CN116896512B - 一种云边协同系统评估方法、装置、存储介质及电子设备 - Google Patents
一种云边协同系统评估方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116896512B CN116896512B CN202311158960.6A CN202311158960A CN116896512B CN 116896512 B CN116896512 B CN 116896512B CN 202311158960 A CN202311158960 A CN 202311158960A CN 116896512 B CN116896512 B CN 116896512B
- Authority
- CN
- China
- Prior art keywords
- determining
- evaluation result
- index
- decoupling
- evaluation
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 221
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 66
- 230000008569 process Effects 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 28
- 230000009466 transformation Effects 0.000 claims abstract description 28
- 239000013598 vector Substances 0.000 claims description 72
- 238000007689 inspection Methods 0.000 claims description 32
- 230000008878 coupling Effects 0.000 claims description 19
- 238000010168 coupling process Methods 0.000 claims description 19
- 238000005859 coupling reaction Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 17
- 230000007704 transition Effects 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/22—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks comprising specially adapted graphical user interfaces [GUI]
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Abstract
本说明书公开了一种云边协同系统评估方法、装置、存储介质及电子设备。在本说明书提供的云边协同系统评估方法中,获取目标设备的巡检数据;根据云边协同系统的系统状态,在所述云边协同系统的各边缘节点中确定可用节点;将所述巡检数据发送给所述可用节点,以使所述可用节点处理所述巡检数据;在所述可用节点处理所述巡检数据的过程中,采集所述可用节点的性能数据,并根据所述性能数据确定针对所述可用节点的初始评估结果,所述初始评估结果中包含若干指标的评估值;对所述初始评估结果进行解耦变换,得到解耦评估结果,所述解耦评估结果中各指标之间相互独立;根据所述解耦评估结果确定雷达图,作为所述云边协同系统的性能评估图。
Description
技术领域
本说明书涉及计算机技术领域,尤其涉及一种云边协同系统评估方法、装置、存储介质及电子设备。
背景技术
如今,在供电系统中,电力设备的数量和种类不断增加,为了保证电力设备的可靠性和安全性,需要对其进行实时监测来发现并解决电力设备运行中的问题。通常,可利用无人机、机器人等智能设备实现对电力设备的智能巡检,在智能巡检过程中不断采集电力设备数据,并由边缘节点处理数据以确定电力设备是否存在问题。
更重要的,还需要对上述云边协同系统的性能进行评估。现有的评估方法往往局限在单一指标的评估,无法全面地对云边协同系统的性能做出综合评估。同时,各评估指标可能存在交错的情况,使得评估结果并不能反映系统的真实情况。另外,现有方法的可展示度较差,无法区分各指标的重要程度。
因此,如何对电力智能巡检的云边协同系统进行更加全面、科学、可展示性强的性能评估是一个亟待解决的问题。
发明内容
本说明书提供一种云边协同系统评估方法、装置、存储介质及电子设备,以至少部分地解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种云边协同系统评估方法,包括:
获取目标设备的巡检数据;
根据云边协同系统的系统状态,在所述云边协同系统的各边缘节点中确定可用节点;
将所述巡检数据发送给所述可用节点,以使所述可用节点处理所述巡检数据;
在所述可用节点处理所述巡检数据的过程中,采集所述可用节点的性能数据,并根据所述性能数据确定针对所述可用节点的初始评估结果,所述初始评估结果中包含若干指标的评估值;
针对预设的每个特征空间,将所述初始评估结果映射到该特征空间中,得到该特征空间的注意力向量,并根据所述注意力向量得到该特征空间的解耦评估结果,所述解耦评估结果中各指标之间相互独立;
根据所述解耦评估结果确定雷达图,作为所述云边协同系统的性能评估图。
可选地,根据云边协同系统的系统状态,在所述云边协同系统的各边缘节点中确定可用节点,具体包括:
根据云边协同系统中各边缘节点的工作状态,确定所述云边协同系统的系统状态;
根据所述系统状态以及预设的变换规则,确定所述各边缘节点中的可用节点。
可选地,预先确定的变换规则,具体包括:
确定所述云边协同系统运行时的各系统状态;
针对每个系统状态,根据历史数据中所述云边协同系统在该系统状态下,各边缘节点的工作参数,确定该系统状态转化为各系统状态的转移概率,作为变换规则。
可选地,根据所述注意力向量得到该特征空间的解耦评估结果,具体包括:
确定该特征空间的指标权重;
根据该特征空间的注意力向量,确定所述初始评估结果的每个指标在该特征空间中的耦合量;
根据所述初始评估结果、所述指标权重以及所述耦合量,确定该特征空间的解耦评估结果。
可选地,所述注意力向量包括:查询向量、键向量和值向量;
根据该特征空间的注意力向量,确定所述初始评估结果的每个指标在该特征空间中的耦合量,具体包括:
针对所述初始评估结果中的每个指标,根据所述查询向量与所述键向量,确定该指标与所述初始评估结果中的其它各指标之间的交错值;
根据所述交错值与所述值向量,确定该指标在该特征空间中的耦合量。
可选地,根据所述解耦评估结果确定雷达图,具体包括:
根据各特征空间的指标权重,确定综合指标权重;
根据所述解耦评估结果中各指标的评估值以及所述综合指标权重,确定雷达图。
可选地,根据所述解耦评估结果中各指标的评估值以及所述综合指标权重,确定雷达图,具体包括:
根据所述综合指标权重,确定所述解耦评估结果中各指标对应的扇区在雷达图中所占的角度;
根据所述解耦评估结果中各指标的评估值确定所述各指标对应的指标线在雷达图中的长度;
根据所述角度以及所述长度,确定雷达图。
本说明书提供的一种云边协同系统评估装置,所述装置包括:
获取模块,用于获取目标设备的巡检数据;
确定模块,用于根据云边协同系统的系统状态,在所述云边协同系统的各边缘节点中确定可用节点;
处理模块,用于将所述巡检数据发送给所述可用节点,以使所述可用节点处理所述巡检数据;
采集模块,用于在所述可用节点处理所述巡检数据的过程中,采集所述可用节点的性能数据,并根据所述性能数据确定针对所述可用节点的初始评估结果,所述初始评估结果中包含若干指标的评估值;
变换模块,用于针对预设的每个特征空间,将所述初始评估结果映射到该特征空间中,得到该特征空间的注意力向量,并根据所述注意力向量得到该特征空间的解耦评估结果,所述解耦评估结果中各指标之间相互独立;
评估模块,用于根据所述解耦评估结果确定雷达图,作为所述云边协同系统的性能评估图。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述云边协同系统评估方法。
本说明书提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述云边协同系统评估方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书提供的云边协同系统评估方法中,获取目标设备的巡检数据;根据云边协同系统的系统状态,在所述云边协同系统的各边缘节点中确定可用节点;将所述巡检数据发送给所述可用节点,以使所述可用节点处理所述巡检数据;在所述可用节点处理所述巡检数据的过程中,采集所述可用节点的性能数据,并根据所述性能数据确定针对所述可用节点的初始评估结果,所述初始评估结果中包含若干指标的评估值;对所述初始评估结果进行解耦变换,得到解耦评估结果,所述解耦评估结果中各指标之间相互独立;根据所述解耦评估结果确定雷达图,作为所述云边协同系统的性能评估图。
在采用本说明书提供的云边协同系统评估方法对电力智能巡检云边协同系统的性能进行评估时,可首先得到系统性能的初始评估结果,并通过解耦变换得到各项指标互相没有交错的解耦评估结果,并根据解耦评估结果构建雷达图,作为最终的性能评估图。本方法解决了评估的指标之间可能存在交错而导致评估结果不准确的问题,该方法简单、易行,并能够更加直观地表示评估结果,使得系统性能的评估结果具有较好的一致性,从而更好地支持电力智能巡检云边协同系统的优化、决策和管理。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书中一种云边协同系统评估方法的流程示意图;
