CN117155778A - 基于云端的算法配置方法、云端服务器、系统及存储介质 - Google Patents

Abstract

本申请公开了一种基于云端的算法配置方法、云端服务器、系统及存储介质。该方法包括：响应于接收到的算法选取指令和第一配置信息，该第一配置信息包括设备系统的系统名称和区域属性，以将所选取的算法与对应的设备系统进行关联；响应于接收对算法的第二配置信息，该第二配置信息包括状态参数和命令配置参数，以将状态参数和命令配置参数与设备系统中的各终端设备形成映射关系。通过上述方法，实现了控制算法在终端设备中的远程部署和更新，从而降低了人力成本；同时提高了算法的适用能力，实现了以整个系统性能优化为目标的全局控制。

Description

基于云端的算法配置方法、云端服务器、系统及存储介质

技术领域

本申请涉及云端算法部署技术领域，具体而言，涉及一种基于云端的算法配置方法、云端服务器、系统及存储介质。

背景技术

在传统集控系统中，控制算法通常被固化在智能控制设备中，如可编程逻辑控制器(PLC)和直接式数字控制器(DDC)；其中，PLC是一种广泛应用于工业自动化控制系统的数字计算机，它采用可编程的存储器和执行特定指令的微处理器，通过编写和调试程序来实现对各种工业过程和设备的控制；DDC是一种用于楼宇自动化控制系统的数字控制技术，使用数字计算机和智能传感器/执行器，以及相关的软件和通信协议，实现对建筑内部的照明、空调、通风等设备进行集中监控和控制。

尽管这类控制器的算法是可编程的，但一般不具备远程更新升级的能力，一旦算法被编辑并安装到现场后，更新算法需要人员前往项目现场，这既不方便又耗费人力成本；同时此类算法多为经验算法，适应能力较弱，部署在单个控制器中，只能实现对单个设备的独立控制，而非以整个系统性能优化为目标的全局控制。

发明内容

本申请主要提供一种基于云端的算法配置方法、云端服务器、系统及存储介质，以解决在传统集控系统中，控制算法被固化在智能设备中，无法实现远程更新升级的问题。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种基于云端的算法配置方法。该方法包括：响应于接收到的算法选取指令和第一配置信息，该第一配置信息包括设备系统的系统名称和区域属性，以将所选取的算法与对应的设备系统进行关联；响应于接收对算法的第二配置信息，该第二配置信息包括状态参数和命令配置参数，以将状态参数和命令配置参数与设备系统中的各终端设备形成映射关系。

在上述实现过程中，根据算法选取指令和第一配置信息，将选取好的算法与设备系统进行关联；接收对算法的第二配置信息，将算法中的状态参数和命令配置参数与设备系统中的各终端设备进行映射。实现了控制算法在终端设备中的远程部署和更新，从而降低了人力成本；同时提高了算法的适用能力，实现了以整个系统性能优化为目标的全局控制。

在一些实施例中，所述响应于接收到的算法选取指令之前，还包括：

预先建立算法库，其中所述算法库中包括多种算法，每一种所述算法包括至少一个算法版本；

所述响应于接收到的算法选取指令，包括：

响应于所选取的算法名称和算法版本，从所述算法库确定对应的所述算法。

在上述实现过程中，预先建立了一个算法库，用于存储所有经过开发验证成功的算法包；为每个算法包配置算法名称和算法版本，实现了算法包的可动态扩展和积累，使得对算法的更新更加灵活；当接收到算法选取指令时，根据算法名称和算法版本，在算法库中选择相应的算法，提高了算法选取的便捷性和准确性。

在一些实施例中，所述的基于云端的算法配置方法，包括：

接收并存储对所述算法库内算法的添加、更新或删除指令。

在上述实现过程中，通过对算法库内的算法进行添加、更新或删除，实现了对算法的灵活管理，同时增强了算法的适应性。

在一些实施例中，所述状态参数包括设备属性、静态属性数字及电量；所述命令配置参数包括设备控制命令及命令触发参数范围。

在上述实现过程中，通过将状态参数划分为设备属性、静态属性数字和电量，可以更具体地了解设备的状态，从而更好地进行控制和管理。同时，通过将命令配置参数划分为设备控制命令和命令触发参数范围，可以更精确地控制设备的动作，从而提高了设备的性能。

