一种基于边缘计算的电力物联全景监测方法及装置与流程

1.本发明涉及一种基于边缘计算的电力物联全景监测方法及装置，属于电力系统技术领域。


背景技术：

2.目前，随着新型电力系统建设的快速推进，以风电、光伏发电为主的高比例分布式可再生能源并网显著影响着电网的运行方式，使配电网的运行状态复杂多变、控制对象多样、终端数量增加，对电网的状态感知和数据处理能力提出了更高的要求。电力物联网的出现为电力系统的智能化和可持续发展提供了新的机遇。通过连接电气系统的各个部分，电力物联网可以实现电网状态感知、数据处理和信息传递能力的大幅提升，从而提高电网的可靠性和效率，为可再生能源系统和电网协同发展提供了有力支持。然而，随着海量采集终端的接入，电力物联网中边缘计算网关需要处理的数据也在不断增加，这对边缘计算网关完成高效的数据传输提出了更高的要求。传统的电力物联边缘计算方法及装置仍需解决以下挑战：
3.第一，传统物联网数据节点重要度评估方法通常仅从节点的拓扑属性出发，缺少对节点本体历史信息与场景历史信息的协同考虑，忽略了节点多维数据的变化趋势和历史信息对于节点重要度的影响，导致无法准确全面地评估物联网数据节点重要度。
4.第二，传统方法在选择数据传输的节点时，往往只根据单一因素如节点数据积压选择传输的节点，当节点工作状态、信道状态发生变化时，无法保证边缘计算网关数据高效传输，从而影响电力物联网整体工作效率。
5.有鉴于上述的缺陷，本发明以期创设一种基于边缘计算的电力物联全景监测方法及装置，使其更具有产业上的利用价值。


技术实现要素：

6.为解决上述技术问题，本发明的目的是提供一种基于边缘计算的电力物联全景监测方法及装置。通过基于本体-场景历史信息驱动的节点重要度评估以及基于电力物联全景监测增益的数据传输优化，提高电力物联网数据节点重要度评估的准确性和全面性，进而通过预测电力物联网全景监测增益优化传输节点选择策略，保证边缘计算网关数据的高效传输。实现电力物联网的高效边端交互。
7.本发明的一种基于边缘计算的电力物联全景监测方法，具体步骤为：
8.根据各数据节点上传的近期数据的波动上升趋势、波动下降趋势信息，得到本体历史信息驱动的数据节点重要度；
9.根据各数据节点上传的近期数据与同一时刻的历史数据的差距、与历史故障数据的相似度信息，得到场景历史信息驱动的数据节点重要度；
10.根据本体历史信息驱动的数据节点重要度和场景历史信息驱动的数据节点重要度，基于本体-场景历史信息驱动的方法，对数据节点进行重要度评估，得到节点重要度；
11.通过基于电力物联全景监测增益的数据传输优化方法，边缘计算网关基于节点重要度、边缘计算网关数据积压情况、以及数据节点和边缘服务器之间的历史通道状态评估该数据节点上传数据的所带来的电力物联网全景监测增益，并选择增益最大的数据节点上传数据，实现基于边缘计算的电力物联全景监测。
12.进一步的，所述数据节点共有q个，共有t个时刻，时刻集合定义为数据节点集合定义为sq表示第q个数据节点，在第k天第t个时刻，数据节点采集其对应的电力设备运行的多维数据，数据集合定义为其中m为数据的维度，表示数据节点sq于第k天第t个时刻采集的第m维数据。
13.进一步的，所述本体历史信息驱动的数据节点重要度表示为：
[0014][0015]
其中，αm为数据节点上传的第m维数据的权重，n为网关所存储的第k天第t个时刻之前的总时刻数，即本体历史信息驱动的数据节点重要度是根据第k天第t个时刻上传的数据及之前n个时刻的历史数据进行计算的，公式意为，根据最小二乘法求取第k天第t个时刻与前n个时刻的历史数据所逼近的直线的斜率，当该斜率的绝对值过大或过小时，说明数据节点sq近期上传数据出现波动上升或波动下降趋势，数据节点sq对应的电力设备发生故障的可能性高，数据节点sq的重要度相应较高，需要优先上传该节点数据。
