CN114124730A - 一种通信方法、装置及*** - Google Patents
一种通信方法、装置及*** Download PDFInfo
- Publication number
- CN114124730A CN114124730A CN202210096977.2A CN202210096977A CN114124730A CN 114124730 A CN114124730 A CN 114124730A CN 202210096977 A CN202210096977 A CN 202210096977A CN 114124730 A CN114124730 A CN 114124730A
- Authority
- CN
- China
- Prior art keywords
- emergency
- branch node
- consumption prediction
- carbon consumption
- carbon
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明提供一种通信方法、装置及***,该方法包括:分支节点确定发生第一突发事件;分支节点确定第一突发事件对应的碳消耗预测信息;分支节点发送第一突发事件对应的碳消耗预测信息。采用上述方法可以实现通知中心节点第一突发事件对应的碳消耗预测信息。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种通信方法、装置及***。
背景技术
全球变暖是人类的行为给地球气候变化造成的后果。“碳”就是石油、煤炭、木材等由碳元素构成的自然资源。“碳”耗用得多,导致地球变暖的元凶“二氧化碳”也制造得多。随着人类的活动,全球变暖也在改变(影响)着人们的生活方式,带来越来越多的问题。
减少二氧化碳排放量的手段,一是碳封存,主要由土壤、森林和海洋等天然碳汇吸收储存空气中的二氧化碳,具体的,人类可以通过植树造林实现碳封存;二是碳抵消,通过投资开发可再生能源和低碳清洁技术,减少一个行业的二氧化碳排放量来抵消另一个行业的二氧化碳排放量,其中,二氧化碳抵消量的计算单位可以是二氧化碳当量吨数。
特别地,在发生突发事件时,如何了解用户的碳消耗需求是一个值得关注的问题。
发明内容
本发明提供一种通信方法、装置及***,用以解决在发生突发事件时如何了解用户的碳消耗需求的问题。
第一方面,本申请提供一种通信方法,该方法包括:分支节点确定发生第一突发事件;所述分支节点确定所述第一突发事件对应的碳消耗预测信息;所述分支节点发送所述第一突发事件对应的碳消耗预测信息。
采用上述方法,分支节点可以上报第一突发事件对应的碳消耗预测信息,进而实现中心节点能够了解分支节点的碳消耗需求。
在一种可能的设计中,在所述分支节点确定所述第一突发事件对应的碳消耗预测信息时,所述分支节点根据所述第一突发事件对应的碳消耗预测数据库,确定所述第一突发事件对应的碳消耗预测信息,其中,所述分支节点存储至少一个突发事件分别对应的碳消耗预测数据库,所述至少一个突发事件包括所述第一突发事件。
采用上述设计,分支节点可以根据第一突发事件对应的碳消耗预测数据库,较为简便地确定对应的碳消耗预测信息。
在一种可能的设计中,在所述分支节点根据所述第一突发事件对应的碳消耗预测数据库,确定所述第一突发事件对应的碳消耗预测信息时,所述分支节点根据所述第一突发事件对应的碳消耗预测数据库、所述分支节点的设备类型,第一时间,确定所述第一突发事件对应的碳消耗预测信息,所述第一时间为所述分支节点确定的所述第一突发事件的发生时间。
采用上述设计,分支节点可以根据第一突发事件对应的碳消耗预测数据库,分支节点的设备类型,第一时间,较为简便地确定对应的碳消耗预测信息。
在一种可能的设计中,所述分支节点发送用于指示所述第一时间的信息和/或所述分支节点的设备类型。
在一种可能的设计中,所述至少一个突发事件中的每个突发事件对应的碳消耗预测数据库是根据与该突发事件关联的历史数据确定的。
在一种可能的设计中,还包括:在所述分支节点确定所述第一突发事件对应的碳消耗预测信息之后,所述分支节点从非突发运行状态切换至所述第一突发事件对应的突发运行状态。
在一种可能的设计中,还包括:所述第一突发事件包括但不限于以下事件中的任意一个:火灾,地震,***,碳能源泄露,恐怖袭击,碳能源供应中断,碳能源盗窃,***重大故障。
在一种可能的设计中,还包括:所述分支节点确定所述第一突发事件已解除;所述分支节点发送通知信息,所述通知信息指示所述第一突发事件已解除。
第二方面,本申请提供一种通信装置,所述装置为分支节点或具有分支节点的功能的装置,该装置包括:处理单元和收发单元;所述处理单元,用于确定发生第一突发事件;确定所述第一突发事件对应的碳消耗预测信息;所述收发单元,用于发送所述第一突发事件对应的碳消耗预测信息。
在一种可能的设计中,在确定所述第一突发事件对应的碳消耗预测信息时,所述处理单元,用于根据所述第一突发事件对应的碳消耗预测数据库,确定所述第一突发事件对应的碳消耗预测信息,其中,所述分支节点存储至少一个突发事件分别对应的碳消耗预测数据库,所述至少一个突发事件包括所述第一突发事件。
在一种可能的设计中,在根据所述第一突发事件对应的碳消耗预测数据库,确定所述第一突发事件对应的碳消耗预测信息时,所述处理单元,用于根据所述第一突发事件对应的碳消耗预测数据库、所述分支节点的设备类型,第一时间,确定所述第一突发事件对应的碳消耗预测信息,所述第一时间为所述分支节点确定的所述第一突发事件的发生时间。
在一种可能的设计中,所述分支节点发送用于指示所述第一时间的信息和/或所述分支节点的设备类型。
在一种可能的设计中,所述至少一个突发事件中的每个突发事件对应的碳消耗预测数据库是根据与该突发事件关联的历史数据确定的。
在一种可能的设计中,还包括:在确定所述第一突发事件对应的碳消耗预测信息之后,所述处理单元,用于从非突发运行状态切换至所述第一突发事件对应的突发运行状态。
在一种可能的设计中,还包括:所述第一突发事件包括但不限于以下事件中的任意一个:火灾,地震,***,碳能源泄露,恐怖袭击,碳能源供应中断,碳能源盗窃,***重大故障。
在一种可能的设计中,还包括:所述处理单元,用于确定所述第一突发事件已解除;所述收发单元,用于发送通知信息,所述通知信息指示所述第一突发事件已解除。
第三方面,本申请还提供一种装置。该装置可以执行上述方法设计。该装置可以是能够执行上述方法对应的功能的芯片或电路,或者是包括该芯片或电路的设备。
在一种可能的实现方式中,该装置包括:存储器,用于存储计算机可执行程序代码;以及处理器,处理器与存储器耦合。其中存储器所存储的程序代码包括指令,当处理器执行所述指令时,使该装置或者安装有该装置的设备执行上述任意一种可能的设计中的方法。
