一种智能量测复杂业务场景的全链路监测方法及*** - Google Patents
一种智能量测复杂业务场景的全链路监测方法及*** Download PDFInfo
- Publication number
- CN117914758A CN117914758A CN202311615307.8A CN202311615307A CN117914758A CN 117914758 A CN117914758 A CN 117914758A CN 202311615307 A CN202311615307 A CN 202311615307A CN 117914758 A CN117914758 A CN 117914758A
- Authority
- CN
- China
- Prior art keywords
- link
- time
- information
- instruction
- processing
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000012545 processing Methods 0.000 claims abstract description 103
- 238000004088 simulation Methods 0.000 claims abstract description 36
- 238000005259 measurement Methods 0.000 claims abstract description 26
- 230000004044 response Effects 0.000 claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 23
- 238000005516 engineering process Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 238000013461 design Methods 0.000 claims abstract description 9
- 238000011084 recovery Methods 0.000 claims abstract description 8
- 230000005611 electricity Effects 0.000 claims description 56
- 230000005540 biological transmission Effects 0.000 claims description 35
- 230000008569 process Effects 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 13
- 238000012790 confirmation Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 239000003999 initiator Substances 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims 1
- 239000004065 semiconductor Substances 0.000 claims 1
- 230000005856 abnormality Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种智能量测复杂业务场景的全链路监测方法及***,涉及电网技术领域。包括利用数字孪生技术建立智能量测***的虚拟模型,以模拟和监测关键业务场景;利用数据包抓取和解析技术快速定位业务处理故障,并及时发现和分析***异常情况;在***关键节点添加埋点代码,收集业务处理指标以评估处理效率和分析***瓶颈;基于监测结果,采取参数调整、容灾设计和算法优化持续提高***的准确性、响应速度和可靠性。本发明基于数字孪生思维进行全链路模拟和监测,可以提前发现和解决潜在的问题,提高***的可靠性和稳定性。
Description
技术领域
本发明涉及电网技术领域,特别是一种智能量测复杂业务场景的全链路监测方法及***。
背景技术
计量中心智能量测***是电力***的重要组成部分,它不仅对电力***的运行状态有着重要的影响,同时也是电力市场交易的关键环节。随着新能源的广泛使用和电力市场的不断扩大,计量中心智能量测***的复杂性和重要性也在日益增加。
现有的智能量测***虽然已经具备了一定的监测和数据分析能力,但是还缺乏有效的全链路监测方法。全链路监测是一种对整个***运行流程进行全面、***监测的方式,它能够快速、准确地定位费控指令和分时电价费率下发不成功的原因。由于缺乏这种全链路监测方法,导致异常处理不及时、不准确,进而影响了电力***的稳定性和可靠性。
发明内容
鉴于现有的智能量测***缺乏有效的全链路监测方法无法快速和准确地定位费控指令和分时电价费率下发不成功的原因,导致异常处理不及时和不准确等问题,提出了本发明。
因此,本发明所要解决的问题在于如何快速和准确地定位费控指令和分时电价费率下发不成功的原因。
为解决上述技术问题,本发明提供如下技术方案:
