CN117411875A - 一种电力数据传输***、方法、装置、设备及存储介质 - Google Patents
一种电力数据传输***、方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117411875A CN117411875A CN202311714270.4A CN202311714270A CN117411875A CN 117411875 A CN117411875 A CN 117411875A CN 202311714270 A CN202311714270 A CN 202311714270A CN 117411875 A CN117411875 A CN 117411875A
- Authority
- CN
- China
- Prior art keywords
- message data
- data
- power consumption
- message
- compression
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 119
- 238000007906 compression Methods 0.000 claims abstract description 101
- 230000006835 compression Effects 0.000 claims abstract description 101
- 230000006837 decompression Effects 0.000 claims abstract description 69
- 238000012706 support-vector machine Methods 0.000 claims abstract description 54
- 238000012549 training Methods 0.000 claims description 60
- 230000005611 electricity Effects 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 238000002372 labelling Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 230000006872 improvement Effects 0.000 abstract description 2
- 230000006854 communication Effects 0.000 description 29
- 238000004891 communication Methods 0.000 description 28
- 238000013144 data compression Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000000869 ion-assisted deposition Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000005437 stratosphere Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000005436 troposphere Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/04—Protocols for data compression, e.g. ROHC
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/22—Parsing or analysis of headers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L2212/00—Encapsulation of packets
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明提供了一种电力数据传输***、方法、装置、电子设备及存储介质,通过在电力数据传输中设置进行数据交换的压缩端设备和解压端设备,其中,压缩端设备用于获取用电报文数据,并将用电报文数据输入预训练的支持向量机算法模型,获取用电报文数据的报文类型,并根据所述报文类型,确认该用电报文数据的压缩算法并获取压缩报文数据,再将压缩报文数据发送至所述解压端设备;解压端设备对压缩报文数据进行解压处理,获取用电报文数据,再将用电报文数据发送至用电信息接收端。本申请通过支持向量机算法对线性不可分的电力数据内容进行分类并匹配最优压缩算法,实现了电路数据传输效率的提升。
Description
技术领域
本申请实施例涉及电力通信技术领域,特别是涉及一种电力数据传输***、方法、装置、设备及存储介质。
背景技术