其中,该装置还可以包括通信接口,该通信接口可以是收发器,或者,如果该装置为芯片或电路,则通信接口可以是该芯片的输入/输出接口,例如输入/输出管脚等。
在一种可能的设计中,该装置包括相应的功能单元,分别用于实现以上方法中的步骤。功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的单元。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,当所述计算机程序在装置上运行时,执行上述任意一种可能的设计中的方法。
第五方面,本申请提供一种计算机程序产品,所述计算机程序产品包括计算机程序,当所述计算机程序在装置上运行时,执行上述任意一种可能的设计中的方法。
第六方面,本申请提供一种通信***,所述***包括至少一分支节点和至少一个中心节点,其中,所述分支节点用于执行上述第一方面中的任意一种可能的设计中的方法。
另外,第二方面至第六方面中任一种实现方式所带来的技术效果可参见第一方面至第二方面中不同实现方式所带来的技术效果,此处不再赘述。
附图说明
图1为本发明实施例提供的一种通信***结构示意图之一;
图2为本发明实施例提供的一种通信***结构示意图之二;
图3为本发明实施例提供的一种通信方法的概述流程图;
图4为本发明实施例提供的一种通信装置的结构示意图之一;
图5为本发明实施例提供的一种通信装置的结构示意图之二。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案,并不构成对于本发明实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本发明实施例提供的技术方案对于类似的技术问题,同样适用。其中,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
以下对本申请实施例涉及的技术概念进行说明:
1、碳中和(carbon neutrality):
节能减排术语,是指企业、团体或个人测算在一定时间内,直接或间接产生的温室气体排放总量,通过植树造林、节能减排等形式,抵消自身产生的二氧化碳排放,实现二氧化碳的零排放。
碳达峰
节能减排术语,是指碳排放进入平台期后,进入平稳下降阶段。
2、能源预测:
预测未来一段时间能源消耗的情况,具体可以包括功率和消耗总量等。
3、蜂窝网络(cellular network)又称移动网络(mobile network)
是一种移动通信硬件架构,分为模拟蜂窝网络和数字蜂窝网络。由于构成网络覆盖的各通信基地台的信号覆盖呈六边形,从而使整个网络像一个蜂窝而得名。常见的蜂窝网络类型有:全球移动通信***(global system for mobile communications,GSM)网络、码分多址(code division multiple access,CDMA)网络、第三代移动通信技术(3rd-Generation,3G)网络、频分多址(frequency division multiple access,FDMA)、时分多址(time division multiple access,TDMA)、个人数字蜂窝(personal digital cellular,PDC)、全入网通信***技术(total access communications system,TACS)、高级移动电话***(advanced mobile phone system,AMPS)、***移动通信技术(4th-Generation,4G)网络、第五代移动通信技术(5th-Generation,5G)网络等。
蜂窝网络的组成主要有以下三部分:移动站,基站子***,网络子***。移动站就是我们的网络终端设备,比如手机或者一些蜂窝工控设备 。基站子***包括我们日常见到的移动基站(大铁塔)、无线收发设备、专用网络(一般是光纤)、无数的数字设备等。我们可以把基站子***看作是无线网络与有线网络之间的转换器。
4、无线局域网
是指应用无线通信技术将计算机设备互联起来,构成可以互相通信和实现资源共享的网络体系。无线局域网本质的特点是不再使用通信电缆将计算机与网络连接起来,而是通过无线的方式连接,从而使网络的构建和终端的移动更加灵活。常见的无线局域网类型有:无线通信技术(WiFi)等。
它是一种相当便利的数据传输***,它利用射频(radio frequency,RF)的技术,使用电磁波,取代旧式碍手碍脚的双绞铜线(coaxial)所构成的局域网络,在空中进行通信连接,使得无线局域网络能利用简单的存取架构让用户透过它,达到“信息随身化、便利走天下”的理想境界。
无线局域网(wireless local area network,WLAN)起步于1997年。当年的6月,第一个无线局域网标准电气与电子工程师协会(institute of electrical andelectronics engineers,IEEE)802. 11正式颁布实施,为无线局域网技术提供了统一标准,但当时的传输速率只有1~2 Mbit/s。随后,IEEE又开始制定新的WLAN标准,分别取名为IEEE802.11a和IEEE802. 11b。IEEE802 llb标准首先于1999年9月正式颁布,其速率为11Mbit/s。经过改进的IEEE802.11a标准,在2001年年底才正式颁布,它的传输速率可达到54Mbit/s,几乎是IEEE802.llb标准的5倍。尽管如此,WLAN的应用并未真正开始,因为整个WLAN应用环境并不成熟。
WLAN的真正发展是从2003年3月因特尔(Intel)第一次推出带有WLAN无线网卡芯片模块的迅驰处理器开始的。尽管当时的无线网络环境还非常不成熟,最为发达的美国也不例外。但是由于Intel的捆绑销售,加上迅驰芯片的高性能、低功耗等非常明显的优点,使得许多无线网络服务商看到了商机,同时11 Mbit/s的接入速率在一般的小型局域网也可进行一些日常应用,于是各国的无线网络服务商开始在公共场所(如机场、宾馆、咖啡厅等)提供访问热点,实际上就是布置一些无线访问点(access point,AP),方便移动商务人士无线上网。
经过了两年多的发展,基于IEEE802. llb标准的无线网络产品和应用已相当成熟,但毕竟11 Mbit/s的接入速率还远远不能满足实际网络的应用需求。
在2003年6月,经过两年多的开发和多次改进,一种兼容原来的IEEE802. llb标准,同时也可提供54 Mbit/s接入速率的新标准IEEE802. 11g在IEEE的努力下正式发布了。
