CN114565325B - 一种电力物联网的大数据分析方法及系统 - Google Patents

一种电力物联网的大数据分析方法及系统 Download PDF

Info

Publication number
CN114565325B
CN114565325B CN202210455199.1A CN202210455199A CN114565325B CN 114565325 B CN114565325 B CN 114565325B CN 202210455199 A CN202210455199 A CN 202210455199A CN 114565325 B CN114565325 B CN 114565325B
Authority
CN
China
Prior art keywords
internet
power data
things
things unit
unit
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.)
Active
Application number
CN202210455199.1A
Other languages
English (en)
Other versions
CN114565325A (zh
Inventor
陆兴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ruizhi Technology Group Co ltd
Original Assignee
Ruizhi Technology Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ruizhi Technology Group Co ltd filed Critical Ruizhi Technology Group Co ltd
Priority to CN202210455199.1A priority Critical patent/CN114565325B/zh
Publication of CN114565325A publication Critical patent/CN114565325A/zh
Application granted granted Critical
Publication of CN114565325B publication Critical patent/CN114565325B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/35—Utilities, e.g. electricity, gas or water
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Accounting & Taxation (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请涉及数字处理领域，尤其涉及一种电力物联网的大数据分析方法及系统，包括:物联单元中的所有普通节点均将产生的原始电力数据发送给其所属的物联单元中的计算节点；计算节点依据接收到的原始电力数据，计算得到其所属的物联单元的特征电力数据；计算节点将得到的物联单元的特征电力数据以及原始电力数据作为一个存储单元存储至云端；云端接收到用户的访问请求，依据访问请求查询得到特征电力数据或原始电力数据，并且分析特征电力数据或原始电力数据得到访问结果；云端将访问结果作为访问请求的响应，返回给用户。本申请可以快速查询、分析存储在云端的电力数据，提高了云端的性能。

