特征库建立
本模型根据时间、地域、业务以及链路区间4个维度的参数变化，可以获取数据网络的若干网络行为特征，可以根据实际运行特点以各个侧面描述网络特性，从而更全面细致地对系统数据网络进行精细化分析。通过综合各项网络特征，可以建立一套完整的网络特征库，包括链路流量特征、不同区域流量占比特征、不同业务类型流量特征、不同业务类型流量占比特征等。
模型应用
异常行为告警：通过将初定位网络流量异常的节点与动态临界值基线进行比较，只把与流量基线明显偏离的时段列为异常流量，而排除某些尖峰时段网络流量本应高于固定临界值的节点，从而减少了网络监测误判的情况。
设备性能与链路流量的告警关联：设备性能通常是指网络设备的CPU/内存利用情况，现有网管系统只是对该项指标进行监测并触发阀值产生告警。而最终影响到CPU/内存利用率高的具体原因无法发掘。通过经验得出，能影响到CPU/内存利用率的外在主要因素是链路流量或链路异常数据包成分。链路流量过大，网络要转发就需要消耗更多的CPU和内存。链路异常数据包过多，网络设备进行处理也需要消耗更多的CPU/内存。因此，设备性能告警与链路流量/数据包成分告警的关联是密不可分的。
当路由器E的CPU/内存触发了预设值的阀值，所有链路未触发流量阀值，但是链路中传输的数据包类型或尺寸占比异常时，所产生的告警级别归为紧急。
网络优化依据：通过模型的建立，可以针对系统正常运行下高峰拥挤时段，提供更全面和细致的流量描述和分析，从而可以更有效地指导随后数据网络的优化和调整。同时可以根据网络流量特征，总结当前系统数据网络运行规律走向，为系统网络远期预测与建设提供有效的数据支持。
小结
本文根据电力系统业务特点与需求，建立一种基于告警关联的电力系统数据网络监测模型。该模型通过监测网络流量状态和设备重要指标状态，以及告警关联技术与故障管理的结合，为现实网络的网管工作提供了指引性的方法和路线，从而可以更全面进行数据网络运行状态分析，并获取和建立网络特征库，最终为提供网络管理依据，更有效地提升数据网络的服务质量。
