CN114240035B - 一种基于业务感知的转接设备低功耗控制方法及转接装置 - Google Patents

Abstract

本发明涉及一种基于业务感知的转接设备低功耗控制方法及转接设备，属于智能电网技术领域。该方法首先设定转接设备在高负荷工作、低负荷工作、休眠状态下的判断标准，分别制定转接设备在三个状态下的功率控制方案；构建转接设备各种业务类型的特征数据库并将各种业务类型的处理运算要求汇总成表格；构建并训练双向循环神经网络，计算同一时期内所述双向循环神经网络输出业务类型对应的处理运算要求总值，并与所述判断标准进行比对，确定其工作状态，然后执行相应的功率控制方案。本发明基于对所接收的业务数据进行业务感知，计算接收的业务类型所需的运算处理需求，从而确定其工作状态，进而执行相应的工作方案，达到对转接设备低功耗控制的要求。

Description

一种基于业务感知的转接设备低功耗控制方法及转接装置

技术领域

本发明属于智能电网技术领域，具体涉及一种基于业务感知的转接设备低功耗控制方法及转接装置。

背景技术

随着各种通信制式的电路部件在电网领域的逐步应用，相应的转接设备如网关等也逐步在输电线路端得到了应用。然而，考虑到转接设备在输电线路侧的工作环境恶劣、取电困难，因而对其待机时间有着严格的要求，而现有的转接设备暂无相关的低功耗控制方案。因此如何克服现有技术的不足是目前智能电网技术领域亟需解决的问题。

发明内容

本发明的目的是为了解决现有技术的不足，提供一种基于业务感知的转接设备低功耗控制方法，该方法基于对所接收的业务数据进行业务感知，计算接收的业务类型所需的运算处理需求，从而确定其工作状态，进而执行相应的工作方案，达到对转接设备低功耗控制的要求。

为实现上述目的，本发明采用的技术方案如下：

一种基于业务感知的转接设备低功耗控制方法，包括以下步骤：

设定转接设备在高负荷工作、低负荷工作、休眠状态下的判断标准，分别制定转接设备在高负荷工作、低负荷工作、休眠状态下的功率控制方案；

构建转接设备各种业务类型的特征数据库，以及将所述各种业务类型的处理运算要求汇总成表格；

构建并训练一双向循环神经网络，将转接设备的业务数据的特征值输入至所述双向循环神经网络中，双向循环神经网络输出与所述业务数据对应的业务类型，计算同一时期内所述双向循环神经网络输出业务类型对应的处理运算要求总值，并与所述转接设备在高负荷工作、低负荷工作、休眠状态下的判断标准进行比对，确定其工作状态，然后执行相应的功率控制方案。

进一步，优选的是，所述转接设备在高负荷工作的判定标准为满负荷工作的[50%，100%]，所述转接设备在低负荷工作的判定标准为满负荷工作的[10%，50%），所述转接设备在休眠状态的判定标准为满负荷工作的[0%，10%）。

进一步，优选的是，构建转接设备各种业务类型的特征数据库的具体方法为：通过各种业务类型对应的报文数据进行解析处理，即可获得其特征值，每个业务类型获得一个特征数据库。

进一步，优选的是，所述训练双向循环神经网络的具体过程如下：

截取样本数据，所述样本数据包括训练数据和验证数据，对所述样本数据进行解析获取其特征值，并对所述特征值进行业务类型的人工标注；训练双向循环神经网络时，以特征值作为输入，以人工标注的特征值对应的业务类型作为输出；

将所述训练数据的特征值作为输入至所述双向循环神经网络，基于前向传播算法计算每个神经元输出值，并根据所述输出值基于反向传播算法，更新所述双向循环神经网络中的权重，重复执行上述计算每个神经元输出值并更新权重的过程直至执行总次数达到预设次数，将所述验证数据的特征输入至所述双向循环神经网络并获取识别的准确率，重复执行上述计算每个神经元输出值并更新权重直至执行总次数达到预设次数，以及获取所述准确率的过程直至获取的所述准确率大于或等于预设阈值。

进一步，优选的是，需要转发的业务类型的特征值的类型人工标记为1，需要处理的业务类型的特征值的类型人工标记为0；预设次数为1000次；预设阈值为0.9。

本发明同时提供一种转接设备，包括数据模块、工作状态确定模块、功率控制模块；

其中，数据模块用于构建转接设备各种业务类型的特征数据库，以及将所述各种业务类型的处理运算要求汇总成表格；

工作状态确定模块用于构建并训练一双向循环神经网络，将转接设备的业务数据的特征值输入至所述双向循环神经网络中，双向循环神经网络输出与所述业务数据对应的业务类型，计算同一时期内所述双向循环神经网络输出业务类型对应的处理运算要求总值，并与所述转接设备在高负荷工作、低负荷工作、休眠状态下的判断标准进行比对，确定其工作状态；

