一种设备集群运行状态预测方法、电子设备及存储介质与流程

所属的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式（包括固件、微代码等），或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。根据本发明的这种实施方式的电子设备。电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于：上述至少一个处理器、上述至少一个储存器、连接不同系统组件（包括储存器和处理器）的总线。其中，所述储存器存储有程序代码，所述程序代码可以被所述处理器执行，使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。储存器可以包括易失性储存器形式的可读介质，例如随机存取储存器（ram）和/或高速缓存储存器，还可以进一步包括只读储存器（rom）。储存器还可以包括具有一组（至少一个）程序模块的程序/实用工具，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线可以为表示几类总线结构中的一种或多种，包括储存器总线或者储存器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。电子设备也可以与一个或多个外部设备（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备交互的设备通信，和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（i/o）接口进行。并且，电子设备还可以通过网络适配器与一个或者多个网络（例如局域网（lan），广域网（wan）和/或公共网络，例如因特网）通信。如图所示，网络适配器通过总线与电子设备的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是cd-rom，u盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、终端装置、或者网络设备等）执行根据本公开实施方式的方法。在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（lan）或广域网（wan），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

背景技术：

1、目前对资产设备的状态监控，主要是通过采集每一资产设备的运行参数进行实现，通过将采集到的每一资产设备的运行参数实时与预设的参数阈值进行比较，若采集的资产设备的运行参数比对应的参数阈值大，则表示该资产设备在历史时刻发生了异常，需要对该资产设备进行维护。但此种状态监控方法只能对历史时刻已经发生过异常状态的资产设备进行监控，无法对该资产设备的将来时刻进行状态预测，具有滞后性，且易发生安全事故。

技术实现思路

1、针对上述技术问题，本发明采用的技术方案为：

2、根据本技术的一个方面，提供一种设备集群运行状态预测方法，应用于设备集群状态预测系统，设备集群状态预测系统连接有目标设备集群，目标设备集群包括n个目标设备，每一目标设备对应有k个运行参数标识；

3、所述设备集群运行状态预测方法包括如下步骤：

4、步骤s100、每隔第一目标时间段，获取每一目标设备在第二目标时间段内的每一平均运行参数，得到目标平均运行参数列表集a=(a1,a2,...,ai,...,an)；ai=(ai1,ai2,...,aij,...,aig)；aij=(aij1,aij2,...,aijh,...,aijk)；其中，i=1,2,...,n；ai为第i个目标设备在第二目标时间段内的平均运行参数列表；j=1,2,...,g；g为第二目标时间段内的子时间段的数量，且g个子时间段依次连接；aij为第i个目标设备在第二目标时间段的第j个子时间段内的平均运行参数列表；h=1,2,...,k；aijh为第i个目标设备在第二目标时间段的第j个子时间段内的第h个平均运行参数；第二目标时间段的结束时间为当前时间；第二目标时间段的长度大于第一目标时间段的长度；

5、步骤s200、根据目标平均运行参数列表集a，确定目标设备集群在第二目标时间段的每一子时间段内的波动值和风险值；

6、步骤s300、根据目标设备集群在第二目标时间段内的若干波动值和若干风险值，确定目标设备集群在第二目标时间段内的待识别运行向量；

7、步骤s400、将待识别运行向量与若干预设的目标运行向量进行对比，若待识别运行向量和任一预设的目标运行向量的匹配度大于等于预设的匹配度阈值，则确定目标设备集群在第三目标时间段内处于安全运行状态；

8、目标运行向量根据目标设备集群在历史安全时段内的波动值和风险值得到；历史安全时段的长度与第二目标时间段的长度相等；且目标设备集群在历史关键时段内处于安全运行状态；历史关键时段的开始时间为历史安全时段的结束时间，且历史关键时段的长度与第三目标时间段的长度相等；第三目标时间段的开始时间为第二目标时间段的结束时间。

9、在本技术的一种示例性实施例中，步骤s200包括：

10、步骤s210、根据目标平均运行参数列表集a，得到每一目标设备在第二目标时间段内的目标设备风险值列表集b=(b1,b2,...,bi,...,bn)；bi=(bi1,bi2,...,bij,...,big)；bij=(∑kh=1aijh)/k；其中，bi为第i个目标设备在第二目标时间段内的设备风险值列表；bij为第i个目标设备在第二目标时间段的第j个子时间段内的设备风险值；

