CN115129479A - 电力芯片边缘数据分区处理方法、装置和计算机设备 - Google Patents
电力芯片边缘数据分区处理方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN115129479A CN115129479A CN202211022101.XA CN202211022101A CN115129479A CN 115129479 A CN115129479 A CN 115129479A CN 202211022101 A CN202211022101 A CN 202211022101A CN 115129479 A CN115129479 A CN 115129479A
- Authority
- CN
- China
- Prior art keywords
- analysis result
- power
- power data
- data
- processing
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000005192 partition Methods 0.000 title claims description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 344
- 238000000638 solvent extraction Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 80
- 238000013528 artificial neural network Methods 0.000 claims description 48
- 238000004590 computer program Methods 0.000 claims description 36
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 description 11
- 238000012423 maintenance Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000003672 processing method Methods 0.000 description 5
- 238000013478 data encryption standard Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 125000004122 cyclic group Chemical group 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000004454 trace mineral analysis Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/606—Protecting data by securing the transmission between two devices or processes
-
- 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
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Computer Security & Cryptography (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Tourism & Hospitality (AREA)
- Bioethics (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种电力芯片边缘数据分区处理方法、装置和计算机设备。所述方法包括:获取第一电力数据和第二电力数据,其中,所述第一电力数据的处理实时性要求高于所述第二电力数据的处理实时性要求,根据第一电力数据对应的第一业务场景对所述第一电力数据进行第一分析处理,得到所述第一电力数据的第一分析结果,根据第二电力数据对应的第二业务场景对所述第二电力数据进行第二分析处理,得到所述第二电力数据的第二分析结果,分别对所述第一分析结果和所述第二分析结果进行加密,并将加密后的第一分析结果和加密后的第二分析结果传输至电力专用芯片。采用本方法能够提高电力专用芯片对电力数据的处理效率。
Description
技术领域
本申请涉及电力数据的处理技术领域,特别是涉及一种电力芯片边缘数据分区处理方法、装置和计算机设备。
背景技术
随着数字电网技术的发展,数字电网能够以云计算、大数据、物联网、移动互联网、人工智能、区块链等新一代数字技术为核心驱动力,对电力数据进行处理,进而基于处理结果对电网进行有效的管理。
传统技术中,通常是采用通用芯片对数字电网数据进行处理。但是,随着数字电网数据的日益增长,通用芯片无法高效地对大量电力数据进行处理,例如,通用芯片在面对数字电网通信数据急增的时候,包括快速傅里叶计算、相续量计算、差分计算等在内的电力应用算法依赖于中央处理器(Central Processing Unit,CPU)运行。受限于CPU的指令周期、速度以及软件串行处理、顺序执行的特性,处理链条冗长、处理耗时、执行效率低,使得电网侧与负荷侧已无法实现有效互联。
因此,传统技术存在对电力数据处理效率较低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高电力数据处理效率的电力芯片边缘数据分区处理方法、装置和计算机设备。
第一方面,本申请提供了一种电力芯片边缘数据分区处理方法。所述方法包括:
获取第一电力数据和第二电力数据;其中,所述第一电力数据的处理实时性要求高于所述第二电力数据的处理实时性要求;
根据第一电力数据对应的第一业务场景对所述第一电力数据进行第一分析处理,得到所述第一电力数据的第一分析结果;
根据第二电力数据对应的第二业务场景对所述第二电力数据进行第二分析处理,得到所述第二电力数据的第二分析结果;
分别对所述第一分析结果和所述第二分析结果进行加密,并将加密后的第一分析结果和加密后的第二分析结果传输至电力专用芯片。
在其中一个实施例中,所述分别对所述第一分析结果和所述第二分析结果进行加密,包括:
确定对所述第一分析结果和所述第二分析结果进行加密的目标加密算法;
采用所述目标加密算法分别对所述第一分析结果和所述第二分析结果进行加密,得到所述加密后的第一分析结果和所述加密后的第二分析结果。
在其中一个实施例中,所述目标加密算法包括第一目标加密算法和第二目标加密算法;所述确定对所述第一分析结果和所述第二分析结果进行加密的目标加密算法,包括:
根据所述第一业务场景,确定对所述第一分析结果进行加密的第一目标加密算法;
根据所述第二业务场景,确定对所述第二分析结果进行加密的第二目标加密算法。
在其中一个实施例中,所述方法还包括:
将所述第一分析结果存储至预设的第一缓存队列中;
根据预设的第一选取规则,从所述第一缓存队列中选取第一目标分析结果;
将所述第一目标分析结果输入预设的神经网络,以通过所述神经网络得到所述第一电力数据对应的电力设备的运行状态的第一预测结果;
对所述第一预测结果进行加密,并将加密后的第一预测结果传输至所述电力专用芯片。
在其中一个实施例中,所述方法还包括:
将所述第二分析结果存储至预设的第二缓存队列中;
根据预设的第二选取规则,从所述第二缓存队列中选取第二目标分析结果;
将所述第二目标分析结果输入所述神经网络中,以通过所述神经网络得到所述第二电力数据对应的电力设备的运行状态的第二预测结果;
对所述第二预测结果进行加密,并将加密后的第二预测结果传输至所述电力专用芯片。
在其中一个实施例中,所述获取第一电力数据和第二电力数据,包括:
通过数据总线中的预设的私有接口获取所述第一电力数据,以及通过所述数据总线中的预设的公共接口获取所述第二电力数据。
第二方面,本申请还提供了一种电力芯片边缘数据分区处理装置。所述装置包括:
第一获取模块,用于获取第一电力数据和第二电力数据;其中,所述第一电力数据的处理实时性要求高于所述第二电力数据的处理实时性要求;
第二获取模块,用于根据第一电力数据对应的第一业务场景对所述第一电力数据进行第一分析处理,得到所述第一电力数据的第一分析结果;
第三获取模块,用于根据第二电力数据对应的第二业务场景对所述第二电力数据进行第二分析处理,得到所述第二电力数据的第二分析结果;
第一传输模块,用于分别对所述第一分析结果和所述第二分析结果进行加密,并将加密后的第一分析结果和加密后的第二分析结果传输至电力专用芯片。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面的任一实施例所述方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面的任一实施例所述方法的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面的任一实施例所述方法的步骤。
上述电力芯片边缘数据分区处理方法、装置和计算机设备,通过获取处理实时性要求较高的第一电力数据和处理实时性要求较低的第二电力数据,根据第一电力数据对应的第一业务场景对第一电力业务数据进行第一分析处理,得到第一电力数据的第一分析结果,根据第二电力数据对应的第二业务场景对第二电力业务数据进行第二分析处理,得到第二电力数据的第二分析结果,进而可以分别对第一分析结果和第二分析结果进行加密,并将加密后的第一分析结果和加密后的第二分析结果传输至电力专用芯片,通过该过程能够对不同处理实时性要求的电力数据分别进行单独的分析处理,既可以保证高实时的响应处理要求,又可以满足不同处理实时性要求的电力业务需求,而且传输至电力专用芯片的是对第一电力数据进行分析处理后的第一分析结果和对第二电力数据进行分析处理后的第二分析结果,避免了由电力专用芯片对第一电力数据进行分析处理和对第二电力数据进行分析处理的过程,减少了电力专用芯片的处理量,从而提高了电力专用芯片对电力数据的处理效率;另外,由于是分别对第一分析结果和第二分析结果进行加密,将加密后的第一分析结果和加密后的第二分析结果传输至电力专用芯片的,这样避免了在第一分析结果和第二分析结果传输过程中的信息泄露,保证了电力专用芯片接收到的第一分析结果和第二分析结果的安全性。
附图说明
图1为一个实施例中电力芯片边缘数据分区处理方法的应用环境图;
图2为一个实施例中电力芯片边缘数据分区处理方法的第一流程示意图;
图3为一个实施例中电力芯片边缘数据分区处理方法的第二流程示意图;
图4为一个实施例中电力芯片边缘数据分区处理方法的第三流程示意图;
图5为一个实施例中电力芯片边缘数据分区处理方法的第四流程示意图;
图6为一个实施例中电力芯片边缘数据分区处理方法的第五流程示意图;
图7为一个实施例中电力芯片边缘数据分区处理系统架构示意图;
图8为另一个实施例中电力芯片边缘数据分区处理系统架构示意图;
图9为一个实施例中电力芯片边缘数据分区处理方法的第六流程示意图;
图10为一个实施例中电力芯片边缘数据分区处理装置的结构框图;
图11为另一个实施例中电力芯片边缘数据分区处理装置的结构框图;
附图标记说明:
数据总线:701;实时业务模块:702;非实时业务模块:703;
边缘智能模块:704;安全加密模块:705。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的电力芯片边缘数据分区处理方法,可以应用于如图1所示的计算机设备中,该计算机设备可以是服务器,其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储电力数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电力芯片边缘数据分区处理方法。
在一个实施例中,如图2所示,提供了一种电力芯片边缘数据分区处理方法,以该方法应用于图1中的计算机设备为例进行说明,包括以下步骤:
S201,获取第一电力数据和第二电力数据;其中,第一电力数据的处理实时性要求高于第二电力数据的处理实时性要求。
其中,第一电力数据为实时性要求较高的电力业务的数据,第二电力数据为实时性要求较低的电力业务的数据,例如,第一电力数据可以为交流采样(us)数据、故障判断(ms)数据、保护计算(us)数据、控制信号输出(us)数据、电能质量分析数据等;第二电力数据可以为低压回路监测数据、配变监测数据等。需要说明的是,能够在指定的期限完成实时任务(即便在最坏的处理负载下也能如此)的系统称为硬实时系统,硬实时系统有一个刚性的、不可改变的时间限制,它不允许任何超出时限的错误,超时错误会带来损害甚至导致系统失败、或者导致系统不能实现它的预期目标,例如,生成上述交流采样数据、故障判断数据、保护计算数据、控制信号输出数据的系统均为硬实时系统。但并不是任何情况下都需要硬实时支持,如果系统在平均情况下能支持任务的执行期限,则称它为软实时系统,软实时系统的时限是一个柔性灵活的,它可以容忍偶然的超时错误,失败造成的后果并不严重,例如,生成上述电能质量分析数据的系统可以为软实时系统。通常,硬实时系统指超过截止期限后将造成较为严重的后果,例如,在电力系统中,如果继保装置保护动作不及时,无法及时隔离故障装置,将会造成电力系统发生连锁反应故障。因此,为了保证实时业务处理的及时性,本实施例通过单独获取第一电力数据和第二电力数据,对第一电力数据和第二电力数据分别进行处理,不与其他模块共享,这样就保证了高实时的响应处理。
