基于云边端协同的分布式光伏信息汇聚压缩方法和装置制造方法及图纸

本发明专利技术提供了一种基于云边端协同的分布式光伏信息汇聚压缩方法和装置方法包括：通过各光伏终端，计算当前时隙的第一权重；通过边缘网关获取对应的透传数据包和非透传数据包；对透传数据包进行打包和无损压缩；对非透传数据包进行基于可关联推测性优先的压缩；将经过压缩的所有数据上传至云端；通过云端对进行解压缩，并生成对应的摘要数据，将并下发至各边缘网关和各光伏终端；通过所述各边缘网关和各光伏终端计算得到误差向量并上传云端；通过云端计算选择权重，实现权重的更新，并更新对应的汇聚压缩方式。实施本申请，对透传数据包进行无损压缩，对非透传数据包进行可关联推测性优先的压缩，相比现有技术提高了数据传输效率。率。率。

【技术实现步骤摘要】
基于云边端协同的分布式光伏信息汇聚压缩方法和装置


[0001]本专利技术涉及光伏数据处理领域，尤其涉及一种基于云边端协同的分布式光伏信息汇聚压缩方法、装置、终端设备和计算机可读存储介质。

技术介绍

[0002]近年来，随着光伏发电等分布式电源并网比重不断增加，呈现点多面广以及渗透率高等特点。为保证电网的安全稳定的运行，需要对分布式光伏的电压、电流、温度等运行状态进行实时监测，由此产生的海量分布式光伏并网监测数据对传统的基于载波的通信方式提出了极大的挑战。
[0003]传统分布式光伏信息汇聚压缩方法，很多数据未经压缩，或者仅压缩一次就进行传输，使得传输的数据中包含大量的冗余信息，对可用带宽较小的载波通信方式造成极大的负担，极易出现线路占用率过高，导致网络堵塞，使光伏信息传输时延增加。

