【技术实现步骤摘要】
传感器接入功率确定方法、装置、计算机设备和存储介质
[0001]本申请涉及传感器
，特别是涉及一种传感器接入功率确定方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着电力场所的增多，为应对电力场所突发事件，需依靠传感器对电力场所中的电力设备参数以及运行环境参数进行监测。目前，监测使用的传感器常规状态下处于未接入状态，只在发生突发事件的情况下才考虑接入。
[0003]传统技术中，传感器接入的方式是通过人工远程监测电力场所是否发生突发事件来控制传感器是否需接入，存在准确性不高的问题，且传感器接入功率不能进行动态调整，使得能耗较高。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够提高传感器接入准确性和降低传感器接入能耗的传感器接入功率确定方法、装置、计算机设备和存储介质。
[0005]第一方面，本申请提供了一种传感器接入功率确定方法。所述方法包括：
[0006]获取预设时间段内的传感器数据，将所述预设时间段内的传感器数据输入训练后的相关性预测神经网络...
【技术保护点】
【技术特征摘要】
1.一种传感器接入功率确定方法，其特征在于，所述方法包括：获取预设时间段内的传感器数据，将所述预设时间段内的传感器数据输入训练后的相关性预测神经网络，输出预测矩阵，所述预测矩阵中的每一元素包括对应的突发事件类型的发生概率，以及对应的突发事件类型和对应的传感器类型间的相关性系数；根据所述对应的突发事件类型的发生概率和各相关性系数确定出目标突发事件和目标传感器；通过最优决策公式，确定所述目标传感器的调度决策和接入功率。2.根据权利要求1所述的方法，其特征在于，所述通过最优决策公式，确定所述目标传感器的调度决策和接入功率，包括：针对所述目标传感器，通过最优决策公式计算所有可选决策对应的决策值，选择最大决策值对应的可选决策，根据所述可选决策确定目标传感器的调度决策和接入功率。3.根据权利要求2所述的方法，其特征在于，所述最优决策公式包括：3.根据权利要求2所述的方法，其特征在于，所述最优决策公式包括：3.根据权利要求2所述的方法，其特征在于，所述最优决策公式包括：3.根据权利要求2所述的方法，其特征在于，所述最优决策公式包括：D
i,j
(h)＝min{F
i
(h)+A
i
(h),τC
i,j
(h)}；其中，目标突发事件为第k个突发事件类型，目标传感器为第i个传感器类型，为在第t个时隙中属于第k个突发事件类型的最优决策，为在第t个时隙中属于第k个突发事件类型的第i个传感器类型在第j个可选接入功率下的最优决策值，γ
k,i
(t)为在第t个时隙中第k个突发事件类型和第i个传感器类型间的相关性系数，为在第t个时隙中属于第k个突发事件类型的第i个传感器类型在第j个可选接入功率下的决策评估值，h为在预设时间段内位于第t个时隙之前的第h个时隙，l
k
(h)为在第h个时隙中第k个突发事件类型的发生概率，x
k,i
(h)用于指示在第h个时隙中属于第k个突发事件类型的第i个传感器类型是否接入，y
i,j
(h)用于指示在第h个时隙中第i个传感器类型是否以第j个可选接入功率接入，γ
k,i
(h)为在第h个时隙中第k个突发事件类型和第i个传感器类型间的相关性系数，F
i
(h)为在第h个时隙中的初始时刻第i个传感器类型所产生的数据积压量，A
i
(h)为第i个传感器类型在第h个时隙中所产生的新增数据量，τ为每个时隙的长度，ω
i
为第i个传感器类型的数据传输的信道带宽，λ
i
为第i个传感器类型的数据传输的信道增益，p
j
为第j个可选接入功率，N
i
为第i个传感器类型的数据传输的噪声功率，用于指示公式对探索的偏好，为在预设时间段内位于第t个时隙之前选择属于第k个突发事件类型的第i个传感器
类型在第j个可选接入功率接入组合的组合被选择总次数。4.根据权利要求3所述的方法，其特征在于，所述相关性预测神经网络的训练过程，包括：获取多个历史预设时间段内的历史传感器数据，对所述历史传感器数据中的历史正常传感器数据和历史异常传感器数据分别进行标记，以及对每一历史异常传感器数据对应的突发事件类型和传感器类型进行标记，得到标记后的数据；利用所述标记后的数据统计每一历史预设时间段内的每一突发事件类型发生概率，以及确定每一突发事件类型与每一传感器类型间的相关性系数，得到每一历史预设时间段对应的实际相关性矩阵；将所述标记后的数据输入至初始相关性预测神经网络，...
【专利技术属性】
技术研发人员：温克欢，钟聪，耿博，杨祥勇，冯俊豪，吴泽新，张玮，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。