第一方面,本发明实施例提供了一种智能量测复杂业务场景的全链路监测方法,其包括利用数字孪生技术建立智能量测***的虚拟模型,以模拟和监测关键业务场景;利用数据包抓取和解析技术快速定位业务处理故障,并及时发现和分析***异常情况;在***关键节点添加埋点代码,收集业务处理指标以评估处理效率和分析***瓶颈;基于监测结果,采取参数调整、容灾设计和算法优化持续提高***的准确性、响应速度和可靠性;建立动态的监测、分析、优化以及验证的闭环流程,持续提升智能量测***的智能化水平。
作为本发明所述智能量测复杂业务场景的全链路监测方法的一种优选方案,其中:利用数字孪生技术建立智能量测***的虚拟模型包括以下步骤:确定每个模拟和监测的目标包括专变费控的指令下发状态、分时电价的执行结果和新能源接入的申请过程;根据模拟目标搭建数字孪生模型的框架包括智能量测主站、终端、费控指令、分时电价信息以及新能源接入申请,并定义它们之间的映射关系;针对每个模拟目标定义相应的模拟流程,并根据定义的模拟流程实现各个环节的模拟逻辑;若需要监测费控指令、分时电价和新能源接入过程的信息,则在数字孪生模型中添加相应的监测功能以实时获取和记录相关数据和状态;若需要实现数字孪生模型与实际***的数据交互,则通过接口或协议来建立数据传输的连接以确保数字孪生模型与实际***之间的数据同步和交互;通过模拟实际***的运行过程验证数字孪生模型是否能够准确反映实际***的运行状态和交互关系;在验证过程中,若发现任何偏差或不一致之处,则进行优化和改进。
作为本发明所述智能量测复杂业务场景的全链路监测方法的一种优选方案,其中:模拟流程包括以下内容:对于专变费控,模拟营销***提交费控指令、智能量测主站接收费控指令、写入数据库并发送跨区传输服务器环节,并通过实时监测费控指令的下发状态和执行结果及时发现和解决费控指令执行失败的问题;对于分时电价,模拟电价的配置、发布和执行环节,并通过实时监测电价下发状态和执行结果及时发现和解决电价下发不成功的问题;对于新能源接入,模拟新能源的接入申请、审批和并网环节,并通过实时监测接入状态和执行结果及时发现和解决新能源接入的问题。
作为本发明所述智能量测复杂业务场景的全链路监测方法的一种优选方案,其中:述利用数据包抓取和解析技术快速定位业务处理故障包括以下内容:若数据包中存在价格数值错误、无效代码、与***配置不匹配或与其他成功下发分时电价费率的数据包不一致的情况,则判定是由于价格设置错误导致某个分时电价费率下发不成功;若数据包中的协议或数据格式与预期不符,则判定是由于不兼容的协议或格式导致解析失败;若数据包中显示操作被拒绝或存在权限问题的错误信息,则判定是由于权限不足或认证失败导致操作被拒绝;若数据包中存在配置相关的错误信息或者数据内容错误,则判定是由于配置错误导致操作不成功;若数据包中没有收到设备的响应或者通信超时,则判定存在网络连接故障;若数据包中存在设备返回的错误信息或异常状态码,则判定设备本身出现故障。
作为本发明所述智能量测复杂业务场景的全链路监测方法的一种优选方案,其中:利用数据包抓取和解析技术快速定位业务处理故障还包括,若价格设置错误导致某个分时电价费率下发不成功,则检查数据包中的价格数值以验证分时电价费率代码是否有效,并比对数据包中的分时电价费率设置与***配置是否一致,同时确认数据包是否与其他成功下发的分时电价费率数据包一致;若不兼容的协议或格式导致解析失败,则核查数据包中的协议和数据格式与预期的协议和格式是否一致,判断解析过程使用的解析器或解析算法与数据包的协议和格式是否兼容,并进行适当的协议和格式兼容性调整或转换;若权限不足或认证失败导致操作被拒绝,则验证操作所需的权限是否正确配置,确认认证信息是否有效并正确提供,并排查潜在的身份验证错误、权限配置问题或安全设置限制;若配置错误导致操作不成功,则检查数据包中的配置相关信息,核对数据包中的数据内容与预期配置的一致性,修复或调整配置错误,并重新下发或更新相应的配置信息;若网络连接故障,则检查网络连接是否正常包括设备的网络连接状态和与设备连接的通信链路,并排查可能的网络设备故障、网络拓扑问题、传输层协议设置或网络配置问题;若设备本身出现故障,则通过设备返回的错误信息或异常状态码进行故障诊断和排查,并与设备供应商或维护人员合作,进行设备故障修复或替换。
作为本发明所述智能量测复杂业务场景的全链路监测方法的一种优选方案,其中:在***关键节点添加埋点代码包括以下步骤:根据实际情况,明确在指定的关键节点处添加信息收集代码,且针对每个关键节点明确要收集的业务处理信息;根据确定的关键节点和需要收集的业务处理信息,开发相应的信息收集代码;将开发好的信息收集代码集成到关键节点的***中,并与***开发者或维护人员进行合作,以确保代码正确运行并收集到正确的信息;在集成信息收集代码后,进行测试和验证以确保代码能够正常工作并收集到正确的业务处理信息;将经过测试和验证的信息收集代码部署到生产环境中,并对其进行实时监控以确保代码能够正常运行,同时记录和报告关键的业务处理信息;根据收集到的业务处理信息,进行分析和评估包括对请求处理时间的分布进行分析、异常描述信息的分类和问题解决;根据分析结果,对***进行优化和改进包括改进***性能、优化指令传输机制和完善异常处理;关键节点包括指令执行请求环节、指令下行报文跨区传输环节、采集前置处理指令环节、终端执行指令环节、采集前置处理返回报文环节、执行结果上行报文跨区传输环节以及指令执行结果反馈环节。