功率控制模块用于制定转接设备在高负荷工作、低负荷工作、休眠状态下的功率控制方案，以及在工作状态确定模块确定工作状态后，执行相应的功率控制方案。

进一步，优选的是，所述转接设备在高负荷工作的判定标准为满负荷工作的[50%，100%]，所述转接设备在低负荷工作的判定标准为满负荷工作的[10%，50%），所述转接设备在休眠状态的判定标准为满负荷工作的[0%，10%）。

进一步，优选的是，所述训练双向循环神经网络的具体过程如下：

截取样本数据，所述样本数据包括训练数据和验证数据，对所述样本数据进行解析获取其特征值，并对所述特征值进行业务类型的人工标注；训练双向循环神经网络时，以特征值作为输入，以人工标注的特征值对应的业务类型作为输出；

将所述训练数据的特征值作为输入至所述双向循环神经网络，基于前向传播算法计算每个神经元输出值，并根据所述输出值基于反向传播算法，更新所述双向循环神经网络中的权重，重复执行上述计算每个神经元输出值并更新权重的过程直至执行总次数达到预设次数，将所述验证数据的特征输入至所述双向循环神经网络并获取识别的准确率，重复执行上述计算每个神经元输出值并更新权重直至执行总次数达到预设次数，以及获取所述准确率的过程直至获取的所述准确率大于或等于预设阈值。

本发明制定转接设备在高负荷工作、低负荷工作、休眠状态下的功率控制方案时，按照现有方法进行制定即可，本发明不做限制。即在不同的状态下有一个功率控制范围，这里制定一个范围后，再利用所述功率控制范围对所述转接设备的各个部件的功率进行分配，确保不影响各个状态下的应发挥作用的部件的作用即可。

本发明中，转接设备一般是接收终端发过来的数据，这些数据一部分是需要转发出去的数据，另外一部分是需要在转接设备处理的数据；在这里，通过各种业务类型对应的报文数据进行解析处理，即可获得其特征值，从而形成特征数据库。

本发明中，将所述各种业务类型的处理运算要求汇总成表格，具体是：转发的业务类型，需要占用的转接设备的内存空间；需要在转接设备处理的，需要占用的转接设备的内存空间；然后按照各种业务类型进行汇总，形成表格。

本发明中，计算同一时期内所述双向循环神经网络输出业务类型对应的处理运算要求总值具体是：双向循环神经网络通过输入进来的数据，可以自动获得其对应的业务类型，然后依据前述的汇总，即可得知该时期内处理运算要求总值。

本发明与现有技术相比，其有益效果为：

（1）本发明提供的方法基于对所接收的业务数据进行业务感知，计算接收的业务类型所需的运算处理需求，从而确定其工作状态，进而执行相应的工作方案，达到对转接设备低功耗控制的要求。

（2）本发明应用双向循环神经网络进行业务类型的感知识别，双向循环神经网络具有记忆性、参数共享并且图灵完备，因此在对业务数据流的非线性特征进行学习时具有一定优势，可提高识别的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为基于业务感知的转接设备低功耗控制方法的流程示意图。

图2为转接设备的结构示意图。

具体实施方式

下面结合实施例对本发明作进一步的详细描述。

本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限定本发明的范围。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者，均为可以通过购买获得的常规产品。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”到另一元件时，它可以直接连接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”可以包括无线连接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。术语“内”、“上”、“下”等指示的方位或状态关系为基于附图所示的方位或状态关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“连接”、“设有”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，根据具体情况理解上述术语在本发明中的具体含义。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语（包括技术术语和科学术语）具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

实施例1

本实施例提供了一种基于业务感知的转接设备低功耗控制方法，如图1所示，包括以下步骤：

设定转接设备在高负荷工作、低负荷工作、休眠状态下的判断标准，分别制定转接设备在高负荷工作、低负荷工作、休眠状态下的功率控制方案；

构建转接设备各种业务类型的特征数据库，以及将所述各种业务类型的处理运算要求汇总成表格；

构建并训练一双向循环神经网络，将转接设备的业务数据的特征值输入至所述双向循环神经网络中，双向循环神经网络输出与所述业务数据对应的业务类型，计算同一时期内所述双向循环神经网络输出业务类型对应的处理运算要求总值，并与所述转接设备在高负荷工作、低负荷工作、休眠状态下的判断标准进行比对，确定其工作状态，然后执行相应的功率控制方案。