技术实现思路

[0004]本专利技术提供了一种基于云边端协同的分布式光伏信息汇聚压缩方法、装置、终端设备和计算机可读存储介质，以解决如何降低传输数据的冗余程度的技术问题。
[0005]为了解决上述技术问题，本专利技术实施例提供了一种基于云边端协同的分布式光伏信息汇聚压缩方法，包括：
[0006]通过各光伏终端，基于各光伏终端产生的分布式光伏接入数据的大小、重要度和相似度，计算其当前时隙的第一权重；其中，所述重要度根据当前时隙接入数据与对应光伏终端历史数据均值的偏差程度计算得到；
[0007]将各光伏终端对应的第一权重分别与预设的方式权重进行比较，在第一权重大于等于所述方式权重时，则选择透传方式对光伏终端的接入数据进行传输；在第一权重小于所述方式权重时，则选择非透传方式对光伏终端的接入数据进行传输；
[0008]通过边缘网关获取各光伏终端接入数据对应的透传数据包和非透传数据包；并对透传数据包进行打包和无损压缩；对非透传数据包进行基于可关联推测性优先的压缩；将经过压缩的所有数据上传至云端；
[0009]通过所述云端对经过压缩的所有数据进行解压缩，并生成对应的摘要数据，将所述摘要数据分别下发至各边缘网关和各光伏终端；
[0010]通过所述各边缘网关和各光伏终端，基于所述摘要数据和解压缩前的数据计算得到误差向量，并将所有误差向量上传所述云端；并通过所述云端计算对应的数据压缩造成的数据质量损失和数据传输成本，从而计算得到各透传数据对应光伏终端的汇聚压缩方式的选择权重以及各非透传数据对应光伏终端的汇聚压缩方式的选择权重，实现所述选择权重的更新，并将更新后的所有选择权重分别下发至各边缘网关和光伏终端，进而更新对应的汇聚压缩方式。
[0011]作为优选方案，所述对非透传数据包进行基于可关联推测性优先的压缩，具体为：
[0012]根据下式计算在时隙t非透传光伏终端对应数据包d
n
与其他非透传光伏终端对应数据包d'
n
之间的可关联推理度
[0013][0014]其中，为光伏终端d
n
和d'
n
数据间的互信息量，为光伏终端d
n
和d'
n
数据间互信息量的平均值，为光伏终端d
n
和d'
n
数据的欧氏距离集合，为光伏终端d
n
和d'
n
数据欧式距离的平均值；
[0015]根据光伏终端d
n
的可关联推理度和第一权重，计算时隙t对应的边缘网关的第二权重
[0016][0017]其中，为光伏终端d
n
的数据的重要度，为光伏终端d
n
的数据与其他所有非透传数据的关联程度，为光伏时隙t终端d
n
的数据的重要度对应的权重，终端d
n
的数据的重要度为光伏时隙t终端d
n
的数据的关联程度的权重，D'为非透传光伏终端的集合；
[0018]根据边缘网关权重选择压缩簇头数据，基于选择的压缩簇头数据计算所有非簇头的光伏终端数据与压缩簇头数据之间的推理关系，并将所述推理关系存入关联推理向量，将所述压缩簇头数据和所述关联推理向量进行封装。
[0019]作为优选方案，所述通过所述云端计算对应的数据压缩造成的数据质量损失和数据传输成本，具体为:
[0020]根据下式进行计算：
[0021]Loss(t)＝||error(t)
⊙
exp(error(t)
‑
error
p
(t))||+||flow(t)
⊙
E_charge(t)||；
[0022]其中,Loss(t)为时刻t进行压缩数据传输造成的数据质量损失和数据传输成本，||error(t)
⊙
exp(error(t)
‑
error
p
(t))||为数据质量损失，||flow(t)
⊙
E_charge(t)||为数据传输成本损失，error(t)为时刻t各数据解压前后造成的误差向量，error
p
(t)为时刻t根据历史数据预测的误差向量，flow(t)为时刻t各压缩数据传输所使用的流量，E_charge(t)为时刻t各压缩数据传输所使用的电量，
⊙
为进行哈达玛积运算。
[0023]作为优选方案，所述计算得到各透传数据对应光伏终端的汇聚压缩方式的选择权重以及各非透传数据对应光伏终端的汇聚压缩方式的选择权重，具体为：
[0024]根据下式进行计算：
[0025][0026]其中，w
1,n
(t+1)为进行透传的光伏终端对应的数据大小选择的权重，w
2,n
(t+1)为进行透传的光伏终端对应的数据重要度选择的权重，w
3,n
(t+1)为进行透传的光伏终端对应的数据与历史数据均值的相似度选择的权重，η1(t)为时刻t进行透传的光伏终端所承受损失函数的压力系数，为进行非透传的光伏终端对应的数据重要度选择的权重，为进行非透传的光伏终端对应的数据关联程度选择的权重，η2(t)为进行非透传数据的边缘网关承受损失函数的压力系数，η3(t)为进行非透传的光伏终端所承受损失函数的压力系数。
[0027]作为优选方案，所述基于选择的压缩簇头数据计算所有非簇头的光伏终端数据与压缩簇头数据之间的推理关系，并将所述推理关系存入关联推理向量，具体为：