[0016]
进一步的，所述场景历史信息驱动的数据节点重要度为可计算为：
[0017][0018]
其中，k0为网关所存储的历史数据总天数，和分别为同时刻历史数据差距权重和历史故障数据相似度权重，公式中，第一项表示第k天第t个时刻数据节点sq上传的数据相比过去k0天同一时刻的历史数据是否差距较大，第二项表示近期节点上传的数据是否和历史故障数据相似；公式意为，当数据节点sq近期上传的数据相比历史同一时刻的数据差距较大时，或数据和历史故障情况类似时，数据节点sq对应的电力设备发生故障的可能性高，数据节点sq的重要度相应较高，需要优先上传该节点数据；网关所存储的历史故障数据集为其中，num为历史故障数据总组数，为第h组多维数据，表示为
[0019]
进一步的，所述节点重要度为表示为：
[0020][0021]
其中，ωo和ω
p
分别为本体历史信息驱动权重与场景历史信息驱动权重。
[0022]
进一步的，所述基于电力物联全景监测增益的数据传输优化方法的具体步骤为：
[0023]
s2.1：边缘计算网关首先查询数据节点和边缘服务器之间在第k天的历史通道状态，包括、历史传输带宽历史信干噪比对数据传输时延进行预测；
[0024]
s2.2：基于网关历史数据积压情况对计算时延进行预测，其中代表第k天第t-1时刻为收到节点数据时的网关积压；
[0025]
s2.3：根据节点重要度数据传输时延以及计算时延节点上传数据的电力物联网全景监测增益gq(t)进行预测：
[0026]
s2.4：边缘计算网关根据电力物联网全景监测增益对节点集合进行排列，向增益最大的l个节点分发数据上传许可，在第t个时刻通过有许可的节点上传数据到网关。
[0027]
进一步的，s2.1中所述数据传输时延预测方式如下：
[0028][0029]
其中为第k天第t个时刻数据节点sq的传输数据量，ρ∈(0,1)为经验权重，为对t时刻前的历史传输带宽按经验权重求均值，距t时刻越近的数据权重越大，对预测结果影响程度也越大，信干噪比同理。
[0030]
进一步的，s2.2中对计算时延进行预测的方式为：首先根据历史数
[0031]
据积压得到历史计算时延序列
[0032][0033]
其中为第k天第t个时刻数据节点sq传输到网关的数据量，ψq为网关为数据节点sq分配的计算资源，δq为处理每比特数据节点sq的数据所需的计算资源；进一步对历史时延序列进行经验加权处理得到预测的计算时延
[0034][0035]
该公式表示对第t个时刻前的历史计算时延按经验权重求均值，距第t个时刻越近的计算时延数据权重越大，对预测结果影响程度也越大。
[0036]
进一步的，s2.3中电力物联网全景监测增益gq(t)进行预测表示为：
[0037][0038]
其中v为数据传输时延相对于计算时延的权重；节点重要度越大、数据传输时延和计算时延越小，从该节点上传数据所带来的电力物联网全景监测增益越大；在数据传输过程中越应被优先选择。
[0039]
一种基于边缘计算的电力物联全景监测装置，包括：
[0040]
本体历史信息处理模块：用于根据各数据节点上传的近期数据的波动上升趋势、波动下降趋势等信息，得到本体历史信息驱动的数据节点重要度；
[0041]
场景历史信息处理模块：用于根据各数据节点上传的近期数据与同一时刻的历史数据的差距、与历史故障数据的相似度等信息，得到场景历史信息驱动的数据节点重要度；
[0042]
节点重要度评估模块：用于根据本体历史信息处理模块和场景历史信息处理模块的结果，基于本体-场景历史信息驱动的方法，对数据节点进行重要度评估；
[0043]
