基于机器学习的自动化运维系统应用研究

为了在电力行业数据中心机房预警系统中何融入机器学习功能，解决目前设备预警系统历史数据利用率低、预警信息需要人工判断、无法利用机器学习模型等问题，以BP神经网络、Stacking模型及Hadoop集群技术为基础，设计一款运维改进方案。探讨系统功能、预警模块、系统管理模块、模型的重复使用及训练的方案。通过应用大数据进行测试，结果表明传统模型的训练需要的时间较长。对于单个模型而言，其训练时长会小于采用Stacking集成模型进行训练所需的平均时长。由此可知，不论是单个模型还是Stacking模型，其模型预测方面的耗时几乎可以实现实时预测。     

自动化运维系统故障自愈算法浅析

为加强自动化运维系统的运行管理,保证整个系统的稳定及可持续运行,要求自动化运维系统具有一定的故障自愈能力。本研究以智能配电网为例,分析智能配电网运行过程中的故障管理需求,然后基于图论的量子粒子修正算法设计故障自愈模型,并通过故障数据采集和数据处理分析,提出配电系统线路永久性故障的解决办法。该算法智能化程度高、计算速度快,且具有较强的收敛性,能显著降低算法迭代过程中不可行解的个数,减小故障发生时配电网网损和负荷断电率,在配电网故障自愈方面有一定的使用价值。     

面向新型电力系统的光伏电站监控系统网络安全防御体系分析

<正>新型电力系统以新能源为主体，承载着我国实现碳达峰、碳中和、能源转型的使命，对保证我国能源安全，实现可持续发展具有重大意义。电力系统在转型升级过程中面临着设备安全风险、网络安全风险、安全计算风险等问题。新型电力系统的光伏电站监控系统网络安全防御系统基于风险分析和识别技术，将安全防御技术手段与安全管理相结合，保障光伏电站监控系统的网络安全，助力电网的数字化转型升级。     

基于业务流程编排的自动化运维实现研究

在传统编排系统的基础上，采用精细化流程模型联合Choreography编排模型搭建了业务流程自动化编排系统，通过对某大型电商平台的业务信息进行业务流程编排测试，利用业务流程编排的运行速度、出错率以及编排有效率指标结果与传统业务流程编排情况来评价该系统的运行效果。结果显示，与传统业务流程编排系统相比，该系统的运行速度明显提升，差异具有统计学意义(P<0.05);业务流程编排的出错率明显降低，其差异具有统计学意义(P<0.05);与此同时，该系统的业务流程编排有效率在测试10 000次时达到98.6%,相较于传统业务流程编排系统明显提升，其差异具有统计学意义(P<0.05)。