CN116385207A - 面向海上风电监测的物联网信任度分析方法及相关装置 - Google Patents
面向海上风电监测的物联网信任度分析方法及相关装置 Download PDFInfo
- Publication number
- CN116385207A CN116385207A CN202310474499.9A CN202310474499A CN116385207A CN 116385207 A CN116385207 A CN 116385207A CN 202310474499 A CN202310474499 A CN 202310474499A CN 116385207 A CN116385207 A CN 116385207A
- Authority
- CN
- China
- Prior art keywords
- things
- internet
- offshore wind
- information
- electric power
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 98
- 238000004458 analytical method Methods 0.000 title claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 35
- 238000011156 evaluation Methods 0.000 claims abstract description 5
- 230000008901 benefit Effects 0.000 claims description 67
- 238000000034 method Methods 0.000 claims description 42
- 230000005540 biological transmission Effects 0.000 claims description 31
- 238000013500 data storage Methods 0.000 claims description 18
- 238000007619 statistical method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 5
- 238000007726 management method Methods 0.000 abstract description 6
- 238000005457 optimization Methods 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/30—Information sensed or collected by the things relating to resources, e.g. consumed power
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Remote Sensing (AREA)
- Probability & Statistics with Applications (AREA)
- Human Resources & Organizations (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Wind Motors (AREA)
Abstract
本申请公开了一种面向海上风电监测的物联网信任度分析方法及相关装置,采用面向海上风电监测的物联网信任度模糊概率计算方法,该方法的基本原理是,由于数据传输带宽、数据传输速率、传输时延而形成的信息充足和缺失,因此,利用信息充足量和缺失量来计算面向海上风电监测的物联网信任度,并评估信任度对海上风电运行、控制与管理优化的影响。为面向海上风电监测的物联网信任度评估提供理论指导,为基于物联网的海上风电运行、控制与管理优化提供必要的技术支撑。
Description
技术领域
本申请涉及电力技术领域,尤其涉及一种面向海上风电监测的物联网信任度分析方法及相关装置。
背景技术
5G的三大应用场景是对电力物联网中数据传输方案三大应用场景的进一步深化。国内外相关专家学者也按照5G的三大应用场景对电力物联网业务进行划分,并开展了相关的研究工作。
eMBB场景主要满足一些高带宽业务需求,是对数据采集类应用场景和业务信息传输场景的加强。目前,电力物联网在这方面的应用主要是电网大视频,包括了变电站机器人巡检、输电线路无人机在线监测、配电房视频监控、移动式现场施工作业管控及应急现场自组网综合应用等。已经有不少研究人员尝试应用5G技术在某些场景中做了实验,并取得了一定成果。
