CN115878943A - 一种物联网能源监测方法及系统 - Google Patents

一种物联网能源监测方法及系统 Download PDF

Info

Publication number
CN115878943A
CN115878943A CN202310046690.3A CN202310046690A CN115878943A CN 115878943 A CN115878943 A CN 115878943A CN 202310046690 A CN202310046690 A CN 202310046690A CN 115878943 A CN115878943 A CN 115878943A
Authority
CN
China
Prior art keywords
sub
energy data
nodes
node
common
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.)
Granted
Application number
CN202310046690.3A
Other languages
English (en)
Other versions
CN115878943B (zh
Inventor
刘敏
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 CN202310046690.3A priority Critical patent/CN115878943B/zh
Publication of CN115878943A publication Critical patent/CN115878943A/zh
Application granted granted Critical
Publication of CN115878943B publication Critical patent/CN115878943B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Telephonic Communication Services (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Selective Calling Equipment (AREA)

Abstract

本申请涉及数据处理领域，尤其涉及一种物联网能源监测方法及系统，抱：依据子级厂区的类型，从子级厂区的普通节点中选择相应数量的计算节点；将子级厂区内剩余的普通节点和与相应的计算节点关联；依据计算节点接收到的能源数据的类别，为计算节点选择计算模型；子级厂区的计算节点将预处理后的能源数据发送给父级厂区的分析节点，父级厂区的分析节点依据区域后台的能源数据调用请求对预处理后的能源数据进行再处理；父级厂区的分析节点将再处理后的能源数据发送至区域后台，以响应区域后台的能源数据调用请求。本申请可以使得某地区的能源监测系统简单、统一，易于一体化控制，利于实际使用。