Description

一种电力物联网的大数据分析方法及系统
技术领域
本申请涉及数字处理领域，尤其涉及一种电力物联网的大数据分析方法及系统。
背景技术
随着电力物理网的建设实施，电力行业对于信息化、智能化的要求日益提升，电力物联网系统中产生的电力数据呈现出爆发式增长，为了海量的电力数据进行存储，目前电力行业通常是将电力数据部署在云端。
然而，电力物联网系统中具有不同种类的电力系统，例如：生产调控与运营系统、营销与经营服务系统、用户行为感知系统、资产全寿命周期管理系统等，不同的电力系统中又具有不同的电力设备，例如：生产调控与运营系统具有在线传感器、网络化测量装置等，营销与经营服务系统具有用电数据采集设备、EV充电运营设备等，用户行为感知系统具有随机计算设备等，资产全寿命周期管理系统具有在线检测设备等，不同的电力设备产生的电力数据也不同，其用途也不同。
将海量的不同种类的电力数据存储在云端，在云端调用这些电力数据进行分析时，往往需要消耗较多的时间去查询，也需要消耗较多的时间去分析，从而影响了云端的性能。
因此，如何快速查询、分析存储在云端的电力数据，以提高云端的性能，是目前本领域技术人员急需解决的技术问题。
发明内容
本申请提供了电力物联网的大数据分析方法及系统，以快速查询、分析存储在云端的电力数据，提高了云端的性能。
为解决上述技术问题，本申请提供如下技术方案：
一种电力物联网的大数据分析方法，包括如下步骤:步骤S110、物联单元中的所有普通节点均将产生的原始电力数据发送给其所属的物联单元中的计算节点；步骤S120、计算节点依据接收到的原始电力数据，计算得到其所属的物联单元的特征电力数据；步骤S130、计算节点将得到的物联单元的特征电力数据以及原始电力数据作为一个存储单元存储至云端；步骤S140、云端接收到用户的访问请求，依据访问请求查询得到特征电力数据或原始电力数据，并且分析特征电力数据或原始电力数据得到访问结果；步骤S150、云端将访问结果作为访问请求的响应，返回给用户。
如上所述的电力物联网的大数据分析方法，其中，优选的是，在计时时间段
Figure 44537DEST_PATH_IMAGE001
开始后，物联单元
Figure 21720DEST_PATH_IMAGE002
中的计算节点开始接收物联单元
Figure 886908DEST_PATH_IMAGE002
中所有普通节点所产生的原始电力数据，待计时时间段
Figure 229028DEST_PATH_IMAGE001
结束后，将接收到的原始电力数据集合在一起形成物联单元
Figure 78035DEST_PATH_IMAGE002
在计时时间段
Figure 655647DEST_PATH_IMAGE001
内的原始电力数据集
Figure 906500DEST_PATH_IMAGE003
。
如上所述的电力物联网的大数据分析方法，其中，优选的是，计算节点接收到其所属的物联单元
Figure 419520DEST_PATH_IMAGE002
在计时时间段
Figure 490245DEST_PATH_IMAGE001
的原始电力数据集
Figure 809231DEST_PATH_IMAGE003
，依据原始电力数据集
Figure 976907DEST_PATH_IMAGE003
和计时时间段
Figure 723146DEST_PATH_IMAGE001
内物联单元
Figure 218849DEST_PATH_IMAGE002
中的普通节点的对特征电力数据的影响权重，计算得到物联单元
Figure 75947DEST_PATH_IMAGE002
在计时时间段
Figure 35813DEST_PATH_IMAGE001
内的特征电力数据
Figure 15270DEST_PATH_IMAGE004
。
如上所述的电力物联网的大数据分析方法，其中，优选的是，计算节点依据物联单元
Figure 326165DEST_PATH_IMAGE002
中的普通节点在计时时间段
Figure 924637DEST_PATH_IMAGE001
的工作满载率和物联单元
Figure 739009DEST_PATH_IMAGE002
中的普通节点的类型权重，计算得到计时时间段
Figure 154947DEST_PATH_IMAGE001
内物联单元
Figure 421980DEST_PATH_IMAGE002
中的普通节点的对特征电力数据的影响权重。
如上所述的电力物联网的大数据分析方法，其中，优选的是，云端解析接收到的访问请求，依据访问请求中包含的用户所需的访问结果，得到所需的数据的标识；云端依据所需的数据的标识在其存储空间中查询得到特征电力数据
Figure 886460DEST_PATH_IMAGE004
或者原始电力数据集
Figure 493022DEST_PATH_IMAGE003
，依据特征电力数据
Figure 17544DEST_PATH_IMAGE004
或者原始电力数据集
Figure 771873DEST_PATH_IMAGE003
分析得到访问结果。
一种电力物联网的大数据分析系统，包括: 电力物联网和云端；其中，电力物联网包括：多个物联单元，每个物联单元内包括多个普通节点和一个计算节点；物联单元中的所有普通节点均将产生的原始电力数据发送给其所属的物联单元中的计算节点；计算节点依据接收到的原始电力数据，计算得到其所属的物联单元的特征电力数据；计算节点将得到的物联单元的特征电力数据以及原始电力数据作为一个存储单元存储至云端；云端接收到用户的访问请求，依据访问请求查询得到特征电力数据或原始电力数据，并且分析特征电力数据或原始电力数据得到访问结果；云端将访问结果作为访问请求的响应，返回给用户。
如上所述的电力物联网的大数据分析系统，其中，优选的是，在计时时间段
Figure 836781DEST_PATH_IMAGE001
开始后，物联单元
Figure 625746DEST_PATH_IMAGE002
中的计算节点开始接收物联单元
Figure 258852DEST_PATH_IMAGE002
中所有普通节点所产生的原始电力数据，待计时时间段
Figure 500478DEST_PATH_IMAGE001
结束后，将接收到的原始电力数据集合在一起形成物联单元
Figure 41181DEST_PATH_IMAGE002
在计时时间段
Figure 12548DEST_PATH_IMAGE001
内的原始电力数据集
Figure 613293DEST_PATH_IMAGE003
。
如上所述的电力物联网的大数据分析系统，其中，优选的是，计算节点接收到其所属的物联单元
Figure 545477DEST_PATH_IMAGE002
在计时时间段
Figure 889871DEST_PATH_IMAGE001
的原始电力数据集
Figure 715744DEST_PATH_IMAGE003
，依据原始电力数据集
Figure 221812DEST_PATH_IMAGE003
和计时时间段
Figure 703609DEST_PATH_IMAGE001
内物联单元
Figure 789377DEST_PATH_IMAGE002
中的普通节点的对特征电力数据的影响权重，计算得到物联单元
Figure 407440DEST_PATH_IMAGE002
在计时时间段
Figure 349988DEST_PATH_IMAGE001
内的特征电力数据
Figure 115819DEST_PATH_IMAGE004
。
如上所述的电力物联网的大数据分析系统，其中，优选的是，计算节点依据物联单元
Figure 802015DEST_PATH_IMAGE002
中的普通节点在计时时间段
Figure 477847DEST_PATH_IMAGE001
的工作满载率和物联单元
Figure 591297DEST_PATH_IMAGE002
中的普通节点的类型权重，计算得到计时时间段
Figure 844423DEST_PATH_IMAGE001
内物联单元
Figure 68731DEST_PATH_IMAGE002
中的普通节点的对特征电力数据的影响权重。
如上所述的电力物联网的大数据分析系统，其中，优选的是，云端解析接收到的访问请求，依据访问请求中包含的用户所需的访问结果，得到所需的数据的标识；云端依据所需的数据的标识在其存储空间中查询得到特征电力数据
Figure 661387DEST_PATH_IMAGE004
或者原始电力数据集
Figure 149000DEST_PATH_IMAGE003
，依据特征电力数据
Figure 827106DEST_PATH_IMAGE004
或者原始电力数据集
Figure 589525DEST_PATH_IMAGE003
分析得到访问结果。
