一种基于时间敏感网络的节能数据切片方法及组网系统

1.本发明涉及数据处理技术领域，尤其涉及一种基于时间敏感网络的节能数据切片方法及组网系统。


背景技术：

2.工业互联网、自主车联网和智能健康系统等新兴技术均是重要的时间敏感网络(time sensitive network,tsn)应用。在工业自动化的设备中已经开始实施时间敏感控制回路以此来应对严格的延迟限制。随着工业4.0的发展，智能制造成为引领下一代工业技术发展的目标，工业互联网的规模越来越大，工业制造使用的生成设备越来越多由计算机控制的网络系统进行控制，网络中集成的传感器和执行器也越来越多，这些组成了物理控制系统；这些物理控制系统是智能制造的重点组成部分，他们的正常运行需要对应的网络的支持，在工业互联网中如何管理时间敏感拥塞的新挑战悄然而至。这些物理控制系统，很多都是对网络的传输速度有很高的要求，比如协作机器人的运动控制是有高度时间敏感的，其运行需要低延时传输网络。
3.为了处理上述应用中对于实时通信的要求，ieee时间敏感网络任务工作组研发了一套叫做ieee 802.1qbv的标准，该标准包括依赖于同步时间周期的时间感知整型器(time aware shaper,tas)和用于高优先级预制拥塞的特征门时间周期。tas致力于提供即时的包服务，为了应对动态网络场景，考虑采用多种重组机制来动态分配网络资源。特别地，针对给定边界的网络容量，需要对网络中被容许的交通流量进行最大化。在过去的数十年中，为了使网络资源分配最大化，网络效用最大化的方法成为一种通用策略。
4.目前在对节能数据进行采集传输时，由于节能现场端涉及到多个数据采集节点，节能数据的采集频次(周期)、每个节点采集一次数据的数据块大小各不相同，这会极大影响数据采集、传输和处理效率，不利于传输网络的高速低延时运行。


技术实现要素：

5.本发明提出一种基于时间敏感网络的节能数据切片方法及组网系统，解决了现有技术中数据采集、传输和处理效率低的问题。
6.本发明的技术方案是这样实现的：
7.根据本发明的一方面，提供了一种基于时间敏感网络的节能数据切片方法，包括以下步骤：
8.根据各采集节点的采集周期确定标准时间片；
9.根据各采集节点所采集数据块的大小确定标准数据块；
10.对采集周期大于标准时间片的时间片进行切片处理，对采集周期小于标准时间片的时间片进行累积处理，使经过切片处理和累积处理后的时间片的采集周期与标准时间片的采集周期保持一致；
11.对占用内存大于标准数据块的数据块进行切片处理，对占用内存小于标准数据块
的数据块进行累积处理，使经过切片处理和累积处理后的数据块占用内存与标准数据块的占用内存保持一致。
12.本发明主要从时间和数据两个维度出发，分别通过计算标准时间片和标准数据块的思路出发，实现对不同工业现场采集节点的节能数据在时间维度上的时间片切分和数据块维度上的数据块大小拆分，同时利用时间敏感网络在数据链路层上的时间片和数据块重组技术，从而实现节能数据的高效传输，进而达到简化监测数据的采集过程、缩短数据处理和分析的时间，以及整个组网系统进一步优化节能的目的。
13.作为本发明优选的方案，确定标准时间片的方法为：
14.收集各个采集节点的采集周期组成集合：
15.t＝{t1，t2，t3，
…
，tn}，n为采集节点的个数；
16.将集合t内任意两两元素进行差值计算并将差值按照从小到大的顺序进行排序，得到差值集合δt＝{δt
min
，
…
，δt
max
}
17.则标准时间片的采集周期为：
[0018][0019]
其中，t
std
为标准时间片的采集周期。
[0020]
作为本发明优选的方案，确定标准时间片的采集周期后，通过如下公式计算某个时间片的切片数量：
[0021][0022]
其中，p为第i个采集节点采集的时间片切片后的数量；|
·
|表示取整；ti为第i个采集节点的采集周期且ti＞t
std
，i∈(1，2，3，
…
，n)。
[0023]
作为本发明优选的方案，若为小数，则将切片后得到的p个标准时间片包含的数据统一打包传输，并将切片后剩下的时间片进行累积处理，待累积达到标准时间片的采集周期后再一并打包传输。
[0024]
作为本发明优选的方案，确定标准数据块的方法为：
[0025]
