多业务异质资源调度的云边端协同信息交互方法及系统与流程

1.本发明属于配电网信息交互技术领域，尤其涉及一种多业务异质资源调度的云边端协同信息交互方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.随着配电网海量业务终端的大规模接入，数据采集、数据分析和数据处理等方面的需求激增，需要即时调度营销、运检、调度等异质资源以提高数据处理效率。然而由于配电网多业务异质资源来源不同，不同业务之间存在数据壁垒，导致配电网各业务间形成信息孤岛，数据无法顺利交互。
4.为了解决配电网各业务间形成信息孤岛的问题，现有技术中提出了电力内外网信息交互技术，例如：专利号为cn113285961a的专利提出一种基于缓存数据库的电力内外网信息交互方法，根据历史请求报文的出现概率预测频繁出现的请求报文，预先将此类请求报文对应的响应报文存储在缓存数据库中，从而不需要在每一次接收到请求报文时都去访问内网数据库，减少了内网的数据交互负担，提高了信息交互效率。专利号为cn113114713a的专利提出一种基于云平台移动互联技术的电力信息交互方法，对电力信息进行加密，向云计算环境密文传送,并在指定的设备间进行传输和交互,实现信息交互与硬件设备参数绑定,将授权硬件信息整合至信息文件中,在加密解密过程只有授权硬件设备可以加密解密,完成信息交互。
5.然而，现有技术在建立异质资源数据模型到统一数据模型的语义映射关系时没有考虑配电网多场景的差异化需求，异构数据模型与统一数据模型映射准确度低，而且也没有考虑云服务器数据库特征以及边缘服务器数据库特征的聚合以及本地服务器统一数据模型的更新，存在数据冗余，云边端协同信息交互性能差等问题。
6.综上所述，现有的信息交互方法存在以下技术问题：（1）现有的信息交互方法没有考虑配电网多场景的差异化需求，不同场景的业务之间存在数据壁垒，异质资源无法共享且互不兼容，异构数据模型特征与统一数据模型特征匹配度较差，语义映射准确度低，影响配电网信息交互性能。
7.（2）现有的信息交互方法没有考虑利用云边协同的方法进行配电网信息交互，同时没有考虑信息交互的轻量级需求，无法实现云服务器数据模型库特征以及边缘服务器数据模型库特征的聚合以及本地服务器数据模块库的更新，存在数据冗余，云边端协同信息交互性能差等问题。


技术实现要素：

8.为了解决上述背景技术中存在的技术问题，本发明提供一种多业务异质资源调度的云边端协同信息交互方法及系统，其能够打破不同业务之间的数据壁垒，解决异质资源
无法共享且互不兼容的问题，避免“信息孤岛”，实现云边端协同信息交互。
9.为了实现上述目的，本发明采用如下技术方案：本发明的第一个方面提供一种多业务异质资源调度的云边端协同信息交互方法。
10.一种多业务异质资源调度的云边端协同信息交互方法，该方法在源边缘服务器内执行，其包括：提取多业务异质资源的异构数据特征并进行场景特征识别；根据场景特征识别结果，逐级调用源边缘服务器中的本地统一数据模型库、辅助边缘服务器中的统一数据模型库和云服务器中的统一数据模型库；根据上一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验结果，判断直接建立当前级别的统一数据模型库与多业务异质资源数据模型的语义映射，还是进行下一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验；当语义映射构建完成后，对多业务异质资源的异构数据进行封装，并对封装后的数据进行边缘一致性校验；当边缘一致性校验通过后，将封装后的数据上传至云服务器，由云服务器依次进行云边一致性校验、解封装及数据处理。
11.作为一种实施方式，当调用源边缘服务器中的本地统一数据模型库时，提取源边缘服务器中的本地统一数据模型库及多业务异质资源数据模型的语义特征，进行本地语义匹配检验，当匹配检验通过时，直接建立源边缘服务器本地统一数据模型库与多业务异质资源数据模型的语义映射。
12.作为一种实施方式，在本地语义匹配检验的过程中，计算本地语义匹配相似度，再与预设本地匹配阈值的进行比较，当本地语义匹配相似度大于预设本地匹配阈值时，本地语义匹配检验通过；当本地语义匹配相似度小于或等于预设本地匹配阈值时，本地语义匹配检验不通过。