相对上述背景技术，由于本申请提供的电力物联网的大数据分析方法及系统，可以快速查询、分析存储在云端的电力数据，提高云端的性能。
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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的电力物联网的大数据分析方法的流程图；
图2是本申请实施例提供的电力物联网的大数据分析系统的示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
实施例一
请参阅图1，图1是本申请实施例提供的电力物联网的大数据分析方法的流程图。
本申请提供了一种电力物联网的大数据分析方法，包括如下步骤:
步骤S110、物联单元中的所有普通节点均将产生的原始电力数据发送给其所属的物联单元中的计算节点；
电力物联网具有多个不同的电力系统，例如：多个生产调控与运营系统、多个营销与经营服务系统等。而每一个电力系统中又具有不同的电力设备，例如：每一个生产调控与运营系统具有在线传感器、网络化测量装置等，每一个营销与经营服务系统具有用电数据采集设备、EV充电运营设备等。
本申请中将每一个电力系统作为一个物联单元，将该物联单元（也就是该电力系统）中的每一个电力设备作为该物联单元的普通节点，每一个普通节点均不断地产生电力数据（例如：传感器采集的电力数据，用电数据采集设备采集的用电数据等）。本申请中以物联单元为单位进行电力数据的统一分析，以及在云端的存储。
在每个物联单元中均增设计算节点，物联单元中的计算节点与该物联单元中的所有普通节点均关联，并且该物联单元中的所有普通节点在产生原始电力数据后，均将产生的原始电力数据发送给与其关联的计算节点。
具体的，在计时时间段
Figure 99004DEST_PATH_IMAGE001
开始后，物联单元
Figure 819836DEST_PATH_IMAGE002
中的计算节点开始接收物联单元
Figure 922921DEST_PATH_IMAGE002
中所有普通节点所产生的原始电力数据，待计时时间段
Figure 489031DEST_PATH_IMAGE001
结束后，将接收到的原始电力数据集合在一起形成物联单元
Figure 790700DEST_PATH_IMAGE002
在计时时间段
Figure 744749DEST_PATH_IMAGE001
内的原始电力数据集
Figure 397447DEST_PATH_IMAGE005
，其中，
Figure 704932DEST_PATH_IMAGE006
为计时时间段
Figure 861107DEST_PATH_IMAGE001
内物联单元
Figure 923741DEST_PATH_IMAGE002
中的第1个普通节点（电力设备）产生的第1个电力数据，
Figure 860473DEST_PATH_IMAGE007
为计时时间段
Figure 33965DEST_PATH_IMAGE001
内物联单元
Figure 310226DEST_PATH_IMAGE002
中的第1个普通节点产生的第
Figure 481444DEST_PATH_IMAGE008
个电力数据，
Figure 843155DEST_PATH_IMAGE008
为计时时间段
Figure 289180DEST_PATH_IMAGE001
内物联单元
Figure 747843DEST_PATH_IMAGE002
中的第1个普通节点产生的电力数据的数量，
Figure 152280DEST_PATH_IMAGE009
为计时时间段
Figure 735708DEST_PATH_IMAGE001
内物联单元
Figure 188686DEST_PATH_IMAGE002
中的第
Figure 439539DEST_PATH_IMAGE010
个普通节点产生的第1个电力数据，
Figure 100631DEST_PATH_IMAGE011
为计时时间段
Figure 436934DEST_PATH_IMAGE001
内物联单元
Figure 490341DEST_PATH_IMAGE002
中的第
Figure 533383DEST_PATH_IMAGE010
个普通节点产生的第
Figure 279622DEST_PATH_IMAGE012
个电力数据，
Figure 899960DEST_PATH_IMAGE012
为计时时间段
Figure 757057DEST_PATH_IMAGE001
内物联单元
Figure 716923DEST_PATH_IMAGE002
中的第
Figure 571746DEST_PATH_IMAGE010
个普通节点产生的电力数据的数量，
Figure 882642DEST_PATH_IMAGE013
为计时时间段
Figure 277851DEST_PATH_IMAGE001
内物联单元
Figure 154540DEST_PATH_IMAGE002
中的第
Figure 508161DEST_PATH_IMAGE014
个普通节点产生的第1个电力数据，
Figure 978457DEST_PATH_IMAGE015
为计时时间段
Figure 911778DEST_PATH_IMAGE001
内物联单元
Figure 846236DEST_PATH_IMAGE002
中的第
Figure 433075DEST_PATH_IMAGE014
个普通节点产生的第
Figure 187404DEST_PATH_IMAGE016
个电力数据，
Figure 393258DEST_PATH_IMAGE016
为计时时间段
Figure 916643DEST_PATH_IMAGE001
内物联单元
Figure 346487DEST_PATH_IMAGE002
中的第
Figure 916009DEST_PATH_IMAGE014
个普通节点产生的电力数据的数量，
Figure 722291DEST_PATH_IMAGE014
为物联单元
Figure 100183DEST_PATH_IMAGE002
中的普通节点的数量。
待计时时间段
Figure 904191DEST_PATH_IMAGE001
结束后，紧接着进入计时时间段
Figure 633112DEST_PATH_IMAGE017
，物联单元
Figure 305402DEST_PATH_IMAGE002
中的计算节点接收计时时间段
Figure 803379DEST_PATH_IMAGE017
内物联单元
Figure 575026DEST_PATH_IMAGE002
内的所有普通节点产生的原始电力数据，并将接收到的原始电力数据集合在一起形成物联单元
Figure 994506DEST_PATH_IMAGE002
在计时时间段
Figure 142591DEST_PATH_IMAGE017
的原始电力数据集
Figure 822971DEST_PATH_IMAGE018
。
步骤S120、计算节点依据接收到的原始电力数据，计算得到其所属的物联单元的特征电力数据；
具体的，计算节点接收到其所属的物联单元
Figure 499940DEST_PATH_IMAGE002
在计时时间段
Figure 203454DEST_PATH_IMAGE001
的原始电力数据集
Figure 92912DEST_PATH_IMAGE019
，通过公式
Figure 565482DEST_PATH_IMAGE020
计算得到物联单元
Figure 678932DEST_PATH_IMAGE002
在计时时间段
Figure 932058DEST_PATH_IMAGE001
内的特征电力数据
Figure 421946DEST_PATH_IMAGE021
，
Figure 952284DEST_PATH_IMAGE022
为物联单元
Figure 236635DEST_PATH_IMAGE002
中的第1个普通节点在计时时间段
Figure 649162DEST_PATH_IMAGE001
内对物联单元
Figure 5057DEST_PATH_IMAGE002
的特征电力数据的影响权重，
Figure 452218DEST_PATH_IMAGE023
为物联单元
Figure 110733DEST_PATH_IMAGE002
中的第
Figure 10556DEST_PATH_IMAGE024
个普通节点在计时时间段
Figure 842246DEST_PATH_IMAGE001
内对物联单元
Figure 206231DEST_PATH_IMAGE002
的特征电力数据的影响权重，
Figure 97963DEST_PATH_IMAGE025
为物联单元
Figure 219503DEST_PATH_IMAGE002