在一些实施例中，所述响应于接收对所述算法的第二配置信息之后，还包括：

在所述云端运行配置后的所述算法；或，将配置后的所述算法部署至与所述设备系统相关联的边缘服务器。

在上述实现过程中，将配置后的算法部署在云端，可以实现对控制算法的远程部署和更新，避免了工作人员前往项目现场所带来的不便，同时降低了人力成本；将配置后的算法部署在边缘服务器，可以在终端设备处于离线状态时，依旧保持正常的运行。

在一些实施例中，所述算法配置方法还包括：

对所述算法的运行过程进行监控；

在检测到所述算法运行出错时，发出提示信息。

在上述实现过程中，通过对算法的运行过程进行监控，并在检测到算法运行错误时，发出提示信息；这样可以及时发现和处理算法运行过程中的错误，提高了算法运行的透明性，同时保障了算法的稳定运行。

在一些实施例中，所述对所述算法的运行过程进行监控，包括：

获取所述算法在运行过程中的运行参数、日志信息和命令记录信息；

检测所述日志信息和所述命令记录信息中的信息是否符合所述算法在所述运行参数下的设定。

在上述实现过程中，通过判断获取到的日志信息和命令记录信息中的信息是否符合算法在运行参数下的设定，来判断算法的运行过程是否正常；这样可以实现对算法运行过程的监控，及时发现算法运行过程中的异常信息，提高了算法运行的稳定性和可靠性。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种存储介质。该存储介质上存储有程序数据，所述程序数据被处理器执行时实现如上述任一项基于云端的算法配置方法的步骤。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种云端服务器。该云端服务器包括相互连接的处理器和存储器，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，实现如上述任一项基于云端的算法配置方法的步骤。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种算法部署系统。所述算法部署系统包括云数据库、设备系统和上述的云端服务器，所述云数据库与所述云端服务器相关联，所述云端服务器与所述设备系统进行通信连接。

附图说明

为了更清楚地说明本申请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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，其中：

图1是本申请提供的基于云端的算法配置方法一实施例的流程示意图；

图2是图1实施例中步骤10之前的流程示意图；

图3是图1实施例中步骤40之后的流程示意图；

图4是本申请提供的存储介质的一实施例的结构示意图；

图5是本申请提供的云端服务器的一实施例的结构示意图；

图6是本申请提供的算法部署系统的一实施例的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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。

本申请实施例中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其他实施例相结合。

本申请提供了一种基于云端的算法配置方法，参阅图1，图1是本申请提供的基于云端的算法配置方法一实施例的流程示意图，该基于云端的算法配置方法包括：

步骤10：响应于接收到的算法选取指令和第一配置信息，将所选取的算法与对应的设备系统进行关联。

在部署算法时，在算法部署界面点击部署，发送算法选取指令到算法库；该算法库是云数据库，指将数据库部署在云端，通过互联网连接方式，提供可扩展、高可靠、高性能的数据储存服务。

当算法库接收到算法选取指令后，根据算法选取指令包括的算法名称和算法版本确定对应的算法；其中第一配置信息包括设备系统的系统名称和区域属性，设备系统的系统名称包括多联机系统、水冷空调系统、风冷空调系统、中央空调系统、分体空调系统和精密空调系统等多个名称；区域属性为设备系统中各终端设备所部署的地理区域，该地理区域根据实际业务而定，可以是安装了该设备系统的具体地名，也可以是一栋建筑中安装了该设备系统的不同区域名。

根据第一配置信息中的系统名称和区域属性，将选取的算法与对应的设备系统相关联，实现了根据实际项目要求，确定对应的设备系统，并根据设备系统，选取对应的算法与之关联；通过将算法与设备系统相关联，实现了针对不同设备系统的算法选取和优化。