在信任度计算方面,有很多研究成果,比如:通过信任链的多次迭代计算出节点在全局范围内的信誉值,引入概率论的方法来解决信任问题,给出了一种基于Bayesian网的信任模型算法性能,在计算信任时考虑了算法的时间衰减和惩罚因子,提高了算法的准确性及抗策略攻击能力。信任是动态建立和发展的,其发展趋势具有一定的规律,同时相邻两次交易之间具有一定的相关性,已有算法没有很好地体现信任的时间相关性,上下文相关性和发展趋势,为了更好的描述信任的这些特性,在已有马氏链模型的基础上,引入稳态概率来描述信任的发展趋势,每次交易完成后动态更新转移矩阵来更准确的描述信任的上下文相关性,同时加入时间衰减因子和惩罚激励因子来提高算法的抗攻击能力。然而,对于面向海上风电监测的物联网信任度模糊概率计算方法现有技术仍鲜有研究。因此,亟需一种面向海上风电监测的物联网信任度模糊概率计算方法,来计算电力物联网的信任度,并评估信任度对海上风电运行、控制与管理优化的影响。
发明内容
本申请提供了一种面向海上风电监测的物联网信任度分析方法及相关装置,用于计算电力物联网的信任度,并评估信任度对海上风电运行、控制与管理优化的影响。
有鉴于此,本申请第一方面提供了一种面向海上风电监测的物联网信任度分析方法,所述方法包括:
根据海上风电机组输出功率与风速、空气密度、来风间歇性、风向、风量之间的特征关系,采用统计分析方法计算确定用户时段,海上风电机组输出功率误差与风速、空气密度、来风间歇性、风向、风量模糊不确定性关系的三维梯形模糊集;
在感知层,计算电力物联网在海上风电运行监测中提供数据采集而形成的第一信息收益值;在网络层,计算电力物联网向用户提供数据传输而形成的第二信息收益值;在网络层,计算电力物联网向用户提供数据存储和共享而形成的第三信息收益值;
基于所述三维梯形模糊集计算电力物联网在海上风电运行监测中的信息损失值;
根据所述第一信息收益值、所述第二信息收益值、所述第三信息收益值以及所述信息损失值,计算在海上风电运行监测的电力物联网中,电力物联网对所有用户信任度的平均值;
根据电力物联网对所有用户信任度的平均值,对电力物联网的信任度等级进行评估。
可选地,所述三维梯形模糊集表示为:
式中,为时段t与风速有关系的海上风电机组输出功率误差的三维梯形模糊集,为时段t与空气密度有关系的海上风电机组输出功率误差的三维梯形模糊集,/>为为时段t与来风间歇性有关系的海上风电机组输出功率误差的三维梯形模糊集,/>为时段t与风向有关系的海上风电机组输出功率误差的三维梯形模糊集,/>为时段t与风量有关系的海上风电机组输出功率误差的三维梯形模糊集。
可选地,所述计算电力物联网在海上风电运行监测中提供数据采集而形成的第一信息收益值,具体包括:
基于第一信息收益值计算公式,计算电力物联网在海上风电运行监测中提供数据采集而形成的第一信息收益值RW1;
其中,所述第一信息收益值计算公式为:
RW1=E[kMi(MS+MD+MU+MF+MV)];
式中,RW1为在海上风电运行监测中电力物联网向用户提供数据采集而形成的第一信息收益值;kMiMS为物联网在感知层为海上风电提供风速数据采集而形成的信息收益值,kMiMD为物联网在感知层为海上风电提供空气密度提供数据采集而形成的信息收益值,kMiMU为物联网在感知层为海上风电提供来风间歇性提供数据采集而形成的信息收益值,kMiMF为物联网在感知层为海上风电提供风向提供数据采集而形成的信息收益值,kMiMV为物联网在感知层为海上风电提供风量数据采集而形成的信息收益值,kMi为物联网在感知层为海上风电提供数据采集而给用户带来的单位信息收益值;E[]为对[]求期望值。
可选地,所述在网络层,计算电力物联网向用户提供数据传输而形成的第二信息收益值,具体包括:
基于第二信息收益值计算公式,计算电力物联网在海上风电运行监测中提供数据传输而形成的第二信息收益值RW2;
其中,所述第二信息收益值计算公式为:
RW2=E[kDvivDvi];
式中,RW2为在海上风电运行监测中电力物联网向用户提供数据传输而形成的第二信息收益值;kDvivDvi为向用户提供数据传输为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性速率而形成的信息收益值,kDvi为因电力物联网提供第i个速率的数据传输而给用户带来的单位收益值。
可选地,所述在网络层,计算电力物联网向用户提供数据存储和共享而形成的第三信息收益值,具体包括:
基于第三信息收益值计算公式,计算电力物联网在海上风电运行监测中提供数据存储和共享而形成的信息收益值RW3;
其中,所述第三信息收益值计算公式为:
RW3=E[kDSiSDi];
式中,RW3为在海上风电运行监测中电力物联网向用户提供数据存储和共享而形成的第三信息收益值;kDSiSDi为向用户提供数据存储共享为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性规模而形成的信息收益值,kDSi为因电力物联网提供第i个速率的数据存储共享而给用户带来的单位收益值。
可选地,所述基于所述三维梯形模糊集计算电力物联网在海上风电运行监测中的信息损失值,具体包括:
基于信息损失值计算公式,根据所述三维梯形模糊集计算电力物联网在海上风电运行监测中的信息损失值;
其中,所述信息损失值计算公式为:
式中,LW为电力物联网中感知***数据采集存在误差而形成的信息损失值;为电力物联网中感知***风速采集存在误差而形成的影响系数或权重系数,/>为电力物联网中感知***风速采集存在误差所带来的单位信息损失值;/>为电力物联网中感知***空气密度采集存在误差而形成的影响系数或权重系数,/>为电力物联网中感知***空气密度采集存在误差所带来的单位信息损失值;/>为电力物联网中感知***来风间歇性采集存在误差而形成的影响系数或权重系数,/>为电力物联网中感知***来风间歇性采集存在误差所带来的单位信息损失值;/>为电力物联网中感知***风向采集存在误差而形成的影响系数或权重系数,/>为电力物联网中感知***风向采集存在误差所带来的单位信息损失值;/>为电力物联网中感知***风量采集存在误差而形成的影响系数或权重系数,/>为电力物联网中感知***风量采集存在误差所带来的单位信息损失值,,/>为时段t与风速有关系的海上风电机组输出功率误差的三维梯形模糊集,/>为时段t与空气密度有关系的海上风电机组输出功率误差的三维梯形模糊集,/>为为时段t与来风间歇性有关系的海上风电机组输出功率误差的三维梯形模糊集,/>为时段t与风向有关系的海上风电机组输出功率误差的三维梯形模糊集,/>为时段t与风量有关系的海上风电机组输出功率误差的三维梯形模糊集。
可选地,所述根据所述第一信息收益值、所述第二信息收益值、所述第三信息收益值以及所述信息损失值,计算在海上风电运行监测的电力物联网中,电力物联网对所有用户信任度的平均值,具体包括:
将所述第一信息收益值、所述第二信息收益值、所述第三信息收益值以及所述信息损失值代入到平均值计算公式中,计算在海上风电运行监测的电力物联网中,电力物联网对所有用户信任度的平均值;
其中,所述平均值计算公式为:
式中kW1、kW2、kW3为权重系数,而且kW1+kW2+kW3=1,RW1为所述第一信息收益值,RW2为所述第二信息收益值,RW3为所述第三信息收益值,LW为所述信息损失值。
本申请第二方面提供一种面向海上风电监测的物联网信任度分析***,所述***包括:
第一计算单元,用于根据海上风电机组输出功率与风速、空气密度、来风间歇性、风向、风量之间的特征关系,采用统计分析方法计算确定用户时段,海上风电机组输出功率误差与风速、空气密度、来风间歇性、风向、风量模糊不确定性关系的三维梯形模糊集;
第二计算单元,用于在感知层,计算电力物联网在海上风电运行监测中提供数据采集而形成的第一信息收益值;在网络层,计算电力物联网向用户提供数据传输而形成的第二信息收益值;在网络层,计算电力物联网向用户提供数据存储和共享而形成的第三信息收益值;
第三计算单元,用于基于所述三维梯形模糊集计算电力物联网在海上风电运行监测中的信息损失值;
第四计算单元,用于根据所述第一信息收益值、所述第二信息收益值、所述第三信息收益值以及所述信息损失值,计算在海上风电运行监测的电力物联网中,电力物联网对所有用户信任度的平均值;
评估单元,用于根据电力物联网对所有用户信任度的平均值,对电力物联网的信任度等级进行评估。
本申请第三方面提供一种面向海上风电监测的物联网信任度分析设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令,执行如上述第一方面所述的面向海上风电监测的物联网信任度分析方法的步骤。
本申请第四方面提供一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述第一方面所述的面向海上风电监测的物联网信任度分析方法。
从以上技术方案可以看出,本申请具有以下优点:
通过本申请所提出的面向海上风电监测的物联网信任度模糊概率计算方法,可以计算面向海上风电监测的物联网信任度。这种面向海上风电监测的物联网信任度模糊概率计算方法,同时反映了感知***或设备充足与缺失、数据传输带宽、数据传输速率、传输准确率、传输时延的影响,为面向海上风电监测的物联网信任度评估提供理论指导,为基于物联网的海上风电运行、控制与管理优化提供必要的技术支撑。
附图说明
图1为本申请实施例中提供的一种面向海上风电监测的物联网信任度分析方法的流程示意图;
图2为本申请实施例中提供的一种面向海上风电监测的物联网信任度分析***的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
请参阅图1,本申请实施例中提供的一种面向海上风电监测的物联网信任度分析方法,包括:
步骤101、根据海上风电机组输出功率与风速、空气密度、来风间歇性、风向、风量之间的特征关系,采用统计分析方法计算确定用户时段,海上风电机组输出功率误差与风速、空气密度、来风间歇性、风向、风量模糊不确定性关系的三维梯形模糊集;
需要说明的是,在电力物联网的感知层,利用感知***对具有模糊不确定性的风速、空气密度、来风间歇性、风向、风量进行采集。
从物联网监控数据中心获获取用户所在地一天中NW个时段风速、空气密度、来风间歇性、风向、风量的相关数据信息,根据海上风电机组输出功率与风速、空气密度、来风间歇性、风向、风量之间的特征关系,采用统计分析方法计算确定用户时段t(t=1,2,...,NW)海上风电机组输出功率误差与风速、空气密度、来风间歇性、风向、风量模糊不确定性关系的三维梯形模糊集。
海上风电机组输出功率误差与风速、空气密度、来风间歇性、风向、风量模糊不确定性关系用三维梯形模糊集表示为:
式中,及/>分别为时段t与风速有关系的海上风电机组输出功率误差的三维梯形模糊集或与三维梯形下界、中界、上界相对应的海上风电机组输出功率误差模糊数及隶属度系数,/>及/>分别为时段t与风速有关系的海上风电机组输出功率误差的三维梯形模糊集下界、中界、上界相对应的模糊数及隶属度系数。/>及分别为时段t与空气密度有关系的海上风电机组输出功率误差的三维梯形模糊集或与三维梯形下界、中界、上界相对应的海上风电机组输出功率误差模糊数及隶属度系数,及/>分别为时段t与空气密度有关系的海上风电机组输出功率误差的三维梯形模糊集下界、中界、上界相对应的模糊数及隶属度系数。/>及/>分别为时段t与来风间歇性有关系的海上风电机组输出功率误差的三维梯形模糊集或与三维梯形下界、中界、上界相对应的海上风电机组输出功率误差模糊数及隶属度系数,及/>分别为时段t与来风间歇性有关系的海上风电机组输出功率误差的三维梯形模糊集下界、中界、上界相对应的模糊数及隶属度系数。/>及/>分别为时段t与风向有关系的海上风电机组输出功率误差的三维梯形模糊集或与三维梯形下界、中界、上界相对应的海上风电机组输出功率误差模糊数及隶属度系数,及/>分别为时段t与风向有关系的海上风电机组输出功率误差的三维梯形模糊集下界、中界、上界相对应的模糊数及隶属度系数。/>及/>分别为时段t与风量有关系的海上风电机组输出功率误差的三维梯形模糊集或与三维梯形下界、中界、上界相对应的海上风电机组输出功率误差模糊数及隶属度系数,/>及/>分别为时段t与风量有关系的海上风电机组输出功率误差的三维梯形模糊集下界、中界、上界相对应的模糊数及隶属度系数。
步骤102、在感知层,计算电力物联网在海上风电运行监测中提供数据采集而形成的第一信息收益值;在网络层,计算电力物联网向用户提供数据传输而形成的第二信息收益值;在网络层,计算电力物联网向用户提供数据存储和共享而形成的第三信息收益值;
1、感知层的信息收益值计算。
在感知层,借助感知***获取风速、空气密度、来风间歇性、风向、风量等数据信息而形成信息收益。电力物联网在海上风电运行监测中提供数据采集而形成的信息收益值(第一信息收益值)RW1按照下式计算:
RW1=E[kMi(MS+MD+MU+MF+MV)]
式中,RW1为在海上风电运行监测中电力物联网向用户提供数据采集而形成的信息收益值;kMiMS为物联网在感知层为海上风电提供风速数据采集而形成的信息收益值,kMiMD为物联网在感知层为海上风电提供空气密度提供数据采集而形成的信息收益值,kMiMU为物联网在感知层为海上风电提供来风间歇性提供数据采集而形成的信息收益值,kMiMF为物联网在感知层为海上风电提供风向提供数据采集而形成的信息收益值,kMiMV为物联网在感知层为海上风电提供风量数据采集而形成的信息收益值,kMi为物联网在感知层为海上风电提供数据采集而给用户带来的单位信息收益值;E[]为对[]求期望值。
MS、MD、MU、MF、MV可以采用三维梯形模糊集表示,具体式子如下:
式中,MS为物联网在感知层为海上风电提供数据采集而形成风速的三维梯形模糊集,MSL、MSM、MSU及kMSL、kMSM、kMSU分别为物联网在感知层为海上风电提供数据采集而形成风速的三维梯形模糊集下界、中界、上界的模糊集及其隶属度系数,MSLj、MSMj、MSUj(j=1,2,3,4)分别为物联网在感知层为海上风电提供数据采集而形成风速的三维梯形模糊集下界、中界、上界模糊集的模糊数;MD为物联网在感知层为海上风电提供数据采集而形成空气密度的三维梯形模糊集,MDL、MDM、MDU及kMDL、kMDM、kMDU分别为物联网在感知层为海上风电提供数据采集而形成空气密度的三维梯形模糊集下界、中界、上界的模糊集及其隶属度系数,MDLj、MDMj、MDUj(j=1,2,3,4)分别为物联网在感知层为海上风电提供数据采集而形成空气密度的三维梯形模糊集下界、中界、上界模糊集的模糊数;MU为物联网在感知层为海上风电提供数据采集而形成来风间歇性的三维梯形模糊集,MUL、MUM、MUU及kMUL、kMUM、kMUU分别为物联网在感知层为海上风电提供数据采集而形成来风间歇性的三维梯形模糊集下界、中界、上界的模糊集及其隶属度系数,MULj、MUMj、MUUj(j=1,2,3,4)分别为物联网在感知层为海上风电提供数据采集而形成来风间歇性的三维梯形模糊集下界、中界、上界模糊集的模糊数;MF为物联网在感知层为海上风电提供数据采集而形成风向的三维梯形模糊集,MFL、MFM、MFU及kMFL、kMFM、kMFU分别为物联网在感知层为海上风电提供数据采集而形成风向的三维梯形模糊集下界、中界、上界的模糊集及其隶属度系数,MFLj、MFMj、MFUj(j=1,2,3,4)分别为物联网在感知层为海上风电提供数据采集而形成风向的三维梯形模糊集下界、中界、上界模糊集的模糊数;MV为物联网在感知层为海上风电提供数据采集而形成风量的三维梯形模糊集,MVL、MVM、MVU及kMVL、kMVM、kMVU别为物联网在感知层为海上风电提供数据采集而形成风量的三维梯形模糊集下界、中界、上界的模糊集及其隶属度系数,MVLj、MVMj、MVUj(j=1,2,3,4)分别为物联网在感知层为海上风电提供数据采集而形成风量的三维梯形模糊集下界、中界、上界模糊集的模糊数。
2、网络层的信息收益值计算。
在网络层,电力物联网向用户提供数据传输而形成的信息收益。电力物联网在海上风电运行监测中提供数据传输而形成的信息收益值(第二信息收益值)RW2按照下式计算:
RW2=E[kDvivDvi]
