CN111914429A - 基于区块链的电力仿真培训学习数据管理系统及方法 - Google Patents
基于区块链的电力仿真培训学习数据管理系统及方法 Download PDFInfo
- Publication number
- CN111914429A CN111914429A CN202010805192.9A CN202010805192A CN111914429A CN 111914429 A CN111914429 A CN 111914429A CN 202010805192 A CN202010805192 A CN 202010805192A CN 111914429 A CN111914429 A CN 111914429A
- Authority
- CN
- China
- Prior art keywords
- data
- learning
- simulation training
- power simulation
- behavior data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012549 training Methods 0.000 title claims abstract description 169
- 238000004088 simulation Methods 0.000 title claims abstract description 132
- 238000013523 data management Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000006399 behavior Effects 0.000 claims description 120
- 238000004891 communication Methods 0.000 claims description 60
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 abstract description 4
- 238000013499 data model Methods 0.000 abstract 1
- 230000009471 action Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000007418 data mining Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000010606 normalization Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
Abstract
本发明涉及电力仿真培训领域，公开了基于区块链的电力仿真培训学习数据管理系统及方法，包括:软件架构和硬件架构，其中所述软件架构包括数据模型、数据结构、数据采集、区块链网络、特征哈希值索引；所述硬件架构包括系统服务器、教员台、学员台、网络辅助设备。根据本发明系统或方法提供的技术方案，可以在电力仿真培训系统中记录学习记录的数据，并将学习记录的数据规范化上传，最终通过区块链将不同地区的数据统一存储、整合利用，去中心化管理的数据，不会被篡改，可以保证数据的真实性，减少冗余工作。
Description
技术领域
本发明涉及仿真培训技术领域和数据挖掘技术领域，尤其涉及一种基于区块链的电力仿真培训数据管理系统及方法。
背景技术
仿真培训系统，是通过虚拟现实技术、计算机仿真技术、三维建模技术等先进技术、建立高度逼近真实作业环境的作业三维虚拟场景，使学员可以身临其境地进行相关作业内容的计算机系统。如电力作业领域的电力仿真培训系统，每年都有大批从事电力现场作业的学员在各省市电力培训中心部署的电力仿真培训系统中进行学习与考核，同时，在各省市电力培训中心部署的电力仿真培训系统也产生了海量的学习数据。理论上，这些学习数据客观准确地反映了培训效果，也蕴藏着真实细化的培训需求，但是，受限于一些方面的具体问题，目前实际上并不能发挥出其蕴藏的价值。
首先一个方面的问题在于，现有的电力仿真培训系统都分别部署于各省市电力培训中心的本地端，各省市电力培训中心的数据没有被相互共享，而一个本地端的电力仿真培训系统中相对较小的学习数据量，不具有代表性，难以挖掘出有价值的信息。针对该问题，中国专利申请CN201510298831.6公布了一种电力仿真培训的智能评价方法及系统，其中，该方法包括：输入电力仿真的培训记录因素；对培训记录因素进行模糊化处理，获得处理结果；根据处理结果计算每条培训记录因素的规则的适用度；对适用度进行归一化处理并获得归一化处理结果；根据对每个培训记录因素的规则和归一化处理结果计算各规则输出，并进行模糊化处理，或者培训记录因素的评价结果。上述公开将各地的数据集中收集到数据中心，虽然可以实现数据的统一整合利用，但仍至少存在以下不足：1)学习数据存在因本地端主动篡改产生的准确性瑕疵，数据很容易被篡改，由于培训学习过程中必然存在培训考核环节，本地端上传的学习数据中会因各种动机出现无授权修改学习数据的情况；2)数据中心冗余要求高，通过模糊化和归一化的处理实现的中心化管理模式，增加了冗余工作，数据管理效率较低，设置专门的数据中心会需要的大量的集中运营维护工作；3)数据结构缺少动态调整空间，对当前培训记录因素进行处理时，所使用的数据结构不能面对未来的调整后的数据结构，任何对数据中心数据存储结构的调整，使得电力仿真培训系统功能事实上与学习数据的数据结构产生了绑定，带来了巨大的软件迭代成本。