可选地，参阅图2，在响应于接收到的算法选取指令和第一配置信息，将所选取的算法与对应的设备系统进行关联之前，还包括：

步骤01：在云端建立算法库，上传算法包到算法库中。

相较于将算法存储在云端的算法库中，传统的做法是用户自行购买或开发算法软件，并在本地计算机或者本地的数据库中进行安装和配置；这种方式适用于单个用户或者小型团队，但是随着用户数量的增加和数据规模的扩大，会增加用户的使用成本和技术门槛；其次，传统的方式很难实现算法的共享和复用，每个用户都需要重新开发和维护自己的算法，这会导致资源的浪费和效率的低下，同时该方式也很难保证算法的安全性和隐私性。

本申请通过在云端建立算法库，该算法库是一种已经编写好的通用程序代码集，用于帮助用户实现特定的任务，节省编程的时间，提高编程人员的工作效率；在算法库建立完成后，用户可通过动态上传的方式添加、更新或删除算法包，极大方便了用户对算法的管理，实现了算法的共享和复用，避免了重复开发和维护。

步骤02：为每个算法包配置算法名称和算法版本。

在云端建立算法库后，可持续新增算法包到算法库中，每个算法包由算法的执行程序和算法的配置信息组成，其中，可执行程序支持传统经验算法，也支持AI神经网络算法；传统经验算法基于人类经验和启发式规则的算法，该类算法通常是通过观察和试验来获得，具有明确的规则和步骤，对数据的处理能力有限，一般不具备普适性和自适应性；AI神经网络算法是基于人工智能和神经网络的算法，通过建立类似于神经元的节点和连接，实现了对数据的分布式表示和抽象推理，具有较强的数据处理能力和适用性。

每新增一个算法包到算法库中，都需要为其配置算法名称和算法版本，当设备系统中的终端设备发生变化后，初次配置的算法已不在适用，因此，开发人员需要针对设备变化的情况，进行算法的更新；当更新后的算法包上传到算法库中时，为了方便管理，将相同名称的算法包配置为不同的算法版本，这样可以确保算法的可靠性和可追溯性；同时可根据不同设备系统中各终端设备的版本型号，配置不同的算法版本，实现了算法的灵活配置，提高了算法的适应性。

步骤20：响应于接收对算法的第二配置信息，将第二配置信息中的相关参数与设备系统中的各终端设备形成映射关系。

第二配置信息包括状态参数和命令配置参数。其中状态参数包括设备属性、静态属性数字及电量，设备属性为设备系统中各终端设备所对应的功能属性，可以包含多个属性，也可以包含一个属性，如温度、湿度或光照强度等；静态属性数字用于配置各终端设备的功率属性，可同时控制设备系统中所有终端设备的功率，也可独立控制其中某一个设备的功率；电量对应着设备系统中各终端设备的耗能信息。

命令配置参数包括设备控制命令及命令触发参数范围，其中，设备控制命令用于控制设备系统中各终端设备执行相应的动作，可同时控制设备系统中所有的终端设备，也可独立控制其中某一个设备；命令触发参数是对状态参数中设备属性的范围限定，如限定温度范围在20～25℃之间或湿度范围在40～60％之间。

根据不同的业务需求，将配置后的算法中的状态参数和命令配置参数与对应设备系统中的终端设备形成映射关系，一个算法可同时与多个设备的状态参数和命令配置参数形成映射关系，实现对多个设备的调控，从而更好地进行控制和管理，控制策略及维度更先进；同时也可以灵活地调整状态参数和命令配置参数，提高设备系统的适用性，实现以整个系统性能优化为目标的全局控制。

可选地，参阅图3，图3是本申请完成对算法的配置后，继续执行对算法的部署、运行和监控的流程示意图，包括：

步骤30：在云端运行配置后的算法；或，将配置后的算法部署至与设备系统相关联的边缘服务器。

配置完成后的算法拥有两种部署方式，一种是部署在云端，另一种是部署在边缘服务器；在本申请中，这里部署在云端的算法是部署在算法服务器上，这里的算法服务器是一个linux服务器环境，用于算法包的执行和监控；算法服务器相当于云服务器，是一种虚拟的服务器环境，提供了计算、存储、网络等基础设施，并允许用户在其上部署应用程序和运行各种计算任务；在本申请中，部署在边缘服务器是部署在安装在设备现场的边缘计算服务器上，边缘计算服务器是一种微缩型的计算机设备，具备边缘计算能力，能为算法提供必需的执行环境。