式中,RW2为在海上风电运行监测中电力物联网向用户提供数据传输而形成的信息收益值;kDvivDvi为向用户提供数据传输为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性速率而形成的信息收益值,kDvi为因电力物联网提供第i个速率的数据传输而给用户带来的单位收益值。
3、网络层的信息收益值计算。
在网络层,电力物联网向用户提供数据存储和共享而形成的信息收益。电力物联网在海上风电运行监测中提供数据存储和共享而形成的信息收益值(第三信息收益值)RW3按照下式计算:
RW3=E[kDSiSDi]
式中,RW3为在海上风电运行监测中电力物联网向用户提供数据存储和共享而形成的信息收益值;kDSiSDi为向用户提供数据存储共享为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性规模而形成的信息收益值,kDSi为因电力物联网提供第i个速率的数据存储共享而给用户带来的单位收益值。
步骤103、基于三维梯形模糊集计算电力物联网在海上风电运行监测中的信息损失值;
需要说明的是,在电力物联网的感知层,利用感知***对具有模糊不确定性的风速、空气密度、来风间歇性、风向、风量进行采集,往往存在误差,这将给海上风电运行监测造成信息损失。电力物联网在海上风电运行监测中的信息损失值按照下式计算:
式中,LW为电力物联网中感知***数据采集存在误差而形成的信息损失值;为电力物联网中感知***风速采集存在误差而形成的影响系数或权重系数,/>为电力物联网中感知***风速采集存在误差所带来的单位信息损失值;/>为电力物联网中感知***空气密度采集存在误差而形成的影响系数或权重系数,/>为电力物联网中感知***空气密度采集存在误差所带来的单位信息损失值;/>为电力物联网中感知***来风间歇性采集存在误差而形成的影响系数或权重系数,/>为电力物联网中感知***来风间歇性采集存在误差所带来的单位信息损失值;/>为电力物联网中感知***风向采集存在误差而形成的影响系数或权重系数,/>为电力物联网中感知***风向采集存在误差所带来的单位信息损失值;/>为电力物联网中感知***风量采集存在误差而形成的影响系数或权重系数,/>为电力物联网中感知***风量采集存在误差所带来的单位信息损失值。
步骤104、根据第一信息收益值、第二信息收益值、第三信息收益值以及信息损失值,计算在海上风电运行监测的电力物联网中,电力物联网对所有用户信任度的平均值;
需要说明的是,在海上风电运行监测的电力物联网中,感知层、网络层和平台层用户提供了信息而使用户获得效益。由此可以计算电力物联网对所有用户信任度的平均值,计算式为:
式中kW1、kW2、kW3为权重系数,而且kW1+kW2+kW3=1,RW1为所述第一信息收益值,RW2为第二信息收益值,RW3为第三信息收益值,LW为信息损失值。
步骤105、根据电力物联网对所有用户信任度的平均值,对电力物联网的信任度等级进行评估。
需要说明的是,根据计算得到电力物联网对所有用户信任度的平均值,可以评估其信任度等级:
当BI=1时,电力物联网完全适应海上风电运行监测的应用。
当0.8≤BI<1时,电力物联网很好地适应海上风电运行监测的应用。
当0.5≤BI<0.8时,电力物联网较好地海上风电运行监测的应用。
当0.3≤BI<0.5时,电力物联网适应海上风电运行监测的应用。
当0≤BI<0.3时,电力物联网不能适应海上风电运行监测的应用。
本申请实施例提供的面向海上风电监测的物联网信任度分析方法,采用面向海上风电监测的物联网信任度模糊概率计算方法,改方法的基本原理是,由于数据传输带宽、数据传输速率、传输时延而形成的信息充足和缺失,因此,利用信息充足量和缺失量来计算面向海上风电监测的物联网信任度,并评估信任度对海上风电运行、控制与管理优化的影响。
以上为本申请实施例中提供的一种面向海上风电监测的物联网信任度分析方法,以下为本申请实施例中提供的一种面向海上风电监测的物联网信任度分析***。
请参阅图2,本申请实施例中提供的一种面向海上风电监测的物联网信任度分析***,包括:
第一计算单元201,用于根据海上风电机组输出功率与风速、空气密度、来风间歇性、风向、风量之间的特征关系,采用统计分析方法计算确定用户时段,海上风电机组输出功率误差与风速、空气密度、来风间歇性、风向、风量模糊不确定性关系的三维梯形模糊集;
第二计算单元202,用于在感知层,计算电力物联网在海上风电运行监测中提供数据采集而形成的第一信息收益值;在网络层,计算电力物联网向用户提供数据传输而形成的第二信息收益值;在网络层,计算电力物联网向用户提供数据存储和共享而形成的第三信息收益值;
第三计算单元203,用于基于三维梯形模糊集计算电力物联网在海上风电运行监测中的信息损失值;
第四计算单元204,用于根据第一信息收益值、第二信息收益值、第三信息收益值以及信息损失值,计算在海上风电运行监测的电力物联网中,电力物联网对所有用户信任度的平均值;
评估单元205,用于根据电力物联网对所有用户信任度的平均值,对电力物联网的信任度等级进行评估。
进一步地,本申请实施例中还提供了一种面向海上风电监测的物联网信任度分析设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令,执行如上述方法实施例所述的面向海上风电监测的物联网信任度分析方法的步骤。