监测增益评估模块：用于基于边缘计算网关数据积压情况、数据节点和边缘服务器之间的历史通道状态和节点重要度评估模块得到的节点重要度，评估该数据节点上传数据的电力物联全景监测增益；
[0044]
数据传输优化模块：用于基于监测增益评估模块得到的电力物联全景监测增益，选择上传数据的节点；
[0045]
存储模块：用于存储模块中存贮有各数据节点上传的历史数据、历史故障数据、历史故障记录、数据节点和边缘服务器之间的历史通道状态等信息，并为各模块提供以上信息；
[0046]
5g通信模块：用于负责与电力物联网数据节点通信，接收节点上传的数据，传输至本装置处理，并向数据传输优化模块选择的节点分发数据上传许可；
[0047]
电源模块：用于负责给适用于电力物联全景监测的边缘计算网关装置中各个模块供电。
[0048]
借由上述方案，本发明至少具有以下优点：
[0049]
(1)本发明提出一种基于本体-场景历史信息驱动的节点重要度评估方法，协同考虑了节点本体历史信息与场景历史信息。边缘计算网关接收各数据节点上传的历史数据、当前时刻、历史故障发生情况等信息，通过近期上传数据的波动上升趋势、波动下降趋势等信息计算电力物联网数据节点的本体历史信息驱动的数据节点重要度，通过近期上传的数据与同一时刻的历史数据的差距、与历史故障数据的相似度等信息计算场景历史信息驱动的数据节点重要度。进一步的，根据本体历史信息驱动的数据节点重要度和场景历史信息驱动的数据节点重要度计算数据节点的重要度，提高电力物联网数据节点重要度评估的准确性和全面性。
[0050]
(2)本发明提出一种基于电力物联全景监测增益的数据传输优化方法，边缘计算网关基于节点重要度、边缘计算网关数据积压情况、以及数据节点和边缘服务器之间的历史通道状态评估该数据节点上传数据的电力物联网全景监测增益。优先选择增益高的边缘节点传输数据来实现电力物联全景监测增益的数据传输优化，从而提高对重要节点的数据处理效率。
[0051]
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
[0052]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某个实施例，因此不应被看作是对范围的限定，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相关的附图。
[0053]
图1是本发明基于边缘计算的电力物联全景监测装置的结构示意图；
[0054]
图2是本发明基于边缘计算的电力物联全景监测方法的流程图。
具体实施方式
[0055]
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
[0056]
如图1所示，本发明提出一种适用于电力物联全景监测的边缘计算网关装置，包括本体历史信息处理模块、场景历史信息处理模块、节点重要度评估模块、监测增益评估模块、数据传输优化模块、存储模块、5g通信模块、电源模块。各模块介绍如下：
[0057]
本体历史信息处理模块：根据各数据节点上传的近期数据的波动上升趋势、波动下降趋势等信息，得到本体历史信息驱动的数据节点重要度。
[0058]
场景历史信息处理模块：根据各数据节点上传的近期数据与同一时刻的历史数据的差距、与历史故障数据的相似度等信息，得到场景历史信息驱动的数据节点重要度。
[0059]
节点重要度评估模块：根据本体历史信息处理模块和场景历史信息处理模块的结果，基于本体-场景历史信息驱动的方法，对数据节点进行重要度评估。
[0060]
监测增益评估模块：基于边缘计算网关数据积压情况、数据节点和边缘服务器之间的历史通道状态和节点重要度评估模块得到的节点重要度，评估该数据节点上传数据的电力物联全景监测增益。
[0061]