Description

一种物联网能源监测方法及系统
技术领域
本申请涉及数据处理领域，尤其涉及一种物联网能源监测方法及系统。
背景技术
不同工业企业的工艺流程、装置情况、产品类型、能源管理水平对工业企业的能源消耗都会产生不同的影响，因此现有的针对某地区的不同工业企业的能源监测大都会人为制定相应的监测方式，同一工业企业内的不同功能厂区的能源监测也大都会人为制定相应的监测方式，例如：A钢厂和B纺织厂均人为制定相应的能源监测方式，A钢厂的A1厂区、A2厂区、A3厂区人为制定相应的能源监测方式，这样就导致某地区的能源监测系统复杂混乱，不易一体化控制，不利于实际使用。
因此，如何使得某地区的能源监测系统简单、统一，易于一体化控制，利于实际使用，是目前本领域技术人员急需解决的技术问题。
发明内容
本申请提供了一种物联网能源监测方法机系统，以使得某地区的能源监测系统简单、统一，易于一体化控制，利于实际使用。
为解决上述技术问题，本申请提供如下技术方案：
一种物联网能源监测方法，包括如下步骤：步骤S110、依据子级厂区的类型，从子级厂区的普通节点中选择相应数量的计算节点；步骤S120、将该子级厂区内剩余的普通节点和与相应的计算节点关联，以使普通节点监测的能源数据发送给与其关联的计算节点；步骤S130、依据计算节点接收到的能源数据的类别，为计算节点选择计算模型，以预处理该计算节点接收到的能源数据；步骤S140、子级厂区的计算节点将预处理后的能源数据发送给父级厂区的分析节点，父级厂区的分析节点依据区域后台的能源数据调用请求对预处理后的能源数据进行再处理；步骤S150、父级厂区的分析节点将再处理后的能源数据发送至区域后台，以响应区域后台的能源数据调用请求。
如上所述的物联网能源监测方法，其中，优选的是，获取子级厂区的特征参数，并且将子级厂区的特征参数集合在一起形成子级厂区特征参数集；依据子级厂区特征参数集，获得子级厂区所需的计算节点的数量；计算子级厂区内的每个普通节点的计算能力评价值，并按照计算能力评价值从高至低的顺序，选择所需数量的普通计算作为计算节点。
如上所述的物联网能源监测方法，其中，优选的是，将一个普通节点的所有计算能力响应参数集合在一起，形成该普通节点计算能力响应参数集；依据普通节点计算能力响应参数集，得到该普通节点的计算能力评价值。
如上所述的物联网能源监测方法，其中，优选的是，计算子级厂区内的普通节点与计算节点之间的熵距离，将普通节点关联至与之熵距离最小的计算节点。
如上所述的物联网能源监测方法，其中，优选的是，获取能源数据的类别特征，并且将能源数据的类别特征集合在一起，形成能源数据类别特征集；为能源数据类别特征集的每个类别特征参数匹配特征权重；依据能源数据类别特征集和特征权重集从预先创建的计算模型库中选择出计算模型。
一种物联网能源监测系统，包括：计算节点选择单元、节点关联单元、计算模型选择单元、传输单元和对外通信单元；计算节点选择单元依据子级厂区的类型，从子级厂区的普通节点中选择相应数量的计算节点；节点关联单元将该子级厂区内剩余的普通节点和与相应的计算节点关联，以使普通节点监测的能源数据发送给与其关联的计算节点；计算模型选择单元依据计算节点接收到的能源数据的类别，为计算节点选择计算模型，以预处理该计算节点接收到的能源数据；传输单元将子级厂区的计算节点预处理后的能源数据发送给父级厂区的分析节点，以使父级厂区的分析节点依据区域后台的能源数据调用请求对预处理后的能源数据进行再处理；对外通信单元将父级厂区的分析节点再处理后的能源数据发送至区域后台，以响应区域后台的能源数据调用请求。
如上所述的物联网能源监测系统，其中，优选的是，获取子级厂区的特征参数，并且将子级厂区的特征参数集合在一起形成子级厂区特征参数集；依据子级厂区特征参数集，获得子级厂区所需的计算节点的数量；计算子级厂区内的每个普通节点的计算能力评价值，并按照计算能力评价值从高至低的顺序，选择所需数量的普通计算作为计算节点。
如上所述的物联网能源监测系统，其中，优选的是，将一个普通节点的所有计算能力响应参数集合在一起，形成该普通节点计算能力响应参数集；依据普通节点计算能力响应参数集，得到该普通节点的计算能力评价值。
如上所述的物联网能源监测系统，其中，优选的是，计算子级厂区内的普通节点与计算节点之间的熵距离，将普通节点关联至与之熵距离最小的计算节点。
如上所述的物联网能源监测系统，其中，优选的是，获取能源数据的类别特征，并且将能源数据的类别特征集合在一起，形成能源数据类别特征集；为能源数据类别特征集的每个类别特征参数匹配特征权重；依据能源数据类别特征集和特征权重集从预先创建的计算模型库中选择出计算模型。
相对上述背景技术，本申请所提供的物联网能源监测方法及系统会自动依据子级厂区的类型选择计算节点，并且还会自动依据能源数据的类别预处理能源数据，因此使得某地区的能源监测系统简单、统一，易于一体化控制，利于实际使用。
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是本申请实施例所提供的物联网能源监测方法的流程图；
图2是本申请实施例所提供的物联网能源监测系统的示意图。
