CN114139800A - 一种大规模异构电力系统管理方法及电力系统 - Google Patents
一种大规模异构电力系统管理方法及电力系统 Download PDFInfo
- Publication number
- CN114139800A CN114139800A CN202111440477.8A CN202111440477A CN114139800A CN 114139800 A CN114139800 A CN 114139800A CN 202111440477 A CN202111440477 A CN 202111440477A CN 114139800 A CN114139800 A CN 114139800A
- Authority
- CN
- China
- Prior art keywords
- target
- data
- layer
- cloud platform
- cloud
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims description 24
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000013480 data collection Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000010205 computational analysis Methods 0.000 claims 2
- 230000008859 change Effects 0.000 abstract description 4
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种大规模异构电力系统管理方法及电力系统,方法包括:终端设备将采集数据上传至边缘计算层和云端平台层;所述边缘计算层对每个所述终端设备的所述采集数据进行计算分析,并基于计算分析结果进行用电调度;所述云端平台层接收所述采集数据,根据所述采集数据更新所述采集数据对应的终端设备在所述云端平台层对应的云端数据;所述云端平台层接收云端应用层的目标请求,根据所述目标请求向所述云端应用层返回目标云端数据或者,根据所述目标请求向目标终端设备发送目标更新数据以使得所述目标终端设备根据所述目标更新数据更新自身状态。本发明可以降低电力物联网系统中的时延,快速响应需求变化。
Description
技术领域
本发明涉及电网管理技术领域,特别涉及一种大规模异构电力系统管理方法及电力系统。
背景技术
随着社会经济的飞速发展,各行各业对电力供应的需求越来越大,为了方便管理,现有技术中,已经存在电力物联网用于电网管理,然而虽然当前电力物联网的应用已经具备一定的基础,但是随着电力设备的增加,电力设备产生海量数据,目前的电力物联网系统中云平台的负载过大,具有很高的时延性,导致共享实时性不强,响应需求变化能力不足。
因此,现有技术还有待改进和提高。
发明内容
针对现有技术的上述缺陷,本发明提供一种大规模异构电力系统管理方法及电力系统,旨在解决现有技术中电力物联网系统中时延大的问题。
为了解决上述技术问题,本发明所采用的技术方案如下:
本发明的第一方面,提供一种大规模异构电力系统管理方法,所述方法包括:
终端设备将采集数据上传至边缘计算层和云端平台层;
所述边缘计算层对每个所述终端设备的所述采集数据进行计算分析,并基于计算分析结果进行用电调度;
所述云端平台层接收所述采集数据,根据所述采集数据更新所述采集数据对应的终端设备在所述云端平台层对应的云端数据;
所述云端平台层接收云端应用层的目标请求,根据所述目标请求向所述云端应用层返回目标云端数据或者,根据所述目标请求向目标终端设备发送目标更新数据以使得所述目标终端设备根据所述目标更新数据更新自身状态。
所述的大规模异构电力系统管理方法,其中,所述边缘计算层对每个所述终端设备的所述采集数据进行计算分析,并基于计算分析结果进行用电调度,包括:
所述边缘计算层将所述采集数据输入至预先训练完成的神经网络,获取所述神经网络输出的所述终端设备的预测用电负荷;
所述边缘计算层采用预设算法根据所述预测用电负荷确定各个预设机组的目标开关状态和目标输出功率;