其次的一个方面的问题是，对于学习数据的结构化提取方式，存在信息丢失，如上述公开中采用了“输入电力仿真的培训记录因素；对培训记录因素进行模糊化处理，获得处理结果；根据处理结果计算每条培训记录因素的规则的适用度；对适用度进行归一化处理并获得归一化处理结果”的方式，实际上，归一化处理结果是作为学习数据进行处理和信息交换的，而不是培训记录因素这样的原始数据，但是任一归一化方法都难免会剔除部分信息，不利于数据挖掘。
发明内容
本发明目的在于提出一种适用于电力培训学习系统等培训学习系统的数据管理系统及数据管理方法，能够即保持现有本地端部署系统的固有分布特点，又实现集中整合管理各本地端系统的学习数据，还能够确保学习数据的真实性和正确性。
本发明第一方面提供的技术方案是一种基于区块链的电力仿真培训学习数据管理系统，其包括：
区块链节点网络；
目标服务器，所述目标服务器为所述区块链节点网络的一个区块链节点；
第一终端设备，所述第一终端设备部署于本地端；
其中，所述第一终端设备读取部署于本地端的电力仿真培训系统的学习行为数据，并将其发送至所述目标服务器，和/或，所述第一终端设备从所述目标服务器读取学习行为数据，并将其发送至所述电力仿真培训系统；
其中，目标服务器将接收到的学习行为数据以区块链的形式存储于所述区块链节点网络。
该方面的技术方案中，对区块链节点网络来说，存储在其区块中的学习行为数据不可以被修改，只能被新的数据修正，且修正过程会留下痕迹，从而保证了数据的真实性；同时，区块链是去中心化的，所有区块链节点都存储了整个区块链的数据，管理和记录数据的过程中去除了很多冗余工作，使得系统更有效率。基于这两个特点，通过该技术方案使用区块链形式保存学习行为数据，解决了目前的电力仿真培训系统的学习数据管理中存在的问题。
本发明上述技术方案的各个实施例，可以包含或者不包含于一个电力仿真培训系统中做为其一个部分，即，既可以与电力仿真培训系统是分离的两套系统，也可以在不改变数据连接关系的情况下调整硬件和软件以便作为一套系统打包部署。
本方面的一个实施例中，所述第一终端设备包括：
处理器；
存储器，用于存储计算机可执行代码和数据；
第一通信接口，与本地端数据服务器通信连接；
第二通信接口，与所述目标服务器通信连接；
所述处理器、所述存储器、所述第一通信接口和所述第二通信接口通过总线互相通信；
所述处理器读取所述存储器中存储的程序代码和数据，其中，所述数据包括所述目标服务器的地址，所述程序代码包含指令，当所述处理器执行所述指令时，所述指令致使所述处理器执行以下操作：
通过所述第一通信接口接收所述电力仿真培训系统发送的第一消息，并将所述第一消息打包后，根据所述目标服务器的地址，通过所述第二通信接口向所述目标服务器发送；
和/或，通过所述第一通信接口接收所述电力仿真培训系统发送的第二消息，并作为响应的，根据所述目标服务器的地址，通过所述第二通信接口从所述目标服务器读取第二消息指定的学习行为数据；
其中，所述第一消息携带具有特征值的学习行为数据，所述第二消息携带学习行为数据的特征值。
所述第一终端设备通过订阅发布机制监听所述第一消息和/或所述第二消息。
本方面的一个实施例中，其包括第二终端设备，所述第二终端设备包括：处理器；
存储器，用于存储计算机可执行代码和数据；
第三通信接口，与本地端数据服务器通信连接；
第四通信接口，与所述目标服务器通信连接；
所述处理器、所述存储器、所述第三通信接口和所述第四通信接口通过总线互相通信；
所述处理器读取所述存储器中存储的程序代码和数据，其中，所述数据包括所述目标服务器的地址，所述程序代码包含指令，当所述处理器执行所述指令时，所述指令致使所述处理器执行以下操作：
通过所述第三通信接口接收所述电力仿真培训系统发送的学习行为数据的特征值，根据所述目标服务器的地址，通过所述第四通信接口从所述目标服务器以所述学习行为数据的特征值为索引读取所述区块链节点网络中的学习行为数据。
本方面的一个实施例中，所述电力仿真培训系统包括本地服务器，所述第一终端设备为所述本地服务器，所述第一通信接口为软件通信总线。
本发明的第二方面提供的技术方案是一种基于区块链的电力仿真培训学习数据管理方法，其包含步骤：
步骤一，在电力仿真培训系统中建立学习行为的学习记录模型；
步骤二，对于一个使用电力仿真培训系统的培训学习行为，在电力仿真培训系统中生成一个包含学习记录模型的学习行为数据；
步骤三，通过第一终端设备将所述学习行为数据以区块链的形式保存于区块链节点网络；
步骤四，通过所述区块链节点网络读取所述学习行为数据。
本方面的一个实施例中，步骤二中所述包含学习记录模型的学习行为数据至少包含一个索引字段，具备相同索引字段的所述包含学习记录模型的学习行为数据在步骤三中被组合至区块链节点网络的相同区块，步骤四中根据所述索引字段通过所述区块链节点网络读取所述学习行为数据。
本方面的一个实施例中，步骤四中通过所述区块链节点网络读取所述学习行为数据的终端设备包括所述第一终端设备和第二终端设备；所述第二终端设备从所述电力仿真培训系统或者所述第一终端设备接收包含所述索引字段的数据，并根据所述索引字段通过所述区块链节点网络读取其对应的所述学习行为数据。