收集各个采集节点采集的数据块占用内存组成集合：
[0026]
d＝{d1，d2，d3，
…
，dn}，n为采集节点的个数；
[0027]
将集合d内任意两两元素进行差值计算并将差值按照从小到大的顺序进行排序，得到差值集合δd＝{δd
min
，
…
，δd
max
}
[0028]
则标准数据块的占用内存为：
[0029]
[0030]
其中，d
std
为标准数据块的占用内存。
[0031]
作为本发明优选的方案，确定标准数据块的占用内存后，通过如下公式计算某个数据块的切片数量：
[0032][0033]
其中，q为第i个采集节点采集的数据块切片后的数量；|
·
|表示取整；di为第i个采集节点采集的数据块占用内存且di＞d
std
，i∈(1，2，3，
…
，n)。
[0034]
作为本发明优选的方案，若为小数，则将切片后得到的q个标准数据块包含的数据统一打包传输，并将切片后剩下的数据块进行累积处理，待累积达到标准标准数据块的占用内存后再一并打包传输。
[0035]
根据本发明的另一方面，提供了一种基于时间敏感网络的节能数据切片组网系统，包括：
[0036]
现场端，通过搭建边缘云来处理现场数据采集端采集到的能耗监测数据，所述边缘云通过执行上述切片方法，来对现场数据采集端采集到的能耗监测数据进行处理；
[0037]
与现场端通信连接的数据存储端，通过搭建公有云来接收并存储现场端的边缘云处理后的能耗监测数据；
[0038]
与现场端通信连接的远程平台端，通过搭建私有云与现场端的边缘云进行数据流和控制流的交互；
[0039]
政府监管平台，通过访问公有云和私有云对各用能企业进行能耗监管。
[0040]
作为本发明优选的方案，所述现场数据采集端包括：
[0041]
节点级器件，内置于耗能设备中，用于监测和采集耗能设备的实时能耗数据和设备运行数据；
[0042]
车间级器件，内置于工厂各车间的存储设备上，用于汇聚并存储各节点级器件采集到的能耗数据；
[0043]
工厂级器件，内置于工厂的存储服务器上，用于存储各车间级器件汇总的能耗数据，为边缘云提供可计算的能耗数据源。
[0044]
根据本发明的又一方面，提供了一种存储介质，存储有计算机程序，所述计算机程序被处理器执行来实现上述切片方法的步骤。
[0045]
有益效果
[0046]
与现有技术相比较，本发明的有益效果在于：本发明通过计算确定标准时间片和标准数据块，以标准时间片和标准数据块为参考，对各采集点采集的时间片和数据块进行拆分和累积处理，使经过切片处理和累积处理后的时间片的采集周期与标准时间片的采集周期保持一致，使经过切片处理和累积处理后的数据块占用内存与标准数据块的占用内存保持一致，从而提高了数据采集效率，也缩短了后续数据传输、处理和分析的时间，提高了
整个组网系统的传输效率。
附图说明
[0047]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
[0048]
图1为本发明一种基于时间敏感网络的节能数据切片方法的流程示意图；
[0049]
图2为本发明实施例中采集节点的分布与地域相关的树状模型示意图；
[0050]
图3为本发明一种基于时间敏感网络的节能数据切片组网系统的架构图。
具体实施方式
[0051]
下面将结合本发明实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0052]
参照图1所示，本实施例提供了一种基于时间敏感网络的节能数据切片方法，包括以下步骤：
[0053]
根据各采集节点的采集周期确定标准时间片；
[0054]
根据各采集节点所采集数据块的大小确定标准数据块；
[0055]
对采集周期大于标准时间片的时间片进行切片处理，对采集周期小于标准时间片的时间片进行累积处理，使经过切片处理和累积处理后的时间片的采集周期与标准时间片的采集周期保持一致；
[0056]
对占用内存大于标准数据块的数据块进行切片处理，对占用内存小于标准数据块的数据块进行累积处理，使经过切片处理和累积处理后的数据块占用内存与标准数据块的占用内存保持一致。
[0057]