作为本发明所述智能量测复杂业务场景的全链路监测方法的一种优选方案,其中:明确要收集的业务处理信息包括以下内容:若在指令执行请求环节,则收集请求发送时间、请求内容、请求发起方识别信息、请求优先级指标以及预期响应时间;若在指令下行报文跨区传输环节,则收集报文产生时间、报文内容、源和接收方地址、传输路径、传输时间、链路流量以及确认接收;若在采集前置处理指令环节,则收集指令到达时间、指令内容、指令来源、处理优先级、处理策略、处理时长、处理结果以及输出报文;若在终端执行指令环节,则收集指令接收时间、执行开始/结束时间、指令内容、执行流程数据、最终执行状态以及输出结果;若在采集前置处理返回报文环节,则收集原始指令标识、返回报文生成时间、内容、处理时效性指标、输出渠道以及发送确认;若在执行结果上行报文跨区传输环节,则收集源地址、目的地址、报文生成时间、内容特征、传输路径、时延参数以及确认机制;若在指令执行结果反馈环节,则收集原始指令标识信息、反馈时间、反馈内容、处理效果评估参数以及接收确认应答。
第二方面,本发明实施例提供了一种智能量测复杂业务场景的全链路监测***,其包括模拟模块,用于利用数字孪生技术建立智能量测***的虚拟模型,以模拟和监测关键业务场景;定位模块,用于利用数据包抓取和解析技术快速定位业务处理故障,并及时发现和分析***异常情况;埋点模块,用于在***关键节点添加埋点代码,收集业务处理指标以评估处理效率和分析***瓶颈;优化模块,用于基于监测结果,采取参数调整、容灾设计和算法优化持续提高***的准确性、响应速度和可靠性。
第三方面,本发明实施例提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其中:所述计算机程序指令被处理器执行时实现如本发明第一方面所述的智能量测复杂业务场景的全链路监测方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中:所述计算机程序指令被处理器执行时实现如本发明第一方面所述的智能量测复杂业务场景的全链路监测方法的步骤。
本发明有益效果为:本发明基于数字孪生思维进行全链路模拟和监测,可以提前发现和解决潜在的问题,提高***的可靠性和稳定性;利用交换机的端口流量镜像功能,可以快速获取和解析数据包,实现异常的快速定位和处理;在关键节点处添加信息收集代码,可以获取更全面的业务处理信息,便于分析数据延时情况和指令执行失败情况;本发明方法具有通用性,可以适用于不同类型的智能量测***和网络环境。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,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为智能量测复杂业务场景的全链路监测方法的方法流程图。
图2为智能量测复杂业务场景的全链路监测方法的计算机设备图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式作详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例1
参照图1~图2,为本发明第一个实施例,该实施例提供了一种智能量测复杂业务场景的全链路监测方法,包括,
S1:利用数字孪生技术建立智能量测***的虚拟模型,以模拟和监测关键业务场景,实现对***性能的实时评估。
优选的,借助数字孪生模型和交换机的端口流量镜像功能模拟和监测专变费控、分时电价和新能源接入的全过程,并同时获取智能量测主站与终端之间交互的数据包。
需要说明的是,构建数字孪生模型以模拟和监测专变费控、分时电价和新能源接入的过程如下:确定每个模拟和监测的目标包括专变费控的指令下发状态、分时电价的执行结果和新能源接入的申请过程;根据模拟目标搭建数字孪生模型的框架包括智能量测主站、终端、费控指令、分时电价信息、新能源接入申请等核心元素,并定义核心元素之间的映射关系;针对每个模拟目标定义相应的模拟流程,并根据定义的模拟流程实现各个环节的模拟逻辑;若需要监测费控指令、分时电价和新能源接入过程的信息,则在数字孪生模型中添加相应的监测功能以实时获取和记录相关数据和状态;若需要实现数字孪生模型与实际***的数据交互,则通过接口或协议来建立数据传输的连接以确保数字孪生模型与实际***之间的数据同步和交互;通过模拟实际***的运行过程验证数字孪生模型是否能够准确反映实际***的运行状态和交互关系;在验证过程中,若发现任何偏差或不一致之处,则进行优化和改进。
具体的,对于专变费控,模拟营销***提交费控指令、智能量测主站接收费控指令、写入数据库并发送跨区传输服务器等环节,并通过实时监测费控指令的下发状态和执行结果及时发现和解决费控指令执行失败的问题;对于分时电价,模拟电价的配置、发布和执行等环节,并通过实时监测电价下发状态和执行结果及时发现和解决电价下发不成功的问题;对于新能源接入,模拟新能源的接入申请、审批和并网等环节,并通过实时监测接入状态和执行结果及时发现和解决新能源接入的问题。
需要说明的是,在定义了模拟流程之后,需要实现每个环节的模拟逻辑。举例来说,在专变费控的营销***提交费控指令环节,需要模拟营销***的操作过程包括输入费控指令、执行提交等操作;在分时电价的配置环节,需要模拟电力***的配置过程包括设置电价种类、设定对应的价格等;在新能源接入的申请环节,需要模拟新能源企业的申请过程包括提交申请、等待审批等环节;在每个环节的模拟逻辑中使用合适的算法、模型或规则,来模拟真实***的操作和行为,以确保数字孪生模型能够准确地反映实际过程中的各种情况和结果。
