CN117791877B - 配电物联网控制方法、装置、设备及介质 - Google Patents
配电物联网控制方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117791877B CN117791877B CN202410200183.5A CN202410200183A CN117791877B CN 117791877 B CN117791877 B CN 117791877B CN 202410200183 A CN202410200183 A CN 202410200183A CN 117791877 B CN117791877 B CN 117791877B
- Authority
- CN
- China
- Prior art keywords
- task
- fusion
- processing
- terminal
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 104
- 238000012545 processing Methods 0.000 claims abstract description 648
- 230000004927 fusion Effects 0.000 claims abstract description 584
- 238000012163 sequencing technique Methods 0.000 claims abstract description 15
- 230000011218 segmentation Effects 0.000 claims description 130
- 239000013598 vector Substances 0.000 claims description 86
- 238000012549 training Methods 0.000 claims description 78
- 230000015654 memory Effects 0.000 claims description 55
- 230000004931 aggregating effect Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 6
- 230000006854 communication Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
- Y04S40/128—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment involving the use of Internet protocol
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开涉及配电技术领域，具体涉及一种配电物联网控制方法、装置、设备及介质，所述方法包括：获取每个融合终端的终端参数；根据终端参数对多个融合终端进行排序；获取待处理任务的任务处理需求信息；根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定多个目标融合终端；获取待处理任务的任务数据，将任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合。该方案无需占用配电网主站过多的任务处理资源，可以在无需添加相应硬件的前提下，使配电网主站能够得到较为准确的处理结果，降低了配电网的建设成本。
Description
技术领域
本公开涉及配电技术领域，具体涉及一种配电物联网控制方法、装置、设备及介质。
背景技术
随着配电物联网的建设，数以百万计的配电设备接入到配电物联网中来，这些配电设备通过专有网络互联互通，承载着配电物联网的运行监控、数据计算和运维控制等任务。
在配电物联网中，配电网主站由于用于存储配电物联网的供配电数据以及对配电物联网中的相关任务进行处理。近年来，随着智能电网的建设，配电网主站所负责的任务急剧增加，例如用电分析任务、故障检测任务、负荷预测任务等。上述任务的增加迅速消耗了配电网主站的处理资源，从而导致配电网主站的任务处理能力不足，针对配电物联网中的相关任务无法及时得到较为准确的处理结果。相关技术中，为了配电物联网中的相关任务能够得到及时处理，可以为配电网主站添加相应硬件，以提高配电网主站的任务处理能力，然而这一方案会急剧增加配电网建设成本，从而降低了该方案的可行性。
发明内容
为了解决相关技术中的问题，本公开实施例提供一种配电物联网控制方法、装置、设备及介质。
第一方面，本公开实施例中提供了一种配电物联网控制方法，该方法应用于配电物联网中的配电网主站，该方法包括：
获取配电物联网的多个融合终端中每个融合终端的终端参数；
根据终端参数对多个融合终端进行排序，其中，在排序后的融合终端中，数据处理能力越强的融合终端的次序越靠前；
获取待处理任务的任务处理需求信息；
根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端；
获取待处理任务的任务数据，将任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；
接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果，其中融合终端处理结果为目标融合终端根据数据处理代码对收到的切分后任务数据进行数据处理后得到。
在本公开的一种实施方式中，终端参数至少包括融合终端的中央处理器型号、图形处理器型号、内存容量、硬盘容量以及融合终端所在的台区信息。
在本公开的一种实施方式中，任务处理需求信息至少用于指示待处理任务的处理过程需求的任务处理时间、数据计算量、内存容量以及硬盘容量。
在本公开的一种实施方式中，根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端，包括：
根据任务处理需求信息获取待处理任务所需的目标内存容量、目标硬盘空间以及待处理任务所需的计算资源的目标计算能力；
根据排序后的融合终端中每个融合终端的中央处理器型号以及图形处理器型号获取每个融合终端的计算能力；
从前至后分别针对排序后的融合终端中终端的计算能力、内存容量以及目标硬盘进行累加；
当排序后的融合终端中前N个融合终端累加后的计算能力大于或等于目标计算能力、N个融合终端累加后的内存容量大于或等于目标内存容量且N个融合终端累加后的硬盘容量大于或等于目标硬盘容量，则将N个融合终端确定为多个目标融合终端，其中N≥2。
在本公开的一种实施方式中，将任务数据切分为多份，包括：
根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重；
根据多个目标融合终端的切分权重将任务数据切分为多份，以获取与每个目标融合终端对应的切分后任务数据。
在本公开的一种实施方式中，根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重之前，方法还包括：
获取预设切分权重模型、历史任务的任务处理需求信息以及多个预设融合终端的终端参数；
将历史任务的任务处理需求信息以及多个预设融合终端的终端参数作为输入，以获取预设切分权重模型输出的多个预设融合终端各自的切分权重；
获取历史任务的历史任务数据，并根据多个预设融合终端的切分权重将历史任务数据切分为多份，以获取与每个预设融合终端对应的切分后历史任务数据；
根据每个预设融合终端的终端参数以及与每个预设融合终端对应的切分后历史任务数据进行模拟数据处理，以获取与每个预设融合终端对应的数据处理时间，并根据数据处理时间获取历史任务的历史任务处理时间；
当历史任务处理时间大于或等于预设时间阈值时，对预设切分权重模型的参数进行调整；
或，当历史任务处理时间小于预设时间阈值时，将预设切分权重模型确定为目标切分权重模型；
根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重，包括：
将待处理任务的任务处理需求信息以及每个目标融合终端的终端参数输入目标切分权重模型，以获取每个目标融合终端的切分权重。
在本公开的一种实施方式中，向每个目标融合终端发送对应的切分后任务数据以及数据处理代码，包括：
向每个目标融合终端发送对应的切分后任务数据以及位于Docker容器中的数据处理代码，目标融合终端用于基于Docker容器构建处理环境，并在处理环境中加载数据处理代码，根据对应的切分后任务数据进行数据处理。
在本公开的一种实施方式中，待处理任务包括对待训练模型进行训练，待处理任务的任务数据包括训练数据，数据处理代码包括待训练模型的代码；
在处理环境中加载数据处理代码，根据对应的切分后任务数据进行数据处理，包括：
在处理环境中根据切分后的训练数据对目标融合终端上的待训练模型进行训练；
根据目标融合终端上训练后的待训练模型获取梯度更新矢量，并发送梯度更新矢量；
接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果，包括：
接收多个目标融合终端各自发送的梯度更新矢量，并根据梯度更新矢量继续聚合，根据聚合后的地图更新矢量对配电网主站上的待训练模型进行更新。
第二方面，本公开实施例中提供了一种配电物联网控制方法，该方法应用于配电物联网中的融合终端，该方法包括：
接收配电物联网的配电网主站发送的切分后任务数据以及数据处理代码，其中，配电网主站用于获取多个融合终端中每个融合终端的终端参数；根据终端参数对多个融合终端进行排序，获取待处理任务的任务处理需求信息，根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端，获取待处理任务的任务数据，将任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；
根据数据处理代码对收到的切分后任务数据进行数据处理，以获取融合终端处理结果；
