一种面向电网信息机房管理的数据分析与共享方法技术

本发明专利技术公开了一种面向电网信息机房管理的数据分析与共享方法，属于无线通信技术领域，包括如下步骤：步骤一、构建基于联邦学习的边缘孪生网络框架；步骤二、通过对映射至数字孪生网络层的性能指标数据进行关联分析预测网络状况的变化；步骤三、将步骤二中对数字孪生网络层的性能指标数据的关联分析预测结果通过私有链结构在信息机房跨部门间进行安全共享。本发明专利技术可通过对电网信息机房孪生网络层的网络性能指标数据进行关联分析来预测网络状况的变化，从而可针对预测网络状况设计设计网络优化等策略在孪生网络层验证后下发至物理网络层，避免了对物理网络层直接进行危险和复杂的操作产生的不良影响。复杂的操作产生的不良影响。复杂的操作产生的不良影响。

【技术实现步骤摘要】
一种面向电网信息机房管理的数据分析与共享方法


[0001]本专利
涉及无线通讯信息领域，具体是一种面向电网信息机房管理的数据分析与共享方法。

技术介绍

[0002]随着数字化进程的发展，智能电网信息机房的设备逐渐增多，传统的管理方式面临着安全和效率问题。数字孪生的概念在2003年首次提出，作为物理资产的虚拟代表，数字孪生技术可创造物理对象的高保真数字副本以对物理对象进行进一步地预测，监测和管理，但是数字孪生技术面临着海量数据实时同步与有限计算、通信资源之间的矛盾。联邦学习是一个分布式的机器学习框架，其特征在于设计虚拟模型解决不同数据拥有方在不交换数据的情况下进行协作的问题。具体的，虚拟模型是各方将数据聚合在一起的最优模型，进行本地训练的数据源仅将参数上传至聚合端，共同建立虚拟模型。在此过程中数据不发生转移，不泄露用户隐私或影响数据规范，在保证数据隐私的前提下有效实现共享数据策略。

