一种换流站数据管理方法和系统与流程

本发明属于人工智能数据管理，尤其涉及一种基于人工智能算法和云边端协同的换流站数据管理方法和系统。

背景技术：

1、随着电力物联网建设的推进以及状态监测技术的发展，换流站产生了规模庞大的监测数据。智慧换流站作为电力物联网建设中的关键一环，在建设过程中面临着数据共享不充分、未能充分发掘数据价值等问题。

2、云边协同技术的发展，为上述问题的解决提供了思路。在靠近设备侧，部署边缘物联代理，对采集终端监测的数据进行简单处理，提高数据处理的实时性。经过处理的数据进一步上传至远程云端，依托云平台丰富的软硬件资源，可以对数据进行深度挖掘和规模化处理，进一步提升换流站的运行效率。

3、在云计算与万物互联的大数据背景下，如何有效地分析、利用换流站数据，并通过大数据深入研究以及数据挖掘来发现潜在的电网风险，这对于保证输变电网络的安全、稳定运行意义重大。

技术实现思路

1、针对上述问题，本发明的目的是提供一种基于人工智能算法和云边端协同的换流站数据管理方法和系统，解决了目前换流站数据存在的保密性弱、风险识别能力不佳等问题，同时基于换流站内部的多源数据传感器获取所需数据，提高了数据服务效率和电网风险准确预估能力。

2、为实现上述目的，本发明采取以下技术方案：

3、第一方面，本发明提供一种换流站数据管理系统，包括：数据采集层、边缘计算层及云计算中心；

4、所述数据采集层用于通过换流站内部的多个端设备获取换流站原始数据，并通过通信网络将其上传至边缘计算层；

5、所述边缘计算层用于对所述数据采集层上传的数据进行预处理，并将预处理后的数据上传至所述云计算中心，同时响应所述云计算中心的控制指令；

6、所述云计算中心用于对接收数据进行数据类型和异常信息分析。

7、进一步，当所述换流站原始数据需要加密时，所述数据采集层对采集的换流站数据加密并进行相关签名后上传至所述边缘计算层；

8、所述边缘计算层接收所述数据采集层的加密数据后，生成一级聚合密文，且封装在区块链中；

9、所述云计算中心读取区块链中的相关数据，经过聚合签名操作生成二级聚合链，并基于均值漂移聚类算法对接收数据进行深入剖析。

10、进一步，所述端设备为换流站内部的多源数据传感器或生产管理系统。

11、进一步，所述边缘计算层包括若干边设备，且各所述边设备根据实际需要被配置为第一边缘计算节点或第二边缘计算节点，各所述第一边缘计算节点分别对应连接一个以上端设备，用于对所述端设备采集的数据进行预处理和分析，并发送至所述云计算中心或第二边缘计算节点；

12、各所述第一边缘计算节点或第二边缘计算节点还根据预设区块链协议或所述云计算中心返回的控制指令与相应的其他所述第一边缘计算节点或第二边缘计算节点协同处理数据或实现负载均衡。

13、进一步，所述云计算中心包括数据风险分析模块和数据安全管理模块；

14、所述数据风险分析模块用于对所述边缘计算层上传的数据进行数据类型区分和数据异常分析，同时基于分析结果进行相应模型的训练和算法优化，制定优化策略发送至所述边缘计算层；

15、所述数据安全管理模块利用数据聚合器，基于区块链技术对所有数据进行存储。

16、进一步，所述数据风险分析模块包括数据类型区分子模块和数据异常分析子模块，

17、所述数据类型区分子模块用于对采集数据进行聚类分析，得到预设聚类数的数据集，每一数据集中具有相似特征；

18、所述数据异常分析子模块用于对各类数据集进行聚类分析，得到预设聚类数目的数据异常信息类型，并根据各类数据异常信息确定风险因素类型。

19、第二方面，本发明提供一种换流站数据管理方法，包括以下步骤：

20、数据采集层通过端设备获取换流站原始数据；

21、边缘计算层对获取的换流站原始数据进行预处理，并响应云计算中心返回的控制指令；

22、利用区块链技术将经过预处理后的数据汇聚上传至云计算中心，由云计算中心对接收数据进行数据类型和异常信息分析。

23、进一步，所述云计算中心对接收数据进行数据类型和异常信息分析时，采用均值漂移聚类算法，包括以下步骤：

24、收集需要进行聚类分析的数据集并进行预处理；

25、确定均值漂移聚类算法的带宽；

26、从数据集中随机选择一个或多个数据点作为初始聚类中心；

27、对于每个初始聚类中心，基于所述带宽执行均值漂移过程，直到所有聚类中心不再变化或达到预设迭代次数；

28、将数据集中的所有数据点，分配至距离最近的聚类中心所代表的簇；

29、基于预设指标对聚类结果进行分析，当达到预设指标要求，则停止聚类，否则对带宽或初始聚类中心进行修改后重新进行聚类。

30、第三方面，本发明提供一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述方法中的任一方法。

31、第四方面，本发明提供一种计算设备，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述方法中的任一方法的指令。

32、本发明由于采取以上技术方案，其具有以下优点：

33、1、本发明搭建的换流站数据管理系统，通过数据采集层、边缘计算层和云计算中心的协同处理，能够解决换流站运行过程中数据共享不及时，未能充分发掘数据价值以及数据安全性等问题，挖掘潜在的换流站风险，从而增强换流站运行的可靠性。

34、2、本发明搭建的换流站数据管理系统中，边缘计算层对换流站数据进行初步分析，获取数据的所属类型，而云计算中心基于均值漂移聚类算法对数据进行深入剖析，以得到风险分析结果。整个系统的数据交互均采用融入环签名的区块链技术进行数据加密，通过生成聚合链强化数据安全。

35、因此，本发明可以广泛应用于人工智能数据管理技术领域。

技术特征：

1.一种换流站数据管理系统，其特征在于，包括：数据采集层、边缘计算层及云计算中心；

2.如权利要求1所述的一种换流站数据管理系统，其特征在于，当所述换流站原始数据需要加密时，所述数据采集层对采集的换流站数据加密并进行相关签名后上传至所述边缘计算层；

3.如权利要求1所述的一种换流站数据管理系统，其特征在于，所述端设备为换流站内部的多源数据传感器或生产管理系统。

4.如权利要求1所述的一种换流站数据管理系统，其特征在于，所述边缘计算层包括若干边设备，且各所述边设备根据实际需要被配置为第一边缘计算节点或第二边缘计算节点，各所述第一边缘计算节点分别对应连接一个以上端设备，用于对所述端设备采集的数据进行预处理和分析，并发送至所述云计算中心或第二边缘计算节点；

5.如权利要求1所述的一种换流站数据管理系统，其特征在于，所述云计算中心包括数据风险分析模块和数据安全管理模块；

6.如权利要求5所述的一种换流站数据管理系统，其特征在于，所述数据风险分析模块包括数据类型区分子模块和数据异常分析子模块，

7.一种换流站数据管理方法，其特征在于，包括以下步骤：

8.如权利要求7所述的一种换流站数据管理方法，其特征在于，所述云计算中心对接收数据进行数据类型和异常信息分析时，采用均值漂移聚类算法，包括以下步骤：

9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求7或8所述方法中的任一方法。

10.一种计算设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求7或8所述方法中的指令。

技术总结
本发明涉及一种换流站数据管理方法和系统，包括：数据采集层、边缘计算层及云计算中心；所述数据采集层用于通过换流站内部的多个端设备获取换流站原始数据，并通过通信网络将其上传至边缘计算层；所述边缘计算层用于对所述数据采集层上传的数据进行预处理，并将预处理的数据上传至所述云计算中心，并响应所述云计算中心的控制指令；所述云计算中心用于对接收数据进行数据类型和异常信息分析。本发明解决了目前换流站数据存在的保密性弱、风险识别能力不佳等问题，同时基于换流站内部的多源数据传感器获取所需数据，提高了数据服务效率和电网风险准确预估能力。因此，本发明可以广泛应用于人工智能数据管理技术领域。

技术研发人员：王庆,刘思源,富银芳,张展国,王赞,沈小军,高超飞,刘超,程炜,贾轩涛,徐大青,贺彪,徐东东,崔丽君
受保护的技术使用者：国家电网有限公司
技术研发日：
技术公布日：2024/1/15