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是本申请实施例所提供的物联网能源监测方法的流程图。
本申请提供了一种物联网能源监测方法，包括如下步骤：
步骤S110、依据子级厂区的类型，从子级厂区的普通节点中选择相应数量的计算节点；
获取子级厂区的特征参数，并且将子级厂区的特征参数集合在一起形成子级厂区特征参数集
Figure SMS_18
，其中，/>
Figure SMS_5
为子级厂区/>
Figure SMS_11
的特征参数集，/>
Figure SMS_7
为子级厂区/>
Figure SMS_19
的第1个特征参数，/>
Figure SMS_16
为子级厂区/>
Figure SMS_20
的第2个特征参数，/>
Figure SMS_4
为子级厂区/>
Figure SMS_14
的第/>
Figure SMS_1
个特征参数，/>
Figure SMS_13
为子级厂区的第/>
Figure SMS_3
个特征参数。例如：/>
Figure SMS_12
为子级厂区/>
Figure SMS_2
的工艺流程特征、/>
Figure SMS_9
为子级厂区/>
Figure SMS_8
的装置情况特征、/>
Figure SMS_15
为子级厂区/>
Figure SMS_10
的产品类型特征、/>
Figure SMS_17
为子级厂区/>
Figure SMS_6
的能源管理水平特征。
依据子级厂区特征参数集
Figure SMS_24
，获得子级厂区所需的计算节点的数量/>
Figure SMS_27
。具体的，依据公式/>
Figure SMS_29
得到子级厂区/>
Figure SMS_23
所需的计算节点的数量/>
Figure SMS_26
，其中，
Figure SMS_31
为子级厂区/>
Figure SMS_33
的第/>
Figure SMS_21
个特征参数/>
Figure SMS_28
对子级厂区/>
Figure SMS_30
所需的计算节点的数量/>
Figure SMS_32
的影响权重，/>
Figure SMS_22
为对/>
Figure SMS_25
向上取整。
计算子级厂区内的每个普通节点的计算能力评价值，并按照计算能力评价值从高至低的顺序，选择所需数量
Figure SMS_63
的普通计算作为计算节点。子级厂区/>
Figure SMS_72
内的每个普通节点均具有多个计算能力响应参数，将一个普通节点的所有计算能力响应参数集合在一起，形成该普通节点计算能力响应参数集
Figure SMS_76
，其中，/>
Figure SMS_36
为子级厂区/>
Figure SMS_48
内的第/>
Figure SMS_56
个普通节点的计算能力响应参数集，/>
Figure SMS_60
为子级厂区/>
Figure SMS_68
内的第/>
Figure SMS_75
个普通节点的第1个计算能力响应参数，/>
Figure SMS_52
为子级厂区/>
Figure SMS_58
内的第/>
Figure SMS_70
个普通节点的第2个计算能力响应参数，/>
Figure SMS_77
为子级厂区/>
Figure SMS_74
内的第/>
Figure SMS_78
个普通节点的第/>
Figure SMS_37
个计算能力响应参数，/>
Figure SMS_45
为子级厂区/>
Figure SMS_50
内的第/>
Figure SMS_54
个普通节点的第/>
Figure SMS_34
个计算能力响应参数。例如：/>
Figure SMS_46
为子级厂区/>
Figure SMS_38
内的第/>
Figure SMS_51
个普通节点的硬盘占用率、/>
Figure SMS_66
为子级厂区/>
Figure SMS_71
内的第/>
Figure SMS_40
个普通节点的CPU利用率、
Figure SMS_43
为子级厂区/>
Figure SMS_64
内的第/>
Figure SMS_69
个普通节点的内存占用率、/>
Figure SMS_67
为子级厂区/>
Figure SMS_73
内的第/>
Figure SMS_57
个普通节点的运行状态参数。依据普通节点计算能力响应参数集/>
Figure SMS_62
，得到该普通节点的计算能力评价值。具体的，依据公式/>
Figure SMS_41
计算得到子级厂区
Figure SMS_47
内的第/>
Figure SMS_39
个普通节点的计算能力评价值/>
Figure SMS_44
，其中，/>
Figure SMS_55
为子级厂区/>
Figure SMS_61
内的第/>
Figure SMS_49
个普通节点的第/>
Figure SMS_53
个计算能力响应参数的预期值，/>
Figure SMS_35
为第/>
Figure SMS_42
个计算能力响应参数对计算能力评价值影响的权重，/>
Figure SMS_59
，且/>
Figure SMS_65
。
步骤S120、将该子级厂区内剩余的普通节点和与相应的计算节点关联，以使普通节点监测的能源数据发送给与其关联的计算节点；