可选的,在本实施例中,可以通过数据总线从不同的电力终端设备获取第一电力数据和第二电力数据。
S202,根据第一电力数据对应的第一业务场景对第一电力数据进行第一分析处理,得到第一电力数据的第一分析结果。
其中,第一业务场景为实时性要求较高的电力业务的应用场景,例如,可以为电能质量分析及治理业务场景,也可以为时标管理业务场景。在本实施例中,第一分析处理为根据第一业务场景所确定的对应的处理方法,相应地,第一分析结果可以为表征第一电力数据性能的结果。例如,在电能质量分析及治理业务场景中,第一电力数据可以为初始电压、电流、频率等数据,通过对接收到的初始电压、电流、频率等数据进行计算,得到的第一分析结果可以包括电流的功率、谐波、三相不平衡度等结果,进一步地,可以利用第一分析结果对电能质量进行分析,得到电能质量的分析结果。
S203,根据第二电力数据对应的第二业务场景对第二电力数据进行第二分析处理,得到第二电力数据的第二分析结果。
其中,第二业务场景为实时性要求较低的电力业务的应用场景,例如,可以为低压回路监测业务场景,也可以为配变监测业务场景等。在本实施例中,第二分析处理为根据第二业务场景所确定的对应的处理方法,相应地,第二分析结果可以为表征第二电力数据性能的结果。例如,在配电变压器状态监测与检修业务场景中,第二电力数据可以为变压器的电气量数据、开关量数据、环境温度等非电气量数据、故障数据等,通过对接收到的变压器的电气量数据、开关量数据、环境温度等非电气量数据、故障数据等进行分析,得到第二分析结果,可以根据第二分析结果判断该时刻配电变压器的状态,从而确定是否对配电变压器发出检修指令。
S204,分别对第一分析结果和第二分析结果进行加密,并将加密后的第一分析结果和加密后的第二分析结果传输至电力专用芯片。
需要说明的是,在电力系统中,为了防范黑客入侵以及恶意代码对电力系统的攻击侵害或者数据窃取,以及由此引发的电力系统事故或信息泄露,电力专用芯片需要对接收的数据进行加密处理程序,因此,在本实施例中,可以分别对第一分析结果和第二分析结果进行加密之后,再将加密后的第一分析结果和加密后的第二分析结果传输至电力专用芯片。
可选的,在本实施例中可以采用加密算法对第一分析结果和第二分析结果进行数据的加密处理,也可以采用身份认证算法对第一分析结果和第二分析结果进行身份认证的加密处理。
进一步地,电力专用芯片接收到第一分析结果和第二分析结果后,可以利用第一分析结果或第二分析结果进行进一步地分析处理,例如,若第一分析结果为电能质量分析及治理业务场景下的分析结果,则电力专用芯片可以利用第一分析结果对电能质量进行分析,得到电能质量的分析结果;若第二分析结果为配电变压器状态监测与检修业务场景下的分析结果,则电力专用芯片可以利用第二分析结果判断该时刻配电变压器的状态,从而确定是否对配电变压器发出检修指令。
需要说明的是,在本实施例中,电力专用芯片可以为集成在计算机设备中的芯片,或者,电力专用芯片也可以集成在能够与该计算机设备进行通信的电子设备中,本实施例在此不做限制。
上述电力芯片边缘数据分区处理方法,通过获取处理实时性要求较高的第一电力数据和处理实时性要求较低的第二电力数据,根据第一电力数据对应的第一业务场景对第一电力业务数据进行第一分析处理,得到第一电力数据的第一分析结果,根据第二电力数据对应的第二业务场景对第二电力业务数据进行第二分析处理,得到第二电力数据的第二分析结果,进而可以分别对第一分析结果和第二分析结果进行加密,并将加密后的第一分析结果和加密后的第二分析结果传输至电力专用芯片,通过该过程能够对不同处理实时性要求的电力数据分别进行单独的分析处理,既可以保证高实时的响应处理要求,又可以满足不同处理实时性要求的电力业务需求,而且传输至电力专用芯片的是对第一电力数据进行分析处理后的第一分析结果和对第二电力数据进行分析处理后的第二分析结果,避免了由电力专用芯片对第一电力数据进行分析处理和对第二电力数据进行分析处理的过程,减少了电力专用芯片的处理量,从而提高了电力专用芯片对电力数据的处理效率;另外,由于是分别对第一分析结果和第二分析结果进行加密,将加密后的第一分析结果和加密后的第二分析结果传输至电力专用芯片的,这样避免了第一分析结果和第二分析结果在传输过程中的信息泄露,保证了电力专用芯片接收到的第一分析结果和第二分析结果的安全性。
在上述分别对第一分析结果和第二分析结果进行加密的场景中,计算机设备可以采用加密算法分别对第一分析结果和第二分析结果进行加密。在一个实施例中,如图3所示,上述S204,包括:
S301,确定对第一分析结果和第二分析结果进行加密的目标加密算法。
可选的,在本实施例中,可以根据第一电力数据对应的业务场景确定对第一分析结果进行加密的目标加密算法,根据第二电力数据对应的业务场景确定对第二分析结果进行加密的目标加密算法。可选的,加密算法可以为对称加密算法,例如数据加密标准(DataEncryption Standard,DES)算法,也可以为非对称加密算法,例如公开密钥密码体制的RSA加密算法,也可以为哈希(Hash)算法,例如信息摘要(Message-Digest Algorithm 5,MD5)算法。
S302,采用目标加密算法分别对第一分析结果和第二分析结果进行加密,得到加密后的第一分析结果和加密后的第二分析结果。
可选的,在本实施例中,对第一分析结果和第二分析结果进行加密的目标加密算法可以相同,也可以不同。示例性的,可以采用DES加密算法对第一分析结果进行加密,采用RSA加密算法对第二分析结果进行加密;或者,也可以采用RSA加密算法对第一分析结果进行加密,采用DES加密算法对第二分析结果进行加密。
本实施例中,通过确定对第一分析结果和第二分析结果进行加密的目标加密算法,然后根据确定采用的目标加密算法分别对第一分析结果和第二分析结果进行加密,能够得到加密后的第一分析结果和加密后的第二分析结果,从而将加密后的第一分析结果和加密后的第二分析结果传输至电力专用芯片,避免了在第一分析结果和第二分析结果传输过程中的信息泄露,保证了电力专用芯片接收到的第一分析结果和第二分析结果的安全性。
在上述对第一分析结果和第二分析结果进行加密的场景中,可以根据业务场景确定目标加密算法。在一个实施例中,目标加密算法包括第一目标加密算法和第二目标加密算法,如图4所示,上述S301,包括:
S401,根据第一业务场景,确定对第一分析结果进行加密的第一目标加密算法。
可选的,在本实施例中,可以根据第一业务场景的处理优先级,确定第一目标加密算法,例如,若第一业务场景的处理优先级越高,则可以选取越为复杂的加密算法作为第一目标加密算法,对第一分析结果进行加密。例如,对于电能质量分析及治理业务,由于该业务的处理优先级较高,且安全等级较高,因此可以采用非对称加密算法对电能质量分析及治理业务对应的第一分析结果进行加密。
