[发明专利]一种自动异常检测方法和系统

说明书

本发明提供了一种自动异常检测方法和系统，包括：基于待测指标的历史序列，对待测指标下一检测步长的值进行预测，得到待测指标的预测值；当达到下一检测步长时，获取检测的实际值，对待测指标的预测值和实际值进行比较，当待测指标的预测值和实际值的偏差超过正常范围时，则判断待测指标异常，否则指标正常。该方法和系统支持全指标的异常检测分析，无需依赖人的经验知识指定指标；其次，无需为每个指标设置固定阈值，通过历史规律进行预测来感知当前是否出现异常，比较灵活；当指标规律发生变化时，可以自适应指标规律变化，预测正常范围会随之产生变化，客观反应指标的真实运行状况。

技术领域

本发明属于智能运维技术领域，具体涉及一种自动异常检测方法和系统。

背景技术

电力运维服务是指为维护电力系统的安全稳定运行，保证电能质量，针对配电设施、用电设施，进行规划设计、安装调试、运行监测、维护保养、设备检修等专业服务。通过上述一系列的服务，实现安全、经济和优质的用电目的。

伴随信息化建设的日益深入，对大规模应用系统的监控，传统运维手段暴露出成本高、效率低、高度依赖人的知识经验的缺陷，需要指定指标，告警漏报的可能性比较高。

发明内容

为克服上述现有技术的不足，本发明提出一种自动异常检测方法和系统。该方法和系统包括数据收集清洗、ESW(Enhanced Sliding Windows)复杂时序数据周期检测算法、STLP(The Seasonal Trend Decomposition by Loess Plus)强周期时序数据异常分析算法、TB(Taylor Based)弱周期时序数据异常分析算法以及趋势预测。该方案可以根据指标数据的历史运行规律，判断当前是否出现异常，无需指定指标，提升故障告警的全面性和灵活性。

实现上述目的所采用的解决方案为：

一种自动异常检测方法，其改进之处在于，包括：

基于待测指标的历史序列，对所述待测指标下一检测步长的值进行预测，得到所述待测指标的预测值；

当达到下一检测步长时，获取检测的实际值，对所述待测指标的预测值和实际值进行比较，当所述待测指标的预测值和实际值的偏差超过正常范围时，则判断所述待测指标异常，否则所述指标正常；

其中，所述正常范围在每次预测时，根据进行预测的时刻前所述待测指标的历史序列进行计算得到，所述待测指标为待测系统的所有可检测指标中任选一项指标。

本发明提供的第一优选技术方案，其改进之处在于，所述基于待测指标的历史序列，对所述待测指标进行预测，包括：

基于待测指标的历史序列，采用复杂时序数据周期检测算法将所述待测指标划分为周期性指标或非周期性指标；

基于强周期时序数据异常分析算法，对周期性指标进行预测，并基于弱周期时序数据异常分析算法，对非周期性指标进行预测。

本发明提供的第二优选技术方案，其改进之处在于，所述基于强周期时序数据异常分析算法，对周期性指标进行预测，包括：

针对周期性指标，采用强周期时序数据异常分析算法对所述周期性指标进行时序分解，得到周期项、趋势项和残差项；

对所述趋势项进行拟合，得到趋势项在下一检测步长的值，并基于所述周期项在周期内的变化，得到周期项在下一检测步长的值；

对所述周期项和所述趋势项在下一检测步长的值求和，得到所述周期性指标在下一检测步长的预测值；

所述周期项表示所述周期性指标周期性的振荡，所述趋势项表示所述周期性指标的变换趋势，所述残差项表示所述周期性指标偏离周期和趋势的程度。

本发明提供的第三优选技术方案，其改进之处在于，所述正常范围的制定，包括：