计算子级厂区内的普通节点与计算节点之间的熵距离，将普通节点关联至与之熵距离最小的计算节点。具体的，依据公式
Figure SMS_81
计算普通节点/>
Figure SMS_82
与计算节点/>
Figure SMS_86
之间的熵距离/>
Figure SMS_80
，其中，/>
Figure SMS_83
为普通节点/>
Figure SMS_84
在该子级厂区内的所有节点中的重要度，/>
Figure SMS_85
为计算节点/>
Figure SMS_79
在该子级厂区内的所有节点中的重要度。另外，也可以根据其他的标准进行普通节点和计算节点之间的关联，例如：根据经验指定关联、根据计算能力匹配关联等。
普通节点监测采集到能源数据，并且将能源数据发送给与普通节点关联的计算节点中，以使计算节点对接收到的能源数据进行预处理。
步骤S130、依据计算节点接收到的能源数据的类别，为计算节点选择计算模型，以预处理该计算节点接收到的能源数据；
计算节点接收到普通节点监测采集的能源数据后，获取能源数据的类别特征，并且将能源数据的类别特征集合在一起，形成能源数据类别特征集
Figure SMS_101
，其中，/>
Figure SMS_89
为子级厂区/>
Figure SMS_95
内的第/>
Figure SMS_93
个计算节点接收到的能源数据的类别特征集，/>
Figure SMS_104
为子级厂区/>
Figure SMS_98
内的第/>
Figure SMS_103
个计算节点接收到的与之关联的第1个普通节点发送的能源数据的类别特征参数，/>
Figure SMS_90
为子级厂区/>
Figure SMS_97
内的第/>
Figure SMS_87
个计算节点接收到的与之关联的第2个普通节点发送的能源数据的类别特征参数，/>
Figure SMS_99
为子级厂区/>
Figure SMS_94
内的第/>
Figure SMS_102
个计算节点接收到的与之关联的第/>
Figure SMS_92
个普通节点发送的能源数据的类别特征参数，/>
Figure SMS_100
为子级厂区/>
Figure SMS_88
内的第/>
Figure SMS_96
个计算节点接收到的与之关联的第/>
Figure SMS_91
个普通节点发送的能源数据的类别特征参数。
为能源数据类别特征集
Figure SMS_108
中的每个类别特征参数匹配特征权重。具体的，计算能源数据类别特征集/>
Figure SMS_110
中的每个类别特征参数与之前预设的每个预设类别特征之间的相似度，将能源数据类别特征集/>
Figure SMS_114
中的每个类别特征参数归入最大相似度所对应的预设类别特征中，将能源数据类别特征集/>
Figure SMS_107
中的每个类别特征参数所对应的预设类别特征的特征权重作为该能源数据类别特征集 />
Figure SMS_109
中的每个类别特征参数的特征权重，构成特征权重集/>
Figure SMS_113
，其中，/>
Figure SMS_115
为/>
Figure SMS_105
的特征权重，/>
Figure SMS_112
为/>
Figure SMS_117
的特征权重，/>
Figure SMS_118
为/>
Figure SMS_106
的特征权重，/>
Figure SMS_111
为/>
Figure SMS_116
的特征权重。
依据能源数据类别特征集
Figure SMS_119
和特征权重集/>
Figure SMS_120
从预先创建的计算模型库中选择出计算模型。具体的，依据公式/>
Figure SMS_121
计算得到模型选择指标/>
Figure SMS_122
，根据模型选择指标/>
Figure SMS_123
从预先创建的计算模型库中选择出计算模型。
子级厂区内的每个计算节点依据为其选择的计算模型，计算接收得到的普通节点监测的能源数据，从而对能源数据进行预处理。
步骤S140、子级厂区的计算节点将预处理后的能源数据发送给父级厂区的分析节点，父级厂区的分析节点依据区域后台的能源数据调用请求对预处理后的能源数据进行再处理；
父级厂区的分析节点接收区域后台的能源数据调用请求，其中能源数据调用请求中包含了对能源数据的需求，例如：需求哪些能源数据，父级厂区的分析节点依据接收到区域后台的能源数据调用请求，对预处理后的能源数据进行再处理，以得到符合能源数据调用请求的能源数据。
步骤S150、父级厂区的分析节点将再处理后的能源数据发送至区域后台，以响应区域后台的能源数据调用请求；
待父级厂区的分析节点对预处理后的能源数据进行再处理完毕后，将再处理后的能源数据发送给区域后台，以响应区域后台向父级厂区分析节点发送的能源数据调用请求。
实施例二
请参阅图2，图2是本申请实施例所提供的物联网能源监测系统的示意图。
本申请提供了一种物联网能源监测系统200，包括：计算节点选择单元210、节点关联单元220、计算模型选择单元230、传输单元240和对外通信单元250。
计算节点选择单元210依据子级厂区的类型，从子级厂区的普通节点中选择相应数量的计算节点。
