基于随机森林算法的数据中心运维异常告警方法

已有的数据中心运维异常告警方法由于数据分类结果模糊,无法在运维中心筛选异常数据,导致告警效果欠佳。为解决上述问题,文中提出一种基于随机森林算法的数据中心运维异常告警方法。通过滑窗方法构造数据样本,设定控制参数,以确定数据样本总数,集成数据集,实现数据预处理;然后建立包含多个决策方法的数据分类器,分别计算数据的平均值、极差和标准差,判断样本线性函数,确定特征集合,实现异常特征提取;最后,根据随机森林算法训练计算子集,建立数据决策树,通过数据的流动次数和分类结果实现异常告警。实验结果表明,基于随机森林算法的数据中心运维异常告警方法通过数据分类器能够在短时间内处理异常数据,并判断异常特征,对于异常数据的识别精准度高于90%,与其他识别方法相比,具有很好的识别效果。

基于智慧地铁的异常告警应用

随着新技术在城市轨道交通领域的广泛应用,智慧地铁得到了广泛的发展,更加智能化、人性化。文章从地铁车站能够时刻稳定运行的需求出发,提出了一种基于智慧地铁的异常告警应用,即基于地铁车站的异常情况,通过报警的方式,对工作人员进行异常提醒,及时接警处理。该应用的提出可以为地铁运营管理者规避异常情况带来的运营损失。

基于大数据和卷积神经网络的财务数据异常告警方法

为提高财务数据处理的效率和准确性,研究基于大数据和卷积神经网络的财务数据异常告警方法。首先,将样本数据输入数据处理系统,通过对回归向量进行分类来确定数据方向;其次,对异常财务数据特征进行分类后,根据分类结果对异常数据进行预警;最后,进行实验对比分析。通过财务数据预处理、基于大数据的异常特征提取、基于卷积神经网络的异常特征分类以及财务数据异常告警,完成财务数据异常告警。实验结果表明,该方法的财务数据异常告警结果较为准确,优于对照组。

阀组旁路开关Idbps异常告警分析及优化

针对新东直流现场在阀组隔离期间出现的Idbps异常告警问题,分析Idbps异常告警原因,并针对现场BPI合闸过程中的电流转移特性进行相应软件功能优化,改进后的逻辑能有效解决Idbps异常告警问题。

一起220kV主变压器保护装置发TV异常告警的原因分析

以一起220 k V主变压器保护装置发电压互感器(TV)异常告警为例,说明三次谐波超标是引起装置TV异常的原因之一。经过进一步分析得出,当TV中性点装有消谐器时,消谐器会产生电压并在TV零序开口三角上显现出三次谐波,进而引起主变压器保护装置发TV异常告警。针对该类异常告警提出了解决对策,以确保变电站内主设备安全稳定运行。

设备异常告警采集装置的设计与安装

根据一起故障,为防止类似事故发生,设计出一种设备异常告警采集装置,可采集设备异常告警信息,电源电压消失,UPS工作状况等,将其信息汇总,作为常规RTU遥信,接入调度自动化系统,这样可以及时发现一些故障,方便我们的运行维护工作。

某型飞机燃油油量系统异常告警故障分析与处理

重点研究了某型飞机常见的油量系统异常告警故障。首先基于对燃油系统供输油原理、物理结构和油量告警机理的分析,建立了故障树,分析和明确了故障原因为油箱密封性问题导致的燃油泄漏。进而通过地面模拟实验,成功实现了故障复现、定位与排除。最后基于历史同类故障事件的分析,对飞机维修和维护中该类故障的规避提出了实践建议。

一起变电站220kV智能终端异常告警的分析与处理

智能变电站作为电力系统发展的必然趋势,已经越来越受到关注和重视。智能设备比如合并单元、智能终端等智能设备的异常告警也会给系统的安全稳定运行带来一定的威胁及隐患。快速判断变电站现场智能设备的异常状态显得尤为重要,如果异常判断失误或处理不及时则可能会产生严重后果。本文针对一起220kV变电站智能终端异常告警案例,对智能终端出现异常告警的现象、智能终端异常影响范围及异常处理方法进行分析,并针对类似问题提出相应的防范措施。

500 kV变电站大面积距离保护异常告警的分析

针对发生在500 kV长春合心变电站里的大面积220 kV线路保护装置出现“距离保护告警”的现象,经分析,认为应采用并接多个端子排的方式把电压母线N 600分配给各套保护和安全自动装置,直接从母线电压屏处通过电缆的方式取用电压公共母线N 600。

现场服务与管理异常告警处理对策的研究与实现

异常告警处理在现场管理工作中发挥着重要的作用。通过对现场管理系统异常告警处理现状的分析,结合温州电力局用电现场服务与管理系统的实践过程和经验,提出改进方法及相应的实施建议,并在实践中得到了验证。

供应商监测设备数据异常告警应用研究

电力监测设备在电力生产和电网运行进行试验测试、验证、检测和验收过程起着非常关键作用,属于智能电网当中非常重要的一个部分,直接影响了整个电力系统的运行时的安全与稳定性,能够为电力系统的运行提供更加可靠的保障。本研究主要是利用先进的“互联网+”应用技术,开展实用的电力监测设备数据异常预警应用研究,是为了对电力设备进行维修,让电力设备变得更加的可靠,提升风险分析能力,变被动为主动,加强电力设备的维护,满足配电网规模快速扩大带来的精益化管理需求,解决配电网生产管理面临的重重问题。

