【技术实现步骤摘要】
本专利技术涉及电网故障分析领域，尤其涉及一种基于边网融合结合算力的多通道传感信号分析方法、装置、设备及存储介质。
技术介绍
1、大数据环境下同步多通道数据多尺度分析方法展开，充分利用memd算法在多尺度分析方面的优势，研究在获取多传感器空间方位的先验知识的情况下，如何进行更有效的方向向量选择，以实现多元信号包网络面和局部均值更有效的估计，提高memd分解的精度，实现更有效的多元emd分解；目前的memd算法中普遍采用基于方向向量的方法，将局部均值的计算看作是所有的包络线沿着n维空间方向向量积分的一种估计，因此估计的准确性取决于方向向量选择。
2、已有的方向向量选择算法(均匀角度坐标算法、低差异点集算法)只考虑了向量选择的均匀性，并未考虑任何先验知识。无法对多元信号的最优线路和局部均值有效地计算。
技术实现思路
1、专利技术目的：提出一种基于边网融合结合算力的多通道传感信号分析方法、装置、设备及存储介质，通过多传感器获取电网中多传感空间方位信息、区域体积和采样点数量，并采用多传感方位的方向向量选择方法来解决电网中方向向量选择不均匀的问题。实现多元信号包络面和局部均值更有效的估计，提高memd分解的精度，实现更有效的多元emd分解，从而解决现有技术存在的上述问题。
2、第一方面，提出一种基于边网融合结合算力的多通道传感信号分析方法，步骤如下：
3、s1、在目标电网的关键节点处布置传感器；
4、s2、在目标电网的边缘节点处布置传感器收集器，
5、s3、构建蚁群算法模型，利用所述构建蚁群算法模型在步骤s1所述关键节点中筛选出若干待分配节点，若干待分配节点连接形成第一优化路径；
6、s4、构建算力量化标准模型，利用所述算力量化标准模型在步骤s1所述关键节点中筛选出若干待分配节点，若干待分配节点连接形成第二优化路径；
7、s5、比较所述第一优化路径和第二优化路径，得出模型推荐最优线路；
8、s6、基于收到的传感器信号及传感器总数比例，并结合所述模型推荐最优线路，输出分析结果。
9、在第一方面进一步的实施例中，步骤s1中所述关键节点包括电网的功率单元，每个功率单元处布置至少一个所述传感器；所述传感器用于获取所处功率单元的工作状态，输出传感器异常或传感器正常两种状态。
10、在第一方面进一步的实施例中，步骤s3中所述蚁群算法模型的表达式如下：
11、
12、式中，表示第t代蚂蚁中第k只蚂蚁往节点i或节点j处走的概率；α表示信息素的重要程度；β表示启发因子的相对重要程度；nij表示启发因子；jk(i)表示蚂蚁k当期可以选择的节点；τij(t)表示第t代蚂蚁在i～j路径上的信息素；
13、其中，dij表示节点i到节点j的距离。
14、在第一方面进一步的实施例中，当所有的蚂蚁完成一次迭代，则所经路径上的信息素进行迭代：
15、τij(t+1)＝(1-ρ)τij(t)+δτij(t)
16、式中，τij(t+1)表示迭代至第t+1代蚂蚁在i～j路径上的信息素；ρ表示信息素稀释程度；
17、
18、式中，表示m只蚂蚁对在i～j这条路径上留下的信息素总和；表示第k只蚂蚁在i～j这条路径上留下的信息素；q表示一只蚂蚁一生所拥有的信息素；k表示蚂蚁编号；m表示蚂蚁数量；lk表示蚂蚁k走过的路径总距离。
19、在第一方面进一步的实施例中，步骤s4中算力量化标准模型的表达式如下：
20、
21、式中，cbr表示总的算力需求；f(*)是映射函数；a、b、c为映射比例系数；f(ai)表示第i个并行计算芯片a可提供的并行计算能力的映射函数；f(bj)表示第j个并行计算芯片b可提供的并行计算能力的映射函数；f(ck)表示第k个并行计算芯片c可提供的并行计算能力的映射函数；q1表示逻辑运算能力；q2表示并行计算能力；q3表示神经网络加速能力。
22、在第一方面进一步的实施例中，步骤s6基于收到的传感器信号及传感器总数比例，并结合所述模型推荐最优线路，输出分析结果，包括如下四种情况：
23、情况1、传感器异常+模型推荐最优线路异常，边缘节点无法收到传感器数据，此时判定为异常，输出告警；
24、情况2、传感器异常+模型推荐最优线路正常，边缘节点无法收到传感器数据，此时判定为异常，输出告警；
