-
公开(公告)号:CN116048913A
公开(公告)日:2023-05-02
申请号:CN202211662658.X
申请日:2022-12-23
申请人: 国家电网有限公司大数据中心
摘要: 本发明涉及数据分析技术领域,具体提供了一种面向电网的数据中台告警源定位方法及装置,包括:获取电网数据中台的告警特征信息;在预先构建的关键告警特征信息关联规则库中获取包含所述告警特征信息的关键告警特征信息关联规则;将关键告警特征信息关联规则中的起始告警特征信息作为告警源。本发明提供的技术方案实现了针对电网数据中台场景的告警源定位技术,具有适用、实用和高效的技术特征。
-
公开(公告)号:CN112907124B
公开(公告)日:2023-10-31
申请号:CN202110303805.3
申请日:2021-03-22
申请人: 国家电网有限公司大数据中心
IPC分类号: G06Q10/0639 , G06Q50/30 , G06N3/044 , G06N3/0464 , G06N3/084
摘要: 本发明实施例公开了一种数据链路异常评测方法、装置、电子设备及存储介质。该方法包括:根据异常评测需求,确定异常评测指标,并获取与异常评测指标对应的异常评测数据;对异常评测数据进行处理,确定异常评测数据的客观评分和主观评分;将客观评分和主观评分输入至预设深度学习模型,得到综合评分,并根据综合评分确定异常评测结果。该方法可以根据客观评分与主观评分确定异常评测结果,得到兼顾客观因素与主观因素的结果,避免结果的片面性与主观性,提高结果的可靠性。
-
公开(公告)号:CN116738169A
公开(公告)日:2023-09-12
申请号:CN202310666404.3
申请日:2023-06-06
申请人: 国家电网有限公司大数据中心
IPC分类号: G06F18/20 , G06F18/214 , G06F17/16
摘要: 本发明提供了一种数据降维的计算机参数异常预测方法及系统,包括:获取包括当前时刻在内的前设定个时刻的计算机多个种类的参数得到第一数据集;基于第一数据集计算协方差矩阵,以及该协方差矩阵的多个特征值和每一个特征值所对应的特征向量,以特征值的大小按照降序的排序方式进行对应排序,并筛选出排序中前设定第一数量的特征值和对应的特征向量;将第一数据集处理后投影到特征向量上,得到第一数量维度的数据点;基于数据点使用预先训练完成的模型得到下一时刻的计算机对应种类的参数,并根据阈值判断下一时刻的计算机对应种类的参数是否异常;本发明通过数据降维解决了运行状态的参数较多,模型资源占用过多,难以预测计算机运行状态的问题。
-
公开(公告)号:CN118941153A
公开(公告)日:2024-11-12
申请号:CN202411056752.X
申请日:2021-03-22
申请人: 国家电网有限公司大数据中心
IPC分类号: G06Q10/0639 , G06Q50/06 , G06F18/214 , G06F18/2431 , G06N20/00
摘要: 本发明公开了一种数据链路异常定位方法、装置、电子设备及存储介质,该方法包括以下步骤:根据数据链路的传输方式,确定异常定位指标,并获取与各所述异常定位指标对应的异常定位数据或与各所述异常定位指标对应的具体数值;对各所述异常定位指标对应的异常定位数据进行处理,提取异常定位数据所具有的数据特征,确定各所述异常定位指标对应的数据特征;将数据特征输入至预设机器学习分类模型中,得到异常分类结果。本发明可以确定数据链路的异常分类结果,从而便于确定异常定位,提升数据链路监测效率,便于数据链路的维护,并降低人工成本。
-
公开(公告)号:CN112907124A
公开(公告)日:2021-06-04
申请号:CN202110303805.3
申请日:2021-03-22
申请人: 国家电网有限公司大数据中心
摘要: 本发明实施例公开了一种数据链路异常评测方法、装置、电子设备及存储介质。该方法包括:根据异常评测需求,确定异常评测指标,并获取与异常评测指标对应的异常评测数据;对异常评测数据进行处理,确定异常评测数据的客观评分和主观评分;将客观评分和主观评分输入至预设深度学习模型,得到综合评分,并根据综合评分确定异常评测结果。该方法可以根据客观评分与主观评分确定异常评测结果,得到兼顾客观因素与主观因素的结果,避免结果的片面性与主观性,提高结果的可靠性。
-
公开(公告)号:CN112966957A
公开(公告)日:2021-06-15
申请号:CN202110302423.9
申请日:2021-03-22
申请人: 国家电网有限公司大数据中心
摘要: 本发明实施例公开了一种数据链路异常定位方法、装置、电子设备及存储介质。该方法包括:根据数据链路的传输方式,确定异常定位指标,并获取与各异常定位指标对应的异常定位数据;对各异常定位指标对应的异常定位数据进行处理,确定各异常定位指标对应的数据特征;将数据特征输入至预设机器学习分类模型中,得到异常分类结果。该方法可以确定数据链路的异常分类结果,从而便于确定异常定位,提升数据链路监测效率,便于数据链路的维护,并降低人工成本。
-
-
-
-
-