发送融合终端处理结果，配电网主站用于接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果。
在本公开的一种实施方式中，接收配电物联网的配电网主站发送的切分后任务数据以及数据处理代码，包括：
接收配电网主站发送的切分后任务数据以及位于Docker容器中的数据处理代码；
根据数据处理代码对收到的切分后任务数据进行数据处理，以获取融合终端处理结果，包括：
基于Docker容器构建处理环境，并在处理环境中加载数据处理代码，根据收到的切分后任务数据进行数据处理。
在本公开的一种实施方式中，待处理任务包括对待训练模型进行训练，待处理任务的任务数据包括训练数据，数据处理代码包括待训练模型的代码；
在处理环境中加载数据处理代码，根据对应的切分后任务数据进行数据处理，包括：
在处理环境中根据切分后的训练数据对目标融合终端上的待训练模型进行训练；
根据目标融合终端上训练后的待训练模型获取梯度更新矢量，并发送梯度更新矢量，配电网主站用于接收多个目标融合终端各自发送的梯度更新矢量，并根据梯度更新矢量继续聚合，根据聚合后的地图更新矢量对配电网主站上的待训练模型进行更新。
第三方面，本公开实施例中提供了一种配电物联网控制装置，包括：
参数获取模块，被配置为获取配电物联网的多个融合终端中每个融合终端的终端参数；
终端排序模块，被配置为根据终端参数对多个融合终端进行排序，其中，在排序后的融合终端中，数据处理能力越强的融合终端的次序越靠前；
需求获取模块，被配置为获取待处理任务的任务处理需求信息；
终端确定模块，被配置为根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端；
数据切分模块，被配置为获取待处理任务的任务数据，将任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；
任务处理模块，被配置为接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果，其中融合终端处理结果为目标融合终端根据数据处理代码对收到的切分后任务数据进行数据处理后得到。
在本公开的一种实施方式中，终端参数至少包括融合终端的中央处理器型号、图形处理器型号、内存容量、硬盘容量以及融合终端所在的台区信息。
在本公开的一种实施方式中，任务处理需求信息至少用于指示待处理任务的处理过程需求的任务处理时间、数据计算量、内存容量以及硬盘容量。
在本公开的一种实施方式中，终端确定模块，具体被配置为：
根据任务处理需求信息获取待处理任务所需的目标内存容量、目标硬盘空间以及待处理任务所需的计算资源的目标计算能力；
根据排序后的融合终端中每个融合终端的中央处理器型号以及图形处理器型号获取每个融合终端的计算能力；
从前至后分别针对排序后的融合终端中终端的计算能力、内存容量以及目标硬盘进行累加；
当排序后的融合终端中前N个融合终端累加后的计算能力大于或等于目标计算能力、N个融合终端累加后的内存容量大于或等于目标内存容量且N个融合终端累加后的硬盘容量大于或等于目标硬盘容量，则将N个融合终端确定为多个目标融合终端，其中N≥2。
在本公开的一种实施方式中，数据切分模块，具体被配置为：
根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重；
根据多个目标融合终端的切分权重将任务数据切分为多份，以获取与每个目标融合终端对应的切分后任务数据。
在本公开的一种实施方式中，装置还包括：
预处理模块，被配置为：
获取预设切分权重模型、历史任务的任务处理需求信息以及多个预设融合终端的终端参数；
将历史任务的任务处理需求信息以及多个预设融合终端的终端参数作为输入，以获取预设切分权重模型输出的多个预设融合终端各自的切分权重；
获取历史任务的历史任务数据，并根据多个预设融合终端的切分权重将历史任务数据切分为多份，以获取与每个预设融合终端对应的切分后历史任务数据；
根据每个预设融合终端的终端参数以及与每个预设融合终端对应的切分后历史任务数据进行模拟数据处理，以获取与每个预设融合终端对应的数据处理时间，并根据数据处理时间获取历史任务的历史任务处理时间；
当历史任务处理时间大于或等于预设时间阈值时，对预设切分权重模型的参数进行调整；
或，当历史任务处理时间小于预设时间阈值时，将预设切分权重模型确定为目标切分权重模型；
数据切分模块，具体被配置为：
将待处理任务的任务处理需求信息以及每个目标融合终端的终端参数输入目标切分权重模型，以获取每个目标融合终端的切分权重。
在本公开的一种实施方式中，数据切分模块，具体被配置为：
向每个目标融合终端发送对应的切分后任务数据以及位于Docker容器中的数据处理代码，目标融合终端用于基于Docker容器构建处理环境，并在处理环境中加载数据处理代码，根据对应的切分后任务数据进行数据处理。
在本公开的一种实施方式中，待处理任务包括对待训练模型进行训练，待处理任务的任务数据包括训练数据，数据处理代码包括待训练模型的代码；
数据切分模块，具体被配置为：
在处理环境中根据切分后的训练数据对目标融合终端上的待训练模型进行训练；
根据目标融合终端上训练后的待训练模型获取梯度更新矢量，并发送梯度更新矢量；
任务处理模块，具体被配置为：
接收多个目标融合终端各自发送的梯度更新矢量，并根据梯度更新矢量继续聚合，根据聚合后的地图更新矢量对配电网主站上的待训练模型进行更新。
第四方面，本公开实施例中提供了一种配电物联网控制装置，包括：
数据接收模块，被配置为接收配电物联网的配电网主站发送的切分后任务数据以及数据处理代码，其中，配电网主站用于获取多个融合终端中每个融合终端的终端参数；根据终端参数对多个融合终端进行排序，获取待处理任务的任务处理需求信息，根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端，获取待处理任务的任务数据，将任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；
数据处理模块，被配置为根据数据处理代码对收到的切分后任务数据进行数据处理，以获取融合终端处理结果；
结果发送模块，被配置为发送融合终端处理结果，配电网主站用于接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果。
在本公开的一种实施方式中，数据接收模块，具体被配置为：
接收配电网主站发送的切分后任务数据以及位于Docker容器中的数据处理代码；
数据处理模块，具体被配置为：
基于Docker容器构建处理环境，并在处理环境中加载数据处理代码，根据收到的切分后任务数据进行数据处理。
在本公开的一种实施方式中，待处理任务包括对待训练模型进行训练，待处理任务的任务数据包括训练数据，数据处理代码包括待训练模型的代码；
数据处理模块，具体被配置为：
在处理环境中根据切分后的训练数据对目标融合终端上的待训练模型进行训练；
根据目标融合终端上训练后的待训练模型获取梯度更新矢量，并发送梯度更新矢量，配电网主站用于接收多个目标融合终端各自发送的梯度更新矢量，并根据梯度更新矢量继续聚合，根据聚合后的地图更新矢量对配电网主站上的待训练模型进行更新。
第五方面，本公开实施例提供了一种电子设备，包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如第一方面或第二方面中任一项所述的方法。
第六方面，本公开实施例中提供了一种计算机可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现如第一方面或第二方面中任一项所述的方法。
根据本公开实施例提供的技术方案， 通过获取配电物联网的多个融合终端中每个融合终端的终端参数；根据终端参数对多个融合终端进行排序；获取待处理任务的任务处理需求信息；根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端；获取待处理任务的任务数据，将任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果，其中融合终端处理结果为目标融合终端根据数据处理代码对收到的切分后任务数据进行数据处理后得到。其中，由于数据处理能力越强的融合终端的次序越靠前，因此所确定的多个目标融合终端不但可以满足待处理任务的任务处理过程需求，而且对待处理任务进行处理的效率以及可靠性均较高，通过由多个目标融合终端各自基于空闲的任务处理资源，根据切分后任务数据以及数据处理代码进行数据处理，并由配电网主站对融合终端处理结果进行融合，使配电网主站获取待处理任务的处理结果，上述方案无需占用配电网主站过多的任务处理资源，因此可以在无需为配电网主站添加相应硬件的前提下，使配电网主站能够针对该待处理任务及时得到较为准确的处理结果，降低了配电网的建设成本。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
结合附图，通过以下非限制性实施方式的详细描述，本公开的其它特征、目的和优点将变得更加明显。以下是对附图的说明。
图1示出根据本公开的实施例的配电物联网的结构示意图。
图2示出根据本公开的实施例的配电物联网控制方法的流程图。
图3示出根据本公开的实施例的配电物联网控制方法的流程图。
图4示出根据本公开的实施例的配电物联网控制装置的结构框图。
图5示出根据本公开的实施例的配电物联网控制装置的结构框图。
图6示出根据本公开的实施例的电子设备的结构框图。
图7示出适于用来实现根据本公开实施例的方法的计算机系统的结构示意图。
具体实施方式
下文中，将参考附图详细描述本公开的示例性实施例，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施例无关的部分。
在本公开中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
在本公开中，如涉及对用户信息或用户数据的获取操作或向他人展示用户信息或用户数据的操作，则所述操作均为经用户授权、确认，或由用户主动选择的操作。