[0028][0029]其中，A
d
(t)为时刻t的关联推理向量，所述关联推理向量存储有所有非透传的光伏终端数据与簇头数据间的推理关系，Y(t)为时刻t所有进行非透传的光伏终端数量，为在时刻t光伏终端簇头d
main
产生的分布式光伏接入信息，为光伏终端d
y
与簇头数据的推理关系，为进行卷积运算，和分别为时刻t推理光伏终端d
y
的接入信息所用的卷积核权重和偏置量。
[0030]作为优选方案，所述进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云边端协同的分布式光伏信息汇聚压缩方法，其特征在于，包括：通过各光伏终端，基于各光伏终端产生的分布式光伏接入数据的大小、重要度和相似度，计算其当前时隙的第一权重；其中，所述重要度根据当前时隙接入数据与对应光伏终端历史数据均值的偏差程度计算得到；将各光伏终端对应的第一权重分别与预设的方式权重进行比较，在第一权重大于等于所述方式权重时，则选择透传方式对光伏终端的接入数据进行传输；在第一权重小于所述方式权重时，则选择非透传方式对光伏终端的接入数据进行传输；通过边缘网关获取各光伏终端接入数据对应的透传数据包和非透传数据包；并对透传数据包进行打包和无损压缩；对非透传数据包进行基于可关联推测性优先的压缩；将经过压缩的所有数据上传至云端；通过所述云端对经过压缩的所有数据进行解压缩，并生成对应的摘要数据，将所述摘要数据分别下发至各边缘网关和各光伏终端；通过所述各边缘网关和各光伏终端，基于所述摘要数据和解压缩前的数据计算得到误差向量，并将所有误差向量上传所述云端；通过所述云端计算对应的数据压缩造成的数据质量损失和数据传输成本，从而计算得到各透传数据对应光伏终端的汇聚压缩方式的选择权重以及各非透传数据对应光伏终端的汇聚压缩方式的选择权重，实现所述选择权重的更新，并将更新后的所有选择权重分别下发至各边缘网关和光伏终端，进而更新对应的汇聚压缩方式。2.如权利要求1所述的一种基于云边端协同的分布式光伏信息汇聚压缩方法，其特征在于，所述对非透传数据包进行基于可关联推测性优先的压缩，具体为：根据下式计算在时隙t非透传光伏终端对应数据包d
n
与其他非透传光伏终端对应数据包dn'之间的可关联推理度包dn'之间的可关联推理度其中，为光伏终端d
n
和d
′
n
数据间的互信息量，为光伏终端d
n
和d
′
n
数据间互信息量的平均值，为光伏终端d
n
和d
′
n
数据的欧氏距离集合，为光伏终端d
n
和d
′
n
数据欧式距离的平均值；根据光伏终端d
n
的可关联推理度和第一权重，计算时隙t对应的边缘网关的第二权重的可关联推理度和第一权重，计算时隙t对应的边缘网关的第二权重其中，为光伏终端d
n
的数据的重要度，为光伏终端d
n
的数据与其他所有非透传数据的关联程度，为光伏时隙t终端d
n
的数据的重要度对应的权重，终端d
n
的数据的重要度为光伏时隙t终端d
n
的数据的关联程度的权重，D'为非透传光伏终端的集合；
根据边缘网关权重选择压缩簇头数据，基于选择的压缩簇头数据计算所有非簇头的光伏终端数据与压缩簇头数据之间的推理关系，并将所述推理关系存入关联推理向量，将所述压缩簇头数据和所述关联推理向量进行封装。3.如权利要求1所述的一种基于云边端协同的分布式光伏信息汇聚压缩方法，其特征在于，所述通过所述云端计算对应的数据压缩造成的数据质量损失和数据传输成本，具体为:根据下式进行计算：Loss(t)＝||error(t)
⊙
exp(error(t)
‑
error
p
(t))||+||flow(t)
⊙
E_charge(t)||；其中,Loss(t)为时刻t进行压缩数据传输造成的数据质量损失和数据传输成本，||error(t)
⊙
exp(error(t)
‑
error
p
(t))||为数据质量损失，||flow(t)
⊙
E_charge(t)||为数据传输成本损失，error(t)为时刻t各数据解压前后造成的误差向量，error
p
(t)为时刻t根据历史数据预测的误差向量，flow(t)为时刻t各压缩数据传输所使用的流量，E_charge(t)为时刻t各压缩数据传输所使用的电量，
⊙
为进行哈达玛积运算。4.如权利要求3所述的一种基于云边端协同的分布式光伏信息汇聚压缩方法，其特征在于，所述计算得到各透传数据对应光伏终端的汇聚压缩方式的选择权重以及各非透传数据对应光伏终端的汇聚压缩方式的选择权重，具体为：根据下式进行计算：其中，w
1,n
(t+1)为进行透传的光伏终端对应的数据大小因素选择的权重，w
2,n
(t+1)为进行...

【专利技术属性】
技术研发人员：李波，施展，杨志花，包宇奔，刘元杰，吴振田，
申请(专利权)人：广东电网有限责任公司电力调度控制中心，
类型：发明
国别省市：