获取子级厂区的特征参数，并且将子级厂区的特征参数集合在一起形成子级厂区特征参数集
Figure SMS_131
，其中，/>
Figure SMS_128
为子级厂区/>
Figure SMS_134
的特征参数集，/>
Figure SMS_130
为子级厂区/>
Figure SMS_136
的第1个特征参数，/>
Figure SMS_140
为子级厂区/>
Figure SMS_142
的第2个特征参数，/>
Figure SMS_125
为子级厂区/>
Figure SMS_137
的第/>
Figure SMS_124
个特征参数，/>
Figure SMS_138
为子级厂区的第/>
Figure SMS_126
个特征参数。例如：
Figure SMS_132
为子级厂区/>
Figure SMS_129
的工艺流程特征、/>
Figure SMS_135
为子级厂区/>
Figure SMS_133
的装置情况特征、/>
Figure SMS_139
为子级厂区/>
Figure SMS_141
的产品类型特征、/>
Figure SMS_143
为子级厂区/>
Figure SMS_127
的能源管理水平特征。
依据子级厂区特征参数集
Figure SMS_146
，获得子级厂区所需的计算节点的数量/>
Figure SMS_155
。具体的，依据公式/>
Figure SMS_156
得到子级厂区/>
Figure SMS_147
所需的计算节点的数量/>
Figure SMS_149
，其中，
Figure SMS_151
为子级厂区/>
Figure SMS_153
的第/>
Figure SMS_144
个特征参数/>
Figure SMS_148
对子级厂区/>
Figure SMS_152
所需的计算节点的数量/>
Figure SMS_154
的影响权重，/>
Figure SMS_145
为对/>
Figure SMS_150
向上取整。
计算子级厂区内的每个普通节点的计算能力评价值，并按照计算能力评价值从高至低的顺序，选择所需数量
Figure SMS_162
的普通计算作为计算节点。子级厂区/>
Figure SMS_167
内的每个普通节点均具有多个计算能力响应参数，将一个普通节点的所有计算能力响应参数集合在一起，形成该普通节点计算能力响应参数集
Figure SMS_172
，其中，/>
Figure SMS_159
为子级厂区/>
Figure SMS_200
内的第/>
Figure SMS_184
个普通节点的计算能力响应参数集，/>
Figure SMS_188
为子级厂区/>
Figure SMS_170
内的第/>
Figure SMS_177
个普通节点的第1个计算能力响应参数，/>
Figure SMS_161
为子级厂区/>
Figure SMS_166
内的第/>
Figure SMS_164
个普通节点的第2个计算能力响应参数，/>
Figure SMS_168
为子级厂区/>
Figure SMS_174
内的第/>
Figure SMS_178
个普通节点的第/>
Figure SMS_163
个计算能力响应参数，/>
Figure SMS_169
为子级厂区/>
Figure SMS_173
内的第/>
Figure SMS_179
个普通节点的第/>
Figure SMS_157
个计算能力响应参数。例如：/>
Figure SMS_201
为子级厂区/>
Figure SMS_185
内的第/>
Figure SMS_190
个普通节点的硬盘占用率、/>
Figure SMS_182
为子级厂区/>
Figure SMS_189
内的第/>
Figure SMS_160
个普通节点的CPU利用率、
Figure SMS_199
为子级厂区/>
Figure SMS_176
内的第/>
Figure SMS_180
个普通节点的内存占用率、/>
Figure SMS_183
为子级厂区/>
Figure SMS_186
内的第/>
Figure SMS_193
个普通节点的运行状态参数。依据普通节点计算能力响应参数集/>
Figure SMS_196
，得到该普通节点的计算能力评价值。具体的，依据公式/>
Figure SMS_191
计算得到子级厂区
Figure SMS_197
内的第/>
Figure SMS_192
个普通节点的计算能力评价值/>
Figure SMS_195
，其中，/>
Figure SMS_194
为子级厂区/>
Figure SMS_198
内的第/>
Figure SMS_171
个普通节点的第/>
Figure SMS_175
个计算能力响应参数的预期值，/>
Figure SMS_158
为第/>
Figure SMS_165
个计算能力响应参数对计算能力评价值影响的权重，/>
Figure SMS_181
，且/>
Figure SMS_187
。
节点关联单元220将该子级厂区内剩余的普通节点和与相应的计算节点关联，以使普通节点监测的能源数据发送给与其关联的计算节点。