目前使用最多的是802. 11n(***)和802. 11ac(第五代)标准,它们既可以工作在2.4 GHz频段也可以工作在5 GHz频段上,传输速率可达600 Mbit/s(理论值)。但严格来说只有支持802.11ac的才是真正5G,现来在说支持2.4 G和5G双频的路由器其实很多都是只支持***无线标准,也就是802.11n的双频,而真正支持ac5 G的路由最便宜的都要四五百元甚至上千元。
5、互联网通信协议第四版(internet protocol version 4,IPv4)
网际协议开发过程中的第四个修订版本,也是此协议第一个被广泛部署的版本。IPv4是互联网的核心,也是使用最广泛的网际协议版本。IPv4是一种无连接的协议,操作在使用分组交换的链路层(如以太网)上。此协议会尽最大努力交付数据包,即它不保证任何数据包均能送达目的地,也不保证所有数据包均按照正确的顺序无重复地到达。
6、互联网通信协议第六版(internet protocol version 6,IPv6)
是互联网工程任务组(the internet engineering task force,IETF)设计的用于替代IPv4的下一代IP协议,其地址数量号称可以为全世界的每一粒沙子编上一个地址。
7、人工智能(artificial intelligence,AI)
是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用***的一门新的技术科学。
该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家***等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。
人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等。总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。
AI处理器也被称为AI加速器或计算卡,即深度学习处理器,是指专门用于处理人工智能应用中的大量计算任务的模块(其他非计算任务仍由CPU负责)。AI的许多数据处理涉及矩阵乘法和加法。大量并行工作的GPU提供了一种廉价的方法,但缺点是更高的功率。具有内置数字信号处理(digital signal process,DSP)模块和本地存储器的现场可编程逻辑门阵列(field programmable gate array,FPGA)更节能,但它们通常更昂贵。AI处理器,通俗讲就是指通过深度神经网络,模拟人脑的机制来学习、判断、决策。
8、机器学习
机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心,是使计算机具有智能的根本途径。
机器学习有下面几种定义:
(1)机器学习是一门人工智能的科学,该领域的主要研究对象是人工智能,特别是如何在经验学习中改善具体算法的性能。
(2)机器学习是对能通过经验自动改进的计算机算法的研究。
(3)机器学习是用数据或以往的经验,以此优化计算机程序的性能标准。
9、深度学习
深度学习是指多层的人工神经网络和训练它的方法。
深度学习(deep learning,DL)是机器学习(machine learning,ML)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能。
深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术。
深度学习在搜索技术,数据挖掘,机器学习,机器翻译,自然语言处理,多媒体学习,语音,推荐和个性化技术,以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动,解决了很多复杂的模式识别难题,使得人工智能相关技术取得了很大进步。
深度学习是一类模式分析方法的统称,就具体研究内容而言,主要涉及三类方法:
(1)基于卷积运算的神经网络***,即卷积神经网络(convolutional neuralnetworks,CNN)。
(2)基于多层神经元的自编码神经网络,包括自编码(auto encoder)以及近年来受到广泛关注的稀疏编码两类(sparse coding)。
(3)以多层自编码神经网络的方式进行预训练,进而结合鉴别信息进一步优化神经网络权值的深度置信网络(deep belief networks,DBN)。
通过多层处理,逐渐将初始的“低层”特征表示转化为“高层”特征表示后,用“简单模型”即可完成复杂的分类等学习任务。由此可将深度学习理解为进行“特征学习”(feature learning)或“表示学习”(representation learning)。
以往在机器学习用于现实任务时,描述样本的特征通常需由人类专家来设计,这成为“特征工程”(feature engineering)。众所周知,特征的好坏对泛化性能有至关重要的影响,人类专家设计出好特征也并非易事;特征学习(表征学习)则通过机器学习技术自身来产生好特征,这使机器学习向“全自动数据分析”又前进了一步。
近年来,研究人员也逐渐将这几类方法结合起来,如对原本是以有监督学习为基础的卷积神经网络结合自编码神经网络进行无监督的预训练,进而利用鉴别信息微调网络参数形成的卷积深度置信网络。与传统的学习方法相比,深度学习方法预设了更多的模型参数,因此模型训练难度更大,根据统计学习的一般规律知道,模型参数越多,需要参与训练的数据量也越大。
由于计算机计算能力有限和相关技术的限制,可用于分析的数据量太小,深度学习在模式分析中并没有表现出优异的识别性能。自从2006年,Hinton等提出快速计算受限玻耳兹曼机(restricted Boltzmann machine,RBM)网络权值及偏差的CD-K算法以后,RBM就成了增加神经网络深度的有力工具,导致后面使用广泛的DBN(由 Hinton等开发并已被微软等公司用于语音识别中)等深度网络的出现。与此同时,稀疏编码等由于能自动从数据中提取特征也被应用于深度学习中。基于局部数据区域的卷积神经网络方法今年来也被大量研究。
10、中央处理器(central processing unit,CPU)
作为计算机***的运算和控制核心,是信息处理、程序运行的最终执行单元。
冯诺依曼体系结构是现代计算机的基础。在该体系结构下,程序和数据统一存储,指令和数据需要从同一存储空间存取,经由同一总线传输,无法重叠执行。根据冯诺依曼体系,CPU的工作分为以下5个阶段:取指令阶段、指令译码阶段、执行指令阶段、访存取数和结果写回。