数据传输优化模块：基于监测增益评估模块得到的电力物联全景监测增益，选择上传数据的节点。
[0062]
存储模块：存储模块中存贮有各数据节点上传的历史数据、历史故障数据、历史故障记录、数据节点和边缘服务器之间的历史通道状态等信息，并为各模块提供以上信息。
[0063]
5g通信模块：负责与电力物联网数据节点通信，接收节点上传的数据，传输至本装置处理，并向数据传输优化模块选择的节点分发数据上传许可。
[0064]
电源模块：负责给适用于电力物联全景监测的边缘计算网关装置中各个模块供电。
[0065]
基于上述装置，本发明提出一种基于边缘计算的电力物联全景监测方法，包括基于本体-场景历史信息驱动的节点重要度评估方法与基于电力物联全景监测增益的数据传输优化方法两部分，流程如图2所示，具体描述如下：
[0066]
1、基于本体-场景历史信息驱动的节点重要度评估方法
[0067]
电力物联网发展背景下，海量电力物联网终端作为数据节点采集电力设备数据并
上传至边缘计算网关进行处理，以支撑配电网安全稳定运行。然而，由于通信资源受限，数据节点的数据处理要求难以全部满足，为此，需要对数据节点重要度进行合理评估，并优先上传重要节点的数据。本发明提出一种基于本体-场景历史信息驱动的节点重要度评估方法，边缘计算网关根据各数据节点上传的历史数据、当前时刻、历史故障发生情况，基于本体-场景历史信息驱动的方法，对数据节点进行重要度评估，具体步骤如下：
[0068]
s1.1：本体历史信息驱动的数据节点重要度。本发明考虑t个时刻，时刻集合定义为共考虑q个数据节点，数据节点集合定义为sq表示第q个数据节点。在第k天第t个时刻，数据节点采集其对应的电力设备运行的温度、电流、电压等多维数据，数据集合定义为其中m为数据的维度，表示数据节点sq于第k天第t个时刻采集的第m维数据。随后，数据节点将数据上传至边缘计算网关，边缘计算网关根据各数据节点上传的数据，结合历史数据、当前时刻、历史故障发生情况，基于本体-场景历史信息驱动的方法，对数据节点进行重要度评估。其中，本体历史信息驱动的数据节点重要度计算步骤如下。
[0069]
本体历史信息驱动的数据节点重要度反映了从同一天同一数据节点上传的数据中可直接观察到的异常情况，例如，过去几次上传的温度、电压等设备运行信息出现波动上升或波动下降趋势等。定义在第k天第t个时刻，数据节点sq的本体历史信息驱动的数据节点重要度为表示为
[0070][0071]
其中，αm为数据节点上传的第m维数据的权重，n为网关所存储的第k天第t个时刻之前的总时刻数，即本体历史信息驱动的数据节点重要度是根据第k天第t个时刻上传的数据及之前n个时刻的历史数据进行计算的。公式意为，根据最小二乘法求取第k天第t个时刻与前n个时刻的历史数据所逼近的直线的斜率，当该斜率的绝对值过大或过小时，说明数据节点sq近期上传数据出现波动上升或波动下降趋势，数据节点sq对应的电力设备发生故障的可能性高，数据节点sq的重要度相应较高，需要优先上传该节点数据。
[0072]
s1.2：场景历史信息驱动的数据节点重要度。场景历史信息驱动的数据节点重要度反映了可根据场景历史故障发生情况分析出的异常情况，例如，温度在正常范围内但是和历史同一时刻相比温度偏高、过去几次上传的数据和历史故障情况类似等。定义网关所存储的历史故障数据集为其中，num为历史故障数据总组数，为第h组多维数据，可以表示为因此，在第k天第t个时刻，数据节点sq的场景历史信息驱动的数据节点重要度为可计算为
[0073][0074]