图2为本说明书中一种雷达图的示意图;
图3为本说明书提供的一种云边协同系统评估装置的示意图;
图4为本说明书提供的对应于图1的电子设备示意图。
具体实施方式
本说明书提供一种云边协同系统评估方法,该方法考虑到同一区域内的边缘节点可能存在同时接收到多个任务,无法同时处理的情况,并解决评估指标之间可能存在交错而导致评估结果不准确的问题。该方法简单、易行,并能够更加直观地表示评估结果,使得云边协同系统性能的评估结果具有较好的一致性,从而更好地支持电力智能巡检云边协同系统的优化、决策和管理。
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书中一种云边协同系统评估方法的流程示意图,具体包括以下步骤:
S100:获取目标设备的巡检数据。
本说明书所提供的云边协同系统评估方法中的所有步骤均可由任何具有计算功能的电子设备实现,例如终端、服务器等设备。
本方法主要应用于对负责电力巡检的云边协同系统在工作时的性能进行评估。通常情况下,云边协同系统的工作内容为采集电力设备的巡检数据,并对巡检数据进行分析以确定电力设备是否正常工作。为了对云边协同系统在工作时的性能进行评估,首先需要使云边协同系统进行工作。因此,可在此步骤中,首先获取目标设备的巡检数据。
其中,目标设备可以是云边协同系统所负责的区域中的任意电力设备,包括但不限于变电器、电网、基站等设备。巡检数据是在巡检过程中针对目标设备生成的数据,根据巡检设备以及巡检方式的不同,巡检数据可存在多种,例如,智能机器人或智能摄像头采集的图像、视频数据,传感器收集的传感数据等,本说明书对此不做具体限制。
S102:根据云边协同系统的系统状态,在所述云边协同系统的各边缘节点中确定可用节点。
通常情况下,在云边协同系统中可包括中央的云平台,用于计算处理的边缘节点,以及摄像头、机器人、无人机等智能巡检设备及传感设备。
云平台上可包括云端节点和中央控制器。云端节点与边缘节点协同处理计算任务,降低业务全部上传到云平台上处理的带宽压力;中央控制器管理同一区域内的多个电力设备巡检工作任务,将产生的任务分配给合适的边缘节点进行协同处理,并能够获取系统内任务处理的基本数据,包括但不限于时延、容量、带宽占用量、传入负载、故障次数、故障时间、系统运行正常时间等。
边缘节点包括边缘服务器和边缘网关。边缘服务器靠近智能巡检现场,可以在较近距离内提供计算和存储资源,减少数据处理和传输延迟;边缘网关连接传感设备和云端节点,可以在本地处理部分数据并与云端节点协同工作。
对于云边协同系统,其性能的关键往往在于边缘节点处理计算任务的过程。因此,本方法中对于云边协同系统的评估也相应地从边缘节点入手进行评估。基于此,可在此步骤中确定出边缘节点中的可用节点,以在后续步骤中应用。根据云边协同系统的系统状态,可找到处于空闲状态的边缘节点作为可用节点使用。
进一步考虑,在云边协同系统中,同一边缘节点可能会同时接收并处理多个任务。也就是说,除开当前任务外,边缘节点肯能也会接到其他任务进行处理。因此,边缘节点的可用状态是可以发生改变的。在此,可更优的,基于马尔可夫过程的思想在各边缘节点中确定可用节点。
具体的,可根据云边协同系统中各边缘节点的工作状态,确定所述云边协同系统的系统状态;根据所述系统状态以及预设的变换规则,确定所述各边缘节点中的可用节点。
对于任意一个边缘节点,都存在忙碌与空闲两种不同的工作状态。当工作状态位忙碌时,说明边缘节点不可用;当状态为空闲时,说明边缘节点可用。一个边缘节点的工作状态主要由该边缘节点当前的各项工作参数决定,包括但不限于边缘节点的中央处理器(Central Processing Unit,CPU)利用率、内存使用率、云端节点与该边缘节点之间的通信带宽占用率等。而云边协同系统中所有边缘节点的工作状态共同决定了云边系统的系统状态。具体来说,可将系统状态看作为所有边缘节点的工作状态的集合。云边协同系统中的任一边缘节点的工作状态发生改变,云边协同系统的系统状态就会相应地改变。因此,根据各边缘节点的工作状态,可确定出云边协同系统的系统状态。
随后,可根据预设的变换规则,以当前的系统状态为基础,确定出各边缘节点中的可用节点。预先确定的变换规则可存在多种,本说明书在此提供一种具体实施例以供参考。具体的,可确定所述云边协同系统运行时的各系统状态;针对每个系统状态,根据历史数据中所述云边协同系统在该系统状态下,各边缘节点的工作参数,确定该系统状态转化为各系统状态的转移概率,作为变换规则。
首先,可确定出云边协同系统在运行时可能出现的所有系统状态。随后,可采用马尔科夫过程进行建模,基于系统中的各边缘节点的工作参数计算出转不同系统状态之间的转移概率。其中,每个系统状态下各边缘节点的工作参数可从历史中出现该系统状态时的历史数据中获得。由此,便可将转移概率作为变换规则,与状态机相似的,云边协同系统在某一时刻处于某一系统状态时,便能够根据转移概率确定出下一状态,进而确定出可用节点。