中的第
Figure 792567DEST_PATH_IMAGE026
个普通节点在计时时间段
Figure 214321DEST_PATH_IMAGE001
内对物联单元
Figure 339272DEST_PATH_IMAGE002
的特征电力数据的影响权重。
在上述基础上，物联单元
Figure 948108DEST_PATH_IMAGE002
中的每个普通节点在不同的计时时间段内可能对特征电力数据的影响不同，因此计算节点还需要计算计时时间段
Figure 121600DEST_PATH_IMAGE001
内该物联单元
Figure 335544DEST_PATH_IMAGE002
中的所有普通节点的对特征电力数据的影响权重。
具体的，通过公式
Figure 569079DEST_PATH_IMAGE027
计算得到物联单元
Figure 993107DEST_PATH_IMAGE002
中的第
Figure 704711DEST_PATH_IMAGE024
个普通节点在计时时间段
Figure 101057DEST_PATH_IMAGE001
内对物联单元
Figure 443177DEST_PATH_IMAGE002
的特征电力数据的影响权重
Figure 26605DEST_PATH_IMAGE028
，其中，
Figure 541900DEST_PATH_IMAGE029
为物联单元
Figure 855070DEST_PATH_IMAGE002
中的第
Figure 23883DEST_PATH_IMAGE024
个普通节点在计时时间段
Figure 891345DEST_PATH_IMAGE001
的工作满载率，例如：电力设备的工作效率，
Figure 538227DEST_PATH_IMAGE030
为物联单元
Figure 846848DEST_PATH_IMAGE002
中的第
Figure 920984DEST_PATH_IMAGE024
个普通节点的类型权重，例如：在线传感器的类型权重、网络化测量装置的类型权重、用电数据采集设备的类型权重，这些电力设备的类型权重是预先设置的。
步骤S130、计算节点将得到的物联单元的特征电力数据以及原始电力数据作为一个存储单元存储至云端；
具体的，在计算节点得到物联单元
Figure 947846DEST_PATH_IMAGE002
在计时时间段
Figure 867260DEST_PATH_IMAGE001
内的特征电力数据
Figure 92705DEST_PATH_IMAGE004
后，将该特征电力数据
Figure 947528DEST_PATH_IMAGE004
以及原始电力数据集
Figure 727266DEST_PATH_IMAGE031
作为一个存储单元上传至云端，在云端进行存储。
步骤S140、云端接收到用户的访问请求，依据访问请求查询得到特征电力数据或原始电力数据，并且分析特征电力数据或原始电力数据得到访问结果；
计算节点将得到的物联单元的特征电力数据以及原始电力数据作为一个存储单元存储至云端。
在用户需要访问云端存储的数据时，用户生成访问请求，该访问请求中包含所需的访问结果，然后将生成的访问请求发送至云端。
云端接收到用户的访问请求后，解析该访问请求，依据访问请求中包含的用户所需的访问结果，得到所需的数据的标识，其中，所需的数据可以是特征电力数据
Figure 388054DEST_PATH_IMAGE004
或者原始电力数据集
Figure 530322DEST_PATH_IMAGE003
。然后，云端依据所需的数据的标识在其存储空间中查询得到特征电力数据
Figure 618364DEST_PATH_IMAGE004
或者原始电力数据集
Figure 88660DEST_PATH_IMAGE003
，再依据特征电力数据
Figure 287560DEST_PATH_IMAGE004
或者原始电力数据集
Figure 222018DEST_PATH_IMAGE003
分析得到访问结果。
步骤S150、云端将访问结果作为访问请求的响应，返回给用户。
在云端分析得到访问结果后，将该访问结果作为访问请求的响应，返回给用户。
实施例二
请参阅图2，图2是本申请实施例提供的电力物联网的大数据分析系统的示意图。
本申请提供了一种电力物联网的大数据分析系统，包括:电力物联网210和云端220；其中，电力物联网210包括：多个物联单元211，每个物联单元211内包括多个普通节点2111和一个计算节点2112。
物联单元211中的所有普通节点2111均将产生的原始电力数据发送给其所属的物联单元211中的计算节点2112。
电力物联网210具有多个不同的电力系统，例如：多个生产调控与运营系统、多个营销与经营服务系统等。而每一个电力系统中又具有不同的电力设备，例如：每一个生产调控与运营系统具有在线传感器、网络化测量装置等，每一个营销与经营服务系统具有用电数据采集设备、EV充电运营设备等。
本申请中将每一个电力系统作为一个物联单元211，将该物联单元211（也就是该电力系统）中的每一个电力设备作为该物联单元211的普通节点2111，每一个普通节点2111均不断地产生电力数据（例如：传感器采集的电力数据，用电数据采集设备采集的用电数据等）。本申请中以物联单元211为单位进行电力数据的统一分析，以及在云端220的存储。
在每个物联单元211中均增设计算节点2112，物联单元211中的计算节点2112与该物联单元211中的所有普通节点2111均关联，并且该物联单元211中的所有普通节点2111在产生原始电力数据后，均将产生的原始电力数据发送给与其关联的计算节点2112。
具体的，在计时时间段
Figure 543278DEST_PATH_IMAGE001
开始后，物联单元
Figure 563186DEST_PATH_IMAGE002
中的计算节点开始接收物联单元
Figure 565778DEST_PATH_IMAGE002
中所有普通节点所产生的原始电力数据，待计时时间段
Figure 292425DEST_PATH_IMAGE001
结束后，将接收到的原始电力数据集合在一起形成物联单元
Figure 722269DEST_PATH_IMAGE002
在计时时间段
Figure 291791DEST_PATH_IMAGE001
内的原始电力数据集
Figure 832494DEST_PATH_IMAGE032
，其中，
Figure 475965DEST_PATH_IMAGE033
为计时时间段
Figure 279973DEST_PATH_IMAGE001
内物联单元
Figure 8894DEST_PATH_IMAGE002
中的第1个普通节点（电力设备）产生的第1个电力数据，
Figure 681184DEST_PATH_IMAGE034
为计时时间段
Figure 913582DEST_PATH_IMAGE001
内物联单元
Figure 950808DEST_PATH_IMAGE002
中的第1个普通节点产生的第
Figure 104709DEST_PATH_IMAGE035
个电力数据，
Figure 252794DEST_PATH_IMAGE035
为计时时间段
Figure 605278DEST_PATH_IMAGE001
内物联单元
Figure 875722DEST_PATH_IMAGE002
中的第1个普通节点产生的电力数据的数量，
Figure 579236DEST_PATH_IMAGE036
为计时时间段
Figure 468694DEST_PATH_IMAGE001
内物联单元
Figure 675685DEST_PATH_IMAGE002
中的第
Figure 54714DEST_PATH_IMAGE037
个普通节点产生的第1个电力数据，
Figure 307840DEST_PATH_IMAGE038
为计时时间段
Figure 797728DEST_PATH_IMAGE001
内物联单元
Figure 328066DEST_PATH_IMAGE002
中的第
Figure 346838DEST_PATH_IMAGE037
个普通节点产生的第
Figure 24944DEST_PATH_IMAGE012
个电力数据，
Figure 380839DEST_PATH_IMAGE012
为计时时间段
Figure 828000DEST_PATH_IMAGE001
内物联单元
Figure 283253DEST_PATH_IMAGE002
中的第
Figure 120759DEST_PATH_IMAGE037
个普通节点产生的电力数据的数量，
Figure 952448DEST_PATH_IMAGE039
为计时时间段
Figure 582013DEST_PATH_IMAGE001
