CN116800334A - 一种基于模拟光纤通信的数据同步传输优化方法及系统 - Google Patents
一种基于模拟光纤通信的数据同步传输优化方法及系统 Download PDFInfo
- Publication number
- CN116800334A CN116800334A CN202310683573.8A CN202310683573A CN116800334A CN 116800334 A CN116800334 A CN 116800334A CN 202310683573 A CN202310683573 A CN 202310683573A CN 116800334 A CN116800334 A CN 116800334A
- Authority
- CN
- China
- Prior art keywords
- data
- communication
- redundant
- inputting
- redundancy
- 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
Links
- 238000004891 communication Methods 0.000 title claims abstract description 164
- 238000005457 optimization Methods 0.000 title claims abstract description 69
- 230000005540 biological transmission Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000013307 optical fiber Substances 0.000 title claims abstract description 29
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 51
- 230000001052 transient effect Effects 0.000 claims abstract description 46
- 238000012795 verification Methods 0.000 claims abstract description 21
- 238000013210 evaluation model Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 48
- 230000008859 change Effects 0.000 claims description 46
- 238000011156 evaluation Methods 0.000 claims description 40
- 238000005070 sampling Methods 0.000 claims description 14
- 230000003111 delayed effect Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 239000000835 fiber Substances 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 3
- 230000007423 decrease Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Maintenance And Management Of Digital Transmission (AREA)
Abstract
本发明属于通信优化技术领域,具体涉及一种基于模拟光纤通信的数据同步传输优化方法及系统。该发明能够在通信设备内产生冗余数据后,构建临时性的暂态周期,以此来判断其是否为瞬时数据,避免监测周期的误构建,同时在监测周期构建之后,会对其内的待评估参数进行趋势分析以及预测分析,并且该趋势分析结果还会进行进一步的校验,适时调整监测周期,保证最终得出的预估冗余量的准确性,之后以预估冗余量为基础,结合评估模型和自适应优化模型来调整各个通信数据输出时序,保证通信设备输出数据的及时性和有效性。
Description
技术领域
本发明属于通信优化技术领域,具体涉及一种基于模拟光纤通信的数据同步传输优化方法及系统。
背景技术
配电网自动化终端通信方式采用光纤通信和无线通信方式,存在光缆敷设造价高、易受外力破坏以及无线信号不稳定等问题,影响部分配电自动化终端的实用化水平,同时还会存在空包传输等问题,从而就会产生无效传输,并且其还会占据通信设备的传输量,使得其它必要通信数据的传输存在延迟,其是导致载波通信速率低的主要原因之一,为保证数据输出的及时性,在其内部产生空包数据或者冗余数据时,进行合理性的优化是必不可少的。
现有技术中,在对光纤通信数据进行优化时,多只是筛选出空包数据来减缓通信设备的负载,但是其它冗余数据的堆积会导致部分数据的延迟度增加,后续即使能够输出,但因为延迟过大,已经不能够满足当前需求,这无疑就会使得该条数据无效化,基于此,本方案提供了一种能够在通信设备内产生冗余数据后,调整各个通信数据输出时序的数据传输优化方法。