进一步地,本申请实施例中还提供了计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述方法实施例所述的面向海上风电监测的物联网信任度分析方法。
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***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。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于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:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元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全部或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(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种面向海上风电监测的物联网信任度分析方法,其特征在于,包括:
根据海上风电机组输出功率与风速、空气密度、来风间歇性、风向、风量之间的特征关系,采用统计分析方法计算确定用户时段,海上风电机组输出功率误差与风速、空气密度、来风间歇性、风向、风量模糊不确定性关系的三维梯形模糊集;
在感知层,计算电力物联网在海上风电运行监测中提供数据采集而形成的第一信息收益值;在网络层,计算电力物联网向用户提供数据传输而形成的第二信息收益值;在网络层,计算电力物联网向用户提供数据存储和共享而形成的第三信息收益值;
基于所述三维梯形模糊集计算电力物联网在海上风电运行监测中的信息损失值;
根据所述第一信息收益值、所述第二信息收益值、所述第三信息收益值以及所述信息损失值,计算在海上风电运行监测的电力物联网中,电力物联网对所有用户信任度的平均值;
根据电力物联网对所有用户信任度的平均值,对电力物联网的信任度等级进行评估。
3.根据权利要求1所述的面向海上风电监测的物联网信任度分析方法,其特征在于,所述在感知层,计算电力物联网在海上风电运行监测中提供数据采集而形成的第一信息收益值,具体包括:
基于第一信息收益值计算公式,计算电力物联网在海上风电运行监测中提供数据采集而形成的第一信息收益值RW1;
其中,所述第一信息收益值计算公式为:
RW1=E[kMi(MS+MD+MU+MF+MV)];
式中,RW1为在海上风电运行监测中电力物联网向用户提供数据采集而形成的第一信息收益值;kMiMS为物联网在感知层为海上风电提供风速数据采集而形成的信息收益值,kMiMD为物联网在感知层为海上风电提供空气密度提供数据采集而形成的信息收益值,kMiMU为物联网在感知层为海上风电提供来风间歇性提供数据采集而形成的信息收益值,kMiMF为物联网在感知层为海上风电提供风向提供数据采集而形成的信息收益值,kMiMV为物联网在感知层为海上风电提供风量数据采集而形成的信息收益值,kMi为物联网在感知层为海上风电提供数据采集而给用户带来的单位信息收益值;E[]为对[]求期望值。
4.根据权利要求1所述的面向海上风电监测的物联网信任度分析方法,其特征在于,所述在网络层,计算电力物联网向用户提供数据传输而形成的第二信息收益值,具体包括:
基于第二信息收益值计算公式,计算电力物联网在海上风电运行监测中提供数据传输而形成的第二信息收益值RW2;
其中,所述第二信息收益值计算公式为:
RW2=E[kDvivDvi];
式中,RW2为在海上风电运行监测中电力物联网向用户提供数据传输而形成的第二信息收益值;kDvivDvi为向用户提供数据传输为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性速率而形成的信息收益值,kDvi为因电力物联网提供第i个速率的数据传输而给用户带来的单位收益值。
5.根据权利要求1所述的面向海上风电监测的物联网信任度分析方法,其特征在于,所述在网络层,计算电力物联网向用户提供数据存储和共享而形成的第三信息收益值,具体包括:
基于第三信息收益值计算公式,计算电力物联网在海上风电运行监测中提供数据存储和共享而形成的信息收益值RW3;
其中,所述第三信息收益值计算公式为:
RW3=E[kDSiSDi];
式中,RW3为在海上风电运行监测中电力物联网向用户提供数据存储和共享而形成的第三信息收益值;kDSiSDi为向用户提供数据存储共享为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性规模而形成的信息收益值,kDSi为因电力物联网提供第i个速率的数据存储共享而给用户带来的单位收益值。
6.根据权利要求2所述的面向海上风电监测的物联网信任度分析方法,其特征在于,所述基于所述三维梯形模糊集计算电力物联网在海上风电运行监测中的信息损失值,具体包括:
基于信息损失值计算公式,根据所述三维梯形模糊集计算电力物联网在海上风电运行监测中的信息损失值;
