CN115878943B - 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
CN115878943B
CN115878943B CN202310046690.3A CN202310046690A CN115878943B CN 115878943 B CN115878943 B CN 115878943B CN 202310046690 A CN202310046690 A CN 202310046690A CN 115878943 B CN115878943 B CN 115878943B
Authority
CN
China
Prior art keywords
sub
computing
energy data
node
level factory
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
CN202310046690.3A
Other languages
English (en)
Other versions
CN115878943A (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

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_7
，其中，/>
Figure SMS_2
为子级厂区/>
Figure SMS_10
的特征参数集，/>
Figure SMS_8
为子级厂区/>
Figure SMS_9
的第1个特征参数，/>
Figure SMS_11
为子级厂区/>
Figure SMS_17
的第2个特征参数，/>
Figure SMS_6
为子级厂区/>
Figure SMS_13
的第/>
Figure SMS_1
个特征参数，/>
Figure SMS_14
为子级厂区的第/>
Figure SMS_4
个特征参数。例如：/>
Figure SMS_16
为子级厂区/>
Figure SMS_3
的工艺流程特征、/>
Figure SMS_12
为子级厂区/>
Figure SMS_15
的装置情况特征、/>
Figure SMS_19
为子级厂区/>
Figure SMS_18
的产品类型特征、/>
Figure SMS_20
为子级厂区/>
Figure SMS_5
的能源管理水平特征。
依据子级厂区特征参数集
Figure SMS_23
，获得子级厂区所需的计算节点的数量/>
Figure SMS_26
。具体的，依据公式/>
Figure SMS_30
得到子级厂区/>
Figure SMS_24
所需的计算节点的数量/>
Figure SMS_25
，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_29
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_27
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_50
的普通计算作为计算节点。子级厂区/>
Figure SMS_53
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_57
，其中，
Figure SMS_39
为子级厂区/>
Figure SMS_44
内的第/>
Figure SMS_54
个普通节点的计算能力响应参数集，/>
Figure SMS_62
为子级厂区/>
Figure SMS_52
内的第/>
Figure SMS_59
个普通节点的第1个计算能力响应参数，/>
Figure SMS_36
为子级厂区/>
Figure SMS_47
内的第/>
Figure SMS_61
个普通节点的第2个计算能力响应参数，/>
Figure SMS_67
为子级厂区/>
Figure SMS_66
内的第/>
Figure SMS_72
个普通节点的第/>
Figure SMS_40
个计算能力响应参数，/>
Figure SMS_42
为子级厂区/>
Figure SMS_55
内的第/>
Figure SMS_63
个普通节点的第/>
Figure SMS_34
个计算能力响应参数。例如：/>
Figure SMS_49
为子级厂区/>
Figure SMS_56
内的第/>
Figure SMS_60
个普通节点的硬盘占用率、/>
Figure SMS_41
为子级厂区/>
Figure SMS_46
内的第/>
Figure SMS_37
个普通节点的CPU利用率、/>
Figure SMS_43
为子级厂区/>
Figure SMS_38
内的第/>
Figure SMS_48
个普通节点的内存占用率、/>
Figure SMS_64
为子级厂区/>
Figure SMS_70
内的第/>
Figure SMS_71
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_76
，得到该普通节点的计算能力评价值。具体的，依据公式/>
Figure SMS_68
计算得到子级厂区
Figure SMS_75
内的第/>
Figure SMS_69
个普通节点的计算能力评价值/>
Figure SMS_74
，其中，/>
Figure SMS_73
为子级厂区/>
Figure SMS_77
内的第/>
Figure SMS_51
个普通节点的第/>
Figure SMS_58
个计算能力响应参数的预期值，/>
Figure SMS_35
为第/>
Figure SMS_45
个计算能力响应参数对计算能力评价值影响的权重，/>
Figure SMS_65
，且/>
Figure SMS_78
。
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_80
计算普通节点/>
Figure SMS_82
与计算节点/>
Figure SMS_84
之间的熵距离/>
Figure SMS_81
，其中，/>
Figure SMS_83
为普通节点/>
Figure SMS_85
在该子级厂区内的所有节点中的重要度，/>
Figure SMS_86
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_94
，其中，/>
Figure SMS_88
为子级厂区/>
Figure SMS_96
内的第/>
Figure SMS_89
个计算节点接收到的能源数据的类别特征集，/>
Figure SMS_95
为子级厂区/>
Figure SMS_100
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_92
为子级厂区/>
Figure SMS_101
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_102
为子级厂区/>
Figure SMS_91
内的第/>
Figure SMS_97
个计算节点接收到的与之关联的第/>
Figure SMS_98
个普通节点发送的能源数据的类别特征参数，/>
Figure SMS_104
为子级厂区/>
Figure SMS_90
内的第/>
Figure SMS_99
个计算节点接收到的与之关联的第/>
Figure SMS_93
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_107
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_112
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_115
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_108