在部分弱信号或无信号区域,随着北斗卫星导航***的普及应用,电力***开始通过北斗短报文通信服务进行电力数据通信。由于民用北斗短报文通信服务服务频次低、单次传输带宽有限,因此在实际应用中若通过北斗短报文进行通信,则需要对电力***的传输信息进行数据无损压缩。
常用的数据无损压缩方法包括LZSS、LZW、LZMA等多种算法;电力***中传输使用的报文也有诸如IEC101规约报文、CDT规约报文等报文类型;不同的报文类型对应不同的最优压缩方法。然而在进行电力数据通信时,所有报文均使用统一的数据压缩方法,导致报文压缩效率较低。
发明内容
本申请提供了一种电力数据传输***、方法、装置、电子设备及存储介质,通过对报文类型和报文特征进行分类,从而选择最合适的数据压缩方式进行数据无损压缩,实现压缩效率的提高。
第一方面,本申请提供了一种电力数据传输***,包括:
压缩端设备和解压端设备,所述压缩端设备与所述解压端设备信号连接;
所述压缩端设备用于获取用电报文数据,并将所述用电报文数据输入预训练的支持向量机算法模型,获取所述用电报文数据的报文类型,并根据所述报文类型,确认该用电报文数据的压缩算法并获取压缩报文数据,再将所述压缩报文数据发送至所述解压端设备;
所述解压端设备对所述压缩报文数据进行解压处理,获取所述用电报文数据,再将所述用电报文数据发送至用电信息接收端。
进一步地,还包括:
所述压缩端设备还用于根据所述报文类型,将所述压缩报文数据添加标识符,其中,所述标识符指示该压缩报文数据的压缩算法,再将标识过的所述压缩报文数据进行封装,获取封装压缩报文数据并发送至所述解压端设备;
所述解压端设备还用于识别所述标识符,并根据所述标识符所指示的压缩算法,确认相应解压算法,并通过所述相应解压算法对所述封装压缩报文数据进行解压,获取所述用电报文数据。
进一步地,所述压缩端设备还用于执行所述支持向量机算法模型的预训练过程,包括:
获取原始规约数据流,根据预设固定码长对所述原始规约数据流进行样本提取,获取训练样本;
根据所述原始规约数据流的分类,对所述训练样本进行标注,其中,具有相同标签的所述训练样本指示其具有相同的规约数据流分类;
构建支持向量机算法模型,将所述训练样本输入所述支持向量机算法模型进行有监督训练,其中,所述支持向量机算法模型的核函数为高斯核函数;
获取训练后的所述支持向量机算法模型。
进一步地,还包括:
所述压缩端设备还用于在所述压缩报文数据的头部添加标识符,其中,所述标识符包括第一标识符和第二标识符,所述第一标识符指示该压缩报文数据的压缩算法为LZW压缩算法,所述第二标识符指示该压缩报文数据的压缩算法为LZMA压缩算法。
第二方面,本申请提供了一种电力数据传输方法,应用于压缩端设备,包括:
获取用电报文数据;
将所述用电报文数据输入预训练的支持向量机算法模型,获取所述用电报文数据的报文类型;
根据所述报文类型,确认该用电报文数据的压缩算法并获取压缩报文数据,再将所述压缩报文数据发送至解压端设备,其中,所述解压端用于对所述压缩报文数据进行解压处理,获取所述用电报文数据,再将所述用电报文数据发送至用电信息接收端。
进一步地,所述获取压缩报文数据后,还包括:
根据所述报文类型,将所述压缩报文数据添加标识符,其中,所述标识符指示该压缩报文数据的压缩算法;
将标识过的所述压缩报文数据进行封装,获取封装压缩报文数据并发送至所述解压端设备,所述解压端设备用于识别所述标识符,并根据所述标识符所指示的压缩算法,确认相应解压算法,并通过所述相应解压算法对所述封装压缩报文数据进行解压,获取所述用电报文数据。
进一步地,所述支持向量机算法模型的预训练方法,还包括:
获取原始规约数据流,根据预设固定码长对所述原始规约数据流进行样本提取,获取训练样本;
根据所述原始规约数据流的分类,对所述训练样本进行标注,其中,具有相同标签的所述训练样本指示其具有相同的规约数据流分类;
构建支持向量机算法模型,将所述训练样本输入所述支持向量机算法模型进行有监督训练,其中,所述支持向量机算法模型的核函数为高斯核函数;
获取训练后的所述支持向量机算法模型。
第三方面,本申请提供了一种电力数据传输装置,包括:
用电报文获取模块,用于获取用电报文数据;
报文类型获取模块,用于将所述用电报文数据输入预训练的支持向量机算法模型,获取所述用电报文数据的报文类型;
压缩报文数据发送模块,用于根据所述报文类型,确认该用电报文数据的压缩算法并获取压缩报文数据,再将所述压缩报文数据发送至解压端设备,其中,所述解压端用于对所述压缩报文数据进行解压处理,获取所述用电报文数据,再将所述用电报文数据发送至用电信息接收端。
第四方面,本申请提供一种电子设备,包括:
至少一个存储器以及至少一个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如第二方面所述的一种电力数据传输方法的步骤。
第五方面,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,所述计算机程序被处理器执行时实现如第二方面所述的一种电力数据传输方法的步骤。