进一步的,通过以上步骤,可以设计出专变费控模拟和监测、分时电价模拟和监测、新能源接入模拟和监测的数字孪生模型,该模型能够实现对实际***的全链路模拟和监测,及时发现和解决各种问题,提高***的运行效率和稳定性。
S2:利用数据包抓取和解析技术快速定位业务处理故障,并及时发现和分析***异常情况。
具体的,包括以下步骤:
S2.1:通过孪生采集前置的分析服务器,获取智能量测主站与终端之间交互的所有数据包。
需要说明的是,这些数据包括费控指令、分时电价信息、新能源接入申请等关键信息。
S2.2:分析服务器对获取的数据包进行解析,并利用网络协议知识和数据结构理解能力提取其中的关键信息。
优选的,解析费控指令的编号、内容、时间等信息,以及分时电价的种类、价格、生效时间等信息。
S2.3:根据回溯分析的结果分析服务器,及时发现异常情况并生成相应的处理建议。
进一步的,通过对获取的数据包进行解析和回溯分析,快速和准确地定位费控指令和分时电价费率下发不成功的原因,包括但不限于以下情况:若数据包中存在价格数值错误、无效代码、与***配置不匹配或与其他成功下发分时电价费率的数据包不一致的情况,则判定是由于价格设置错误导致某个分时电价费率下发不成功;若数据包中的协议或数据格式与预期不符,则判定是由于不兼容的协议或格式导致解析失败;若数据包中显示操作被拒绝或存在权限问题的错误信息,则判定是由于权限不足或认证失败导致操作被拒绝;若数据包中存在配置相关的错误信息或者数据内容错误,则判定是由于配置错误导致操作不成功;若数据包中没有收到设备的响应或者通信超时,则判定存在网络连接故障;若数据包中存在设备返回的错误信息或异常状态码,则判定设备本身出现故障。
进一步的,若价格设置错误导致某个分时电价费率下发不成功,则检查数据包中的价格数值以验证分时电价费率代码是否有效,并比对数据包中的分时电价费率设置与***配置是否一致,同时确认数据包是否与其他成功下发的分时电价费率数据包一致;若不兼容的协议或格式导致解析失败,则核查数据包中的协议和数据格式与预期的协议和格式是否一致,判断解析过程使用的解析器或解析算法与数据包的协议和格式是否兼容,并进行适当的协议和格式兼容性调整或转换;若权限不足或认证失败导致操作被拒绝,则验证操作所需的权限是否正确配置,确认认证信息是否有效并正确提供,并排查潜在的身份验证错误、权限配置问题或安全设置限制;若配置错误导致操作不成功,则检查数据包中的配置相关信息,核对数据包中的数据内容与预期配置的一致性,修复或调整配置错误,并重新下发或更新相应的配置信息;若网络连接故障,则检查网络连接是否正常包括设备的网络连接状态和与设备连接的通信链路,并排查可能的网络设备故障、网络拓扑问题、传输层协议设置或网络配置问题;若设备本身出现故障,则通过设备返回的错误信息或异常状态码进行故障诊断和排查,并与设备供应商或维护人员合作,进行设备故障修复或替换。
S2.4:分析服务器将异常情况和处理建议反馈至相应责任人处,以帮助他们及时了解问题并采取相应的处理措施。
需要说明的是,费控指令的解析过程包括:从网络中获取包含费控指令的数据包,并进行接收处理;解析服务器对接收到的数据包进行解析,并拆分、重组、提取其中的关键信息;从解析后的数据包中提取出指令的具体内容(如对特定计量设备的操作、修改计量参数等),并将提取出的指令内容转换为可操作的命令格式;将转换后的指令发送给相应的设备或***,使其根据指令进行相应的操作或变更;在指令执行完成后,将执行结果反馈至解析服务器,并记录指令的执行情况包括成功执行的记录和执行失败的处理;若执行失败,则进一步分析以确定失败原因,并采取相应措施进行处理。
S3:在***关键节点添加埋点代码,收集业务处理指标以评估处理效率和分析***瓶颈。
具体的,包括以下步骤:
S3.1:在专变费控、分时电价、新能源接入配置指令传输的关键节点处,添加相应的信息收集代码。
具体的,这些代码应该记录请求接收时间、请求处理时间、请求处理结果(状态编码)、处理结果信息(异常描述信息)等业务处理信息。
进一步的,添加信息收集代码包括以下步骤:根据实际情况,明确在指定的关键节点处添加信息收集代码,关键节点包括指令执行请求环节、指令下行报文跨区传输环节、采集前置处理指令环节、终端执行指令环节、采集前置处理返回报文环节、执行结果上行报文跨区传输环节以及指令执行结果反馈环节;针对每个关键节点,明确需要收集哪些业务处理信息;根据确定的关键节点和需要收集的业务处理信息,开发相应的信息收集代码;将开发好的信息收集代码集成到关键节点的***中,并与***开发者或维护人员进行合作,以确保代码正确运行并收集到正确的信息;在集成信息收集代码后,进行测试和验证以确保代码能够正常工作并收集到正确的业务处理信息;将经过测试和验证的信息收集代码部署到生产环境中,并对其进行实时监控以确保代码能够正常运行,同时记录和报告关键的业务处理信息;根据收集到的业务处理信息,进行分析和评估包括对请求处理时间的分布进行分析、异常描述信息的分类和问题解决;根据分析结果,对***进行优化和改进包括改进***性能、优化指令传输机制、完善异常处理。