其中，k0为网关所存储的历史数据总天数，和分别为同时刻历史数据差距权重和历史故障数据相似度权重，公式中，第一项表示第k天第t个时刻数据节点sq上传的数据相比过去k0天同一时刻的历史数据是否差距较大，第二项表示近期节点上传的数据是否和历史故障数据相似。公式意为，当数据节点sq近期上传的数据相比历史同一时刻的数据差距较大时，或数据和历史故障情况类似时，数据节点sq对应的电力设备发生故障的可能性高，数据节点sq的重要度相应较高，需要优先上传该节点数据。
[0075]
s1.3：基于本体-场景历史信息驱动的节点重要度评估。为综合评估数据节点的重要度，根据s1.2和s1.3中得到的本体历史信息驱动数据节点重要度和场景历史信息驱动的数据节点重要度，进一步计算基于本体-场景历史信息驱动的节点重要度，定义在第k天第t个时刻，数据节点sq的数据节点重要度为表示为
[0076][0077]
其中，ωo和ω
p
分别为本体历史信息驱动权重与场景历史信息驱动权重。
[0078]
2.基于电力物联全景监测增益的数据传输优化方法
[0079]
基于本体-场景历史信息驱动的节点重要度评估方法对节点重要度评估后，本发明进一步提出一种基于电力物联全景监测增益的数据传输优化方法，边缘计算网关基于节点重要度、边缘计算网关数据积压情况、以及数据节点和边缘服务器之间的历史通道状态评估该数据节点上传数据的所带来的电力物联网全景监测增益，并选择增益最大的数据节点上传数据。具体步骤如下：
[0080]
s2.1：边缘计算网关首先查询数据节点和边缘服务器之间在第k天的历史通道状态，包括、历史传输带宽历史信干噪比对数据传输时延进行预测。数据传输时延预测方式如下：
[0081][0082]
其中为第k天第t个时刻数据节点sq的传输数据量，ρ∈(0,1)为经验权重，表示对t时刻前的历史传输带宽按经验权重求均值，距t时刻越近的数据权重越大，对预测结果影响程度也越大，信干噪比同理。
[0083]
s2.2：基于网关历史数据积压情况对计算时延进行预测，其中代表第k天第t-1时刻为收到节点数据时的网关积压。首先根据历史数据积压得到历史计算时延序列
[0084][0085]
其中为第k天第t个时刻数据节点sq传输到网关的数据量，ψq为网关为数据节点sq分配的计算资源，δq为处理每比特数据节点sq的数据所需的计算资源。进一步对历史时延序列进行经验加权处理得到预测的计算时延
[0086][0087]
该公式表示对第t个时刻前的历史计算时延按经验权重求均值，距第t个时刻越近的计算时延数据权重越大，对预测结果影响程度也越大。
[0088]
s2.3：根据节点重要度数据传输时延以及计算时延对节点上传数据的电力物联网全景监测增益gq(t)进行预测：
[0089][0090]
其中v为数据传输时延相对于计算时延的权重。节点重要度越大、数据传输时延和计算时延越小，从该节点上传数据所带来的电力物联网全景监测增益越大。在数据传输过程中越应被优先选择。
[0091]
s2.4：边缘计算网关根据电力物联网全景监测增益对节点集合进行排列，向增益最大的l个节点分发数据上传许可，在第t个时刻通过有许可的节点上传数据到网关。
[0092]
(1)本发明提出一种基于本体-场景历史信息驱动的节点重要度评估方法，在评估电力物联网数据节点重要度时，协同考虑了节点本体历史信息、场景历史信息和数据的变化趋势对于节点重要度评估的影响。基于近期上传数据的波动上升趋势、波动下降趋势等信息计算电力物联网数据节点的本体历史信息驱动的数据节点重要度，基于近期上传的数据与同一时刻的历史数据的差距、与历史故障数据的相似度等信息计算场景历史信息驱动的数据节点重要度，并综合本体与场景历史信息，进一步得到电力物联网数据节点重要度，实现电力物联网数据节点重要度的准确全面评估。
[0093]