在配电物联网中，配电网主站由于用于存储配电物联网的供配电数据以及对配电物联网中的相关任务进行处理。
近年来，随着智能电网的建设，配电网主站所负责的任务急剧增加，例如用电分析任务、故障检测任务、负荷预测任务等。上述任务的增加迅速消耗了配电网主站的处理资源，从而导致配电网主站的任务处理能力不足，针对配电物联网中的相关任务无法及时得到较为准确的处理结果。
相关技术中，为了配电物联网中的相关任务能够得到及时处理，可以为配电网主站添加相应硬件，以提高配电网主站的任务处理能力，然而这一方案会急剧增加配电网建设成本，从而降低了该方案的可行性。
为了解决相关技术中的问题，本公开实施例提供一种配电物联网控制方法、装置、设备及介质。
根据本公开实施例提供的技术方案， 通过获取配电物联网的多个融合终端中每个融合终端的终端参数；根据终端参数对多个融合终端进行排序；获取待处理任务的任务处理需求信息；根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端；获取待处理任务的任务数据，将任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果，其中融合终端处理结果为目标融合终端根据数据处理代码对收到的切分后任务数据进行数据处理后得到。其中，由于数据处理能力越强的融合终端的次序越靠前，因此所确定的多个目标融合终端不但可以满足待处理任务的任务处理过程需求，而且对待处理任务进行处理的效率以及可靠性均较高，通过由多个目标融合终端各自基于空闲的任务处理资源，根据切分后任务数据以及数据处理代码进行数据处理，并由配电网主站对融合终端处理结果进行融合，使配电网主站获取待处理任务的处理结果，上述方案无需占用配电网主站过多的任务处理资源，因此可以在无需为配电网主站添加相应硬件的前提下，使配电网主站能够针对该待处理任务及时得到较为准确的处理结果，降低了配电网的建设成本。
图1示出根据本公开的实施例的配电物联网的结构示意图，如图1所示，配电物联网包括多个融合终端以及配电网主站，其中每个融合终端用于控制其所在区范围内光伏电站、充电设备、储能设备、供输电开关设备、变压器等供电设备，同时融合终端还可以采集上述供电设备的工作时所产生的数据，并上报配电网主站。需要说明的是，配电网主站和融合终端之间，可以通过客服端-服务端 远程过程调用(Remote Procedure Call，RPC)通信的架构来实现数据传递。
图2示出根据本公开的实施例的配电物联网控制方法的流程图。该方法应用于配电物联网中的配电网主站。如图2所示，所述配电物联网控制方法包括以下步骤S101 -S106：
在步骤S101中，获取配电物联网的多个融合终端中每个融合终端的终端参数。
在步骤S102中，根据终端参数对多个融合终端进行排序。
其中，在排序后的融合终端中，数据处理能力越强的融合终端的次序越靠前。
在步骤S103中，获取待处理任务的任务处理需求信息。
在步骤S104中，根据任务处理需求信息以及终端参数，从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端。
在步骤S105中，获取待处理任务的任务数据，将任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码。
在步骤S106中，接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果。
其中融合终端处理结果为目标融合终端根据数据处理代码对收到的切分后任务数据进行数据处理后得到。
在本公开的一种实施方式中，终端参数至少包括融合终端的中央处理器型号、图形处理器型号、内存容量、硬盘容量以及融合终端所在的台区信息。
在本公开的一种实现方式中，获取配电物联网的多个融合终端中每个融合终端的终端参数，可以被理解为读取事先储存的每个融合终端的终端参数，也可以被理解为接收每个融合终端上报的终端参数，或接收其他装置（例如运维装置）发送的终端参数。
在本公开的一种实现方式中，根据终端参数对多个融合终端进行排序，可以被理解为根据终端参数计算每个融合终端的数据处理能力打分，并根据该数据处理能力打分对多个融合终端进行排序，打分越高的融合终端越靠前。
示例性的，可以根据融合终端的硬件参数、当前正在执行任务数量以及所属台区的位置计算每个融合终端的数据处理能力打分，其中根据硬件参数确定的硬件性能越强、当前正在执行任务数量越少、所属台区的位置与配电网主站的位置越靠近，则该数据处理能力打分越高。
在本公开的一种实施方式中，任务处理需求信息至少用于指示待处理任务的处理过程需求的任务处理时间、数据计算量、内存容量以及硬盘容量。
在本公开的一种实现方式中，获取待处理任务的任务处理需求信息，可以被理解为接收其他装置或系统发送的任务处理需求信息，也可以被理解为获取待处理任务的任务数据，并根据预先获取的算法对待处理任务的任务数据进行分析，以获取该任务处理需求信息。
在本公开的一种实现方式中，将任务数据切分为多份，可以被理解为平均将任务数据切分为多份，每一份切分后任务数据的数据量相同；也可以被理解为根据预先获取的算法，将目标融合终端的终端参数代入进行计算，并根据计算结果进行切分。
根据本公开实施例提供的技术方案， 通过获取配电物联网的多个融合终端中每个融合终端的终端参数；根据终端参数对多个融合终端进行排序；获取待处理任务的任务处理需求信息；根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端；获取待处理任务的任务数据，将任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果，其中融合终端处理结果为目标融合终端根据数据处理代码对收到的切分后任务数据进行数据处理后得到。其中，由于数据处理能力越强的融合终端的次序越靠前，因此所确定的多个目标融合终端不但可以满足待处理任务的任务处理过程需求，而且对待处理任务进行处理的效率以及可靠性均较高，通过由多个目标融合终端各自基于空闲的任务处理资源，根据切分后任务数据以及数据处理代码进行数据处理，并由配电网主站对融合终端处理结果进行融合，使配电网主站获取待处理任务的处理结果，上述方案无需占用配电网主站过多的任务处理资源，因此可以在无需为配电网主站添加相应硬件的前提下，使配电网主站能够针对该待处理任务及时得到较为准确的处理结果，降低了配电网的建设成本。
在本公开的一种实施方式中，根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端，包括：
根据任务处理需求信息获取待处理任务所需的目标内存容量、目标硬盘空间以及待处理任务所需的计算资源的目标计算能力；
根据排序后的融合终端中每个融合终端的中央处理器型号以及图形处理器型号获取每个融合终端的计算能力；
从前至后分别针对排序后的融合终端中终端的计算能力、内存容量以及目标硬盘进行累加；
当排序后的融合终端中前N个融合终端累加后的计算能力大于或等于目标计算能力、N个融合终端累加后的内存容量大于或等于目标内存容量且N个融合终端累加后的硬盘容量大于或等于目标硬盘容量，则将N个融合终端确定为多个目标融合终端，其中N≥2。
在本公开的一种实现方式中，目标计算能力可以被理解为用于指示融合终端在单位时间内的运算能力。示例性的，目标计算能力可以具体为每秒所执行的浮点运算次数（Floating-point Operations Per Second，FLOPS），也可以为每秒10亿次的浮点运算数（Giga Floating-point Operations Per Second，GFLOPS）。
根据本公开实施例提供的技术方案，通过根据任务处理需求信息获取待处理任务所需的目标内存容量、目标硬盘空间以及待处理任务所需的计算资源的目标计算能力；根据排序后的融合终端中每个融合终端的中央处理器型号以及图形处理器型号获取每个融合终端的计算能力；从前至后分别针对排序后的融合终端中终端的计算能力、内存容量以及目标硬盘进行累加；当排序后的融合终端中前N个融合终端累加后的计算能力大于或等于目标计算能力、N个融合终端累加后的内存容量大于或等于目标内存容量且N个融合终端累加后的硬盘容量大于或等于目标硬盘容量，则将N个融合终端确定为多个目标融合终端。上述方案可以较为准确的确定能够满足待处理任务的任务处理需求，且对待处理任务进行处理的效率最高的多个目标融合终端，有助于提高对待处理任务进行处理的效率。
在本公开的一种实施方式中，将任务数据切分为多份，包括：
根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重；
根据多个目标融合终端的切分权重将任务数据切分为多份，以获取与每个目标融合终端对应的切分后任务数据。
在本公开的一种实现方式中，根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重，可以被理解为将每个目标融合终端的终端参数代入预先获取的算法或模型中，以获取每个目标融合终端的切分权重；也可以被理解为发送每个目标融合终端的终端参数，并接收其他装置或系统发送的每个目标融合终端的切分权重。
根据本公开实施例提供的技术方案，通过根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重，并根据多个目标融合终端的切分权重将任务数据切分为多份，以获取与每个目标融合终端对应的切分后任务数据，可以确保对任务数据的切分较为合理，每个目标融合终端均能较为准确的完成对与其对应的切分后任务数据的处理，有助于提高获取待处理任务的处理结果的准确率。
在本公开的一种实施方式中，根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重之前，方法还包括：
获取预设切分权重模型、历史任务的任务处理需求信息以及多个预设融合终端的终端参数；
将历史任务的任务处理需求信息以及多个预设融合终端的终端参数作为输入，以获取预设切分权重模型输出的多个预设融合终端各自的切分权重；
获取历史任务的历史任务数据，并根据多个预设融合终端的切分权重将历史任务数据切分为多份，以获取与每个预设融合终端对应的切分后历史任务数据；