提供两种部署方式，一种是部署在云端，另一种是部署在边缘服务器，实现了远程部署和更新控制算法，避免了工作人员前往项目现场编程或更新算法所带来的不便，从而降低了人力成本；同时部署在边缘服务器上，即使当终端设备处于离线状态时，边缘服务器仍然可以处理和响应算法请求，避免了因为网络连接问题导致的服务中断。

步骤40：对该算法的运行过程进行监控。

算法部署执行后，会形成一个独立的运行程序，每一个独立的运行程序为一个算法实例，每一个算法实例都有唯一的ID号，用于标识、跟踪、监控；根据ID号，可以查询算法的基本信息、配置信息、运行参数、运行日志和命令记录，其中基本信息包括算法实例的名称、第一配置信息、运行状态、部署时间、部署人员信息等；配置信息包括第二配置信息，其中第二配置信息包括状态参数和命令配置参数；运行参数用于判断获取到的运行日志和命令记录是否符合设定，从而确定算法运行过程是否出现错误，若判断出现错误，则发送提示信息；运行日志记录了算法运行过程中输入的日志信息，用于跟踪执行情况；命令记录用于记录算法运行过程中发出的命令记录，监控终端设备是否成功执行算法的命令配置参数中的动作。

通过判断获取到的日志信息和命令记录信息中的信息是否符合算法在运行参数下的设定，来判断算法的运行过程是否正常；这样可以实现对算法运行过程的监控，及时发现算法运行过程中的异常信息，提高了算法运行的稳定性和可靠性。

步骤50：在检测到算法运行出错时，发出提示信息。

在算法运行过程中，使用系统及设备数据API提供的接口，根据算法的第二配置信息中的状态参数，获取设备系统中各终端设备的设备状态信息，该设备状态信息包括实时采集的传感器数据、耗能信息和设备运行状态信息；其中传感器数据包括当前终端设备采集的温度、湿度或光照等信息；耗能信息包括各终端设备的耗电量；设备运行状态信息显示设备系统中各终端设备的运行状态，运行状态可以是关闭、正在运行或运行异常等信息。

在获取到各终端设备的设备状态信息后，将其与第二配置信息中的命令配置参数包括的命令触发参数范围比对，根据比对的结果，使用设备控制API提供的接口，控制各终端设备执行算法中配置的命令动作，比如：当水冷系统中的主机设备采集到当前环境温度为28℃，而命令触发参数范围设置为20～25℃，那么可以通过设备控制API提供的接口，远程控制水冷系统中的主机设备加大运行功率；或者采集到多联机系统中的A设备当前耗能较大，且A设备当前所处的区域环境温度已低于命令触发参数范围，则可远程降低A设备的运行功率或关闭A设备，减小能耗。

根据获取到的设备运行状态信息，可以查看各终端设备的运行状态，实现对各终端设备的实时状态监控；当获取到设备系统中的B设备当前的设备运行状态信息为运行异常时，首先查看B设备的算法运行情况，通过判断获取到的日志信息和命令记录信息中的信息是否符合算法在运行参数下的设定，来判断算法的运行过程是否正常；若处于异常状态，则发出提示信息，开发人员根据提示信息可确定出算法的异常位置，及时修改算法错误；若算法运行正常，则判断终端设备出现硬件故障，根据B设备所处的区域，通知维修人员进行设备的检修。

本申请通过采集设备系统中各终端设备的状态参数信息，并将其与算法中配置好的命令配置参数信息比对，根据比对的结果，远程控制终端设备执行对应的命令配置动作，实现了以整个系统性能优化为目标的全局控制；同时对算法的运行过程进行监控，并在监控到算法运行出错时，发出提示信息，提高了算法运行的透明性，保障了算法的稳定运行。

参阅图4，图4是本申请提供的存储介质的一实施例的结构示意图。

该存储介质60存储有程序数据61，程序数据61在被处理器执行时，实现如图1至图3所描述的基于云端的算法配置方法。

该程序数据61存储于一个存储介质60中，包括若干指令用于使得一台网络设备(可以路由器、个人计算机、服务器等网络设备)或处理器执行本申请各个实施例所述方法的全部或部分步骤。