13.作为一种实施方式，建立源边缘服务器本地统一数据模型库与多业务异质资源数据模型的语义映射的过程为：利用源边缘服务器本地统一数据库模型库中类之间的关系，确定多业务异质资源数据模型中数据信息间的相互作用，确定语义映射规则；通过在源边缘服务器本地统一数据库模型库中找到对应的数据信息名称及位置，根据确定的语义映射规则，实现源边缘服务器本地统一数据库模型库与多业务异质资源数据模型的语义映射。
14.作为一种实施方式，当本地语义匹配检验未通过时，根据场景特征识别结果，调用辅助边缘服务器中适配场景的统一数据模型库，并提取对应语义特征，进行边边语义匹配检验。
15.作为一种实施方式，当边边语义匹配检验通过时，对场景适配的统一数据模型库进行语义特征聚合以及边边协同语义映射；当边边语义匹配检验未通过时，根据场景特征识别结果，调用云服务器中与对应场景适配的云服务器统一数据模型库，进行数据模型库聚合及云边协同语义映射。
16.本发明的第二个方面提供了一种多业务异质资源调度的云边端协同信息交互系
统。
17.在一个或多个实施例中，一种多业务异质资源调度的云边端协同信息交互系统，其包括：场景特征识别模块，其用于提取多业务异质资源的异构数据特征并进行场景特征识别；数据模型库逐级调用模块，其用于根据场景特征识别结果，逐级调用源边缘服务器中的本地统一数据模型库、辅助边缘服务器中的统一数据模型库和云服务器中的统一数据模型库；语义特征匹配检验模块，其用于根据上一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验结果，判断直接建立当前级别的统一数据模型库与多业务异质资源数据模型的语义映射，还是进行下一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验；边缘一致性校验模块，其用于当语义映射构建完成后，对多业务异质资源的异构数据进行封装，并对封装后的数据进行边缘一致性校验；封装数据上传模块，其用于当边缘一致性校验通过后，将封装后的数据上传至云服务器，由云服务器依次进行云边一致性校验、解封装及数据处理。
18.作为一种实施方式，当调用源边缘服务器中的本地统一数据模型库时，提取源边缘服务器中的本地统一数据模型库及多业务异质资源数据模型的语义特征，进行本地语义匹配检验，当匹配检验通过时，直接建立源边缘服务器本地统一数据模型库与多业务异质资源数据模型的语义映射。
19.在其他实施例中，一种多业务异质资源调度的云边端协同信息交互系统，包括：源边缘服务器、辅助边缘服务器和云服务器；所述源边缘服务器用于：提取多业务异质资源的异构数据特征并进行场景特征识别；根据场景特征识别结果，逐级调用源边缘服务器中的本地统一数据模型库、辅助边缘服务器中的统一数据模型库和云服务器中的统一数据模型库；根据上一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验结果，判断直接建立当前级别的统一数据模型库与多业务异质资源数据模型的语义映射，还是进行下一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验；当语义映射构建完成后，对多业务异质资源的异构数据进行封装，并对封装后的数据进行边缘一致性校验；所述云服务器，用于：当边缘一致性校验通过后，接收源边缘服务器上传的封装后的数据，依次进行云边一致性校验、解封装及数据处理。
20.作为一种实施方式，所述源边缘服务器还用于：当调用源边缘服务器中的本地统一数据模型库时，提取源边缘服务器中的本地统一数据模型库及多业务异质资源数据模型的语义特征，进行本地语义匹配检验，当匹配检验通过时，直接建立源边缘服务器本地统一数据模型库与多业务异质资源数据模型的语义
映射。
21.与现有技术相比，本发明的有益效果是：（1）本发明提出面向配电网多业务异质资源调度的云边端协同信息交互的一整套流程，涉及统一数据模型构建、场景特征识别、语义匹配检验、云边协同信息交互等主要环节，能够打破不同业务之间的数据壁垒，解决异质资源无法共享且互不兼容的问题，避免“信息孤岛”，实现云边端协同信息交互。