发明内容
本发明的目的是提供一种基于模拟光纤通信的数据同步传输优化方法及系统,能够在通信设备内产生冗余数据后,调整各个通信数据输出时序,保证通信设备输出数据的有效性。
本发明采取的技术方案具体如下:
一种基于模拟光纤通信的数据同步传输优化方法,包括:
获取通信设备中通信数据的数据传输信息,其中,所述数据传输信息包括前端输入数据量和后端输出数据量;
对所述前端数据输入量与后端数据输出量进行比较;
若所述前端数据输入量小于或等于后端数据输出量,则表明所述通信设备正常传输数据;
若所述前端数据输入量大于后端数据输出量,则所述通信设备内产生冗余数据,且通信数据传输延迟;
构建监测周期,并在所述监测周期内设置多个取样节点,且实时获取每个所述取样节点下的冗余数据量,再将其标定为待评估参数;
将所述待评估参数输入至趋势分析模型中,得到冗余数据量的变化趋势值;
获取当前冗余数据量,并与所述冗余数据量的变化趋势值一同输入至预测模型中,得到预估冗余量;
获取容许冗余阈值,并与所述预估冗余量进行比较,且在所述预估冗余量高于或等于容许冗余阈值时发出报警信号,在所述预估冗余量低于容许冗余阈值时,将其输入至评估模型中,得到通信数据的输出延迟度;
获取通信数据延迟需求,再将其输入至自适应优化模型中,得到各个通信数据的输出时序。
在一种优选方案中,所述构建监测周期的步骤,包括:
获取所述前端数据输入量大于后端数据输出量的发生节点,并将其标定为待评估节点;
以所述待评估节点为起始节点,构建暂态周期;
获取所述暂态周期内所有的前端数据输入量与后端数据输出量的差值,再将其标定为偏离差量;
统计所述暂态周期内所有偏离差量,并将所述偏离差量输入至调节模型中,判断所述暂态周期内偏离差量是否连续下降;
若是,则获取监测时长,并以所述待评估节点为起始节点构建监测周期;
若否,则表明所述偏离差量为瞬时数据,且不再构建监测周期。
在一种优选方案中,所述将所述偏离差量输入至调节模型中,判断所述暂态周期内偏离差量是否连续下降的步骤,包括:
获取所述暂态周期内所有的偏离差量,并按照发生时间的顺序进行排列;
获取所述暂态周期结束结点下的偏离差量,并将其标定为基准数据;
以所述基准数据对应的时间节点为起点,所述暂态周期中心节点为结束节点,采集多个偏离差量,并将其标定为待比对参数,且筛选出所有取值大于零的待比对参数,并统计其数量;
获取评估阈值,并与所述取值大于零的待比对参数的数量进行比较;
若所述评估阈值高于大于零的待比对参数的数量,则表明所述暂态周期内的偏离差量连续下降;
若所述评估阈值小于或等于大于零的待比对参数的数量,则表明所述暂态周期内的偏离差量为瞬时数据。
在一种优选方案中,所述将所述待评估参数输入至趋势分析模型中,得到冗余数据量的变化趋势值的步骤,包括:
获取监测周期内的待评估参数;
从所述趋势分析模型中调用趋势分析函数;
将所述监测周期内所有的待评估参数输入至趋势分析函数中,并将输出结果标定为冗余数据量的变化趋势值。
在一种优选方案中,所述冗余数据量的变化趋势值确定之后,判断其是否能输入至预测模型中,具体过程如下:
获取相邻的待评估参数标定为校验参数;
调用校验函数,并将所述校验参数与冗余数据量的变化趋势值一同输入至校验函数中,并统计校验结果的准确率;
获取评价阈值,并与所述校验结果的准确率进行比较;
若所述评价阈值高于校验结果的准确率,则表明所述冗余数据量的变化趋势值不能输入至预测模型中,并重新计算冗余数据量的变化趋势值;
若所述评价阈值低于或等于校验结果的准确率,则表明所述冗余数据量的变化趋势值能输入至预测模型中。
在一种优选方案中,所述获取当前冗余数据量,并与所述冗余数据量的变化趋势值一同输入至预测模型中,得到预估冗余量的步骤,包括:
获取通信设备内的当前冗余数据量、预测间隔以及冗余数据量的变化趋势值;
从所述预测模型中调用预测函数;
将所述当前冗余数据量、预测间隔以及冗余数据量的变化趋势值一同输入至预测函数中,并将输出结果标定为预估冗余量。
在一种优选方案中,所述在所述预估冗余量低于容许冗余阈值时,将其输入至评估模型中,得到通信数据的输出延迟度的步骤,包括:
获取所述预估冗余量与容许冗余阈值之间的差值,并将其标定为冗余差量;
从所述评估模型中调用评估函数;
将所述冗余差量输入至评估函数中,并将输出结果标定为通信数据的输出延迟度。
在一种优选方案中,所述获取通信数据延迟需求,再将其输入至自适应优化模型中,得到各个通信数据的输出时序的步骤,包括:
获取所有通信数据的输出延迟度,以及所有通信数据的容许延迟度;
从所述自适应优化模型中调用标准函数,并将所有通信数据的输出延迟度及其容许延迟度输入至标准函数中,并将输出结果标定为通信数据的延迟风险;
从所述自适应优化模型中调用优化函数,并将所述冗余差量以及延迟风险一同输入至优化函数中,且将优化结果按照由大至小的顺序进行排列,再将优化结果排列顺序确定为各个通信数据的输出时序。
本发明还提供了,一种基于模拟光纤通信的数据同步传输优化系统,应用于上述的基于模拟光纤通信的数据同步传输优化方法,包括:
数据采集模块,所述数据采集模块用于获取通信设备中通信数据的数据传输信息,其中,所述数据传输信息包括前端输入数据量和后端输出数据量;