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_111
中的每个类别特征参数的特征权重，构成特征权重集/>
Figure SMS_114
，其中，/>
Figure SMS_117
为/>
Figure SMS_105
的特征权重，/>
Figure SMS_109
为
Figure SMS_116
的特征权重，/>
Figure SMS_118
为/>
Figure SMS_106
的特征权重，/>
Figure SMS_110
为/>
Figure SMS_113
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_126
，其中，/>
Figure SMS_125
为子级厂区/>
Figure SMS_133
的特征参数集，/>
Figure SMS_130
为子级厂区/>
Figure SMS_132
的第1个特征参数，/>
Figure SMS_128
为子级厂区/>
Figure SMS_140
的第2个特征参数，/>
Figure SMS_131
为子级厂区/>
Figure SMS_134
的第/>
Figure SMS_124
个特征参数，/>
Figure SMS_136
为子级厂区的第/>
Figure SMS_129
个特征参数。例如：/>
Figure SMS_135
为子级厂区/>
Figure SMS_137
的工艺流程特征、/>
Figure SMS_141
为子级厂区/>
Figure SMS_138
的装置情况特征、/>
Figure SMS_142
为子级厂区/>
Figure SMS_139
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_147
，获得子级厂区所需的计算节点的数量/>
Figure SMS_148
。具体的，依据公式/>
Figure SMS_153
得到子级厂区/>
Figure SMS_146
所需的计算节点的数量/>
Figure SMS_150
，其中，/>
Figure SMS_152
为子级厂区/>
Figure SMS_154
的第/>
Figure SMS_144
个特征参数/>
Figure SMS_149
对子级厂区/>
Figure SMS_155
所需的计算节点的数量/>
Figure SMS_156
的影响权重，
Figure SMS_145
为对/>
Figure SMS_151
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_160
的普通计算作为计算节点。子级厂区/>
Figure SMS_164
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_180
，其中，
Figure SMS_161
为子级厂区/>
Figure SMS_165
内的第/>
Figure SMS_166
个普通节点的计算能力响应参数集，/>
Figure SMS_175
为子级厂区/>
Figure SMS_174
内的第/>
Figure SMS_181
个普通节点的第1个计算能力响应参数，/>
Figure SMS_159
为子级厂区/>
Figure SMS_169
内的第/>
Figure SMS_163
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_171
内的第/>
Figure SMS_178
个普通节点的第/>
Figure SMS_188
个计算能力响应参数，/>
Figure SMS_196
为子级厂区/>
Figure SMS_189
内的第/>
Figure SMS_195
个普通节点的第/>
Figure SMS_157
个计算能力响应参数。例如：/>
Figure SMS_167
为子级厂区/>
Figure SMS_172
内的第/>
Figure SMS_182
个普通节点的硬盘占用率、/>
Figure SMS_199
为子级厂区/>
Figure SMS_201
内的第/>
Figure SMS_187
个普通节点的CPU利用率、/>
Figure SMS_191
为子级厂区/>
Figure SMS_190
内的第/>
Figure SMS_197
个普通节点的内存占用率、/>
Figure SMS_193
为子级厂区/>
Figure SMS_200
内的第/>
Figure SMS_179
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_184
，得到该普通节点的计算能力评价值。具体的，依据公式/>
Figure SMS_158
计算得到子级厂区
Figure SMS_173
内的第/>
Figure SMS_185
个普通节点的计算能力评价值/>
Figure SMS_194
，其中，/>
Figure SMS_186
为子级厂区/>
Figure SMS_192
内的第/>
Figure SMS_176
个普通节点的第/>
Figure SMS_198
个计算能力响应参数的预期值，/>
Figure SMS_162
为第/>
Figure SMS_170
个计算能力响应参数对计算能力评价值影响的权重，/>
Figure SMS_177
，且/>
Figure SMS_183
。
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_206
与计算节点/>
Figure SMS_208
之间的熵距离/>
Figure SMS_203
，其中，/>
Figure SMS_205
为普通节点/>
Figure SMS_207
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_226
，其中，/>
Figure SMS_212
为子级厂区/>
Figure SMS_218
内的第/>
Figure SMS_215
个计算节点接收到的能源数据的类别特征集，/>
Figure SMS_225
为子级厂区/>
Figure SMS_216
内的第/>
Figure SMS_222
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_217
为子级厂区/>
Figure SMS_219
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_223
为子级厂区/>
Figure SMS_211
内的第/>
Figure SMS_221
个计算节点接收到的与之关联的第/>
Figure SMS_214
个普通节点发送的能源数据的类别特征参数，/>
Figure SMS_220
为子级厂区/>
Figure SMS_213
内的第/>
Figure SMS_224
个计算节点接收到的与之关联的第/>
Figure SMS_227
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_237
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_240
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_234
中的每个类别特征参数的特征权重，构成特征权重集/>
Figure SMS_235
，其中，/>
Figure SMS_239
为/>
Figure SMS_228
的特征权重，/>
Figure SMS_233
为/>
Figure SMS_236
的特征权重，/>
Figure SMS_241
为/>
Figure SMS_229
的特征权重，/>
Figure SMS_232
为/>
Figure SMS_238
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 (4)

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；
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；
依据公式
Figure QLYQS_2
得到子级厂区/>
Figure QLYQS_6
所需的计算节点的数量/>
Figure QLYQS_9
，其中，/>
Figure QLYQS_3
为子级厂区/>
Figure QLYQS_5
的第/>
Figure QLYQS_10
个特征参数，/>
Figure QLYQS_12
为/>
Figure QLYQS_1
对子级厂区/>
Figure QLYQS_7
所需的计算节点的数量/>
Figure QLYQS_11
的影响权重，/>
Figure QLYQS_13
为对/>
Figure QLYQS_4
向上取整，/>
Figure QLYQS_8
为子级厂区特征参数集中的特征参数的数量；
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；
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；
依据公式
Figure QLYQS_27
计算得到子级厂区/>
Figure QLYQS_15
内的第/>
Figure QLYQS_20
个普通节点的计算能力评价值/>
Figure QLYQS_17
，其中，/>
Figure QLYQS_22
为子级厂区/>
Figure QLYQS_18
内的第/>
Figure QLYQS_25
个普通节点的第/>
Figure QLYQS_28
个计算能力响应参数，/>
Figure QLYQS_32
为子级厂区/>
Figure QLYQS_14
内的第/>
Figure QLYQS_24
个普通节点的第/>
Figure QLYQS_26
个计算能力响应参数的预期值，/>
Figure QLYQS_31
为第/>
Figure QLYQS_29
个计算能力响应参数对计算能力评价值影响的权重，/>
Figure QLYQS_30
，且/>
Figure QLYQS_16
，
Figure QLYQS_23
为子级厂区/>
Figure QLYQS_19
内的第/>
Figure QLYQS_21
个普通节点的计算能力响应参数集中的计算能力响应参数的数量；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；
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；
依据公式
Figure QLYQS_35
计算得到模型选择指标/>
Figure QLYQS_36
，根据模型选择指标/>
Figure QLYQS_39
从预先创建的计算模型库中选择出计算模型；其中，/>
Figure QLYQS_34
为能源数据类别特征集中的子级厂区
Figure QLYQS_38
内的第/>
Figure QLYQS_40
个计算节点接收到的与之关联的第/>
Figure QLYQS_42
个普通节点发送的能源数据的类别特征参数，/>
Figure QLYQS_33
为/>
Figure QLYQS_37
的特征权重，/>
Figure QLYQS_41
为能源数据类别特征集中的类别特征参数的数量；
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，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。
3.一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；
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；
依据公式
Figure QLYQS_46
得到子级厂区/>
Figure QLYQS_50
所需的计算节点的数量/>
Figure QLYQS_51
，其中，/>
Figure QLYQS_44
为子级厂区/>
Figure QLYQS_47
的第/>
Figure QLYQS_52
个特征参数，/>
Figure QLYQS_54
为/>
Figure QLYQS_43
对子级厂区/>
Figure QLYQS_49
所需的计算节点的数量/>
Figure QLYQS_53
的影响权重，/>
Figure QLYQS_55
为对/>
Figure QLYQS_45
向上取整，/>
Figure QLYQS_48
为子级厂区特征参数集中的特征参数的数量；
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；
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；
依据公式
Figure QLYQS_71
计算得到子级厂区/>
Figure QLYQS_60
内的第/>
Figure QLYQS_66
个普通节点的计算能力评价值/>
Figure QLYQS_61
，其中，/>
Figure QLYQS_65
为子级厂区/>
Figure QLYQS_69
内的第/>
Figure QLYQS_74
个普通节点的第/>
Figure QLYQS_57
个计算能力响应参数，/>
Figure QLYQS_67
为子级厂区/>
Figure QLYQS_56
内的第/>
Figure QLYQS_62
个普通节点的第/>
Figure QLYQS_58
个计算能力响应参数的预期值，/>
Figure QLYQS_63
为第/>
Figure QLYQS_70
个计算能力响应参数对计算能力评价值影响的权重，/>
Figure QLYQS_73
，且/>
Figure QLYQS_59
，
Figure QLYQS_64
为子级厂区/>
Figure QLYQS_68
内的第/>
Figure QLYQS_72
个普通节点的计算能力响应参数集中的计算能力响应参数的数量；
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；
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；
依据公式
Figure QLYQS_76
计算得到模型选择指标/>
Figure QLYQS_79
，根据模型选择指标/>
Figure QLYQS_83
从预先创建的计算模型库中选择出计算模型；其中，/>
Figure QLYQS_77
为能源数据类别特征集中的子级厂区
Figure QLYQS_78
内的第/>
Figure QLYQS_82
个计算节点接收到的与之关联的第/>
Figure QLYQS_84
个普通节点发送的能源数据的类别特征参数，/>
Figure QLYQS_75
为/>
Figure QLYQS_80
的特征权重，/>
Figure QLYQS_81
为能源数据类别特征集中的类别特征参数的数量；
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。
4.根据权利要求3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。
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 CN115878943A (zh) 2023-03-31
CN115878943B true 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)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IN2013MU03836A (zh) * 2013-12-06 2015-07-31 Tata Consultancy Services Ltd
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
CN112486665B (zh) * 2020-11-03 2022-03-18 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
CN114945028B (zh) * 2021-02-10 2023-08-01 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
CN114565325B (zh) * 2022-04-28 2022-07-29 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

Also Published As

Publication number Publication date
CN115878943A (zh) 2023-03-31

Similar Documents

Publication Publication Date Title
WO2022077588A1 (zh) 可调节负荷参与需求响应的调用方法、系统及装置
CN102508771B (zh) 一种软件运行状态评价方法
US8428783B2 (en) Method and system for distributed energy generator message aggregation
AU2011239306B2 (en) Digital analytics system
CN110493065B (zh) 一种云中心运维的告警关联度分析方法及系统
CN104462121B (zh) 数据处理方法、装置及系统
CN112860695B (zh) 监控数据查询方法、装置、设备、存储介质及程序产品
CN112749221A (zh) 数据任务调度方法、装置、存储介质及调度工具
CN115033477B (zh) 一种面向大规模微服务的性能异常主动检测和处理方法及系统
CN115878943B (zh) 一种物联网能源监测方法及系统
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
WO2021147319A1 (zh) 一种数据处理方法、装置、设备及介质
CN112000548A (zh) 大数据组件的监测方法、装置及电子设备
CN110070392B (zh) 用户流失预警方法和装置
CN112308731A (zh) 一种采集系统多任务并发处理的云计算方法及系统
JP2014078134A (ja) センサ情報高速データ処理システム及びセンサ情報高速処理・表示システム
CN115169634A (zh) 一种任务分配优化处理方法及装置
US11736562B1 (en) Method and system for achieving high availability of service under high-load scene in distributed system
CN111427667B (zh) Jvm负载量化及优化方法
CN114169862A (zh) 医院后勤自动排班的方法、系统、计算机设备及存储介质
CN110531988B (zh) 应用程序的状态预测方法及相关装置
CN116562468B (zh) 基于crm系统的自适应线索派发和分配方法及系统
CN111720954A (zh) 产品的节能方法及节能运算系统
CN112988529A (zh) 一种基于机器学习进行数据库系统性能预测的方法及系统
Martins et al. Hercules: A context-aware multiple application and multisensor data fusion algorithm

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