22.（2）本发明提出的面向配电网多业务异质资源调度的云边端协同信息交互方法，根据统一数据模型库与多业务异质资源数据模型的语义匹配相似度进行云边协同信息交互，当本地语义匹配度低于预设匹配度阈值时，则调用辅助边缘服务器统一数据模型库，对辅助边缘服务器统一数据模型库语义特征以及本地服务器统一数据模型库语义特征进行聚合，更新本地服务器统一数据模型库，从而进行边边协同语义映射；若辅助边缘服务器统一数据模型库语义匹配相似度低于预设匹配相似度阈值时，则调用云服务器中的统一数据模型库特征进行数据模型特征聚合，更新本地服务器统一数据模型库，从而进行云边协同语义映射。上述方法通过自上而下的数据逐步请求，降低数据远程收发成本，实现信息交互的快速响应，满足信息交互的轻量级需求。同时采用自下而上的数据模型库更新方式，避免了各级服务器数据的大量存储，提高云边数据库利用效率，实现系统轻量级调度。
23.本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
24.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
25.图1是本发明实施例的多业务异质资源调度的云边端协同信息交互方法流程图。
具体实施方式
26.下面结合附图与实施例对本发明作进一步说明。
27.应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
28.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
29.实施例一根据图1，一种多业务异质资源调度的云边端协同信息交互方法，该方法在源边缘服务器内执行，其包括：步骤1：提取多业务异质资源的异构数据特征并进行场景特征识别。
30.根据“电网-电源”物理协同、“电网-负荷”物理协同、“网内-网外”生态协同、“运营-管理”模式协同、“供电-用电”资源协同、“运行-管控”业务协同等六种协同场景以及不
同业务特征，建立异质资源数据模型到统一数据模型的语义映射关系。同时，基于iec61968系列标准建立包含场景、业务和设备特征的边侧统一数据模型库及云侧统一数据模型库，并将边侧统一数据模型库以及相关映射关系部署于边侧，将云侧统一数据模型库及相关映射关系云侧。
31.配电网业务终端根据预设的配电网多业务异质资源调度策略，将配电网多业务异质资源的异构数据发送到源边缘服务器。
32.步骤2：根据场景特征识别结果，逐级调用源边缘服务器中的本地统一数据模型库、辅助边缘服务器中的统一数据模型库和云服务器中的统一数据模型库；步骤3：根据上一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验结果，判断直接建立当前级别的统一数据模型库与多业务异质资源数据模型的语义映射，还是进行下一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验。
33.其中，当调用源边缘服务器中的本地统一数据模型库时，提取源边缘服务器中的本地统一数据模型库及多业务异质资源数据模型的语义特征，进行本地语义匹配检验，当匹配检验通过时，直接建立源边缘服务器本地统一数据模型库与多业务异质资源数据模型的语义映射。
34.具体地，在本地语义匹配检验的过程中，计算本地语义匹配相似度，再与预设本地匹配阈值的进行比较，当本地语义匹配相似度大于预设本地匹配阈值时，本地语义匹配检验通过；当本地语义匹配相似度小于或等于预设本地匹配阈值时，本地语义匹配检验不通过。
35.源边缘服务器提取多业务异质资源的异构数据特征，定义第个时隙异构数据特征集合表示为，为数据特征的维数。定义第个时隙第种配网场景特征集合，基于异构数据特征以及配网场景特征，源边缘服务器根据以下公式进行场景特征识别（1）其中，为第个时隙第种配网场景的特征识别度，将异构数据识别为特征识别度最高的配网场景，实现场景特征识别。
36.源边缘服务器根据场景特征识别结果，决定需要协同的本地数据模型库，其中每个协同场景需要调用两种数据模型库进行协同。例如，当所识别的场景为“电网-电源”物理协同场景，则调用源边缘服务器中的本地电网数据模型库以及本地电源数据模型库进行协同。