S402,根据第二业务场景,确定对第二分析结果进行加密的第二目标加密算法。
可选的,可以根据第二业务场景的处理优先级,确定第二目标加密算法,例如,若第二业务场景的处理优先级越高,则可以选取越为复杂的加密算法作为第二目标加密算法,对第二分析结果进行加密。例如,对于配电变压器状态监测与检修业务,由于该业务的处理优先级较低,因此可以采用对称加密算法对配电变压器状态监测与检修业务对应的第二分析结果进行加密。
本实施例中,通过根据第一业务场景确定对第一分析结果进行加密的第一目标加密算法,根据第二业务场景确定对第二分析结果进行加密的第二目标加密算法,可以采用更合适的加密算法对第一分析结果和第二分析结果进行加密处理,从而避免了在第一分析结果和第二分析结果传输过程中的信息泄露,保证了电力专用芯片接收到的第一分析结果和第二分析结果的安全性。
在一些场景中,还可以对得到的第一分析结果进行进一步地处理,以对第一电力数据对应的电力设备的运行状态进行预测。在一个实施例中,如图5所示,上述方法还包括:
S501,将第一分析结果存储至预设的第一缓存队列中。
其中,第一缓存队列为预先设置的用于存放第一分析结果的数据缓存空间,可选的,第一缓存队列可以是计算机设备内存中的存储空间,也可以是外部存储器的存储空间。可选的,预设的第一缓存队列可以按照先进先出的原则存储第一分析结果,或者,也可以按照先进后出的原则存储第一分析结果。可选的,在本实施例中,计算机设备可以按照第一分析结果的生成顺序,将第一分析结果存储至预设的第一缓存队列中;或者,也可以基于计算机设备中其他组件发送的存储指令,根据该存储指令将第一分析结果存储至第一缓存队列中。
S502,根据预设的第一选取规则,从第一缓存队列中选取第一目标分析结果。
其中,第一选取规则为针对第一电力数据而设定的规则,例如,第一选取规则可以为若第一电力数据具有长期跟踪分析的价值,则从第一缓存队列中选取出该第一电力数据的第一分析结果,并将选取的第一分析结果作为第一目标分析结果。可选的,在本实施例中,第一选取规则可以为用户输入的,也可以为预先存储在计算机设备中的;可选的,计算机设备可以基于第一选取规则,向第一缓存队列发送获取指令,通过该获取指令从第一缓存队列中选取第一目标分析结果。
S503,将第一目标分析结果输入预设的神经网络,以通过神经网络得到第一电力数据对应的电力设备的运行状态的第一预测结果。
其中,第一预测结果为神经网络以第一电力数据作为输入,采用深度学习算法对第一电力数据处理后得到的预测结果。可选的,第一预测结果可以表征第一电力数据对应的电力设备的运行状态,也可以表征对第一电力数据对应的电力设备的运行状态的趋势预测分析结果。可选的,预设的神经网络可以为卷积神经网络,也可以为全连接神经网络,也可以为循环卷积神经网络,本实施例在此不作限制。
S504,对第一预测结果进行加密,并将加密后的第一预测结果传输至电力专用芯片。
可选的,在本实施例中,可以根据第一预测结果对应的电力业务场景选择目标加密算法对第一预测结果进行加密,将加密之后的第一预测结果经过数据总线传输至电力专用芯片。
示例性的,计算机设备可以根据第一选取规则,从第一缓存队列中选取电能质量分析及治理业务的第一分析结果,即电能质量分析结果,并将电能质量分析结果传输至该业务场景对应的神经网络中,从而神经网络可以以电能质量分析结果作为输入数据进行深度学习,得到该电力业务对应的电能质量趋势预测结果,进一步地,计算机设备可以对该电能质量趋势预测结果进行加密,并将加密后的电能质量趋势预测结果传输至电力专用芯片,以使电力专用芯片基于电能质量趋势预测结果进行进一步地处理分析。
本实施例中,通过将第一分析结果存储至预设的第一缓存队列中,根据预设的第一选取规则,从第一缓存队列中选取第一目标分析结果,将第一目标分析结果输入预设的神经网络,通过神经网络得到第一电力数据对应的电力设备运行状态的第一预测结果,对第一预测结果进行加密,并将加密后的第一预测结果传输至电力专用芯片,满足了数字电网中电力专用芯片的边缘侧的多元化应用需求;另外,通过对第一预测结果进行了加密,并将加密后的第一预测结果传输至电力专用芯片,避免了第一预测结果传输过程中的信息泄露,满足了电力业务中数据加密的需求。
在一些场景中,还可以对得到的第二分析结果进行进一步地处理,以对第二电力数据对应的电力设备的运行状态进行预测。在一个实施例中,如图6所示,上述方法还包括:
S601,将第二分析结果存储至预设的第二缓存队列中。
其中,第二缓存队列为预先设置的用于存放第二分析结果的数据缓存空间,可选的,第二缓存队列可以是计算机设备内存中的存储空间,也可以是外部存储器的存储空间。可选的,预设的第二缓存队列可以按照先进先出的原则存储第二分析结果,或者,也可以按照先进后出的原则存储第二析结果。可选的,在本实施例中,计算机设备可以按照第二分析结果的生成顺序,将第二分析结果存储至预设的第二缓存队列中;或者,也可以基于计算机设备中其他组件发送的存储指令,根据该存储指令将第二分析结果存储至第二缓存队列中。
S602,根据预设的第二选取规则,从第二缓存队列中选取第二目标分析结果。
其中,第二选取规则为针对第二电力数据而设定的规则,例如,第二选取规则可以为若第二电力数据具有长期跟踪分析的价值,则从第二缓存队列中选取出该第二电力数据的第二分析结果,并将选取的第二分析结果作为第二目标分析结果。可选的,在本实施例中,第二选取规则可以为用户输入的,也可以为预先存储在计算机设备中的。可选的,计算机设备可以基于第二选取规则,向第二缓存队列发送获取指令,通过该获取指令从第二缓存队列中选取第二目标分析结果。
S603,将第二目标分析结果输入神经网络中,以通过神经网络得到第二电力数据对应的电力设备的运行状态的第二预测结果。
其中,第二预测结果为神经网络以第二电力数据作为输入,采用深度学习算法对第二电力数据处理后得到的预测结果。可选的,第二预测结果可以表征第二电力数据对应的电力设备的运行状态,也可以表征对第二电力数据对应的电力设备的运行状态的趋势预测分析结果。可选的,预设的神经网络可以为卷积神经网络,也可以为全连接神经网络,也可以为循环卷积神经网络,本实施例在此不作限制。
S604,对第二预测结果进行加密,并将加密后的第二预测结果传输至电力专用芯片。
可选的,在本实施例中,可以根据第二预测结果对应的电力业务场景选择目标加密算法对第二预测结果进行加密,将加密之后的第二预测结果经过数据总线传输至电力专用芯片。示例性的,计算机设备可以根据第二选取规则,从第二缓存队列中选取配电变压器状态监测与检修业务的第二分析结果,并将第二分析结果传输至该业务场景对应的神经网络中,从而神经网络可以以第二分析结果作为输入数据进行深度学习,得到该电力业务对应的第二预测结果,即是否对配电变压器发出检修指令,进一步地,计算机设备可以对第二预测结果进行加密,并将加密后的电能质量趋势预测结果传输至电力专用芯片,以使电力专用芯片基于第二预测结果进行进一步地处理分析。