本方面的一个实施例中，所述第一终端设备通过订阅发布机制监听所述电力仿真培训系统发送的第一消息和/或第二消息；其中，所述第一消息携带具有特征值的学习行为数据，所述第二消息携带学习行为数据的特征值；所述第一消息致使所述第一终端设备将所述学习行为数据以区块链的形式保存于区块链节点网络；所述第一消息致使所述第一终端设备根据所述特征值通过所述区块链节点网络读取所述学习行为数据。
本方面的一个实施例中，所述电力仿真培训系统包括本地服务器，所述第一终端设备为所述本地服务器。
本发明技术方案带来的技术效果的一个方面在于，将电力仿真培训系统和区块链技术相结合，将部署在各省市电力培训中心的电力仿真培训系统中的学员学习行为数据实时采集上报至区块链节点中并存储和管理，使得各省市学员的学习过程能够完整、规范、真实地记录并整合，从而为通过数据挖掘等技术手段分析培训效果和获取培训需求奠定基础。相比现有的技术，本发明可以保证存储的学习行为数据的真实性，数据不会被篡改，且不需要大量冗余的数据集中管理工作，系统运行更有效率。
附图说明
图1为现有技术中一种电力仿真培训系统的系统结构示意图；
图2为本发明一个实施例中基于区块链的电力仿真培训学习数据管理系统的系统结构示意图；
图3为本发明另一个实施例中基于区块链的电力仿真培训学习数据管理系统的系统结构示意图；
图4为本发明另一个实施例中基于区块链的电力仿真培训学习数据管理系统的系统结构示意图；
图5为本发明另一个实施例中基于区块链的电力仿真培训学习数据管理系统的系统结构示意图；
图6为本发明一个实施例中基于区块链的电力仿真培训学习数据管理方法的流程图；
图7为本发明一个实施例中基于区块链的电力仿真培训学习数据管理方法的流程图。
具体实施方式
首先应当说明的是，目前对广域部署的仿真培训系统，特别是电力仿真培训系统，一般采用如图1所示的系统结构部署一个本地端，其包括向学员端和教员端提供应用服务的本地服务器，普遍的，这种架构即支持区域网下的学员端和教员端提供应用服务，如学员端1至3，也支持通过远程的方式对学员端和教员端提供应用服务，如学员端4即通过远程方式与本地服务器连接使用其提供的应用服务。
以上示范的是一种现有技术的电力仿真培训系统，一些情况下，当电力仿真培训系统的本地服务器分别部署于各个培训中心时，每个培训中心的电力仿真培训系统可以独立运行，不受其他培训中心的影响；另一些情况下，电力仿真培训系统的本地服务器部署于培训中心的总部，各个培训中心的培训学习依赖于总部的本地服务器是否正常运行；另一些情况下，为了提高可靠性，本地服务器为部署于云端的云服务器，采用分布式架构。本发明中的本地端，是相对于区块链节点网络而言的本地，即设置于区块链节点网络的边沿或者外部，一些实施例中，本地端即为本地服务器所在的区域网，这些区域网可以是基于具体硬件的，也可以是如VPN抽象于具体硬件之上的。
本发明的构思在于，为了便于完整地记录学员在电力仿真培训系统中的学习数据，本发明首先创建电力运检仿真培训系统中的学习行为模型和相应的学习行为数据结构。参训人员触发仿真培训系统中的各种学习操作行为之后，系统记录参训人员的学习行为数据，提取记录参训人员的特征信息，系统程序将对相应的特征信息进行哈希运算得到参训人员的特征哈希值。以参训人员特征哈希值为索引，将对应的培训操作行为信息存储于区块链节点中。每一个区块链节点接收到查询请求时，将对应的参训人员的操作行为信息进行推送。
示范的，本发明第一方面的一个实施例，如图2所示，提供了一种基于区块链的电力仿真培训学习数据管理系统，包括：
区块链节点网络；
目标服务器，所述目标服务器为所述区块链节点网络的一个区块链节点；
第一终端设备，所述第一终端设备部署于本地端；
其中，所述第一终端设备读取部署于本地端的电力仿真培训系统的学习行为数据，并将其发送至所述目标服务器，和/或，所述第一终端设备从所述目标服务器读取学习行为数据，并将其发送至所述电力仿真培训系统；
其中，目标服务器将接收到的学习行为数据以区块链的形式存储于所述区块链节点网络。
优选的，该实施例中，所述第一终端设备包括：
处理器；
存储器，用于存储计算机可执行代码和数据；
第一通信接口，与本地端数据服务器通信连接；
第二通信接口，与所述目标服务器通信连接；
所述处理器、所述存储器、所述第一通信接口和所述第二通信接口通过总线互相通信；
所述处理器读取所述存储器中存储的程序代码和数据，其中，所述数据包括所述目标服务器的地址，所述程序代码包含指令，当所述处理器执行所述指令时，所述指令致使所述处理器执行以下操作：
通过所述第一通信接口接收所述电力仿真培训系统发送的第一消息，并将所述第一消息打包后，根据所述目标服务器的地址，通过所述第二通信接口向所述目标服务器发送；
和/或，通过所述第一通信接口接收所述电力仿真培训系统发送的第二消息，并作为响应的，根据所述目标服务器的地址，通过所述第二通信接口从所述目标服务器读取第二消息指定的学习行为数据；
其中，所述第一消息携带具有特征值的学习行为数据，所述第二消息携带学习行为数据的特征值。
优选的，所述第一终端设备通过订阅发布机制监听所述第一消息和/或所述第二消息。
本发明第一方面的一个实施例，如图3所示，提供了一种基于区块链的电力仿真培训学习数据管理系统，该实例中，第一设备终端作为电力仿真培训系统的一个部分，统称为客户端。