一起“主变冷却器全停”告警异常的分析

叙述了一起"主变冷却器全停"告警的异常现象和处理过程,以及处理过程中出现的新的异常情况,通过对主变冷却器相关控制回路的深入解读,分析了异常发生的原因,并提出了避免异常告警出现的防范措施。

RPA在电网异常数据告警的探索与应用

电力系统中每秒会产生成千上万条数据,需要人工去排查这些数据中存在的异常数据并进行异常告警,但因人为漏检或误判而导致的电力系统潜在风险或故障无法得到及时预测和解决,此外由于其数据结构的多样性导致底层自动化无法复用。虽然RPA的技术在早些年前就已经开始在我国流行,但是大部分都应用在金融领域。本文尝试将RPA与电力系统相结合,在电网异常数据告警中进行探索以及应用。实施结果表明,将RPA技术和电力系统相结合,能够达到准确性100%,能有效解决当前电力系统所面临的人工误判等问题,同时可以将人工平均工作时间由原来的12 h降低为3 h,在节省人力的同时也能提高准确性。

基于模板库的异常信号告警与定性研究

异常信号告警与定性是频谱管理系统的重点扩展功能。分析了异常信号的特征参数、成因与常见定性规则,提出了基于可定制模板库的挂接式异常信号告警与定性方法。描述了模板库的组成,可根据不同系统条件自由定制或导入。可以挂接的方式集成到所属频谱管理系统,实现功能扩展而不影响系统主体结构。自动基于模板库,实时监视收集到的电磁信号数据,通过条件触发告警或延伸业务,完成异常信号的告警与定性。

基于大数据分析的计量装置异常管控新模式探索

计量装置异常往往给供电企业带来巨大的损失。目前高压用户计量装置异常管控主要依托于采集系统计量异常告警来实现,低压用户计量装置异常管控主要依靠台区线损分析法来实现。现有管控模式虽然较以往有了很大的提升,但依然存在不少问题。一是现有管控模式查找计量装置异常不够快速、准确,初步统计采集系统异常告警的误报率达45.7%.

电力采集终端电流骤降告警产生机制研究

随着我国电力行业的发展,电力技术与物联网结合越来越紧密,智能电力采集系统也得到了广泛应用。鉴于此,介绍了一种能自动检测电网电流是否存在异常,主动向主站上报异常告警信号,并且可以存贮异常信息、使用液晶界面查阅告警信息记录的机制,该机制大幅提高了智能电力采集终端运行的实用性和可维护性。

电压回路中性线对零序方向保护的影响分析和防范措施

通过一起高频零序方向保护误动事故,介绍了交流电压回路异常的排查方法,重点分析了交流电压中性线松动对零序方向保护动作行为的影响,并根据零序电压出现三次谐波的特点提出了设置电压回路异常告警的防范措施。

面向物流服务的海量日志实时流处理平台

随着电商平台的快速发展,物流行业增长迅猛,其中物流服务平台的访问日志能够反映用户的行为规律,从而挖掘潜藏信息助力物流服务平台优化业务已至关重要.目前,针对于此类大规模日志数据处理提出了更高的实时性需求,本文综合考量多种实时计算的流处理框架、大规模存储数据库以及日志采集工具等,选取Flume及Kafka作为日志采集工具与消息队列,并利用Flink及HBase进行流数据实时计算以及大规模数据存储.同时,对平台设计了数据去重、异常告警、容错策略以及负载调度的功能.经实验测试证明,本处理平台可以有效处理物流服务平台的日志数据,具有较强的创新思路以及实际价值.

基于前后端分离架构的智慧农业物联网系统设计

针对传统物联网系统设计难以处理复杂业务逻辑且不易于功能扩展的问题,文中设计一种由远程数据服务平台、数据采集终端和窄带物联网(NB-IoT)无线数据传输模块组成的物联网系统。该系统在数据服务平台和应用层管理软件开发中采用前后端分离的设计思想和MVVM(Model-View-ViewModel)架构,采用Vue.js、Element技术开发前端Web页面,采用Django、SMTP、Nginx等技术开发后端数据服务器,以实现前后端数据的解耦,从而使系统具备处理复杂数据的潜力,便于系统的二次开发和新功能扩展。然后,基于树莓派构建嵌入式多元传感器采集节点,并利用低功耗NB-IoT模块实现数据的无线远程传输,以增加部署的灵活性,便于野外大范围布置传感器节点。最后,设计系统的实时数据监控、历史数据查询、数据可视化分析与处理、异常数据告警等应用功能,为农业生产过程监测提供便利。文中系统具备便捷的扩展接口,可作为各种农业物联网应用的基础开发平台,如构建农业土壤环境监测系统、病虫害智能诊断系统等,能够为精准农业和智慧农业信息系统构建提供载体。

基于动态解析方法的多线程数据高效抓取仿真

目前数据获取方法存在准确性和安全性较差的问题,为此提出基于动态解析的多线程数据高效抓取方法。依据多线程数据异常告警空间定义,利用混沌粒子群算法对异常告警进行聚类,初始化粒子群,设置聚类数量和粒子数量,针对各粒子随机指派一个类别,并获取聚类中心,利用聚类评判准则中最小均方根误差准则实现异常告警划分聚类,使数据抓取过程中能够有效避开异常数据。基于数据抓取安全性分析,通过词项的共现思想,针对多线程数据构建动态解析网络,依据网络边权重随时间延长而呈线性衰减的理念,通过加权度数获取多线程数据特征权重,抓取其中权重值较大的数据。实验表明,该方法抓取精度高,安全性好。