11、步骤s220、根据目标设备风险值列表集b，得到目标设备集群在第二目标时间段内的目标集群风险值列表d=(d1,d2,...,dj,...,dg)；dj=(∑ni=1bij)/n；其中，dj为目标设备集群在第二目标时间段的第j个子时间段内的集群风险值；

12、步骤s230、根据目标平均运行参数列表集a和目标设备风险值列表集b，得到每一目标设备在第二目标时间段内的目标设备波动值列表集c=(c1,c2,...,ci,...,cn)；ci=(ci1,ci2,...,cij,...,cig)；cij=(∑kh=1(aijh-bij)2)/k；其中，ci为第i个目标设备在第二目标时间段内的设备波动值列表；cij为第i个目标设备在第二目标时间段的第j个子时间段内的设备波动值；

13、步骤s240、根据目标设备波动值列表集c，得到目标设备集群在第二目标时间段内的目标集群波动值列表e=(e1,e2,...,ej,...,eg)；ej=(∑ni=1cij)/n；其中，ej为目标设备集群在第二目标时间段的第j个子时间段内的集群波动值。

14、在本技术的一种示例性实施例中，步骤s300包括：

15、步骤s310、根据目标集群风险值列表d和目标集群波动值列表e，确定目标设备集群在第二目标时间段内的待识别运行向量f=(f1,f2,...,fj,...,fg)；fj=(dj,ej)；fj为目标设备集群在第二目标时间段的第j个子时间段内对应的特征信息。

16、在本技术的一种示例性实施例中，目标运行向量通过以下步骤确定：

17、步骤s410、获取每一目标设备在历史安全时段内的每一平均运行参数，得到历史平均运行参数列表集g=(g1,g2,...,gi,...,gn)；gi=(gi1,gi2,...,gij,...,gig)；gij=(gij1,gij2,...,gijh,...,gijk)；其中，gi为第i个目标设备在历史安全时段内的平均运行参数列表；gij为第i个目标设备在历史安全时段的第j个子时间段内的平均运行参数列表；gijh为第i个目标设备在历史安全时段的第j个子时间段内的第h个平均运行参数；历史安全时段包括g个子时间段，且历史安全时段中包括的子时间段的长度与第二目标时间段中包括的子时间段的长度相等；

18、步骤s420、根据历史平均运行参数列表集g，得到每一目标设备在历史安全时段内的历史设备风险值列表集h=(h1,h2,...,hi,...,hn)；hi=(hi1,hi2,...,hij,...,hig)；hij=(∑kh=1gijh)/k；其中，hi为第i个目标设备在历史安全时段内的设备风险值列表；hij为第i个目标设备在历史安全时段的第j个子时间段内的设备风险值；

19、步骤s430、根据历史设备风险值列表集h，得到目标设备集群在历史安全时段内的历史集群风险值列表i=(i1,i2,...,ij,...,ig)；ij=(∑ni=1hij)/n；其中，ij为目标设备集群在历史安全时段的第j个子时间段内的集群风险值；

20、步骤s440、根据历史平均运行参数列表集g和历史设备风险值列表集h，得到每一目标设备在历史安全时段内的历史设备波动值列表集j=(j1,j2,...,ji,...,jn)；ji=(ji1,ji2,...,jij,...,jig)；jij=(∑kh=1(gijh-hij)2)/k；其中，ji为第i个目标设备在历史安全时段内的设备波动值列表；jij为第i个目标设备在历史安全时段的第j个子时间段内的设备波动值；

21、步骤s450、根据历史设备波动值列表集j，得到目标设备集群在历史安全时段内的历史集群波动值列表k=(k1,k2,...,kj,...,kg)；kj=(∑ni=1jij)/n；其中，kj为目标设备集群在历史安全时段的第j个子时间段内的集群波动值；

22、步骤s460、根据历史集群风险值列表i和历史集群波动值列表k，确定目标设备集群在历史安全时段内的历史运行向量l=(l1,l2,...,lj,...,lg)；lj=(ij,kj)；lj为目标设备集群在历史安全时段的第j个子时间段内对应的特征信息；