比对模块,所述比对模块用于对所述前端数据输入量与后端数据输出量进行比较;
若所述前端数据输入量小于或等于后端数据输出量,则表明所述通信设备正常传输数据;
若所述前端数据输入量大于后端数据输出量,则所述通信设备内产生冗余数据,且通信数据传输延迟;
监测模块,所述监测模块用于构建监测周期,并在所述监测周期内设置多个取样节点,且实时获取每个所述取样节点下的冗余数据量,再将其标定为待评估参数;
趋势分析模块,所述趋势分析模块用于将所述待评估参数输入至趋势分析模型中,得到冗余数据量的变化趋势值;
预测模块,所述预测模块用于获取当前冗余数据量,并与所述冗余数据量的变化趋势值一同输入至预测模型中,得到预估冗余量;
评估模块,所述评估模块用于获取容许冗余阈值,并与所述预估冗余量进行比较,且在所述预估冗余量高于或等于容许冗余阈值时发出报警信号,在所述预估冗余量低于容许冗余阈值时,将其输入至评估模型中,得到通信数据的输出延迟度;
优化模块,所述优化模块用于获取通信数据延迟需求,再将其输入至自适应优化模型中,得到各个通信数据的输出时序。
以及,一种基于模拟光纤通信的数据同步传输优化终端,包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的基于模拟光纤通信的数据同步传输优化方法。
本发明取得的技术效果为:
本发明能够在通信设备内产生冗余数据后,构建临时性的暂态周期,以此来判断其是否为瞬时数据,避免监测周期的误构建,同时在监测周期构建之后,会对其内的待评估参数进行趋势分析以及预测分析,并且该趋势分析结果还会进行进一步的校验,适时调整监测周期,保证最终得出的预估冗余量的准确性,之后以预估冗余量为基础,结合评估模型和自适应优化模型来调整各个通信数据输出时序,保证通信设备输出数据的及时性和有效性。
附图说明
图1是本发明所提供的方法流程图;
图2是本发明所提供的系统模块图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个较佳的实施方式中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
请参阅图1和图2所示,本发明提供了一种基于模拟光纤通信的数据同步传输优化方法,包括:
S1、获取通信设备中通信数据的数据传输信息,其中,数据传输信息包括前端输入数据量和后端输出数据量;
S2、对前端数据输入量与后端数据输出量进行比较;
若前端数据输入量小于或等于后端数据输出量,则表明通信设备正常传输数据;
若前端数据输入量大于后端数据输出量,则通信设备内产生冗余数据,且通信数据传输延迟;
S3、构建监测周期,并在监测周期内设置多个取样节点,且实时获取每个取样节点下的冗余数据量,再将其标定为待评估参数;
S4、将待评估参数输入至趋势分析模型中,得到冗余数据量的变化趋势值;
S5、获取当前冗余数据量,并与冗余数据量的变化趋势值一同输入至预测模型中,得到预估冗余量;
S6、获取容许冗余阈值,并与预估冗余量进行比较,且在预估冗余量高于或等于容许冗余阈值时发出报警信号,在预估冗余量低于容许冗余阈值时,将其输入至评估模型中,得到通信数据的输出延迟度;
S7、获取通信数据延迟需求,再将其输入至自适应优化模型中,得到各个通信数据的输出时序。
如上述步骤S1-S7所述,配电网自动化终端通信方式采用光纤通信和无线通信方式,存在光缆敷设造价高、易受外力破坏以及无线信号不稳定等问题,影响部分配电自动化终端的实用化水平,同时还会存在空包传输等问题,从而就会产生无效传输,并且其还会占据通信设备的传输量,使得其它必要通信数据的传输存在延迟,其是导致载波通信速率低的主要原因之一,本实施例中,首先获取通信设备的传输信号的能力,即其在传输数据中的前端输入数据量和后端数据输出量是否能够处于持平,或者后端数据输出量是否能够大于前端数据输入量,在后端数据输出量低于前端数据输入量时,就会导致通信设备内产生冗余数据,当冗余数据积攒过多,就会使得通信设备的响应速度变慢,同时还会使得数据传输过程出现延迟,但其通信设备运行过程中属于必然会出现的现象,基于此,在冗余数据产生之后,本实施例通过构建监测周期,统计监测周期内各个取样节点下的冗余数据量,再将其输入至趋势分析模型中,测算出冗余数据量的变化趋势值,后续再结合当前冗余数据量,通过预测模型计算出下一节点或者用户自设节点下的预估冗余量,在其未发生之前与容许冗余阈值进行比较,再结合评估模型得到通信数据的输出延迟度,最后根据自适应优化模型确定各个通信数据的输出时序即可,满足用户的实际需求,降低数据传输的延迟,同时还能够将空包数据筛除,保证通信设备传输数据的稳定性。
在一个较佳的实施方式中,构建监测周期的步骤,包括:
S301、获取前端数据输入量大于后端数据输出量的发生节点,并将其标定为待评估节点;
S302、以待评估节点为起始节点,构建暂态周期;
S303、获取暂态周期内所有的前端数据输入量与后端数据输出量的差值,再将其标定为偏离差量;
S304、统计暂态周期内所有偏离差量,并将偏离差量输入至调节模型中,判断暂态周期内偏离差量是否连续下降;
若是,则获取监测时长,并以待评估节点为起始节点构建监测周期;
若否,则表明偏离差量为瞬时数据,且不再构建监测周期。
