本發(fā)明涉及電力自動化領域，具體涉及一種基于電力自動化系統(tǒng)的流量監(jiān)測方法。
背景技術：
近年來調度數據網絡應用有較快發(fā)展，包括保護故障管理、故障錄波遠傳、電量采集系統(tǒng)和調度實時系統(tǒng)等自動化系統(tǒng)。數據網絡是支持調度自動化系統(tǒng)的重要技術平臺，一般要求數據網絡安全可靠，實時性要求在秒級或數秒級。
目前，應用于調度自動化系統(tǒng)中的網絡設備(主要指交換機、路由器等)品種多，數量大；隨著政府對調度自動化系統(tǒng)安全性的要求不斷提升，網絡安全產品如防火墻、縱向加密裝置、橫向隔離設備等也逐漸增多，但是隨設備配置的軟件只能實現同型號設備的配置、維護與簡單監(jiān)測，無法與業(yè)務應用系統(tǒng)關聯；對自動化系統(tǒng)運維人員來說，無法全面、系統(tǒng)地收集業(yè)務系統(tǒng)運行的實時工況，當業(yè)務系統(tǒng)發(fā)生異常時，亦缺乏全面、有效的手段和依據及時對異常進行定位與排查。
cn201110051431.7中給出了一種基于電力自動化系統(tǒng)的流量監(jiān)測系統(tǒng)，但是沒有給出具體的、定量的各服務器之間的數據交互關系分析方法，所以還有進一步提升的空間。
技術實現要素：
本發(fā)明的目的在于提供一種基于電力自動化系統(tǒng)的流量監(jiān)測方法，以解決上述背景技術中提出的網絡設備與業(yè)務應用系統(tǒng)無法關聯的問題，也就是給出了各服務器之間的數據交互關系的定量分析方法。
本發(fā)明提出了一種基于電力自動化系統(tǒng)的流量監(jiān)測方法，包括：
步驟100，獲取電力自動化系統(tǒng)歷史流量數據與業(yè)務系統(tǒng)流量數據的參數，包括總流量、瞬時流量最大值、瞬時流量最小值、數據流向、持續(xù)時間；
步驟200，分析業(yè)務系統(tǒng)流量數據的總流量與電力自動化系統(tǒng)歷史流量數據的總流量之間的關聯度；
步驟300，分析業(yè)務系統(tǒng)流量數據的瞬時流量最大值與電力自動化系統(tǒng)歷史流量數據的瞬時流量最大值之間的關聯度；
步驟400，分析業(yè)務系統(tǒng)流量數據的瞬時流量最小值與電力自動化系統(tǒng)歷史流量數據的瞬時流量最小值之間的關聯度；
步驟500，分析業(yè)務系統(tǒng)流量數據的數據流向與電力自動化系統(tǒng)歷史流量數據的數據流向之間的關聯度；
步驟600，分析業(yè)務系統(tǒng)流量數據的持續(xù)時間與電力自動化系統(tǒng)歷史流量數據的持續(xù)時間之間的關聯度；
步驟700，計算電力自動化系統(tǒng)歷史流量數據與業(yè)務系統(tǒng)流量數據的綜合關聯指數；
步驟800，根據電力自動化系統(tǒng)歷史流量數據與業(yè)務系統(tǒng)流量數據的綜合關聯指數，確定各業(yè)務系統(tǒng)流量數據之間的關系。
與現有技術相比，本發(fā)明的有益效果是：本發(fā)明給出了各服務器之間的數據交互關系的定量分析方法，能夠定量的計算電力自動化系統(tǒng)歷史流量數據與業(yè)務系統(tǒng)流量數據的關聯指數，根據關聯指數能夠精確確定電力自動化系統(tǒng)歷史流量數據與業(yè)務系統(tǒng)流量數據之間的關系，以此為基準，可以確定各服務器之間的數據交互關系，便于管理者發(fā)現不同業(yè)務系統(tǒng)之間隱含的關系，輔助管理者做出正確判斷與決策。
具體實施方式
下面將對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
本發(fā)明提供了一種實施例：
一種基于電力自動化系統(tǒng)的流量監(jiān)測方法，包括：
步驟100，獲取電力自動化系統(tǒng)歷史流量數據與業(yè)務系統(tǒng)流量數據的參數，包括總流量、瞬時流量最大值、瞬時流量最小值、數據流向、持續(xù)時間；
步驟200，分析業(yè)務系統(tǒng)流量數據的總流量與電力自動化系統(tǒng)歷史流量數據的總流量之間的關聯度；