内物联单元
Figure 208166DEST_PATH_IMAGE002
中的第
Figure 595285DEST_PATH_IMAGE040
个普通节点产生的第1个电力数据，
Figure 168349DEST_PATH_IMAGE041
为计时时间段
Figure 590103DEST_PATH_IMAGE001
内物联单元
Figure 715054DEST_PATH_IMAGE002
中的第
Figure 323890DEST_PATH_IMAGE040
个普通节点产生的第
Figure 497382DEST_PATH_IMAGE042
个电力数据，
Figure 711326DEST_PATH_IMAGE042
为计时时间段
Figure 944861DEST_PATH_IMAGE001
内物联单元
Figure 40993DEST_PATH_IMAGE002
中的第
Figure 80493DEST_PATH_IMAGE040
个普通节点产生的电力数据的数量，
Figure 211260DEST_PATH_IMAGE040
为物联单元
Figure 553380DEST_PATH_IMAGE002
中的普通节点的数量。
待计时时间段
Figure 136808DEST_PATH_IMAGE001
结束后，紧接着进入计时时间段
Figure 917682DEST_PATH_IMAGE043
，物联单元
Figure 965273DEST_PATH_IMAGE002
中的计算节点接收计时时间段
Figure 540610DEST_PATH_IMAGE043
内物联单元
Figure 814597DEST_PATH_IMAGE002
内的所有普通节点产生的原始电力数据，并将接收到的原始电力数据集合在一起形成物联单元
Figure 868004DEST_PATH_IMAGE002
在计时时间段
Figure 973363DEST_PATH_IMAGE043
的原始电力数据集
Figure 781919DEST_PATH_IMAGE044
。
计算节点2112依据接收到的原始电力数据，计算得到其所属的物联单元211的特征电力数据。
具体的，计算节点接收到其所属的物联单元
Figure 605518DEST_PATH_IMAGE002
在计时时间段
Figure 197037DEST_PATH_IMAGE001
的原始电力数据集
Figure 94586DEST_PATH_IMAGE045
，通过公式
Figure 277305DEST_PATH_IMAGE046
计算得到物联单元
Figure 384939DEST_PATH_IMAGE002
在计时时间段
Figure 780148DEST_PATH_IMAGE001
内的特征电力数据
Figure 860099DEST_PATH_IMAGE047
，
Figure 885824DEST_PATH_IMAGE048
为物联单元
Figure 152857DEST_PATH_IMAGE002
中的第1个普通节点在计时时间段
Figure 617337DEST_PATH_IMAGE001
内对物联单元
Figure 614112DEST_PATH_IMAGE002
的特征电力数据的影响权重，
Figure 873055DEST_PATH_IMAGE049
为物联单元
Figure 830646DEST_PATH_IMAGE002
中的第
Figure 567658DEST_PATH_IMAGE050
个普通节点在计时时间段
Figure 356623DEST_PATH_IMAGE001
内对物联单元
Figure 114363DEST_PATH_IMAGE002
的特征电力数据的影响权重，
Figure 621568DEST_PATH_IMAGE051
为物联单元
Figure 896691DEST_PATH_IMAGE002
中的第
Figure 743425DEST_PATH_IMAGE040
个普通节点在计时时间段
Figure 344170DEST_PATH_IMAGE001
内对物联单元
Figure 400988DEST_PATH_IMAGE002
的特征电力数据的影响权重。
在上述基础上，物联单元
Figure 479802DEST_PATH_IMAGE002
中的每个普通节点在不同的计时时间段内可能对特征电力数据的影响不同，因此计算节点还需要计算计时时间段
Figure 243359DEST_PATH_IMAGE001
内该物联单元
Figure 218268DEST_PATH_IMAGE002
中的所有普通节点的对特征电力数据的影响权重。
具体的，通过公式
Figure 434486DEST_PATH_IMAGE052
计算得到物联单元
Figure 644887DEST_PATH_IMAGE002
中的第
Figure 997371DEST_PATH_IMAGE050
个普通节点在计时时间段
Figure 205499DEST_PATH_IMAGE001
内对物联单元
Figure 846696DEST_PATH_IMAGE002
的特征电力数据的影响权重
Figure 532892DEST_PATH_IMAGE053
，其中，
Figure 5462DEST_PATH_IMAGE054
为物联单元
Figure 446807DEST_PATH_IMAGE002
中的第
Figure 637617DEST_PATH_IMAGE050
个普通节点在计时时间段
Figure 65187DEST_PATH_IMAGE001
的工作满载率，例如：电力设备的工作效率，
Figure 126684DEST_PATH_IMAGE055
为物联单元
Figure 676614DEST_PATH_IMAGE002
中的第
Figure 417037DEST_PATH_IMAGE050
个普通节点的类型权重，例如：在线传感器的类型权重、网络化测量装置的类型权重、用电数据采集设备的类型权重，这些电力设备的类型权重是预先设置的。
计算节点2112将得到的物联单元211的特征电力数据以及原始电力数据作为一个存储单元存储至云端。
具体的，在计算节点得到物联单元
Figure 710615DEST_PATH_IMAGE002
在计时时间段
Figure 95460DEST_PATH_IMAGE001
内的特征电力数据
Figure 285133DEST_PATH_IMAGE056
后，将该特征电力数据
Figure 450535DEST_PATH_IMAGE056
以及原始电力数据集
Figure 344542DEST_PATH_IMAGE057
作为一个存储单元上传至云端，在云端进行存储。
云端220接收到用户的访问请求，依据访问请求查询得到特征电力数据或原始电力数据，并且分析特征电力数据或原始电力数据得到访问结果。
计算节点2112将得到的物联单元211的特征电力数据以及原始电力数据作为一个存储单元存储至云端220。
在用户需要访问云端220存储的数据时，用户生成访问请求，该访问请求中包含所需的访问结果，然后将生成的访问请求发送至云端220。
云端220接收到用户的访问请求后，解析该访问请求，依据访问请求中包含的用户所需的访问结果，得到所需的数据的标识，其中，所需的数据可以是特征电力数据
Figure 911790DEST_PATH_IMAGE056
或者原始电力数据集
Figure 272364DEST_PATH_IMAGE003
。然后，云端220依据所需的数据的标识在其存储空间中查询得到特征电力数据
Figure 862745DEST_PATH_IMAGE056
或者原始电力数据集
Figure 498126DEST_PATH_IMAGE003
，再依据特征电力数据
Figure 716618DEST_PATH_IMAGE056
或者原始电力数据集
Figure 513672DEST_PATH_IMAGE003
分析得到访问结果。
云端220将访问结果作为访问请求的响应，返回给用户。
在云端220分析得到访问结果后，将该访问结果作为访问请求的响应，返回给用户。
由于本申请中在云端不仅存储了原始电力数据集，还存储了其对应的特征电力数据，而特征电力数据的数据量远远的少于原始电力数据集的数据量，并且特征电力数据的数量大小小于原始电力数据集的数据量，所以而在用户获得特征电力数据就可以满足需求的情况下，或者在用户所需的访问结果可以根据特征电力数据获得情况下，其仅需要查询和分析特征电力数据即可，而查询分析特征电力数据相较于查询分析原始电力数据，能够更加快速，因此本申请提高了云端的性能。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (4)