所述边缘计算层根据对应的所述目标开关状态和所述目标输出功率控制各个所述预设机组。
所述的大规模异构电力系统管理方法,其中,所述边缘计算层根据对应的所述目标开关状态和所述目标输出功率控制各个所述预设机组,包括:
所述边缘计算层将各个所述预设机组分别对应的所述目标开关状态和所述目标输出功率发送给所述云端平台层;
所述云端平台层将对应的所述目标开关状态和所述目标输出功率发送给各个所述预设机组,以使得各个所述预设机组根据接收到的所述目标开关状态和所述目标输出功率运行。
所述的大规模异构电力系统管理方法,其中,所述预设算法为竞争群算法。
所述的大规模异构电力系统管理方法,其中,所述云端平台层包括多个业务组件,每个所述业务组件用于根据所述采集数据中的相应数据进行预设处理;所述云端平台层接收所述采集数据,根据所述采集数据更新所述采集数据对应的终端设备在所述云端平台层对应的云端数据,包括:
当所述云端平台层中的所述多个业务组件中的目标业务组件进行变更时,为所述目标业务组件对应的POD分配更多的内存和CPU资源以进行所述云端数据的更新,或者;
当所述云端平台层中的所述多个业务组件中的目标业务组件进行变更时,为所述目标业务组件分配更多数量的POD以进行所述云端数据的更新。
所述的大规模异构电力系统管理方法,其中,所述云端平台层中还创建有守护进程,所述守护进程用于监控所述业务组件进程的状态,并在收集到进程异常日志时发送第一提示信息至所述云端应用层。
所述的大规模异构电力系统管理方法,其中,所述方法还包括:
所述云端平台层在预设时间内在第一目标网络设备的接收端口和第二网络设备向所述第一目标网络设备发送数据包的发送端口抓包,根据抓包结果发送第二提示信息至所述云端应用层。
所述的大规模异构电力系统管理方法,其中,所述云端平台层在预设时间内在第一目标网络设备的接收端口和第二网络设备向所述第一目标网络设备发送数据包的发送端口抓包,根据抓包结果发送第二提示信息至所述云端应用层,包括:
所述云端平台层获取所述预设时间内在所述发送端口抓取的包的最大序号和最小序号的第一差值和在所述接收端口抓取的包的最大序号和最小序号的第二差值;
所述云端平台层根据所述第一差值和所述第二差值计算丢包率;
当所述丢包率大于预设阈值时,所述云端平台层发送所述第二提示信息至所述云端应用层。
所述的大规模异构电力系统管理方法,其中,所述方法还包括:
所述云端平台层接收设备固件包以及对应的升级任务;
所述云端平台层根据所述升级任务确定待升级的所述终端设备,向待升级的所述终端设备发送升级指令;
待升级的所述终端设备接收所述升级指令后,根据所述升级指令下载对应的所述设备固件包并进行升级,升级完成后向所述云端平台层上报升级之后的版本号;
所述云端平台层确定待升级的所述终端设备上报的升级之后的版本号是否与对应的所述升级任务中的版本号一致,若一致,则记录升级成功信息。
本发明的第二方面,提供一种电力系统,所述电力系统包括:
终端设备,所述终端设备用于采集数据上传至边缘计算层和云端平台层;
所述边缘计算层,所述边缘计算层用于所述边缘计算层对每个所述终端设备的所述采集数据进行计算分析,并基于计算分析结果进行用电调度;
云端平台层,所述云端平台层用于接收所述采集数据,根据所述采集数据更新所述采集数据对应的终端设备在所述云端平台层对应的云端数据,还用于接收云端应用层的目标请求,根据所述目标请求向所述云端应用层返回目标云端数据或者,根据所述目标请求向目标终端设备发送目标更新数据以使得所述目标终端设备根据所述目标更新数据更新自身状态。
与现有技术相比,本发明提供了一种大规模异构电力系统管理方法及电力系统,所述的大规模异构电力系统管理方法,终端设备采集数据后,将采集数据分别上传至边缘计算层和云端平台层,由边缘计算层对采集数据进行计算分析,并基于计算分析结果进行用电调度,云端平台层接收到采集数据后,根据采集数据更新终端设备在云端平台层的云端数据,云端平台层还进行终端设备和云端应用层之间的指令和数据转发。在发明提供的大规模异构电力系统管理方法中,设置有边缘计算层,由边缘计算层进行采集数据的计算分析,边缘计算可以实现高效率低时延,云端平台层的计算量大大降低,在进行指令和数据转发时可以实现更快的响应。因此本发明可以降低电力物联网系统中的时延,快速响应需求变化。