举例来说,将所有系统状态的集合记作Ψ,系统在t时刻的系统状态∈Ψ。不同系统状态之间的转移概率可统称为转移矩阵。在t时刻的系统状态下第i个边缘节点的马尔可夫过程表示为/>,其转化的概率为/>。t时刻到t+1时刻的系统状态变化概率表示为/>;边缘节点的工作参数从x到y的变化可表示为/>,工作参数x的状态分布表示为/>。其中,x和y可表示任意两套不同的工作参数。
由此,可确定出云边协同系统中各边缘节点的可用程度,其中,第i个边缘计算节点的可用程度计算公式为。依照可用程度期望最高原则选择用于处理云边协同任务的边缘节点作为可用节点。另外,可以想到的,每次选择出一个可用节点用于处理计算任务后,都可能会导致云边协同系统整体的系统状态发生变化,因此,每次选择出一个可用节点后,在选择下一个可用节点时,都需要重新执行上述方法,直到云边协同系统中的任务全部执行完成。
S104:将所述巡检数据发送给所述可用节点,以使所述可用节点处理所述巡检数据。
在步骤S102中确定出可用节点后,可在此步骤中将步骤S100中获取的巡检数据发送给可用节点,使可用节点处理巡检数据,即完成对巡检数据的计算任务。
S106:在所述可用节点处理所述巡检数据的过程中,采集所述可用节点的性能数据,并根据所述性能数据确定针对所述可用节点的初始评估结果,所述初始评估结果中包含若干指标的评估值。
本方法所要实现的目标为对运行中的云边协同系统进行评估,因此,需要在边缘节点工作时获取到边缘节点的性能数据。对应到此步骤中,也就是在步骤S104进行的同时,获取可用节点在处理巡检数据时的性能数据。而在获取到可用节点的性能数据后,便能够对性能数据进行初始的评估,得到初始评估结果。其中,初始的评估可以是采用现有的任意针对云边协同系统的评估方法进行的评估。
初始评估结果中可包含若干指标以及各指标对应的评估值,其中,各指标用于表示云边协同系统的各项不同性能,指标的数量可根据具体需求进行设置,本说明书对此不做具体限制;指标的评估值用于反映指标所表示的性能的优劣程度,一个指标的评估值越大,表示该指标所表示的性能越好。同时,各指标的评估值的取值范围应相同。
S108:针对预设的每个特征空间,将所述初始评估结果映射到该特征空间中,得到该特征空间的注意力向量,并根据所述注意力向量得到该特征空间的解耦评估结果,所述解耦评估结果中各指标之间相互独立。
对于目前已知的任何用于评估云边协同系统的方法,其评估所产生的初始评估结果中,各项指标之间一定会存在不同程度的相互影响,导致各项指标的评估值与真实结果之间存在一定的偏差。为了得到更加真实、准确的评估结果,可在此步骤中,对步骤S106中得到的初始评估结果进行解耦变换,得到各项指标之间相互独立的解耦评估结果。其中,解耦评估结果中同样包含若干指标以及指标的评估值,但需要注意的是,解耦评估结果中包含的各指标与初始评估结果中包含的各指标相同,但各指标的评估值不同。
对初始评估结果进行解耦变换,得到解耦评估结果的方式可存在多种,本说明书在此提供一种具体实施例以供参考。具体的,可针对预设的每个特征空间,将所述初始评估结果映射到该特征空间中,得到该特征空间的注意力向量;确定该特征空间的指标权重;根据该特征空间的注意力向量,确定所述初始评估结果的每个指标在该特征空间中的耦合量;根据所述初始评估结果、所述指标权重以及所述耦合量,确定该特征空间的解耦评估结果。
其中,注意力向量可包括查询向量、键向量和值向量;在根据注意力向量确定耦合量时,可具体的,针对所述初始评估结果中的每个指标,根据所述查询向量与所述键向量,确定该指标与所述初始评估结果中的其它各指标之间的交错值;根据所述交错值与所述值向量,确定该指标在该特征空间中的耦合量。
举例来说,可将初始评估结果记作X=[,/>,…,/>],X∈/>,其中X为初始评估结果中各指标的集合,/>,/>,…,/>分别表示各指标的评估值,n表示初始评估结果中共存在n项指标,m表示共存在m组初始评估结果,在只有一组评估结果的情况下m即为1。
对X进行线性变换,可将X映射到多组特征空间中,生成多组注意力向量,也就是查询向量、键向量和值向量。假设共存在H组特征空间,那么第h组查询向量、键向量和值向量可表示为{},具体可表示为:/>;/>;。其中,/>、/>和/>分别为第h个特征空间的查询向量、键向量和值向量的变换矩阵。可以认为,/>、/>和/>表示第h个特征空间。通过注意力向量可以确定出初始评估结果中每个指标对其他指标的影响。
随后,可将初始评估结果在各特征空间中按照层次结构分层,每一个特征空间表示一层。利用层次分析法,对每一层指标之间的相对重要性进行评估,在每一层次,也就是每一个特征空间中对各指标的重要性进行计算和排序,得到每个指标的指标权重。每一层中的各指标权重可表示为向量,i=1,2,…,n。