(2)本发明提出一种基于电力物联全景监测增益的数据传输优化方法，边缘计算网关基于节点重要度、数据传输时延、以及计算时延评估通过该数据节点上传数据获得的电力物联网全景监测增益。其中计算时延由边缘计算网关数据积压情况预测，数据传输时延可由边缘计算网关根据数据节点和边缘服务器之间的历史通道状态(历史传输带宽，历史信干噪比)进行预测。然后为增益最大的部分数据节点分发数据上传许可，提高重要数据节点的传输与处理效率，保证对重要数据节点的及时响应。
[0094]
以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

技术特征：
1.一种基于边缘计算的电力物联全景监测方法，其特征在于具体步骤为：根据各数据节点上传的近期数据的波动上升趋势、波动下降趋势信息，得到本体历史信息驱动的数据节点重要度；根据各数据节点上传的近期数据与同一时刻的历史数据的差距、与历史故障数据的相似度信息，得到场景历史信息驱动的数据节点重要度；根据本体历史信息驱动的数据节点重要度和场景历史信息驱动的数据节点重要度，基于本体-场景历史信息驱动的方法，对数据节点进行重要度评估，得到节点重要度；通过基于电力物联全景监测增益的数据传输优化方法，边缘计算网关基于节点重要度、边缘计算网关数据积压情况、以及数据节点和边缘服务器之间的历史通道状态评估该数据节点上传数据的所带来的电力物联网全景监测增益，并选择增益最大的数据节点上传数据，实现基于边缘计算的电力物联全景监测。2.根据权利要求1所述的一种基于边缘计算的电力物联全景监测方法，其特征在于：所述数据节点共有q个，共有t个时刻，时刻集合定义为数据节点集合定义为s
q
表示第q个数据节点，在第k天第t个时刻，数据节点采集其对应的电力设备运行的多维数据，数据集合定义为其中m为数据的维度，表示数据节点s
q
于第k天第t个时刻采集的第m维数据。3.根据权利要求1所述的一种基于边缘计算的电力物联全景监测方法，其特征在于：所述本体历史信息驱动的数据节点重要度表示为：其中，α
m
为数据节点上传的第m维数据的权重，n为网关所存储的第k天第t个时刻之前的总时刻数，即本体历史信息驱动的数据节点重要度是根据第k天第t个时刻上传的数据及之前n个时刻的历史数据进行计算的，公式意为，根据最小二乘法求取第k天第t个时刻与前n个时刻的历史数据所逼近的直线的斜率，当该斜率的绝对值过大或过小时，说明数据节点s
q
近期上传数据出现波动上升或波动下降趋势，数据节点s
q
对应的电力设备发生故障的可能性高，数据节点s
q
的重要度相应较高，需要优先上传该节点数据。4.根据权利要求1所述的一种基于边缘计算的电力物联全景监测方法，其特征在于：所述场景历史信息驱动的数据节点重要度为可计算为：其中，k0为网关所存储的历史数据总天数，和分别为同时刻历史数据差距权重和历史故障数据相似度权重，公式中，第一项表示第k天第t个时刻数据节点s
q
上传的数据相
比过去k0天同一时刻的历史数据是否差距较大，第二项表示近期节点上传的数据是否和历史故障数据相似；公式意为，当数据节点s
q
近期上传的数据相比历史同一时刻的数据差距较大时，或数据和历史故障情况类似时，数据节点s
q
对应的电力设备发生故障的可能性高，数据节点s
q
的重要度相应较高，需要优先上传该节点数据；网关所存储的历史故障数据集为其中，num为历史故障数据总组数，为第h组多维数据，表示为5.根据权利要求1所述的一种基于边缘计算的电力物联全景监测方法，其特征在于：所述节点重要度为表示为：其中，ω
o
和ω
p
分别为本体历史信息驱动权重与场景历史信息驱动权重。6.根据权利要求1所述的一种基于边缘计算的电力物联全景监测方法，其特征在于：所述基于电力物联全景监测增益的数据传输优化方法的具体步骤为：s2.1：边缘计算网关首先查询数据节点和边缘服务器之间在第k天的历史通道状态，包括、历史传输带宽历史信干噪比对数据传输时延进行预测；s2.2：基于网关历史数据积压情况对计算时延进行预测，其中代表第k天第t-1时刻为收到节点数据时的网关积压；s2.3：根据节点重要度数据传输时延以及计算时延对节点上传数据的电力物联网全景监测增益g