根据每个预设融合终端的终端参数以及与每个预设融合终端对应的切分后历史任务数据进行模拟数据处理，以获取与每个预设融合终端对应的数据处理时间，并根据数据处理时间获取历史任务的历史任务处理时间；
当历史任务处理时间大于或等于预设时间阈值时，对预设切分权重模型的参数进行调整；
或，当历史任务处理时间小于预设时间阈值时，将预设切分权重模型确定为目标切分权重模型；
根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重，包括：
将待处理任务的任务处理需求信息以及每个目标融合终端的终端参数输入目标切分权重模型，以获取每个目标融合终端的切分权重。
在本公开的一种实现方式中，预设切分权重模型可以为神经网络（neuralnetwork，NN）模型、卷积神经网络（convolutional neural networks， CNN）模型或长短期记忆网络（long shortterm memory，LSTM）模型等。
在本公开的一种实施方式中，目标切分权重模型可以被理解为学习到了历史任务的任务处理需求信息以及多个预设融合终端的终端参数与多个预设融合终端各自的目标切分权重之间规律的模型，其中根据多个预设融合终端的目标切分权重对历史任务的历史任务数据进行切分后，多个预设融合终端各自对相应的切分后历史任务数据进行数据处理的数据处理时间较少，基于该数据处理时间获取的历史任务的历史任务处理时间能够满足历史任务的任务处理需求。
根据本公开实施例提供的技术方案，通过上述方案，可以确保在基于所获取每个目标融合终端的切分权重将任务数据切分为多份后，每个目标融合终端均能在准确完成对与其对应的切分后任务数据的处理的前提下，确保处理时间均较短，待处理任务的总处理时间能够满足任务处理需求，有助于提高获取待处理任务的处理结果的效率。
在本公开的一种实施方式中，向每个目标融合终端发送对应的切分后任务数据以及数据处理代码，包括：
向每个目标融合终端发送对应的切分后任务数据以及位于Docker（码头工人）容器中的数据处理代码，目标融合终端用于基于Docker容器构建处理环境，并在处理环境中加载数据处理代码，根据对应的切分后任务数据进行数据处理。
其中，Docker可以被理解为应用容器引擎。
根据本公开实施例提供的技术方案，通过向每个目标融合终端发送对应的切分后任务数据以及位于Docker容器中的数据处理代码，使目标融合终端能够基于Docker容器构建处理环境，并在处理环境中加载数据处理代码，根据对应的切分后任务数据进行数据处理，可以屏蔽掉目标融合终端的系统差异和硬件设备的差异，并且限制根据对应的切分后任务数据进行数据处理占用的终端资源上限，可以确保目标融合终端正在运行的其他任务不会受到影响，避免由于切分后任务数据进行数据处理使用占用过多资源而导致目标融合终端的系统过载或性能下降。
在本公开的一种实施方式中，待处理任务包括对待训练模型进行训练，待处理任务的任务数据包括训练数据，数据处理代码包括待训练模型的代码；
在处理环境中加载数据处理代码，根据对应的切分后任务数据进行数据处理，包括：
在处理环境中根据切分后的训练数据对目标融合终端上的待训练模型进行训练；
根据目标融合终端上训练后的待训练模型获取梯度更新矢量，并发送梯度更新矢量；
接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果，包括：
接收多个目标融合终端各自发送的梯度更新矢量，并根据梯度更新矢量继续聚合，根据聚合后的地图更新矢量对配电网主站上的待训练模型进行更新。
在本公开的一种实现方式中，接收多个目标融合终端各自发送的梯度更新矢量，并根据梯度更新矢量继续聚合，可以被理解为根据预先获取的聚合算法将梯度更新矢量代入进行计算，以获取聚合后的地图更新矢量。
示例性的，当目标融合终端的数量为个，且每个目标融合终端的切分权重相同时，可以根据/>获取聚合后的地图更新矢量/>，其中/>、/>、/>分别为第一个目标融合终端、第二个目标融合终端以及第三个目标融合终端。
或者，当目标融合终端的数量为，第一个目标融合终端的切分权重为/>、第二个目标融合终端的切分权重为/>、第三个目标融合终端的切分权重为/>，第/>个目标融合终端的切分权重为/>，则可以根据/>获取聚合后的地图更新矢量/>。
根据本公开实施例提供的技术方案，在待处理任务包括对待训练模型进行训练，待处理任务的任务数据包括训练数据，数据处理代码包括待训练模型的代码时，通过在处理环境中根据切分后的训练数据对目标融合终端上的待训练模型进行训练；根据目标融合终端上训练后的待训练模型获取梯度更新矢量，并发送梯度更新矢量；接收多个目标融合终端各自发送的梯度更新矢量，并根据梯度更新矢量继续聚合，根据聚合后的地图更新矢量对配电网主站上的待训练模型进行更新，可以提高对配电网主站上的待训练模型进行训练的效率。
图3示出根据本公开的实施例的配电物联网控制方法的流程图。该方法应用于配电物联网中的融合终端。如图3所示，所述配电物联网控制方法包括以下步骤S201 – S203：
在步骤S201中，接收配电物联网的配电网主站发送的切分后任务数据以及数据处理代码。
其中，配电网主站用于获取多个融合终端中每个融合终端的终端参数；根据终端参数对多个融合终端进行排序，获取待处理任务的任务处理需求信息，根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端，获取待处理任务的任务数据，将任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；
在步骤S202中，根据数据处理代码对收到的切分后任务数据进行数据处理，以获取融合终端处理结果。
在步骤S203中，发送融合终端处理结果。
配电网主站用于接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果。
根据本公开实施例提供的技术方案， 通过接收配电物联网的配电网主站发送的切分后任务数据以及数据处理代码。根据数据处理代码对收到的切分后任务数据进行数据处理，以获取融合终端处理结果。发送融合终端处理结果。其中，由于收到切分后任务数据以及数据处理代码的融合终端不但可以满足待处理任务的任务处理过程需求，而且对待处理任务进行处理的效率以及可靠性均较高，通过由融合终端各自基于空闲的任务处理资源，根据切分后任务数据以及数据处理代码进行数据处理，并由配电网主站对融合终端处理结果进行融合，使配电网主站获取待处理任务的处理结果，上述方案无需占用配电网主站过多的任务处理资源，因此可以在无需为配电网主站添加相应硬件的前提下，使配电网主站能够针对该待处理任务及时得到较为准确的处理结果，降低了配电网的建设成本。
在本公开的一种实施方式中，接收配电网主站发送的切分后任务数据以及数据处理代码，包括：
接收配电网主站发送的切分后任务数据以及位于Docker容器中的数据处理代码；
根据数据处理代码对收到的切分后任务数据进行数据处理，以获取融合终端处理结果，包括：
基于Docker容器构建处理环境，并在处理环境中加载数据处理代码，根据收到的切分后任务数据进行数据处理。
根据本公开实施例提供的技术方案，通过接收配电网主站发送的切分后任务数据以及位于Docker容器中的数据处理代码；基于Docker容器构建处理环境，并在处理环境中加载数据处理代码，根据收到的切分后任务数据进行数据处理。上述方案可以屏蔽掉目标融合终端的系统差异和硬件设备的差异，并且限制根据对应的切分后任务数据进行数据处理占用的终端资源上限，可以确保目标融合终端正在运行的其他任务不会受到影响，避免由于切分后任务数据进行数据处理使用占用过多资源而导致目标融合终端的系统过载或性能下降。
在本公开的一种实施方式中，待处理任务包括对待训练模型进行训练，待处理任务的任务数据包括训练数据，数据处理代码包括待训练模型的代码；
在处理环境中加载数据处理代码，根据对应的切分后任务数据进行数据处理，包括：
在处理环境中根据切分后的训练数据对目标融合终端上的待训练模型进行训练；
根据目标融合终端上训练后的待训练模型获取梯度更新矢量，并发送梯度更新矢量，配电网主站用于接收多个目标融合终端各自发送的梯度更新矢量，并根据梯度更新矢量继续聚合，根据聚合后的地图更新矢量对配电网主站上的待训练模型进行更新。
根据本公开实施例提供的技术方案，在待处理任务包括对待训练模型进行训练，待处理任务的任务数据包括训练数据，数据处理代码包括待训练模型的代码时，通过在处理环境中根据切分后的训练数据对目标融合终端上的待训练模型进行训练；根据目标融合终端上训练后的待训练模型获取梯度更新矢量，并发送梯度更新矢量；接收多个目标融合终端各自发送的梯度更新矢量，并根据梯度更新矢量继续聚合，根据聚合后的地图更新矢量对配电网主站上的待训练模型进行更新。可以提高对配电网主站上的待训练模型进行训练的效率。
图4示出根据本公开的实施例的配电物联网控制装置的结构框图。其中，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。
如图4所示，所述配电物联网控制装置400包括：
参数获取模块，被配置为获取配电物联网的多个融合终端中每个融合终端的终端参数；
终端排序模块，被配置为根据终端参数对多个融合终端进行排序，其中，在排序后的融合终端中，数据处理能力越强的融合终端的次序越靠前；
需求获取模块，被配置为获取待处理任务的任务处理需求信息；
终端确定模块，被配置为根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端；
数据切分模块，被配置为获取待处理任务的任务数据，将任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；
任务处理模块，被配置为接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果，其中融合终端处理结果为目标融合终端根据数据处理代码对收到的切分后任务数据进行数据处理后得到。