随后,可根据确定出的注意力向量,确定出每个指标在特征空间中的耦合量。具体计算过程可表示为:计算第h组的第i个指标相对于该组第j个指标的注意力得分,/>函数为归一化指数函数,/>和分别为该组第i个指标的查询向量和第j个指标的键向量,/>为/>和/>在对应矩阵中的列号。第h组特征空间中第i个指标应当增加或减少的与其他指标存在交错关系的值,也就是耦合量可表示为/>,其中/>为该组特征空间下第j个指标的值向量,因此该组特征空间下初始评估结果中的各指标应当增加或减少的与其他指标存在交错关系的耦合量可表示为/>。以向量形式表示所有特征空间下各指标应当增加或减少的与其他指标存在交错关系的耦合量,可表示为,其中H为特征空间的总组数。相对应的,将各组特征空间中的指标权重拼接到一起,可得到表示指标权重的矩阵/>。最终,利用上述得到的各项数据,便得到能够反映指标重要程度的、没有交错关系的新的性能评估结果,也就是解耦评估结果X'。具体的计算过程可表示为:/>,因此解耦评估结果也可表示为/>。
S110:根据所述解耦评估结果确定雷达图,作为所述云边协同系统的性能评估图。
最终,便可根据步骤S108中得到的解耦评估结果确定出表征云边协同系统性能的雷达图,作为云边协同系统的性能评估图。在确定雷达图时,可具体的,根据各特征空间的指标权重,确定综合指标权重;根据所述解耦评估结果中各指标的评估值以及所述综合指标权重,确定雷达图。其中,确定综合指标权重的确定方式可存在多种,本说明书在此提供一种具体实施例以供参考。具体的,可针对每个指标,将该指标在各组特征空间中的指标权重的平均值,确定为该指标的综合指标权重。最终,每个指标的综合指标权重可记作,。
而在根据解耦评估结果中个指标的评估值以及确定出的综合指标权重确定雷达图时,可具体的根据所述综合指标权重,确定所述解耦评估结果中各指标对应的扇区在雷达图中所占的角度;根据所述解耦评估结果中各指标的评估值确定所述各指标对应的指标线在雷达图中的长度;根据所述角度以及所述长度,确定雷达图。
在构建雷达图时,最为关键的参数即为解耦评估结果的各项指标在雷达图中所占的扇区的角度以及对应指标线的长度。其中,每个指标对应的扇区所占的角度可根据综合指标权重来确定,公式可为:。而每个指标对应的指标线的长度可根据解耦评估结果中该指标的评估值确定,评估值越大,对应的指标线的长度就越长;而当评估结果的组数m不为1,也就是存在多组解耦评估结果时,可针对每个指标,确定该指标在各组解耦评估结果中的评估值的平均值,并根据所述平均值的大小确定对应指标线的长度。
雷达图具体可如图2所示。在构造雷达图时,可以圆心O为顶点,引出一条射线OA作为第一个指标的起始线,顺时针旋转并作射线OB,作∠AOB的角平分线,交圆于A',OA'表示指标/>所在线,OA''则为指标/>对应的指标线的长度。以此类推作图直到全部指标作图完毕,并分别连接指标/>对应的指标线的终点,以及各指标所在线与圆的交点。
在采用本说明书提供的云边协同系统评估方法对电力智能巡检云边协同系统的性能进行评估时,可首先得到系统性能的初始评估结果,并通过解耦变换得到各项指标互相没有交错的解耦评估结果,并根据解耦评估结果构建雷达图,作为最终的性能评估图。本方法解决了评估的指标之间可能存在交错而导致评估结果不准确的问题,该方法简单、易行,并能够更加直观地表示评估结果,使得系统性能的评估结果具有较好的一致性,从而更好地支持电力智能巡检云边协同系统的优化、决策和管理。
更进一步的,在得到最终的雷达图,也就是云边协同系统的性能评估图后,可进一步得到对云边协同系统的最终评估得分。具体的,可首先分别计算雷达图中的各指标的指标线的重点所围成的多边形面积S和周长C;并计算各指标所在线与圆的交点所围成的多边形面积S'和周长C'。
面积S表示云边协同系统的性能得分情况,面积越大表示得分越高;周长表示云边协同系统的均衡度,周长越大表示云边协同系统均衡度越好。结合实际需求对云边协同系统的性能得分和均衡度进行加权,得到云边协同系统的最终评估得分,即,其中/>和/>表示系统性能的指标得分和均衡度评价权重,可根据具体需求进行设置。
以上是本说明书提供的云边协同系统评估方法,基于同样的思路,本说明书还提供了相应的云边协同系统评估装置,如图3所示。
图3为本说明书提供的一种云边协同系统评估装置示意图,具体包括:
获取模块200,用于获取目标设备的巡检数据;
确定模块202,用于根据云边协同系统的系统状态,在所述云边协同系统的各边缘节点中确定可用节点;
处理模块204,用于将所述巡检数据发送给所述可用节点,以使所述可用节点处理所述巡检数据;
采集模块206,用于在所述可用节点处理所述巡检数据的过程中,采集所述可用节点的性能数据,并根据所述性能数据确定针对所述可用节点的初始评估结果,所述初始评估结果中包含若干指标的评估值;
变换模块208,用于针对预设的每个特征空间,将所述初始评估结果映射到该特征空间中,得到该特征空间的注意力向量,并根据所述注意力向量得到该特征空间的解耦评估结果,所述解耦评估结果中各指标之间相互独立;
评估模块210,用于根据所述解耦评估结果确定雷达图,作为所述云边协同系统的性能评估图。
可选地,所述确定模块202,具体用于根据云边协同系统中各边缘节点的工作状态,确定所述云边协同系统的系统状态;根据所述系统状态以及预设的变换规则,确定所述各边缘节点中的可用节点。