附图说明
图1为本发明提供的大规模异构电力系统管理方法的实施例的流程图;
图2为本发明提供的大规模异构电力系统管理方法的实施例中电力系统的架构图;
图3为本发明提供的大规模异构电力系统管理方法的实施例中云端平台层中容器管理示意图;
图4为本发明提供的大规模异构电力系统管理方法的实施例中终端设备升级流程示意图;
图5为本发明提供的电力系统的实施例的结构原理图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
实施例一
本发明提供的大规模异构电力系统管理方法,可以应用于一种电力系统中,所述电力管理系统中包括终端设备、边缘计算层、云端平台层和云端应用层。
如图1所示,所述大规模异构电力系统管理方法的一个实施例中,包括步骤:
S100、终端设备将采集数据上传至边缘计算层和云端平台层。
所述终端设备可以是电力系统中的任一设备,可以是用电设备、监控设备或网络设备,所述采集数据是所述终端设备采集的数据,所述终端设备采集的数据包括所述终端设备自身的运行数据以及所述终端设备获取到的其他设备的运行数据,所述终端设备获取到所述采集数据后,将所述采集数据上传至边缘计算层和云端平台层。
在现有技术中,在物联网系统中设置有云端平台层,云端平台层获取各个终端设备的数据后,对数据进行分析,由于设备数量巨大,云端平台层需要耗费很大的资源用于数据计算分析,不能实现快速的需求响应。而在本实施例提供额电力系统管理方法中,还设置有边缘计算层,终端设备采集的数据的计算分析由边缘计算层执行,而边缘计算具有高效率低时延的特性,可以使得电力系统实现快速响应。
S200、所述边缘计算层对每个所述终端设备的所述采集数据进行计算分析,并基于计算分析结果进行用电调度。
所述边缘计算层对每个所述终端设备的所述采集数据进行计算分析,并基于计算分析结果进行用电调度,包括:
所述边缘计算层将所述采集数据输入至预先训练完成的神经网络,获取所述神经网络输出的所述终端设备的预测用电负荷;
所述边缘计算层采用预设算法根据所述预测用电负荷确定各个预设机组的目标开关状态和目标输出功率;
所述边缘计算层根据对应的所述目标开关状态和所述目标输出功率控制各个所述预设机组。
具体地,所述边缘计算层接收到所述采集数据后,将所述采集数据输入至预先训练完成的神经网络,获取所述神经网络输出的所述终端设备的预测用电负荷。用于预测所述终端设备的用电负荷的所述采集数据是所述终端设备的运行数据,将每个所述终端设备的运行数据输入至已训练的所述神经网络,所述神经网络输出每个所述终端设备的预测用电负荷。所述边缘计算层在获取到各个所述终端设备的预测用电负荷后,根据所述预测用电负荷确定各个预设机组的目标开关状态和目标输出功率。在本实施例中,采用竞争群算法(CSO)来根据所述预设用电负荷确定各个所述预设机组是否开启以及开启后的输出功率是多少,具体地,将所述终端设备的所述预设用电负荷作为优化目标,各个所述预设机组的输出功率(关闭可以视为输出功率为0)为优化变量,进行优化求解后确定各个所述预设机组的所述目标开关状态和所述目标输出功率。
所述边缘计算层中可以包括多个计算设备,所述计算设备接收周边的所述终端设备的数据进行处理,得到周边的所述终端设备的预测用电负荷,并基于周边的所述终端设备的预测用电负荷确定对应的所述预设机组的目标开关状态和目标输出功率。如图2所示,所述边缘计算层可以是智能网关。由于在电力系统中终端设备的数量众多,所述边缘计算层可以实现将电力系统中的多个终端设备的数据进行分散处理,可以实现高效率低时延的数据处理。
所述边缘计算层得到各个所述预设机组的目标开关状态和目标输出功率后,可以是将各个所述预设机组的目标开关状态和目标输出功率直接发送给对应的所述预设机组,在一种可能的实现方式中,为了降低所述边缘计算层的通信资源占用,保证所述边缘计算层的计算能力,所述边缘计算层获取到各个所述预设机组的目标开关状态和目标输出功率后,将数据发送至所述云端平台层,所述云端平台层将所述目标开关状态和所述目标输出功率发送给对应的各个所述预设机组,以使得所述预设机组根据接收到的所述目标开关状态和所述目标输出功率运行,同时,在各个所述预设机组向所述云端平台层上报自身状态后,所述云端平台层可以根据所述边缘计算层发送的目标开关状态和目标输出功率,与所述预设机组上报的状态数据进行比较,保证各个所述预设机组是否按照用电需求进行运行,这样,就实现了快速准确满足需求响应的效果。
