边缘物联代理装置的通信时延测试方法、装置及存储介质与流程

1.本发明涉及通信时延测试技术领域，尤其涉及一种基于人工智能算法的边缘物联代理装置的通信时延测试方法、装置及存储介质。


背景技术：

2.随着配电网对分布式控制的需求越来越大，对配电终端之间的通信要求也变得越来越高。目前利用光纤通信来实现终端之间的数据交互虽然速度快、时延低，但是光纤铺设成本高、工作量大，因此，无线通信相比于有线通信部署起来更加灵活、简单，得到了电力领域学者的广泛认可。4g虽然已经有了很大的成熟度，但是在数据传输方面有着较大的延时，对于配电网数据交互与处理，尤其对故障保护动作所需的快速性显得力不从心。随着第五代通信网络技术的发展，5g无线通信相比于4g更加快速、灵活，对配电网分布式故障处理有着更高的可靠性。
3.目前，虽然5g通信测试对时延已经达到了要求，但是不同的5g测试环境会影响测试的准确性。针对5g通信在边缘物联代理装置中进行测试时，如何确定最佳测试环境以提高时延测试准确性的研究内容较少。


技术实现要素：

4.本发明所要解决的技术问题在于，提供一种基于人工智能算法的边缘物联代理装置的通信时延测试方法、装置及存储介质，将5g通信测试和卷积神经网络结合起来，通过人工智能算法学习5g通信测试的影响因素的内在关系，从而确定最佳的测试环境，以提高5g通信时延测试的准确性。
5.为了实现上述目的，本发明实施例提供了一种边缘物联代理装置的通信时延测试方法，包括：获取5g配电网中边缘物联代理装置向5g终端设备传输的通信数据；其中，所述5g终端设备支持不同的运行商网络；将所述通信数据作为输入数据，并将所述输入数据和预设的模型参数输入到预设的测试环境计算模型中，得到所述测试环境计算模型输出的最佳测试环境；其中，所述测试环境包括所述边缘物联代理装置之间的距离、所述边缘物联代理装置和电站之间的距离、所述通信数据的长度以及所述通信数据中每一帧数据之间的传输时间；根据所述最佳测试环境切换所述5g终端设备的运行商网络，进行不同运行商网络的并行测试，以选择出通信时延最小的运行商网络。
6.作为上述方案的改进，所述测试环境计算模型的训练方法包括：采集不同时刻边缘物联代理装置向5g终端设备传输的通信数据作为输入数据；将所述输入数据输入到构建的卷积神经网络模型，得到所述卷积神经网络模型输出的测试环境；将所述测试环境与理想测试环境进行对比，计算得到模型误差；
根据所述模型误差对所述卷积神经网络模型进行迭代优化，直至所述模型误差小于等于预设阈值或达到预设的迭代次数，则得到训练好的测试环境计算模型，并输出对应的模型参数。
7.作为上述方案的改进，所述将所述输入数据输入到构建的卷积神经网络模型，得到所述卷积神经网络模型输出的测试环境，具体包括：将所述输入数据作为所述卷积神经网络模型的第一层特征映射，通过卷积操作和偏置操作得到学习后的特征映射；将所述学习后的特征映射输入到所述卷积神经网络模型的池化层，经过池化因子将所述学习后的特征映射的维度降低，得到测试环境；其中，降低后的维度分别表示所述测试环境中的边缘物联代理装置之间的距离、边缘物联代理装置和电站之间的距离、通信数据的长度以及通信数据中每一帧数据之间的传输时间。
8.作为上述方案的改进，所述将所述测试环境与理想测试环境进行对比，计算得到模型误差，具体包括：根据所述测试环境切换所述5g终端设备的运行商网络，进行不同运行商网络的并行测试，并计算通信数据的传输准确率；将所述传输准确率与所述理想测试环境下的传输准确率进行对比，计算得到模型误差；其中，所述理想测试环境下的传输准确率最高。
9.作为上述方案的改进，所述传输准确率的计算公式为：其中，为传输准确率，f为时钟频率，b为每个周期传输的字节数，n为时钟周期的数量，c为5g终端设备接收到的通信数据，a为边缘物联代理装置发送的通信数据，a1和a2均为权重系数。
10.作为上述方案的改进，所述根据所述模型误差对所述卷积神经网络模型进行迭代优化，具体为：当所述模型误差大于预设阈值时，进行反向传播计算，修正所述卷积神经网络模型的模型参数。
11.作为上述方案的改进，所述模型参数的修正公式为：；；；其中，e为模型误差，w为权重，b为偏置，yi为模型输出的测试环境，ti为理想测试环境，η为学习率。
12.本发明实施例还提供了一种边缘物联代理装置的通信时延测试装置，包括：获取模块，用于获取5g配电网中边缘物联代理装置向5g终端设备传输的通信数