可选地,所述确定模块202,具体用于确定所述云边协同系统运行时的各系统状态;针对每个系统状态,根据历史数据中所述云边协同系统在该系统状态下,各边缘节点的工作参数,确定该系统状态转化为各系统状态的转移概率,作为变换规则。
可选地,所述变换模块208,具体用于确定该特征空间的指标权重;根据该特征空间的注意力向量,确定所述初始评估结果的每个指标在该特征空间中的耦合量;根据所述初始评估结果、所述指标权重以及所述耦合量,确定该特征空间的解耦评估结果。
可选地,所述注意力向量包括:查询向量、键向量和值向量;
所述变换模块208,具体用于针对所述初始评估结果中的每个指标,根据所述查询向量与所述键向量,确定该指标与所述初始评估结果中的其它各指标之间的交错值;根据所述交错值与所述值向量,确定该指标在该特征空间中的耦合量。
可选地,所述评估模块210,具体用于根据各特征空间的指标权重,确定综合指标权重;根据所述解耦评估结果中各指标的评估值以及所述综合指标权重,确定雷达图。
可选地,所述评估模块210,具体用于根据所述综合指标权重,确定所述解耦评估结果中各指标对应的扇区在雷达图中所占的角度;根据所述解耦评估结果中各指标的评估值确定所述各指标对应的指标线在雷达图中的长度;根据所述角度以及所述长度,确定雷达图。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的云边协同系统评估方法。
本说明书还提供了图4所示的电子设备的示意结构图。如图4所述,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的云边协同系统评估方法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(ProgrammableLogic Device, PLD)(例如现场可编程门阵列(Field Programmable Gate Array,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(HardwareDescription Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(AdvancedBoolean Expression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(JavaHardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby HardwareDescription Language)等,目前最普遍使用的是VHDL(Very-High-Speed IntegratedCircuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他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、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种云边协同系统评估方法,其特征在于,包括:
获取目标设备的巡检数据;
根据云边协同系统的系统状态,在所述云边协同系统的各边缘节点中确定可用节点;
将所述巡检数据发送给所述可用节点,以使所述可用节点处理所述巡检数据;
在所述可用节点处理所述巡检数据的过程中,采集所述可用节点的性能数据,并根据所述性能数据确定针对所述可用节点的初始评估结果,所述初始评估结果中包含若干指标的评估值;
针对预设的每个特征空间,将所述初始评估结果映射到该特征空间中,得到该特征空间的注意力向量,并根据所述注意力向量得到该特征空间的解耦评估结果,所述解耦评估结果中各指标之间相互独立;
根据所述解耦评估结果确定雷达图,作为所述云边协同系统的性能评估图;
其中,所述注意力向量包括:查询向量、键向量和值向量;
根据所述注意力向量得到该特征空间的解耦评估结果,具体包括:
确定该特征空间的指标权重;
针对所述初始评估结果中的每个指标,根据所述查询向量与所述键向量,确定该指标与所述初始评估结果中的其它各指标之间的交错值;
根据所述交错值与所述值向量,确定该指标在该特征空间中的耦合量;
根据所述初始评估结果、所述指标权重以及所述耦合量,确定该特征空间的解耦评估结果。
2.如权利要求1所述的方法,其特征在于,根据云边协同系统的系统状态,在所述云边协同系统的各边缘节点中确定可用节点,具体包括:
根据云边协同系统中各边缘节点的工作状态,确定所述云边协同系统的系统状态;
根据所述系统状态以及预设的变换规则,确定所述各边缘节点中的可用节点。
3.如权利要求2所述的方法,其特征在于,预先确定的变换规则,具体包括:
确定所述云边协同系统运行时的各系统状态;