記電力自動化系統(tǒng)歷史流量數據的總流量集合為{dtot}，{dtot}＝{dtot(t1),dtot(t2),...,dtot(tu)}為歷史流量數據的總流量集合，{t1,t2ltu}為固定時間間隔的時間點序列，時間間隔記為δt，時間點數量為u，ti為第i個時間點，i∈[1,u]，{dtot(ti)}為歷史流量數據在第i個時間點的總流量，業(yè)務系統(tǒng)流量數據的總流量集合為{btot}，{btot}＝{btot(t1),btot(t2),...,btot(tu)},計算歷史流量數據的總流量與業(yè)務系統(tǒng)流量數據的總流量在第i個時間點的關聯度，記為
其中δetoti為第i個時間點業(yè)務系統(tǒng)流量數據的總流量與歷史流量數據的總流量的差值，δmintot為業(yè)務系統(tǒng)流量數據的總流量與歷史流量數據的總流量的差值的最小值，δmaxtot為業(yè)務系統(tǒng)流量數據的總流量與歷史流量數據的總流量的差值的最大值，ηtot為總流量分辨系數，ηtot∈[0,1]，優(yōu)選為0.67；
計算業(yè)務系統(tǒng)流量數據的總流量與歷史流量數據的總流量的關聯度ltot，
特別的，cn201110051431.7中針對系統(tǒng)各應用對數據時間粒度要求的差異，支持1分鐘、5分鐘、10分鐘、30分鐘、1小時、1天、1周、1月、1季度、1年等10個時間粒度的數據聚合，以數據庫中1分鐘聚合數據為基礎，由1分鐘數據聚合5分鐘數據，由5分鐘數據聚合10分鐘數據，依此類推，對不同時間粒度流量數據進行迭代聚合，同時避免影響實時流量采集的性能。本發(fā)明的時間間隔與時間點序列概念與cn201110051431.7中數據時間粒度相同，時間間隔優(yōu)選為1分鐘，時間點序列優(yōu)選為1-120分鐘。
步驟300，分析業(yè)務系統(tǒng)流量數據的瞬時流量最大值與電力自動化系統(tǒng)歷史流量數據的瞬時流量最大值之間的關聯度；
記電力自動化系統(tǒng)歷史流量數據的瞬時流量最大值集合為{dmax}，{dmax}＝{dmax(t1),dmax(t2),...,dmax(tu)}為歷史流量數據的瞬時流量最大值集合，{dmax(ti)}為歷史流量數據在第i個時間點的瞬時流量最大值，業(yè)務系統(tǒng)流量數據的瞬時流量最大值集合為{bmax}，{bmax(ti)}為歷史流量數據在第i個時間點的瞬時流量最大值，{bmax}＝{bmax(t1),bmax(t2),...,bmax(tu)},計算歷史流量數據的瞬時流量最大值與業(yè)務系統(tǒng)流量數據的瞬時流量最大值在第i個時間點的關聯度，記為
計算歷史流量數據的瞬時流量最大值與業(yè)務系統(tǒng)流量數據的瞬時流量最大值的關聯度lmax，
一般來說，歷史流量數據的瞬時流量最大值應該大于業(yè)務系統(tǒng)流量數據的瞬時流量最大值，所以lmax∈[0,1]；
步驟400，分析業(yè)務系統(tǒng)流量數據的瞬時流量最小值與電力自動化系統(tǒng)歷史流量數據的瞬時流量最小值之間的關聯度；
記電力自動化系統(tǒng)歷史流量數據的瞬時流量最小值集合為{dmin}，
{dmin}＝{dmin(t1),dmin(t2),...,dmin(tu)}為歷史流量數據的瞬時流量最小值集合，{dmin(ti)}為歷史流量數據在第i個時間點的瞬時流量最小值，業(yè)務系統(tǒng)流量數據的瞬時流量最小值集合為{bmin}，{bmin(ti)}為歷史流量數據在第i個時間點的瞬時流量最小值，{bmin}＝{bmin(t1),bmin(t2),...,bmin(tu)},計算歷史流量數據的瞬時流量最小值與業(yè)務系統(tǒng)流量數據的瞬時流量最小值在第i個時間點的關聯度，記為
計算歷史流量數據的瞬時流量最小值與業(yè)務系統(tǒng)流量數據的瞬時流量最小值的關聯度lmin，
一般來說，歷史流量數據的瞬時流量最小值應該小于業(yè)務系統(tǒng)流量數據的瞬時流量最大值，所以lmin∈[0,1]；
步驟500，分析業(yè)務系統(tǒng)流量數據的數據流向與電力自動化系統(tǒng)歷史流量數據的數據流向之間的關聯度；