优选的,明确需要收集哪些业务处理信息包括以下情况:若在指令执行请求环节,则收集请求发送时间、请求内容、请求发起方识别信息、请求优先级指标以及预期响应时间;若在指令下行报文跨区传输环节,则收集报文产生时间、报文内容、源和接收方地址、传输路径、传输时间、链路流量以及确认接收;若在采集前置处理指令环节,则收集指令到达时间、指令内容、指令来源、处理优先级、处理策略、处理时长、处理结果以及输出报文;若在终端执行指令环节,则收集指令接收时间、执行开始/结束时间、指令内容、执行流程数据、最终执行状态以及输出结果;若在采集前置处理返回报文环节,则收集原始指令标识、返回报文生成时间、内容、处理时效性指标、输出渠道以及发送确认;若在执行结果上行报文跨区传输环节,则收集源地址、目的地址、报文生成时间、内容特征、传输路径、时延参数以及确认机制;若在指令执行结果反馈环节,则收集原始指令标识信息、反馈时间、反馈内容、处理效果评估参数以及接收确认应答。
需要注意的是,在添加信息收集代码时,要确保不会对***的性能和稳定性产生负面影响,同时要遵循相应的安全和隐私保护规定,确保收集的信息不会被未经授权的第三方访问和使用。
S3.2:当关键节点接收到配置指令请求时,信息收集代码记录当前时间作为请求接收时间。
需要说明的是,这个时间用来衡量指令传输的延迟和***响应速度。
S3.3:当关键节点对请求进行处理时,信息收集代码记录处理开始和结束的时间,以计算请求处理时间。
需要说明的是,这个时间用来评估***的处理能力和效率。
S3.4:关键节点对配置指令进行处理,并返回处理结果。
具体的,信息收集代码需要记录下处理结果的状态编码,以便后续分析和故障排查。除了记录状态编码外,信息收集代码还需要记录异常描述信息,当处理结果异常时,这些信息用来描述异常情况和原因,以帮助快速定位问题。
S3.5:将业务处理中收集到的信息进行存储和分析,以获取有关业务运行的有用信息。
优选的,通过分析请求处理时间的分布来优化***性能,同时通过分析异常描述信息来改进***设计和避免类似问题的再次发生。
S4:基于监测结果,采取参数调整、容灾设计和算法优化持续提高***的准确性、响应速度和可靠性。
需要说明的是,在智能量测***中,监测数据准确性、响应速度和可靠性是***稳定性和可靠性的重要指标。
具体的,为确保监测数据的准确性,需要采取以下具体措施:定期对监测设备进行校准和维护,以确保设备测量准确度在规定范围内;定期检查数据传输线路是否畅通,以防止数据传输过程中的干扰和损失;对实时收集的监测数据进行分析和评估以及时发现异常数据,并进行相应的处理和纠正;根据监测数据的准确性情况,及时调整数据采集和传输过程中的参数和配置,以提高数据的质量和可靠性。
进一步的,为提高***的响应速度,需要采取以下具体措施:优化数据存储和查询算法,以提高数据访问速度和效率;采用高性能的硬件设备,提高***的处理能力和响应速度;定期对***进行性能测试和评估,及时发现并解决***瓶颈问题;根据***响应速度的情况及时调整***参数和配置,以提高***的性能和可靠性。
进一步的,为提高***的可靠性,需采取以下措施:采用高可靠性的硬件设备和网络连接,降低***故障的概率;对***进行备份和容灾设计,确保***在故障情况下能够快速恢复;对***进行定期维护和检查,及时发现并处理潜在问题;根据***的可靠性情况及时调整和优化***参数和配置,提高***的稳定性和可靠性。
S5:建立动态的监测、分析、优化以及验证的闭环流程,持续提升智能量测***的智能化水平。
进一步的,本实施例还提供一种智能量测复杂业务场景的全链路监测***,包括模拟模块,用于利用数字孪生技术建立智能量测***的虚拟模型,以模拟和监测关键业务场景;定位模块,用于利用数据包抓取和解析技术快速定位业务处理故障,并及时发现和分析***异常情况;埋点模块,用于在***关键节点添加埋点代码,收集业务处理指标以评估处理效率和分析***瓶颈;优化模块,用于基于监测结果,采取参数调整、容灾设计和算法优化持续提高***的准确性、响应速度和可靠性。
本实施例还提供一种计算机设备,适用于智能量测复杂业务场景的全链路监测方法的情况,包括存储器和处理器;存储器用于存储计算机可执行指令,处理器用于执行计算机可执行指令,实现如上述实施例提出的智能量测复杂业务场景的全链路监测方法。
该计算机设备可以是终端,该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本实施例还提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例提出的实现智能量测复杂业务场景的全链路监测方法。
综上,本发明基于数字孪生思维进行全链路模拟和监测,可以提前发现和解决潜在的问题,提高***的可靠性和稳定性;利用交换机的端口流量镜像功能,可以快速获取和解析数据包,实现异常的快速定位和处理;在关键节点处添加信息收集代码,可以获取更全面的业务处理信息,便于分析数据延时情况和指令执行失败情况;本发明方法具有通用性,可以适用于不同类型的智能量测***和网络环境。
实施例2
参照图1~图2,为本发明第二个实施例,该实施例提供了一种智能量测复杂业务场景的全链路监测方法,为了验证本发明的有益效果,通过经济效益计算和仿真实验进行科学论证。