实施例2

本实施例提供了一种基于业务感知的转接设备低功耗控制方法，如图1所示，包括以下步骤：

设定转接设备在高负荷工作、低负荷工作、休眠状态下的判断标准，分别制定转接设备在高负荷工作、低负荷工作、休眠状态下的功率控制方案；

构建转接设备各种业务类型的特征数据库，以及将所述各种业务类型的处理运算要求汇总成表格；

构建并训练一双向循环神经网络，将转接设备的业务数据的特征值输入至所述双向循环神经网络中，双向循环神经网络输出与所述业务数据对应的业务类型，计算同一时期内所述双向循环神经网络输出业务类型对应的处理运算要求总值，并与所述转接设备在高负荷工作、低负荷工作、休眠状态下的判断标准进行比对，确定其工作状态，然后执行相应的功率控制方案。

在具体的实施过程中，所述转接设备在高负荷工作的判定标准为满负荷工作的[50%，100%]，所述转接设备在低负荷工作的判定标准为满负荷工作的[10%，50%），所述转接设备在休眠状态的判定标准为满负荷工作的[0%，10%）。

构建转接设备各种业务类型的特征数据库的具体方法为：通过各种业务类型对应的报文数据进行解析处理，即可获得其特征值，每个业务类型获得一个特征数据库。

在具体的实施过程中，所述训练双向循环神经网络的具体过程如下：

截取样本数据，所述样本数据包括训练数据和验证数据，对所述样本数据进行解析获取其特征值，并对所述特征值进行业务类型的人工标注；训练双向循环神经网络时，以特征值作为输入，以人工标注的特征值对应的业务类型作为输出；

将所述训练数据的特征值作为输入至所述双向循环神经网络，基于前向传播算法计算每个神经元输出值，并根据所述输出值基于反向传播算法，更新所述双向循环神经网络中的权重，重复执行上述计算每个神经元输出值并更新权重的过程直至执行总次数达到预设次数，将所述验证数据的特征输入至所述双向循环神经网络并获取识别的准确率，重复执行上述计算每个神经元输出值并更新权重直至执行总次数达到预设次数，以及获取所述准确率的过程直至获取的所述准确率大于或等于预设阈值。

需要转发的业务类型的特征值的类型人工标记为1，需要处理的业务类型的特征值的类型人工标记为0；预设次数为1000次；预设阈值为0.9。

实施例3

本实施例提供了一种转接设备，如图2所示，其具体的方案如下：

包括数据模块、工作状态确定模块、功率控制模块；

其中，数据模块用于构建转接设备各种业务类型的特征数据库，以及将所述各种业务类型的处理运算要求汇总成表格；

工作状态确定模块用于构建并训练一双向循环神经网络，将转接设备的业务数据的特征值输入至所述双向循环神经网络中，双向循环神经网络输出与所述业务数据对应的业务类型，计算同一时期内所述双向循环神经网络输出业务类型对应的处理运算要求总值，并与所述转接设备在高负荷工作、低负荷工作、休眠状态下的判断标准进行比对，确定其工作状态；

功率控制模块用于制定转接设备在高负荷工作、低负荷工作、休眠状态下的功率控制方案，以及在工作状态确定模块确定工作状态后，执行相应的功率控制方案。

实施例4

本实施例提供了一种转接设备，如图2所示，其具体的方案如下：

包括数据模块、工作状态确定模块、功率控制模块；

其中，数据模块用于构建转接设备各种业务类型的特征数据库，以及将所述各种业务类型的处理运算要求汇总成表格；

工作状态确定模块用于构建并训练一双向循环神经网络，将转接设备的业务数据的特征值输入至所述双向循环神经网络中，双向循环神经网络输出与所述业务数据对应的业务类型，计算同一时期内所述双向循环神经网络输出业务类型对应的处理运算要求总值，并与所述转接设备在高负荷工作、低负荷工作、休眠状态下的判断标准进行比对，确定其工作状态；

功率控制模块用于制定转接设备在高负荷工作、低负荷工作、休眠状态下的功率控制方案，以及在工作状态确定模块确定工作状态后，执行相应的功率控制方案。

在具体的实施过程中，所述转接设备在高负荷工作的判定标准为满负荷工作的[50%，100%]，所述转接设备在低负荷工作的判定标准为满负荷工作的[10%，50%），所述转接设备在休眠状态的判定标准为满负荷工作的[0%，10%）。

在具体的实施过程中，所述训练双向循环神经网络的具体过程如下：

截取样本数据，所述样本数据包括训练数据和验证数据，对所述样本数据进行解析获取其特征值，并对所述特征值进行业务类型的人工标注；训练双向循环神经网络时，以特征值作为输入，以人工标注的特征值对应的业务类型作为输出；

将所述训练数据的特征值作为输入至所述双向循环神经网络，基于前向传播算法计算每个神经元输出值，并根据所述输出值基于反向传播算法，更新所述双向循环神经网络中的权重，重复执行上述计算每个神经元输出值并更新权重的过程直至执行总次数达到预设次数，将所述验证数据的特征输入至所述双向循环神经网络并获取识别的准确率，重复执行上述计算每个神经元输出值并更新权重直至执行总次数达到预设次数，以及获取所述准确率的过程直至获取的所述准确率大于或等于预设阈值。