如上述步骤S301-S304所述,在构建监测周期时,首先需要确定的是前端数据输入量大于后端数据输出量的发生节点,本实施方式将其标定能够为待评估节点,之后以其为起始节点构建一个暂态周期,暂态周期的构建目的在于判断前端数据输入量大于后端数据输出量是否为瞬时现象,具体是将前端数据输入量与后端数据输出量的差值标定为偏离差量,再将偏离差量输入至调节模型中,判断偏离差量是否连续下降,只有在其连续下降的情况下才会构建监测周期,监测周期的起始节点即为待评估节点,而监测周期的结束节点需要根据预设的监测时长进行设置,监测时长的设置应根据通信设备的使用环境进行设置,文中对其就不加以具体的限制。
在一个较佳的实施方式中,将偏离差量输入至调节模型中,判断暂态周期内偏离差量是否连续下降的步骤,包括:
Stp1、获取暂态周期内所有的偏离差量,并按照发生时间的顺序进行排列;
Stp2、获取暂态周期结束结点下的偏离差量,并将其标定为基准数据;
Stp3、以基准数据对应的时间节点为起点,暂态周期中心节点为结束节点,采集多个偏离差量,并将其标定为待比对参数,且筛选出所有取值大于零的待比对参数,并统计其数量;
Stp4、获取评估阈值,并与取值大于零的待比对参数的数量进行比较;
若评估阈值高于大于零的待比对参数的数量,则表明暂态周期内的偏离差量连续下降;
若评估阈值小于或等于大于零的待比对参数的数量,则表明暂态周期内的偏离差量为瞬时数据。
如上述步骤Stp1-Stp4所述,在暂态周期确定之后,统计暂态周期内所有的偏离差量,并按照发生时间进行排列,而后将暂态周期结束节点下的偏离差量确定为基准数据,进行反向取样,其取样过程的结束节点为暂态周期的中心节点,而后对其执行筛选操作,筛选出所有取值大于零的待比对参数,在统计其数量,之后将其与预设的评估阈值进行比较,只有在评估阈值高于大于零的待比对参数的数量,才会判定暂态周期内的偏离差量连续下降,否则认定暂态周期内的偏离差量为瞬时数据,且停止监测周期的构建。
在一个较佳的实施方式中,将待评估参数输入至趋势分析模型中,得到冗余数据量的变化趋势值的步骤,包括:
S401、获取监测周期内的待评估参数;
S402、从趋势分析模型中调用趋势分析函数;
S403、将监测周期内所有的待评估参数输入至趋势分析函数中,并将输出结果标定为冗余数据量的变化趋势值。
如上述步骤S401-S403所述,在构建监测周期时,即表明通信设备内出现持续性的冗余数据,而后从趋势分析模型中调用趋势分析函数,并将待评估参数输入至趋势分析函数中,其中,趋势分析函数为:式中,Q表示冗余数据量的变化趋势值,n表示待评估参数的数量,i表示待评估参数的编号,不参与实际运算,Ri和Ri-1表示相邻的待评估参数,基于此,便可求出冗余数据量的变化趋势值,为后续预测通信设备内的冗余数据量提供相应的数据支持。
在一个较佳的实施方式中,冗余数据量的变化趋势值确定之后,判断其是否能输入至预测模型中,具体过程如下:
获取相邻的待评估参数标定为校验参数;
调用校验函数,并将校验参数与冗余数据量的变化趋势值一同输入至校验函数中,并统计校验结果的准确率;
获取评价阈值,并与校验结果的准确率进行比较;
若评价阈值高于校验结果的准确率,则表明冗余数据量的变化趋势值不能输入至预测模型中,并重新计算冗余数据量的变化趋势值;
若评价阈值低于或等于校验结果的准确率,则表明冗余数据量的变化趋势值能输入至预测模型中。
如上述,在冗余数据量的变化趋势值确定之后,需要先行对其进行校验,以此来保证后续预测模型输出结果的准确性,具体是通过将相邻的待评估参数确定为校验参数,结合已得出的冗余数据量的变化趋势值进行校验的,其校验函数为:Rh=Rq+Qt,式中,Rh表示位次靠后的待评估参数,Rq表示位次靠前的待评估参数,t表示相邻的待评估参数之间的时长,基于上式,对于满足此式的校验参数而言,就判定其校验结果准确,反之则判断其错误,当然,为避免微小偏差的影响,可以预设一个容许偏差区间,在校验结果处于容许偏差区间之内时,均可判定其正确,最后只需统计其正确率(准确率)即可,只有在校验结果的准确率高于或者等于评价阈值时,才能将冗余数据量的变化趋势值能输入至预测模型中,否则就需要延长监测周期的时长来增加输入至趋势分析模型中的数据量来保证冗余数据量的变化趋势值的准确性。
在一个较佳的实施方式中,获取当前冗余数据量,并与冗余数据量的变化趋势值一同输入至预测模型中,得到预估冗余量的步骤,包括:
S501、获取通信设备内的当前冗余数据量、预测间隔以及冗余数据量的变化趋势值;
S502、从预测模型中调用预测函数;
S503、将当前冗余数据量、预测间隔以及冗余数据量的变化趋势值一同输入至预测函数中,并将输出结果标定为预估冗余量。
如上述步骤S501-S503所述,在计算预估冗余量时,首先从预测模型中调用预测函数,其中,预测函数为:Ry=Rd+QT,式中,Ry表示预估冗余量,Rd表示当前冗余数据量,T表示预测间隔,基于上式,便可测算出用户需求或者系统默认节点下的预估冗余量,在其发生之前进行提前评估,保证通信设备内通信数据优化的及时性。
在一个较佳的实施方式中,在预估冗余量低于容许冗余阈值时,将其输入至评估模型中,得到通信数据的输出延迟度的步骤,包括:
S601、获取预估冗余量与容许冗余阈值之间的差值,并将其标定为冗余差量;
