一种应用于数据中心配电监控系统的智能告警推送方法与流程
本发明属于配电,具体而言,涉及一种应用于数据中心配电监控系统的智能告警推送方法。
背景技术:
1、数据中心配电监控系统通常采用基于固定阈值规则或统计特征的告警推送方法,通过对各节点电气参数进行实时采样与阈值比对,当参数超出预设范围时触发告警并推送至运维平台。在配电网络规模较小且故障工况单一的场景下,此类方法能够满足基本监控需求。然而,在大规模数据中心配电系统中,配电拓扑呈多层级树状结构,各节点之间存在强电气耦合关系,当某一上游节点发生故障时,其下游全部从属节点的电气参数将同步出现异常响应,从而触发大量衍生告警,形成告警风暴。在此工况下,现有基于固定阈值的规则告警方法无法区分原生故障告警与衍生告警,导致运维人员面对海量告警时难以快速判断故障源头节点,延误故障处置。在现有技术中,由于缺乏对配电拓扑因果关系的建模与利用,固定阈值方法仅对单节点参数独立判断,无法感知跨节点的电气因果传播路径,也就是说,现有技术中存在配电监控系统在多节点级联故障工况下无法有效剔除衍生告警、致使运维人员无法快速定位故障源头节点的技术问题。
技术实现思路
1、有鉴于此,本发明提供一种应用于数据中心配电监控系统的智能告警推送方法,能够解决现有技术中存在配电监控系统在多节点级联故障工况下无法有效剔除衍生告警、致使运维人员无法快速定位故障源头节点的技术问题。
2、本发明是这样实现的:本发明提供一种应用于数据中心配电监控系统的智能告警推送方法,包括以下步骤:
3、基于图注意力网络动态拓扑自适应重建模型实时采集配电系统中各节点电气状态量,构建带权有向容量网络图,并将额定通流能力作为边容量;
4、双缓冲区环形队列接收各节点回传电气报文,经无锁动态内存池完成零拷贝快速分发,同步启动复合滤波算法剔除瞬态噪声;
5、门控时钟递归自适应拓扑感知模型对多维电气参数进行特征投影与时序分析,输出各节点异常状态概率分布及瞬态变化率,触发动态阈值比对;
6、对超出动态阈值的异常节点集合,执行网络流最小割剪枝定位算法,求解最小割边集,定位配电故障源头节点;
7、以最小割边集对应的源头节点为根,剪除其下游全部衍生异常信息,仅保留源头节点的故障告警记录;
8、向运维人员推送告警,内容包含故障时间、源头故障节点标识、故障类型、可能故障原因及处理方案,并支持展开查看下游子节点异常参数详情。
9、其中,所述带权有向容量网络图的构建,具体是以母线或源端断路器为源点,以各级终端负载断路器为汇点,以各配电支路断路器为中间节点,各节点间有向边权重取对应断路器的额定通流能力;图注意力网络动态拓扑自适应重建模型依据电气状态量的瞬时变化耦合性反向重建虚拟拓扑连接矩阵,使拓扑图与物理配电系统保持一致。
10、其中,所述虚拟拓扑连接矩阵为维稀疏矩阵,为当前配电系统监控节点总数,矩阵元素取值为对应节点间有向边的实时电流归一化值;当节点间电流归一化值低于连通判定阈值时,对应矩阵元素置零,触发拓扑重建流程;连通判定阈值通过在受控实验环境下模拟多种工况,采集各节点间电流归一化值分布数据,经迭代分析取95%置信区间下界值确定。
11、其中,所述双缓冲区环形队列设置两块独立的定长内存缓冲区,写指针与读指针分别运行于不同缓冲区,利用原子操作完成指针切换;无锁动态内存池基于预分配固定大小内存块的链表结构实现,报文到达时直接从内存池领取空闲块,处理完毕后归还;零拷贝快速分发指报文数据在从采集网关到分析线程的全程传递中仅传递内存块指针而非数据本身。
12、其中,所述复合滤波算法由滑动窗时变中值滤波器与小波阈值去噪两部分串联构成;滑动窗时变中值滤波器以长度为的滑动窗口对电气时序信号逐点取中值;小波阈值去噪采用软阈值方式,阈值由信号标准差估计量按准则确定,由最小绝对中值偏差估计获得。
13、其中,所述门控时钟递归自适应拓扑感知模型的输入为各节点在时间窗内的多维电气参数采集序列,维度为,包含电压有效值、电流有效值、有功功率、功率因数、相位偏差共5维特征;输入经前置空间投影层线性变换后进入时钟门控循环层,每个节点分配独立的自适应时间步更新频率;各时间尺度隐藏层通过长跨度残差密集跳转矩阵相连;输出层为多节点异常状态概率分类头。