需要转发的业务类型的特征值的类型人工标记为1，需要处理的业务类型的特征值的类型人工标记为0；预设次数为1000次；预设阈值为0.9。

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。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (4)

1.一种基于业务感知的转接设备低功耗控制方法，其特征在于：包括以下步骤：

设定转接设备在高负荷工作、低负荷工作、休眠状态下的判断标准，分别制定转接设备在高负荷工作、低负荷工作、休眠状态下的功率控制方案；

构建转接设备各种业务类型的特征数据库，以及将所述各种业务类型的处理运算要求汇总成表格；

构建并训练双向循环神经网络，将转接设备的业务数据的特征值输入至所述双向循环神经网络中，双向循环神经网络输出与所述业务数据对应的业务类型，计算同一时期内所述双向循环神经网络输出业务类型对应的处理运算要求总值，并与所述转接设备在高负荷工作、低负荷工作、休眠状态下的判断标准进行比对，确定其工作状态，然后执行相应的功率控制方案；

所述转接设备在高负荷工作的判定标准为满负荷工作的[50%，100%]，所述转接设备在低负荷工作的判定标准为满负荷工作的[10%，50%），所述转接设备在休眠状态的判定标准为满负荷工作的[0%，10%）；

所述训练双向循环神经网络的具体过程如下：

截取样本数据，所述样本数据包括训练数据和验证数据，对所述样本数据进行解析获取其特征值，并对所述特征值进行业务类型的人工标注；训练双向循环神经网络时，以特征值作为输入，以人工标注的特征值对应的业务类型作为输出；

将所述训练数据的特征值作为输入至所述双向循环神经网络，基于前向传播算法计算每个神经元输出值，并根据所述输出值基于反向传播算法，更新所述双向循环神经网络中的权重，重复执行上述计算每个神经元输出值并更新权重的过程直至执行总次数达到预设次数，将所述验证数据的特征输入至所述双向循环神经网络并获取识别的准确率，重复执行上述计算每个神经元输出值并更新权重直至执行总次数达到预设次数，以及获取所述准确率的过程直至获取的所述准确率大于或等于预设阈值。

2.根据权利要求1所述的基于业务感知的转接设备低功耗控制方法，其特征在于：构建转接设备各种业务类型的特征数据库的具体方法为：通过各种业务类型对应的报文数据进行解析处理，即可获得其特征值，每个业务类型获得一个特征数据库。

3.根据权利要求1所述的基于业务感知的转接设备低功耗控制方法，其特征在于：需要转发的业务类型的特征值的类型人工标记为1，需要处理的业务类型的特征值的类型人工标记为0；预设次数为1000次；预设阈值为0.9。

4.一种基于业务感知的转接装置，其特征在于：包括数据模块、工作状态确定模块、功率控制模块；

其中，数据模块用于构建转接设备各种业务类型的特征数据库，以及将所述各种业务类型的处理运算要求汇总成表格；

工作状态确定模块用于构建并训练双向循环神经网络，将转接设备的业务数据的特征值输入至所述双向循环神经网络中，双向循环神经网络输出与所述业务数据对应的业务类型，计算同一时期内所述双向循环神经网络输出业务类型对应的处理运算要求总值，并与所述转接设备在高负荷工作、低负荷工作、休眠状态下的判断标准进行比对，确定其工作状态；

功率控制模块用于制定转接设备在高负荷工作、低负荷工作、休眠状态下的功率控制方案，以及在工作状态确定模块确定工作状态后，执行相应的功率控制方案；

所述转接设备在高负荷工作的判定标准为满负荷工作的[50%，100%]，所述转接设备在低负荷工作的判定标准为满负荷工作的[10%，50%），所述转接设备在休眠状态的判定标准为满负荷工作的[0%，10%）；

所述训练双向循环神经网络的具体过程如下：

截取样本数据，所述样本数据包括训练数据和验证数据，对所述样本数据进行解析获取其特征值，并对所述特征值进行业务类型的人工标注；训练双向循环神经网络时，以特征值作为输入，以人工标注的特征值对应的业务类型作为输出；

将所述训练数据的特征值作为输入至所述双向循环神经网络，基于前向传播算法计算每个神经元输出值，并根据所述输出值基于反向传播算法，更新所述双向循环神经网络中的权重，重复执行上述计算每个神经元输出值并更新权重的过程直至执行总次数达到预设次数，将所述验证数据的特征输入至所述双向循环神经网络并获取识别的准确率，重复执行上述计算每个神经元输出值并更新权重直至执行总次数达到预设次数，以及获取所述准确率的过程直至获取的所述准确率大于或等于预设阈值。