23、步骤s470、若历史安全时段的数量为一个，则将该历史安全时段对应的历史运行向量确定为目标运行向量。

24、在本技术的一种示例性实施例中，步骤s470还包括：

25、步骤s471、若历史安全时段的数量为多个，则对每一历史安全时段对应的历史运行向量进行聚类，得到若干个历史运行向量类组；每个历史运行向量类组中包括若干历史运行向量；

26、步骤s472、对每个历史运行向量类组中的若干历史运行向量进行平均处理，得到每个历史运行向量类组对应的历史中心向量；

27、步骤s473、将每一历史中心向量确定为目标运行向量。

28、在本技术的一种示例性实施例中，步骤s400还包括：

29、步骤s401、若待识别运行向量和每一预设的目标运行向量的匹配度均小于预设的匹配度阈值，则执行步骤s402；

30、步骤s402、将待识别运行向量f中的每一特征信息输入至预设的历史数据标准差椭圆模型中；历史数据标准差椭圆模型根据目标设备集群在历史时段内处于安全运行状态时的运行参数得到；历史数据标准差椭圆模型中包括若干目标历史标准差椭圆；每一目标历史标准差椭圆对应有标准差椭圆标识；目标历史标准差椭圆根据目标设备集群在历史时段内的若干运行参数得到；

31、步骤s403、将待识别运行向量f中的每一特征信息对应的特征点所在的目标历史标准差椭圆对应的标准差椭圆标识确定为目标椭圆标识；

32、步骤s404、对若干目标椭圆标识进行相同聚类，得到若干个目标椭圆标识类组；每一目标椭圆标识类组中包括若干目标椭圆标识；

33、步骤s405、若目标椭圆标识类组的数量大于预设的类组数量阈值，则确定目标设备集群在第三目标时间段内处于异常运行状态；

34、步骤s406、若目标椭圆标识类组的数量小于等于预设的类组数量阈值，则将fg对应的特征点所在的目标历史标准差椭圆确定为关键标准差椭圆；

35、步骤s407、将待识别运行向量f中位于关键标准差椭圆中的特征信息对应的特征点确定为关键特征点；

36、步骤s408、根据时间递增顺序，对若干关键特征点进行排序，并计算排序后的每一关键特征点到关键标准差椭圆的两个焦点的距离之和；

37、步骤s409、若排序后的每一关键特征点到关键标准差椭圆的两个焦点的距离之和为递增顺序，则确定目标设备集群在第三目标时间段内处于异常运行状态；否则，确定目标设备集群在第三目标时间段内处于安全运行状态。

38、在本技术的一种示例性实施例中，aijh通过对第i个目标设备在第二目标时间段的第j个子时间段内的第h个运行参数标识对应的若干运行参数进行平均处理得到。

39、根据本技术的一个方面，提供一种非瞬时性计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现前述的设备集群运行状态预测方法。

40、根据本技术的一个方面，提供一种电子设备，包括处理器和前述的非瞬时性计算机可读存储介质。

41、本发明至少具有以下有益效果：

42、本发明每隔第一目标时间段，通过获取目标设备集群中的每一目标设备在第二目标时间段内的平均运行参数，确定目标设备集群在第二目标时间段的若干波动值和若干风险值，根据目标设备集群在第二目标时间段内的若干波动值和若干风险值，确定目标设备集群在第二目标时间段内的待识别运行向量，将待识别运行向量与若干目标运行向量进行对比，若待识别运行向量和任一预设的目标运行向量的匹配度大于等于预设的匹配度阈值，则确定目标设备集群在第三目标时间段内处于安全运行状态。通过波动值和风险值体现目标设备集群在第二目标时间段内的运行状态的发展趋势，再通过对根据波动值和风险值确定出的待识别运行向量和目标设备集群在历史安全时段内的目标运行向量进行对比，来确定目标设备集群在将来时刻的第三目标时间段内的运行状态，实现对目标设备集群的状态预测，当预测目标设备集群在将来时刻可能发生异常时，工作人员可提前对目标设备集群进行检修维护，以降低目标设备集群的异常发生次数，提高目标设备集群的安全性。