示范的，如图4所示的优选实施例中，数据服务器同时运行了第一终端设备的程序指令和电力仿真培训系统的应用服务程序并通过防火墙105与去区块链节点网络107中的目标服务器通信连接。具体的，客户端硬件架构采用1台数据库服务器102、若干台学员员机101和教员机103，所述教员台103和所述学员台101可以相互替换。所述硬件结构中所有培训功能都在同一套计算机系统上完成，以适应仿真培训系统的灵活性、可扩充性和发展要求；整个仿真培训系统软件采用对等结构，可在局域网已有的培训机器上进行安装；通过屏幕分配器将学员机、教员机中任一台切换至投影仪显示，方便进行教学演示、竞赛考评；利用已有的仿真中心计算机进行架构设计，节省资源。同时仿真培训系统满足利用培训中心硬件资源，在平台系统中，统一挂载运行。该类实施例中，电力仿真培训系统包括本地服务器，第一终端设备为本地服务器，第一通信接口为软件通信总线。
本发明第一方面的一个实施例，如图5所示，与上述实施例的区别在于其包括第二终端设备，所述第二终端设备包括：
处理器；
存储器，用于存储计算机可执行代码和数据；
第三通信接口，与本地端数据服务器通信连接；
第四通信接口，与所述目标服务器通信连接；
所述处理器、所述存储器、所述第三通信接口和所述第四通信接口通过总线互相通信；
所述处理器读取所述存储器中存储的程序代码和数据，其中，所述数据包括所述目标服务器的地址，所述程序代码包含指令，当所述处理器执行所述指令时，所述指令致使所述处理器执行以下操作：
通过所述第三通信接口接收所述电力仿真培训系统发送的学习行为数据的特征值，根据所述目标服务器的地址，通过所述第四通信接口从所述目标服务器以所述学习行为数据的特征值为索引读取所述区块链节点网络中的学习行为数据。
可以理解的是，本发明实施例中限定的基于区块链的数据管理系统具有不可篡改、去中心化的特点。存储在区块链各节点中的数据不可以被修改，只能被新的数据修正，且修正过程会留下痕迹，从而保证了数据的真实性。区块链网络是去中心化的，它是一个由众多节点组成的分布式系统，每个节点都有高度的自治性，节点之间可以彼此自由连接，这种开放式、平等性的系统结构即为去中心化。每个区块链节点都存储了整个区块链网络的数据，管理和记录数据的过程中去除了中心化数据管理的冗余工作，使得系统更有效率。基于这两个特点，区块链可以很好地解决目前的电力运检仿真培训系统学习数据管理和利用中存在的问题。
本发明第二方面的各个实施例提供了一种基于区块链的电力仿真培训学习数据管理方法，其包含步骤：
步骤一，在电力仿真培训系统中建立学习行为的学习记录模型；
步骤二，对于一个使用电力仿真培训系统的培训学习行为，在电力仿真培训系统中生成一个包含学习记录模型的学习行为数据；
步骤三，通过第一终端设备将所述学习行为数据以区块链的形式保存于区块链节点网络；
步骤四，通过所述区块链节点网络读取所述学习行为数据。
上述方法步骤即可以依托于第一方面的提供的基于区块链的电力仿真培训学习数据管理系统实现，也可以结合现有技术通过其他结构的硬件系统实现。
本发明第二方面的一个实施例，如图6所示，电力仿真培训系统内部以学员操作行为模型为其学习行为的学习记录模型，在过操作触发，在其内部生成对应的学员学习行为数据，即步骤二中的包含学习记录模型的学习行为数据；然后，通过运行于第一终端设备的数据采集中间程序完成步骤三，本实施例中，由位于区块链节点网络的目标服务器完成特征信息提取、特征信息哈希值计算、学习行为数据存储以及数据挖掘和分析利用。
该实施例中，步骤二中所述包含学习记录模型的学习行为数据至少包含一个索引字段，具备相同索引字段的所述包含学习记录模型的学习行为数据在步骤三中被组合至区块链节点网络的相同区块，步骤四中根据所述索引字段通过所述区块链节点网络读取所述学习行为数据。
示范的，步骤四中通过所述区块链节点网络读取所述学习行为数据的终端设备包括所述第一终端设备和第二终端设备；所述第二终端设备从所述电力仿真培训系统或者所述第一终端设备接收包含所述索引字段的数据，并根据所述索引字段通过所述区块链节点网络读取其对应的所述学习行为数据。
所述第一终端设备通过订阅发布机制监听所述电力仿真培训系统发送的第一消息和/或第二消息；其中，所述第一消息携带具有特征值的学习行为数据，所述第二消息携带学习行为数据的特征值；所述第一消息致使所述第一终端设备将所述学习行为数据以区块链的形式保存于区块链节点网络；所述第一消息致使所述第一终端设备根据所述特征值通过所述区块链节点网络读取所述学习行为数据。
本发明第二方面的一个实施例，如图7所示，根据以下方法具体实现步骤一至四：
步骤一，建立电力仿真培训系统的学习行为模型，该学习行为模型在电力仿真培训系统中建立，与学习行为的结果对应。
本实施例中，学员在电力仿真培训系统中进行学习时，人机交互频繁，学习过程中会涉及到不同类型的系统操作界面、操作对象、操作结果等，为准确合理地描述学员的学习行为，在电力仿真培训系统中创建学员的学习行为模型，具体的，学习行为模型包括：学员在电力仿真培训系统中的虚拟现实环境里对应的虚拟角色的操作对象类型(Type)、操作对象名称(Object)、操作动作类型(Action)、操作结果(Result)及操作结果说明等属性。
具体的，操作对象类型，是根据电力仿真培训系统中操作界面的维度来确定的，包括二维操作对象类型和三维操作对象类型。二维操作对象类型主要有工器具选择、任务介绍、操作说明窗口、知识点讲解窗口等，三维操作对象类型主要包括作业过程中的各项动作操作的三维对象。
具体的，操作对象名称，是在操作对象类型的基础上，为每一个对象模型赋予的ID号。通过操作对象类型和操作对象名称就可以确定学员在电力仿真培训系统中操作的对象。