1.一种电力物联网的大数据分析方法，其特征在于，包括如下步骤:
步骤S110、物联单元中的所有普通节点均将产生的原始电力数据发送给其所属的物联单元中的计算节点；
在计时时间段
Figure 637900DEST_PATH_IMAGE001
开始后，物联单元
Figure 408410DEST_PATH_IMAGE002
中的计算节点开始接收物联单元
Figure 34563DEST_PATH_IMAGE002
中所有普通节点所产生的原始电力数据，待计时时间段
Figure 952841DEST_PATH_IMAGE001
结束后，将接收到的原始电力数据集合在一起形成物联单元
Figure 322642DEST_PATH_IMAGE002
在计时时间段
Figure 213238DEST_PATH_IMAGE001
内的原始电力数据集
Figure 10292DEST_PATH_IMAGE003
，其中，
Figure 619128DEST_PATH_IMAGE004
为计时时间段
Figure 323779DEST_PATH_IMAGE001
内物联单元
Figure 334460DEST_PATH_IMAGE002
中的第1个普通节点产生的第1个电力数据，
Figure 302416DEST_PATH_IMAGE005
为计时时间段
Figure 132969DEST_PATH_IMAGE001
内物联单元
Figure 844573DEST_PATH_IMAGE002
中的第1个普通节点产生的第
Figure 772078DEST_PATH_IMAGE006
个电力数据，
Figure 910935DEST_PATH_IMAGE006
为计时时间段
Figure 228784DEST_PATH_IMAGE001
内物联单元
Figure 478500DEST_PATH_IMAGE002
中的第1个普通节点产生的电力数据的数量，
Figure 463773DEST_PATH_IMAGE007
为计时时间段
Figure 773532DEST_PATH_IMAGE001
内物联单元
Figure 375415DEST_PATH_IMAGE002
中的第
Figure 428821DEST_PATH_IMAGE008
个普通节点产生的第1个电力数据，
Figure 3022DEST_PATH_IMAGE009
为计时时间段
Figure 483682DEST_PATH_IMAGE001
内物联单元
Figure 41702DEST_PATH_IMAGE002
中的第
Figure 429958DEST_PATH_IMAGE008
个普通节点产生的第
Figure 389824DEST_PATH_IMAGE010
个电力数据，
Figure 41385DEST_PATH_IMAGE010
为计时时间段
Figure 555543DEST_PATH_IMAGE001
内物联单元
Figure 950752DEST_PATH_IMAGE002
中的第
Figure 561862DEST_PATH_IMAGE008
个普通节点产生的电力数据的数量，
Figure 384325DEST_PATH_IMAGE011
为计时时间段
Figure 651358DEST_PATH_IMAGE001
内物联单元
Figure 584679DEST_PATH_IMAGE002
中的第
Figure 253558DEST_PATH_IMAGE012
个普通节点产生的第1个电力数据，
Figure 43659DEST_PATH_IMAGE013
为计时时间段
Figure 797989DEST_PATH_IMAGE001
内物联单元
Figure 800580DEST_PATH_IMAGE002
中的第
Figure 58386DEST_PATH_IMAGE012
个普通节点产生的第
Figure 222651DEST_PATH_IMAGE014
个电力数据，
Figure 261014DEST_PATH_IMAGE014
为计时时间段
Figure 801717DEST_PATH_IMAGE001
内物联单元
Figure 914029DEST_PATH_IMAGE002
中的第
Figure 514775DEST_PATH_IMAGE012
个普通节点产生的电力数据的数量，
Figure 978117DEST_PATH_IMAGE012
为物联单元
Figure 119249DEST_PATH_IMAGE002
中的普通节点的数量；
步骤S120、计算节点依据接收到的原始电力数据，计算得到其所属的物联单元的特征电力数据；
计算节点接收到其所属的物联单元
Figure 351647DEST_PATH_IMAGE002
在计时时间段
Figure 857715DEST_PATH_IMAGE001
的原始电力数据集
Figure 808353DEST_PATH_IMAGE015
，通过公式
Figure 690858DEST_PATH_IMAGE016
计算得到物联单元
Figure 840080DEST_PATH_IMAGE002
在计时时间段
Figure 782628DEST_PATH_IMAGE001
内的特征电力数据
Figure 954984DEST_PATH_IMAGE017
，
Figure 641180DEST_PATH_IMAGE018
为物联单元
Figure 848170DEST_PATH_IMAGE002
中的第1个普通节点在计时时间段
Figure 758357DEST_PATH_IMAGE001
内对物联单元
Figure 683588DEST_PATH_IMAGE002
的特征电力数据的影响权重，
Figure 642317DEST_PATH_IMAGE019
为物联单元
Figure 969393DEST_PATH_IMAGE002
中的第
Figure 988165DEST_PATH_IMAGE008
个普通节点在计时时间段
Figure 197429DEST_PATH_IMAGE001
内对物联单元
Figure 225428DEST_PATH_IMAGE002
的特征电力数据的影响权重，
Figure 141431DEST_PATH_IMAGE020
为物联单元
Figure 596683DEST_PATH_IMAGE002
中的第
Figure 27665DEST_PATH_IMAGE012
个普通节点在计时时间段
Figure 593775DEST_PATH_IMAGE001
内对物联单元
Figure 895444DEST_PATH_IMAGE002
的特征电力数据的影响权重；
计算节点通过公式
Figure 256018DEST_PATH_IMAGE021
计算得到物联单元
Figure 377558DEST_PATH_IMAGE002
中的第
Figure 544097DEST_PATH_IMAGE008
个普通节点在计时时间段
Figure 700272DEST_PATH_IMAGE001
内对物联单元
Figure 497326DEST_PATH_IMAGE002
的特征电力数据的影响权重
Figure 840583DEST_PATH_IMAGE019
，其中，
Figure 748496DEST_PATH_IMAGE022
为物联单元
Figure 759177DEST_PATH_IMAGE002
中的第
Figure 523871DEST_PATH_IMAGE008
个普通节点在计时时间段
Figure 620003DEST_PATH_IMAGE001
的工作满载率，
Figure 66028DEST_PATH_IMAGE023
为物联单元
Figure 931216DEST_PATH_IMAGE002
中的第
Figure 866811DEST_PATH_IMAGE008
个普通节点的类型权重；
步骤S130、计算节点将得到的物联单元的特征电力数据以及原始电力数据作为一个存储单元存储至云端；
步骤S140、云端接收到用户的访问请求，依据访问请求查询得到特征电力数据或原始电力数据，并且分析特征电力数据或原始电力数据得到访问结果；
步骤S150、云端将访问结果作为访问请求的响应，返回给用户。
2.根据权利要求1所述的电力物联网的大数据分析方法，其特征在于，云端解析接收到的访问请求，依据访问请求中包含的用户所需的访问结果，得到所需的数据的标识；
云端依据所需的数据的标识在其存储空间中查询得到特征电力数据
Figure 450239DEST_PATH_IMAGE017
或者原始电力数据集
Figure 699955DEST_PATH_IMAGE015
，依据特征电力数据
Figure 419649DEST_PATH_IMAGE017
或者原始电力数据集
Figure 729407DEST_PATH_IMAGE015
分析得到访问结果。
3.一种电力物联网的大数据分析系统，其特征在于，包括: 电力物联网和云端；其中，电力物联网包括：多个物联单元，每个物联单元内包括多个普通节点和一个计算节点；
物联单元中的所有普通节点均将产生的原始电力数据发送给其所属的物联单元中的计算节点；
在计时时间段
Figure 596869DEST_PATH_IMAGE001
开始后，物联单元