中央处理器是电子计算机的主要设备之一,电脑中的核心配件。其功能主要是解释计算机指令以及处理计算机软件中的数据。CPU是计算机中负责读取指令,对指令译码并执行指令的核心部件。中央处理器主要包括两个部分,即控制器、运算器,其中还包括高速缓冲存储器及实现它们之间联系的数据、控制的总线。电子计算机三大核心部件就是CPU、内部存储器、输入/输出设备。中央处理器的功效主要为处理指令、执行操作、控制时间、处理数据。在计算机体系结构中,CPU是对计算机的所有硬件资源(如存储器、输入输出单元)进行控制调配、执行通用运算的核心硬件单元。CPU是计算机的运算和控制核心。计算机***中所有软件层的操作,最终都将通过指令集映射为CPU的操作。
11、图形处理器(graphics processing unit,GPU)
又称显示核心、视觉处理器、显示芯片,是一种专门在个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上做图像和图形相关运算工作的微处理器。
GPU使显卡减少了对CPU的依赖,并进行部分原本CPU的工作,尤其是在3D图形处理时GPU所采用的核心技术有硬件几何转换和光照处理(transforming & lighting,T&L)、立方环境材质贴图和顶点混合、纹理压缩和凹凸映射贴图、双重纹理四像素256位渲染引擎等,而硬件T&L技术可以说是GPU的标志。
12、神经网络处理器(neural-network processing unit,NPU)
是一种专门在设备上做人工神经网络相关运算工作的微处理器。
13、***集成(system integration)
通常是指将软件、硬件与通信技术组合起来为用户解决信息处理问题的业务,集成的各个分离部分原本就是一个个独立的***,集成后的整体的各部分之间能彼此有机地和协调地工作,以发挥整体效益,达到整体优化的目的。
***集成作为一种新兴的服务方式,是近年来国际信息服务业中发展势头最猛的一个行业。***集成的本质就是最优化的综合统筹设计,一个大型的综合计算机网络***,***集成包括计算机软件、硬件、操作***技术、数据库技术、网络通讯技术等的集成,以及不同厂家产品选型,搭配的集成,***集成所要达到的目标为整体性能最优,即所有部件和成分合在一起后不但能工作,而且全***是低成本的、高效率的、性能匀称的、可扩充性和可维护的***,为了达到此目标,***集成商的优劣是至关重要的。
每一个***集成厂商对***集成的概念都有自己的理解,虽然侧重点不同,但本质上是相同的,都是按照用户的需求,对众多的技术和产品合理地选择最佳配置的各种软件和硬件产品与资源,形成完整的、能够解决客户具体应用需求的集成方案,使***的整体性能最优,在技术上具有先进性,在实现上具有可行性,在使用上具有灵活性,在发展上具有可扩展性,在投资上具有受益性。***集成已经成为提供整体解决方案、提供整套设备、提供全方位服务的代名词。
所谓***集成,就是在纵向持续深化、横向不断整合的基础上,为客户在产品级上提供个技术标准匹配、技术接口完整、技术装备合理、工程造价经济的解决方案,所形成的***应是先进的、开放的、资源共享的。
广义上讲,***集成包括人员的集成、组织机构的集成、设备的集成、***软件的集成、应用软件的集成和管理方法的集成等多方面的工作。狭义上讲,***集成就是***平台的集成。***集成应用功能集成、网络集成、软件界面集成等多种集成技术。***集成实现的关键在于解决***之间的互联和互操作性问题,它是一个多厂商、多协议和面向各种应用的体系结构。这需要解决各类设备、子***间的接口、协议、***平台、应用软件等与子***、建筑环境施工配合、组织管理和人员配备相关的一切面向集成的问题。
本发明实施例提供一种通信***,该***包括至少一个中心节点和至少一个分支节点。其中,中心节点和分支节点之间通过有线网络和或无线网络连接。所述***还可以包括数据中心,数据中心与中心节点之间通过有线网络和或无线网络连接。
示例性地,中心节点和分支节点之间的连接方式可以为自定义规范的组网方式,也可以为标准化网络,例如,IPv4,IPv6,蜂窝网络(5G、4G、3G、2G等)、无线局域网(WiFi等)。
例如,如图1所示的***包括数据中心,中心节点和分支节点。其中,中心节点2下设3个分支节点,可以理解的是,其他中心节点也下设多个分支节点,图1中未画出。需要说明的是,图1仅为举例,不作为本申请的限定,本申请不限定中心节点和分支节点的数量,一般地,数据中心可以针对每个预设区域设置一个或多个,具体区域范围本申请对此不作限定。
在一种可能的应用场景中,数据中心可以包括大型计算机设备,例如包括多台服务器,中心节点可以部署于家用电表内,例如,中心节点可以以一个芯片的形式内置于家用电表,或者作为一个独立设备能够与家用电表进行通信,分支节点可以部署于各个家庭用电设备,例如电脑,电视机或洗衣机等,例如,分支节点可以以一个芯片的形式内置于家庭用电设备。
在一种可能的应用场景中,数据中心可以包括大型计算机设备,例如包括多台服务器,中心节点可以部署于一个企业用于记录碳消耗的设备内,分支节点可以部署于该企业的各种生产工具。
此外,分支节点还可以下设多级子分支节点,如图2所示,此时的分支节点可以用于实现中心节点的功能。
在***供电之后,完成***内各个设备之间的联网,数据中心、中心节点和分支节点进入运行状态。
为了解决在发生突发事件时如何了解用户的碳消耗需求的问题,本申请实施例提供一种通信方法,如图3所示。可以理解的是,下文示出的实施例并未对本申请实施例提供的方法的执行主体的具体结构特别限定,只要能够通过运行记录有本申请实施例的提供的方法的代码的程序,以根据本申请实施例提供的方法进行通信即可,例如,执行主体可以为分支节点或分支节点中能够调用程序并执行程序的功能模块,或者执行主体可以为中心节点或中心节点中能够调用程序并执行程序的功能模块。下文中仅以分支节点或中心节点为例进行说明。
如图3所示,该方法包括:
步骤300:分支节点确定发生第一突发事件。
示例性地,分支节点可以增加一个突发事件监测模块,该突发事件监测模块用于检测分支节点经历的突发事件;或者,分支节点还可以从其他设备接收突发事件告知信息,分支节点根据接收到的突发事件告知信息确定发生第一突发事件。
其中,第一突发事件包括但不限于以下事件中的任意一个:火灾,地震,***,碳能源泄露(如漏电,漏气),恐怖袭击,碳能源供应中断(如大范围停电),碳能源盗窃,***重大故障。
可以理解的是,上述事件仅为举例,还可以包括其他事件。
步骤310:分支节点确定第一突发事件对应的碳消耗预测信息。
