用于业务数据的协同方法技术

本公开提供一种用于业务数据的协同方法，包括：端侧采集业务数据，并将业务数据上传至边侧；边侧获取边侧第一知识图谱，将业务数据映射到目标业务数据空间上，并拆分得到子任务；云侧获取云侧第一知识图谱，将虚拟计算单元映射为多个动态计算链；边侧计算偏好值，并基于偏好值为每个子任务选择动态计算链；云侧

【技术实现步骤摘要】
用于业务数据的协同方法
[0001]本申请是申请日为
2023
年4月
13
日，申请号为
2023104162786、
专利技术名称为分布式配电网云边端数据协同方法及其系统的专利申请的分案申请
。


[0002]本公开涉及新一代信息技术产业领域，特别涉及一种用于业务数据的协同方法
。

技术介绍

[0003]分布式系统是由软件定义的建立在网络之上的虚拟系统，根据分布式系统中各个节点所具有的不同功能，可以将这些节点划分为云侧
、
边侧和端侧
。
其中，节点之间可以共享计算资源，并且各节点对应的用户进程可以被动态地调度和在节点之间分配
。
在具有一组用户的分布式系统中，计算机支持的协同工作通常需要让用户节点之间的数据一致同步
。
随着新型电力系统大规模地接入业务终端，形成的分布式系统对于业务数据的处理有不断变化的多样需求，并且分布式系统对于业务数据的响应能力也受到挑战
。
[0004]专利号
CN201710565244.8
的中国专利提供一种电网调控系统与配电自动化系统快速分布式处理方法，利用配电业务数据的计算耦合特点进行业务分片，并依据节点资源空闲状态的情况配置计算资源
。
专利号
CN201310517729.1
的中国专利提供一种基于分布式存储与计算的配电网运行数据处理方法及系统，利用各分布式子站的计算资源对基础数据进行并行预处理，通过控制主站对预处理数据进行集中存储和汇总处理
。
[0005]上述专利
CN201710565244.8
的不足之处在于，分布式系统在业务进行分片时参考的指标是业务数据的计算耦合特点，而这样的依据并未出于对业务数据自身的处理需求
。
另一方面，在上述专利
CN201310517729.1
中的大数据场景下，数据被并行处理，容易出现业务数据挤占计算资源的问题
。