在本公开的一种实施方式中，终端参数至少包括融合终端的中央处理器型号、图形处理器型号、内存容量、硬盘容量以及融合终端所在的台区信息。
在本公开的一种实施方式中，任务处理需求信息至少用于指示待处理任务的处理过程需求的任务处理时间、数据计算量、内存容量以及硬盘容量。
在本公开的一种实施方式中，终端确定模块，具体被配置为：
根据任务处理需求信息获取待处理任务所需的目标内存容量、目标硬盘空间以及待处理任务所需的计算资源的目标计算能力；
根据排序后的融合终端中每个融合终端的中央处理器型号以及图形处理器型号获取每个融合终端的计算能力；
从前至后分别针对排序后的融合终端中终端的计算能力、内存容量以及目标硬盘进行累加；
当排序后的融合终端中前N个融合终端累加后的计算能力大于或等于目标计算能力、N个融合终端累加后的内存容量大于或等于目标内存容量且N个融合终端累加后的硬盘容量大于或等于目标硬盘容量，则将N个融合终端确定为多个目标融合终端，其中N≥2。
在本公开的一种实施方式中，数据切分模块，具体被配置为：
根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重；
根据多个目标融合终端的切分权重将任务数据切分为多份，以获取与每个目标融合终端对应的切分后任务数据。
在本公开的一种实施方式中，配电物联网控制装置400还包括：
预处理模块，被配置为：
获取预设切分权重模型、历史任务的任务处理需求信息以及多个预设融合终端的终端参数；
将历史任务的任务处理需求信息以及多个预设融合终端的终端参数作为输入，以获取预设切分权重模型输出的多个预设融合终端各自的切分权重；
获取历史任务的历史任务数据，并根据多个预设融合终端的切分权重将历史任务数据切分为多份，以获取与每个预设融合终端对应的切分后历史任务数据；
根据每个预设融合终端的终端参数以及与每个预设融合终端对应的切分后历史任务数据进行模拟数据处理，以获取与每个预设融合终端对应的数据处理时间，并根据数据处理时间获取历史任务的历史任务处理时间；
当历史任务处理时间大于或等于预设时间阈值时，对预设切分权重模型的参数进行调整；
或，当历史任务处理时间小于预设时间阈值时，将预设切分权重模型确定为目标切分权重模型；
数据切分模块，具体被配置为：
将待处理任务的任务处理需求信息以及每个目标融合终端的终端参数输入目标切分权重模型，以获取每个目标融合终端的切分权重。
在本公开的一种实施方式中，数据切分模块，具体被配置为：
向每个目标融合终端发送对应的切分后任务数据以及位于Docker容器中的数据处理代码，目标融合终端用于基于Docker容器构建处理环境，并在处理环境中加载数据处理代码，根据对应的切分后任务数据进行数据处理。
在本公开的一种实施方式中，待处理任务包括对待训练模型进行训练，待处理任务的任务数据包括训练数据，数据处理代码包括待训练模型的代码；
数据切分模块，具体被配置为：
在处理环境中根据切分后的训练数据对目标融合终端上的待训练模型进行训练；
根据目标融合终端上训练后的待训练模型获取梯度更新矢量，并发送梯度更新矢量；
任务处理模块，具体被配置为：
接收多个目标融合终端各自发送的梯度更新矢量，并根据梯度更新矢量继续聚合，根据聚合后的地图更新矢量对配电网主站上的待训练模型进行更新。
根据本公开实施例提供的技术方案， 通过获取配电物联网的多个融合终端中每个融合终端的终端参数；根据终端参数对多个融合终端进行排序；获取待处理任务的任务处理需求信息；根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端；获取待处理任务的任务数据，将任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果，其中融合终端处理结果为目标融合终端根据数据处理代码对收到的切分后任务数据进行数据处理后得到。其中，由于数据处理能力越强的融合终端的次序越靠前，因此所确定的多个目标融合终端不但可以满足待处理任务的任务处理过程需求，而且对待处理任务进行处理的效率以及可靠性均较高，通过由多个目标融合终端各自基于空闲的任务处理资源，根据切分后任务数据以及数据处理代码进行数据处理，并由配电网主站对融合终端处理结果进行融合，使配电网主站获取待处理任务的处理结果，上述方案无需占用配电网主站过多的任务处理资源，因此可以在无需为配电网主站添加相应硬件的前提下，使配电网主站能够针对该待处理任务及时得到较为准确的处理结果，降低了配电网的建设成本。
图5示出根据本公开的实施例的配电物联网控制装置的结构框图。其中，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。
如图5所示，所述配电物联网控制装置500包括：
数据接收模块，被配置为接收配电物联网的配电网主站发送的切分后任务数据以及数据处理代码，其中，配电网主站用于获取多个融合终端中每个融合终端的终端参数；根据终端参数对多个融合终端进行排序，获取待处理任务的任务处理需求信息，根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端，获取待处理任务的任务数据，将任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；
数据处理模块，被配置为根据数据处理代码对收到的切分后任务数据进行数据处理，以获取融合终端处理结果；
结果发送模块，被配置为发送融合终端处理结果，配电网主站用于接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果。
在本公开的一种实施方式中，数据接收模块，具体被配置为：
接收配电网主站发送的切分后任务数据以及位于Docker容器中的数据处理代码；
数据处理模块，具体被配置为：
基于Docker容器构建处理环境，并在处理环境中加载数据处理代码，根据收到的切分后任务数据进行数据处理。
在本公开的一种实施方式中，待处理任务包括对待训练模型进行训练，待处理任务的任务数据包括训练数据，数据处理代码包括待训练模型的代码；
数据处理模块，具体被配置为：
在处理环境中根据切分后的训练数据对目标融合终端上的待训练模型进行训练；
根据目标融合终端上训练后的待训练模型获取梯度更新矢量，并发送梯度更新矢量，配电网主站用于接收多个目标融合终端各自发送的梯度更新矢量，并根据梯度更新矢量继续聚合，根据聚合后的地图更新矢量对配电网主站上的待训练模型进行更新。
根据本公开实施例提供的技术方案， 通过接收配电物联网的配电网主站发送的切分后任务数据以及数据处理代码。根据数据处理代码对收到的切分后任务数据进行数据处理，以获取融合终端处理结果。发送融合终端处理结果。其中，由于收到切分后任务数据以及数据处理代码的融合终端不但可以满足待处理任务的任务处理过程需求，而且对待处理任务进行处理的效率以及可靠性均较高，通过由融合终端各自基于空闲的任务处理资源，根据切分后任务数据以及数据处理代码进行数据处理，并由配电网主站对融合终端处理结果进行融合，使配电网主站获取待处理任务的处理结果，上述方案无需占用配电网主站过多的任务处理资源，因此可以在无需为配电网主站添加相应硬件的前提下，使配电网主站能够针对该待处理任务及时得到较为准确的处理结果，降低了配电网的建设成本。
本公开还公开了一种电子设备，图6示出根据本公开的实施例的电子设备的结构框图。
如图6所示，所述电子设备包括存储器和处理器，其中，存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现根据本公开的实施例的方法。
第一方面，本公开实施例中提供了一种配电物联网控制方法，该方法应用于配电物联网中的配电网主站，该方法包括：
获取配电物联网的多个融合终端中每个融合终端的终端参数；
根据终端参数对多个融合终端进行排序，其中，在排序后的融合终端中，数据处理能力越强的融合终端的次序越靠前；
获取待处理任务的任务处理需求信息；
根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端；
获取待处理任务的任务数据，将任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；
接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果，其中融合终端处理结果为目标融合终端根据数据处理代码对收到的切分后任务数据进行数据处理后得到。
在本公开的一种实施方式中，终端参数至少包括融合终端的中央处理器型号、图形处理器型号、内存容量、硬盘容量以及融合终端所在的台区信息。
在本公开的一种实施方式中，任务处理需求信息至少用于指示待处理任务的处理过程需求的任务处理时间、数据计算量、内存容量以及硬盘容量。
在本公开的一种实施方式中，根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端，包括：
根据任务处理需求信息获取待处理任务所需的目标内存容量、目标硬盘空间以及待处理任务所需的计算资源的目标计算能力；
根据排序后的融合终端中每个融合终端的中央处理器型号以及图形处理器型号获取每个融合终端的计算能力；
从前至后分别针对排序后的融合终端中终端的计算能力、内存容量以及目标硬盘进行累加；
当排序后的融合终端中前N个融合终端累加后的计算能力大于或等于目标计算能力、N个融合终端累加后的内存容量大于或等于目标内存容量且N个融合终端累加后的硬盘容量大于或等于目标硬盘容量，则将N个融合终端确定为多个目标融合终端，其中N≥2。
在本公开的一种实施方式中，将任务数据切分为多份，包括：
根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重；
根据多个目标融合终端的切分权重将任务数据切分为多份，以获取与每个目标融合终端对应的切分后任务数据。
在本公开的一种实施方式中，根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重之前，方法还包括：
获取预设切分权重模型、历史任务的任务处理需求信息以及多个预设融合终端的终端参数；