在一种可能的实现方式中,分支节点根据第一突发事件对应的碳消耗预测数据库,确定第一突发事件对应的碳消耗预测信息,第一突发事件对应的碳消耗预测信息具体可以包括但不限于以下的内容的部分或全部:第一突发事件下未来某一时刻的碳消耗功率,第一突发事件下未来一段时间内的碳消耗量,其中,分支节点存储至少一个突发事件分别对应的碳消耗预测数据库,这里的至少一个突发事件包括第一突发事件。
其中,至少一个突发事件中的每个突发事件对应的碳消耗预测数据库是根据与该突发事件关联的历史数据确定的。每个突发事件对应的碳消耗预测数据库可以采用深度学习(例如CNN,深度神经网络(deep neural networks,DNN))等方法确定,本申请对每个突发事件对应的碳消耗预测数据库的具体确定方式不作限定。例如,第一突发事件为火灾,将过去一段时间(例如3年)内发生火灾时收集的大量分支节点分别对应的碳消耗功率或预设时间段内的碳消耗量作为与火灾关联的历史数据,然后采用CNN模型确定火灾对应的碳消耗预测数据库。
示例性地,分支节点根据第一突发事件对应的碳消耗预测数据库、分支节点的设备类型,第一时间,确定第一突发事件对应的碳消耗预测信息,第一时间为分支节点确定的第一突发事件的发生时间。
可以理解的是,针对不同突发事件,碳消耗预测数据库一般不同。例如,第一突发事件为火灾,第二突发事件为地震,火灾对应的碳消耗预测数据库与地震对应的碳消耗预测数据库不同。且突发事件预测数据库与常规预测数据库也不相同,每个数据库各自维护且执行不同的进入模式判断。
针对同一个突发事件,对于不同设备类型的分支节点的碳消耗预测信息一般不同。例如,第一分支节点的设备类型为电脑,第二分支节点的设备类型为电冰箱,电脑的碳消耗预测信息与电冰箱的碳消耗预测信息一般不同。
针对同一个突发事件,对于同一个分支节点在不同的时间段的碳消耗预测信息可能也不同。例如,分支节点的设备类型为电脑,在凌晨5:00至6:00电脑的碳消耗预测信息,与在上午10:00至11:00电脑的碳消耗预测信息,一般也不相同。其中,凌晨5:00至6:00电脑可能处于关机状态,而上午10:00至11:00电脑可能处于开机状态。
此外,分支节点还发送用于指示第一时间的信息和/或分支节点的设备类型。
进一步地,在分支节点确定第一突发事件对应的碳消耗预测信息之后,分支节点从非突发运行状态切换至第一突发事件对应的突发运行状态。
示例性地,分支节点在未确定发生第一突发事件,且未发生其他突发事件,处于非突发运行状态,或者又可描述为正常工作状态或,正常运行状态。此时,分支节点可以将自身的历史数据记录在常规数据库中。而当分支节点确定发生第一突发事件时,分支节点可以将在第一突发事件之后的收集的历史数据存储在第一突发事件对应的数据库中,例如,第一突发事件对应的碳消耗预测数据库。
其中,第一突发事件对应的碳消耗预测数据库是独立于常规数据库之外的一套统计预测***,在非突发运行状态下可以不读取不写入,作为备用文件存于***之中即可。
步骤320:分支节点发送第一突发事件对应的碳消耗预测信息。
其中,分支节点可以向中心节点或其他分支节点发送第一突发事件对应的碳消耗预测信息。
此外,若分支节点确定第一突发事件已解除,分支节点发送通知信息,通知信息指示第一突发事件已解除。例如,分支节点可以向中心节点发送通知信息。
示例性地,分支节点可以通过新增的突发事件监测模块确定第一突发事件已解除;或者,分支节点还可以从其他设备接收突发事件解除信息,分支节点根据接收到的突发事件解除信息确定第一突发事件已解除。进一步地,在分支节点从第一突发事件对应的突发运行状态切换至非突发运行状态。
采用上述方式,中心节点可以将各个分支节点上报的碳消耗预测信息,作为智能调度分时分段的参考数据。
图4示出了本申请实施例中所涉及的一种装置的可能的示例性框图,该装置400包括:收发单元410和处理单元420,收发单元410可以包括接收单元和发送单元。处理单元420用于对装置400的动作进行控制管理。收发单元410用于支持装置400与其他网络实体的通信。可选地,装置400还可以包括存储单元,所述存储单元用于存储装置400的程序代码和数据。
可选地,所述装置400中各个单元可以是通过软件来实现。
可选地,处理单元420可以是处理器或控制器,例如可以是通用中央处理器(central processing unit,CPU),通用处理器,数字信号处理(digital signalprocessing,DSP),专用集成电路(application specific integrated circuits,ASIC),现场可编程门阵列(field programmable gate array,FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请实施例公开内容所描述的各种示例性的逻辑方框,单元和电路。所述处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等等。收发单元410可以是通信接口、收发器或收发电路等,其中,该通信接口是统称,在具体实现中,该通信接口可以包括多个接口,存储单元可以是存储器。
当装置400为分支节点或分支节点中的芯片时,装置400中的处理单元420可以支持装置400执行上文中各方法示例中分支节点的动作,例如,处理单元420可以支持装置400执行图3中的步骤300和步骤310。
收发单元410可以支持装置400与中心节点或其他分支节点之间的通信,例如,收发单元410可以支持装置400执行图3中的步骤320。
在一种实现方式中,所述处理单元420,用于确定发生第一突发事件;确定所述第一突发事件对应的碳消耗预测信息;所述收发单元410,用于发送所述第一突发事件对应的碳消耗预测信息。
应理解,根据本申请实施例的装置400可对应于前述方法实施例中分支节点,并且装置400中的各个单元的操作和/或功能分别为了实现前述方法实施例中分支节点的方法的相应步骤,因此也可以实现前述方法实施例中的有益效果,为了简洁,这里不作赘述。
图5示出了根据本申请实施例的通信装置500的示意性结构图。如图5所示,所述装置500包括:处理器501。
当装置500为分支节点或分支节点中的芯片时,一种可能的实现方式中,当所述处理器501用于调用接口执行以下动作:
确定发生第一突发事件;确定所述第一突发事件对应的碳消耗预测信息;发送所述第一突发事件对应的碳消耗预测信息。
应理解,所述装置500还可用于执行前文实施例中分支节点侧的其他步骤和/或操作,为了简洁,这里不作赘述。
应理解,所述处理器501可以调用接口执行上述收发动作,其中,调用的接口可以是逻辑接口或物理接口,对此不作限定。可选地,物理接口可以通过收发器实现。可选地,所述装置500还包括收发器503。