进一步的,在某省级电力公司管辖的多个地市区域内应用智能量测***,建立一个包含计量中心站和智能电表作为核心要素的数字孪生模型,同时构建专变费控和分时电价两个典型业务场景的模拟模型。此外,明确设定针对费控指令下发和电价执行等过程的具体模拟监测目标;详细定义从费控指令产生到最终执行反馈的完整模拟流程,以及与实际***的数据交互接口。
具体的,记录显示参与此次数字孪生建模的计量中心站数量为5个,对应的智能电表覆盖总户数约100万,距离管辖区地市局办公场所的直线半径在50公里以内。常规费控指令的日峰值流量可达到3万条/小时。此外,布置的模拟监测点涵盖计量中心站、重要大功率用户以及供电侧的高压变电站。
进一步的,采用西门子公司的网络数据包分析设备,该设备已通过在核心网络节点上的光纤环网络中设置监听点的方式,实现了对费控指令数据流量和分时电价更新数据流量的全天候抓包。根据统计,仅3月20日一天,该设备就捕获并提取到了约20万条费控指令报文和1万条分时电价更新报文。其中,费控指令报文的成功解析率和分类精度可达95%。
进一步的,针对解析失败的两大类别报文,该设备自动启动了相应的网络协议匹配和消息认证检查功能模块,以找出失败原因。最终,相关的处理建议都由该设备主动反馈给了省级电力调度指挥中心、各地市级计量中心站以及营销服务中心等部门,这些部门也及时反馈了后续的处理结果。
优选的,在专变费控指令传输的关键节点处添加信息收集代码:在发送端、接收端和执行端的关键节点处添加代码埋点,记录请求的发送时间、接收时间和处理时间等信息;当接收到专变费控指令时,接收端的代码埋点会记录下接收时间,并上报给监控中心;处理端在处理指令时,代码埋点会记录下处理开始和结束的时间,并计算出处理所花费的时间;如果处理失败,则会记录下失败原因和异常描述信息;处理结果会返回给发送端,同时将处理过程中的相关数据上报给监控中心;监控中心可以对收集到的数据进行实时监控和分析,包括请求处理时间的分布、异常描述信息的分类等。
优选的,信息收集代码模块已经得到成功部署,并投入到每一个关键业务处理站点,运行状态良好。从统计数值可以看出,3月21日单日内,各计量中心站处理费控指令请求的平均时长就在0.8秒的量级,可以满足***反应速度要求。与此同时,智能电表端接收费控指令和分时电价的准确率也达到了98%,仅对运行持续时间较长的大功率用户而言,准确率略低于平均水平。
进一步的,通过对***响应时间的监测和分析发现,***在某些高峰时段的响应速度较慢;经过调查发现,高峰时段的并发请求量较大,导致***负载过重;于是,该电力公司对***进行了升级和优化,提高了***的处理能力和并发请求的处理速度;同时,对数据存储和查询算法进行了改进,进一步提高了***的响应速度和性能。
进一步的,本发明与传统方法的对比指标如表1所示。
表1本发明与传统方法的对比指标
模型精度 | 误差<5% | 误差>20% |
模型构建效率 | 高出50%以上 | 无明显变化 |
异常检出率 | 90% | 60% |
现场监测点数量 | 减少70% | 无明显变化 |
运维成本 | 减少60% | 无明显变化 |
成功解析率 | 95% | 73% |
分类精度 | 95% | 78% |
费控指令接收准确率 | 98% | 65% |
优选的,由表1可得,相比传统监测方法本发明在数字孪生的支持下,可以大幅提高模型构建和异常检测的效率,同时显著降低了对实际***的侵入性,大幅减少了采集设备配置数量和运维成本。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种智能量测复杂业务场景的全链路监测方法,其特征在于:包括,
利用数字孪生技术建立智能量测***的虚拟模型,以模拟和监测关键业务场景;
利用数据包抓取和解析技术快速定位业务处理故障,并及时发现和分析***异常情况;
在***关键节点添加埋点代码,收集业务处理指标以评估处理效率和分析***瓶颈;
基于监测结果,采取参数调整、容灾设计和算法优化持续提高***的准确性、响应速度和可靠性;
建立动态的监测、分析、优化以及验证的闭环流程,持续提升智能量测***的智能化水平。
2.如权利要求1所述的智能量测复杂业务场景的全链路监测方法,其特征在于:所述利用数字孪生技术建立智能量测***的虚拟模型包括以下步骤:
确定每个模拟和监测的目标包括专变费控的指令下发状态、分时电价的执行结果和新能源接入的申请过程;
根据模拟目标搭建数字孪生模型的框架包括智能量测主站、终端、费控指令、分时电价信息以及新能源接入申请,并定义它们之间的映射关系;
针对每个模拟目标定义相应的模拟流程,并根据定义的模拟流程实现各个环节的模拟逻辑;
若需要监测费控指令、分时电价和新能源接入过程的信息,则在数字孪生模型中添加相应的监测功能以实时获取和记录相关数据和状态;
若需要实现数字孪生模型与实际***的数据交互,则通过接口或协议来建立数据传输的连接以确保数字孪生模型与实际***之间的数据同步和交互;
通过模拟实际***的运行过程验证数字孪生模型是否能够准确反映实际***的运行状态和交互关系;
在验证过程中,若发现任何偏差或不一致之处,则进行优化和改进。
3.如权利要求2所述的智能量测复杂业务场景的全链路监测方法,其特征在于:所述模拟流程包括以下内容:
对于专变费控,模拟营销***提交费控指令、智能量测主站接收费控指令、写入数据库并发送跨区传输服务器环节,并通过实时监测费控指令的下发状态和执行结果及时发现和解决费控指令执行失败的问题;