37.在本实施例中，源边缘服务器利用transformer模型提取多业务异质资源数据模型以及源边缘服务器中两种待协同本地数据模型库的语义特征，定义第个时隙多业务异质资源的异构数据模型语义特征为，定义第个时隙适配第种配网场景的两种源边缘服务器本地数据模型库语义特征为，其中，前个数据为适配第种配网场景的第1种源边缘服务器本地数据模型库的语义特
征，后个数据为适配第种配网场景的第2种源边缘服务器本地数据模型库的语义特征。根据以下公式可以得到第个时隙适配第种配网场景的两种源边缘服务器本地统一数据模型库与多业务异质资源的异构数据模型的语义匹配相似度，其表示为（2）此处可以理解的是，在其他实施例中，提取多业务异质资源数据模型以及源边缘服务器中两种待协同本地数据模型库的语义特征，也可采用其他现有的方法。
38.基于场景特征识别结果，通过比较异构数据模型语义特征与源边缘服务器本地统一数据模型库语义特征的相似度，判断是否进行源边缘服务器本地统一数据模型库与多业务异质资源数据模型的语义映射。当大于预设本地匹配阈值时证明多业务异质资源的异构数据模型与源边缘服务器本地统一数据模型库的语义匹配相似度满足要求，此时建立本地服务器统一数据模型库与多业务异质资源数据模型的语义映射关系，否则基场景特征识别结果，调用辅助边缘服务器中适配配网场景的统一数据模型库语义特征，判断多业务异质资源的异构数据模型与辅助边缘服务器的语义匹配度。
39.在具体实施过程中，在建立源边缘服务器本地统一数据模型库与多业务异质资源数据模型的语义映射的过程为：步骤（a1）：利用源边缘服务器本地统一数据库模型库中类之间的关系，确定多业务异质资源数据模型中数据信息间的相互作用，确定语义映射规则；如：多个协同场景测量数据关联一个电力业务终端，多个电力业务终端属于一个控制设备。因此对于一个协同场景测量数据首先需要确定测量数据的类型，其次明确其属于哪个电力业务终端，然后确定该业务终端属于哪个控制设备，最后通过在统一数据模型库中找到对应的数据信息名称及位置，实现统一数据模型库与多业务异质资源数据模型的语义映射。
40.步骤（b1）：通过在源边缘服务器本地统一数据库模型库中找到对应的数据信息名称及位置，根据确定的语义映射规则，实现源边缘服务器本地统一数据库模型库与多业务异质资源数据模型的语义映射。
41.具体地，当本地语义匹配检验未通过时，根据场景特征识别结果，调用辅助边缘服务器中适配场景的统一数据模型库，并提取对应语义特征，进行边边语义匹配检验。
42.当本地语义匹配检验未通过时，基于场景特征识别结果，调用个辅助边缘服务器中适配第种配网场景的统一数据模型库语义特征，定义第个时隙第个辅助边缘服务器中适配第种配网场景的辅助边缘服务器数据模型库语义特征为，根据公式（3）计算第个时隙适配第种配网场景的辅助边缘服务器统一数据模型库与多业务异质资源数据模型的语义匹配相似度，若其统一数据模型库的语义匹配相似度大于预设阈值，则源边缘服务器调用个辅助边缘服务器中适配第种配网场景的统一数据模型库进行边边协同语义映射，否则调用云服务器中与该场景适配的云服务器统一数据模型库，进行数据模型库聚合以及云边协同语义映射。
43.（3）当边边语义匹配检验通过时，对场景适配的统一数据模型库进行语义特征聚合以及边边协同语义映射；当边边语义匹配检验未通过时，根据场景特征识别结果，调用云服务器中与对应场景适配的云服务器统一数据模型库，进行数据模型库聚合及云边协同语义映射。
44.源边缘服务器调用个辅助边缘服务器中与第种配网场景适配的两种统一数据模型库进行语义特征聚合以及边边协同语义映射的过程包括：步骤（a2）：源边缘服务器根据以下公式对第个时隙适配第种配网场景的辅助边缘服务器统一数据模型库进行聚合，更新源边缘服务器本地统一数据模型库（4）其中，为第个时隙源边缘服务器本地统一数据模型库，为第个辅助边缘服务器的统一数据模型库，和分别为预设的源边缘服务器本地统一数据模型库和辅助边缘服务器统一数据模型库聚合参数。
45.步骤（b2）：根据映射规则，通过在更新后的源边缘服务器本地统一数据模型库中找到对应的数据信息名称及位置，实现异构数据模型与本地服务器统一数据模型库的边边协同语义映射。