将历史任务的任务处理需求信息以及多个预设融合终端的终端参数作为输入，以获取预设切分权重模型输出的多个预设融合终端各自的切分权重；
获取历史任务的历史任务数据，并根据多个预设融合终端的切分权重将历史任务数据切分为多份，以获取与每个预设融合终端对应的切分后历史任务数据；
根据每个预设融合终端的终端参数以及与每个预设融合终端对应的切分后历史任务数据进行模拟数据处理，以获取与每个预设融合终端对应的数据处理时间，并根据数据处理时间获取历史任务的历史任务处理时间；
当历史任务处理时间大于或等于预设时间阈值时，对预设切分权重模型的参数进行调整；
或，当历史任务处理时间小于预设时间阈值时，将预设切分权重模型确定为目标切分权重模型；
根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重，包括：
将待处理任务的任务处理需求信息以及每个目标融合终端的终端参数输入目标切分权重模型，以获取每个目标融合终端的切分权重。
在本公开的一种实施方式中，向每个目标融合终端发送对应的切分后任务数据以及数据处理代码，包括：
向每个目标融合终端发送对应的切分后任务数据以及位于Docker容器中的数据处理代码，目标融合终端用于基于Docker容器构建处理环境，并在处理环境中加载数据处理代码，根据对应的切分后任务数据进行数据处理。
在本公开的一种实施方式中，待处理任务包括对待训练模型进行训练，待处理任务的任务数据包括训练数据，数据处理代码包括待训练模型的代码；
在处理环境中加载数据处理代码，根据对应的切分后任务数据进行数据处理，包括：
在处理环境中根据切分后的训练数据对目标融合终端上的待训练模型进行训练；
根据目标融合终端上训练后的待训练模型获取梯度更新矢量，并发送梯度更新矢量；
接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果，包括：
接收多个目标融合终端各自发送的梯度更新矢量，并根据梯度更新矢量继续聚合，根据聚合后的地图更新矢量对配电网主站上的待训练模型进行更新。
第二方面，本公开实施例中提供了一种配电物联网控制方法，该方法应用于配电物联网中的融合终端，该方法包括：
接收配电物联网的配电网主站发送的切分后任务数据以及数据处理代码，其中，配电网主站用于获取多个融合终端中每个融合终端的终端参数；根据终端参数对多个融合终端进行排序，获取待处理任务的任务处理需求信息，根据任务处理需求信息以及终端参数从前至后在排序后的融合终端中确定数据处理能力满足待处理任务的任务处理过程需求的多个目标融合终端，获取待处理任务的任务数据，将任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；
根据数据处理代码对收到的切分后任务数据进行数据处理，以获取融合终端处理结果；
发送融合终端处理结果，配电网主站用于接收多个目标融合终端各自发送的融合终端处理结果，并根据融合终端处理结果进行融合，以获取待处理任务的处理结果。
在本公开的一种实施方式中，接收配电网主站发送的切分后任务数据以及数据处理代码，包括：
接收配电网主站发送的切分后任务数据以及位于Docker容器中的数据处理代码；
根据数据处理代码对收到的切分后任务数据进行数据处理，以获取融合终端处理结果，包括：
基于Docker容器构建处理环境，并在处理环境中加载数据处理代码，根据收到的切分后任务数据进行数据处理。
在本公开的一种实施方式中，待处理任务包括对待训练模型进行训练，待处理任务的任务数据包括训练数据，数据处理代码包括待训练模型的代码；
在处理环境中加载数据处理代码，根据对应的切分后任务数据进行数据处理，包括：
在处理环境中根据切分后的训练数据对目标融合终端上的待训练模型进行训练；
根据目标融合终端上训练后的待训练模型获取梯度更新矢量，并发送梯度更新矢量，配电网主站用于接收多个目标融合终端各自发送的梯度更新矢量，并根据梯度更新矢量继续聚合，根据聚合后的地图更新矢量对配电网主站上的待训练模型进行更新。
图7示出适于用来实现根据本公开实施例的方法的计算机系统的结构示意图。
如图7所示，计算机系统包括处理单元，其可以根据存储在只读存储器（ROM）中的程序或者从存储部分加载到随机访问存储器（RAM）中的程序而执行上述实施例中的各种方法。在RAM中，还存储有计算机系统操作所需的各种程序和数据。处理单元、ROM以及RAM通过总线彼此相连。输入/输出（I/O）接口也连接至总线。
以下部件连接至I/O接口：包括键盘、鼠标等的输入部分；包括诸如阴极射线管（CRT）、液晶显示器（LCD）等以及扬声器等的输出部分；包括硬盘等的存储部分；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信过程。驱动器也根据需要连接至I/O接口。可拆卸介质，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器上，以便于从其上读出的计算机程序根据需要被安装入存储部分。其中，所述处理单元可实现为CPU、GPU、TPU、FPGA、NPU等处理单元。
特别地，根据本公开的实施例，上文描述的方法可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行上述方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过可编程硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面，本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中电子设备或计算机系统中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (16)
1.一种配电物联网控制方法，其特征在于，所述方法应用于配电物联网中的配电网主站，所述方法包括：
获取所述配电物联网的多个融合终端中每个融合终端的终端参数；
根据所述终端参数对所述多个融合终端进行排序，其中，在排序后的融合终端中，数据处理能力越强的融合终端的次序越靠前；
获取待处理任务的任务处理需求信息；
根据所述任务处理需求信息以及所述终端参数从前至后在排序后的融合终端中确定数据处理能力满足所述待处理任务的任务处理过程需求的多个目标融合终端；
获取所述待处理任务的任务数据，将所述任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；
接收所述多个目标融合终端各自发送的融合终端处理结果，并根据所述融合终端处理结果进行融合，以获取所述待处理任务的处理结果，其中所述融合终端处理结果为目标融合终端根据所述数据处理代码对收到的切分后任务数据进行数据处理后得到；
其中，所述将所述任务数据切分为多份，包括：
根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重；
根据多个目标融合终端的切分权重将所述任务数据切分为多份，以获取与每个目标融合终端对应的切分后任务数据；
所述根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重之前，所述方法还包括：
获取预设切分权重模型、历史任务的任务处理需求信息以及多个预设融合终端的终端参数；
将所述历史任务的任务处理需求信息以及所述多个预设融合终端的终端参数作为输入，以获取所述预设切分权重模型输出的多个预设融合终端各自的切分权重；
获取所述历史任务的历史任务数据，并根据所述多个预设融合终端的切分权重将所述历史任务数据切分为多份，以获取与每个预设融合终端对应的切分后历史任务数据；
根据每个预设融合终端的终端参数以及与每个预设融合终端对应的切分后历史任务数据进行模拟数据处理，以获取与每个预设融合终端对应的数据处理时间，并根据所述数据处理时间获取所述历史任务的历史任务处理时间；
当所述历史任务处理时间大于或等于预设时间阈值时，对所述预设切分权重模型的参数进行调整；
或，当所述历史任务处理时间小于所述预设时间阈值时，将所述预设切分权重模型确定为目标切分权重模型；
所述根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重，包括：
将所述待处理任务的任务处理需求信息以及每个目标融合终端的终端参数输入所述目标切分权重模型，以获取每个目标融合终端的切分权重。
2.根据权利要求1所述的配电物联网控制方法，其特征在于，所述终端参数至少包括所述融合终端的中央处理器型号、图形处理器型号、内存容量、硬盘容量以及所述融合终端所在的台区信息。
3.根据权利要求2所述的配电物联网控制方法，其特征在于，所述任务处理需求信息至少用于指示所述待处理任务的处理过程需求的任务处理时间、数据计算量、内存容量以及硬盘容量。
4.根据权利要求3所述的配电物联网控制方法，其特征在于，所述根据所述任务处理需求信息以及所述终端参数从前至后在排序后的融合终端中确定数据处理能力满足所述待处理任务的任务处理过程需求的多个目标融合终端，包括：
根据所述任务处理需求信息获取所述待处理任务所需的目标内存容量、目标硬盘空间以及所述待处理任务所需的计算资源的目标计算能力；
根据排序后的融合终端中每个融合终端的中央处理器型号以及图形处理器型号获取所述每个融合终端的计算能力；
从前至后分别针对所述排序后的融合终端中终端的计算能力、内存容量以及目标硬盘进行累加；
当所述排序后的融合终端中前N个融合终端累加后的计算能力大于或等于所述目标计算能力、前N个融合终端累加后的内存容量大于或等于所述目标内存容量且前N个融合终端累加后的硬盘容量大于或等于所述目标硬盘容量，则将前N个融合终端确定为所述多个目标融合终端，其中N≥2。
5.根据权利要求1所述的配电物联网控制方法，其特征在于，所述向每个目标融合终端发送对应的切分后任务数据以及数据处理代码，包括：
向每个目标融合终端发送对应的切分后任务数据以及位于Docker容器中的数据处理代码，所述目标融合终端用于基于所述Docker容器构建处理环境，并在所述处理环境中加载所述数据处理代码，根据对应的切分后任务数据进行数据处理。