本发明通过在电力数据传输中设置进行数据交换的压缩端设备和解压端设备,其中,压缩端设备用于获取用电报文数据,并将用电报文数据输入预训练的支持向量机算法模型,获取用电报文数据的报文类型,并根据所述报文类型,确认该用电报文数据的压缩算法并获取压缩报文数据,再将压缩报文数据发送至所述解压端设备;解压端设备对压缩报文数据进行解压处理,获取用电报文数据,再将用电报文数据发送至用电信息接收端。本申请通过支持向量机算法对线性不可分的电力数据内容进行分类并匹配最优压缩算法,实现了电路数据传输效率的提升。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
附图说明
图1为在一个示例性的实施例中提供的一种电力数据传输***的模块示意图;
图2为在一个示例性的实施例中提供的一种电力数据传输***的训练样本提取及标注示意图;
图3为在一个示例性的实施例中提供的一种电力数据传输方法的步骤流程图;
图4为在一个示例性的实施例中提供的一种电力数据传输装置的模块示意图;
图5为在一个示例性的实施例中提供的一种电子设备的示意图;
图6为在一个示例性的实施例中提供的一种电子设备的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例方式作进一步地详细描述。
应当明确,所描述的实施例仅仅是本申请实施例一部分实施例,而不是全部的实施例。基于本申请实施例中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本申请实施例保护的范围。
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中,需要理解的是,术语“第一”、“第二”、“第三”等仅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,也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
此外,在本申请的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,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。字符“/”一般表示前后关联对象是一种“或”的关系。
北斗短报文通信具备快速响应能力,短消息通信时延约为0.5s,点对点通信时延为1~5s;同时通信抗干扰强,其采用S/L波段卫星传输,可穿透平流层和对流层,保证极端天气条件下的通信;而且设备要求低、设备价格低、性价比高,且组网方便,可以指挥型用户机为核心,快速组成一对多的通信网络。在没有移动通信信号的恶劣环境中,北斗短报文通信功能就显得尤为重要。北斗短报文通信服务覆盖中国及周边国家和地区,具备低成本、广覆盖、高可靠和随时接入等特点,可对地面移动通信网络进行有效补充,以满足我国经济社会在无地面网络覆盖地区应急通信、搜索救援等服务需要,作为国家应急体系的重要组成部分,近年来短报文通信服务已经在民生保障、救灾减灾、野外搜救等方面发挥了积极作用。而电力数据信息作为其中重要的通讯内容类型,探究如何在保证电力数据在北斗短报文通信过程中的传输效率十分重要。
基于上述思考及背景技术中的内容,如图1所示,本申请实施例提供了一种电力数据传输***,包括:
压缩端设备和解压端设备,压缩端设备与解压端设备信号连接。
压缩端设备与解压端设备均为边缘设备。边缘设备主要指安装在边缘网络上的交换机、路由器、路由交换机、IAD 以及各种 MAN/WAN 设备,负责接入设备和核心/骨干网络设备间的数据包传送。边缘设备是应用数据链路层(第二层)和网络层(第三层)技术的一种物理设备。
在本申请实施例中,压缩端设备与外部用电信息采集设备信号连接,外部用电信息采集设备可以是一个也可是多个,用于采集用电信息并通过有线或无线的通信方式发送至压缩端设备;压缩端设备与解压端设备通过北斗卫星进行信号连接,压缩端设备通过北斗短报文将压缩后的用电信息数据发送至解压端设备,解压端设备接收压缩用电数据后对数据进行解压,再将解压后的用电数据以有线或无线的方式发送至外部用电信息接收端。
具体的,边缘设备还可以是智能终端设备,包括但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。
压缩端设备用于获取用电报文数据,并将所述用电报文数据输入预训练的支持向量机算法模型,获取所述用电报文数据的报文类型,并根据所述报文类型,确认该用电报文数据的压缩算法并获取压缩报文数据,再将所述压缩报文数据发送至所述解压端设备。
目前,北斗三号的区域短报文通信服务单次短报文最大长度为14000比特,大约相当于1000汉字,全球短报文通信服务利用14颗MEO卫星实现覆盖全球的报文通信服务,单次短报文最大长度为560比特,大约相当于40个汉字。因此,在进行电力数据传输时,需通过压缩端边缘设备对用电信息采集终端所采集到的信息进行压缩才能通过北斗短报文协议进行传输。
由于在进行电力数据传输时的电力数据格式可能不同,其对应的最优压缩方法也不同,因此需对进行传输的数据进行进一步的处理,目的在于提升数据压缩和解压的效率,进而提升整个数据传输过程的效率。