可选的，存储介质60可以为U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁盘或者光盘等各种可以存储程序数据61的介质。

参阅图5，图5是本申请提供的云端服务器的一实施例的结构示意图。

该云端服务器70包括相互连接的存储器71和处理器72，存储器71存储有计算机程序，处理器72执行该计算机程序时，实现如图1至图3所描述的基于云端的算法配置方法。

参阅图6，图6是本申请提供的算法部署系统的一实施例的结构示意图。

该算法部署系统80包括如图5所描述的云端服务器70、云数据库81和设备系统82，从云数据库81中选取算法，并在云端服务器70上配置，并部署运行，云端服务器70与设备系统82通信连接。

区别于现有技术的情况，本申请公开了一种基于云端的算法配置方法、云端服务器、系统及存储介质。该方法包括：响应于接收到的算法选取指令和第一配置信息，该第一配置信息包括设备系统的系统名称和区域属性，以将所选取的算法与对应的设备系统进行关联；响应于接收对算法的第二配置信息，该第二配置信息包括状态参数和命令配置参数，以将状态参数和命令配置参数与设备系统中的各终端设备形成映射关系。通过上述方法，实现了控制算法在终端设备中的远程部署和更新，从而降低了人力成本；同时提高了算法的适用能力，实现了以整个系统性能优化为目标的全局控制。

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，对于存储介质实施例及电子装置实施例而言，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。

本申请可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

在本申请所提供的几个实施方式中，应该理解到，所揭露的方法、存储介质、计算机设备及系统，可以通过其它的方式实现。例如，以上所描述的设备实施方式仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。

另外，在本申请各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述仅为本申请的实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种基于云端的算法配置方法，其特征在于，包括：

响应于接收到的算法选取指令和第一配置信息，所述第一配置信息包括设备系统的系统名称和区域属性，以将所选取的算法与对应的所述设备系统进行关联；

响应于接收对所述算法的第二配置信息，所述第二配置信息包括状态参数和命令配置参数，以将所述状态参数和所述命令配置参数与所述设备系统中的各终端设备形成映射关系。

2.根据权利要求1所述的基于云端的算法配置方法，其特征在于，所述响应于接收到的算法选取指令之前，还包括：

预先建立算法库，其中所述算法库中包括多种算法，每一种所述算法包括至少一个算法版本；

所述响应于接收到的算法选取指令，包括：

响应于所选取的算法名称和算法版本，从所述算法库确定对应的所述算法。

3.根据权利要求2所述的基于云端的算法配置方法，其特征在于，包括：

接收并存储对所述算法库内算法的添加、更新或删除指令。

4.根据权利要求1所述的基于云端的算法配置方法，其特征在于，所述状态参数包括设备属性、静态属性数字及电量；

所述命令配置参数包括设备控制命令及命令触发参数范围。

5.根据权利要求1所述的基于云端的算法配置方法，其特征在于，所述响应于接收对所述算法的第二配置信息之后，还包括：

在所述云端运行配置后的所述算法；或，将配置后的所述算法部署至与所述设备系统相关联的边缘服务器。

6.根据权利要求所述的基于云端的算法配置方法，其特征在于，所述算法配置方法还包括：

对所述算法的运行过程进行监控；

在检测到所述算法运行出错时，发出提示信息。

7.根据权利要求6所述的基于云端的算法配置方法，其特征在于，所述对所述算法的运行过程进行监控，包括：

获取所述算法在运行过程中的运行参数、日志信息和命令记录信息；

检测所述日志信息和所述命令记录信息中的信息是否符合所述算法在所述运行参数下的设定。

8.一种存储介质，其上存储有程序数据，其特征在于，所述程序数据被处理器执行时实现如权利要求1-7任一项所述基于云端的算法配置方法的步骤。

9.一种云端服务器，其特征在于，包括相互连接的处理器和存储器，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，实现如权利要求1-7任一项所述基于云端的算法配置方法的步骤。

10.一种算法部署系统，其特征在于，包括设备系统、云数据库和如权利要求9所述的云端服务器，所述云数据库与所述云端服务器相关联，所述云端服务器与所述设备系统进行通信连接。