本实施例提供的大规模异构电力系统管理方法,还包括步骤:
S300、所述云端平台层接收所述采集数据,根据所述采集数据更新所述采集数据对应的终端设备在所述云端平台层对应的云端数据。
S400、所述云端平台层接收云端应用层的目标请求,根据所述目标请求向所述云端应用层返回目标云端数据或者,根据所述目标请求向目标终端设备发送目标更新数据以使得所述目标终端设备根据所述目标更新数据更新自身状态。
所述云端平台层采用容器实现数据的存储、处理和更新,具体地,如图3所示,所述云端平台层采用Agile Controller进行容器管理,其能够与世界主流平台实现无缝对接,并开放了上层业务系统的北向接口,即所述云端平台层可以与云端应用层实现业务交互。所述云端平台层北向支持反压,南向支持扩容,除了与云端应用层进行交互之外,还可以实现接入更多或更多的所述终端设备,并且,其采用的敏捷UI可以有效降低平台运维管理人员的操作难度,提高运维效率。
所述云端平台层包括多个业务组件,每个所述业务组件用于根据所述采集数据中的相应数据进行预设处理,所述云端平台层接收所述采集数据,根据所述采集数据更新所述采集数据对应的终端设备在所述云端平台层对应的云端数据,包括:
当所述云端平台层中的所述多个业务组件中的目标业务组件进行变更时,为所述目标业务组件对应的POD分配更多的内存和CPU资源以进行所述云端数据的更新,或者;
当所述云端平台层中的所述多个业务组件中的目标业务组件进行变更时,为所述目标业务组件分配更多数量的POD以进行所述云端数据的更新。
一个POD包括一个或者多个容器,每个容器中可以包括多个数据处理进程,每个业务组件完成相应的业务的过程就是调用一系列的进程进行数据处理,在现有技术中,在业务需要变更,例如进行业务升级时,需要中断业务,进行程序的升级修改,而在本实施例中,为了在变更升级的过程中,业务不中断,保证电力系统的正常运行,当目标业务组件进行变更时,采用两种方式修改当前的POD分配,具体地,可以是为所述目标业务组件对应的POD分配更多的内存和CPU资源,可以在所述目标业务组件对应的POD内创建更多的进程,保证业务仍然可以运行,也可以是为所述目标业务组件分配更多数量的POD,使得所述目标业务组件能够在更多的POD中创建进程,保证业务仍然可以运行。
所述云端平台层中还创建守护进程,所述守护进程用于监控所述业务组件进程的状态,并在收集到进程异常日志时发送第一提示信息至所述云端应用层。
所述云端应用层具体可以是安装有应用程序的终端,例如手机、计算机等。所述云端平台层中的守护进程收集所有业务组件进程的日志,在收集到进程异常日志时发送用于提示业务组件进程异常的第一提示信息至所述云端应用层,使得运维人员能够及时发现。
在一种可能的实现方式中,本实施例提供的大规模异构电力系统管理方法,还包括步骤:
所述云端平台层在预设时间内在第一目标网络设备的接收端口和第二网络设备向所述第一目标网络设备发送数据包的发送端口抓包,根据抓包结果发送第二提示信息至所述云端应用层。
在电力系统运行的过程中,数据的传输都需要网络设备进行数据包转发,实现各个端之间的通信,为了防止数据包丢包率过大,导致数据传递错误,本实施例中,所述云端平台层还进行丢包率的监控,具体地,所述云端平台层在预设时间内在第一目标网络设备的接收端口和第二网络设备向所述第一目标网络设备发送数据包的发送端口抓包,根据抓包结果发送第二提示信息至所述云端应用层,包括:
所述云端平台层获取所述预设时间内在所述发送端口抓取的包的最大序号和最小序号的第一差值和在所述接收端口抓取的包的最大序号和最小序号的第二差值;
所述云端平台层根据所述第一差值和所述第二差值计算丢包率;
当所述丢包率大于预设阈值时,所述云端平台层发送所述第二提示信息至所述云端应用层。