针对每个系统状态,根据历史数据中所述云边协同系统在该系统状态下,各边缘节点的工作参数,确定该系统状态转化为各系统状态的转移概率,作为变换规则。
4.如权利要求1所述的方法,其特征在于,根据所述解耦评估结果确定雷达图,具体包括:
根据各特征空间的指标权重,确定综合指标权重;
根据所述解耦评估结果中各指标的评估值以及所述综合指标权重,确定雷达图。
5.如权利要求4所述的方法,其特征在于,根据所述解耦评估结果中各指标的评估值以及所述综合指标权重,确定雷达图,具体包括:
根据所述综合指标权重,确定所述解耦评估结果中各指标对应的扇区在雷达图中所占的角度;
根据所述解耦评估结果中各指标的评估值确定所述各指标对应的指标线在雷达图中的长度;
根据所述角度以及所述长度,确定雷达图。
6.一种云边协同系统评估装置,其特征在于,包括:
获取模块,用于获取目标设备的巡检数据;
确定模块,用于根据云边协同系统的系统状态,在所述云边协同系统的各边缘节点中确定可用节点;
处理模块,用于将所述巡检数据发送给所述可用节点,以使所述可用节点处理所述巡检数据;
采集模块,用于在所述可用节点处理所述巡检数据的过程中,采集所述可用节点的性能数据,并根据所述性能数据确定针对所述可用节点的初始评估结果,所述初始评估结果中包含若干指标的评估值;
变换模块,用于针对预设的每个特征空间,将所述初始评估结果映射到该特征空间中,得到该特征空间的注意力向量,并根据所述注意力向量得到该特征空间的解耦评估结果,所述解耦评估结果中各指标之间相互独立;
评估模块,用于根据所述解耦评估结果确定雷达图,作为所述云边协同系统的性能评估图;
其中,所述注意力向量包括:查询向量、键向量和值向量;
所述变换模块,具体用于确定该特征空间的指标权重;针对所述初始评估结果中的每个指标,根据所述查询向量与所述键向量,确定该指标与所述初始评估结果中的其它各指标之间的交错值;根据所述交错值与所述值向量,确定该指标在该特征空间中的耦合量;根据所述初始评估结果、所述指标权重以及所述耦合量,确定该特征空间的解耦评估结果。
7.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~5任一项所述的方法。
8.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311158960.6A CN116896512B (zh) | 2023-09-08 | 2023-09-08 | 一种云边协同系统评估方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311158960.6A CN116896512B (zh) | 2023-09-08 | 2023-09-08 | 一种云边协同系统评估方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116896512A CN116896512A (zh) | 2023-10-17 |
CN116896512B true CN116896512B (zh) | 2024-01-09 |
Family
ID=88313754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311158960.6A Active CN116896512B (zh) | 2023-09-08 | 2023-09-08 | 一种云边协同系统评估方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116896512B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117370034B (zh) * | 2023-12-07 | 2024-02-27 | 之江实验室 | 一种算力调度系统评估方法、装置、存储介质及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113127615A (zh) * | 2020-01-16 | 2021-07-16 | 北京三星通信技术研究有限公司 | 文本处理方法、装置、电子设备及计算机可读存储介质 |
CN113486395A (zh) * | 2021-07-02 | 2021-10-08 | 南京大学 | 一种采用多元信息融合的科研数据匿名化方法及系统 |
CN114243912A (zh) * | 2021-12-06 | 2022-03-25 | 南京瀚元科技有限公司 | 一种台区光储充云边协同方法及系统 |
CN114241007A (zh) * | 2021-12-20 | 2022-03-25 | 江南大学 | 基于跨任务互学习的多目标跟踪方法、终端设备及介质 |