可选地,所述装置500还包括存储器502,存储器502中可以存储上述方法实施例中的程序代码,以便于处理器501调用。
具体地,若所述装置500包括处理器501、存储器502和收发器503,则处理器501、存储器502和收发器503之间通过内部连接通路互相通信,传递控制和/或数据信号。在一个可能的设计中,处理器501、存储器502和收发器503可以通过芯片实现,处理器501、存储器502和收发器503可以是在同一个芯片中实现,也可能分别在不同的芯片实现,或者其中任意两个功能组合在一个芯片中实现。该存储器502可以存储程序代码,处理器501调用存储器502存储的程序代码,以实现装置500的相应功能。
上述本申请实施例揭示的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(digital signal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现成可编程门阵列(fieldprogrammable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,还可以是***芯片(system on chip,SoC),还可以是中央处理器(centralprocessor unit,CPU),还可以是网络处理器(network processor,NP),还可以是数字信号处理电路(digital signal processor,DSP),还可以是微控制器(micro controllerunit,MCU),还可以是可编程控制器(programmable logic device,PLD)或其他集成芯片。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
可以理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rateSDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(directrambus RAM,DR RAM)。应注意,本文描述的***和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
应理解,在本申请实施例中,编号“第一”、“第二”…仅仅为了区分不同的对象,比如为了区分不同的参数信息或者消息,并不对本申请实施例的范围构成限制,本申请实施例并不限于此。
还应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定。上述各个过程涉及的各种数字编号或序号仅为描述方便进行的区分,而不应对本申请实施例的实施过程构成任何限定。
还应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本申请中出现的类似于“项目包括如下中的一项或多项:A,B,以及C”表述的含义,如无特别说明,通常是指该项目可以为如下中任一个:A;B;C;A和B;A和C;B和C;A,B和C;A和A;A,A和A;A,A和B;A,A和C,A,B和B;A,C和C;B和B,B,B和B,B,B和C,C和C;C,C和C,以及其他A,B和C的组合。以上是以A,B和C共3个元素进行举例来说明该项目的可选用条目,当表达为“项目包括如下中至少一种:A,B,……,以及X”时,即表达中具有更多元素时,那么该项目可以适用的条目也可以按照前述规则获得。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (11)
1.一种通信方法,其特征在于,包括:
分支节点确定发生第一突发事件;
所述分支节点确定所述第一突发事件对应的碳消耗预测信息;
所述分支节点发送所述第一突发事件对应的碳消耗预测信息。
2.如权利要求1所述的方法,其特征在于,所述分支节点确定所述第一突发事件对应的碳消耗预测信息,包括:
所述分支节点根据所述第一突发事件对应的碳消耗预测数据库,确定所述第一突发事件对应的碳消耗预测信息,其中,所述分支节点存储至少一个突发事件分别对应的碳消耗预测数据库,所述至少一个突发事件包括所述第一突发事件。
3.如权利要求2所述的方法,其特征在于,所述分支节点根据所述第一突发事件对应的碳消耗预测数据库,确定所述第一突发事件对应的碳消耗预测信息,包括:
所述分支节点根据所述第一突发事件对应的碳消耗预测数据库、所述分支节点的设备类型,第一时间,确定所述第一突发事件对应的碳消耗预测信息,所述第一时间为所述分支节点确定的所述第一突发事件的发生时间。
4.如权利要求3所述的方法,其特征在于,还包括:
所述分支节点发送用于指示所述第一时间的信息和/或所述分支节点的设备类型。
5.如权利要求2-4任一项所述的方法,其特征在于,所述至少一个突发事件中的每个突发事件对应的碳消耗预测数据库是根据与该突发事件关联的历史数据确定的。
6.如权利要求1所述的方法,其特征在于,还包括:
在所述分支节点确定所述第一突发事件对应的碳消耗预测信息之后,所述分支节点从非突发运行状态切换至所述第一突发事件对应的突发运行状态。
7.如权利要求1所述的方法,其特征在于,还包括:
所述第一突发事件包括但不限于以下事件中的任意一个:火灾,地震,***,碳能源泄露,恐怖袭击,碳能源供应中断,碳能源盗窃,***重大故障。
8.如权利要求1所述的方法,其特征在于,还包括:
所述分支节点确定所述第一突发事件已解除;
所述分支节点发送通知信息,所述通知信息指示所述第一突发事件已解除。
9.一种通信装置,其特征在于,包括:至少一个处理器,所述至少一个处理器用于执行存储器中的计算机程序或指令,当所述计算机程序或指令被执行时,实现如权利要求1~8任一项所述的方法。
10.一种通信***,其特征在于,包括:所述***包括至少一个分支节点、至少一个中心节点以及数据中心;所述中心节点和所述分支节点之间通过有线网络和或无线网络连接;其中,所述分支节点用于执行权利要求1~8中任一项所述的方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行权利要求1~8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210096977.2A CN114124730A (zh) | 2022-01-27 | 2022-01-27 | 一种通信方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210096977.2A CN114124730A (zh) | 2022-01-27 | 2022-01-27 | 一种通信方法、装置及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114124730A true CN114124730A (zh) | 2022-03-01 |
