基于人工智能聚类的计量数据轻量级溯源方法

本发明属于数据溯源，具体涉及一种基于人工智能聚类的计量数据轻量级溯源方法

背景技术

0、
背景技术：

1、随着智能配电网的迅速发展，电能表计量数据的采集与流转快速增长。海量的计量数据在不同电力系统应用之间共享融合，使得数据的产生和流转呈现出多样性、复杂性的特点。对于一些对数据可信度与完整性要求较高的电力业务，如智能电力巡检、精准负荷调控等，在处理数据时都要验证当前数据的可信与完整，如果缺少对数据流转过程的记录，就会导致电力系统的安全面临严峻挑战。

2、数据溯源技术是对目标数据的初始数据的流转过程进行追溯、分析、重现与保存的过程，通过对数据进行溯源可以有效防止交易记录在流转过程中被篡改或关键信息丢失，保障数据的可信与完整，提高电力系统的安全性。

3、然而，现有数据溯源技术在溯源过程中面临着下列挑战。

4、1)为了保证数据的可信追溯，溯源信息记录了流转过程中的各种数据属性，包含了大量属性之间的关联数据，导致溯源数据的规模远远大于原始数据的规模，使得系统开销显著增加。因此如何对溯源数据的规模与结构进行精简是一个亟待解决的问题。

5、2)溯源数据通常以溯源图的方式保存，具体信息存储于外部数据库中，溯源效率受外部数据库影响，查询的准确率和速度远远达不到实际需求。同时，原始溯源数据涵盖海量的细粒度溯源属性以及依赖关系，严重降低溯源査询的效率，因此如何对数据追溯查询进行轻量化是一个亟待解决的问题。

6、传统的数据溯源方案通常采用顺序原则，不对溯源数据各属性的优先级加以划分，此类方案的溯源数据存放于在中心化数据库中，在执行溯源过程时需要占用大量的查询时间与管理资源。而采用人工智能聚类方法根据溯源数据所记录的数据项属性进行聚类，可以有效降低数据溯源过程中的查询时间，减少系统开销，提高溯源效率，相较于传统方案更适用于海量电力数据的溯源场景。

技术实现思路

0、
技术实现要素：

1、有鉴于此，本发明的目的在于提出一种基于人工智能聚类的计量数据轻量级溯源方法，实现电力计量系统海量数据的轻量级溯源。

2、为达到上述目的,本发明提供如下技术方案:

3、一种基于人工智能聚类的计量数据轻量级溯源方法。该方法针对电力计量数据溯源场景，通过构建电力计量数据溯源有向无环图进行溯源信息的表达，并采用人工智能聚类算法对溯源数据进行聚类，根据溯源节点间的关联性对溯源结构与规模进行优化，适应实际溯源系统轻量级的溯源需求。该方案具体包括以下步骤：

4、s1：采集电力计量系统溯源数据，建立溯源数据有向无环图；

5、s2：设计基于人工智能聚类方法；

6、s3：根据聚类结果进行溯源图结构与溯源数据规模的优化；

7、s4：简述具体方案流程；

8、进一步的，所述步骤s1中，所建立的溯源数据有向无环图包括实体节点集合与节点间的关系集合，且各实体包含数据id、用户名、数据类型、时间戳等属性。

9、进一步的，所述步骤s2中，设计基于人工智能的聚类方法，该方法通过计算所有节点的中心度确定初始聚类节点，并考虑到节点存储数据类型的差异，采用k-prototypes聚类算法对溯源数据进行聚类。

10、进一步的，所述步骤s3中，根据聚类结果，遍历溯源图所有节点，通过计算与目标节点直接相连的父代节点与子代节点的离散度，对溯源图结构与溯源数据规模进行优化，提升溯源任务粗粒度。

11、进一步的，所述步骤s4中，具体方案流程包括溯源图的构建、溯源数据聚类分析、溯源数据轻量化三部分。其中，在溯源数据聚类分析过程中，采用k-prototypes聚类算法对溯源数据进行聚类，通过改进距离度量公式，能够更好的利用溯源数据的类型属性，为轻量级溯源提供支撑。

12、与现有技术相比，本发明具有以下优点:

13、1)本发明专利通过构建溯源数据有向无环图，对溯源数据的数据结构进行分析，通过基于人工智能聚类的轻量级溯源方法挖掘原始溯源数据海量的细粒度溯源属性数据的深层信息，输出聚类结果，通过计算节点依赖关系之间的离散度对溯源数据结构进行更新，能够有效降低溯源数据的规模与复杂结构，实现轻量级的溯源过程。

14、2)本发明专利提出一种基于人工智能聚类的计量数据轻量级溯源方法，通过计算溯源节点中心度，以划分初始聚类数量，考虑到溯源数据包含多种类型数据，采用k-prototypes聚类方法进行聚类分析，并重新调整相异度距离公式，能够有效提升聚类效率，为后续轻量级的数据溯源提供支撑。

技术特征：

1.一种基于人工智能聚类的计量数据轻量级溯源方法。其特征在于，该方法针对电力计量数据溯源场景，通过构建电力计量数据溯源有向无环图进行溯源信息的表达，并采用人工智能聚类算法对溯源数据进行聚类，根据溯源节点间的关联性对溯源结构与规模进行优化，适应实际溯源系统轻量级的溯源需求。

2.根据权利要求1所述的一种基于人工智能聚类的计量数据轻量级溯源方法，其特征在于，该方案具体包括以下步骤：

3.根据权利要求2所述的基于人工智能聚类的计量数据轻量级溯源方法，其特征在于，通过采集电力计量系统溯源数据，建立的溯源数据有向无环图，包括实体节点集合与节点间的关系集合，且各实体包含数据id、用户名、数据类型、时间戳等属性。

4.根据权利要求2所述的基于节点中心度的人工智能聚类方法，其特征在于，设计基于人工智能的聚类方法，该方法通过计算所有节点的中心度确定初始聚类节点，并考虑到节点存储数据类型的差异，采用k-prototypes聚类算法对溯源数据进行聚类。

5.根据权利要求2所述的溯源图结构与溯源数据规模的优化，其特征在于，根据聚类结果，遍历溯源图所有节点，通过计算与目标节点直接相连的父代节点与子代节点的离散度，对溯源图结构与溯源数据规模进行优化，提升溯源任务粗粒度，减少溯源过程系统开销。

6.根据权利要求2所述的具体方案流程，其特征在于，具体方案流程包括溯源图的构建、溯源数据聚类分析、溯源数据轻量化三部分。其中，在溯源数据聚类分析过程中，采用k-prototypes聚类算法对溯源数据进行聚类，通过改进距离度量公式，能够更好的利用溯源数据的类型属性，为轻量级溯源提供支撑。

技术总结
本发明涉及一种基于人工智能聚类的计量数据轻量级溯源方法，该方法针对电力计量数据数据溯源需求，通过构建溯源数据有向无环图表达溯源数据结构与属性信息，并基于人工智能的思想对溯源数据进行聚类分析，得到聚类结果后，根据溯源节点间的关联性对溯源结构与规模进行优化，删除关联性较低的节点并重构溯源图结构，有效降低溯源数据的冗余结构。与现有技术相比，本发明能够有效降低溯源数据的规模与复杂结构，减少数据溯源过程中的信息查询时间，提高溯源效率，保证溯源过程轻量级的需求。

技术研发人员：孙中伟,刘希,丁添,王雨桐,周振宇,廖斌
受保护的技术使用者：华北电力大学
技术研发日：
技术公布日：2024/1/16