技术实现思路

[0003]专利技术目的：针对智能电网信息机房的设备逐渐增多，传统的管理方式面临着安全和效率问题，提供一种面向电网信息机房管理的数据分析与共享系统，实现电网信息机房的智能监控和管理。
[0004]本专利技术引入数字孪生技术概念，并与联邦学习相结合，将信息机房设备层的网络性能指标数据映射至边缘数字孪生网络层，构建基于联邦学习的边缘孪生网络框架，并提出基于软注意力机制的图卷积神经网络GCN和长短期记忆网络LSTM搭建的时空模型对机房孪生层的网络性能指标数据进行预测，然后利用区块链技术将预测所得数据在信息机房各部门组成的私有链结构中进行安全共享，从而为管理者进行下一步的网络优化进行数据支撑。
[0005]技术方案：一种面向电网信息机房管理的数据分析与共享方法，包括如下步骤：
[0006]步骤一、利用联邦学习与数字孪生技术将信息机房设备层的网络性能指标数据映射至边缘数字孪生网络层，构建基于联邦学习的边缘孪生网络框架；
[0007]步骤二、通过对映射至数字孪生网络层的性能指标数据进行关联分析预测网络状况的变化；
[0008]步骤三、将步骤二中对数字孪生网络层的性能指标数据的关联分析预测结果通过私有链结构在信息机房跨部门间进行安全共享。
[0009]进一步的，所述步骤一中：基于联邦学习的边缘孪生网络框架包括设备层、边缘计算层和数字孪生网络层；所述设备层由信息机房的本地异构设备构成，所述本地异构设备包括服务器、电脑、路由器等网元设备；
[0010]所述边缘计算层由具有计算能力的边缘设备构成，所述边缘计算层负责聚合本地数据进行联邦学习，同时将从本地异构设备采集的网络性能指标数据进行处理后上传至数
字孪生网络层；映射至数字孪生网络层的网络性能指标数据，包括信息机房网络流量、设备CPU使用率、内存使用率、网络吞吐量。
[0011]进一步的，所述步骤二中，对映射至数字孪生网络层的网络性能指标数据进行关联分析预测的方法为：从时间角度和空间角度出发，采用基于软注意力机制的图卷积神经网络GCN和长短期记忆网络LSTM搭建而成的时空模型对映射至数字孪生网络层的网络性能指标数据进行预测，以进行后续的预测结果数据共享。
[0012]进一步的，所述步骤二的具体操作步骤如下：
[0013]1)将电网信息机房网络拓扑看作一个图结构，机房本地异构网络设备作为图节点；同时从本地异构网络设备采集到的映射至数字孪生网络层的网络性能指标数据作为时间序列；
[0014]2)通过图卷积神经网络捕捉相邻图节点网络性能指标数据在空间上的相关性后，输入长短期记忆网络提取网络在时间上的特征，实现从多维度角度对数字孪生网络层的网络性能指标数据进行预测，并通过软注意力机制提取其在每个时刻的重要性特征以获取全局变化趋势。
[0015]进一步的，所述步骤三的具体操作步骤如下：
[0016]1)信息机房各部门经过身份验证后加入区块链网络形成一个私有链；
[0017]2)指定私有链上的数据提供者为固定的共享节点，数据提供者对数字孪生网络层的性能指标数据进行关联分析预测，并将关联分析预测结果打包成区块上传至区块链网络；
[0018]3)指定私有链上的数据使用者作为共识节点，数据使用者通过共识机制对提交区块进行验证，经过验证的区块被添加到链上形成数字账本，各节点可共享数字账本并根据实际需求保存所需区块数据。
[0019]进一步的，所述步骤三中的区块，包含区块头和区块体两部分：
[0020]区块头包含前一区块的哈希值prehash和当前区块的哈希值curhash，数据提供者的签名及时间戳；区块体是对网络运行状态数据进行关联分析预测所得数据集合，包括信息机房网络流量、网络吞吐量、设备CPU使用率、内存使用率。
[0021]进一步的，所述步骤三中的共享机制基于拜占庭容错算法PBFT的建立，包括预同步阶段和同步阶段，网络至少包含3f+1个节点以容忍f个错误节点；
[0022]1)在预同步阶段，数据提供者将关联分析预测所得数据经过哈希算法和和数字签名技术构造区块上传至链上共识节点进行验证；
[0023]共识节点的验证过程主要包含三项：
[0024]a.提交区块的prehash值与当前链上最新区块的curhash值相等；
[0025]b.共识节点对区块头中数据提供者的签名验证通过；
[0026]c.验证提交区块curhash的正确性；
[0027]在当前共识节点i通过验证的区块进入预同步状态，共识节点i记录该区块到本地日志并上传至一个带签名<R
i
，s
i
>的预同步信息M给共享节点；
[0028]2)在同步阶段，共享节点收到来自共识节点的预同步消息M，通过比较预同步消息中的区块hash值和时间戳判断是否属于同一提交区块，经过签名验证后写入日志；
[0029]当收到超过2f个来自不同共识节点对于相同区块的预同步信息后，共享节点进入
同步状态并被存入本地数据库作为区块链上的最新区块，同时共享节点聚合所有预同步消息签名<R
i
，s
i
>，并融合所有预同步消息为一条同步消息同聚合签名<R，s>上传至其他共识节点，共识节点收到该同步消息经过签名验证后发送一个回复消息给共享节点；当收到超过2f条来自共识节点的正确回复后，共享节点确认提交区块在所有正常节点间被更新，然后进入下一区块的新一轮共识。
[0030]有益效果：
[0031]1)本专利技术基于联邦学习与数字孪生技术将信息机房各网络节点间的性能指标数据映射至数字孪生网络层，在保证数据隐私的前提下有效实现共享数据策略，并可通过对孪生网络层的网络性能指标数据进行关联分析来预测网络状况的变化，机房管理人可以针对预测情况设计网络优化等策略并将结果在孪生网络层验证后下发至物理网络层，避免了对物理网络层直接进行危险和复杂的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向电网信息机房管理的数据分析与共享方法，其特征在于，包括如下步骤：步骤一、利用联邦学习与数字孪生技术将信息机房设备层的网络性能指标数据映射至边缘数字孪生网络层，构建基于联邦学习的边缘孪生网络框架；步骤二、通过对映射至数字孪生网络层的性能指标数据进行关联分析预测网络状况的变化；步骤三、将步骤二中对数字孪生网络层的性能指标数据的关联分析预测结果通过私有链结构在信息机房跨部门间进行安全共享。2.根据权利要求1所述的一种面向电网信息机房管理的数据分析与共享方法，其特征在于，所述步骤一中：基于联邦学习的边缘孪生网络框架包括设备层、边缘计算层和数字孪生网络层；所述设备层由信息机房的本地异构网络设备构成，所述边缘计算层由具有计算能力的边缘设备构成，所述边缘计算层负责聚合本地数据进行联邦学习，同时将从设备层采集的网络性能指标数据进行处理后上传至数字孪生网络层；映射至数字孪生网络层的网络性能指标数据，包括信息机房网络流量、设备CPU使用率、内存使用率、网络吞吐量。3.根据权利要求1所述的一种面向电网信息机房管理的数据分析与共享方法，其特征在于，所述步骤二中，对映射至数字孪生网络层的网络性能指标数据进行关联分析预测的方法为：从时间角度和空间角度出发，采用基于软注意力机制的图卷积神经网络GCN和长短期记忆网络LSTM搭建而成的时空模型对映射至数字孪生网络层的网络性能指标数据进行预测，以进行后续的预测结果数据共享。4.根据权利要求3所述的一种面向电网信息机房管理的数据分析与共享方法，其特征在于，所述步骤二的具体操作步骤如下：1)将电网信息机房网络拓扑看作一个图结构，信息机房的本地异构网络设备作为图节点；同时从本地异构网络设备采集到的映射至数字孪生网络层的网络性能指标数据作为时间序列；2)通过图卷积神经网络捕捉相邻图节点网络性能指标数据在空间上的相关性后，输入长短期记忆网络提取网络在时间上的特征，实现从多维度角度对数字孪生网络层的网络性能指标数据进行预测，并通过软注意力机制提取其在每个时刻的重要性特征以获取全局变化趋势。5.根据权利要求1所述的一种面向电网信息机房管理的数据分析与共享方法，其特征在于，所述步骤三的具体操作步骤如下：1)信息机房各部门经过身份验证后加入区块链网络形成一个私有链；2)指定私有链上的数据提供者为固定的共享节点，数据提供者对数字孪生网络层的性能指标数据进行关联分析预测，并将...

【专利技术属性】
技术研发人员：张琴，王晶，党倩，李春亮，赵博，刘志远，邱昱，陈丽，杜春慧，
申请(专利权)人：国网甘肃省电力公司信息通信公司，
类型：发明
国别省市：