本实施例中,通过将第二分析结果存储至预设的第二缓存队列中,根据预设的第二选取规则,从第二缓存队列中选第二目标分析结果,从而将第二目标分析结果输入预设的神经网络,通过神经网络得到第二电力数据对应的电力设备运行状态的第二预测结果,进一步地对第二预测结果进行加密,并将加密后的第二预测结果传输至电力专用芯片,满足了数字电网中电力专用芯片的边缘侧的多元化应用需求;另外,通过对第二预测结果进行了加密,并将加密后的第二预测结果传输至电力专用芯片,避免了第一预测结果传输过程中的信息泄露,满足了电力业务中数据加密的需求。
在一个实施例中,上述S201,包括:通过数据总线中的预设的私有接口获取第一电力数据,以及通过数据总线中的预设的公共接口获取第二电力数据。
可选的,本实施例中的私有接口可以为对电力数据的处理实时性要求较高的电力数据对应的接口,公共接口可以为对电力数据的处理实时性要求较低的电力数据对应的接口。一般,对电力数据的处理实时性要求较高的电力数据包括交流采样数据,故障判断数据,电能质量分析数据三个,因此,本实施例中的私有接口可以对应有三个。
本实施例中,通过数据总线中的预设的私有接口获取第一电力数据,以及通过数据总线中的预设的公共接口获取第二电力数据,由于通过不同的接口分别接收第一电力数据和第二电力数据,提高了对电力数据接收的效率,也避免了接收的电力数据混乱的问题,从而确保了接收的电力数据的准确性。
需要说明的是,本申请实施例提供的电力芯片边缘数据分区处理方法,可以应用于如图7的系统架构中,该系统架构包括数据总线701、实时业务模块702、非实时业务模块703、边缘智能模块704和安全加密模块705。下面以一个完整的实施例对电力芯片边缘数据分区处理方法加以说明,其中,实时性要求较高的电力业务数据经过实时业务模块702处理后,将处理结果直接传输到安全加密模块705中,安全加密模块705中的身份认证(InternetProtocol Security,IPSec)模块或加密模块对处理结果进行加密处理,将加密后的处理结果沿数据总线传输至电力专用芯片;另外,对于实时性要求较高且具有长期跟踪分析价值的电力业务数据,经实时业务模块702处理后,可以将处理结果传输到边缘智能模块704,经边缘智能模块704中的卷积神经网络、全连接神经网络、循环神经网络中的任一种或多种神经网络学习、处理后,将处理结果传输至安全加密模块705中,经安全加密模块705中的IPSec身份认证模块或加密模块对处理结果进行加密处理,将加密后的处理结果沿数据总线传输至电力专用芯片。对于实时性要求不高的电力业务数据可以经过非实时模块703处理后,将处理结果传输到边缘智能模块704,经边缘智能模块704中的卷积神经网络、全连接神经网络、循环神经网络中的任一种或多种神经网络学习、处理后,将处理结果传输至安全加密模块705中,安全加密模块705中的IPSec身份认证模块或加密模块对处理结果进行加密处理,将加密后的处理结果加密后沿数据总线传输至电力专用芯片。
为了对具有长期分析价值的电压、电流、频率等电力数据进行监测和分析,以得到电能趋势并以此构建电能质量预警体系,如图8所示,电力芯片边缘数据分区处理系统架构中设置的边缘智能模块可以根据对业务场景的分析,分别向实时业务模块和非实时业务模块发出请求数据的指令,实时业务模块和非实时业务模块接收到请求数据的指令后,将处理结果转移至缓冲队列中,边缘智能模块从缓冲队列中提取处理结果,并对接收到的处理结果进行进一步处理。
进一步地,在一个实施例中,如图9所示,对于上述实时性要求较高的第一电力数据可以通过图9中的私有接口进行接收,并将接收到的第一电力数据传输至实时业务模块中进行处理,实时业务模块中的实时处理核以及电力专用算法硬件电路对第一电力数据进行处理,进一步地,若实时业务模块接收到边缘智能模块发送的请求数据的指令后,将第一电力数据的处理结果传输到边缘智能模块,通过边缘智能模块中的神经网络对第一电力数据的处理结果进行进一步分析处理,将边缘智能模块得到的第一电力数据的处理结果传输至安全加密模块中。同样地,对于第二电力数据可以通过图9中的公有接口接收,并将接收到的第二电力数据传输至非实时业务模块中进行处理,非实时业务模块中的非实时处理核对第二电力数据进行处理,进一步地,若非实时业务模块接收到边缘智能模块发送的请求数据的指令后,将第二电力数据的处理结果传输到边缘智能模块,通过边缘智能模块中的神经网络对第二电力数据的处理结果进行进一步分析处理,将边缘智能模块得到的第二电力数据的处理结果传输至安全加密模块中。
应该理解的是,虽然如上所述的各实施例所涉及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,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的电力芯片边缘数据分区处理方法的电力芯片边缘数据分区处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个电力芯片边缘数据分区处理装置实施例中的具体限定可以参见上文中对于电力芯片边缘数据分区处理方法的限定,在此不再赘述。
在一个实施例中,如图10所示,提供了一种电力芯片边缘数据分区处理装置,包括:第一获取模块11、第二获取模块12、第三获取模块13和第一传输模块14,其中:
第一获取模块11,用于获取第一电力数据和第二电力数据;其中,第一电力数据的处理实时性要求高于第二电力数据的处理实时性要求。
第二获取模块12,用于根据第一电力数据对应的第一业务场景对第一电力数据进行第一分析处理,得到第一电力数据的第一分析结果。
第三获取模块13,用于根据第二电力数据对应的第二业务场景对第二电力数据进行第二分析处理,得到第二电力数据的第二分析结果。
第一传输模块14,用于分别对第一分析结果和第二分析结果进行加密,并将加密后的第一分析结果和加密后的第二分析结果传输至电力专用芯片。
本实施例提供的电力芯片边缘数据分区处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,如图11所示,上述第一传输模块14包括:第一确定单元141和第一获取单元142,其中:
第一确定单元141,用于确定对第一分析结果和第二分析结果进行加密的目标加密算法。
第一获取单元142,用于采用目标加密算法分别对第一分析结果和第二分析结果进行加密,得到加密后的第一分析结果和加密后的第二分析结果。
本实施例提供的电力芯片边缘数据分区处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,请继续参照图11,上述目标加密算法包括第一目标加密算法和第二目标加密算法,第一确定单元141,具体用于:根据第一业务场景,确定对第一分析结果进行加密的第一目标加密算法;根据第二业务场景,确定对第二分析结果进行加密的第二目标加密算法。