对于分时电价,模拟电价的配置、发布和执行环节,并通过实时监测电价下发状态和执行结果及时发现和解决电价下发不成功的问题;
对于新能源接入,模拟新能源的接入申请、审批和并网环节,并通过实时监测接入状态和执行结果及时发现和解决新能源接入的问题。
4.如权利要求1所述的智能量测复杂业务场景的全链路监测方法,其特征在于:所述利用数据包抓取和解析技术快速定位业务处理故障包括以下内容:
若数据包中存在价格数值错误、无效代码、与***配置不匹配或与其他成功下发分时电价费率的数据包不一致的情况,则判定是由于价格设置错误导致某个分时电价费率下发不成功;
若数据包中的协议或数据格式与预期不符,则判定是由于不兼容的协议或格式导致解析失败;
若数据包中显示操作被拒绝或存在权限问题的错误信息,则判定是由于权限不足或认证失败导致操作被拒绝;
若数据包中存在配置相关的错误信息或者数据内容错误,则判定是由于配置错误导致操作不成功;
若数据包中没有收到设备的响应或者通信超时,则判定存在网络连接故障;
若数据包中存在设备返回的错误信息或异常状态码,则判定设备本身出现故障。
5.如权利要求1所述的智能量测复杂业务场景的全链路监测方法,其特征在于:所述利用数据包抓取和解析技术快速定位业务处理故障还包括,
若价格设置错误导致某个分时电价费率下发不成功,则检查数据包中的价格数值以验证分时电价费率代码是否有效,并比对数据包中的分时电价费率设置与***配置是否一致,同时确认数据包是否与其他成功下发的分时电价费率数据包一致;
若不兼容的协议或格式导致解析失败,则核查数据包中的协议和数据格式与预期的协议和格式是否一致,判断解析过程使用的解析器或解析算法与数据包的协议和格式是否兼容,并进行适当的协议和格式兼容性调整或转换;
若权限不足或认证失败导致操作被拒绝,则验证操作所需的权限是否正确配置,确认认证信息是否有效并正确提供,并排查潜在的身份验证错误、权限配置问题或安全设置限制;
若配置错误导致操作不成功,则检查数据包中的配置相关信息,核对数据包中的数据内容与预期配置的一致性,修复或调整配置错误,并重新下发或更新相应的配置信息;
若网络连接故障,则检查网络连接是否正常包括设备的网络连接状态和与设备连接的通信链路,并排查可能的网络设备故障、网络拓扑问题、传输层协议设置或网络配置问题;
若设备本身出现故障,则通过设备返回的错误信息或异常状态码进行故障诊断和排查,并与设备供应商或维护人员合作,进行设备故障修复或替换。
6.如权利要求1所述的智能量测复杂业务场景的全链路监测方法,其特征在于:所述在***关键节点添加埋点代码包括以下步骤:
根据实际情况,明确在指定的关键节点处添加信息收集代码,且针对每个关键节点明确要收集的业务处理信息;
根据确定的关键节点和需要收集的业务处理信息,开发相应的信息收集代码;
将开发好的信息收集代码集成到关键节点的***中,并与***开发者或维护人员进行合作,以确保代码正确运行并收集到正确的信息;
在集成信息收集代码后,进行测试和验证以确保代码能够正常工作并收集到正确的业务处理信息;
将经过测试和验证的信息收集代码部署到生产环境中,并对其进行实时监控以确保代码能够正常运行,同时记录和报告关键的业务处理信息;
根据收集到的业务处理信息,进行分析和评估包括对请求处理时间的分布进行分析、异常描述信息的分类和问题解决;
根据分析结果,对***进行优化和改进包括改进***性能、优化指令传输机制和完善异常处理;
所述关键节点包括指令执行请求环节、指令下行报文跨区传输环节、采集前置处理指令环节、终端执行指令环节、采集前置处理返回报文环节、执行结果上行报文跨区传输环节以及指令执行结果反馈环节。
7.如权利要求6所述的智能量测复杂业务场景的全链路监测方法,其特征在于:所述明确要收集的业务处理信息包括以下内容:
若在指令执行请求环节,则收集请求发送时间、请求内容、请求发起方识别信息、请求优先级指标以及预期响应时间;
若在指令下行报文跨区传输环节,则收集报文产生时间、报文内容、源和接收方地址、传输路径、传输时间、链路流量以及确认接收;
若在采集前置处理指令环节,则收集指令到达时间、指令内容、指令来源、处理优先级、处理策略、处理时长、处理结果以及输出报文;
若在终端执行指令环节,则收集指令接收时间、执行开始/结束时间、指令内容、执行流程数据、最终执行状态以及输出结果;
若在采集前置处理返回报文环节,则收集原始指令标识、返回报文生成时间、内容、处理时效性指标、输出渠道以及发送确认;
若在执行结果上行报文跨区传输环节,则收集源地址、目的地址、报文生成时间、内容特征、传输路径、时延参数以及确认机制;
若在指令执行结果反馈环节,则收集原始指令标识信息、反馈时间、反馈内容、处理效果评估参数以及接收确认应答。
8.一种智能量测复杂业务场景的全链路监测***,基于权利要求1~7任一所述的智能量测复杂业务场景的全链路监测方法,其特征在于:还包括,
模拟模块,用于利用数字孪生技术建立智能量测***的虚拟模型,以模拟和监测关键业务场景;
定位模块,用于利用数据包抓取和解析技术快速定位业务处理故障,并及时发现和分析***异常情况;
埋点模块,用于在***关键节点添加埋点代码,收集业务处理指标以评估处理效率和分析***瓶颈;