Family
ID=80361282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210096977.2A Pending CN114124730A (zh) | 2022-01-27 | 2022-01-27 | 一种通信方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114124730A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017042783A1 (en) * | 2016-07-20 | 2017-03-16 | Universidad Tecnológica De Panamá | System for controlling the electrical energy for a group of buildings |
CN107038297A (zh) * | 2017-04-07 | 2017-08-11 | 山东大学 | 全球能源互联网运行特性仿真的自适应变步长积分方法 |
CN109359829A (zh) * | 2018-09-26 | 2019-02-19 | 全球能源互联网研究院有限公司 | 基于历史大数据的电力突发事件辅助决策方法及*** |
US20190347577A1 (en) * | 2018-05-10 | 2019-11-14 | International Business Machines Corporation | Localizing energy consumption anomalies in buildings |
US20200182653A1 (en) * | 2017-04-28 | 2020-06-11 | Gb Gas Holdings Limited | Method and system for detecting anomalies in energy consumption |
CN111445060A (zh) * | 2020-03-06 | 2020-07-24 | 华南理工大学珠海现代产业创新研究院 | 一种社区碳排放监测和预测***及方法 |
CN112327730A (zh) * | 2017-03-14 | 2021-02-05 | 安徽德诺科技股份公司 | 楼宇能耗监控和管理的***、方法和装置 |
CN112488898A (zh) * | 2020-12-18 | 2021-03-12 | 山东盛帆蓝海电气有限公司 | 一种基于楼宇智能管控的突发事件处理***及方法 |
US10983496B1 (en) * | 2020-10-13 | 2021-04-20 | King Abdulaziz University | Apparatus and method for non-intrusive load monitoring aided hybrid high and low frequency approaches |
CN113505935A (zh) * | 2021-07-26 | 2021-10-15 | 上海东方低碳科技产业股份有限公司 | 基于集成算法的电力异常波动检测和预测计算方法 |
CN113554361A (zh) * | 2021-09-22 | 2021-10-26 | 广东电网有限责任公司东莞供电局 | 一种综合能源***数据处理计算方法及处理*** |
CN113888132A (zh) * | 2021-10-11 | 2022-01-04 | 国网综合能源服务集团有限公司 | 一种大型工业企业的能源管理*** |
CN113962468A (zh) * | 2021-10-29 | 2022-01-21 | 杭州青橄榄网络技术有限公司 | 基于用能监控统计能源消耗碳排放管理方法及*** |
-
2022
- 2022-01-27 CN CN202210096977.2A patent/CN114124730A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017042783A1 (en) * | 2016-07-20 | 2017-03-16 | Universidad Tecnológica De Panamá | System for controlling the electrical energy for a group of buildings |
CN112327730A (zh) * | 2017-03-14 | 2021-02-05 | 安徽德诺科技股份公司 | 楼宇能耗监控和管理的***、方法和装置 |
CN107038297A (zh) * | 2017-04-07 | 2017-08-11 | 山东大学 | 全球能源互联网运行特性仿真的自适应变步长积分方法 |
US20200182653A1 (en) * | 2017-04-28 | 2020-06-11 | Gb Gas Holdings Limited | Method and system for detecting anomalies in energy consumption |
US20190347577A1 (en) * | 2018-05-10 | 2019-11-14 | International Business Machines Corporation | Localizing energy consumption anomalies in buildings |
CN109359829A (zh) * | 2018-09-26 | 2019-02-19 | 全球能源互联网研究院有限公司 | 基于历史大数据的电力突发事件辅助决策方法及*** |
CN111445060A (zh) * | 2020-03-06 | 2020-07-24 | 华南理工大学珠海现代产业创新研究院 | 一种社区碳排放监测和预测***及方法 |