6.根据权利要求5所述的配电物联网控制方法，其特征在于，所述待处理任务包括对待训练模型进行训练，所述待处理任务的任务数据包括训练数据，所述数据处理代码包括所述待训练模型的代码；
所述在所述处理环境中加载所述数据处理代码，根据对应的切分后任务数据进行数据处理，包括：
在所述处理环境中根据所述切分后的训练数据对所述目标融合终端上的待训练模型进行训练；
根据所述目标融合终端上训练后的待训练模型获取梯度更新矢量，并发送所述梯度更新矢量；
所述接收所述多个目标融合终端各自发送的融合终端处理结果，并根据所述融合终端处理结果进行融合，以获取所述待处理任务的处理结果，包括：
接收所述多个目标融合终端各自发送的梯度更新矢量，并根据所述梯度更新矢量继续聚合，根据聚合后的地图更新矢量对配电网主站上的待训练模型进行更新。
7.一种配电物联网控制方法，其特征在于，所述方法应用于配电物联网中的融合终端，所述方法包括：
接收所述配电物联网的配电网主站发送的切分后任务数据以及数据处理代码，其中，所述配电网主站用于获取多个融合终端中每个融合终端的终端参数；根据所述终端参数对所述多个融合终端进行排序，获取待处理任务的任务处理需求信息，根据所述任务处理需求信息以及所述终端参数从前至后在排序后的融合终端中确定数据处理能力满足所述待处理任务的任务处理过程需求的多个目标融合终端，获取所述待处理任务的任务数据，将所述任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；
根据所述数据处理代码对收到的切分后任务数据进行数据处理，以获取融合终端处理结果；
发送所述融合终端处理结果，所述配电网主站用于接收所述多个目标融合终端各自发送的融合终端处理结果，并根据所述融合终端处理结果进行融合，以获取待处理任务的处理结果；
所述接收所述配电物联网的配电网主站发送的切分后任务数据以及数据处理代码，包括：
接收所述配电网主站发送的切分后任务数据以及位于Docker容器中的数据处理代码；
所述根据所述数据处理代码对收到的切分后任务数据进行数据处理，以获取融合终端处理结果，包括：
基于所述Docker容器构建处理环境，并在所述处理环境中加载所述数据处理代码，根据收到的切分后任务数据进行数据处理；
所述待处理任务包括对待训练模型进行训练，所述待处理任务的任务数据包括训练数据，所述数据处理代码包括所述待训练模型的代码；
所述在所述处理环境中加载所述数据处理代码，根据收到的切分后任务数据进行数据处理，包括：
在所述处理环境中根据所述切分后的训练数据对所述目标融合终端上的待训练模型进行训练；
根据所述目标融合终端上训练后的待训练模型获取梯度更新矢量，并发送所述梯度更新矢量，所述配电网主站用于接收多个目标融合终端各自发送的梯度更新矢量，并根据所述梯度更新矢量继续聚合，根据聚合后的地图更新矢量对配电网主站上的待训练模型进行更新。
8.一种配电物联网控制装置，其特征在于，包括：
参数获取模块，被配置为获取配电物联网的多个融合终端中每个融合终端的终端参数；
终端排序模块，被配置为根据所述终端参数对所述多个融合终端进行排序，其中，在排序后的融合终端中，数据处理能力越强的融合终端的次序越靠前；
需求获取模块，被配置为获取待处理任务的任务处理需求信息；
终端确定模块，被配置为根据所述任务处理需求信息以及所述终端参数从前至后在排序后的融合终端中确定数据处理能力满足所述待处理任务的任务处理过程需求的多个目标融合终端；
数据切分模块，被配置为获取所述待处理任务的任务数据，将所述任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；
任务处理模块，被配置为接收所述多个目标融合终端各自发送的融合终端处理结果，并根据所述融合终端处理结果进行融合，以获取所述待处理任务的处理结果，其中所述融合终端处理结果为目标融合终端根据所述数据处理代码对收到的切分后任务数据进行数据处理后得到；
所述数据切分模块，具体被配置为：
根据每个目标融合终端的终端参数获取每个目标融合终端的切分权重；
根据多个目标融合终端的切分权重将所述任务数据切分为多份，以获取与每个目标融合终端对应的切分后任务数据；
所述装置还包括：
预处理模块，被配置为：
获取预设切分权重模型、历史任务的任务处理需求信息以及多个预设融合终端的终端参数；
将所述历史任务的任务处理需求信息以及所述多个预设融合终端的终端参数作为输入，以获取所述预设切分权重模型输出的多个预设融合终端各自的切分权重；
获取所述历史任务的历史任务数据，并根据所述多个预设融合终端的切分权重将所述历史任务数据切分为多份，以获取与每个预设融合终端对应的切分后历史任务数据；
根据每个预设融合终端的终端参数以及与每个预设融合终端对应的切分后历史任务数据进行模拟数据处理，以获取与每个预设融合终端对应的数据处理时间，并根据所述数据处理时间获取所述历史任务的历史任务处理时间；
当所述历史任务处理时间大于或等于预设时间阈值时，对所述预设切分权重模型的参数进行调整；
或，当所述历史任务处理时间小于所述预设时间阈值时，将所述预设切分权重模型确定为目标切分权重模型；
所述数据切分模块，具体被配置为：
将所述待处理任务的任务处理需求信息以及每个目标融合终端的终端参数输入所述目标切分权重模型，以获取每个目标融合终端的切分权重。
9.根据权利要求8所述的配电物联网控制装置，其特征在于，所述终端参数至少包括所述融合终端的中央处理器型号、图形处理器型号、内存容量、硬盘容量以及所述融合终端所在的台区信息。
10.根据权利要求9所述的配电物联网控制装置，其特征在于，所述任务处理需求信息至少用于指示所述待处理任务的处理过程需求的任务处理时间、数据计算量、内存容量以及硬盘容量。
11.根据权利要求10所述的配电物联网控制装置，其特征在于，所述终端确定模块，具体被配置为：
根据所述任务处理需求信息获取所述待处理任务所需的目标内存容量、目标硬盘空间以及所述待处理任务所需的计算资源的目标计算能力；
根据排序后的融合终端中每个融合终端的中央处理器型号以及图形处理器型号获取所述每个融合终端的计算能力；
从前至后分别针对所述排序后的融合终端中终端的计算能力、内存容量以及目标硬盘进行累加；
当所述排序后的融合终端中前N个融合终端累加后的计算能力大于或等于所述目标计算能力、前N个融合终端累加后的内存容量大于或等于所述目标内存容量且前N个融合终端累加后的硬盘容量大于或等于所述目标硬盘容量，则将前N个融合终端确定为所述多个目标融合终端，其中N≥2。
12.根据权利要求8所述的配电物联网控制装置，其特征在于，所述数据切分模块，具体被配置为：
向每个目标融合终端发送对应的切分后任务数据以及位于Docker容器中的数据处理代码，所述目标融合终端用于基于所述Docker容器构建处理环境，并在所述处理环境中加载所述数据处理代码，根据对应的切分后任务数据进行数据处理。
13.根据权利要求12所述的配电物联网控制装置，其特征在于，所述待处理任务包括对待训练模型进行训练，所述待处理任务的任务数据包括训练数据，所述数据处理代码包括所述待训练模型的代码；
所述数据切分模块，具体被配置为：
在所述处理环境中根据所述切分后的训练数据对所述目标融合终端上的待训练模型进行训练；
根据所述目标融合终端上训练后的待训练模型获取梯度更新矢量，并发送所述梯度更新矢量；
所述任务处理模块，具体被配置为：
接收所述多个目标融合终端各自发送的梯度更新矢量，并根据所述梯度更新矢量继续聚合，根据聚合后的地图更新矢量对配电网主站上的待训练模型进行更新。
14.一种配电物联网控制装置，其特征在于，包括：
数据接收模块，被配置为接收所述配电物联网的配电网主站发送的切分后任务数据以及数据处理代码，其中，所述配电网主站用于获取多个融合终端中每个融合终端的终端参数；根据所述终端参数对所述多个融合终端进行排序，获取待处理任务的任务处理需求信息，根据所述任务处理需求信息以及所述终端参数从前至后在排序后的融合终端中确定数据处理能力满足所述待处理任务的任务处理过程需求的多个目标融合终端，获取所述待处理任务的任务数据，将所述任务数据切分为多份，并向每个目标融合终端发送对应的切分后任务数据以及数据处理代码；
数据处理模块，被配置为根据所述数据处理代码对收到的切分后任务数据进行数据处理，以获取融合终端处理结果；
结果发送模块，被配置为发送所述融合终端处理结果，所述配电网主站用于接收所述多个目标融合终端各自发送的融合终端处理结果，并根据所述融合终端处理结果进行融合，以获取待处理任务的处理结果；
所述数据接收模块，具体被配置为：
接收所述配电网主站发送的切分后任务数据以及位于Docker容器中的数据处理代码；
所述数据处理模块，具体被配置为：
基于所述Docker容器构建处理环境，并在所述处理环境中加载所述数据处理代码，根据收到的切分后任务数据进行数据处理；
所述待处理任务包括对待训练模型进行训练，所述待处理任务的任务数据包括训练数据，所述数据处理代码包括所述待训练模型的代码；
所述数据处理模块，具体被配置为：
在所述处理环境中根据所述切分后的训练数据对所述目标融合终端上的待训练模型进行训练；
根据所述目标融合终端上训练后的待训练模型获取梯度更新矢量，并发送所述梯度更新矢量，所述配电网主站用于接收多个目标融合终端各自发送的梯度更新矢量，并根据所述梯度更新矢量继续聚合，根据聚合后的地图更新矢量对配电网主站上的待训练模型进行更新。
15.一种电子设备，其特征在于，包括存储器和处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现权利要求1-7中任一项所述的方法步骤。
16.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该计算机指令被处理器执行时实现权利要求1-7中任一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410200183.5A CN117791877B (zh) | 2024-02-23 | 2024-02-23 | 配电物联网控制方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410200183.5A CN117791877B (zh) | 2024-02-23 | 2024-02-23 | 配电物联网控制方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117791877A CN117791877A (zh) | 2024-03-29 |