优化模块,用于基于监测结果,采取参数调整、容灾设计和算法优化持续提高***的准确性、响应速度和可靠性。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1~7任一所述的智能量测复杂业务场景的全链路监测方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1~7任一所述的智能量测复杂业务场景的全链路监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311615307.8A CN117914758A (zh) | 2023-11-29 | 2023-11-29 | 一种智能量测复杂业务场景的全链路监测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311615307.8A CN117914758A (zh) | 2023-11-29 | 2023-11-29 | 一种智能量测复杂业务场景的全链路监测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117914758A true CN117914758A (zh) | 2024-04-19 |
Family
ID=90682831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311615307.8A Pending CN117914758A (zh) | 2023-11-29 | 2023-11-29 | 一种智能量测复杂业务场景的全链路监测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117914758A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118095657A (zh) * | 2024-04-23 | 2024-05-28 | 国能信控互联技术有限公司 | 基于设备统一信息模型的数字化业务管理方法及*** |
-
2023
- 2023-11-29 CN CN202311615307.8A patent/CN117914758A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118095657A (zh) * | 2024-04-23 | 2024-05-28 | 国能信控互联技术有限公司 | 基于设备统一信息模型的数字化业务管理方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111262346B (zh) | 一种变电站一体化自动验收***和方法 | |
CN103699111B (zh) | 分布式监控***的故障检测方法和装置 | |
CN102970175A (zh) | 一种配电网的规约测试分析方法及*** | |
CN117914758A (zh) | 一种智能量测复杂业务场景的全链路监测方法及*** | |
CN105447247A (zh) | 一种调控信息校核的方法及*** | |
CN105262210A (zh) | 一种变电站网络安全性分析预警***和方法 | |
CN112701790A (zh) | 变电站与主站智能联调平台及联调方法 | |
CN113890830B (zh) | 一种iec104主站模拟*** | |
CN104394020A (zh) | 用电采集设备故障自动处理和安全控制***及方法 | |
CN101609407A (zh) | 基于发布者/订阅者模式的全站模型文件匹配的检测方法 | |
CN110991037A (zh) | 一种基于scd的智能变电站测试仿真*** | |
CN104076807B (zh) | 智能变电站的自动化***的调试方法 | |
CN111046543A (zh) | 一种智能变电站测试仿真方法 | |
CN113437798A (zh) | 一种用于主厂站远动信息的主子站数据一致性验证方法 | |
CN105680441A (zh) | 基于模拟替代技术的模拟对点装置 | |
WO2023125706A1 (zh) | 换电车辆的里程订单生成的测试方法及***、设备及介质 | |
CN111641536B (zh) | 一种物联网设备在线测试诊断方法 | |
CN111585350A (zh) | 一种电力控制站通信和分析*** | |
CN111521966A (zh) | 台区电表时间超差监测方法、装置、监测终端和存储介质 | |
CN110928795A (zh) | 一种存储***升级的稳定性测试方法及装置 | |
CN113507397B (zh) | 一种基于云端运维收集终端设备状态自动巡检的方法 | |
CN111435843A (zh) | 一种基于无线接口的高速载波cco通信模块及方法 | |
CN114977494A (zh) | 变电站在运设备不停电批量遥控校核装置及方法 | |
CN115393118A (zh) | 一种基于监测数据分析的二次***故障定位方法及*** | |
CN113472068A (zh) | 一种海岛微电网远程运维方法、***及存储介质 |
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 |