14、其中,所述时钟门控循环层中,节点的更新频率由其历史瞬态变化率的指数加权均值动态决定;当节点瞬态变化率超过动态阈值时,触发隐藏层状态动态回溯机制,将该节点隐藏状态重置至故障发生前最近一个稳态时刻,并向拓扑图中相邻节点发送激活信号以同步更新相邻节点隐藏状态。
15、其中,所述门控时钟递归自适应拓扑感知模型内部嵌套dijkstra最短路径算法,以拓扑图中各节点异常概率值作为边权,在每次推理后自动计算从源点至各异常节点的最小代价路径,辅助定位故障传播方向。
16、其中,所述动态阈值为激活增益调节函数的输出,基于当前批次节点平均瞬态变化率、当前系统负载率及历史误报率三项数据计算,得到增益调节值,其中、、为权重系数,三者之和为1;当高于收紧阈值时,动态阈值收紧至基准阈值的0.8倍;当低于放宽阈值时,动态阈值放宽至基准阈值的1.2倍;基准阈值通过采集无故障运行数据对各维度参数计算区间边界值得到。
17、其中,所述网络流最小割剪枝定位算法以ford-fulkerson方法求解带权有向容量网络图中从源点到汇点的最大流,由最大流最小割定理得到最小割边集;最小割边集在物理上对应当前故障中断电流传输的最少断路器集合;算法完成最小割求解后,将最小割下游全部节点标记为衍生异常节点并从告警队列中剪除,仅保留最小割边集关联节点的告警。
18、其中,所述门控时钟递归自适应拓扑感知模型的训练数据集建立,包括:在实验室配电实验台模拟单相失压、三相短路、断路器误动、线路接触不良等典型故障工况,采集各节点多维电气参数时序数据并标注故障类型与故障源头节点编号;同时采集正常运行工况数据作为负样本;对采集数据进行复合滤波预处理,按8:1:1比例划分为训练集、验证集与测试集;对各维度参数进行零均值单位方差归一化处理。
19、其中,所述门控时钟递归自适应拓扑感知模型的训练,以交叉熵损失函数为分类损失,附加基于瞬态电路暂态演化方程的物理约束损失项,物理约束损失项要求在无故障时刻模型隐藏状态熵保持最小化,在故障发生时刻隐藏状态熵增最大化;采用adamw优化器与余弦退火策略;以验证集上误报率与漏报率加权和最小为早停准则;训练完毕后将模型权重量化为半精度浮点数后部署。
20、其中,所述门控时钟递归自适应拓扑感知模型的显存分配策略采用按层梯度检查点方式,前向传播时仅保留每层的激活值,其余层激活在反向传播时重新计算;神经元间连接权重采用分组稀疏压缩存储格式,将同一节点内权重按组分块,仅存储非零块索引与权重值;层间隐藏状态张量采用半精度浮点数存储。
21、其中,所述权重系数、、的获取,在模拟配电故障实验台上构建包含不少于500条标注故障样本的验证数据集,以误报率与漏报率加权和为目标函数,以为约束,采用网格搜索方法遍历三者组合,取目标函数最小时对应的参数组合作为初始值,再以梯度下降进行局部精调。
22、其中,所述长跨度残差密集跳转矩阵维度为,为循环层数,取值范围为4~8;滑动窗时变中值滤波器窗口长度的取值范围为5~21个采样点;按层梯度检查点的取值范围为2~4;神经元间连接权重分组稀疏压缩存储格式的块大小范围为16~64;连通判定阈值的典型范围为0.05~0.15;收紧阈值为0.75,放宽阈值为0.4。
23、本发明通过将配电系统拓扑建模为带权有向容量网络图,结合门控时钟递归自适应拓扑感知模型输出各节点异常状态概率分布,再利用网络流最小割剪枝定位算法求解最小割边集,精确定位故障源头节点并剪除下游全部衍生告警,解决了配电监控系统在多节点级联故障工况下无法有效剔除衍生告警的技术问题。带权有向容量网络图将配电拓扑的电气因果关系显式编码为有向边与边容量,使最小割求解结果与物理断路器位置直接对应,保证了故障溯源的确定性与可追溯性。门控时钟递归自适应拓扑感知模型通过异步更新机制使高频瞬变节点获得更密集的状态更新,结合隐藏层状态动态回溯机制消除故障前游离状态的污染,提升了异常概率输出的准确性,从而为最小割算法提供可靠的节点权重输入。综上所述,本发明解决了背景技术中提到的配电监控系统在多节点级联故障工况下无法有效剔除衍生告警、致使运维人员无法快速定位故障源头节点的技术问题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com