基于机器学习的设备点表自动适配方法组成比例

本发明专利技术公开了一种基于机器学习的设备点表自动适配方法，包括设备首次接入时获取设备的数据信息和点表信息并构建对应的映射关系；构建训练样本并训练模型得到预测模型；根据已入库的通信协议集合发送广播帧获取设备报文和新设备的通信协议；提取信息点位的物理量取值；构建特征向量并输入到预测模型得到设备类型取值；根据已有的点表库逆向匹配设备点表；根据匹配结果对新设备进行对应的设备点表自动适配。本发明专利技术能够根据获取的报文数据，自动提取特征向量，并利用机器学习方法自动匹配设备类型，进而匹配设备点表，全流程均采用自动化操作，无需人工干预，极大提升了设备接入效率，而且可靠性更高，实用性更好。实用性更好。实用性更好。

【技术实现步骤摘要】
基于机器学习的设备点表自动适配方法


[0001]本专利技术属于电气自动化领域，具体涉及一种基于机器学习的设备点表自动适配方法。

技术介绍

[0002]随着经济技术的发展，物联网技术已经广泛应用于人们的生产和生活当中，给人们的生产和生活带来了无尽的便利。因此，保证物联网的正常、稳定工作，就成为了物联网系统的最重要的任务之一。
[0003]而随着物联网技术的普及应用，物联网面临着海量设备的接入需求与海量物理量的采集需求，例如需要接入温湿度传感器采集温度和湿度，接入电能表采集电流、电压和功率量，接入智能开关采集开关状态等。而点表配置是物联网设备接入的首要环节；点表即信息点表，指的是设备采集的物理量名称、物理量取值和顺序的列表，由多个信息点位构成。设备在接入时，首先需要将设备点表的配置信息写入网关，网关才能从相应的地址获取到物理量并上传至物联网平台。
[0004]点表配置的工作量极大；首先是因为信息点位过多，一个设备点表的信息点位少则几个，多则几十到上百个；其次是因为设备点表的标准不统一，不同设备类型采用的点表不同，而且即使是同类型设备采用相同的通信协议，不同厂商的设备点表也千差万别。例如市场上采用modbus协议的传感设备，由于modbus协议仅规定了帧格式及功能码，对数据点表没有定义，因此不同厂家可以对点表进行私有化定义，为设备的标准化采集带来难度。目前点表配置均需通过人工完成，导致设备接入效率低。
[0005]此外，现在虽然有一些研究人员提出了点表配置的自动化技术，但是这些技术依旧存在一些技术缺陷；比如现有技术仅考虑了标准点表的配置，未考虑到通用模板厂家私有化问题，同时仍需要输入厂家信息来匹配点表，未做到完全的自动化；或者现有技术通过设备ID来匹配点表，但是这种方法不适用串口通信协议的终端，例如modbus协议终端的设备ID不是全局唯一的，仅仅是局域标识；又或者现有技术根据自定义点表动态调整预置的标准点表，实现协议点表的自定义动态配置，但设备接入时仍需要对自定义点表进行解析，也未能做到完全的自动化。

技术实现思路

[0006]本专利技术的目的在于提供一种能够完全实现点表自动化配置，而且可靠性高、实用性好的基于机器学习的设备点表自动适配方法。
[0007]本专利技术提供的这种基于机器学习的设备点表自动适配方法，包括如下步骤：
[0008]S1.设备首次接入时，获取设备的数据信息和点表信息，并构建对应的映射关系；
[0009]S2.根据步骤S1获取的数据信息，构建训练样本，并对模型进行训练，得到预测模型；
[0010]S3.针对已经入库的新设备接入时，根据已入库的通信协议集合发送广播帧，获取
设备报文和新设备的通信协议；
[0011]S4.根据步骤S3获取的设备报文，提取信息点位的物理量取值；
[0012]S5.根据步骤S3获取的通信协议和步骤S4获取的物理量取值，构建特征向量；
[0013]S6.将步骤S5构建的特征向量输入到步骤S2得到的预测模型中，从而得到设备类型取值；
[0014]S7.根据已有的点表库，逆向匹配设备点表；
[0015]S8.根据步骤S7的匹配结果，对新设备进行对应的设备点表自动适配。
[0016]步骤S1所述的设备首次接入时，获取设备的数据信息和点表信息，并构建对应的映射关系，具体包括如下步骤：
[0017]当设备首次接入时，将入库的通信协议类型入库，并生成通信协议集合{Protocal_1,Protocal_2,...,Protocal_m}，其中Protocal_m为第m个通信协议类型，且取值为m；
[0018]将设备类型入库；设备类型取值为厂商ID、设备型号ID和生产批次ID三个数据的移位相加结果：
[0019]设备类型取值＝厂商ID<<16+设备信号ID<<8+生产批次ID式中<<表示左移操作；
[0020]最后，构建设备类型与点表信息的映射关系。
[0021]步骤S2所述的根据步骤S1获取的数据信息，构建训练样本，并对模型进行训练，得到预测模型，具体包括如下步骤：
[0022]根据信息点位的物理量名称、物理量取值范围和物理量之间的关联关系，随机生成物理量取值；所述的物理量名称包括工作电压、工作电流、环境温度、环境湿度、转速和开关状态；所述的物理量之间的关联关系为某物理量取值与另一物理量取值相关的关系，包括环境温度与环境湿度的取值关系，工作电压与工作电流的取值关系，开关状态与转速的取值关系；
[0023]将设备类型取值、通信协议类型取值和点表的各个物理量取值组成训练样本；每一个训练样本均包括设备类型取值、通信协议类型取值、信息点位1物理量取值、信息点位2物理量取值、
……
、信息点位n物理量取值；
[0024]采用SVM支撑向量机对训练样本组成的训练数据进行训练；训练步骤包括：
[0025]A.选取高斯核作为核函数，并对核函数的参数设置初始值；
[0026]B.选取设定比例的训练样本输入到SVM支撑向量机进行模型训练；
[0027]C.将剩余的训练样本作为预测样本，得到预测设备类型；
[0028]D.将预测设备类型与真实的设备类型进行比较，得到预测准确率；
[0029]E.若预测准确率大于设定值，则将当前核函数参数作为寻优结果；否则，调整核函数参数并返回步骤B。
[0030]步骤S3所述的针对已经入库的新设备接入时，根据已入库的通信协议集合发送广播帧，获取设备报文和新设备的通信协议，具体包括如下步骤：
[0031]从已入库的通信协议集合{Protocal_1,Protocal_2,...,Protocal_m}中，选取第j个通信协议Protocal_j，1≤j≤m，然后从串口波特率{B1,B2,...,Br}中选取第k个波特率Bk，1≤k≤r；然后，发送通信协议Protocal_j所对应的广播帧，并判断是否有数据帧返回：
[0032]若有数据帧返回，则将当前返回的数据帧作为设备报文，将当前的通信协议设置
为新接入设备的通信协议，将对应的通信协议类型取值设置为j；
[0033]若无数据帧返回，则选取下一个波特率发送广播帧，并再次判断是否有数据帧返回；
[0034]若遍历完所有的波特率均无数据帧返回，则选取下一个通信协议，并重复以上步骤，直至有数据帧返回。
[0035]步骤S4所述的根据步骤S3获取的设备报文，提取信息点位的物理量取值，具体包括如下步骤：
[0036]根据获取的当前设备通信协议，获得数据长度L_total、数据字段起始地址Address以及每个信息点位物理量的字节长度L_i，1≤i≤n，n为点表中信息点位个数；
[0037]将地址Address+∑
i
L_i所对应的数据作为第i个信息点位的物理量取值data本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的设备点表自动适配方法，包括如下步骤：S1.设备首次接入时，获取设备的数据信息和点表信息，并构建对应的映射关系；S2.根据步骤S1获取的数据信息，构建训练样本，并对模型进行训练，得到预测模型；S3.针对已经入库的新设备接入时，根据已入库的通信协议集合发送广播帧，获取设备报文和新设备的通信协议；S4.根据步骤S3获取的设备报文，提取信息点位的物理量取值；S5.根据步骤S3获取的通信协议和步骤S4获取的物理量取值，构建特征向量；S6.将步骤S5构建的特征向量输入到步骤S2得到的预测模型中，从而得到设备类型取值；S7.根据已有的点表库，逆向匹配设备点表；S8.根据步骤S7的匹配结果，对新设备进行对应的设备点表自动适配。2.根据权利要求1所述的基于机器学习的设备点表自动适配方法，其特征在于步骤S1所述的设备首次接入时，获取设备的数据信息和点表信息，并构建对应的映射关系，具体包括如下步骤：当设备首次接入时，将入库的通信协议类型入库，并生成通信协议集合{Protocal_1,Protocal_2,...,Protocal_m}，其中Protocal_m为第m个通信协议类型，且取值为m；将设备类型入库；设备类型取值为厂商ID、设备型号ID和生产批次ID三个数据的移位相加结果：设备类型取值＝厂商ID<<16+设备信号ID<<8+生产批次ID式中<<表示左移操作；最后，构建设备类型与点表信息的映射关系。3.根据权利要求2所述的基于机器学习的设备点表自动适配方法，其特征在于步骤S2所述的根据步骤S1获取的数据信息，构建训练样本，并对模型进行训练，得到预测模型，具体包括如下步骤：根据信息点位的物理量名称、物理量取值范围和物理量之间的关联关系，随机生成物理量取值；所述的物理量名称包括工作电压、工作电流、环境温度、环境湿度、转速和开关状态；所述的物理量之间的关联关系为某物理量取值与另一物理量取值相关的关系，包括环境温度与环境湿度的取值关系，工作电压与工作电流的取值关系，开关状态与转速的取值关系；将设备类型取值、通信协议类型取值和点表的各个物理量取值组成训练样本；每一个训练样本均包括设备类型取值、通信协议类型取值、信息点位1物理量取值、信息点位2物理量取值、
……
、信息点位n物理量取值；采用SVM支撑向量机对训练样本组成的训练数据进行训练；训练步骤包括：A.选取高斯核作为核函数，并对核函数的参数设置初始值；B.选取设定比例的...

【专利技术属性】
技术研发人员：杨芳僚，祝视，黄鑫，徐宁，孙富强，李浩志，向行，田建伟，陈小惠，冯晓文，陈毅波，
申请(专利权)人：国网湖南省电力有限公司信息通信分公司国家电网有限公司，
类型：发明
国别省市：