具体的，操作动作类型，是对学员对各操作对象的各种动作的定义，不同类型的操作对象相应的操作动作类型不同，详见表1。通过操作动作类型就可以采集参训学员在电力仿真培训系统中的操作动作。
具体的，操作结果类型，是对学员在对操作对象进行某些操作动作之后系统返回的状态。对不同操作对象执行不同的操作动作类型，系统返回的状态也不同。具体对应关系详见表1。
作为示范的，以220kV GIS电缆终端头制作VR仿真培训系统为例，一个电力仿真培训系统中多种学习行为模型结构中的定义可以如表1所示。在本发明的其他实施例中，不同的电力作业项目的操作对象类型、操作对象名称、操作动作类型和操作结果可以进行动态调整。
表1.操作行为模型
步骤二，对于一个使用电力仿真培训系统的培训学习行为，在电力仿真培训系统中生成一个包含学习记录模型的学习行为数据。
本实施例中，电力仿真培训系统还定义了学员学习行为的数据结构用于描述具体的包含学习记录模型的学习行为数据。
作为示范的，学员的一个学习行为相关特征信息，使用基于xAPI规范和JSON格式的Statement数据结构创建。Statement数据结构包含的信息有学员ID、培训课程ID、参训时间、操作对象类型、操作对象名称、操作动作类型、操作结果。主要属性定义如下表所示。
表2.学习行为数据结构主要属性根据以上定义的主要属性，所创建的Statement数据结构示例如下：
当学员对电力仿真培训系统实施一个学习类操作时，电力仿真培训系统创建一条学习行为记录，用通过上述的结构进行表述，使得在本地数据服务器上产生一条学习行为记录。
步骤三，通过第一终端设备将所述学习行为数据以区块链的形式保存于区块链节点网络，以便学员学习行为数据采集并保存至目标服务器。。
本实施例中，电力仿真培训系统和区块链网络是两个相互独立的系统，为保证电力仿真培训系统中的学习数据能够上报并存储到区块链节点，需要和创建一个中间程序，将收集到的学员学习行为信息封装后发送至区块链节点中存储。中间程序运行于第一终端设备，并作为本地总线实现对第一消息和第二消息的处理，使得其作为详细步骤如下：
本实施例中，在学员学习行为数据采集的过程中建立一种消息总线机制，用于电力仿真培训系统和中间程序的数据通信。消息总线基于Redis的订阅发布机制而建立，首先创建名为“loger”的订阅发布频道，然后在电力仿真培训系统中，当执行某个操作行为后，电力仿真培训系统将此项操作行为按照本实施例所建立的学习行为模型属性和定义好的格式组建成一条消息数据，并发布至消息总线的“loger”频道；在中间程序的监听线程中，订阅消息总线的“loger”频道，实时接收电力仿真培训系统发送来的学习行为相关的消息数据。该步骤中定义好的消息格式格式为：“操作对象类型:操作对象名称:操作动作类型:操作结果:操作结果说明”，各属性的取值已在表1中定义。示例如下：
当学员在电力仿真培训系统中在工具选择界面选择剪刀这一工具时，电力仿真培训系统的本地数据服务器向消息总线发送的第一消息的格式为：界面工具栏:工具包:选择工具:工具。
电力仿真培训系统向消息总线发送的消息之后，中间程序对该消息进行解析封装和发送至区块连接点进行存储。首先，根据消息中的冒号字符，将电力仿真培训系统发送来的学习行为数据进行分割，并存放到operationList数据列表中。将operationList中的第2个数据即“操作对象名称”赋值给_3DObj，将operationList中的第3个数据即“操作动作类型”赋值给opType_zhcn，将operationList中的第4个数据即“操作结果”赋值给operationResult。
调用方法“_3Doperation()”将收集到的操作行为封装为本实施例中所述的Statement数据结构，封装步骤为：将上述opType_enUS、opType_zhcn、_3DObj、operationResult这几个赋值完成的数据作为参数传给“_3Doperation()”方法，在该方法中，将以上参数的值添加到所述Statement数据结构相对应的位置。最后，读取配置文件中区块链网络节点目标服务器的地址，将封装好的Statement数据存储至目标地址的学习行为数据记录库。
本实施例是基于第一方面的电力仿真培训学习数据管理系统实施的，本实施例中电力仿真培训学习数据管理系统包括多个客户端和一个区块链节点网络，如图3所示。区块链节点网络包含多个区块链节点，每个区块链节点通过带有运算功能的设备来构建，其他实施例中，区块链节点和客户端也可以在同一个设备上。客户端即电力仿真培训系统，用于各省市电力培训中心用户与区块链之间的交互。区块链节点用于记录学员的学习记录数据信息，每一个区块链节点都完整地保存整个区块链的内容，即记录了各省市电力培训中心全部的学员学习信息。
本实施例的学员学习数据为Statement数据结构，区块链从Statement数据结构中提取关键字段作为对应学员学习数据的特征信息，关键字段可以在区块链中进行预设，在接收到Statement结构的学习数据之后，从中查找相应的预设字段，这里的预设字段可以设置为学员的姓名或者ID。区块链接收的学习数据信息中若有与预设字段一致的字段，则进行提取作为特征信息。