46.步骤（c2）：在边边协同语义映射结束后，加入统一标识规范，包括设备信息、数据信息、异质资源信息等信息id，源边缘服务器映射关系标识符、源边缘服务器数据模型库标识符、源边缘服务器等源边缘服务器特征标识符以及辅助边缘服务器映射关系标识符、辅助边缘服务器数据模型库标识符、辅助边缘服务器id等辅助边缘服务器特征标识符。
47.其中，调用云服务器中与该场景适配的云服务器统一数据模型库，进行数据模型库聚合以及云边协同语义映射的过程包括：步骤（a3）：辅助边缘服务器接收云服务器下发的第个时隙云服务器统一数据模型库，并根据以下公式对辅助边缘服务器统一数据模型库进行更新（5）其中，为第个时隙第个辅助边缘服务器统一数据模型库，为第个时隙第个辅助边缘服务器统一数据模型库更新参数，为云服务器中与语义特征有关的辅助边缘服务器统一数据模型库。
48.步骤（b3）：源边缘服务器调用辅助服务器中适配第种配网场景的云服务器统一数据模型库，根据公式（4）对第个时隙适配第种配网场景的辅助边缘服务器统一数据模型库进行聚合，更新源边缘服务器本地统一数据模型库。
49.步骤（c3）：根据预设的映射规则，通过在更新后的源边缘服务器本地统一数据模
型库中找到对应的数据信息名称及位置，建立两者间的映射关系。
50.步骤（d3）：云边协同语义映射结束后，加入统一标识规范，包括设备信息、数据信息、异质资源信息等信息id，源边缘服务器映射关系标识符，源边缘服务器本地数据模型库标识符，源边缘服务器id等源边缘服务器特征标识符、以及云服务器映射关系标识符，云服务器数据模型库标识符，云服务器容器id等云服务器特征标识符。
51.步骤4：当语义映射构建完成后，对多业务异质资源的异构数据进行封装，并对封装后的数据进行边缘一致性校验；例如：根据iec61968标准定义的信息格式进行映射封装，并对封装后的消息进行边缘一致性校验。边缘一致性校验规则描述如下：封装后的数据信息、设备信息、控制信息符合iec61968标准的统一规范。
52.步骤5：当边缘一致性校验通过后，将封装后的数据上传至云服务器，由云服务器依次进行云边一致性校验、解封装及数据处理。
53.其中，源边缘服务器将封装后的消息上传到云服务器，云服务器首先进行检查文件大小写是否一致，有无重复的符号，然后检查命名有无缺失，类、属性、关系作用名是否符合iec61968标准。云服务器在完成云边一致性校验后，对消息进行解封装以及数据处理。
54.实施例二本实施例提供了一种多业务异质资源调度的云边端协同信息交互系统，其包括：（1）场景特征识别模块，其用于提取多业务异质资源的异构数据特征并进行场景特征识别；（2）数据模型库逐级调用模块，其用于根据场景特征识别结果，逐级调用源边缘服务器中的本地统一数据模型库、辅助边缘服务器中的统一数据模型库和云服务器中的统一数据模型库。
55.其中，当调用源边缘服务器中的本地统一数据模型库时，提取源边缘服务器中的本地统一数据模型库及多业务异质资源数据模型的语义特征，进行本地语义匹配检验，当匹配检验通过时，直接建立源边缘服务器本地统一数据模型库与多业务异质资源数据模型的语义映射。
56.（3）语义特征匹配检验模块，其用于根据上一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验结果，判断直接建立当前级别的统一数据模型库与多业务异质资源数据模型的语义映射，还是进行下一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验；（4）边缘一致性校验模块，其用于当语义映射构建完成后，对多业务异质资源的异构数据进行封装，并对封装后的数据进行边缘一致性校验；（5）封装数据上传模块，其用于当边缘一致性校验通过后，将封装后的数据上传至云服务器，由云服务器依次进行云边一致性校验、解封装及数据处理。
57.此处需要说明的是，本实施例中的各个模块与实施例一中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
58.实施例三本实施例提供了一种多业务异质资源调度的云边端协同信息交互系统，包括：源边缘服务器、辅助边缘服务器和云服务器；所述源边缘服务器用于：