其中,所述信息损失值计算公式为:
式中,LW为电力物联网中感知***数据采集存在误差而形成的信息损失值;为电力物联网中感知***风速采集存在误差而形成的影响系数或权重系数,/>为电力物联网中感知***风速采集存在误差所带来的单位信息损失值;/>为电力物联网中感知***空气密度采集存在误差而形成的影响系数或权重系数,/>为电力物联网中感知***空气密度采集存在误差所带来的单位信息损失值;/>为电力物联网中感知***来风间歇性采集存在误差而形成的影响系数或权重系数,/>为电力物联网中感知***来风间歇性采集存在误差所带来的单位信息损失值;/>为电力物联网中感知***风向采集存在误差而形成的影响系数或权重系数,/>为电力物联网中感知***风向采集存在误差所带来的单位信息损失值;/>为电力物联网中感知***风量采集存在误差而形成的影响系数或权重系数,/>为电力物联网中感知***风量采集存在误差所带来的单位信息损失值,,/>为时段t与风速有关系的海上风电机组输出功率误差的三维梯形模糊集,/>为时段t与空气密度有关系的海上风电机组输出功率误差的三维梯形模糊集,/>为为时段t与来风间歇性有关系的海上风电机组输出功率误差的三维梯形模糊集,/>为时段t与风向有关系的海上风电机组输出功率误差的三维梯形模糊集,/>为时段t与风量有关系的海上风电机组输出功率误差的三维梯形模糊集。
7.根据权利要求1所述的面向海上风电监测的物联网信任度分析方法,其特征在于,所述根据所述第一信息收益值、所述第二信息收益值、所述第三信息收益值以及所述信息损失值,计算在海上风电运行监测的电力物联网中,电力物联网对所有用户信任度的平均值,具体包括:
将所述第一信息收益值、所述第二信息收益值、所述第三信息收益值以及所述信息损失值代入到平均值计算公式中,计算在海上风电运行监测的电力物联网中,电力物联网对所有用户信任度的平均值;
其中,所述平均值计算公式为:
式中kW1、kW2、kW3为权重系数,而且kW1+kW2+kW3=1,RW1为所述第一信息收益值,RW2为所述第二信息收益值,RW3为所述第三信息收益值,LW为所述信息损失值。
8.一种面向海上风电监测的物联网信任度分析***,其特征在于,包括:
第一计算单元,用于根据海上风电机组输出功率与风速、空气密度、来风间歇性、风向、风量之间的特征关系,采用统计分析方法计算确定用户时段,海上风电机组输出功率误差与风速、空气密度、来风间歇性、风向、风量模糊不确定性关系的三维梯形模糊集;
第二计算单元,用于在感知层,计算电力物联网在海上风电运行监测中提供数据采集而形成的第一信息收益值;在网络层,计算电力物联网向用户提供数据传输而形成的第二信息收益值;在网络层,计算电力物联网向用户提供数据存储和共享而形成的第三信息收益值;
第三计算单元,用于基于所述三维梯形模糊集计算电力物联网在海上风电运行监测中的信息损失值;
第四计算单元,用于根据所述第一信息收益值、所述第二信息收益值、所述第三信息收益值以及所述信息损失值,计算在海上风电运行监测的电力物联网中,电力物联网对所有用户信任度的平均值;
评估单元,用于根据电力物联网对所有用户信任度的平均值,对电力物联网的信任度等级进行评估。
9.一种面向海上风电监测的物联网信任度分析设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-7任一项所述的面向海上风电监测的物联网信任度分析方法。
10.一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用于存储程序代码,所述程序代码用于执行权利要求1-7任一项所述的面向海上风电监测的物联网信任度分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310474499.9A CN116385207A (zh) | 2023-04-27 | 2023-04-27 | 面向海上风电监测的物联网信任度分析方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310474499.9A CN116385207A (zh) | 2023-04-27 | 2023-04-27 | 面向海上风电监测的物联网信任度分析方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116385207A true CN116385207A (zh) | 2023-07-04 |
Family
ID=86978847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310474499.9A Pending CN116385207A (zh) | 2023-04-27 | 2023-04-27 | 面向海上风电监测的物联网信任度分析方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116385207A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117812020A (zh) * | 2024-02-29 | 2024-04-02 | 广东电网有限责任公司中山供电局 | 电力物联网安全访问方法、装置、存储介质和*** |