据；其中，所述5g终端设备支持不同的运行商网络；测试环境计算模块，用于将所述通信数据作为输入数据，并将所述输入数据和预设的模型参数输入到预设的测试环境计算模型中，得到所述测试环境计算模型输出的最佳测试环境；其中，所述测试环境包括所述边缘物联代理装置之间的距离、所述边缘物联代理装置和电站之间的距离、所述通信数据的长度以及所述通信数据中每一帧数据之间的传输时间；测试模块，用于根据所述最佳测试环境切换所述5g终端设备的运行商网络，进行不同运行商网络的并行测试，以选择出通信时延最小的运行商网络。
13.本发明实施例还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的边缘物联代理装置的通信时延测试方法。
14.本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任一项所述的边缘物联代理装置的通信时延测试方法。
15.相对于现有技术，本发明实施例提供的一种边缘物联代理装置的通信时延测试方法、装置及存储介质的有益效果在于：通过获取5g配电网中边缘物联代理装置向5g终端设备传输的通信数据；其中，所述5g终端设备支持不同的运行商网络；将所述通信数据作为输入数据，并将所述输入数据和预设的模型参数输入到预设的测试环境计算模型中，得到所述测试环境计算模型输出的最佳测试环境；其中，所述测试环境包括所述边缘物联代理装置之间的距离、所述边缘物联代理装置和电站之间的距离、所述通信数据的长度以及所述通信数据中每一帧数据之间的传输时间；根据所述最佳测试环境切换所述5g终端设备的运行商网络，进行不同运行商网络的并行测试，以选择出通信时延最小的运行商网络。本发明实施例将5g通信测试和卷积神经网络结合起来，通过人工智能算法学习5g通信测试的影响因素的内在关系，从而确定最佳的测试环境，以提高5g通信时延测试的准确性。
附图说明
16.图1是本发明提供的一种边缘物联代理装置的通信时延测试方法的一个优选实施例的流程示意图；图2是本发明提供的一种边缘物联代理装置的通信时延测试方法中卷积神经网络的原理示意图；图3是本发明提供的一种边缘物联代理装置的通信时延测试装置的一个优选实施例的结构示意图；图4是本发明提供的一种终端设备的一个优选实施例的结构示意图。
具体实施方式
17.下面将结合本发明实施例中的附图，对本发明实施例中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作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。
18.请参阅图1，图1是本发明提供的一种边缘物联代理装置的通信时延测试方法的一个优选实施例的流程示意图。所述边缘物联代理装置的通信时延测试方法，包括：s1，获取5g配电网中边缘物联代理装置向5g终端设备传输的通信数据；其中，所述5g终端设备支持不同的运行商网络；s2，将所述通信数据作为输入数据，并将所述输入数据和预设的模型参数输入到预设的测试环境计算模型中，得到所述测试环境计算模型输出的最佳测试环境；其中，所述测试环境包括所述边缘物联代理装置之间的距离、所述边缘物联代理装置和电站之间的距离、所述通信数据的长度以及所述通信数据中每一帧数据之间的传输时间；s3，根据所述最佳测试环境切换所述5g终端设备的运行商网络，进行不同运行商网络的并行测试，以选择出通信时延最小的运行商网络。
19.具体的，本发明实施例通过获取5g配电网中边缘物联代理装置向5g终端设备传输的通信数据。其中，5g终端设备支持不同的运行商网络。例如，在5g终端设备内置三张sim卡，支持三大运行商网络。边缘物联代理装置是一个智能体，可以当成一个通信节点。若干个边缘物联代理装置之间互相通信，相当于若干个通信节点之间进行通信，构成对等通信的网络。本实施例设计融合5g信息收发模块的边缘物联代理装置，将边缘物联代理装置和5g终端设备之间建立联系，每台边缘物联代理装置之间通过各自的5g终端设备之间即可形成交互，即可实现各个边缘物联代理装置之间对等通信，进而实现边缘物联代理装置之间的5g低时延通信。本发明实施例在获取到5g配电网中边缘物联代理装置向5g终端设备传输的通信数据后，将该通信数据作为输入数据，并将输入数据和预设的模型参数输入到预设的测试环境计算模型中，得到测试环境计算模型输出的最佳测试环境。其中，预设的模型参数为训练好的测试环境计算模型所对应的模型参数。测试环境包括边缘物联代理装置之间的距离、边缘物联代理装置和电站之间的距离、通信数据的长度以及通信数据中每一帧数据之间的传输时间。最后，根据测试环境计算模型输出的最佳测试环境切换5g终端设备的运行商网络，在相同的最佳测试环境下进行不同运行商网络的并行测试，以选择出通信时延最小的运行商网络。
20.本发明实施例通过大量试验研究确定边缘物联代理装置5g通信时延测试的主要影响因素为边缘物联代理装置之间的距离、边缘物联代理装置和电站之间的距离、通信数据的长度以及通信数据中每一帧数据之间的传输时间，并且将影响因素之间的联系考虑进去，将5g通信测试和卷积神经网络结合起来，通过人工智能算法学习5g通信测试的影响因素的内在关系，从而确定最佳的测试环境，以提高5g通信时延测试的准确性。
21.在另一个优选实施例中，所述测试环境计算模型的训练方法包括：采集不同时刻边缘物联代理装置向5g终端设备传输的通信数据作为输入数据；将所述输入数据输入到构建的卷积神经网络模型，得到所述卷积神经网络模型输出的测试环境；将所述测试环境与理想测试环境进行对比，计算得到模型误差；根据所述模型误差对所述卷积神经网络模型进行迭代优化，直至所述模型误差小于等于预设阈值或达到预设的迭代次数，则得到训练好的测试环境计算模型，并输出对应的模型参数。
22.具体的，本发明实施例中在对测试环境计算模型进行训练时，首先采集不同时刻
边缘物联代理装置向5g终端设备传输的通信数据作为输入数据。然后将输入数据输入到构建的卷积神经网络模型，得到卷积神经网络模型输出的测试环境。将测试环境与理想测试环境进行对比，计算得到模型误差。根据模型误差对卷积神经网络模型进行迭代优化，直至模型误差小于等于预设阈值或达到预设的迭代次数，则得到训练好的测试环境计算模型，并输出对应的模型参数作为预设的模型参数。
23.在又一个优选实施例中，所述将所述输入数据输入到构建的卷积神经网络模型，得到所述卷积神经网络模型输出的测试环境，具体包括：将所述输入数据作为所述卷积神经网络模型的第一层特征映射，通过卷积操作和偏置操作得到学习后的特征映射；将所述学习后的特征映射输入到所述卷积神经网络模型的池化层，经过池化因子将所述学习后的特征映射的维度降低，得到测试环境；其中，降低后的维度分别表示所述测试环境中的边缘物联代理装置之间的距离、边缘物联代理装置和电站之间的距离、通信数据的长度以及通信数据中每一帧数据之间的传输时间。
24.具体的，本发明实施例将5g配电网中边缘物联代理装置向5g终端设备传输的通信数据作为输入数据作为卷积神经网络模型的第一层特征映射，通过卷积操作和偏置操作得到学习后的特征映射。然后将学习后的特征映射输入到卷积神经网络模型的池化层，经过池化因子将学习后的特征映射的维度降低，得到测试环境。其中，降低后的维度分别表示测试环境中的边缘物联代理装置之间的距离、边缘物联代理装置和电站之间的距离、通信数据的长度以及通信数据中每一帧数据之间的传输时间。
25.需要说明的是，请参阅图2，图2是本发明提供的一种边缘物联代理装置的通信时延测试方法中卷积神经网络的原理示意图。本发明实施例中卷积神经网络的卷积层和池化层是交替出现的。将最后一层池化层的特征映射图首尾连接形成特征向量，特征向量通过全连接得到分类向量。
26.假设第l层是卷积层，则一维卷积层的计算公式如下：其中，表示l层的第j个特征映射，表示l-1层的第i个特征映射，m表示输入特征映射的个数，表示可训练的卷积核，表示偏置，*代表卷积操作。表示激活函数。
27.考虑到收敛速度和过拟合问题，本发明实施例采用relu（rectified linear unit）激活函数，其在梯度下降上比sigmoid有更快的收敛速度，并且它可以有效的防止过拟合问题。relu激活函数如下：第l+1层是池化层，则第l+1层计算公式如下：
其中，为下采样函数，把向量的所有元素相加，由于下采样作用于不重合区域，因此所得的特征映射大小为原来的1/n。本发明实施例中下采样函数没有偏置和激励函数。
28.假设最后的池化层为l+1层，将其首尾连接后形成特征向量层，此层为，和输出全连接形成尾部单层感知机，那么输出可表示为：其中，表示权重，表示偏置。
29.若输入层的尺寸为n
×
1，卷积核尺寸为k
×
1，每次卷积核的移动步数取1，则输入通过卷积后得到的卷积层特征映射图的尺寸为(n-k+1)
×
1。卷积层后面是池化层，用来求局部平均值或局部最大值，池化具有平移不变性的特性，同时可以减少特征映射图的分辨率。本发明实施例中优先选取平均池化，如果得到卷积层的尺寸为(n-k+1)
×
1，池化因子为s，则池化后的特征映射图尺寸为(n-k+1)/s
×
1。
30.在又一个优选实施例中，所述将所述测试环境与理想测试环境进行对比，计算得到模型误差，具体包括：根据所述测试环境切换所述5g终端设备的运行商网络，进行不同运行商网络的并行测试，并计算通信数据的传输准确率；将所述传输准确率与所述理想测试环境下的传输准确率进行对比，计算得到模型误差；其中，所述理想测试环境下的传输准确率最高。
31.具体的，本发明实施例在将测试环境与理想测试环境进行对比，计算得到模型误差时，根据测试环境切换5g终端设备的运行商网络，进行不同运行商网络的并行测试，并计算通信数据的传输准确率。将传输准确率与理想测试环境下的传输准确率进行对比，计算得到模型误差。其中，理想测试环境下的传输准确率最高，本发明实施例通过对测试环境计算模型进行训练，使得实际计算的传输准确率与理想测试环境下的传输准确率越来越接近，从而确定最佳的测试环境。
32.在又一个优选实施例中，所述传输准确率的计算公式为：其中，为传输准确率，f为时钟频率，b为每个周期传输的字节数，n为时钟周期的数量，c为5g终端设备接收到的通信数据，a为边缘物联代理装置发送的通信数据，a1和a2均为权重系数。
33.具体的，本发明实施例中传输准确率的计算公式为：其中，为传输准确率，f为时钟频率，b为每个周期传输的字节数，n为时钟周期的数量，c为5g终端设备接收到的通信数据，a为边缘物联代理装置发送的通信数据，a1和a2均为权重系数。
34.在又一个优选实施例中，所述根据所述模型误差对所述卷积神经网络模型进行迭代优化，具体为：当所述模型误差大于预设阈值时，进行反向传播计算，修正所述卷积神经网络模型的模型参数。
35.在又一个优选实施例中，所述模型参数的修正公式为：；；；其中，e为模型误差，w为权重，b为偏置，yi为模型输出的测试环境，ti为理想测试环境，η为学习率。
36.具体的，本发明实施例在根据模型误差对卷积神经网络模型进行迭代优化时，当模型误差大于预设阈值，对卷积神经网络模型进行反向传播计算，根据修正公式对卷积神经网络模型前向传输过程中各节点的模型参数进行修正，继续进行前向卷积计算，直至模型误差小于等于预设阈值或达到预设的迭代次数，则得到训练好的测试环境计算模型，并输出对应的模型参数。其中，模型参数的修正公式为：；；；其中，e为模型误差，w为权重，b为偏置，yi为模型输出的测试环境，ti为理想测试环境，η为学习率。
37.相应地，本发明还提供一种边缘物联代理装置的通信时延测试装置，能够实现上述实施例中的边缘物联代理装置的通信时延测试方法的所有流程。
38.请参阅图3，图3是本发明提供的一种边缘物联代理装置的通信时延测试装置的一个优选实施例的结构示意图。所述边缘物联代理装置的通信时延测试装置，包括：获取模块301，用于获取5g配电网中边缘物联代理装置向5g终端设备传输的通信数据；其中，所述5g终端设备支持不同的运行商网络；测试环境计算模块302，用于将所述通信数据作为输入数据，并将所述输入数据和预设的模型参数输入到预设的测试环境计算模型中，得到所述测试环境计算模型输出的最佳测试环境；其中，所述测试环境包括所述边缘物联代理装置之间的距离、所述边缘物联代理装置和电站之间的距离、所述通信数据的长度以及所述通信数据中每一帧数据之间的传输时间；测试模块303，用于根据所述最佳测试环境切换所述5g终端设备的运行商网络，进
行不同运行商网络的并行测试，以选择出通信时延最小的运行商网络。
39.优选地，所述测试环境计算模型的训练方法包括：采集不同时刻边缘物联代理装置向5g终端设备传输的通信数据作为输入数据；将所述输入数据输入到构建的卷积神经网络模型，得到所述卷积神经网络模型输出的测试环境；将所述测试环境与理想测试环境进行对比，计算得到模型误差；根据所述模型误差对所述卷积神经网络模型进行迭代优化，直至所述模型误差小于等于预设阈值或达到预设的迭代次数，则得到训练好的测试环境计算模型，并输出对应的模型参数。
40.优选地，所述将所述输入数据输入到构建的卷积神经网络模型，得到所述卷积神经网络模型输出的测试环境，具体包括：将所述输入数据作为所述卷积神经网络模型的第一层特征映射，通过卷积操作和偏置操作得到学习后的特征映射；将所述学习后的特征映射输入到所述卷积神经网络模型的池化层，经过池化因子将所述学习后的特征映射的维度降低，得到测试环境；其中，降低后的维度分别表示所述测试环境中的边缘物联代理装置之间的距离、边缘物联代理装置和电站之间的距离、通信数据的长度以及通信数据中每一帧数据之间的传输时间。
41.优选地，所述将所述测试环境与理想测试环境进行对比，计算得到模型误差，具体包括：根据所述测试环境切换所述5g终端设备的运行商网络，进行不同运行商网络的并行测试，并计算通信数据的传输准确率；将所述传输准确率与所述理想测试环境下的传输准确率进行对比，计算得到模型误差；其中，所述理想测试环境下的传输准确率最高。
42.优选地，所述传输准确率的计算公式为：其中，为传输准确率，f为时钟频率，b为每个周期传输的字节数，n为时钟周期的数量，c为5g终端设备接收到的通信数据，a为边缘物联代理装置发送的通信数据，a1和a2均为权重系数。
43.优选地，所述根据所述模型误差对所述卷积神经网络模型进行迭代优化，具体为：当所述模型误差大于预设阈值时，进行反向传播计算，修正所述卷积神经网络模型的模型参数。
44.优选地，所述模型参数的修正公式为：；；
；其中，e为模型误差，w为权重，b为偏置，yi为模型输出的测试环境，ti为理想测试环境，η为学习率。
45.在具体实施当中，本发明实施例提供的边缘物联代理装置的通信时延测试装置的工作原理、控制流程及实现的技术效果，与上述实施例中的边缘物联代理装置的通信时延测试方法对应相同，在此不再赘述。
46.请参阅图4，图4是本发明提供的一种终端设备的一个优选实施例的结构示意图。所述终端设备包括处理器401、存储器402以及存储在所述存储器402中且被配置为由所述处理器401执行的计算机程序，所述处理器401执行所述计算机程序时实现上述任一实施例所述的边缘物联代理装置的通信时延测试方法。
47.优选地，所述计算机程序可以被分割成一个或多个模块/单元（如计算机程序1、计算机程序2、
……
），所述一个或者多个模块/单元被存储在所述存储器402中，并由所述处理器401执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
48.所述处理器401可以是中央处理单元（central processing unit，cpu），还可以是其他通用处理器、数字信号处理器（digital signal processor，dsp）、专用集成电路（application specific integrated circuit，asic）、现场可编程门阵列（field-programmable gate array，fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器401也可以是任何常规的处理器，所述处理器401是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。
49.所述存储器402主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器402可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡（smart media card，smc）、安全数字（secure digital，sd）卡和闪存卡（flash card）等，或所述存储器402也可以是其他易失性固态存储器件。
50.需要说明的是，上述终端设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，图4的结构示意图仅仅是上述终端设备的示例，并不构成对上述终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。
51.本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任一实施例所述的边缘物联代理装置的通信时延测试方法。
52.本发明实施例提供了一种边缘物联代理装置的通信时延测试方法、装置及存储介质，通过获取5g配电网中边缘物联代理装置向5g终端设备传输的通信数据；其中，所述5g终端设备支持不同的运行商网络；将所述通信数据作为输入数据，并将所述输入数据和预设的模型参数输入到预设的测试环境计算模型中，得到所述测试环境计算模型输出的最佳测试环境；其中，所述测试环境包括所述边缘物联代理装置之间的距离、所述边缘物联代理装置和电站之间的距离、所述通信数据的长度以及所述通信数据中每一帧数据之间的传输时
间；根据所述最佳测试环境切换所述5g终端设备的运行商网络，进行不同运行商网络的并行测试，以选择出通信时延最小的运行商网络。本发明实施例将5g通信测试和卷积神经网络结合起来，通过人工智能算法学习5g通信测试的影响因素的内在关系，从而确定最佳的测试环境，以提高5g通信时延测试的准确性。
53.需说明的是，以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的系统实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
54.以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。