在一个优选的实施例中,压缩端设备根据所述报文类型,将所述压缩报文数据添加标识符,其中,所述标识符指示该压缩报文数据的压缩算法,再将标识过的所述压缩报文数据进行封装,获取封装压缩报文数据并发送至解压端设备。而解压端设备识别所述标识符,并根据所述标识符所指示的压缩算法,确认相应解压算法,并通过所述相应解压算法对所述封装压缩报文数据进行解压,获取所述用电报文数据。
在一个具体的例子中,考虑到目前普遍使用CDT规约报文和IEC101规约报文进行电力数据的传输,而CDT规约报文对应的最优无损压缩算法为LZW压缩算法,IEC101规约报文对应的最优无损压缩算法为LZMA压缩算法。因此对于原始的用电信息数据,先通过分类算法进行识别其报文类型为CDT规约报文还是IEC101规约报文;若识别到其报文类型为CDT规约报文,则将该段报文通过LZW压缩算法进行压缩,并在压缩结果的头部添加标识符,标识符可以是一位或多位,用于指示当前压缩报文所采用的压缩算法,例如将通过采用LZW压缩算法的压缩结果的头部添加0作为标识符;将通过采用LZMA压缩算法的压缩结果的头部添加1作为标识符。之后将添加了标识符的压缩数据结果进行封装后,通过北斗短报文协议,发送至解压端设备。解压端设备接收封装数据并对标识符进行识别,若识别到该报文的标识符为0,则将该段报文通过LZW压缩算法对应的解压算法进行解压,若识别到该报文的标识符为1,则将该段报文通过LZMA压缩算法对应的解压算法进行解压,最终获取原始用电信息数据。
在一个优选的例子中,压缩端设备还包括报文类型分类模块,用于执行报文分类模型的预训练过程和通过训练好的报文分类模型进行报文类型的识别。在本申请实施例中,通过构建支持向量机算法模型来实现对报文类型的识别,其算法模型的训练过程包括:
获取原始规约数据流,根据预设固定码长对所述原始规约数据流进行样本提取,获取训练样本;
根据所述原始规约数据流的分类,对所述训练样本进行标注,其中,具有相同标签的所述训练样本指示其具有相同的规约数据流分类;
构建支持向量机算法模型,将所述训练样本输入所述支持向量机算法模型进行有监督训练,其中,所述支持向量机算法模型的核函数为高斯核函数;
获取训练后的所述支持向量机算法模型。
在一个具体的例子中,如图2所示,在原始CDT规约数据流和原始IEC101规约数据流中提取训练样本,将码长固定设置为12字节的报文内容作为样本提取特征,并重复对原始规约数据流进行样本提取。将提取后的训练样本进行标注,为每个样本添加标签,例如对于CDT规约数据流中的样本,label设置为1;对于IEC101归于数据流中的样本,label设置为2。再将划分为训练集、测试集和验证集。其中,训练集用于模型训练以及确定模型参数;测试集用于确定网络结构以及调整模型的超参数;验证集用于检验模型的泛化能力。对于固定码长的报文内容训练样本,其属于线性不可分样本,因此定义核函数为高斯核函数,通过将样本点映射到高维特征空间,使其线性可分,寻找最优超平面;将训练样本输入构建的支持向量机算法模型,对训练集进行支持向量机的有监督训练,最终获取训练完成的支持向量机算法模型,该训练完成的支持向量机算法模型能够实现对用电报文数据类型的识别分类。其识别过程为:压缩端设备读取待压缩的原始报文数据流,从原始报文数据流中提取固定码长为12字节的报文内容,作为单个Item;将Item输入已经训练好的支持向量机算法模型进行报文特征的提取,进行报文分类;再根据该分类对应的最优压缩算法对该报文进行压缩,获取压缩结果。
本申请实施例通过在电力数据传输中设置进行数据交换的压缩端设备和解压端设备,其中,所述压缩端设备用于获取用电报文数据,并将用电报文数据输入预训练的支持向量机算法模型,获取用电报文数据的报文类型,并根据所述报文类型,确认该用电报文数据的压缩算法并获取压缩报文数据,再将压缩报文数据发送至所述解压端设备;解压端设备对压缩报文数据进行解压处理,获取用电报文数据,再将用电报文数据发送至用电信息接收端。本申请实施例通过支持向量机算法模型对电力数据类型进行分类并匹配最优压缩算法,实现数据压缩效率的提升;同时还对压缩后的报文数据添加标识符,实现了解压端设备解压速度的提升;进而实现了提升电力数据传输效率的目的。
本申请实施例还提供了一种电力数据传输方法,应用于压缩端设备,如图3所示,包括如下步骤:
S201:获取用电报文数据。
S202:将所述用电报文数据输入预训练的支持向量机算法模型,获取所述用电报文数据的报文类型。
S203:根据所述报文类型,确认该用电报文数据的压缩算法并获取压缩报文数据,再将所述压缩报文数据发送至解压端设备,其中,所述解压端用于对所述压缩报文数据进行解压处理,获取所述用电报文数据,再将所述用电报文数据发送至用电信息接收端。
在一个优选的实施例中,所述获取压缩报文数据后,还包括:
根据所述报文类型,将所述压缩报文数据添加标识符,其中,所述标识符指示该压缩报文数据的压缩算法;
将标识过的所述压缩报文数据进行封装,获取封装压缩报文数据并发送至所述解压端设备,所述解压端设备用于识别所述标识符,并根据所述标识符所指示的压缩算法,确认相应解压算法,并通过所述相应解压算法对所述封装压缩报文数据进行解压,获取所述用电报文数据。
