基于边缘计算框架的电网模型自管理方法及系统技术方案

本发明专利技术提供基于边缘计算框架的电网模型自管理方法及系统，涉及电网模型技术领域，采用管理服务器和模型服务器来搭建电网模型；采用自管理服务器、网络服务器和信号发生器来搭建自管理模型；建立边缘计算框架，采用信号接收器、数据分析服务器、运行服务器、存储服务器来搭建边缘计算框架。管理服务器主要用来对模型服务器和整体电网模型进行管理，自管理服务器在接收电网模型传送的信号时间为1

【技术实现步骤摘要】
基于边缘计算框架的电网模型自管理方法及系统


[0001]本专利技术涉及电网模型
，尤其涉及基于边缘计算框架的电网模型自管理方法及系统。

技术介绍

[0002]边缘计算，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。
[0003]边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端，而云端计算，仍然可以访问边缘计算的历史数据，目前的满足电网运行监视、控制、分析计算等应用需求，表达电网设备属性及连接关系的数据集合，电网模型是满足电网运行监视、控制、分析计算等应用需求，表达电网设备属性及连接关系的数据集合，而其中电力系统监视控制是人机交互手段等一整套支持性软件。
[0004]支持性软件可建立各种数据库。数据库有三类结构：层次型、网络型和关系型。电力系统结构有层次型特点，故采用层次型和关系型相结合的数据库较为合适，在监视控制系统中实时数据和历史数据是分别建库的，但现有的电网模型自管理方法无法快速进行分析，无法依靠边缘计算框架进行计算分析，大大降低了分析效率。

技术实现思路

[0005]本专利技术提供基于边缘计算框架的电网模型自管理方法，方法实现了快速进行分析，提高了分析效率。
[0006]方法包括：
[0007]S1：采用管理服务器和模型服务器来搭建电网模型；
[0008]S2：采用自管理服务器、网络服务器和信号发生器来搭建自管理模型；
[0009]S3：建立边缘计算框架，采用信号接收器、数据分析服务器、运行服务器、存储服务器来搭建边缘计算框架。
[0010]进一步需要说明的是，所述S1中管理服务器对模型服务器和电网模型进行管理。
[0011]进一步需要说明的是，所述S2中自管理服务器在接收电网模型传送的信号时间为1
‑
9分钟。
[0012]进一步需要说明的是，所述S2中信号发送器的型号为模块化PXI型号，将实时的数据传送到边缘计算框架。
[0013]进一步需要说明的是，所述S3中信号接收器的型号为模块化PXI型号，接收信号发生器所发出的信号。
[0014]进一步需要说明的是，所述S3中通过数据分析服务器将接收到的实时数据进行分析，数据分析服务器进行分析的时间为5
‑
13分钟。
[0015]进一步需要说明的是，所述S3中通过数据分析后输送到运行服务器中，通过运行
服务器使其进行管理，通过存储服务器将分析后的数据进行储存。
[0016]进一步需要说明的是，数据依次通过电网模型、自管理模型和边缘计算框架后处理完成。
[0017]本专利技术还提供基于边缘计算框架的电网模型自管理系统，基于边缘计算框架的电网模型自管理方法；系统包括依次通信连接的管理服务器、模型服务器、自管理服务器、网络服务器、信号发生器、信号接收器、数据分析服务器、运行服务器以及存储服务器。
[0018]从以上技术方案可以看出，本专利技术具有以下优点：
[0019]本专利技术提供的基于边缘计算框架的电网模型自管理方法实现了快速进行分析，解决了无法依靠边缘计算框架进行计算分析的问题，提高了分析效率。
[0020]基于边缘计算框架的电网模型自管理方法还实现了运行平稳分析准确，保证了电网电力系统监控的可靠性。进一步的方法实现了能够提高运行速度，大大降低了工作压力。
附图说明
[0021]为了更清楚地说明本专利技术的技术方案，下面将对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专利技术的一些实施例，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。
[0022]图1为基于边缘计算框架的电网模型自管理方法流程图；
[0023]图2为基于边缘计算框架的电网模型自管理方法实施例示意图。
具体实施方式
[0024]如图1和2是本专利技术提供的基于边缘计算框架的电网模型自管理方法中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的服务器而非按照实际实施时的服务器数目及功能，其实际实施时各服务器的功能、数量及作用可为一种随意的改变，且其服务器的功能和用途也可能更为复杂。
[0025]基于边缘计算框架的电网模型自管理方法可以基于人工智能技术对关联的数据进行获取和处理。其中，本专利技术利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用装置。
[0026]基于边缘计算框架的电网模型自管理方法还具有机器学习功能，其中本专利技术方法中的机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
[0027]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0028]请参阅图1至2所示是一具体实施例中基于边缘计算框架的电网模型自管理方法的流程图，方法包括：
[0029]S1：采用管理服务器和模型服务器来搭建电网模型；
[0030]S2：采用自管理服务器、网络服务器和信号发生器来搭建自管理模型；
[0031]S3：建立边缘计算框架，采用信号接收器、数据分析服务器、运行服务器、存储服务
器来搭建边缘计算框架。
[0032]本专利技术提供的基于边缘计算框架的电网模型自管理方法实现了快速进行分析，解决了无法依靠边缘计算框架进行计算分析的问题，提高了分析效率。
[0033]应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本专利技术实施例的实施过程构成任何限定。
[0034]进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例中的具体实施过程，提供了基于边缘计算框架的电网模型自管理方法包括：
[0035]S1：建立电网模型，本专利技术采用管理服务器和模型服务器来搭建电网模型，管理服务器主要用来对模型服务器和整体电网模型进行管理，自管理服务器在接收电网模型传送的信号时间为1分钟；
[0036]S2：建立自管理模型，本专利技术采用自管理服务器、网络服务器和信号发生器来搭建自管理模型，信号发送器的型号为模块化PXI型号，能够更好的发射信号，能够快速将实时的数据传送到边缘计算框架；
[0037]S3：建立边缘计算框架，本专利技术采用信号接收器、数据分析服务器、运行服务器、存储服务器来搭建边缘计算框架，信号接收器的型号为模块化PXI型号，能够更好的接收信号发生器所发出的信号，能够防止实时数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于边缘计算框架的电网模型自管理方法，其特征在于，方法包括：S1：采用管理服务器和模型服务器来搭建电网模型；S2：采用自管理服务器、网络服务器和信号发生器来搭建自管理模型；S3：建立边缘计算框架，采用信号接收器、数据分析服务器、运行服务器、存储服务器来搭建边缘计算框架。2.根据权利要求1所述的基于边缘计算框架的电网模型自管理方法，其特征在于：所述S1中管理服务器对模型服务器和电网模型进行管理。3.根据权利要求1所述的基于边缘计算框架的电网模型自管理方法，其特征在于：所述S2中自管理服务器在接收电网模型传送的信号时间为1
‑
9分钟。4.根据权利要求1所述的基于边缘计算框架的电网模型自管理方法，其特征在于：所述S2中信号发送器的型号为模块化PXI型号，将实时的数据传送到边缘计算框架。5.根据权利要求1所述的基于边缘计算框架的电网模型自管理方法，其特征在于：所述S3中信号接收器的型号为模块化PXI...

【专利技术属性】
技术研发人员：何成，刘猛，徐东斌，韩鹏，周怡，田亮，李晓良，
申请(专利权)人：山东鲁软数字科技有限公司，
类型：发明
国别省市：