| CN117791877B true CN117791877B (zh) | 2024-05-24 |
Family
ID=90396639
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410200183.5A Active CN117791877B (zh) | 2024-02-23 | 2024-02-23 | 配电物联网控制方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117791877B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111986062A (zh) * | 2019-12-27 | 2020-11-24 | 孟小峰 | 基于物联网和云平台的环境监测方法、装置及监测服务器 |
| WO2021204040A1 (zh) * | 2020-10-29 | 2021-10-14 | 平安科技（深圳）有限公司 | 联邦学习数据处理方法、装置、设备及存储介质 |
| WO2022057268A1 (zh) * | 2020-09-15 | 2022-03-24 | 中国电信股份有限公司 | 基站节能策略确定方法、装置以及存储介质 |
| WO2022116502A1 (zh) * | 2020-12-01 | 2022-06-09 | 平安科技（深圳）有限公司 | 模型训练方法、数据处理方法、装置、客户端及存储介质 |
| CN115016911A (zh) * | 2022-06-01 | 2022-09-06 | 上海浦东发展银行股份有限公司 | 面向大规模联邦学习的任务编排方法、装置、设备和介质 |
| CN115118015A (zh) * | 2022-07-22 | 2022-09-27 | 安徽明生恒卓科技有限公司 | 一种基于融合终端的台区供电稳定性监测系统 |
| CN115509765A (zh) * | 2022-11-22 | 2022-12-23 | 江苏迈步信息科技有限公司 | 一种超融合云计算方法、系统、计算机设备及存储介质 |
| CN115543619A (zh) * | 2022-10-08 | 2022-12-30 | 万申科技股份有限公司 | 一种实现多网数据异构融合的边缘计算方法 |
| CN115759232A (zh) * | 2022-11-23 | 2023-03-07 | 北京百度网讯科技有限公司 | 深度学习框架的多任务并行处理方法、装置、设备和介质 |
| CN116302581A (zh) * | 2023-05-25 | 2023-06-23 | 北京智芯微电子科技有限公司 | 一种新型智能配电终端及系统 |
| CN116594748A (zh) * | 2023-05-19 | 2023-08-15 | 航天宏图信息技术股份有限公司 | 针对任务的模型定制处理方法、装置、设备和介质 |
| WO2023193814A1 (zh) * | 2022-04-08 | 2023-10-12 | 华为技术有限公司 | 融合系统的数据处理方法、装置、设备和系统 |
-
2024
- 2024-02-23 CN CN202410200183.5A patent/CN117791877B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111986062A (zh) * | 2019-12-27 | 2020-11-24 | 孟小峰 | 基于物联网和云平台的环境监测方法、装置及监测服务器 |
| WO2022057268A1 (zh) * | 2020-09-15 | 2022-03-24 | 中国电信股份有限公司 | 基站节能策略确定方法、装置以及存储介质 |
| WO2021204040A1 (zh) * | 2020-10-29 | 2021-10-14 | 平安科技（深圳）有限公司 | 联邦学习数据处理方法、装置、设备及存储介质 |
| WO2022116502A1 (zh) * | 2020-12-01 | 2022-06-09 | 平安科技（深圳）有限公司 | 模型训练方法、数据处理方法、装置、客户端及存储介质 |
| WO2023193814A1 (zh) * | 2022-04-08 | 2023-10-12 | 华为技术有限公司 | 融合系统的数据处理方法、装置、设备和系统 |
| CN115016911A (zh) * | 2022-06-01 | 2022-09-06 | 上海浦东发展银行股份有限公司 | 面向大规模联邦学习的任务编排方法、装置、设备和介质 |
| CN115118015A (zh) * | 2022-07-22 | 2022-09-27 | 安徽明生恒卓科技有限公司 | 一种基于融合终端的台区供电稳定性监测系统 |
| CN115543619A (zh) * | 2022-10-08 | 2022-12-30 | 万申科技股份有限公司 | 一种实现多网数据异构融合的边缘计算方法 |
| CN115509765A (zh) * | 2022-11-22 | 2022-12-23 | 江苏迈步信息科技有限公司 | 一种超融合云计算方法、系统、计算机设备及存储介质 |
| CN115759232A (zh) * | 2022-11-23 | 2023-03-07 | 北京百度网讯科技有限公司 | 深度学习框架的多任务并行处理方法、装置、设备和介质 |
| CN116594748A (zh) * | 2023-05-19 | 2023-08-15 | 航天宏图信息技术股份有限公司 | 针对任务的模型定制处理方法、装置、设备和介质 |
| CN116302581A (zh) * | 2023-05-25 | 2023-06-23 | 北京智芯微电子科技有限公司 | 一种新型智能配电终端及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117791877A (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111835827B (zh) | 物联网边缘计算任务卸载方法及系统 | |
| CN109981744B (zh) | 数据的分发方法、装置、存储介质及电子设备 | |
| US20120323389A1 (en) | Method and apparatus for controlling energy services based on market data | |
| CN106991095B (zh) | 机器异常的处理方法、学习速率的调整方法及装置 | |
| CN112929187B (zh) | 网络切片管理方法、装置和系统 | |
| CN115842347B (zh) | 一种基于数字孪生的微网负荷动态平衡方法、系统及介质 | |
| CN112261120B (zh) | 一种配电物联网云边协同任务卸载方法及装置 | |
| CN112153145A (zh) | 5g边缘环境下面向车联网的计算任务卸载方法及装置 | |
| CN115860645B (zh) | 一种基于大数据的物流仓储管理方法及系统 | |
| CN116095720B (zh) | 基于深度强化学习的网络业务接入和切片资源配置方法 | |
| CN115221795A (zh) | 容量预测模型的训练方法、预测方法、装置、设备及介质 | |
| CN117791877B (zh) | 配电物联网控制方法、装置、设备及介质 | |
| CN108985556B (zh) | 流量调度的方法、装置、设备和计算机存储介质 | |
| CN112819215B (zh) | 推荐策略训练方法、装置、电子设备及可读存储介质 | |
| KR20140038622A (ko) | 전력저장시스템의 충방전 분배장치 및 그 방법 | |
| CN108770014B (zh) | 网络服务器的计算评估方法、系统、装置及可读存储介质 | |
| Patel et al. | Multi-objective optimal PMU placement using binary dragonfly algorithm | |
| Wang et al. | Space information network resource scheduling for cloud computing: a deep reinforcement learning approach | |
| CN115276762B (zh) | 卫星网络的连接方法、系统、电子设备及存储介质 | |
| CN110516845A (zh) | 一种续航里程预测方法及装置 | |
| CN114039868B (zh) | 一种增值业务管理方法和装置 | |
| Gong et al. | Research and Simulation Implementation of Fog Calculation Resource Allocation Algorithm | |
| CN115190155B (zh) | 一种基于配电物联网的信息物理控制系统及方法 | |
| CN111489194B (zh) | 地图信息处理方法、装置、可读存储介质和电子设备 | |
| CN114723236B (zh) | 一种电网边缘计算分界方法 |
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 |