一种基于制造技术

本发明专利技术涉及数据处理技术领域，尤其涉及一种基于

【技术实现步骤摘要】
一种基于MQTT协议的能耗数据处理方法、系统、设备及介质


[0001]本专利技术涉及数据处理
，尤其涉及一种基于
MQTT
协议的能耗数据处理方法
、
系统
、
设备及介质
。

技术介绍

[0002]在目前的物联网领域的技术中，针对数据的采集和分析需求，普遍采用的是将数据采集和数据分析集成在同一模块中，这种技术使得设备能够同一模块中进行数据采集和初步分析，能根据分析结果进行即时决策和响应，然而随着物联网的发展，由于采集和分析模块在同一模块中集成，而终端设备的计算资源是有限的，在面对大规模数据采集和分析需求时，将出现采集和分析同时抢占这部分有限资源，导致设备无法满足这些数据处理需求，从而影响系统性能和响应速度
。
[0003]然而，在物联网领域将数据采集和数据分析分开独立设置后，传感器网络内的数据通常需要及时传输到后端服务器进行处理，在大规模数据的情况下传统的通信方法会面临通信延迟和数据丢失的问题
。
其次，由于传感器网络内的数据通常需要传输到后端服务器进行处理，不同的传感器可能产生不同的数据流量，传统方法未能有效地处理流量分配和控制问题，导致一些传感器的数据被忽略或其他传感器被过度访问，从而降低了系统的效率
。
同时，传统方法往往未能考虑参数的不确定性，这在实时系统中可能导致模型不稳定或不可靠，尤其是在快速变化的环境中
。