所述第二网络设备通过所述发送端口向所述第一目标网络设备发送数据包,所述第一网络设备通过所述接收端口接收所述第二网络设备向所述第一目标网络设备发送的数据包,在预设时间内分别在所述发送端口和所述接收端口处抓包,根据所述预设时间内在所述发送端口抓取的包的最大序号和最小序号的差值(第一差值),可以得到所述接收端口处应该接收到的包的数量,而根据所述预设时间内在所述接收端口抓取的包的最大序号和最小序号的差值(第二差值),可以得到所述接收端口处实际接收到的包的数量,根据所述第一差值和所述第二差值就可以计算丢包率,当所述丢包率大于预设阈值时,说明丢包率超过了预定的可容忍范围,此时所述云端平台层发送所述第二提示信息至所述云端应用层,所述第二提示信息用于提示丢包率异常,使得运维人员可以及时进行处理。
所述云端应用层可接收配置指令,生成配置脚本,具体地,所述配置指令是运维人员通过所述云端应用层的终端上的应用程序的可视化界面发出的,所述云端应用层通过所述云端平台层将配置脚本发送给电力系统中的所述终端设备,所述终端设备接收到所述配置脚本后,执行所述配置脚本,并将执行进度和结果上报给所述云端平台层,所述云端平台层再返回给所述云端应用层,运维人员可通过应用程序远程查看脚本执行进度和结果。
本实施例提供的大规模异构电力系统管理方法,还包括:
所述云端平台层接收设备固件包以及对应的升级任务;
所述云端平台层根据所述升级任务确定待升级的所述终端设备,向待升级的所述终端设备发送升级指令;
待升级的所述终端设备接收所述升级指令后,根据所述升级指令下载对应的所述设备固件包并进行升级,升级完成后向所述云端平台层上报升级之后的版本号;
所述云端平台层确定待升级的所述终端设备上报的升级之后的版本号是否与对应的所述升级任务中的版本号一致,若一致,则记录升级成功信息。
如图4所示,当终端设备的控制系统或其他软件版本需要升级时,运维任务首先制作升级用的设备固件包,并将设备固件包上传至所述云端平台层,创建对应的升级任务,所述升级任务中包括版本号以及需要升级的终端设备的标识,所述云端平台层很具所述升级任务确定哪些所述终端设备是需要升级的,将需要升级的所述终端设备作为待升级的所述终端设备,向待升级的所述终端设备发送升级指令,待升级的所述终端设备接收到所述升级指令后,向所述云端平台层请求相应的所述设备固件包,所述云端平台层下发对应的所述设备固件包给对应的所述终端设备,为了防止篡改,所述设备固件包应进行加密,所述终端设备接收所述设备固件包进行升级,升级完成后向所述云端平台层上报升级之后的版本号。
综上所述,本实施例提供一种大规模异构电力系统管理方法中,终端设备采集数据后,将采集数据分别上传至边缘计算层和云端平台层,由边缘计算层对采集数据进行计算分析,并基于计算分析结果进行用电调度,云端平台层接收到采集数据后,根据采集数据更新终端设备在云端平台层的云端数据,云端平台层还进行终端设备和云端应用层之间的指令和数据转发。在发明提供的大规模异构电力系统管理方法中,设置有边缘计算层,由边缘计算层进行采集数据的计算分析,边缘计算可以实现高效率低时延,云端平台层的计算量大大降低,在进行指令和数据转发时可以实现更快的响应。因此本发明可以降低电力物联网系统中的时延,快速响应需求变化。
应该理解的是,虽然本发明说明书附图中给出的的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取计算机可读存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
实施例二
基于上述实施例,本发明还相应提供了一种电力系统,如图5所示,所述系统包括:
终端设备,所述终端设备用于采集数据上传至边缘计算层和云端平台层,具体如实施例一中所述;
所述边缘计算层,所述边缘计算层用于所述边缘计算层对每个所述终端设备的所述采集数据进行计算分析,并基于计算分析结果进行用电调度,具体如实施例一中所述;
云端平台层,所述云端平台层用于接收所述采集数据,根据所述采集数据更新所述采集数据对应的终端设备在所述云端平台层对应的云端数据,还用于接收云端应用层的目标请求,根据所述目标请求向所述云端应用层返回目标云端数据或者,根据所述目标请求向目标终端设备发送目标更新数据以使得所述目标终端设备根据所述目标更新数据更新自身状态,具体如实施例一中所述。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种大规模异构电力系统管理方法,其特征在于,所述方法包括:
终端设备将采集数据上传至边缘计算层和云端平台层;
