一种基于人工智能的IDC设备故障风险评估方法.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 110796361 A (43)申请公布日 2020.02.14 (21)申请号 201911017622.4 (22)申请日 2019.10.24 (71)申请人 吉林吉大通信设计院股份有限公司 地址 130012 吉林省长春市朝阳区南湖学 府经典小区第9幢701室 (72)发明人 于富东　杨林　匙凯　杨立敏　 胡建华　 (74)专利代理机构 长春市吉利专利事务所 22206 代理人 李晓莉 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/00(2012.01) 权利要求书1页 说明书5页 (54)发明名称 一种基于人工智能的IDC设备故障风险评估 方法 (57)摘要 本发明公开了一种基于人工智能的IDC设备 故障风险评估方法，属于数据处理技术领域，本 发明基于过去的设备指标规律来训练异常检测 模型，进而实现实时的异常检测；异常并不是故 障，所以异常数量会较多，可以保证评分较好的 样本基数；同时对于异常做出了分级，并通过简 单的扣分评级体系实现小时级别的评分，在小时 内将异常个数特性与异常集中特性进行了综合 的考虑，得到最终相对传统方案更加全面的评 分。本发明是通过基于人工智能技术实现对于 IDC设备各项指标进行异常检测，通过对小时范 A 围的异常个数、异常的集中特性两方面对设备进 1 行小时级别的评分，进而实现评分周期的小时级 6 3 6 别的滚动变化更新。 9 7 0 1 1 N C CN 110796361 A 权　利　要　求　书 1/1页 1.一种基于人工智能的IDC设备故障风险评估方法，其特征在于，包括如下步骤： 步骤一、获取IDC设备运行过程中每小时内每一分钟的状态数据； 步骤二、将步骤一所述的状态数据输入至预设的异常检测模型，根据所述异常检测模 型的输出结果，获取IDC设备每小时内每一分钟的状态数据对应的数据类型，得到60个分钟 的异常数据数组； 其中异常检测模型根据异常检测算法构建，并根据IDC设备历史运行时的状态数据作 为样本进行训练后获得，所述数据类型包括正常和异常； 步骤三、小时级评分： 针对每小时内的所有异常，从异常个数特性和异常集中特性两个方面评分，得出该小 时的健康度，健康度级别可分为健康、轻微、一般、中等及严重五个级别； 其中，异常个数特性指的是每小时内的异常个数；异常集中特性指的是每小时内的连 续数分钟发生异常的个数； 健康度级别判定评分标准如下： a)发生异常大于等于20处，或大于10处的连续异常分钟，健康度级别判定为严重，扣30 分； b)发生异常大于等于10处且小于20处，或大于等于5处且小于10处的连续异常分钟，健 康度级别判定为中等，扣20分； c)发生异常大于等于5处且小于10处，或大于0且小于5处以下的连续异常分钟，健康度 级别判定为一般，扣10分； d)发生异常大于0处且小于5处，同时无连续异常分钟，健康度级别判定为轻微，扣5分； e)无异常，健康度级别判定为健康，不扣分。 小时级评分＝异常个数特性得分+异常集中特性得分，异常个数特性得分和异常集中 特性得分初始分均为50分； 步骤四、评分周期的小时级别的滚动变化更新，所述评分周期为30天： 针对过去30天内每一个小时级的评分按照每6天为一个时间单元做出加权计算，得到 评分周期30天内小时级别的异常评分