S602、从评估模型中调用评估函数;
S603、将冗余差量输入至评估函数中,并将输出结果标定为通信数据的输出延迟度。
如上述步骤S601-S603所述,在通信设备内存在冗余数据,且预估冗余量低于容许冗余阈值时,先行计算预估冗余量与容许冗余阈值之间的差值,并标定为冗余差量,而后从评估模型中调用评估函数,再将冗余差量输入至评估函数中即可,其中,评估函数为:S=aRc,式中,S表示通信数据的延迟度,a表示延迟系数,具体可在通信设备投入使用之前进行试验确定,为固定常数值,Rc表示冗余差量,基于上式,便可反映出通信设备内冗余数据产生之后的延迟度,用户能够直观的进行查看,同时自适应优化模型还能够根据该延迟度进行优化操作,调整通信设备后续传输的数据时序。
在一个较佳的实施方式中,获取通信数据延迟需求,再将其输入至自适应优化模型中,得到各个通信数据的输出时序的步骤,包括:
S701、获取所有通信数据的输出延迟度,以及所有通信数据的容许延迟度;
S702、从自适应优化模型中调用标准函数,并将所有通信数据的输出延迟度及其容许延迟度输入至标准函数中,并将输出结果标定为通信数据的延迟风险;
S703、从自适应优化模型中调用优化函数,并将冗余差量以及延迟风险一同输入至优化函数中,且将优化结果按照由大至小的顺序进行排列,再将优化结果排列顺序确定为各个通信数据的输出时序。
如上述步骤S701-S703所述,在通信数据的延迟度确定之后,将其输入至自适应优化模型中,首先调用标准函数:f=S/Sr,式中,f表示通信数据的延迟风险,Sr表示容许延迟度,而后再从自使用优化模型中调用优化函数,其中,优化函数为:Y=k1f+k2Rc,式中,Y表示优化结果,k1表示通信数据的延迟风险权重系数,k2表示冗余差量的权重系数,其中,k1+k2=1,之后将优化结果按照由大至小的顺序进行排列,并且将排列结果作为数据的输出时序优先度,以此保证在通信设备内存在冗余数据的情况下,所有的通信数据仍能够及时输出。
本发明还提供了,一种基于模拟光纤通信的数据同步传输优化系统,应用于上述的基于模拟光纤通信的数据同步传输优化方法,包括:
数据采集模块,数据采集模块用于获取通信设备中通信数据的数据传输信息,其中,数据传输信息包括前端输入数据量和后端输出数据量;
比对模块,比对模块用于对前端数据输入量与后端数据输出量进行比较;
若前端数据输入量小于或等于后端数据输出量,则表明通信设备正常传输数据;
若前端数据输入量大于后端数据输出量,则通信设备内产生冗余数据,且通信数据传输延迟;
监测模块,监测模块用于构建监测周期,并在监测周期内设置多个取样节点,且实时获取每个取样节点下的冗余数据量,再将其标定为待评估参数;
趋势分析模块,趋势分析模块用于将待评估参数输入至趋势分析模型中,得到冗余数据量的变化趋势值;
预测模块,预测模块用于获取当前冗余数据量,并与冗余数据量的变化趋势值一同输入至预测模型中,得到预估冗余量;
评估模块,评估模块用于获取容许冗余阈值,并与预估冗余量进行比较,且在预估冗余量高于或等于容许冗余阈值时发出报警信号,在预估冗余量低于容许冗余阈值时,将其输入至评估模型中,得到通信数据的输出延迟度;
优化模块,优化模块用于获取通信数据延迟需求,再将其输入至自适应优化模型中,得到各个通信数据的输出时序。
如上述,在对通信数据进行优化处理时,首先通过数据采集模块采集通信设备的前端输入数据量和后端输出数据量,而后利用比对模块判断通信设备内是否会产生冗余数据,并在产生冗余数据之后,通过监测模块构建监测周期,并且实时采集监测周期内的冗余数据量,再将其输入至趋势分析模块和预测模块中,便可得到下一节点的预估冗余量,基于该预估冗余量,利用评估模块来测算通信数据的输出延迟度,最后将其结合优化模块,测算出所有通信数据的输出时序即可,使得通信设备在产生冗余数据的前提下仍然能够保证数据输出的及时性。
以及,一种基于模拟光纤通信的数据同步传输优化终端,包括:
至少一个处理器;
以及与至少一个处理器通信连接的存储器;
其中,存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行上述的基于模拟光纤通信的数据同步传输优化方法。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本发明中未具体描述和解释说明的结构、装置以及操作方法,如无特别说明和限定,均按照本领域的常规手段进行实施。
Claims (10)
1.一种基于模拟光纤通信的数据同步传输优化方法,其特征在于:包括:
获取通信设备中通信数据的数据传输信息,其中,所述数据传输信息包括前端输入数据量和后端输出数据量;
对所述前端数据输入量与后端数据输出量进行比较;
若所述前端数据输入量小于或等于后端数据输出量,则表明所述通信设备正常传输数据;
若所述前端数据输入量大于后端数据输出量,则所述通信设备内产生冗余数据,且通信数据传输延迟;
构建监测周期,并在所述监测周期内设置多个取样节点,且实时获取每个所述取样节点下的冗余数据量,再将其标定为待评估参数;
将所述待评估参数输入至趋势分析模型中,得到冗余数据量的变化趋势值;
获取当前冗余数据量,并与所述冗余数据量的变化趋势值一同输入至预测模型中,得到预估冗余量;
获取容许冗余阈值,并与所述预估冗余量进行比较,且在所述预估冗余量高于或等于容许冗余阈值时发出报警信号,在所述预估冗余量低于容许冗余阈值时,将其输入至评估模型中,得到通信数据的输出延迟度;
获取通信数据延迟需求,再将其输入至自适应优化模型中,得到各个通信数据的输出时序。
2.根据权利要求1所述的一种基于模拟光纤通信的数据同步传输优化方法,其特征在于:所述构建监测周期的步骤,包括:
获取所述前端数据输入量大于后端数据输出量的发生节点,并将其标定为待评估节点;
以所述待评估节点为起始节点,构建暂态周期;
获取所述暂态周期内所有的前端数据输入量与后端数据输出量的差值,再将其标定为偏离差量;
统计所述暂态周期内所有偏离差量,并将所述偏离差量输入至调节模型中,判断所述暂态周期内偏离差量是否连续下降;
若是,则获取监测时长,并以所述待评估节点为起始节点构建监测周期;
若否,则表明所述偏离差量为瞬时数据,且不再构建监测周期。
3.根据权利要求2所述的一种基于模拟光纤通信的数据同步传输优化方法,其特征在于:所述将所述偏离差量输入至调节模型中,判断所述暂态周期内偏离差量是否连续下降的步骤,包括:
获取所述暂态周期内所有的偏离差量,并按照发生时间的顺序进行排列;
获取所述暂态周期结束结点下的偏离差量,并将其标定为基准数据;
以所述基准数据对应的时间节点为起点,所述暂态周期中心节点为结束节点,采集多个偏离差量,并将其标定为待比对参数,且筛选出所有取值大于零的待比对参数,并统计其数量;
获取评估阈值,并与所述取值大于零的待比对参数的数量进行比较;
若所述评估阈值高于大于零的待比对参数的数量,则表明所述暂态周期内的偏离差量连续下降;
若所述评估阈值小于或等于大于零的待比对参数的数量,则表明所述暂态周期内的偏离差量为瞬时数据。
4.根据权利要求1所述的一种基于模拟光纤通信的数据同步传输优化方法,其特征在于:所述将所述待评估参数输入至趋势分析模型中,得到冗余数据量的变化趋势值的步骤,包括:
获取监测周期内的待评估参数;
从所述趋势分析模型中调用趋势分析函数;
将所述监测周期内所有的待评估参数输入至趋势分析函数中,并将输出结果标定为冗余数据量的变化趋势值。
5.根据权利要求4所述的一种基于模拟光纤通信的数据同步传输优化方法,其特征在于:所述冗余数据量的变化趋势值确定之后,判断其是否能输入至预测模型中,具体过程如下:
获取相邻的待评估参数标定为校验参数;
调用校验函数,并将所述校验参数与冗余数据量的变化趋势值一同输入至校验函数中,并统计校验结果的准确率;
获取评价阈值,并与所述校验结果的准确率进行比较;
若所述评价阈值高于校验结果的准确率,则表明所述冗余数据量的变化趋势值不能输入至预测模型中,并重新计算冗余数据量的变化趋势值;
若所述评价阈值低于或等于校验结果的准确率,则表明所述冗余数据量的变化趋势值能输入至预测模型中。
6.根据权利要求1所述的一种基于模拟光纤通信的数据同步传输优化方法,其特征在于:所述获取当前冗余数据量,并与所述冗余数据量的变化趋势值一同输入至预测模型中,得到预估冗余量的步骤,包括:
获取通信设备内的当前冗余数据量、预测间隔以及冗余数据量的变化趋势值;
从所述预测模型中调用预测函数;
将所述当前冗余数据量、预测间隔以及冗余数据量的变化趋势值一同输入至预测函数中,并将输出结果标定为预估冗余量。
7.根据权利要求1所述的一种基于模拟光纤通信的数据同步传输优化方法,其特征在于:所述在所述预估冗余量低于容许冗余阈值时,将其输入至评估模型中,得到通信数据的输出延迟度的步骤,包括:
获取所述预估冗余量与容许冗余阈值之间的差值,并将其标定为冗余差量;
从所述评估模型中调用评估函数;
将所述冗余差量输入至评估函数中,并将输出结果标定为通信数据的输出延迟度。
8.根据权利要求7所述的一种基于模拟光纤通信的数据同步传输优化方法,其特征在于:所述获取通信数据延迟需求,再将其输入至自适应优化模型中,得到各个通信数据的输出时序的步骤,包括:
获取所有通信数据的输出延迟度,以及所有通信数据的容许延迟度;
从所述自适应优化模型中调用标准函数,并将所有通信数据的输出延迟度及其容许延迟度输入至标准函数中,并将输出结果标定为通信数据的延迟风险;
从所述自适应优化模型中调用优化函数,并将所述冗余差量以及延迟风险一同输入至优化函数中,且将优化结果按照由大至小的顺序进行排列,再将优化结果排列顺序确定为各个通信数据的输出时序。
9.一种基于模拟光纤通信的数据同步传输优化系统,应用于权利要求1至8中任意一项所述的基于模拟光纤通信的数据同步传输优化方法,其特征在于:包括:
数据采集模块,所述数据采集模块用于获取通信设备中通信数据的数据传输信息,其中,所述数据传输信息包括前端输入数据量和后端输出数据量;
比对模块,所述比对模块用于对所述前端数据输入量与后端数据输出量进行比较;
若所述前端数据输入量小于或等于后端数据输出量,则表明所述通信设备正常传输数据;
若所述前端数据输入量大于后端数据输出量,则所述通信设备内产生冗余数据,且通信数据传输延迟;
监测模块,所述监测模块用于构建监测周期,并在所述监测周期内设置多个取样节点,且实时获取每个所述取样节点下的冗余数据量,再将其标定为待评估参数;
趋势分析模块,所述趋势分析模块用于将所述待评估参数输入至趋势分析模型中,得到冗余数据量的变化趋势值;
预测模块,所述预测模块用于获取当前冗余数据量,并与所述冗余数据量的变化趋势值一同输入至预测模型中,得到预估冗余量;
评估模块,所述评估模块用于获取容许冗余阈值,并与所述预估冗余量进行比较,且在所述预估冗余量高于或等于容许冗余阈值时发出报警信号,在所述预估冗余量低于容许冗余阈值时,将其输入至评估模型中,得到通信数据的输出延迟度;
优化模块,所述优化模块用于获取通信数据延迟需求,再将其输入至自适应优化模型中,得到各个通信数据的输出时序。
10.一种基于模拟光纤通信的数据同步传输优化终端,其特征在于:包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至8中任意一项所述的基于模拟光纤通信的数据同步传输优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310683573.8A CN116800334B (zh) | 2023-06-09 | 2023-06-09 | 一种基于模拟光纤通信的数据同步传输优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310683573.8A CN116800334B (zh) | 2023-06-09 | 2023-06-09 | 一种基于模拟光纤通信的数据同步传输优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116800334A true CN116800334A (zh) | 2023-09-22 |
CN116800334B CN116800334B (zh) | 2024-03-26 |
Family
ID=88041355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310683573.8A Active CN116800334B (zh) | 2023-06-09 | 2023-06-09 | 一种基于模拟光纤通信的数据同步传输优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116800334B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117409867A (zh) * | 2023-10-25 | 2024-01-16 | 华东交通大学 | 一种基于深度学习的iPSCs定向分化调控系统及调控方法 |
CN117719385A (zh) * | 2024-02-18 | 2024-03-19 | 弘安天启(南京)科技有限公司 | 一种智能充电桩控制系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102256188A (zh) * | 2010-01-31 | 2011-11-23 | Pmc-塞拉以色列有限公司 | 用于在以太网无源光网络(EPONs)中冗余的系统 |
US20150207727A1 (en) * | 2013-02-13 | 2015-07-23 | Amazon Technologies, Inc. | Predicting route utilization and non-redundant failures in network environments |
CN107644063A (zh) * | 2017-08-31 | 2018-01-30 | 西南交通大学 | 基于数据并行的时间序列分析方法与系统 |
US20200050717A1 (en) * | 2018-08-09 | 2020-02-13 | Kabushiki Kaisha Toshiba | Optimization apparatus, simulation system and optimization method |
CN115114199A (zh) * | 2022-06-30 | 2022-09-27 | 腾讯科技(深圳)有限公司 | 一种数据传输配置方法、装置、电子设备和存储介质 |
CN115689393A (zh) * | 2022-12-09 | 2023-02-03 | 南京深科博业电气股份有限公司 | 一种基于物联网的电力系统实时动态监测系统及方法 |
-
2023
- 2023-06-09 CN CN202310683573.8A patent/CN116800334B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102256188A (zh) * | 2010-01-31 | 2011-11-23 | Pmc-塞拉以色列有限公司 | 用于在以太网无源光网络(EPONs)中冗余的系统 |
US20150207727A1 (en) * | 2013-02-13 | 2015-07-23 | Amazon Technologies, Inc. | Predicting route utilization and non-redundant failures in network environments |