所述边缘计算层对每个所述终端设备的所述采集数据进行计算分析,并基于计算分析结果进行用电调度;
所述云端平台层接收所述采集数据,根据所述采集数据更新所述采集数据对应的终端设备在所述云端平台层对应的云端数据;
所述云端平台层接收云端应用层的目标请求,根据所述目标请求向所述云端应用层返回目标云端数据或者,根据所述目标请求向目标终端设备发送目标更新数据以使得所述目标终端设备根据所述目标更新数据更新自身状态。
2.根据权利要求1所述的大规模异构电力系统管理方法,其特征在于,所述边缘计算层对每个所述终端设备的所述采集数据进行计算分析,并基于计算分析结果进行用电调度,包括:
所述边缘计算层将所述采集数据输入至预先训练完成的神经网络,获取所述神经网络输出的所述终端设备的预测用电负荷;
所述边缘计算层采用预设算法根据所述预测用电负荷确定各个预设机组的目标开关状态和目标输出功率;
所述边缘计算层根据对应的所述目标开关状态和所述目标输出功率控制各个所述预设机组。
3.根据权利要求2所述的大规模异构电力系统管理方法,其特征在于,所述边缘计算层根据对应的所述目标开关状态和所述目标输出功率控制各个所述预设机组,包括:
所述边缘计算层将各个所述预设机组分别对应的所述目标开关状态和所述目标输出功率发送给所述云端平台层;
所述云端平台层将对应的所述目标开关状态和所述目标输出功率发送给各个所述预设机组,以使得各个所述预设机组根据接收到的所述目标开关状态和所述目标输出功率运行。
4.根据权利要求2所述的大规模异构电力系统管理方法,其特征在于,所述预设算法为竞争群算法。
5.根据权利要求1所述的大规模异构电力系统管理方法,其特征在于,所述云端平台层包括多个业务组件,每个所述业务组件用于根据所述采集数据中的相应数据进行预设处理;所述云端平台层接收所述采集数据,根据所述采集数据更新所述采集数据对应的终端设备在所述云端平台层对应的云端数据,包括:
当所述云端平台层中的所述多个业务组件中的目标业务组件进行变更时,为所述目标业务组件对应的POD分配更多的内存和CPU资源以进行所述云端数据的更新,或者;
当所述云端平台层中的所述多个业务组件中的目标业务组件进行变更时,为所述目标业务组件分配更多数量的POD以进行所述云端数据的更新。
6.根据权利要求5所述的大规模异构电力系统管理方法,其特征在于,所述云端平台层中还创建有守护进程,所述守护进程用于监控所述业务组件进程的状态,并在收集到进程异常日志时发送第一提示信息至所述云端应用层。
7.根据权利要求1所述的大规模异构电力系统管理方法,其特征在于,所述方法还包括:
所述云端平台层在预设时间内在第一目标网络设备的接收端口和第二网络设备向所述第一目标网络设备发送数据包的发送端口抓包,根据抓包结果发送第二提示信息至所述云端应用层。
8.根据权利要求1所述的大规模异构电力系统管理方法,其特征在于,所述云端平台层在预设时间内在第一目标网络设备的接收端口和第二网络设备向所述第一目标网络设备发送数据包的发送端口抓包,根据抓包结果发送第二提示信息至所述云端应用层,包括:
所述云端平台层获取所述预设时间内在所述发送端口抓取的包的最大序号和最小序号的第一差值和在所述接收端口抓取的包的最大序号和最小序号的第二差值;
所述云端平台层根据所述第一差值和所述第二差值计算丢包率;
当所述丢包率大于预设阈值时,所述云端平台层发送所述第二提示信息至所述云端应用层。
9.根据权利要求1所述的大规模异构电力系统管理方法,其特征在于,所述方法还包括:
所述云端平台层接收设备固件包以及对应的升级任务;
所述云端平台层根据所述升级任务确定待升级的所述终端设备,向待升级的所述终端设备发送升级指令;
待升级的所述终端设备接收所述升级指令后,根据所述升级指令下载对应的所述设备固件包并进行升级,升级完成后向所述云端平台层上报升级之后的版本号;
所述云端平台层确定待升级的所述终端设备上报的升级之后的版本号是否与对应的所述升级任务中的版本号一致,若一致,则记录升级成功信息。
10.一种电力系统,其特征在于,所述电力系统包括:
终端设备,所述终端设备用于采集数据上传至边缘计算层和云端平台层;
所述边缘计算层,所述边缘计算层用于所述边缘计算层对每个所述终端设备的所述采集数据进行计算分析,并基于计算分析结果进行用电调度;
