该供电局是南方电网公司的全资子公司，供电面积近2000平方公里，用户数量高达297.8万。目前，该供电局已经成为全国第四个最高负荷突破1000万千瓦的城市电网，也是我国供电负荷密度最大、供电可靠性领先的特大型城市电网之一。

1.大数据运维平台 目前该供电局已有设备和系统的性能监控相关数据，未来还将产生日志易的监控日志记录和APM的相关数据。通过大数据运维平台的构建可以实现监控数据存储、调用、管理功能的整合。
2.资源使用预测模型 资源使用预测模型预是用于预测在未来一段时间内，系统的各种软硬件资源的使用占有情况。基于该供电局现有的性能监控数据，根据不同的监控指标得到不同的资源在过去一段时间内的使用情况，网卡使用率、集群CPU使用率、存储设备的使用率等，提取出与预测的资源类别使用率相关的数据，如预测网络设备的使用率则提取网络设备在过去一段时间内的使用情况数据，选择一个时间节点作为分割点，分割点之前的数据作为训练数据，分割点之后的数据作为Y值定义数据，通过提取的特征维度，利用各种机器学习算法，建立资源使用率预测模型，并选择表现最好的预测模型投入实际生产使用，利用预测的结果作为资源分配的依据，使得现有资源得到更好、更合理的分配和使用，并对不能满足生产需要的资源给予合理的补充参考依据。在此模型中，模型效果评价指标采用类似分类问题中正确率的定义。
3.故障预测模型 故障预测模型是利用系统之前的报警和故障记录数据，作为定义Y值的数据依据，利用系统到目前为止产生的各种性能检测数据、日志记录、APM数据，建立机器学习预测模型，分析各种数据维度与机器发生故障的相关性关系，利用交叉验证等模型优化技术，准确率、召回率、AUC值等评价指标，得到最终且效果达到预期的预测模型，对实时的监控数据进行采集并输入到已训练好的模型中，得到集群中机器在未来一段时间内将会故障的概率值，并根据设定概率的阈值对机器进行预警，给予运维人员更加有根据和有用的建议。