本发明涉及用电数据管理,并且更具体地,涉及一种用于生态平台资源调度的方法及系统。
背景技术:
1、国家电网有限公司于2019年开始智慧物联体系的相关设计与部署工作,将物联网技术应用在智能电网中,通过传感器等智能量测设备完成数据采集,利用通信网络,将能源控制器、智能物联电表及现场作业终端等设备组织起来,并构建智慧物联软件生态平台实现各类数据的传递和共享,以满足多角色多业务场景的数据应用需求,对提高电网的运行效率和服务质量具有重要意义。然而,随着智慧物联体系建设的不断推进,采集数据体量成指数级增长,支撑应用规模复杂度越来越高,当前数据传输效率难以满足不同业务间的高实时数据交互需求。
技术实现思路
1、针对上述问题,本发明提出了一种用于生态平台资源调度的方法及系统,包括:
2、基于生态平台,获取预设时间段内应用商店与多类设备间的与数据交互相关的记录数据,以得到时序数据样本;
3、将所述时序数据样本作为输入数据,输入至预先搭建的数据流量预测模型进行预测,以得到与生态平台相关的非线性的节点预测流量数据,根据所述节点预测流量数据,构建边缘服务器管理机制,并基于所述边缘服务器管理机制,获取具有最优条件的节点范围集合;
4、根据所述节点范围集合,生成与生态平台相关的资源调度决策,使用所述资源调度决策,对生态平台的资源进行调度。
5、可选的,多类设备,包括如下中的至少一种:与生态平台相关的用采设备组件、用采设备管理组件和各类设备。
6、可选的,预先搭建的数据流量预测模型根据encoder-decoder架构进行搭建。
7、可选的,预先搭建的数据流量预测模型,包括:encoder模块和decoder模块;
8、其中,encoder模块作为数据流量预测模型的关键时序特征提取模块;
9、其中,decoder模块作为数据流量预测模型的时序样本非线性预测模块。
10、可选的,将所述时序数据样本作为输入数据,输入至预先搭建的数据流量预测模型进行预测,包括:
11、对所述输入数据进行位置编码,将对进行位置编码后的输入数据输入至encoder模块,基于encoder模块通过多头注意力机制对所述输入数据的关键时序特征进行提取,以获取所述输入数据的关键时序特征增强表示,及输入数据同纬度的关键时序特征矩阵;
12、对所述输入数据进行时序线性特征趋势提取,以获取所述输入数据的时序线性特征趋势;
13、将所述输入数据中未来待预测部分可采集数据、所述输入数据的关键时序特征增强表示、所述输入数据同纬度的关键时序特征矩阵及所述输入数据的时序线性特征趋势叠加输入至decoder模块,基于decoder模块对所述时序数据样本进行预测。
14、可选的,位置编码,包括:对序列数据样本中特定位置进行信息编码,并转换成d维向量。
15、可选的,获取具有最优条件的节点范围集合,包括:
16、对与生态平台相关的节点和网络间的关系进行定义,基于所述定义的节点和网络间的关系,确定多条件约束下的节点管理范围;
17、针对所述节点管理范围内的节点,根据节点间的实际距离,构建基于节点距离的筛选函数,基于所述筛选函数筛选出节点管理范围内有效的节点集合;
18、对有效的节点集合中的节点,进行负载均衡处理,以筛选出初步的具有最优条件的节点范围集合,对所述筛选出的初步的具有最优条件的节点范围集合进行指标评估,以获取评估值,若评估值大于预设阈值,则将筛选出的初步的具有最优条件的节点范围集合,作为具有最优条件的节点范围集合;
19、若评估值小于预设阈值,则再次基于所述筛选函数筛选出节点管理范围内有效的节点集合;
20、可选的,生成与生态平台相关的资源调度决策,包括:
21、针对所述最优条件的节点管理范围,解析生成负责资源调度的服务器配置文件,更新系统的资源调度决策管理机制。
22、再一方面,本发明还提供了一种用于生态平台资源调度的系统,包括:
23、数据处理单元,基于生态平台,获取预设时间段内应用商店与多类设备间的与数据交互相关的记录数据,以得到时序数据样本;