技术实现思路

[0004]本专利技术的目的在于提供一种基于r/>MQTT
协议的能耗数据处理方法
、
系统
、
设备及介质，通过
MQTT
协议在传感器网络和后端服务器之间建立实时高效的通信，确保能耗数据的及时传输和处理，以解决上述现有技术问题的至少之一
。
[0005]本专利技术提供了一种基于
MQTT
协议的能耗数据处理方法，所述方法具体包括：在建筑物内部部署传感器网络，通过所述传感器网络采集所述建筑物的能耗数据；根据
MQTT
协议在所述传感器网络和后端服务器之间建立实时高效的通信；根据所述后端服务器计算分析所述能耗数据，生成能耗数据分析结果并传输至客户端；在所述客户端基于
WebSockets
连接实时获取所述能耗数据分析结果，根据图形函数库将所述能耗数据分析结果转换为能耗图表
。
[0006]进一步的，所述根据
MQTT
协议在所述传感器网络和所述后端服务器之间建立实时高效的通信，具体包括：在所述后端服务器设置
MQTT Broker
，为所述传感器网络中每个传感器配置
MQTT
客户端库；根据建筑物区域和传感器类型，在
MQTT Broker
内构建若干个主题
topic
；
基于贝叶斯回归算法为每个传感器建立流量预测模型，根据所述流量预测模型对每个传感器的未来预测流量和每个传感器的当前实际流量动态调整每个传感器的当前权重；根据每个传感器的当前权重，先后将每个传感器的能耗数据包转发到对应的主题
topic
下
。
[0007]更进一步的，所述基于贝叶斯回归算法为每个传感器建立流量预测模型，具体包括：获取每个传感器的历史流量数据集以及第一特征集，所述第一特征集包括消息频率
、
消息大小
、
消息时延
、
主题分布
、
传感器类型
、
传感器位置和传感器设备能耗；基于皮尔逊相关系数，从所述第一特征集中确定第二特征集；基于贝叶斯回归模型，根据每个传感器的历史流量数据集以及所述第二特征集，确定每个传感器的流量预测模型
。
[0008]更进一步的，所述基于皮尔逊相关系数，从所述第一特征集中确定第二特征集，具体包括：设置相关系数阈值，计算每个传感器的历史流量数据集与所述第一特征集中每个特征的皮尔逊相关系数；将所述第一特征集中皮尔逊相关系数低于所述相关系数阈值的特征进行剔除，获得第二特征集
。
[0009]更进一步的，所述皮尔逊相关系数满足，
r
表示每个传感器的历史流量数据集与第一特征集中每个特征的皮尔逊相关系数，
n
表示第一特征集每个特征的数据点的数量，
i
表示历史流量数据集或第一特征集中每个特征的数据点的序号，表示第一特征集中每个特征的每个数据点的数值，表示历史流量数据集的每个数据点的数值，表示第一特征集中每个特征的平均数值，表示历史流量数据集的平均数值
。
[0010]更进一步的，所述基于贝叶斯回归模型，根据每个传感器的历史流量数据集以及所述第二特征集，确定每个传感器的流量预测模型，具体包括：基于贝叶斯回归公式，将每个传感器的历史流量数据集作为输出
y
，将所述第二特征集作为输入特征矩阵
X
，获得参数向量的数据点集合和误差项的数据点集合；将高斯分布作为参数向量和误差项的先验分布，根据所述参数向量的数据集合确定所述参数向量的先验分布的先验参数，根据所述误差项的数据点集合确定所述误差项的先验分布的先验参数；通过最大似然估计法确定所述参数向量的似然函数值和所述误差项的似然函数值；基于
MCMC
方法，根据所述参数向量的数据集合
、
先验分布
、
似然函数值以及历史流量数据集进行迭代采样，通过收敛后的
MCMC
链上的样本确定所述参数向量的后验分布；
基于
MCMC
方法，根据所述误差项的数据集合
、
先验分布
、
似然函数值以及历史流量数据集进行迭代采样，通过收敛后的
MCMC
链上的样本确定所述误差项的后验分布；根据所述参数向量的后验分布和所述误差项的后验分布建立流量预测模型
。
[0011]更进一步的，所述根据所述流量预测模型对每个传感器的未来预测流量和每个传感器的当前实际流量动态调整每个传感器的当前权重，具体包括：为每个传感器设置初始当前权重和调整系数，所述调整系数用于控制每个传感器的当前权重的调整幅度；根据所述流量预测模型确定每个传感器的下一个时间步长的未来预测流量；基于权重调整公式，根据所述初始当前权重
、
所述调整系数
、
每个传感器的下一个时间步长的未来预测流量和每个传感器的当前实际流量确定新的当前权重，所述权重调整公式满足，其中，表示新的当前权重，表示初始当前权重，表示调整系数，表示每个的下一个时间步长的未来预测流量，表示每个传感器的当前实际流量；将新的当前权重作为代入所述权重调整公式重复迭代计算，动态调整每个传感器的当前权重
。
[0012]本专利技术还提供了一种基于
MQTT
协议的能耗数据处理系统，所述系统具体包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
MQTT
协议的能耗数据处理方法，其特征在于，所述方法具体包括：在建筑物内部部署传感器网络，通过所述传感器网络采集所述建筑物的能耗数据；根据
MQTT
协议在所述传感器网络和后端服务器之间建立实时高效的通信；根据所述后端服务器计算分析所述能耗数据，生成能耗数据分析结果并传输至客户端；在所述客户端基于
WebSockets
连接实时获取所述能耗数据分析结果，根据图形函数库将所述能耗数据分析结果转换为能耗图表
。2.
根据权利要求1所述的方法，其特征在于，所述根据
MQTT
协议在所述传感器网络和所述后端服务器之间建立实时高效的通信，具体包括：在所述后端服务器设置
MQTT Broker
，为所述传感器网络中每个传感器配置
MQTT
客户端库；根据建筑物区域和传感器类型，在
MQTT Broker
内构建若干个主题
topic
；基于贝叶斯回归算法为每个传感器建立流量预测模型，根据所述流量预测模型对每个传感器的未来预测流量和每个传感器的当前实际流量动态调整每个传感器的当前权重；根据每个传感器的当前权重，先后将每个传感器的能耗数据包转发到对应的主题
topic
下
。3.
根据权利要求2所述的方法，其特征在于，所述基于贝叶斯回归算法为每个传感器建立流量预测模型，具体包括：获取每个传感器的历史流量数据集以及第一特征集，所述第一特征集包括消息频率
、
消息大小
、
消息时延
、
主题分布
、
传感器类型
、
传感器位置和传感器设备能耗；基于皮尔逊相关系数，从所述第一特征集中确定第二特征集；基于贝叶斯回归模型，根据每个传感器的历史流量数据集以及所述第二特征集，确定每个传感器的流量预测模型
。4.
根据权利要求3所述的方法，其特征在于，所述基于皮尔逊相关系数，从所述第一特征集中确定第二特征集，具体包括：设置相关系数阈值，计算每个传感器的历史流量数据集与所述第一特征集中每个特征的皮尔逊相关系数；将所述第一特征集中皮尔逊相关系数低于所述相关系数阈值的特征进行剔除，获得第二特征集
。5.
根据权利要求4所述的方法，其特征在于，所述皮尔逊相关系数满足，
r
表示每个传感器的历史流量数据集与第一特征集中每个特征的皮尔逊相关系数，
n
表示第一特征集每个特征的数据点的数量，
i
表示历史流量数据集或第一特征集中每个特征的数据点的序号，表示第一特征集中每个特征的每个数据点的数值，表示历史流量数据集的每个数据点的数值，表示第一特征集中每个特征的平均数值，表示历史流量数据集的平均数值
。
6.
根据权利要求3所述的方法，其特征在于，所述基于贝叶斯回归模型，根据每个传感器的历史流量数据集以及所述第二特征集，确定每个传感器的流量预测模型，具体包括：基于贝叶斯回归公式，将每个...

【专利技术属性】
技术研发人员：王晓明，李孔政，池永标，冯成斌，
申请(专利权)人：广东百德朗科技有限公司，
类型：发明
国别省市：