一种基于人工智能的数据实时监控系统技术方案

技术编号：42927634 阅读：12 留言：0更新日期：2024-10-11 15:52

本发明专利技术公开了一种基于人工智能的数据实时监控系统，包括数据采集模块、数据监控模块和异常告警模块，所述数据采集模块用于实时收集电力系统的综合数据，将历史监测综合数据录入系统，所述数据监管模块用于检测服务器的负载和数据是否异常，分析历史监测数据，构建端口流量预测模型，进而预测端口流量，分析端口的利用率，根据分析结果为端口调度资源，所述异常告警模块用于在检测到异常数据时发出告警，提醒管理员，并将存在异常数据的设备节点进行可视化处理，标记在拓扑图中，所述数据采集模块、数据监控模块和异常告警模块相互电连接，本发明专利技术，具有提高资源利用率和降低时延的特点。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及数据实时监控，具体为一种基于人工智能的数据实时监控系统。

技术介绍

1、随着智能电网和互联网技术的快速发展，电力系统的的运维管理已逐渐实现自动化和智能化。

2、目前，大多数电力系统仍依赖中心化的数据处理和监管系统，以此来实现电力运维系统的管理，在实际的数据监管过程中，由于子系统产生的数据存在波动性，造成端口流量出现波动，然而，现有技术无法准确分析端口流量的波动性，容易造成端口资源分配不均，导致端口利用率较低，数据传输时延大，而且，在数据流量较大时，现有技术无法准确调节服务器的资源分配，导致服务器资源利用率较低，因此，设计提高资源利用率和降低时延的一种基于人工智能的数据实时监控系统是很有必要的。

技术实现思路

1、本专利技术的目的在于提供一种基于人工智能的数据实时监控系统，以解决上述
技术介绍
中提出的问题。

2、为了解决上述技术问题，本专利技术提供如下技术方案：一种基于人工智能的数据实时监控系统，包括数据采集模块、数据监控模块和异常告警模块，所述数据采集模块用于实时收集电力系统的综合数据，将历史监测综合数据录入系统，所述数据监管模块用于检测服务器的负载和数据是否异常，分析历史监测数据，构建端口流量预测模型，进而预测端口流量，分析端口的利用率，根据分析结果为端口调度资源，所述异常告警模块用于在检测到异常数据时发出告警，提醒管理员，并将存在异常数据的设备节点进行可视化处理，标记在拓扑图中，所述数据采集模块、数据监控模块和异常告警模块相互电连接；

3、所诉数据检测模块包括负载检测子模块和任务调度子模块，所述负载检测子模块用于分析服务器cpu负载的数据量及cpu的等待进程，计算cpu的利用率，所述任务调度子模块用于根据cpu利用率的分析结果，对等待任务进程进行调度；

4、所述数据监测模块包括流量预测子模块、端口检测子模块和端口资源调度子模块，所述流量预测子模块用于分析历史时间段的数据流量，训练端口流量预测模型，进而预测端口的数据流量，所述端口检测子模块用于实时监测端口的数据流量及利用率，所述端口资源调度子模块用于调整端口的资源分配。

5、根据上述技术方案，所述数据采集模块包括数据收集模块和历史监测综合数据录入模块，所述数据收集模块用于实时收集电力系统中子系统的综合数据，所述历史监测综合数据录入模块用于将历史监测综合数据录入系统。

6、根据上述技术方案，所述数据监控模块包括数据检测模块，所述数据检测模块用于分析服务器cpu负载的数据量和cpu的利用率，根据分析结果调度任务分配。

7、根据上述技术方案，所述数据监控模块还包括数据监测模块，所述数据监测模块用于分析服务器端口的历史数据流量，训练端口流量预测模型，预测端口中的数据流量，分析端口的数据流量及利用率，根据分析结果调整端口的资源配置。

8、根据上述技术方案，所述异常告警模块包括告警模块和数据可视化模块，所述告警模块用于在电力系统出现异常时发出告警，提醒管理员对设备进行调整，所述数据可视化模块用于根据电力系统结构，构建拓扑结构图，进而识别异常数据来源，对异常设备进行标记。

9、根据上述技术方案，所述数据实时监控系统的运行方法主要包括一下步骤：

10、步骤s1：通过数据收集模块，实时收集电力系统中拓扑结构中各个子系统的综合数据，通过历史监测综合数据录入模块，将电力系统的历史监测综合数据录入系统；

11、步骤s2：在数据收集完成后，系统启动数据监测模块，开始分析电力系统的历史监测数据，分析端口的实际流量和利用率，根据分析结果调整端口的资源配置；

12、步骤s3：当服务器在处理数据时，系统启动数据检测模块，开始分析服务器cpu资源的负载及进程，根据分析结果调整数据处理任务的分配；

13、步骤s4：当检测到异常数据时，启动告警模块向管理员发出告警，提醒管理员对异常设备进行处理，并在电力系统拓扑结构图中将异常数据进行标记。

14、根据上述技术方案，所述步骤s2进一步包括以下步骤：

15、步骤s21：获取电力系统的历史监测数据，识别历史监测数据中端口流量特征及对应的时间戳，识别时间戳，融合相同时间戳下的端口流量特征，调取数据库中对应时间戳下的流量预测模型，获取融合后的端口流量特征作为样本特征，训练端口流量预测模型，预测该时间戳下的端口流量y；

16、步骤s22：获取相同时间戳下的历史端口流量，识别历史端口流量的众数及对应的众数出现频次，若众数频次大于系统设定阈值，则通过公式相同时间戳下历史端口流量的偏移系数，式中，i＝1,2，3......n，p表示相同时间戳下历史端口流量的偏移系数表示相同时间戳下历史端口流量的偏移系数的平均数，m表示相同时间戳下不同的端口流量，根据偏移系数调取数据库中对应的端口流量的影响系数α；