计算子级厂区内的普通节点与计算节点之间的熵距离，将普通节点关联至与之熵距离最小的计算节点。具体的，依据公式
Figure SMS_204
计算普通节点/>
Figure SMS_205
与计算节点/>
Figure SMS_207
之间的熵距离/>
Figure SMS_203
，其中，/>
Figure SMS_206
为普通节点/>
Figure SMS_208
在该子级厂区内的所有节点中的重要度，/>
Figure SMS_209
为计算节点/>
Figure SMS_202
在该子级厂区内的所有节点中的重要度。另外，也可以根据其他的标准进行普通节点和计算节点之间的关联，例如：根据经验指定关联、根据计算能力匹配关联等。
普通节点监测采集到能源数据，并且将能源数据发送给与普通节点关联的计算节点中，以使计算节点对接收到的能源数据进行预处理。
计算模型选择单元230依据计算节点接收到的能源数据的类别，为计算节点选择计算模型，以预处理该计算节点接收到的能源数据。
计算节点接收到普通节点监测采集的能源数据后，获取能源数据的类别特征，并且将能源数据的类别特征集合在一起，形成能源数据类别特征集
Figure SMS_215
，其中，/>
Figure SMS_213
为子级厂区/>
Figure SMS_221
内的第/>
Figure SMS_216
个计算节点接收到的能源数据的类别特征集，/>
Figure SMS_224
为子级厂区/>
Figure SMS_226
内的第/>
Figure SMS_227
个计算节点接收到的与之关联的第1个普通节点发送的能源数据的类别特征参数，/>
Figure SMS_212
为子级厂区/>
Figure SMS_225
内的第/>
Figure SMS_210
个计算节点接收到的与之关联的第2个普通节点发送的能源数据的类别特征参数，/>
Figure SMS_219
为子级厂区/>
Figure SMS_214
内的第/>
Figure SMS_220
个计算节点接收到的与之关联的第/>
Figure SMS_217
个普通节点发送的能源数据的类别特征参数，/>
Figure SMS_218
为子级厂区/>
Figure SMS_211
内的第/>
Figure SMS_223
个计算节点接收到的与之关联的第/>
Figure SMS_222
个普通节点发送的能源数据的类别特征参数。
为能源数据类别特征集
Figure SMS_231
中的每个类别特征参数匹配特征权重。具体的，计算能源数据类别特征集/>
Figure SMS_233
中的每个类别特征参数与之前预设的每个预设类别特征之间的相似度，将能源数据类别特征集/>
Figure SMS_236
中的每个类别特征参数归入最大相似度所对应的预设类别特征中，将能源数据类别特征集/>
Figure SMS_230
中的每个类别特征参数所对应的预设类别特征的特征权重作为该能源数据类别特征集/>
Figure SMS_232
中的每个类别特征参数的特征权重，构成特征权重集/>
Figure SMS_237
，其中，/>
Figure SMS_240
为/>
Figure SMS_228
的特征权重，
Figure SMS_234
为/>
Figure SMS_238
的特征权重，/>
Figure SMS_241
为/>
Figure SMS_229
的特征权重，/>
Figure SMS_235
为/>
Figure SMS_239
的特征权重。
依据能源数据类别特征集
Figure SMS_242
和特征权重集/>
Figure SMS_243
从预先创建的计算模型库中选择出计算模型。具体的，依据公式/>
Figure SMS_244
计算得到模型选择指标/>
Figure SMS_245
，根据模型选择指标/>
Figure SMS_246
从预先创建的计算模型库中选择出计算模型。
子级厂区内的每个计算节点依据为其选择的计算模型，计算接收得到的普通节点监测的能源数据，从而对能源数据进行预处理。
传输单元240将子级厂区的计算节点预处理后的能源数据发送给父级厂区的分析节点，以使父级厂区的分析节点依据区域后台的能源数据调用请求对预处理后的能源数据进行再处理。
父级厂区的分析节点接收区域后台的能源数据调用请求，其中能源数据调用请求中包含了对能源数据的需求，例如：需求哪些能源数据，父级厂区的分析节点依据接收到区域后台的能源数据调用请求，对预处理后的能源数据进行再处理，以得到符合能源数据调用请求的能源数据。
对外通信单元250将父级厂区的分析节点再处理后的能源数据发送至区域后台，以响应区域后台的能源数据调用请求。
待父级厂区的分析节点对预处理后的能源数据进行再处理完毕后，将再处理后的能源数据发送给区域后台，以响应区域后台向父级厂区分析节点发送的能源数据调用请求。
由于本申请中会自动依据子级厂区的类型选择计算节点，并且还会自动依据能源数据的类别预处理能源数据，因此使得某地区的能源监测系统简单、统一，易于一体化控制，利于实际使用。
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 (10)

