[发明专利]基于时间序列和故障树分析的电网调控数据中心业务特性故障定位方法及系统

权利要求书

1.基于时间序列和故障树分析的电网调控数据中心业务特性故障定位方法，其特征在于：包括：

建立故障树模型；

获取电力调控数据中心中每台设备对应的一组变量数据，并对变量数据进行最大最小值归一化处理；

通过MARA自适应预测模型对获取的变量数据进行未来状态预测，并将预测数据存储至数据库中；

对预测数据进行阈值比较，当预测数据符合阈值时，将预测数据进行二进制转化后输出；

接收二进制的预测数据，并通过故障树模型进行可用性分析；

接收未来可能存在的故障节点发送的故障信号并标记，组织并执行迁移操作。

2.根据权利要求1所述的基于时间序列和故障树分析的电网调控数据中心业务特性故障快速定位方法，其特征在于：所述通过MARA自适应预测模型对获取的变量数据进行未来状态预测，并将预测数据存储至数据库中，具体包括：

创建MARA模型；

创建多步MARA模型，并以自适应的方式进行训练，得到基于变量数据的MARA自适应预测模型；

对获取的变量数据进行未来状态预测，当MARA自适应预测模型获得了未来时刻的预测数据值，将预测数据值存储至数据库中。

3.根据权利要求1所述的基于时间序列和故障树分析的电网调控数据中心业务特性故障快速定位方法，其特征在于：所述建立故障树模型，具体包括：

创建用于表示系统状态的顶端业务，并对顶端业务进行拆分以获得下端子业务，以及对下端子业务进行逐级拆分，当抵达可解释分辨率的最大值时结束拆分；

采用布尔逻辑门索引的方式将下端子业务与顶端业务进行连接，建立与各个子业务一一对应的布尔表达式，以及顶端业务对应的布尔表达式；

所述接收二进制的预测数据，并通过故障树模型进行可用性分析，具体包括：

故障树模型对二进制的预测数据进行分解，使其简化成顶端业务中的一个布尔值；

分析顶端业务，当顶端业务能够进行时，那么故障树模型中输出的变量取值为1，否则取值为0。

4.根据权利要求1所述的基于时间序列和故障树分析的电网调控数据中心业务特性故障快速定位方法，其特征在于：所述对预测数据进行阈值比较，当预测数据符合阈值时，将预测数据进行二进制转化后输出，具体包括：

设置用于表示严重性程度的多个阈值；

将预测数据与多个阈值进行比较，当预测数据符合某个阈值时，将预测数据进行相应的二进制转化后输出。

5.根据权利要求1所述的基于时间序列和故障树分析的电网调控数据中心业务特性故障快速定位方法，其特征在于：所述接收未来可能存在的故障节点发送的故障信号并标记，组织并执行迁移操作，具体包括：

接收未来可能存在的故障节点发送的故障信号并标记，其中：所述的故障节点包括：可能发生的故障时间；

建立每个故障节点对应的迁移操作，以及与所述每个迁移操作对应的目标地址；并根据故障时间和迁移所需时长确定迁移顺序；

根据迁移顺序，执行迁移操作。

6.基于时间序列和故障树分析的电网调控数据中心业务特性故障定位系统，其特征在于：包括：

建立单元(10)，用于建立故障树模型；

获取单元(20)，用于获取电力调控数据中心中每台设备对应的一组变量数据，并对变量数据进行最大最小值归一化处理；

故障预测单元(30)，用于通过MARA自适应预测模型对获取的变量数据进行未来状态预测，并将预测数据存储至数据库中；

阈值比较单元(40)，用于对预测数据进行阈值比较，当预测数据符合阈值时，将预测数据进行二进制转化后输出；

可用性分析单元(50)，用于接收二进制的预测数据，并通过故障树模型进行可用性分析；

管控单元(60)，用于接收未来可能存在的故障节点发送的故障信号并标记，组织并执行迁移操作。