CN117812019A (zh) * | 2024-02-29 | 2024-04-02 | 广东电网有限责任公司中山供电局 | 发电机组在电力物联网安全访问上的控制方法和装置 |
-
2023
- 2023-04-27 CN CN202310474499.9A patent/CN116385207A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117812020A (zh) * | 2024-02-29 | 2024-04-02 | 广东电网有限责任公司中山供电局 | 电力物联网安全访问方法、装置、存储介质和*** |
CN117812019A (zh) * | 2024-02-29 | 2024-04-02 | 广东电网有限责任公司中山供电局 | 发电机组在电力物联网安全访问上的控制方法和装置 |
CN117812020B (zh) * | 2024-02-29 | 2024-06-04 | 广东电网有限责任公司中山供电局 | 电力物联网安全访问方法、装置、存储介质和*** |
CN117812019B (zh) * | 2024-02-29 | 2024-06-04 | 广东电网有限责任公司中山供电局 | 发电机组在电力物联网安全访问上的控制方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116385207A (zh) | 面向海上风电监测的物联网信任度分析方法及相关装置 | |
Han et al. | Joint air quality and weather prediction based on multi-adversarial spatiotemporal networks | |
CN104995870B (zh) | 多目标服务器布局确定方法和装置 | |
CN116416067A (zh) | 气电机组的物联网调频交易信息信任度分析方法及*** | |
CN110209467B (zh) | 一种基于机器学习的弹性资源扩展方法和*** | |
CN108337685B (zh) | 基于分簇dgm的无线传感器网络数据融合方法 | |
CN109040027A (zh) | 基于灰色模型的网络脆弱性节点的主动预测方法 | |
Tang et al. | Reputation-aware data fusion and malicious participant detection in mobile crowdsensing | |
CN116596667A (zh) | 核电机组调频交易管理的物联网信任度分析方法及*** | |
CN116468556A (zh) | 面向电力市场调频交易的物联网信任度分析方法及*** | |
CN107623924A (zh) | 一种验证影响关键质量指标kqi相关的关键性能指标kpi的方法和装置 | |
CN103685014B (zh) | 利用时间序列预测模型增强路由计算可靠性的***及方法 | |
CN101217427B (zh) | 不确定网络环境中网络服务评价和优选方法 | |
CN114418189A (zh) | 水质等级预测方法、***、终端设备及存储介质 | |
CN116342288A (zh) | 面向储能集群调频交易的物联网信任度分析方法及*** | |
Yang et al. | A decentralized trust inference approach with intelligence to improve data collection quality for mobile crowd sensing | |
CN116342287A (zh) | 火电机组调频交易管理的物联网信任度分析方法及*** | |
Cao et al. | Mapping strategy for virtual networks in one stage | |
CN117057952A (zh) | 一种电力物联网信任度计算方法及相关装置 | |
CN116545871A (zh) | 一种多模态网络流量预测方法、装置、介质 | |
CN116109058A (zh) | 一种基于深度强化学习的变电站巡视管理方法和装置 | |
CN116862670A (zh) | 西电东送机组调频交易的物联网信任度分析方法及*** | |
Liu et al. | Online task dispatching and pricing for quality-of-service-aware sensing data collection for mobile edge clouds | |
CN116471624A (zh) | 光伏电站群运行监测的物联网信任度分析方法及相关装置 | |
CN116485076A (zh) | 监测水电机组调频交易的物联网信任度分析方法及*** |
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 |