区块链等得到学员的学习记录数据的特征信息之后，对特征信息进行哈希运算得到特征信息的哈希值。区块链中可预设哈希函数，哈希函数把任意长度的输入通过散列算法，变换成固定长度的输出散列值，其数学表达为h＝H(M)，其中M为任一长度明文，h为固定长度散列值，H为单向散列函数。哈希函数满足单向性和抗冲突性，因此若将提取的特征信息哈希值作为学员的学习数据信息的索引，可保证索引的唯一性，从而避免了索引的重复。
最后，以学员的特征哈希值为索引，将相应学员的学习数据等信息存储于区块链的节点中。
可以理解的是，特征信息或者特征信息生成索引是一种具体实施，本领域技术人员可以肯定现有技术确定不同得特征信息建立索引，以便实现对具体区块的数据提取。
步骤四，通过所述区块链节点网络读取所述学习行为数据。
本实施例中，学员或者教员对电力仿真培训系统实施查询类操作受，电力仿真培训系统可以直接向运行本地总线的第一终端设备发送携带查询请求的第二消息，致使第一终端设备实现对学习行为数据的读取。在一些实施例中，电力仿真培训系统可以被配置为在其他触发条件下的发出第二消息。在一些实施例中，用户可以操作第二终端设备，在第二终端设备获得相应索引的情况下，实现对具体区块的读取，优选的，第二终端设备可以与数据挖掘系统通信并向其转发读取的学习行为数据。
可以例理解的是，利用数据挖掘技术、机器学习等技术对海量的学员学习记录数据进行挖掘分析，便可以使得培训老师更加清晰地掌握学员的学习状态，掌握培训需求，并为电力仿真培训系统的培训课程改进优化提供参考指导。
以上步骤实现了去中心化地管理各省市的电力仿真培训系统学习数据的效果，并可以保证数据的真实性，减少冗余工作，提升数据管理效率。
需要说明的是，在上述各个实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种基于区块链的电力仿真培训学习数据管理系统，包括：
区块链节点网络；
目标服务器，所述目标服务器为所述区块链节点网络的一个区块链节点；
第一终端设备，所述第一终端设备部署于本地端；
其中，所述第一终端设备读取部署于本地端的电力仿真培训系统的学习行为数据，并将其发送至所述目标服务器，和/或，所述第一终端设备从所述目标服务器读取学习行为数据，并将其发送至所述电力仿真培训系统；
其中，目标服务器将接收到的学习行为数据以区块链的形式存储于所述区块链节点网络。
2.根据权利要求1所述的电力仿真培训学习数据管理系统，其特征在于，所述第一终端设备包括：
处理器；
存储器，用于存储计算机可执行代码和数据；
第一通信接口，与本地端数据服务器通信连接；
第二通信接口，与所述目标服务器通信连接；
所述处理器、所述存储器、所述第一通信接口和所述第二通信接口通过总线互相通信；所述处理器读取所述存储器中存储的程序代码和数据，其中，所述数据包括所述目标服务器的地址，所述程序代码包含指令，当所述处理器执行所述指令时，所述指令致使所述处理器执行以下操作：
通过所述第一通信接口接收所述电力仿真培训系统发送的第一消息，并将所述第一消息打包后，根据所述目标服务器的地址，通过所述第二通信接口向所述目标服务器发送；
和/或，通过所述第一通信接口接收所述电力仿真培训系统发送的第二消息，并作为响应的，根据所述目标服务器的地址，通过所述第二通信接口从所述目标服务器读取第二消息指定的学习行为数据；
其中，所述第一消息携带具有特征值的学习行为数据，所述第二消息携带学习行为数据的特征值。
3.根据权利要求2所述的电力仿真培训学习数据管理系统，其特征在于，所述第一终端设备通过订阅发布机制监听所述第一消息和/或所述第二消息。
4.根据权利要求2所述的电力仿真培训学习数据管理系统，其特征在于，其包括第二终端设备，所述第二终端设备包括：
处理器；
存储器，用于存储计算机可执行代码和数据；
第三通信接口，与本地端数据服务器通信连接；
第四通信接口，与所述目标服务器通信连接；
所述处理器、所述存储器、所述第三通信接口和所述第四通信接口通过总线互相通信；
所述处理器读取所述存储器中存储的程序代码和数据，其中，所述数据包括所述目标服务器的地址，所述程序代码包含指令，当所述处理器执行所述指令时，所述指令致使所述处理器执行以下操作：
通过所述第三通信接口接收所述电力仿真培训系统发送的学习行为数据的特征值，根据所述目标服务器的地址，通过所述第四通信接口从所述目标服务器以所述学习行为数据的特征值为索引读取所述区块链节点网络中的学习行为数据。
5.根据权利要求2所述的电力仿真培训学习数据管理系统，其特征在于，所述电力仿真培训系统包括本地服务器，所述第一终端设备为所述本地服务器，所述第一通信接口为软件通信总线。
6.一种基于区块链的电力仿真培训学习数据管理方法，其包含步骤：
步骤一，在电力仿真培训系统中建立学习行为的学习记录模型；
步骤二，对于一个使用电力仿真培训系统的培训学习行为，在电力仿真培训系统中生成一个包含学习记录模型的学习行为数据；
步骤三，通过第一终端设备将所述学习行为数据以区块链的形式保存于区块链节点网络；
步骤四，通过所述区块链节点网络读取所述学习行为数据。
7.根据权利要求6所述的电力仿真培训学习数据管理方法，其特征在于：步骤二中所述包含学习记录模型的学习行为数据至少包含一个索引字段，具备相同索引字段的所述包含学习记录模型的学习行为数据在步骤三中被组合至区块链节点网络的相同区块，步骤四中根据所述索引字段通过所述区块链节点网络读取所述学习行为数据。
8.根据权利要求7所述的电力仿真培训学习数据管理方法，其特征在于：步骤四中通过所述区块链节点网络读取所述学习行为数据的终端设备包括所述第一终端设备和第二终端设备；所述第二终端设备从所述电力仿真培训系统或者所述第一终端设备接收包含所述索引字段的数据，并根据所述索引字段通过所述区块链节点网络读取其对应的所述学习行为数据。
