[发明专利]一种电力信息系统运行趋势分析方法、装置及存储介质

说明书

本发明公开了一种电力信息系统运行趋势分析方法，所述方法包括：获取电力信息系统设备运行的历史数据统计，数据预处理，构建数据集；将数据集划分为训练数据集和测试数据集，将训练数据集中的异常运维数据剔除；使用训练数据集训练基于Prophet的系统运行趋势置信区间模型，使用测试数据集检测模型的分类预测能力；使用基于Prophet的系统运行趋势置信区间模型对电力信息系统现在或未来的运行情况进行趋势分析。采用上述方法，可以高效准确的计算出电力信息系统的运行趋势置信区间，对电力信息系统进行趋势分析，判断电力信息系统运行状况。

技术领域

本发明涉及数据处理领域，尤其涉及一种电力信息系统运行趋势分析方法、装置及存储介质。

背景技术

对电力信息系统运行状态进行及时高效的趋势分析有利于保障系统的正常运行。当前，对于电力系统的运行状态评价主要依赖于运维人员的经验判断，而落后的运维管理技术无法满足数据中心加速业务发展的需求。过多分配资源会导致资源浪费；而资源分配不足又会导致系统运行卡顿，增加了宕机风险。

发明内容

发明目的：本发明旨在提供一种用于电力信息系统运行评价预测的方法，通过预测运行数据趋势，从而预分配资源。本发明的另一目的在于提供基于上述方法的装置及存储介质。

技术方案：本发明所述的电力信息系统运行趋势分析方法包括：

(1)获取电力信息系统设备的历史运行数据统计，分别构建训练数据集和测试数据集；

(2)利用训练数据集训练基于Prophet的系统运行趋势置信区间模型，通过测试数据集对模型的分类预测能力进行检测，对所述基于Prophet的系统运行趋势置信区间模型进行调整；所述Prophet为facebook开源的时间序列预测算法；

(3)根据所述基于Prophet的系统运行趋势置信区间模型计算各电力信息系统运行数据预测值，得到系统运行趋势。进一步地，所述步骤(1)包括：

(11)获取预设时间内相同时间间隔的时间节点下的所述电力信息系统设备的历史运行数据；

(12)对所述历史运行数据进行预处理，分别构建训练数据集和测试数据集。

进一步地，步骤(12)中，所述预处理为：对所述历史运行数据进行数据清洗，归一化。

具体地，所述运行数据至少包括以下一种：环境温度、湿度、CPU、服务器温度、风扇转数、内存、存储利用率、I/O带宽、网络延时、网络带宽。

进一步地，所述训练数据集和测试数据集为按比例划分的预处理后的历史运行数据的数据集，其中所述训练数据集剔除了历史运行数据中的异常数据。

进一步地，所述基于Prophet的系统运行趋势置信区间模型P_(t)如下：

P_(t)＝g_(t)+s_(t)+h_(t)+ε_t

其中，g_(t)为用于表征所述运行数据的时间序列非周期性变化趋势的TREND函数；s_(t)为所述运行数据的周期性函数；h_(t)为节假日项；ε_t是误差项；t为时间。

优选地，所述TREND函数g_(t)为：

其中，C表示模型容量，k表示增长率，b表示偏移量。

优选地，所述周期性函数s_(t)为：

其中，T表示周期时长，2n为周期的个数。