Figure 650276DEST_PATH_IMAGE002
中的计算节点开始接收物联单元
Figure 224477DEST_PATH_IMAGE002
中所有普通节点所产生的原始电力数据，待计时时间段
Figure 705137DEST_PATH_IMAGE001
结束后，将接收到的原始电力数据集合在一起形成物联单元
Figure 59895DEST_PATH_IMAGE002
在计时时间段
Figure 651413DEST_PATH_IMAGE001
内的原始电力数据集
Figure 80120DEST_PATH_IMAGE003
，其中，
Figure 997261DEST_PATH_IMAGE004
为计时时间段
Figure 573736DEST_PATH_IMAGE001
内物联单元
Figure 968945DEST_PATH_IMAGE002
中的第1个普通节点产生的第1个电力数据，
Figure 783317DEST_PATH_IMAGE005
为计时时间段
Figure 340200DEST_PATH_IMAGE001
内物联单元
Figure 607234DEST_PATH_IMAGE002
中的第1个普通节点产生的第
Figure 602871DEST_PATH_IMAGE006
个电力数据，
Figure 271750DEST_PATH_IMAGE006
为计时时间段
Figure 999535DEST_PATH_IMAGE001
内物联单元
Figure 753864DEST_PATH_IMAGE002
中的第1个普通节点产生的电力数据的数量，
Figure 490876DEST_PATH_IMAGE007
为计时时间段
Figure 810999DEST_PATH_IMAGE001
内物联单元
Figure 240843DEST_PATH_IMAGE002
中的第
Figure 216889DEST_PATH_IMAGE008
个普通节点产生的第1个电力数据，
Figure 492013DEST_PATH_IMAGE009
为计时时间段
Figure 135484DEST_PATH_IMAGE001
内物联单元
Figure 267388DEST_PATH_IMAGE002
中的第
Figure 996310DEST_PATH_IMAGE008
个普通节点产生的第
Figure 809545DEST_PATH_IMAGE010
个电力数据，
Figure 307522DEST_PATH_IMAGE010
为计时时间段
Figure 79169DEST_PATH_IMAGE001
内物联单元
Figure 826545DEST_PATH_IMAGE002
中的第
Figure 709051DEST_PATH_IMAGE008
个普通节点产生的电力数据的数量，
Figure 795955DEST_PATH_IMAGE011
为计时时间段
Figure 738504DEST_PATH_IMAGE001
内物联单元
Figure 176438DEST_PATH_IMAGE002
中的第
Figure 393793DEST_PATH_IMAGE012
个普通节点产生的第1个电力数据，
Figure 866363DEST_PATH_IMAGE013
为计时时间段
Figure 714233DEST_PATH_IMAGE001
内物联单元
Figure 639463DEST_PATH_IMAGE002
中的第
Figure 660509DEST_PATH_IMAGE012
个普通节点产生的第
Figure 722006DEST_PATH_IMAGE014
个电力数据，
Figure 6357DEST_PATH_IMAGE014
为计时时间段
Figure 153304DEST_PATH_IMAGE001
内物联单元
Figure 181303DEST_PATH_IMAGE002
中的第
Figure 362886DEST_PATH_IMAGE012
个普通节点产生的电力数据的数量，
Figure 349296DEST_PATH_IMAGE012
为物联单元
Figure 249119DEST_PATH_IMAGE002
中的普通节点的数量；
计算节点依据接收到的原始电力数据，计算得到其所属的物联单元的特征电力数据；
计算节点接收到其所属的物联单元
Figure 549651DEST_PATH_IMAGE002
在计时时间段
Figure 851319DEST_PATH_IMAGE001
的原始电力数据集
Figure 8631DEST_PATH_IMAGE015
，通过公式
Figure 395750DEST_PATH_IMAGE016
计算得到物联单元
Figure 765551DEST_PATH_IMAGE002
在计时时间段
Figure 390568DEST_PATH_IMAGE001
内的特征电力数据
Figure 187622DEST_PATH_IMAGE017
，
Figure 796458DEST_PATH_IMAGE018
为物联单元
Figure 766688DEST_PATH_IMAGE002
中的第1个普通节点在计时时间段
Figure 777370DEST_PATH_IMAGE001
内对物联单元
Figure 479746DEST_PATH_IMAGE002
的特征电力数据的影响权重，
Figure 575878DEST_PATH_IMAGE019
为物联单元
Figure 287483DEST_PATH_IMAGE002
中的第
Figure 949408DEST_PATH_IMAGE008
个普通节点在计时时间段
Figure 88265DEST_PATH_IMAGE001
内对物联单元
Figure 671693DEST_PATH_IMAGE002
的特征电力数据的影响权重，
Figure 655830DEST_PATH_IMAGE020
为物联单元
Figure 437841DEST_PATH_IMAGE002
中的第
Figure 747600DEST_PATH_IMAGE012
个普通节点在计时时间段
Figure 818324DEST_PATH_IMAGE001
内对物联单元
Figure 606151DEST_PATH_IMAGE002
的特征电力数据的影响权重；
计算节点通过公式
Figure 445931DEST_PATH_IMAGE021
计算得到物联单元
Figure 926591DEST_PATH_IMAGE002
中的第
Figure 15770DEST_PATH_IMAGE008
个普通节点在计时时间段
Figure 872868DEST_PATH_IMAGE001
内对物联单元
Figure 301575DEST_PATH_IMAGE002
的特征电力数据的影响权重
Figure 953136DEST_PATH_IMAGE019
，其中，
Figure 795190DEST_PATH_IMAGE022
为物联单元
Figure 190399DEST_PATH_IMAGE002
中的第
Figure 739192DEST_PATH_IMAGE008
个普通节点在计时时间段
Figure 561655DEST_PATH_IMAGE001
的工作满载率，
Figure 828688DEST_PATH_IMAGE024
为物联单元
Figure 824326DEST_PATH_IMAGE002
中的第
Figure 227626DEST_PATH_IMAGE008
个普通节点的类型权重；
计算节点将得到的物联单元的特征电力数据以及原始电力数据作为一个存储单元存储至云端；
云端接收到用户的访问请求，依据访问请求查询得到特征电力数据或原始电力数据，并且分析特征电力数据或原始电力数据得到访问结果；云端将访问结果作为访问请求的响应，返回给用户。
4.根据权利要求3所述的电力物联网的大数据分析系统，其特征在于，云端解析接收到的访问请求，依据访问请求中包含的用户所需的访问结果，得到所需的数据的标识；
云端依据所需的数据的标识在其存储空间中查询得到特征电力数据
Figure 220989DEST_PATH_IMAGE017
或者原始电力数据集
Figure 975319DEST_PATH_IMAGE015
，依据特征电力数据
Figure 712331DEST_PATH_IMAGE017
或者原始电力数据集
Figure 32453DEST_PATH_IMAGE015
分析得到访问结果。
CN202210455199.1A 2022-04-28 2022-04-28 一种电力物联网的大数据分析方法及系统 Active CN114565325B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210455199.1A CN114565325B (zh) 2022-04-28 2022-04-28 一种电力物联网的大数据分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210455199.1A CN114565325B (zh) 2022-04-28 2022-04-28 一种电力物联网的大数据分析方法及系统