25、情况3、传感器正常+模型推荐最优线路异常，边缘节点无法收到传感器数据，将无故障次优线路为最优线路；
26、情况4、传感器正常+模型推荐最优线路正常，此时判定正常。
27、第二方面，提出一种多通道传感信号分析装置，该装置包括布置在目标电网的关键节点处的若干传感器；布置在目标电网的边缘节点处的传感器收集器，多个所述传感器通过通信线缆汇总至所述传感器收集器；第一构建模块、第二构建模块、比较模块、输出模块。第一构建模块用于构建蚁群算法模型，利用所述构建蚁群算法模型在所述关键节点中筛选出若干待分配节点，若干待分配节点连接形成第一优化路径。第二构建模块用于构建算力量化标准模型，利用所述算力量化标准模型在所述关键节点中筛选出若干待分配节点，若干待分配节点连接形成第二优化路径。比较模块用于比较所述第一优化路径和第二优化路径，得出模型推荐最优线路。输出模块基于收到的传感器信号及传感器总数比例，并结合所述模型推荐最优线路，输出分析结果。
28、第三方面，提出一种电子设备，所述设备包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如第一方面所述的多通道传感信号分析方法。
29、第四方面，提出一种计算机可读存储介质，存储介质中存储有至少一个可执行指令，所述可执行指令在电子设备上运行时，使得电子设备执行如第一方面所述的多通道传感信号分析方法。
30、有益效果：本专利技术通过多传感器获取电网中多传感空间方位信息、区域体积和采样点数量，并采用多传感方位的方向向量选择方法来解决电网中方向向量选择不均匀的问题。实现多元信号包络面和局部均值更有效的估计，提高memd分解的精度，实现更有效的多元emd分解。
本文档来自技高网...【技术保护点】
1.一种基于边网融合结合算力的多通道传感信号分析方法，其特征在于，包括：
2.根据权利要求1所述的多通道传感信号分析方法，其特征在于，步骤S1中所述关键节点包括电网的功率单元，每个功率单元处布置至少一个所述传感器；所述传感器用于获取所处功率单元的工作状态，输出传感器异常或传感器正常两种状态。
3.根据权利要求1所述的多通道传感信号分析方法，其特征在于，步骤S3中所述蚁群算法模型的表达式如下：
4.根据权利要求3所述的多通道传感信号分析方法，其特征在于，当所有的蚂蚁完成一次迭代，则所经路径上的信息素进行迭代：
5.根据权利要求1所述的多通道传感信号分析方法，其特征在于，步骤S4中算力量化标准模型的表达式如下：
6.根据权利要求1所述的多通道传感信号分析方法，其特征在于，步骤S6基于收到的传感器信号及传感器总数比例，并结合所述模型推荐最优线路，输出分析结果，包括如下四种情况：
7.一种多通道传感信号分析装置，其特征在于，包括：
8.一种电子设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令
9.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一个可执行指令，所述可执行指令在电子设备上运行时，使得电子设备执行如权利要求1至6中任一项所述的多通道传感信号分析方法。
...【技术特征摘要】
1.一种基于边网融合结合算力的多通道传感信号分析方法，其特征在于，包括：
2.根据权利要求1所述的多通道传感信号分析方法，其特征在于，步骤s1中所述关键节点包括电网的功率单元，每个功率单元处布置至少一个所述传感器；所述传感器用于获取所处功率单元的工作状态，输出传感器异常或传感器正常两种状态。
3.根据权利要求1所述的多通道传感信号分析方法，其特征在于，步骤s3中所述蚁群算法模型的表达式如下：
4.根据权利要求3所述的多通道传感信号分析方法，其特征在于，当所有的蚂蚁完成一次迭代，则所经路径上的信息素进行迭代：
5.根据权利要求1所述的多通道传感信号分析方法，其特征在于，步骤s4中算力量化标准模型...
【专利技术属性】
技术研发人员：赵思，
申请(专利权)人：中电信数智科技有限公司，
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。