【技术实现步骤摘要】
本申请涉及数据处理的，具体涉及一种变电站交换机的数据处理方法、装置及电子设备。
技术介绍
1、随着电力系统向自动化和智能化方向的不断发展，智能化变电站已经成为主流。在变电站中，一次设备多采用微处理器设计，通过高速网络设备与二次设备进行数据交换，传统的线路连接方式被逐步淘汰。因此，作为变电站过程层的主要网络设备之一，过程层交换机的性能表现直接影响着智能化变电站网络的各项性能指标和整体可靠性。
2、由此，对变电站交换机的故障监测显得尤为重要。目前，在变电站的运行维护过程中，交换机的带宽异常是一个需要密切关注的问题。当交换机出现带宽异常时，可能会导致所有端口上的报文随机丢弃，从而引发传输故障。这种传输故障不仅会影响正常设备的业务报文传输质量，还可能对整个变电站的稳定运行造成威胁。但是，现有技术通常只在传输故障发生后才开始处理，这意味着在故障发生前，异常带宽数据无法得到实时监测。这种被动的方式不仅增加了故障处理的难度和时间成本，还可能对变电站的运行安全造成潜在威胁。
3、因此，急需一种变电站交换机的数据处理方法、装置及电子设备。
技术实现思路
1、本申请提供了一种变电站交换机的数据处理方法、装置及电子设备，便于主动对变电站交换机的带宽异常进行实时监测，并提供对应的解决方案排除潜在威胁。
2、在本申请的第一方面提供了一种变电站交换机的数据处理方法，所述方法包括：获取变电站交换机的带宽数据；采用预设识别模型判断所述带宽数据中是否存在异常数据；若确定所述带宽数
3、通过采用上述技术方案，通过获取变电站交换机的带宽数据，可以全面了解网络的整体运行状态和性能。这些数据提供了关于网络流量模式、潜在瓶颈和性能问题的实时反馈。采用预设识别模型判断带宽数据中是否存在异常数据，有助于快速识别出可能的问题区域，而不必依赖人工分析。这大大提高了故障排查的效率和准确性。一旦检测到异常数据，系统能够自动获取异常数据对应的异常类型。这种智能诊断功能进一步减少了人工干预的需要，并使问题解决更为迅速。根据异常数据对应的异常类型，系统可以生成对应的解决方案。这些解决方案旨在解决异常数据导致的潜在故障，从而预防设备故障的发生，提高了设备的稳定性和可用性。这种自动化的处理流程可以减少对人工监控和故障排除的需求，从而降低运营成本。此外，预防性维护有助于延长设备的使用寿命，进一步节约成本。及时识别和处理潜在故障可以降低设备突然失效的风险，从而提高整个系统的安全性。因此，便于主动对变电站交换机的带宽异常进行实时监测，并提供对应的解决方案排除潜在威胁。
4、可选地，所述采用预设识别模型判断所述带宽数据中是否存在异常数据，具体包括：根据所述带宽数据，得到第一字段数据，所述第一字段数据为多个字段数据中的任意一个字段数据；在所述预设识别模型中遍历查找所述第一字段数据，以判断所述带宽数据中是否存在异常数据，所述预设识别模型中预先存储有多个异常字段数据；所述若确定所述带宽数据中存在所述异常数据，具体包括：若所述预设识别模型中存在与所述第一字段数据对应的第二字段数据，则确认所述带宽数据中存在所述异常数据，所述第二字段数据为多个所述异常字段数据中的任意一个异常字段数据，所述第一字段数据与所述第二字段数据为同一种字段数据。
5、通过采用上述技术方案，通过关注多个字段数据中的任意一个字段数据，系统能够更灵活地检测异常。这意味着它可以基于多种数据来源或属性来识别异常，而不仅仅依赖于单一的字段。在预设识别模型中遍历查找第一字段数据，可以快速、准确地判断带宽数据中是否存在异常。这种方式避免了逐一检查每个字段数据的需要，提高了处理效率。通过预设识别模型中的异常字段数据进行比较，可以确保异常识别的准确性。这些异常字段数据已经在模型中预先存储，并且经过了验证或学习过程，因此具有很高的参考价值。若预设识别模型中存在与第一字段数据对应的第二字段数据，说明数据中确实存在异常。这种方式确保了异常检测的一致性，避免了误判或遗漏的可能性。由于采用了预设识别模型，整个异常检测过程变得更为简化。无需复杂的算法或人工干预，系统可以自动完成大部分工作，降低了维护和操作的复杂性。
6、可选地，所述预设识别模型根据分类判别函数确定，所述分类判别函数，具体采用如下计算规则：
7、；
8、其中，f(x)为分类判别函数，x为特征向量，xi为支持向量，n为支持向量xi的数量，ai*为拉格朗日参数，yi为类别标记，kmix(x,xi)为支持向量机的核函数，b*为分类阈值。
9、通过采用上述技术方案，终端设备具体采用上述计算规则对异常数据进行识别，从而准确地区分不同异常数据之间的类型，进而提高了确定异常数据的准确性和鲁棒性。
10、可选地，所述分类阈值b*由以下计算公式得到：
11、；