云端平台层,所述云端平台层用于接收所述采集数据,根据所述采集数据更新所述采集数据对应的终端设备在所述云端平台层对应的云端数据,还用于接收云端应用层的目标请求,根据所述目标请求向所述云端应用层返回目标云端数据或者,根据所述目标请求向目标终端设备发送目标更新数据以使得所述目标终端设备根据所述目标更新数据更新自身状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111440477.8A CN114139800A (zh) | 2021-11-30 | 2021-11-30 | 一种大规模异构电力系统管理方法及电力系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111440477.8A CN114139800A (zh) | 2021-11-30 | 2021-11-30 | 一种大规模异构电力系统管理方法及电力系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114139800A true CN114139800A (zh) | 2022-03-04 |
Family
ID=80389495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111440477.8A Pending CN114139800A (zh) | 2021-11-30 | 2021-11-30 | 一种大规模异构电力系统管理方法及电力系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114139800A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115174612A (zh) * | 2022-06-02 | 2022-10-11 | 佑昌电器(中国)有限公司 | 智慧网关、智慧网关系统及装置 |
CN115759444A (zh) * | 2022-11-24 | 2023-03-07 | 北京国电通网络技术有限公司 | 电力设备分配方法、装置、电子设备和计算机可读介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110933176A (zh) * | 2019-12-05 | 2020-03-27 | 国家电网有限公司 | 一种电力物联网管理及服务平台 |
CN111710122A (zh) * | 2020-04-30 | 2020-09-25 | 国网天津市电力公司 | 一种基于泛在电力物联网的安全用电管理系统 |
CN112463393A (zh) * | 2020-12-14 | 2021-03-09 | 国网辽宁省电力有限公司抚顺供电公司 | 基于Mongo集群技术的配电物联网边缘计算架构设计方法 |
CN112788142A (zh) * | 2021-01-18 | 2021-05-11 | 四川中英智慧质量工程技术研究院有限公司 | 一种支持多传感器接入的智能边缘物联网关 |
CN113326002A (zh) * | 2021-05-22 | 2021-08-31 | 清华大学 | 基于计算迁移的云边协同控制系统及迁移决策生成方法 |
-
2021
- 2021-11-30 CN CN202111440477.8A patent/CN114139800A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110933176A (zh) * | 2019-12-05 | 2020-03-27 | 国家电网有限公司 | 一种电力物联网管理及服务平台 |
CN111710122A (zh) * | 2020-04-30 | 2020-09-25 | 国网天津市电力公司 | 一种基于泛在电力物联网的安全用电管理系统 |
CN112463393A (zh) * | 2020-12-14 | 2021-03-09 | 国网辽宁省电力有限公司抚顺供电公司 | 基于Mongo集群技术的配电物联网边缘计算架构设计方法 |