1.一种物联网能源监测方法，其特征在于，包括如下步骤：
步骤S110、依据子级厂区的类型，从子级厂区的普通节点中选择相应数量的计算节点；
步骤S120、将该子级厂区内剩余的普通节点和与相应的计算节点关联，以使普通节点监测的能源数据发送给与其关联的计算节点；
步骤S130、依据计算节点接收到的能源数据的类别，为计算节点选择计算模型，以预处理该计算节点接收到的能源数据；
步骤S140、子级厂区的计算节点将预处理后的能源数据发送给父级厂区的分析节点，父级厂区的分析节点依据区域后台的能源数据调用请求对预处理后的能源数据进行再处理；
步骤S150、父级厂区的分析节点将再处理后的能源数据发送至区域后台，以响应区域后台的能源数据调用请求。
2.根据权利要求1所述的物联网能源监测方法，其特征在于，获取子级厂区的特征参数，并且将子级厂区的特征参数集合在一起形成子级厂区特征参数集；
依据子级厂区特征参数集，获得子级厂区所需的计算节点的数量；
计算子级厂区内的每个普通节点的计算能力评价值，并按照计算能力评价值从高至低的顺序，选择所需数量的普通计算作为计算节点。
3.根据权利要求2所述的物联网能源监测方法，其特征在于，将一个普通节点的所有计算能力响应参数集合在一起，形成该普通节点计算能力响应参数集；
依据普通节点计算能力响应参数集，得到该普通节点的计算能力评价值。
4.根据权利要求1至3任一项所述的物联网能源监测方法，其特征在于，计算子级厂区内的普通节点与计算节点之间的熵距离，将普通节点关联至与之熵距离最小的计算节点。
5.根据权利要求1至3任一项所述的物联网能源监测方法，其特征在于，获取能源数据的类别特征，并且将能源数据的类别特征集合在一起，形成能源数据类别特征集；
为能源数据类别特征集的每个类别特征参数匹配特征权重；
依据能源数据类别特征集和特征权重集从预先创建的计算模型库中选择出计算模型。
6.一种物联网能源监测系统，其特征在于，包括：计算节点选择单元、节点关联单元、计算模型选择单元、传输单元和对外通信单元；
计算节点选择单元依据子级厂区的类型，从子级厂区的普通节点中选择相应数量的计算节点；
节点关联单元将该子级厂区内剩余的普通节点和与相应的计算节点关联，以使普通节点监测的能源数据发送给与其关联的计算节点；
计算模型选择单元依据计算节点接收到的能源数据的类别，为计算节点选择计算模型，以预处理该计算节点接收到的能源数据；
传输单元将子级厂区的计算节点预处理后的能源数据发送给父级厂区的分析节点，以使父级厂区的分析节点依据区域后台的能源数据调用请求对预处理后的能源数据进行再处理；
对外通信单元将父级厂区的分析节点再处理后的能源数据发送至区域后台，以响应区域后台的能源数据调用请求。
7.根据权利要求6所述的物联网能源监测系统，其特征在于，获取子级厂区的特征参数，并且将子级厂区的特征参数集合在一起形成子级厂区特征参数集；
依据子级厂区特征参数集，获得子级厂区所需的计算节点的数量；
计算子级厂区内的每个普通节点的计算能力评价值，并按照计算能力评价值从高至低的顺序，选择所需数量的普通计算作为计算节点。
8.根据权利要求7所述的物联网能源监测系统，其特征在于，将一个普通节点的所有计算能力响应参数集合在一起，形成该普通节点计算能力响应参数集；
依据普通节点计算能力响应参数集，得到该普通节点的计算能力评价值。
9.根据权利要求6至8任一项所述的物联网能源监测系统，其特征在于，计算子级厂区内的普通节点与计算节点之间的熵距离，将普通节点关联至与之熵距离最小的计算节点。
10.根据权利要求6至8任一项所述的物联网能源监测系统，其特征在于，获取能源数据的类别特征，并且将能源数据的类别特征集合在一起，形成能源数据类别特征集；
为能源数据类别特征集的每个类别特征参数匹配特征权重；
依据能源数据类别特征集和特征权重集从预先创建的计算模型库中选择出计算模型。
CN202310046690.3A 2023-01-31 2023-01-31 一种物联网能源监测方法及系统 Active CN115878943B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310046690.3A CN115878943B (zh) 2023-01-31 2023-01-31 一种物联网能源监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310046690.3A CN115878943B (zh) 2023-01-31 2023-01-31 一种物联网能源监测方法及系统