12、其中，w为超平面权系数向量，x(1)为带宽数据的正常数据中任意一个支持向量，x(-1)为异常数据中任意一个支持向量，所述分类阈值根据所述超平面权系数向量确定，所述支持向量机的核函数根据权重因子、尺度、衰减参数以及核函数参数确定。
13、通过采用上述技术方案，通过上述公式计算得到分类阈值，使得逻辑回归值映射到二元类别，便于提高预设识别模型对异常数据的识别准确性。
14、可选地，在所述采用预设识别模型判断所述带宽数据中是否存在异常数据之前，训练所述预设识别模型；所述训练所述预设识别模型，具体包括：获取训练数据，所述训练数据包括已标注的异常数据；对所述训练数据进行预处理，生成训练集和验证集；基于支持向量机预训练模型读取所述训练集和验证集，生成第一列表，所述第一列表包括序号、文本以及类别；对所述第一列表进行特征转换，得到第一特征值；将所述第一特征值输入至所述支持向量机预训练模型进行模型训练；采用adam优化函数进行优化训练，获取目标模型参数；根据所述目标模型参数进行设定，以得到所述预设识别模型，所述预设识别模型为支持向量机模型。
15、通过采用上述技术方案，通过获取训练数据，系统获得了已标注的异常数据，这为模型的学习提供了完整和准确的信息来源。这些数据对于模型的训练至关重要，确保了其能够准确地识别异常。对训练数据进行预处理，生成训练集和验证集，有助于提高模型训练的质量，确保了数据的一致性和有效性。基于支持向量机预训练模型，系统能够快速地生成第一列表，该列表包括序号、文本以及类别，便于解决分类和回归问题，为异常检测提供了强大的基础。通过对第一列表进行特征转换，得到第一特征值，这有助于将原始数据转化为模型可以理解的格式。特征选择和转换是机器学习中的关键步骤，它们直接影响模型的性能。将第一特征值输入至svm预训练模型进行训练，并采用adam优化函数进行优化，系统最终获得了目标模型参数。adam优化器是一种自适应学本文档来自技高网...
【技术保护点】
1.一种变电站交换机的数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的变电站交换机的数据处理方法，其特征在于，所述采用预设识别模型判断所述带宽数据中是否存在异常数据，具体包括：
3.根据权利要求1所述的变电站交换机的数据处理方法，其特征在于，所述预设识别模型根据分类判别函数确定，所述分类判别函数，具体采用如下计算规则：
4.根据权利要求3所述的变电站交换机的数据处理方法，其特征在于，所述分类阈值b*由以下计算公式得到：
5.根据权利要求1所述的变电站交换机的数据处理方法，其特征在于，在所述采用预设识别模型判断所述带宽数据中是否存在异常数据之前，训练所述预设识别模型；所述训练所述预设识别模型，具体包括：
6.根据权利要求1所述的变电站交换机的数据处理方法，其特征在于，所述根据所述异常数据对应的异常类型，生成对应的解决方案，具体包括：
7.根据权利要求1所述的变电站交换机的数据处理方法，其特征在于，所述方法还包括：
8.一种变电站交换机的数据处理装置，其特征在于，所述数据处理装置包括
9.一种电子设备，其特征在于，所述电子设备包括处理器(41)、存储器(45)、用户接口(43)以及网络接口(44)，所述存储器(45)用于存储指令，所述用户接口(43)和所述网络接口(44)均用于给其他设备通信，所述处理器(41)用于执行所述存储器(45)中存储的指令，以使所述电子设备执行如权利要求1至7任意一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如权利要求1至7任意一项所述的方法。
...【技术特征摘要】
1.一种变电站交换机的数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的变电站交换机的数据处理方法，其特征在于，所述采用预设识别模型判断所述带宽数据中是否存在异常数据，具体包括：
3.根据权利要求1所述的变电站交换机的数据处理方法，其特征在于，所述预设识别模型根据分类判别函数确定，所述分类判别函数，具体采用如下计算规则：
4.根据权利要求3所述的变电站交换机的数据处理方法，其特征在于，所述分类阈值b*由以下计算公式得到：
5.根据权利要求1所述的变电站交换机的数据处理方法，其特征在于，在所述采用预设识别模型判断所述带宽数据中是否存在异常数据之前，训练所述预设识别模型；所述训练所述预设识别模型，具体包括：
6.根据权利要求1所述的变电站交换机的数据处理方法，其特征在于，所述根据所述...
【专利技术属性】
技术研发人员：方宇林，刘洋，
申请(专利权)人：南京国瑞能源科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。