Publications (2)

Publication Number Publication Date
CN114565325A CN114565325A (zh) 2022-05-31
CN114565325B true CN114565325B (zh) 2022-07-29

Family

ID=81720913

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210455199.1A Active CN114565325B (zh) 2022-04-28 2022-04-28 一种电力物联网的大数据分析方法及系统

Country Status (1)

Country Link
CN (1) CN114565325B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115878943B (zh) * 2023-01-31 2023-05-30 睿至科技集团有限公司 一种物联网能源监测方法及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104579868B (zh) * 2014-11-28 2016-08-24 广东电网有限责任公司电力调度控制中心 基于节点重要度的电力通信网络构建方法
US20200225655A1 (en) * 2016-05-09 2020-07-16 Strong Force Iot Portfolio 2016, Llc Methods, systems, kits and apparatuses for monitoring and managing industrial settings in an industrial internet of things data collection environment
CN109299160B (zh) * 2018-10-30 2021-10-29 东北大学 一种基于监控大数据挖掘的电力cps安全性分析方法
CN111311089B (zh) * 2020-02-12 2023-06-09 深圳供电局有限公司 一种电力物联网的大数据统计方法及系统
CN112731826A (zh) * 2020-12-11 2021-04-30 国网宁夏电力有限公司吴忠供电公司 一种基于智能传感器的物联网控制方法
CN112765143B (zh) * 2021-01-20 2023-05-05 国网山东省电力公司电力科学研究院 一种基于边缘计算技术的低压物联网配网数据处理方法
CN113300467B (zh) * 2021-05-25 2022-10-14 上海电机学院 基于泛在电力物联网的电力监控方法
CN113850408A (zh) * 2021-06-28 2021-12-28 浪潮软件科技有限公司 电力物联网数据分析方法、系统及装置

Also Published As

Publication number Publication date
CN114565325A (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
Wang et al. Wireless big data computing in smart grid
KR102511271B1 (ko) 시계열 데이터 저장 및 쿼리 방법 및 장치, 및 그 서버 및 저장 매체
Šikšnys et al. Aggregating and disaggregating flexibility objects
Lin et al. A cloud server energy consumption measurement system for heterogeneous cloud environments
WO2021091489A1 (en) Method and apparatus for storing time series data, and server and storage medium thereof
Tham et al. Sensing-driven energy purchasing in smart grid cyber-physical system
Zhu et al. A clustering-based QoS prediction approach for Web service recommendation
CN112860695B (zh) 监控数据查询方法、装置、设备、存储介质及程序产品
TW201128407A (en) Cloud-computating resource scheduling method and system applying the same
CN109800270B (zh) 一种数据存储和查询的方法及物联网系统
Pham et al. On data aggregation quality and energy efficiency of wireless sensor network protocols-extended summary
Zhu et al. WSP: A network coordinate based web service positioning framework for response time prediction
CN114565325B (zh) 一种电力物联网的大数据分析方法及系统
Li et al. Parallel skyline queries over uncertain data streams in cloud computing environments
KR101602950B1 (ko) 클라우드 플랫폼을 위한 프로파일 기반 에너지 인식 추천하는 장치 및 방법
WO2021147319A1 (zh) 一种数据处理方法、装置、设备及介质
CN116321999B (zh) 一种云计算数据中心的空调智能调控方法、系统和介质
JP6772486B2 (ja) センサーデータ処理装置、センサーデータ処理システム、センサーデータ処理方法、及び、センサーデータ処理プログラム
CN110287237B (zh) 一种基于社会网络结构分析社团数据挖掘方法
Hassani et al. Self-organizing energy aware clustering of nodes in sensor networks using relevant attributes
Fattah et al. Long-term IaaS selection using performance discovery
CN115523043A (zh) 一种发动机加权工况点的确定方法、装置、设备及介质
CN111476316B (zh) 一种基于云计算下电力负荷特征数据均值聚类的方法及系统
CN110543496B (zh) 用于时序数据库集群的数据处理方法和装置
Martin et al. Low cost energy forecasting for smart grids using Stream Mine 3G and Amazon EC2

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
GR01 Patent grant
GR01 Patent grant