本实施例中，由于采集节点的分布与所属设备、车间、工厂或企业等地域分布情况相关，因此在此过程中应综合考虑上述因素；同时，这些因素也决定了组网设备和元器件的选型、组网带宽的分配、网络拓扑结构和组网类型的确立；因此，采用如图2所示的树状模型来描述确定标准时间片的过程与这些因素间的关联关系。在图2中，所属企业或工厂的集合为{e|f}、车间集合为{p}、设备集合{d}、采集节点的集合为{n}；图2中，表示第n个工厂(或企业)、第i个车间、第j个设备、第k个采集节点采集的数据。
[0058]
由图2可确定采集节点k的时间片大小为：
[0059][0060]
其中，表示求解时间片t在节能数据采集节点的地域分布s上的关联梯度；由于采集节点的分布与所属设备、车间、工厂或企业等地域分布情况相关，因此，通过将地
域分解为和三个向量，通过求解节点级的时间片t
n，i，j，k
分别在s＝(x，y，z)三个方向上的最优解之和得到采集节点k的时间片大小(即采集周期)。
[0061]
作为本实施例优选的方案，确定标准时间片的方法为：
[0062]
收集各个采集节点的采集周期组成集合：
[0063]
t＝{t1，t2，t3，
…
，tn}，n为采集节点的个数；
[0064]
将集合t内任意两两元素进行差值计算并将差值按照从小到大的顺序进行排序，得到差值集合δt＝{δt
min
，
…
，δt
max
}
[0065]
则标准时间片的采集周期为：
[0066][0067]
其中，t
std
为标准时间片的采集周期。
[0068]
作为本实施例优选的方案，确定标准时间片的采集周期后，通过如下公式计算某个时间片的切片数量：
[0069][0070]
其中，p为第i个采集节点采集的时间片切片后的数量；|
·
|表示取整；ti为第i个采集节点的采集周期且ti＞t
std
，i∈(1，2，3，
…
，n)。
[0071]
作为本实施例优选的方案，若为小数，则将切片后得到的p个标准时间片包含的数据统一打包传输，并将切片后剩下的时间片进行累积处理，待累积达到标准时间片的采集周期后再一并打包传输。
[0072]
本实施例中，假设5个不同采集周期的采集节点(假定地域分布影响因素无差别)的采集周期分别为5秒、10秒、25秒、40秒和60秒，即t＝{5，10，25，50，60}，则
[0073]
δt＝{5，10，15，20，25，35，40，45，50，55}
[0074]
标准时间片的采集周期为：
[0075]
(5+55)/2＝30秒
[0076]
则采集周期为60秒的时间片切片后刚好得到两个标准时间片，采集周期为50秒的时间片切片后得到一个标准时间片和一个采集周期为20秒的时间片；将剩余的采集周期为5秒、10秒、20秒、25秒的时间片进行累积，刚好可以得到2个标准时间片，最后将所有的标准时间片统一打包后进行传输。
[0077]
本实施例中，由于采集节点的类型、生产厂商不同，在不同车间和设备上安装的个数也不同，因此按照设备或车间进行汇聚，单位时间产生的数据块大小存在差异。因此在数据采集过程中应综合考虑上述因素。
[0078]
同时，这些因素也决定了组网设备和元器件的选型、组网带宽的分配、网络拓扑结构和组网类型的确立。因此，同理可采用如图2所示的树状模型来描述确定标准数据块大小
的过程与这些因素间的关联关系。但与标准时间片确定和计算不同的是，标准数据块的确定与不同节点的类型在单位时间内产生的数据量大小、节点数量和累积时间等因素有关。
[0079]
可得到某采集节点k在设定的统计时间内采集的数据块大小(即占用内存)为：
[0080][0081]
为节点k的梯度，为标量时间；该数据块的大小表示空间中某一区域(如节点、设备、车间、工厂或企业等)内随时间的变化而流入或流出的数据(或数据块)的多少，一般认为数据在不同区域间的有线(或无线)传输是存在方向性的。在此计算过程中，需要标定计算的开始时间t1和结束时间t2，并指明节点在空间分布(和)上从t1到t2的统计时间段内的数据累积量。
[0082]
作为本实施例优选的方案，确定标准数据块的方法为：
[0083]
收集各个采集节点采集的数据块占用内存组成集合：
[0084]
d＝{d1，d2，d3，
…
，dn}，n为采集节点的个数；
[0085]
将集合d内任意两两元素进行差值计算并将差值按照从小到大的顺序进行排序，得到差值集合δd＝{δd
min
，
…
，δd
max
}
[0086]
则标准数据块的占用内存为：
[0087][0088]
其中，d
std
为标准数据块的占用内存。
[0089]
作为本实施例优选的方案，确定标准数据块的占用内存后，通过如下公式计算某个数据块的切片数量：
[0090][0091]
其中，q为第i个采集节点采集的数据块切片后的数量；|
·
|表示取整；di为第i个采集节点采集的数据块占用内存且di＞d
std
，i∈(1，2，3，
…
，n)。
[0092]
作为本实施例优选的方案，若为小数，则将切片后得到的q个标准数据块包含的数据统一打包传输，并将切片后剩下的数据块进行累积处理，待累积达到标准标准数据块的占用内存后再一并打包传输。
[0093]
本实施例中，假设5个不同节点在规定的统计时间段内(假定地域分布影响因素无差别)采集到的数据块的大小分别为100兆、350兆、650兆、900兆和1000兆，则
[0094]
d＝{100，350，650，900，1000}，则
[0095]
δd＝{100，250，300，350，550，650，800，900}
[0096]
标准数据块的占用内存为：
[0097]
(100+900)/2＝500兆
[0098]
则占用内存为1000兆的数据块切片后刚好得到两个标准数据块，占用内存为900兆的数据块切片后得到一个标准数据块和一个占用内存为400兆的数据块，占用内存为650兆的数据块切片后得到一个标准数据块和一个占用内存为150兆的数据块，将剩余的占用内存为100兆、150兆、350兆、400兆的数据块进行累积，刚好可以得到2个标准数据块，最后将所有的标准数据块统一打包后进行传输。
[0099]
相应地，如图3所示，本实施例还提供了一种基于时间敏感网络的节能数据切片组网系统，包括：
[0100]
现场端，通过搭建边缘云来处理现场数据采集端采集到的能耗监测数据，所述边缘云通过执行上述切片方法，来对现场数据采集端采集到的能耗监测数据进行处理；
[0101]
与现场端通信连接的数据存储端，通过搭建公有云来接收并存储现场端的边缘云处理后的能耗监测数据；公有云其本质是一个大型、海量的数据存储平台其功能主要用于数据存储，并承担辅助计算功能；
[0102]
与现场端通信连接的远程平台端，通过搭建私有云与现场端的边缘云进行数据流和控制流的交互；私有云其本质是一个用于运行能耗监控服务平台的自建私有云服务器集群；其作用是用于存储和针对工业现场的边缘云计算服务器集群的收发控制及决策类数据信息的传输，再由边缘云计算服务器集群对各层级的服务器、物联网中间件和采集终端等工业互联网设备进行策略控制和数据收发。
[0103]
政府监管平台，通过访问公有云和私有云对各用能企业进行能耗监管，政府监管平台是节能行业服务解决方案供应企业为政府用能监管部门设定的一种针对用能企业进行能耗监管和用能碳排放等行为提供的能耗数据决策性服务平台，借助该平台，政府监管部门可通过专网从公有云上读取各用能企业的实时能耗数据。
[0104]
节能服务企业利用节能组网系统(“四端三云”)架构，可实现对用能企业的实时能耗数据采集、存储、分析，并可同时针对不同行业、不同体量和不同工业现场环境下的用能企业提供标准化的节能服务，因此这种架构可为先进的工业互联网组网和通信技术提供实际应用参考价值。
[0105]
作为本发明优选的方案，所述现场数据采集端包括：
[0106]
节点级器件，内置于耗能设备中，用于监测和采集耗能设备的实时能耗数据和设备运行数据，便于对出现耗能异常、运转异常和运行状态发生改变的设备实施远程控制和节能优化策略；
[0107]
车间级器件，内置于工厂各车间的存储设备上，用于汇聚并存储各节点级器件采集到的能耗数据，便于数据向企业(工厂)级器件上存储汇聚；
[0108]
工厂级器件，内置于工厂的存储服务器上，用于存储各车间级器件汇总的能耗数据，为边缘云提供可计算的能耗数据源。
[0109]
相应地，本实施例还提供了一种存储介质，存储有计算机程序，所述计算机程序被处理器执行来实现上述切片方法的步骤。
[0110]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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。