9.根据权利要求6所述的电力仿真培训学习数据管理方法，其特征在于：所述第一终端设备通过订阅发布机制监听所述电力仿真培训系统发送的第一消息和/或第二消息；其中，所述第一消息携带具有特征值的学习行为数据，所述第二消息携带学习行为数据的特征值；所述第一消息致使所述第一终端设备将所述学习行为数据以区块链的形式保存于区块链节点网络；所述第一消息致使所述第一终端设备根据所述特征值通过所述区块链节点网络读取所述学习行为数据。
10.根据权利要求6所述的电力仿真培训学习数据管理方法，其特征在于：所述电力仿真培训系统包括本地服务器，所述第一终端设备为所述本地服务器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010805192.9A CN111914429A (zh) | 2020-08-12 | 2020-08-12 | 基于区块链的电力仿真培训学习数据管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010805192.9A CN111914429A (zh) | 2020-08-12 | 2020-08-12 | 基于区块链的电力仿真培训学习数据管理系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111914429A true CN111914429A (zh) | 2020-11-10 |
Family
ID=73284260
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010805192.9A Pending CN111914429A (zh) | 2020-08-12 | 2020-08-12 | 基于区块链的电力仿真培训学习数据管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111914429A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113766003A (zh) * | 2021-07-26 | 2021-12-07 | 重庆观讯科技有限公司 | 摩尔斯码的培训方法和系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104951871A (zh) * | 2015-06-03 | 2015-09-30 | 广东电网有限责任公司教育培训评价中心 | 一种电力仿真培训的智能评价方法及系统 |
| CN108121498A (zh) * | 2016-11-28 | 2018-06-05 | 中国移动通信集团公司 | 一种基于区块链技术的学习记录保存的方法和装置 |
| CN108334275A (zh) * | 2017-01-19 | 2018-07-27 | 新唐科技股份有限公司 | 数据储存方法及其装置 |
| CN109801043A (zh) * | 2019-02-01 | 2019-05-24 | 苏州链读文化传媒有限公司 | 基于区块链的全生命周期学习记录认证装置及认证方法 |
| CN109948349A (zh) * | 2019-01-15 | 2019-06-28 | 苏州链读文化传媒有限公司 | 一种基于区块链技术的学习记录方法和装置 |
| CN110334129A (zh) * | 2019-07-08 | 2019-10-15 | 国家电网有限公司 | 学习行为分析方法、装置及存储介质 |
| CN110348109A (zh) * | 2019-07-08 | 2019-10-18 | 国家电网有限公司 | 三维仿真培训数据处理的方法及终端设备 |
| CN111339086A (zh) * | 2020-02-18 | 2020-06-26 | 腾讯科技（深圳）有限公司 | 区块处理方法、基于区块链的数据查询方法及装置 |
-
2020
- 2020-08-12 CN CN202010805192.9A patent/CN111914429A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104951871A (zh) * | 2015-06-03 | 2015-09-30 | 广东电网有限责任公司教育培训评价中心 | 一种电力仿真培训的智能评价方法及系统 |
| CN108121498A (zh) * | 2016-11-28 | 2018-06-05 | 中国移动通信集团公司 | 一种基于区块链技术的学习记录保存的方法和装置 |
| CN108334275A (zh) * | 2017-01-19 | 2018-07-27 | 新唐科技股份有限公司 | 数据储存方法及其装置 |
| CN109948349A (zh) * | 2019-01-15 | 2019-06-28 | 苏州链读文化传媒有限公司 | 一种基于区块链技术的学习记录方法和装置 |
| CN109801043A (zh) * | 2019-02-01 | 2019-05-24 | 苏州链读文化传媒有限公司 | 基于区块链的全生命周期学习记录认证装置及认证方法 |