Publications (2)

Publication Number Publication Date
CN115878943A true CN115878943A (zh) 2023-03-31
CN115878943B CN115878943B (zh) 2023-05-30

Family

ID=85758559

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310046690.3A Active CN115878943B (zh) 2023-01-31 2023-01-31 一种物联网能源监测方法及系统

Country Status (1)

Country Link
CN (1) CN115878943B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150163289A1 (en) * 2013-12-06 2015-06-11 Tata Consultancy Services Limited Data partitioning in internet-of-things (iot) network
CN112486665A (zh) * 2020-11-03 2021-03-12 深圳市中博科创信息技术有限公司 一种基于对等网络的边缘人工智能计算任务调度方法
CN113986521A (zh) * 2020-07-23 2022-01-28 中国联合网络通信集团有限公司 边缘计算节点的部署方法及装置
CN114565325A (zh) * 2022-04-28 2022-05-31 睿至科技集团有限公司 一种电力物联网的大数据分析方法及系统
WO2022171083A1 (zh) * 2021-02-10 2022-08-18 中国移动通信有限公司研究院 基于物联网设备的信息处理方法、相关设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150163289A1 (en) * 2013-12-06 2015-06-11 Tata Consultancy Services Limited Data partitioning in internet-of-things (iot) network
CN113986521A (zh) * 2020-07-23 2022-01-28 中国联合网络通信集团有限公司 边缘计算节点的部署方法及装置
CN112486665A (zh) * 2020-11-03 2021-03-12 深圳市中博科创信息技术有限公司 一种基于对等网络的边缘人工智能计算任务调度方法
WO2022171083A1 (zh) * 2021-02-10 2022-08-18 中国移动通信有限公司研究院 基于物联网设备的信息处理方法、相关设备及存储介质
CN114565325A (zh) * 2022-04-28 2022-05-31 睿至科技集团有限公司 一种电力物联网的大数据分析方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曾志 等: "云环境下基于Ｅｎｔｒｏｐｙ－ＫＮＮ算法的节点选择策略" *

Also Published As

Publication number Publication date
CN115878943B (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
US10965554B2 (en) Data processing method and related device, and system
CN116361377B (zh) 基于工业物联网服务平台的负载预测系统、方法及介质
US11060885B2 (en) Univariate anomaly detection in a sensor network
CN114610559A (zh) 设备运行环境评估方法、判决模型训练方法、电子设备
CN107180088A (zh) 基于模糊c均值聚类算法的新闻推荐方法
CN105871634A (zh) 检测集群异常的方法及应用、管理集群的系统
CN110531988B (zh) 应用程序的状态预测方法及相关装置
CN112650580A (zh) 一种基于边缘计算的工业大数据监测系统
CN104657457B (zh) 一种用户评价视频的数据处理方法、视频推荐方法及装置
CN116980284B (zh) 一种基于物联网的光缆分纤箱运维信息传输方法和系统
US20230034061A1 (en) Method for managing proper operation of base station and system applying the method
CN112149967A (zh) 基于复杂系统理论的电力通信网脆弱性评估方法和系统
CN117097026A (zh) 一种基于源网荷储新型电力系统运维监控平台的操作方法
WO2020057402A1 (zh) 系统状态监视方法、装置和存储介质
CN117852896A (zh) 一种施工监理风险控制预警系统及方法
CN117118810B (zh) 一种网络通信异常预警方法及系统
JP7095988B2 (ja) 異常監視システム、異常監視方法及びプログラム
CN115878943A (zh) 一种物联网能源监测方法及系统
CN115801361B (zh) 一种网络安全运维能力评估方法及系统
CN114119292B (zh) 一种基于物联网与大数据的建筑管理系统
US20190145646A1 (en) Method of evaluating an hvac unit
CN113794646B (zh) 能源行业的监控数据传输系统及方法
CN114048020B (zh) 一种基于大数据客房管理系统
CN112907124A (zh) 一种数据链路异常评测方法、装置、电子设备及存储介质
CN117930669B (zh) 基于物联网的智能家居远程控制方法

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