CN107644063A (zh) * | 2017-08-31 | 2018-01-30 | 西南交通大学 | 基于数据并行的时间序列分析方法与系统 |
US20200050717A1 (en) * | 2018-08-09 | 2020-02-13 | Kabushiki Kaisha Toshiba | Optimization apparatus, simulation system and optimization method |
CN115114199A (zh) * | 2022-06-30 | 2022-09-27 | 腾讯科技(深圳)有限公司 | 一种数据传输配置方法、装置、电子设备和存储介质 |
CN115689393A (zh) * | 2022-12-09 | 2023-02-03 | 南京深科博业电气股份有限公司 | 一种基于物联网的电力系统实时动态监测系统及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117409867A (zh) * | 2023-10-25 | 2024-01-16 | 华东交通大学 | 一种基于深度学习的iPSCs定向分化调控系统及调控方法 |
CN117719385A (zh) * | 2024-02-18 | 2024-03-19 | 弘安天启(南京)科技有限公司 | 一种智能充电桩控制系统及方法 |
CN117719385B (zh) * | 2024-02-18 | 2024-05-03 | 弘安天启(南京)科技有限公司 | 一种智能充电桩控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116800334B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116800334B (zh) | 一种基于模拟光纤通信的数据同步传输优化方法及系统 | |
CN115689393B (zh) | 一种基于物联网的电力系统实时动态监测系统及方法 | |
CN116634469B (zh) | 一种基于多LoRa节点的数据传输管理系统及方法 | |
US6956642B2 (en) | Error function analysis of optical components | |
CN111822517A (zh) | 基于云平台bp神经网络的锂电池极片轧机厚度控制系统 | |
CN116915348B (zh) | 基于射频直采的多路信号快速检测方法 | |
CN113988723A (zh) | 一种基于用电数据异常分析的用户行为锁定方法和系统 | |
CN109525036B (zh) | 一种通信设备的市电供应状态的监控方法、装置和系统 | |
CN112711237B (zh) | 一种火电机组自动控制品质在线评估方法和系统 | |
CN117057579B (zh) | 一种分布式配电网的运行维护方法及系统 | |
CN117291576A (zh) | 一种基于工业场景数据趋势预测的方法、系统、计算机设备及存储介质 | |
CN100455099C (zh) | 实现小区负载预测的方法 | |
WO2022012416A1 (en) | Method and system for eccentric load error correction | |
US11843095B2 (en) | Secondary battery management device, secondary battery management method, and non-transitory computer readable storage medium | |
CN112232580B (zh) | 一种供电中断损失分析方法和装置 | |
CN112926801A (zh) | 一种基于分位数回归的负荷曲线组合预测方法及装置 | |
CN114021302A (zh) | 输电线路的寿命评估方法、装置、系统及存储介质 | |
CN113569324A (zh) | 边坡形变监测异常数据分析与优化方法 | |
CN116471323B (zh) | 一种基于时间序列特征的线上人群行为预测方法及系统 | |
CN116908533B (zh) | 一种具有计量功能的电力用户用电信息采集设备 | |
CN117560110B (zh) | 一种用于高访问请求下的ntp授时方法及系统 | |
CN101827460A (zh) | 用于一传感器网络的节点装置及节点数量调整方法 | |
CN115021778B (zh) | 一种基于网络稳定性反馈监测信息的智能电缆 | |
RU2764389C1 (ru) | Способ контроля многопараметрического объекта | |
KR102580902B1 (ko) | 중수로 바나듐 검출기 고장 예측 모델링 시스템 및 그 방법 |
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 |