| CN110334129A (zh) * | 2019-07-08 | 2019-10-15 | 国家电网有限公司 | 学习行为分析方法、装置及存储介质 |
| CN110348109A (zh) * | 2019-07-08 | 2019-10-18 | 国家电网有限公司 | 三维仿真培训数据处理的方法及终端设备 |
| CN111339086A (zh) * | 2020-02-18 | 2020-06-26 | 腾讯科技（深圳）有限公司 | 区块处理方法、基于区块链的数据查询方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 沈琦: "《数据结构》", 30 September 2004, 中国矿业大学出版社, pages: 195 - 197 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113766003A (zh) * | 2021-07-26 | 2021-12-07 | 重庆观讯科技有限公司 | 摩尔斯码的培训方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mora et al. | Smart-city development paths: Insights from the first two decades of research | |
| Roche et al. | A framework for co-simulation of AI tools with power systems analysis software | |
| CN107850882A (zh) | 自动化和控制分布式数据管理系统 | |
| CN108306804A (zh) | 一种Ethercat主站控制器及其通信方法和系统 | |
| CN109088785A (zh) | 一种idc数据中心设备管理系统 | |
| EP4235482A1 (en) | State preview method and system for key equipment of nuclear power plant, and device and storage medium | |
| CN110348109A (zh) | 三维仿真培训数据处理的方法及终端设备 | |
| CN108898912A (zh) | 基于云技术的电网调度员培训仿真方法及系统 | |
| CN115954933A (zh) | 电网数字孪生系统构建方法、装置、电子设备和存储介质 | |
| Panduman et al. | A survey of IoT platform comparison for building cyber-physical system architecture | |
| CN111159897B (zh) | 基于系统建模应用的目标优化方法和装置 | |
| CN111914429A (zh) | 基于区块链的电力仿真培训学习数据管理系统及方法 | |
| Zehe et al. | Tutorial on a modeling and simulation cloud service | |
| CN114253798A (zh) | 指标数据采集方法和装置、电子设备、存储介质 | |
| CN114338172A (zh) | 一种移动网络靶场系统以及网络流量攻击模拟方法 | |
| CN113837908A (zh) | 一种基于课程的网络培训系统与方法 | |
| Hasandka et al. | Nrel’s cyber-energy emulation platform for research and system visualization | |
| Sztipanovits et al. | Model-based integration technology for next generation electric grid simulations | |
| CN108769233B (zh) | 一种基于桌面云的资源优化分配方法 | |
| CN103023740A (zh) | 一种信息交互总线系统及电力数据传输方法 | |
| CN112202861B (zh) | 一种基于bim的水电工程工法管理应用系统 | |
| Song et al. | Design of virtual education experiment platform based on artificial intelligence | |
| CN113852204A (zh) | 一种于数字孪生的变电站三维全景监视系统及方法 | |
| Idehen et al. | An electric power system energy management platform (emp) research testbed | |
| Riviere | Simplifying hands-on teaching of distributed algorithms with splay |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |