一种电网监控数据流的分层传输方法技术

本发明专利技术公开一种电网监控数据流的分层传输方法，涉及电网数据传输领域。该电网监控数据流的分层传输方法包括获取高清监控视频，以得到若干个关联的数据流、根据预先训练好的神经网络识别模型，对关联的数据流进行不等重要性分类、根据电网业务功能，对每个数据流分层和按不等重要性的发送顺序发送对应数据流，且优先发送基础层B的数据流，丢弃增强层E的数据流。该电网监控数据流的分层传输方法在需要实时交互且低时延的电网高清视频监控场景下，按不等重要性的发送顺序发送对应数据流，实现差异化调度，满足实时宽带通信要求，提升Qos保障能力。能力。能力。

【技术实现步骤摘要】
一种电网监控数据流的分层传输方法


[0001]本专利技术涉及电网数据传输
，具体为一种电网监控数据流的分层传输方法。

技术介绍

[0002]电网监控数据主要包括电网调度自动化系统的信息测量、信息传输、监视控制能力等。
[0003]电网业务通常包含多个关联数据流，每个数据流具有不同的Qos需求，即不等重要性，对于需要实时交互且低时延的高清视频监控场景，目前的5G网络不能针对同一个业务的不同重要性的数据流提供不同的QoS保护无法很好地支持多个数据流传输，难以满足Qos需求和带宽需求，针对现有技术的不足，本专利技术公开了一种电网监控数据流的分层传输方法，以解决上述
技术介绍
中提出的问题。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术公开了一种电网监控数据流的分层传输方法，该方法基于关联数据流的不同的Qos需求，对各数据流进行不等重要性分类，如I帧、P帧和B帧，并根据业务功能，按不等重要性分类对每个数据流分层，数据流分层包括增强层E和基础层B，并为每个数据流设置对应属性；同时，网络侧设置对应的接口协议，并适配服务器终端的传输协议，以搭建基站感知、网络侧感知和服务器终端适配的网络架构。
[0006](二)技术方案
[0007]为实现以上目的，本专利技术通过以下技术方案予以实现：一种电网监控数据流的分层传输方法，包括：
[0008]获取高清监控视频，以得到若干个关联的数据流；
[0009]根据预先训练好的神经网络识别模型，对关联的数据流进行不等重要性分类；
[0010]根据电网业务功能，对每个数据流分层；
[0011]按不等重要性的发送顺序发送对应数据流，且优先发送基础层B的数据流，丢弃增强层E的数据流。
[0012]优选的，获取监控摄像头拍摄的电网高清监控视频，进行编码后透传至就近部署的5GMEC服务器，由服务器接收到视频后，进行解码和渲染，以得到若干个关联的数据流，再转发至云平台，云平台接收到视频后，进行解码和渲染，以得到若干个关联的数据流。
[0013]优选的，根据预先训练好的神经网络识别模型，对关联的数据流进行不等重要性分类中，不等重要性分类是指根据电网业务功能，结合具体数据流的Qos需求进行划分。
[0014]优选的，预先训练好的神经网络识别模型采用轻量化的多头分类网络，轻量化的多头分类网络基于RepPerson搭建，多头分类网络包括若干个可重参数化残差单元，每个可重参数化的残差单元包括一个Conv3x3、一个Conv1x1、三个用于提取语义信息的归一化层
和激活函数SiLU，Conv3x3和Conv1x1和其中一个归一化层并行设置，剩余的两个归一化层分别连接于Conv3x3和Conv1x1的输出端，Conv3x3所在支路的输出结果、Conv1x1所在支路的输出结果和并行设置的归一化层的输出结果依次叠加，合并单元分支，再将结果输入激活函数SiLU内，最后将激活函数SiLU的结果输出。
[0015]优选的，将激活函数ReLu改用为更光滑的激活函数SiLU，对于负值数据特征，激活函数SiLU依旧能传递给下游网络结构，函数ReLu则直接忽略负值数据特征而无法下传，故在神经网络识别模型学习期间，函数ReLu忽略的负值数据特征会导致模型指标上下震荡，即学习曲线呈锯齿状，而激活函数SiLU因保留了负值数据特征信息，训练时模型指标震荡幅度收窄，学习曲线更为光滑，即提升了模型训练的平滑性，同时，因SiLU函数是一条过0点的曲线而非直线，故能增加模型的非线性。
[0016]优选的，将关联的数据流输入训练好的神经网络识别模型中，即可对关联的数据流进行I帧、P帧或B帧的不等重要性分类。
[0017]优选的，根据电网业务功能，对每个数据流分层中，每个数据流包括用于携带基础数据的基础层B和用于携带附加数据的增强层E，并为每个数据流设置对应属性，同时，网络侧设置对应的接口协议，并适配服务器终端的传输协议，以搭建基站感知、网络侧感知和服务器终端适配的网络架构。
[0018]优选的，根据类似于16
‑
QAM的分级信号布阵来界定每个数据流的基础层B和增强层E。
[0019]优选的，每一象限内位于中间的两个点具有高于其余象限的四个点中的任一点邻近的两个点的质量，使得数据传输时能够被正确接收。
[0020]优选的，在需要实时交互且低时延的电网高清视频监控场景下，按不等重要性的发送顺序发送对应数据流，且优先发送基础层B的数据流，丢弃增强层E的数据流中，以实现差异化调度，在拥塞时主动丢包。
[0021]本专利技术公开了一种电网监控数据流的分层传输方法，其具备的有益效果如下：
[0022]1、该电网监控数据流的分层传输方法，在需要实时交互且低时延的电网高清视频监控场景下，按不等重要性的发送顺序发送对应数据流，实现差异化调度，满足实时宽带通信要求，提升Qos保障能力。
[0023]2、该电网监控数据流的分层传输方法，优先发送基础层B的数据流，在拥塞时丢弃增强层E的数据流，在拥塞时主动丢包优化网络资源利用率，满足实时宽带通信要求，提升Qos保障能力。
附图说明
[0024]图1为本专利技术系统流程框图。
[0025]图中：S1、获取高清监控视频，以得到若干个关联的数据流；S2、根据预先训练好的神经网络识别模型，对关联的数据流进行不等重要性分类；S3、根据电网业务功能，对每个数据流分层；S4、按不等重要性的发送顺序发送对应数据流，且优先发送基础层B的数据流，丢弃增强层E的数据流。
具体实施方式
[0026]实施例1：
[0027]本专利技术实施例公开一种电网监控数据流的分层传输方法，如图1所示，包括：
[0028]获取高清监控视频，以得到若干个关联的数据流S1；
[0029]根据预先训练好的神经网络识别模型，对关联的数据流进行不等重要性分类S2；
[0030]根据电网业务功能，对每个数据流分层S3；
[0031]按不等重要性的发送顺序发送对应数据流，且优先发送基础层B的数据流，丢弃增强层E的数据流S4。
[0032]获取监控摄像头拍摄的电网高清监控视频，进行编码后透传至就近部署的5GMEC服务器，由服务器接收到视频后，进行解码和渲染，以得到若干个关联的数据流，再转发至云平台，云平台接收到视频后，进行解码和渲染，以得到若干个关联的数据流。
[0033]根据预先训练好的神经网络识别模型，对关联的数据流进行不等重要性分类S2中，不等重要性分类是指根据电网业务功能，结合具体数据流的Qos需求进行划分，如，根据Qos需求，由高Qos需求到低Qos需求，将关联的数据流划分为I帧、P帧和B帧。I帧表示关键帧，是一帧视频画面的完整保留。P帧表示的是当前帧跟上一个关键帧的差别，解码时需要用之前缓存的画面叠加上本帧定义的差别，生成最终画面，P帧没有完整画面数据，只有与前一帧的画面差别的数据。B帧是双向差别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电网监控数据流的分层传输方法，其特征在于，包括：获取高清监控视频，以得到若干个关联的数据流(S1)；根据预先训练好的神经网络识别模型，对关联的数据流进行不等重要性分类(S2)；根据电网业务功能，对每个数据流分层(S3)；按不等重要性的发送顺序发送对应数据流，且优先发送基础层B的数据流，丢弃增强层E的数据流(S4)。2.根据权利要求1所述的一种电网监控数据流的分层传输方法，其特征在于：获取监控摄像头拍摄的电网高清监控视频，进行编码后透传至就近部署的5GMEC服务器，由服务器接收到视频后，进行解码和渲染，以得到若干个关联的数据流，再转发至云平台，云平台接收到视频后，进行解码和渲染，以得到若干个关联的数据流。3.根据权利要求2所述的一种电网监控数据流的分层传输方法，其特征在于：根据预先训练好的神经网络识别模型，对关联的数据流进行不等重要性分类(S2)中，不等重要性分类是指根据电网业务功能，结合具体数据流的Qos需求进行划分。4.根据权利要求3所述的一种电网监控数据流的分层传输方法，其特征在于：预先训练好的神经网络识别模型采用轻量化的多头分类网络，轻量化的多头分类网络基于RepPerson搭建，多头分类网络包括若干个可重参数化残差单元，每个可重参数化的残差单元包括一个Conv3x3、一个Conv1x1、三个用于提取语义信息的归一化层和激活函数SiLU，Conv3x3和Conv1x1和其中一个归一化层并行设置，剩余的两个归一化层分别连接于Conv3x3和Conv1x1的输出端，Conv3x3所在支路的输出结果、Conv1x1所在支路的输出结果和并行设置的归一化层的输出结果依次叠加，合并单元分支，再将结果输入激活函数SiLU内，最后将激活函数SiLU的结果输出。5.根据权利要求4所述的一种电网监控数据流的分层传输方法，其特征在于：将激活函数Re...

【专利技术属性】
技术研发人员：汤淇捷，罗伟民，王莉，刘鹏，孙磊，张力飞，滕蔓，唐小龙，陈文文，张国翊，
申请(专利权)人：广东电网有限责任公司广州供电局中国南方电网有限责任公司，
类型：发明
国别省市：