技术实现思路

[0006]本公开是有鉴于上述现有技术的状况而提出的，其目的在于提供一种分布式配电网云边端数据协同方法，能够满足多样化的业务数据处理需求且有效优化数据协同路由选择，从而提升分布式系统中数据的处理效率，缓解业务数据挤占计算资源的问题
。
[0007]为此，本公开第一方面提供了一种分布式配电网云边端数据协同方法，包括：
[0008]端侧采集业务数据，并将所述业务数据上传至边侧用于初始化知识图谱，所述业务数据包含业务数据自身属性和业务数据处理约束，所述业务数据自身属性包括业务优先级和业务数据价值，所述业务数据处理约束包括业务数据处理时延约束；边侧获取第一迭代次数下得到的边侧第一知识图谱，将所述业务数据映射到目标业务数据空间上，并基于目标颗粒度拆分得到子任务；云侧获取第一迭代次数下得到的云侧第一知识图谱，并将静态计算资源拆分为多个虚拟计算单元，再将所述虚拟计算单元基于所述云侧第一知识图谱映射为多个动态计算链；边侧计算每个所述子任务选择每条所述动态计算链的偏好值，并基于所述偏好值为每个所述子任务选择动态计算链以获得每个所述子任务选择的计算路
由；云侧
、
边侧和端侧基于所述计算路由协同处理所述业务数据，协同时在同一个所述虚拟计算单元上计算用于评估每两个所述子任务之间的相似程度的业务数据引力和业务数据斥力，再基于所述业务数据引力和所述业务数据斥力的大小关系决定每两个所述子任务在所述虚拟计算单元上的处理方式
。
[0009]在这种情况下，边侧业务数据可以被用于生成知识图谱，业务数据可以在分布式系统中被结构化，被结构化后的业务数据映射到业务数据空间上得到被降维表征的业务数据，降低了自身的处理复杂度
。
同时业务数据结构化后的知识图谱以及后续更新的知识图谱能够反映业务数据的处理需求，由此能够在基于业务数据自身的特点对业务数据进行拆分以得到子任务，进一步降低业务数据的处理复杂度
。
云侧需要为业务数据选择计算路由，因此将计算资源拆分为虚拟计算单元，再进行映射获得动态计算链作为计算路由的候选项
。
在业务数据本身被降维并拆分以子任务的形式处理的情况下，再对子任务在分布式网络中的路由选择作优化，分布式系统协同业务数据的效率得以提升，并且在执行协同时同一虚拟计算单元可以根据业务数据间的相似度关系采取区别处理，实现计算资源的高效利用
。
[0010]另外，在本公开第一方面所涉及的分布式配电网云边端数据协同方法中，可选地，基于所述业务数据自身属性和所述业务数据处理约束计算得到所述业务数据空间映射值，并以与所述映射值的差值最小的业务数据空间标准值对应的业务数据空间作为目标业务数据空间映射所述业务数据
。
在这种情况下，可以将业务数据用最小的代价映射至业务数据空间上，实现业务数据的业务数据空间转换
。
[0011]另外，在本公开第一方面所涉及的分布式配电网云边端数据协同方法中，可选地，基于预设颗粒度计算权重
、
所述业务数据自身属性和所述业务数据处理约束计算所述目标颗粒度，并基于所述目标颗粒度均等地拆分所述业务数据
。
在这种情况下，业务数据被拆分后得到的结果被称作子任务，子任务继承了所属的业务数据的业务数据处理约束
。
[0012]另外，在本公开第一方面所涉及的分布式配电网云边端数据协同方法中，可选地，所述业务数据引力的计算基于所述业务数据自身属性和所述业务数据处理约束形成的特征向量
、
预设引力常数和每两个所述子任务的预设质量
。
在这种情况下，能够通过特征向量反映两个业务数据之间在业务优先级
、
业务数据价值和业务数据处理时延约束的相关性
(
也可以称为两个业务数据的距离
)
，进而能够利用特征向量计算业务数据引力以通过业务数据引力反映了每两个子任务之间的相似程度，这两种业务数据可以是不同数据空间下的不同业务数据经过同一虚拟计算单元，而引力越大说明两种业务数据的相似程度越高，引力越小说明两种业务数据的相似程度越低
。
[0013]另外，在本公开第一方面所涉及的分布式配电网云边端数据协同方法中，可选地，所述业务数据斥力的计算基于所述业务数据自身属性和所述业务数据处理约束形成的特征向量和预设斥力常数
。
在这种情况下，能够通过特征向量反映两个业务数据之间在业务优先级
、
业务数据价值和业务数据处理时延约束的相关性
(
也可以称为两个业务数据的距离
)
，进而能够利用特征向量计算业务数据斥力以通过业务数据斥力反映了每两个子任务之间的相似程度，这两种业务数据可以是不同数据空间下的不同业务数据经过同一虚拟计算单元，而斥力越大说明两种业务数据的相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于业务数据的协同方法，其特征在于，是应用于包含端侧
、
云侧和边侧的分布式系统上的方法，包括：端侧采集所述业务数据，并将所述业务数据上传至边侧用于初始化知识图谱；边侧获取第一迭代次数下得到的边侧第一知识图谱，将所述业务数据映射到目标业务数据空间上，并基于目标颗粒度拆分得到子任务；云侧获取第一迭代次数下得到的云侧第一知识图谱，并将静态计算资源拆分为多个虚拟计算单元，再将所述虚拟计算单元基于所述云侧第一知识图谱映射为多个动态计算链；边侧计算每个所述子任务选择每条所述动态计算链的偏好值，并基于所述偏好值为每个所述子任务选择所述动态计算链以获得每个所述子任务选择的计算路由；云侧
、
边侧和端侧基于所述计算路由协同处理所述业务数据，协同时在同一个所述虚拟计算单元上计算业务数据引力和业务数据斥力；对于每两个所述子任务，若所述业务数据引力大于所述业务数据斥力，则在所述虚拟计算单元上合并所述子任务再进行处理；若所述业务数据斥力大于所述业务数据引力，则按照两种所述子任务的数据量大小比例拆分所述虚拟计算单元
。2.
如权利要求1所述的协同方法，其特征在于，第一迭代次数下的边侧第一知识图谱基于先于第一迭代次数下的知识图谱计算获得，或基于上传的所述业务数据初始化获得；第一迭代次数下的云侧第一知识图谱基于先于第一迭代次数下的知识图谱计算获得，或基于上传的所述业务数据初始化获得
。3.
如权利要求1所述的协同方法，其特征在于，所述业务数据引力的计算基于业务数据自身属性和业务数据处理约束形成的特征向量
、
预设引力常数和每两个所述子任务的预设质量
。4.
如权利要求3所述的协同方法，其特征在于，基于所述业务数据自身属性和所述业务数据处理约束计算得到业务数据空间映射值，并以与所述映射值的差值最小的业...

【专利技术属性】
技术研发人员：杨会轩，苏明，张瑞照，刘金会，
申请(专利权)人：北京华清未来能源技术研究院有限公司华科因诺，
类型：发明
国别省市：