q
(t)进行预测：s2.4：边缘计算网关根据电力物联网全景监测增益对节点集合进行排列，向增益最大的l个节点分发数据上传许可，在第t个时刻通过有许可的节点上传数据到网关。7.根据权利要求6所述的一种基于边缘计算的电力物联全景监测方法，其特征在于：s2.1中所述数据传输时延预测方式如下：其中为第k天第t个时刻数据节点s
q
的传输数据量，ρ∈(0,1)为经验权重，为对t时刻前的历史传输带宽按经验权重求均值，距t时刻越近的数据权重越大，对预测结果影响程度也越大，信干噪比同理。8.根据权利要求6所述的一种基于边缘计算的电力物联全景监测方法，其特征在于：s2.2中对计算时延进行预测的方式为：首先根据历史数据积压得到历史计算时延
序列序列其中为第k天第t个时刻数据节点s
q
传输到网关的数据量，ψ
q
为网关为数据节点s
q
分配的计算资源，δ
q
为处理每比特数据节点s
q
的数据所需的计算资源；进一步对历史时延序列进行经验加权处理得到预测的计算时延延序列进行经验加权处理得到预测的计算时延该公式表示对第t个时刻前的历史计算时延按经验权重求均值，距第t个时刻越近的计算时延数据权重越大，对预测结果影响程度也越大。9.根据权利要求6所述的一种基于边缘计算的电力物联全景监测方法，其特征在于：s2.3中电力物联网全景监测增益g
q
(t)进行预测表示为：其中v为数据传输时延相对于计算时延的权重；节点重要度越大、数据传输时延和计算时延越小，从该节点上传数据所带来的电力物联网全景监测增益越大；在数据传输过程中越应被优先选择。10.一种基于边缘计算的电力物联全景监测装置，其特征在于包括：本体历史信息处理模块：用于根据各数据节点上传的近期数据的波动上升趋势、波动下降趋势等信息，得到本体历史信息驱动的数据节点重要度；场景历史信息处理模块：用于根据各数据节点上传的近期数据与同一时刻的历史数据的差距、与历史故障数据的相似度等信息，得到场景历史信息驱动的数据节点重要度；节点重要度评估模块：用于根据本体历史信息处理模块和场景历史信息处理模块的结果，基于本体-场景历史信息驱动的方法，对数据节点进行重要度评估；监测增益评估模块：用于基于边缘计算网关数据积压情况、数据节点和边缘服务器之间的历史通道状态和节点重要度评估模块得到的节点重要度，评估该数据节点上传数据的电力物联全景监测增益；数据传输优化模块：用于基于监测增益评估模块得到的电力物联全景监测增益，选择上传数据的节点；存储模块：用于存储模块中存贮有各数据节点上传的历史数据、历史故障数据、历史故障记录、数据节点和边缘服务器之间的历史通道状态等信息，并为各模块提供以上信息；5g通信模块：用于负责与电力物联网数据节点通信，接收节点上传的数据，传输至本装置处理，并向数据传输优化模块选择的节点分发数据上传许可；电源模块：用于负责给适用于电力物联全景监测的边缘计算网关装置中各个模块供电。

技术总结
本发明涉及一种基于边缘计算的电力物联全景监测方法及装置，属于电力系统技术领域。通过基于本体-场景历史信息驱动的节点重要度评估以及基于电力物联全景监测增益的数据传输优化，提高电力物联网数据节点重要度评估的准确性和全面性，进而通过预测电力物联网全景监测增益优化传输节点选择策略，保证边缘计算网关数据的高效传输。实现电力物联网的高效边端交互。端交互。端交互。


技术研发人员：李超 李娜 杨川 郝怡 李刚
受保护的技术使用者：国网电商科技有限公司 四川瑞霆智汇科技有限公司
技术研发日：2023.06.20
技术公布日：2023/9/20