17、步骤s23：识别个时间戳下的端口流量，建立坐标系，在坐标系中标记各时间戳及对应的端口数流量，连接相邻的时间戳对应的端口流量点，通过公式计算连线的斜率k，若斜率大于系统设定阈值，则标记为增长趋势，反之则标记为减少趋势，根据增减趋势调取数据库中对应的对端口流量的影响系数β。

18、根据上述技术方案，所述步骤s23进一步包括以下步骤：

19、步骤s231：获取预测模型的端口流量预测值，通过公式计算修正后各时间戳下的端口流量预测值q1＝α·β·y，式中，q1表示修正后的端口流量预测值，通过公式计算个时间戳下端口流量的峰值q2＝p·q1，式中，q2表示端口流量的峰值，根据时间戳及对应的端口流量峰值，调取数据库中对应的分配的端口资源和带宽资源，若存在分配的端口资源量大于原端口的资源量时，则对源端口资源进行重新规划，将多余的资源释放进入资源池，将资源池中的资源调度至端口资源量不足的端口进行补偿，反之则系统继续检测；

20、步骤s232：获取端口流量的预测值及对应的时间戳，根据端口流量预测值及对应的实际戳，调取数据库中对应的资源分配量，对比端口中的资源余量，当资源余量小于资源分配量时，则调取占用端口资源的进程，识别进程占据端口资源的时间，若时间大于系统设定阈值，则结束该进程将其占用的端口资源释放，反之则调取资源池中的资源对改端口进行补偿，当资源余量大于资源分配量时，则系统继续检测；

21、步骤s233：获取端口的实时传输数据，识别端口的传输速率ν1和带宽的有效传输速率ν2，通过公式计算端口的实际利用率式中，h表示端口的实际利用率，调取数据库中的端口利用率标准，计算端口实际利用率与端口利用率标准的差值t，通过公式计算该端口需要补偿的带宽速率式中，ν3表示该端口需要补偿的带宽速率，根据ν3调取数据库中对应的需要补偿的带宽资源量，若差值t大于最大阈值，则调取资源池中对应的带宽资源对端口进行资源补偿，若差值t小于最小阈值，则将端口中对应的带宽资源释放入资源池，反之则系统继续检测。

22、根据上述技术方案，所述步骤s3进一步包括以本文档来自技高网...

【技术保护点】

1.一种基于人工智能的数据实时监控系统，包括数据采集模块、数据监控模块和异常告警模块，其特征在于：所述数据采集模块用于实时收集电力系统的综合数据，将历史监测综合数据录入系统，所述数据监管模块用于检测服务器的负载和数据是否异常，分析历史监测数据，构建端口流量预测模型，进而预测端口流量，分析端口的利用率，根据分析结果为端口调度资源，所述异常告警模块用于在检测到异常数据时发出告警，提醒管理员，并将存在异常数据的设备节点进行可视化处理，标记在拓扑图中，所述数据采集模块、数据监控模块和异常告警模块相互电连接；

2.根据权利要求1所述的一种基于人工智能的数据实时监控系统，其特征在于：所述数据采集模块包括数据收集模块和历史监测综合数据录入模块，所述数据收集模块用于实时收集电力系统中子系统的综合数据，所述历史监测综合数据录入模块用于将历史监测综合数据录入系统。

3.根据权利要求2所述的一种基于人工智能的数据实时监控系统，其特征在于：所述数据监控模块包括数据检测模块，所述数据检测模块用于分析服务器CPU负载的数据量和CPU的利用率，根据分析结果调度任务分配。

5.根据权利要求4所述的一种基于人工智能的数据实时监控系统，其特征在于：所述异常告警模块包括告警模块和数据可视化模块，所述告警模块用于在电力系统出现异常时发出告警，提醒管理员对设备进行调整，所述数据可视化模块用于根据电力系统结构，构建拓扑结构图，进而识别异常数据来源，对异常设备进行标记。

6.根据权利要求5所述的一种基于人工智能的数据实时监控系统，其特征在于：所述数据实时监控系统的运行方法主要包括一下步骤：

7.根据权利要求6所述的一种基于人工智能的数据实时监控系统，其特征在于：所述步骤S2进一步包括以下步骤：

8.根据权利要求7所述的一种基于人工智能的数据实时监控系统，其特征在于：所述步骤S23进一步包括以下步骤：

9.根据权利要求8所述的一种基于人工智能的数据实时监控系统，其特征在于：所述步骤S3进一步包括以下步骤：

10.根据权利要求9所述的一种基于人工智能的数据实时监控系统，其特征在于：所述步骤S4中识别设备中的标记，若存在异常设备标记，则通过告警模块发出告警，提醒管理员进行处理，调取数据库中的电力系统拓扑结构，根据拓扑结构构建拓扑结构图，并在拓扑结构图中将异常设备进行标记。

...

【技术特征摘要】

3.根据权利要求2所述的一种基于人工智能的数据实时监控系统，其特征在于：所述数据监控模块包括数据检测模块，所述数据检测模块用于分析服务器cpu负载的数据量和cpu的利用率，根据分析结果调度任务分配。

4.根据权利要求3所述的一种基于人工智能的数据实时监控系统，其特征在于：所述数据监控模块还包括数据监测模块，所述数据监测模块用于分析服务器端口的历史数据流量，训练端口流量预...

【专利技术属性】
技术研发人员：李金凯，白瑞双，梁杨，
申请(专利权)人：易讯科技股份有限公司，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人