本实施例提供的电力芯片边缘数据分区处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,请继续参照图11,上述装置还包括:
第一存储模块15,用于将第一分析结果存储至预设的第一缓存队列中。
第四获取模块16,用于根据预设的第一选取规则,从第一缓存队列中选取第一目标分析结果。
第五获取模块17,用于将第一目标分析结果输入预设的神经网络,以通过神经网络得到第一电力数据对应的电力设备的运行状态的第一预测结果。
第二传输模块18,用于对第一预测结果进行加密,并将加密后的第一预测结果传输至电力专用芯片。
本实施例提供的电力芯片边缘数据分区处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,请继续参照图11,上述装置还包括:
第二存储模块19,用于将第二分析结果存储至预设的第二缓存队列中。
第六获取模块20,用于根据预设的第二选取规则,从第二缓存队列中选取的第二目标分析结果。
第七获取模块21,用于将第二目标分析结果输入预设的神经网络,以通过神经网络得到第二电力数据对应的电力设备的运行状态的第二预测结果。
第三传输模块22,用于对第二预测结果进行加密,并将加密后的第二预测结果传输至电力专用芯片。
本实施例提供的电力芯片边缘数据分区处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,请继续参照图11,上述第一获取模块11包括:
第二获取单元111,用于通过数据总线中的预设的私有接口获取第一电力数据,以及通过数据总线中的预设的公共接口获取第二电力数据。
本实施例提供的电力芯片边缘数据分区处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
上述电力芯片边缘数据分区处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取第一电力数据和第二电力数据;其中,第一电力数据的处理实时性要求高于第二电力数据的处理实时性要求;
根据第一电力数据对应的第一业务场景对第一电力数据进行第一分析处理,得到第一电力数据的第一分析结果;
根据第二电力数据对应的第二业务场景对第二电力数据进行第二分析处理,得到第二电力数据的第二分析结果;
分别对第一分析结果和第二分析结果进行加密,并将加密后的第一分析结果和加密后的第二分析结果传输至电力专用芯片。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
确定对第一分析结果和第二分析结果进行加密的目标加密算法;
采用目标加密算法分别对第一分析结果和第二分析结果进行加密,得到加密后的第一分析结果和加密后的第二分析结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据第一业务场景,确定对第一分析结果进行加密的第一目标加密算法;
根据第二业务场景,确定对第二分析结果进行加密的第二目标加密算法。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将第一分析结果存储至预设的第一缓存队列中;
根据预设的第一选取规则,从第一缓存队列中选取第一目标分析结果;
将第一目标分析结果输入预设的神经网络,以通过神经网络得到第一电力数据对应的电力设备的运行状态的第一预测结果;
对第一预测结果进行加密,并将加密后的第一预测结果传输至电力专用芯片。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将第二分析结果存储至预设的第二缓存队列中;
根据预设的第二选取规则,从第二缓存队列中选取第二目标分析结果;
将第二目标分析结果输入神经网络中,以通过神经网络得到第二电力数据对应的电力设备的运行状态的第二预测结果;
对所第二预测结果进行加密,并将加密后的第二预测结果传输至电力专用芯片。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
通过数据总线中的预设的私有接口获取第一电力数据,以及通过数据总线中的预设的公共接口获取第二电力数据。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取第一电力数据和第二电力数据;其中,第一电力数据的处理实时性要求高于第二电力数据的处理实时性要求;
根据第一电力数据对应的第一业务场景对第一电力数据进行第一分析处理,得到第一电力数据的第一分析结果;
根据第二电力数据对应的第二业务场景对第二电力数据进行第二分析处理,得到第二电力数据的第二分析结果;
分别对第一分析结果和第二分析结果进行加密,并将加密后的第一分析结果和加密后的第二分析结果传输至电力专用芯片。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定对第一分析结果和第二分析结果进行加密的目标加密算法;
采用目标加密算法分别对第一分析结果和第二分析结果进行加密,得到加密后的第一分析结果和加密后的第二分析结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据第一业务场景,确定对第一分析结果进行加密的第一目标加密算法;
根据第二业务场景,确定对第二分析结果进行加密的第二目标加密算法。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将第一分析结果存储至预设的第一缓存队列中;
根据预设的第一选取规则,从第一缓存队列中选取第一目标分析结果;
将第一目标分析结果输入预设的神经网络,以通过神经网络得到第一电力数据对应的电力设备的运行状态的第一预测结果;
对第一预测结果进行加密,并将加密后的第一预测结果传输至电力专用芯片。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将第二分析结果存储至预设的第二缓存队列中;
根据预设的第二选取规则,从第二缓存队列中选取第二目标分析结果;
将第二目标分析结果输入神经网络中,以通过神经网络得到第二电力数据对应的电力设备的运行状态的第二预测结果;
对所第二预测结果进行加密,并将加密后的第二预测结果传输至电力专用芯片。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
通过数据总线中的预设的私有接口获取第一电力数据,以及通过数据总线中的预设的公共接口获取第二电力数据。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取第一电力数据和第二电力数据;其中,第一电力数据的处理实时性要求高于第二电力数据的处理实时性要求;