24、预测单元,将所述时序数据样本作为输入数据,输入至预先搭建的数据流量预测模型进行预测,以得到与生态平台相关的非线性的节点预测流量数据,根据所述节点预测流量数据,构建边缘服务器管理机制,并基于所述边缘服务器管理机制,获取具有最优条件的节点范围集合;
25、执行单元,根据所述节点范围集合,生成与生态平台相关的资源调度决策,使用所述资源调度决策,对生态平台的资源进行调度。
26、可选的,多类设备,包括如下中的至少一种:与生态平台相关的用采设备组件、用采设备管理组件和各类设备。
27、可选的,预先搭建的数据流量预测模型根据encoder-decoder架构进行搭建。
28、可选的,预先搭建的数据流量预测模型,包括:encoder模块和decoder模块;
29、其中,encoder模块作为数据流量预测模型的关键时序特征提取模块;
30、其中,decoder模块作为数据流量预测模型的时序样本非线性预测模块。
31、可选的,预测单元将所述时序数据样本作为输入数据,输入至预先搭建的数据流量预测模型进行预测,包括:
32、对所述输入数据进行位置编码,将对进行位置编码后的输入数据输入至encoder模块,基于encoder模块通过多头注意力机制对所述输入数据的关键时序特征进行提取,以获取所述输入数据的关键时序特征增强表示,及输入数据同纬度的关键时序特征矩阵;
33、对所述输入数据进行时序线性特征趋势提取,以获取所述输入数据的时序线性特征趋势;
34、将所述输入数据中未来待预测部分可采集数据、所述输入数据的关键时序特征增强表示、所述输入数据同纬度的关键时序特征矩阵及所述输入数据的时序线性特征趋势叠加输入至decoder模块,基于decoder模块对所述时序数据样本进行预测。
35、可选的,位置编码,包括:对序列数据样本中特定位置进行信息编码,并转换成d维向量。
36、可选的,执行单元获取具有最优条件的节点范围集合,包括:
37、对与生态平台相关的节点和网络间的关系进行定义,基于所述定义的节点和网络间的关系,确定多条件约束下的节点管理范围;
38、针对所述节点管理范围内的节点,根据节点间的实际距离,构建基于节点距离的筛选函数,基于所述筛选函数筛选出节点管理范围内有效的节点集合;
39、对有效的节点集合中的节点,进行负载均衡处理,以筛选出初步的具有最优条件的节点范围集合,对所述筛选出的初步的具有最优条件的节点范围集合进行指标评估,以获取评估值,若评估值大于预设阈值,则将筛选出的初步的具有最优条件的节点范围集合,作为具有最优条件的节点范围集合;
40、若评估值小于预设阈值,则再次基于所述筛选函数筛选出节点管理范围内有效的节点集合。
41、可选的,执行单元生成与生态平台相关的资源调度决策,包括:
42、针对所述最优条件的节点管理范围,解析生成负责资源调度的服务器配置文件,更新系统的资源调度决策管理机制。
43、再一方面,本发明还提供了一种计算设备,包括:一个或多个处理器;
44、处理器,用于执行一个或多个程序;
45、当所述一个或多个程序被所述一个或多个处理器执行时,实现如上述所述的方法。
46、再一方面,本发明还提供了一种计算机可读存储介质,其上存有计算机程序,所述计算机程序被执行时,实现如上述所述的方法。
47、与现有技术相比,本发明的有益效果为:
48、本发明提供了一种用于生态平台资源调度的方法,包括:基于生态平台,获取预设时间段内应用商店与多类设备间的与数据交互相关的记录数据,以得到时序数据样本;将所述时序数据样本作为输入数据,输入至预先搭建的数据流量预测模型进行预测,以得到与生态平台相关的非线性的节点预测流量数据,根据所述节点预测流量数据,构建边缘服务器管理机制,并基于所述边缘服务器管理机制,获取具有最优条件的节点范围集合;根据所述节点范围集合,生成与生态平台相关的资源调度决策,使用所述资源调度决策,对生态平台的资源进行调度。本发明通过对生态平台的资源进行调度,可满足生态平台内多角色多业务场景的数据需求,支撑生态平台上应用软件的快速上架、发布及更新。