系统风险评估方法及装置、充电设备运维检测方法.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CN114185760A(43)申请公布日2022.03.15(21)申请号202111552044.1G06F16/35(2019.01)(22)申请日2021.12.17G06N20/00(2019.01)(66)本国优先权数据202011505896.02020.12.18CN(71)申请人青岛特来电新能源科技有限公司地址266100山东省青岛市崂山区松岭路336号10层1001室申请人青岛特来电大数据有限公司(72)发明人刘桂海黄伟魏亮周国庆李东(74)专利代理机构北京市立康律师事务所11805代理人梁挥孟超(51)Int.Cl.G06F11/34(2006.01)权利要求书3页说明书15页附图7页(54)发明名称系统风险评估方法及装置、充电设备运维检测方法(57)摘要本申请公开了一种系统风险评估方法及装置、充电设备运维检测方法，所述系统风险评估方法包括：获取目标系统在目标时间内的系统变更数据；系统变更数据包括系统预警信息以及系统变更对应的装置名称；基于系统变更数据，利用自然语言处理技术确定出与目标系统变更对应的预警信息；获取目标系统在目标时间内的时间序列数据，并基于时间序列数据，利用机器学习算法得到目标系统对应的监控指标的变化趋势；基于预警信息和变化趋势对目标系统进行系统风险评估。本申请，通过基于自然语言处理得到的系统变更的预警信息，和基于机器学习得到的监控指标趋势异常，对系统变更的风险进行评估，提高了微服务架构下对系统变更风险评估的准确性。CN114185760ACN114185760A权利要求书1/3页1.一种系统风险评估方法，应用于微服务架构下的系统风险评估，其特征在于，包括：获取目标系统在目标时间内的系统变更数据；所述系统变更数据包括系统预警信息以及系统变更对应的装置名称；基于所述系统变更数据，利用自然语言处理技术确定出与所述目标系统变更对应的预警信息；获取所述目标系统在所述目标时间内的时间序列数据，并基于所述时间序列数据，利用机器学习算法得到所述目标系统对应的监控指标的变化趋势；基于所述预警信息和所述变化趋势对所述目标系统进行系统风险评估。2.根据权利要求1所述的系统风险评估方法，其特征在于，所述基于所述系统变更数据，利用自然语言处理技术确定出与所述目标系统变更对应的预警信息，包括：对所述系统预警信息进行语料预处理，并从处理后的系统预警信息中提取出第一组关键词；对所述装置名称进行语料预处理，并从处理后的变更装置名称中提取出第二组关键词；计算所述第一组关键词与所述第二组关键词中关键词的相似度，基于所述相似度确定出与所述目标系统变更对应的预警信息。3.根据权利要求1所述的系统风险评估方法，其特征在于，所述目标时间包括所述目标系统的系统变更时间，和变更后预设时长内的时间。4.根据权利要求1所述的系统风险评估方法，其特征在于，所述基于所述时间序列数据，利用机器学习算法得到所述目标系统对应的监控指标的变化趋势，包括：根据预设分类标准对所述时间序列数据进行分类，得到相应的目标类型数据；所述目标类型数据包括易变型数据、周期型数据和稳定型数据；利用与所述目标类型数据对应的预设检测算法，对所述目标类型数据进行异常检测，得到所述目标类型数据对应的监控指标的变化趋势，以得到所述目标系统对应的监控指标的变化趋势。5.根据权利要求4所述的系统风险评估方法，其特征在于，所述利用与所述目标类型数据对应的预设检测算法，对所述目标类型数据进行异常检测，得到所述目标类型数据对应的监控指标的变化趋势，包括：基于Turkey检测对所述易变型数据进行异常检测，得到易变型监控指标的变化趋势；基于同环比算法对所述周期型数据进行异常检测，得到周期型监控指标的变化趋势；基于时间序列ARIMA算法对所述稳定型数据进行异常检测，得到稳定型监控指标的变化趋势。6.根据权利要求4所述的系统风险评估方法，其特征在于，所述根据预设分类标准对所述时间序列数据进行分类，得到相应的目标类型数据，包括：基于窗口数据相似性对所述时间序列数据进行周期性检测，并根据第一预设阈值进行分类得到所述易变型数据和非易变型数据；基于STL算法对所述非易变型数据进行稳定性检测，并根据第二预设阈值进行分类得到所述周期性数据和所述稳定型数据。7.根据权利要求1至6任一项所述的系统风险评估方法，其特征在于，所述基于所述预2CN114185760A权利要求书2/3页警信息和所述变化趋势对所述目标系统进行系统风险评估，包括：基于所述预警信息、所述变化趋势和所述监控指标的指标等级对所述目标系统进行系统风险评估，得到所述目标系统的风险等级；基于所述风险等级生成相应的评估报告；其中，所述指标等级包括核心业务级指标、技术级指标和系统资源级