根据第一电力数据对应的第一业务场景对第一电力数据进行第一分析处理,得到第一电力数据的第一分析结果;
根据第二电力数据对应的第二业务场景对第二电力数据进行第二分析处理,得到第二电力数据的第二分析结果;
分别对第一分析结果和第二分析结果进行加密,并将加密后的第一分析结果和加密后的第二分析结果传输至电力专用芯片。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定对第一分析结果和第二分析结果进行加密的目标加密算法;
采用目标加密算法分别对第一分析结果和第二分析结果进行加密,得到加密后的第一分析结果和加密后的第二分析结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据第一业务场景,确定对第一分析结果进行加密的第一目标加密算法;
根据第二业务场景,确定对第二分析结果进行加密的第二目标加密算法。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
将第一分析结果存储至预设的第一缓存队列中;
根据预设的第一选取规则,从第一缓存队列中选取第一目标分析结果;
将第一目标分析结果输入预设的神经网络,以通过神经网络得到第一电力数据对应的电力设备的运行状态的第一预测结果;
对第一预测结果进行加密,并将加密后的第一预测结果传输至电力专用芯片。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
将第二分析结果存储至预设的第二缓存队列中;
根据预设的第二选取规则,从第二缓存队列中选取第二目标分析结果;
将第二目标分析结果输入神经网络中,以通过神经网络得到第二电力数据对应的电力设备的运行状态的第二预测结果;
对第二预测结果进行加密,并将加密后的第二预测结果传输至电力专用芯片。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
通过数据总线中的预设的私有接口获取第一电力数据,以及通过数据总线中的预设的公共接口获取第二电力数据。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
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,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种电力芯片边缘数据分区处理方法,其特征在于,所述方法包括:
获取第一电力数据和第二电力数据;其中,所述第一电力数据的处理实时性要求高于所述第二电力数据的处理实时性要求;
根据第一电力数据对应的第一业务场景对所述第一电力数据进行第一分析处理,得到所述第一电力数据的第一分析结果;
根据第二电力数据对应的第二业务场景对所述第二电力数据进行第二分析处理,得到所述第二电力数据的第二分析结果;
分别对所述第一分析结果和所述第二分析结果进行加密,并将加密后的第一分析结果和加密后的第二分析结果传输至电力专用芯片。
2.根据权利要求1所述的方法,其特征在于,所述分别对所述第一分析结果和所述第二分析结果进行加密,包括:
确定对所述第一分析结果和所述第二分析结果进行加密的目标加密算法;
采用所述目标加密算法分别对所述第一分析结果和所述第二分析结果进行加密,得到所述加密后的第一分析结果和所述加密后的第二分析结果。
3.根据权利要求2所述的方法,其特征在于,所述目标加密算法包括第一目标加密算法和第二目标加密算法;所述确定对所述第一分析结果和所述第二分析结果进行加密的目标加密算法,包括:
根据所述第一业务场景,确定对所述第一分析结果进行加密的第一目标加密算法;
根据所述第二业务场景,确定对所述第二分析结果进行加密的第二目标加密算法。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
将所述第一分析结果存储至预设的第一缓存队列中;
根据预设的第一选取规则,从所述第一缓存队列中选取第一目标分析结果;
将所述第一目标分析结果输入预设的神经网络,以通过所述神经网络得到所述第一电力数据对应的电力设备的运行状态的第一预测结果;
对所述第一预测结果进行加密,并将加密后的第一预测结果传输至所述电力专用芯片。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
将所述第二分析结果存储至预设的第二缓存队列中;
根据预设的第二选取规则,从所述第二缓存队列中选取第二目标分析结果;
将所述第二目标分析结果输入所述神经网络中,以通过所述神经网络得到所述第二电力数据对应的电力设备的运行状态的第二预测结果;
对所述第二预测结果进行加密,并将加密后的第二预测结果传输至所述电力专用芯片。
6.根据权利要求1所述的方法,其特征在于,所述获取第一电力数据和第二电力数据,包括:
通过数据总线中的预设的私有接口获取所述第一电力数据,以及通过所述数据总线中的预设的公共接口获取所述第二电力数据。
7.根据权利要求1-3任一项所述的方法,其特征在于,所述第一业务场景包括电能质量分析及治理业务场景、时标管理业务场景中的任一种;所述第二业务场景包括低压回路监测业务场景和配变监测业务场景中的任一种。
8.一种电力芯片边缘数据分区处理方法装置,其特征在于,所述装置包括:
第一获取模块,用于获取第一电力数据和第二电力数据;其中,所述第一电力数据的处理实时性要求高于所述第二电力数据的处理实时性要求;
第二获取模块,用于根据第一电力数据对应的第一业务场景对所述第一电力数据进行第一分析处理,得到所述第一电力数据的第一分析结果;
第三获取模块,用于根据第二电力数据对应的第二业务场景对所述第二电力数据进行第二分析处理,得到所述第二电力数据的第二分析结果;
第一传输模块,用于分别对所述第一分析结果和所述第二分析结果进行加密,并将加密后的第一分析结果和加密后的第二分析结果传输至电力专用芯片。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211022101.XA CN115129479A (zh) | 2022-08-24 | 2022-08-24 | 电力芯片边缘数据分区处理方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211022101.XA CN115129479A (zh) | 2022-08-24 | 2022-08-24 | 电力芯片边缘数据分区处理方法、装置和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115129479A true CN115129479A (zh) | 2022-09-30 |
Family