CN112788142A (zh) * | 2021-01-18 | 2021-05-11 | 四川中英智慧质量工程技术研究院有限公司 | 一种支持多传感器接入的智能边缘物联网关 |
CN113326002A (zh) * | 2021-05-22 | 2021-08-31 | 清华大学 | 基于计算迁移的云边协同控制系统及迁移决策生成方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115174612A (zh) * | 2022-06-02 | 2022-10-11 | 佑昌电器(中国)有限公司 | 智慧网关、智慧网关系统及装置 |
CN115759444A (zh) * | 2022-11-24 | 2023-03-07 | 北京国电通网络技术有限公司 | 电力设备分配方法、装置、电子设备和计算机可读介质 |
CN115759444B (zh) * | 2022-11-24 | 2023-10-20 | 北京国电通网络技术有限公司 | 电力设备分配方法、装置、电子设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3700135B1 (en) | Method and apparatus for optimizing monitoring data collection policy for terminal device | |
CN108632365B (zh) | 服务资源调整方法、相关装置和设备 | |
CN112073265B (zh) | 一种基于分布式边缘计算的物联网监控方法和系统 | |
CN111818159A (zh) | 数据处理节点的管理方法、装置、设备及存储介质 | |
CN114139800A (zh) | 一种大规模异构电力系统管理方法及电力系统 | |
CN108960773B (zh) | 业务管理方法、计算机设备和存储介质 | |
CN103559072A (zh) | 虚拟机双向自动伸缩服务实现方法及其系统 | |
CN112583861A (zh) | 服务部署方法、资源配置方法、系统、装置及服务器 | |
CN104092756A (zh) | 一种基于dht机制的云存储系统的资源动态分配方法 | |
WO2019206100A1 (zh) | 一种特征工程编排方法及装置 | |
CN1878090A (zh) | 用于通过调节网络控制进行自动的系统管理的系统和方法 | |
CN113825152A (zh) | 容量控制方法、网管设备、管理编排设备、系统及介质 | |
CN115016923A (zh) | 基于边缘网关的物联网数据智能处理方法 | |
CN110995617A (zh) | 基于mqtt的数据报送方法装置计算机设备和存储介质 | |
CN113672345A (zh) | 一种基于io预测的云虚拟化引擎分布式资源调度方法 | |
US10057857B2 (en) | System power management and optimization in telecommunication systems | |
CN108667135B (zh) | 实现电力调度的方法和装置 | |
CN117715088B (zh) | 基于边缘计算的网络切片管理方法、装置、设备及介质 | |
CN106127396A (zh) | 一种智能电网中云调度任务的方法 | |
CN113905075B (zh) | 一种5g环境下云化机器人的控制系统及方法 | |
CN111064636B (zh) | 前置机连接的控制方法、装置、系统、计算机设备 | |
CN105659218A (zh) | 通信系统、通用服务控制设备、数据发送方法和非瞬态计算机可读介质 | |
CN115048186A (zh) | 业务容器的扩缩容处理方法、装置、存储介质及电子设备 | |
CN113721938A (zh) | 适应电力物联网的边边协同任务处理方法、装置及系统 | |
CN111817307B (zh) | 用电负荷投切控制方法、装置、计算机设备和存储介质 |
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 |