記電力自動化系統(tǒng)歷史流量數據的數據流向為ddir，業(yè)務系統(tǒng)流量數據的數據流向集合為bdir，
計算歷史流量數據的數據流向與業(yè)務系統(tǒng)流量數據的數據流向的關聯度ldir，
因為數據流向只有輸入和輸出兩個方向，而且數據流向與時間度量無關，所以ldir要么為1，要么為0；
步驟600，分析業(yè)務系統(tǒng)流量數據的持續(xù)時間與電力自動化系統(tǒng)歷史流量數據的持續(xù)時間之間的關聯度；
記電力自動化系統(tǒng)歷史流量數據的持續(xù)時間集合為{dt}，{dt(ti)}為歷史流量數據在第i個時間點的持續(xù)時間，{dt}＝{dt(t1),dt(t2),...,dt(tu)}為歷史流量數據的持續(xù)時間集合，業(yè)務系統(tǒng)流量數據的持續(xù)時間集合為{bt}，{bt(ti)}為業(yè)務系統(tǒng)流量數據在第i個時間點的持續(xù)時間，{bt}＝{bt(t1),bt(t2),...,bt(tu)},計算歷史流量數據的持續(xù)時間與業(yè)務系統(tǒng)流量數據的持續(xù)時間在第i個時間點的關聯度，記為
其中δeti為第i個時間點業(yè)務系統(tǒng)流量數據的持續(xù)時間與歷史流量數據的持續(xù)時間的差值，δmint為業(yè)務系統(tǒng)流量數據的持續(xù)時間與歷史流量數據的持續(xù)時間的差值的最小值，δmaxt為業(yè)務系統(tǒng)流量數據的持續(xù)時間與歷史流量數據的持續(xù)時間的差值的最大值，ηt為持續(xù)時間分辨系數，ηt∈[0,1]，優(yōu)選為0.38；
計算業(yè)務系統(tǒng)流量數據的持續(xù)時間與歷史流量數據的持續(xù)時間的關聯度lt，
步驟700，計算電力自動化系統(tǒng)歷史流量數據與業(yè)務系統(tǒng)流量數據的綜合關聯指數；
一種計算綜合關聯指數l的方法為：
步驟800，根據電力自動化系統(tǒng)歷史流量數據與業(yè)務系統(tǒng)流量數據的綜合關聯指數，確定各業(yè)務系統(tǒng)流量數據之間的關系。
一種計算第j個與第k個業(yè)務系統(tǒng)流量數據之間相似度σjk的方法為：
其中l(wèi)tot(j)與ltot(k)分別為第j個與第k個業(yè)務系統(tǒng)的總流量與歷史流量數據的總流量的關聯度；lmax(j)與lmax(k)分別為第j個與第k個業(yè)務系統(tǒng)流量數據的瞬時流量最大值與歷史流量數據的瞬時流量最大值的關聯度；lmin(j)與lmin(k)分別為第j個與第k個業(yè)務系統(tǒng)流量數據的瞬時流量最小值與歷史流量數據的瞬時流量最小值的關聯度；lt(j)與lt(k)分別為第j個與第k個業(yè)務系統(tǒng)流量數據的持續(xù)時間與歷史流量數據的持續(xù)時間的關聯度。
使用這種方法來定量分析各服務器之間的數據交互關系的好處在于：能夠定量的計算電力自動化系統(tǒng)歷史流量數據與業(yè)務系統(tǒng)流量數據的關聯指數，根據關聯指數能夠精確確定電力自動化系統(tǒng)歷史流量數據與業(yè)務系統(tǒng)流量數據之間的關系，以此為基準，可以確定各服務器之間的數據交互關系，便于管理者發(fā)現不同業(yè)務系統(tǒng)之間隱含的關系，輔助管理者做出正確判斷與決策。
下表給出了不同時間間隔和不同時間序列長度的情況下，本方法計算各業(yè)務系統(tǒng)關聯關系的準確率(百分比)，從表中數據可以看出，時間粒度越小，準確率越高，時間序列越長，準確率越高。因此，本發(fā)明的基于電力自動化系統(tǒng)的流量監(jiān)測方法取得了意想不到的效果，與現有技術相比具有顯著的進步。
對于本領域技術人員而言，顯然本發(fā)明不限于上述示范性實施例的細節(jié)，而且在不背離本發(fā)明的精神或基本特征的情況下，能夠以其他的具體形式實現本發(fā)明。因此，無論從哪一點來看，均應將實施例看作是示范性的，而且是非限制性的，本發(fā)明的范圍由所附權利要求而不是上述說明限定，因此旨在將落在權利要求的等同要件的含義和范圍內的所有變化囊括在本發(fā)明內。