ID=83388015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211022101.XA Pending CN115129479A (zh) | 2022-08-24 | 2022-08-24 | 电力芯片边缘数据分区处理方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115129479A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019109771A1 (zh) * | 2017-12-05 | 2019-06-13 | 南京南瑞信息通信科技有限公司 | 基于多核异构并行计算的电力人工智能视觉分析系统 |
CN111222645A (zh) * | 2020-01-14 | 2020-06-02 | 智慧谷(厦门)物联科技有限公司 | 基于物联网区块链量子算法人工智能的管理系统及方法 |
CN111273196A (zh) * | 2020-03-11 | 2020-06-12 | 杭州安脉盛智能技术有限公司 | 一种应用于核电大型电力变压器的健康管理系统及方法 |
CN113297126A (zh) * | 2021-06-02 | 2021-08-24 | 南方电网数字电网研究院有限公司 | 一种实现电力数据处理的同异构混合多核芯片架构 |
-
2022
- 2022-08-24 CN CN202211022101.XA patent/CN115129479A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019109771A1 (zh) * | 2017-12-05 | 2019-06-13 | 南京南瑞信息通信科技有限公司 | 基于多核异构并行计算的电力人工智能视觉分析系统 |
CN111222645A (zh) * | 2020-01-14 | 2020-06-02 | 智慧谷(厦门)物联科技有限公司 | 基于物联网区块链量子算法人工智能的管理系统及方法 |
CN111273196A (zh) * | 2020-03-11 | 2020-06-12 | 杭州安脉盛智能技术有限公司 | 一种应用于核电大型电力变压器的健康管理系统及方法 |
CN113297126A (zh) * | 2021-06-02 | 2021-08-24 | 南方电网数字电网研究院有限公司 | 一种实现电力数据处理的同异构混合多核芯片架构 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2995864A1 (en) | Multi-modal, multi-disciplinary feature discovery to detect cyber threats in electric power grid | |
CN110852374B (zh) | 数据检测方法、装置、电子设备以及存储介质 | |
US11799630B2 (en) | Method and device for blockchain nodes | |
Kharlamova et al. | Data-driven approaches for cyber defense of battery energy storage systems | |
CN113507691B (zh) | 一种基于配电网跨区服务的信息推送系统和方法 | |
Nguyen et al. | An advanced internet-of-drones system with blockchain for improving quality of service of search and rescue: A feasibility study | |
CN115459919A (zh) | 物联网泛终端安全认证系统、方法、装置和物联网通信终端 | |
CN115063052A (zh) | 一种基于电能计量芯片的电力数据处理方法和计算机设备 | |
CN112073444A (zh) | 数据集的处理方法、装置和服务器 | |
US11650263B1 (en) | System for determining power consumption by devices | |
CN116319080B (zh) | 电力纳米继电器安全运行方法及装置 | |
CN110838940B (zh) | 地下电缆巡检任务配置方法和装置 | |
CN115129479A (zh) | 电力芯片边缘数据分区处理方法、装置和计算机设备 | |
CN116975884A (zh) | 一种数据安全存储方法及装置 | |
Nawrocki et al. | Security-aware job allocation in mobile cloud computing | |
Anwar | Data security issues in the realm of mobile cloud computing: A survey | |
CN112149141A (zh) | 模型训练方法、装置、设备和介质 | |
CN116522355A (zh) | 一种电力数据边界保护方法、设备、介质及装置 | |
CN115883199A (zh) | 一种文件传输方法、装置、电子设备及存储介质 | |
CN115269176A (zh) | 任务分配方法、装置、计算机设备、存储介质和产品 | |
JP2016095330A (ja) | 秘密計算システム及び方法並びに管理サーバ及びプログラム | |
CN116843185A (zh) | 用户任务数据处理方法、装置、计算机设备和存储介质 | |
CN114726613B (zh) | 微电网与终端数据交流加密方法、装置和计算机设备 | |
US20240143011A1 (en) | Systems and methods for prioritizing power restoration to sites after a power outage | |
Terdalkar et al. | Cloud Computing Architecture and Implementation Network Security Technologies for Defense and Virtual Computing |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220930 |
|
RJ01 | Rejection of invention patent application after publication |