CN116169776A (zh) * | 2022-09-07 | 2023-05-26 | 中国电力科学研究院有限公司 | 电力系统云边协同人工智能调控方法、系统、介质及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190095478A1 (en) * | 2017-09-23 | 2019-03-28 | Splunk Inc. | Information technology networked entity monitoring with automatic reliability scoring |
-
2023
- 2023-09-08 CN CN202311158960.6A patent/CN116896512B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113127615A (zh) * | 2020-01-16 | 2021-07-16 | 北京三星通信技术研究有限公司 | 文本处理方法、装置、电子设备及计算机可读存储介质 |
CN113486395A (zh) * | 2021-07-02 | 2021-10-08 | 南京大学 | 一种采用多元信息融合的科研数据匿名化方法及系统 |
CN114243912A (zh) * | 2021-12-06 | 2022-03-25 | 南京瀚元科技有限公司 | 一种台区光储充云边协同方法及系统 |
CN114241007A (zh) * | 2021-12-20 | 2022-03-25 | 江南大学 | 基于跨任务互学习的多目标跟踪方法、终端设备及介质 |
CN116169776A (zh) * | 2022-09-07 | 2023-05-26 | 中国电力科学研究院有限公司 | 电力系统云边协同人工智能调控方法、系统、介质及设备 |
Non-Patent Citations (1)
Title |
---|
基于多层注意力机制深度学习模型的虚假评论检测;曾致远;卢晓勇;徐盛剑;陈木生;;计算机应用与软件(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116896512A (zh) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116896512B (zh) | 一种云边协同系统评估方法、装置、存储介质及电子设备 | |
CN110262937B (zh) | 一种指标异常原因的识别方法及装置 | |
CN110443457B (zh) | 数据处理方法及装置 | |
CN116185629A (zh) | 一种任务执行的方法、装置、存储介质及电子设备 | |
CN115238568A (zh) | 一种数字孪生模型构建方法、装置及终端设备 | |
CN117390585B (zh) | 基于三维全连接融合的时序数据预测方法及模型训练方法 | |
CN117370034B (zh) | 一种算力调度系统评估方法、装置、存储介质及电子设备 | |
CN115543945B (zh) | 一种模型压缩的方法、装置、存储介质及电子设备 | |
CN116304212A (zh) | 一种数据处理系统、方法、设备及存储介质 | |
CN111767934B (zh) | 一种图像识别方法、装置及电子设备 | |
CN117201334B (zh) | 一种多模态网络流量预测方法及装置 | |
CN117094268B (zh) | 网格间数据传递方法、装置、存储介质及电子设备 | |
CN116109008B (zh) | 一种业务执行的方法、装置、存储介质及电子设备 | |
CN117041980B (zh) | 一种网元管理方法、装置、存储介质及电子设备 | |
CN115758226B (zh) | 一种异常检测的方法、装置、存储介质及电子设备 | |
CN116699998B (zh) | 基于ai算法的无人值守加压站控制系统 | |
CN116384506A (zh) | 一种模型训练的方法、装置、存储介质及电子设备 | |
CN117555891A (zh) | 数据质量管理方法和装置 | |
CN115080280B (zh) | 一种多时间尺度数据融合的边缘计算平台控制系统和方法 | |
CN116340852A (zh) | 一种模型训练、业务风控的方法及装置 | |
CN117973869A (zh) | 一种业务风控方法、装置、电子设备及存储介质 | |
CN117873705A (zh) | 基于模型切割的任务执行方法、装置、介质及电子设备 | |
CN117932344A (zh) | 一种模型训练的方法、业务风控的方法及装置 | |
CN116363418A (zh) | 一种训练分类模型的方法、装置、存储介质及电子设备 | |
CN115923838A (zh) | 自动驾驶路线的处理方法、装置、设备、存储介质及车辆 |
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 |