US10983496B1 (en) * | 2020-10-13 | 2021-04-20 | King Abdulaziz University | Apparatus and method for non-intrusive load monitoring aided hybrid high and low frequency approaches |
CN112488898A (zh) * | 2020-12-18 | 2021-03-12 | 山东盛帆蓝海电气有限公司 | 一种基于楼宇智能管控的突发事件处理***及方法 |
CN113505935A (zh) * | 2021-07-26 | 2021-10-15 | 上海东方低碳科技产业股份有限公司 | 基于集成算法的电力异常波动检测和预测计算方法 |
CN113554361A (zh) * | 2021-09-22 | 2021-10-26 | 广东电网有限责任公司东莞供电局 | 一种综合能源***数据处理计算方法及处理*** |
CN113888132A (zh) * | 2021-10-11 | 2022-01-04 | 国网综合能源服务集团有限公司 | 一种大型工业企业的能源管理*** |
CN113962468A (zh) * | 2021-10-29 | 2022-01-21 | 杭州青橄榄网络技术有限公司 | 基于用能监控统计能源消耗碳排放管理方法及*** |
Non-Patent Citations (2)
Title |
---|
王磊等: "大型公共建筑能耗无线远程监测与节能管理***研究", 《建筑节能》 * |
陆应康等: "基于时序分解与CNN的车间能耗预测方法", 《计算机应用与软件》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Albreem et al. | Green Internet of Things (GIoT): Applications, practices, awareness, and challenges | |
Zhou et al. | Edge intelligence: Paving the last mile of artificial intelligence with edge computing | |
Tong et al. | A survey on algorithms for intelligent computing and smart city applications | |
Zhang et al. | An efficient deep learning model to predict cloud workload for industry informatics | |
Wang et al. | Research on power Internet of Things architecture for smart grid demand | |
Huang | Intelligent remote monitoring and manufacturing system of production line based on industrial Internet of Things | |
Rui et al. | Architecture design of the Internet of Things based on cloud computing | |
CN111178507B (zh) | 图谱卷积神经网络数据处理方法及装置 | |
Singh | Internet of things | |
CN115954933A (zh) | 电网数字孪生***构建方法、装置、电子设备和存储介质 | |
CN103999044B (zh) | 用于多遍渲染的技术 | |
Chen et al. | [Retracted] The Construction of a Smart City Energy Efficiency Management System Oriented to the Mobile Data Aggregation of the Internet of Things | |
CN109067871A (zh) | 一种电力泛在智能云架构 | |
CN108965404A (zh) | 云网健康服务***及方法 | |
CN116436791A (zh) | 工业互联网场景构建方法、***、设备及存储介质 | |
Hafi et al. | Split federated learning for 6G enabled-networks: Requirements, challenges and future directions | |
Guo et al. | Investigation of architecture, key technology and application strategy for the Internet of Things | |
Gao et al. | Construction of enterprise digital service and operation platform based on internet of things technology | |
CN114124730A (zh) | 一种通信方法、装置及*** | |
CN114124706B (zh) | 一种通信方法、装置及*** | |
Guan | Reliability Analysis of the Internet of Things Based on Ordered Binary Decision Diagram. | |
Zhu et al. | A Resource scheduling method for enterprise management based on artificial intelligence deep learning | |
Wang et al. | C3Meta: a context-aware cloud-edge-end collaboration framework toward green metaverse | |
CN111353674A (zh) | 企业智能体*** | |
Geng et al. | Multiscale layout and planning of smart gardens in the environment of Agricultural Internet of Things |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220301 |