提取多业务异质资源的异构数据特征并进行场景特征识别；根据场景特征识别结果，逐级调用源边缘服务器中的本地统一数据模型库、辅助边缘服务器中的统一数据模型库和云服务器中的统一数据模型库；根据上一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验结果，判断直接建立当前级别的统一数据模型库与多业务异质资源数据模型的语义映射，还是进行下一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验；当语义映射构建完成后，对多业务异质资源的异构数据进行封装，并对封装后的数据进行边缘一致性校验；所述云服务器，用于：当边缘一致性校验通过后，接收源边缘服务器上传的封装后的数据，依次进行云边一致性校验、解封装及数据处理。
59.在本实施例中，所述源边缘服务器还用于：当调用源边缘服务器中的本地统一数据模型库时，提取源边缘服务器中的本地统一数据模型库及多业务异质资源数据模型的语义特征，进行本地语义匹配检验，当匹配检验通过时，直接建立源边缘服务器本地统一数据模型库与多业务异质资源数据模型的语义映射。
60.此处需要说明的是，本实施例中的源边缘服务器所执行的各个步骤与实施例一中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
61.本发明是参照本发明实施例的方法、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。
62.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种多业务异质资源调度的云边端协同信息交互方法，其特征在于，该方法在源边缘服务器内执行，其包括：提取多业务异质资源的异构数据特征并进行场景特征识别；根据场景特征识别结果，逐级调用源边缘服务器中的本地统一数据模型库、辅助边缘服务器中的统一数据模型库和云服务器中的统一数据模型库；根据上一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验结果，判断直接建立当前级别的统一数据模型库与多业务异质资源数据模型的语义映射，还是进行下一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验；当语义映射构建完成后，对多业务异质资源的异构数据进行封装，并对封装后的数据进行边缘一致性校验；当边缘一致性校验通过后，将封装后的数据上传至云服务器，由云服务器依次进行云边一致性校验、解封装及数据处理。2.如权利要求1所述的多业务异质资源调度的云边端协同信息交互方法，其特征在于，当调用源边缘服务器中的本地统一数据模型库时，提取源边缘服务器中的本地统一数据模型库及多业务异质资源数据模型的语义特征，进行本地语义匹配检验，当匹配检验通过时，直接建立源边缘服务器本地统一数据模型库与多业务异质资源数据模型的语义映射。3.如权利要求2所述的多业务异质资源调度的云边端协同信息交互方法，其特征在于，在本地语义匹配检验的过程中，计算本地语义匹配相似度，再与预设本地匹配阈值的进行比较，当本地语义匹配相似度大于预设本地匹配阈值时，本地语义匹配检验通过；当本地语义匹配相似度小于或等于预设本地匹配阈值时，本地语义匹配检验不通过。4.如权利要求2所述的多业务异质资源调度的云边端协同信息交互方法，其特征在于，建立源边缘服务器本地统一数据模型库与多业务异质资源数据模型的语义映射的过程为：利用源边缘服务器本地统一数据库模型库中类之间的关系，确定多业务异质资源数据模型中数据信息间的相互作用，确定语义映射规则；通过在源边缘服务器本地统一数据库模型库中找到对应的数据信息名称及位置，根据确定的语义映射规则，实现源边缘服务器本地统一数据库模型库与多业务异质资源数据模型的语义映射。5.如权利要求2所述的多业务异质资源调度的云边端协同信息交互方法，其特征在于，当本地语义匹配检验未通过时，根据场景特征识别结果，调用辅助边缘服务器中适配场景的统一数据模型库，并提取对应语义特征，进行边边语义匹配检验。6.如权利要求5所述的多业务异质资源调度的云边端协同信息交互方法，其特征在于，当边边语义匹配检验通过时，对场景适配的统一数据模型库进行语义特征聚合以及边边协同语义映射；当边边语义匹配检验未通过时，根据场景特征识别结果，调用云服务器中与对应场景适配的云服务器统一数据模型库，进行数据模型库聚合及云边协同语义映射。7.一种多业务异质资源调度的云边端协同信息交互系统，其特征在于，包括：场景特征识别模块，其用于提取多业务异质资源的异构数据特征并进行场景特征识别；
数据模型库逐级调用模块，其用于根据场景特征识别结果，逐级调用源边缘服务器中的本地统一数据模型库、辅助边缘服务器中的统一数据模型库和云服务器中的统一数据模型库；语义特征匹配检验模块，其用于根据上一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验结果，判断直接建立当前级别的统一数据模型库与多业务异质资源数据模型的语义映射，还是进行下一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验；边缘一致性校验模块，其用于当语义映射构建完成后，对多业务异质资源的异构数据进行封装，并对封装后的数据进行边缘一致性校验；封装数据上传模块，其用于当边缘一致性校验通过后，将封装后的数据上传至云服务器，由云服务器依次进行云边一致性校验、解封装及数据处理。8.如权利要求7所述的多业务异质资源调度的云边端协同信息交互系统，其特征在于，当调用源边缘服务器中的本地统一数据模型库时，提取源边缘服务器中的本地统一数据模型库及多业务异质资源数据模型的语义特征，进行本地语义匹配检验，当匹配检验通过时，直接建立源边缘服务器本地统一数据模型库与多业务异质资源数据模型的语义映射。9.一种多业务异质资源调度的云边端协同信息交互系统，其特征在于，包括：源边缘服务器、辅助边缘服务器和云服务器；所述源边缘服务器用于：提取多业务异质资源的异构数据特征并进行场景特征识别；根据场景特征识别结果，逐级调用源边缘服务器中的本地统一数据模型库、辅助边缘服务器中的统一数据模型库和云服务器中的统一数据模型库；根据上一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验结果，判断直接建立当前级别的统一数据模型库与多业务异质资源数据模型的语义映射，还是进行下一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验；当语义映射构建完成后，对多业务异质资源的异构数据进行封装，并对封装后的数据进行边缘一致性校验；所述云服务器，用于：当边缘一致性校验通过后，接收源边缘服务器上传的封装后的数据，依次进行云边一致性校验、解封装及数据处理。10.如权利要求9所述的多业务异质资源调度的云边端协同信息交互系统，其特征在于，所述源边缘服务器还用于：当调用源边缘服务器中的本地统一数据模型库时，提取源边缘服务器中的本地统一数据模型库及多业务异质资源数据模型的语义特征，进行本地语义匹配检验，当匹配检验通过时，直接建立源边缘服务器本地统一数据模型库与多业务异质资源数据模型的语义映射。

技术总结
本发明属于配电网信息交互技术领域，为解决配电网信息交互性能差的问题，提供了一种多业务异质资源调度的云边端协同信息交互方法及系统。其中，多业务异质资源调度的云边端协同信息交互方法在源边缘服务器内执行，其包括：提取多业务异质资源的异构数据特征并进行场景特征识别；根据场景特征识别结果，逐级调用源边缘服务器中的本地统一数据模型库、辅助边缘服务器中的统一数据模型库和云服务器中的统一数据模型库；判断直接建立当前级别的统一数据模型库与多业务异质资源数据模型的语义映射，还是进行下一级的统一数据模型库的语义特征与多业务异质资源数据模型的语义特征的匹配检验，避免了“信息孤岛”，实现了云边端协同信息交互。协同信息交互。协同信息交互。


技术研发人员：杨会轩 苏明 张瑞照 刘金会
受保护的技术使用者：北京华清未来能源技术研究院有限公司 华科因诺（江苏）能源科技有限公司 华科因诺（青岛）能源科技有限公司
技术研发日：2023.07.24
技术公布日：2023/8/24