在一个优选的实施例中,所述支持向量机算法模型的预训练方法,还包括:
获取原始规约数据流,根据预设固定码长对所述原始规约数据流进行样本提取,获取训练样本;
根据所述原始规约数据流的分类,对所述训练样本进行标注,其中,具有相同标签的所述训练样本指示其具有相同的规约数据流分类;
构建支持向量机算法模型,将所述训练样本输入所述支持向量机算法模型进行有监督训练,其中,所述支持向量机算法模型的核函数为高斯核函数;
获取训练后的所述支持向量机算法模型。
需要说明的是,上述实施例提供的一种电力数据传输方法与一种电力数据传输***属于同一构思,其具体实现过程详见***实施例,这里不再赘述。
本申请还提供了一种电力数据传输装置300,如图4所示,包括:
用电报文获取模块301,用于获取用电报文数据;
报文类型获取模块302,用于将所述用电报文数据输入预训练的支持向量机算法模型,获取所述用电报文数据的报文类型;
压缩报文数据发送模块303,用于根据所述报文类型,确认该用电报文数据的压缩算法并获取压缩报文数据,再将所述压缩报文数据发送至解压端设备,其中,所述解压端用于对所述压缩报文数据进行解压处理,获取所述用电报文数据,再将所述用电报文数据发送至用电信息接收端。
在一个示例性的例子中,所述压缩报文数据发送模块303,还用于:
根据所述报文类型,将所述压缩报文数据添加标识符,其中,所述标识符指示该压缩报文数据的压缩算法;
将标识过的所述压缩报文数据进行封装,获取封装压缩报文数据并发送至所述解压端设备,所述解压端设备用于识别所述标识符,并根据所述标识符所指示的压缩算法,确认相应解压算法,并通过所述相应解压算法对所述封装压缩报文数据进行解压,获取所述用电报文数据。
在一个示例性的例子中,报文类型获取模块302,还用于:
获取原始规约数据流,根据预设固定码长对所述原始规约数据流进行样本提取,获取训练样本;
根据所述原始规约数据流的分类,对所述训练样本进行标注,其中,具有相同标签的所述训练样本指示其具有相同的规约数据流分类;
构建支持向量机算法模型,将所述训练样本输入所述支持向量机算法模型进行有监督训练,其中,所述支持向量机算法模型的核函数为高斯核函数;
获取训练后的所述支持向量机算法模型。
需要说明的是,上述实施例提供的一种电力数据传输装置与一种电力数据传输***属于同一构思,其具体实现过程详见***实施例,这里不再赘述。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储相关数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电力数据传输方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电力数据传输方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本申请实施例还提供了一种计算机可读存储介质,其上储存有计算机程序,该计算机程序被处理器执行时实现上述任意一个实施例所述的一种电力数据传输方法。
本申请实施例可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可读储存介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其它数据。计算机的存储介质的例子包括但不限于:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其它类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其它内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其它光学存储、磁盒式磁带,磁带磁磁盘存储或其它磁性存储设备或任何其它非传输介质,可用于存储可以被计算设备访问的信息。
应当理解的是,本申请实施例并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请实施例的范围仅由所附的权利要求来限制。
以上所述实施例仅表达了本申请实施例的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请实施例构思的前提下,还可以做出若干变形和改进,这些都属于本申请实施例的保护范围。
Claims (10)
1.一种电力数据传输***,其特征在于,包括:
压缩端设备和解压端设备,所述压缩端设备与所述解压端设备信号连接;
所述压缩端设备用于获取用电报文数据,并将所述用电报文数据输入预训练的支持向量机算法模型,获取所述用电报文数据的报文类型,并根据所述报文类型,确认该用电报文数据的压缩算法并获取压缩报文数据,再将所述压缩报文数据发送至所述解压端设备;
所述解压端设备对所述压缩报文数据进行解压处理,获取所述用电报文数据,再将所述用电报文数据发送至用电信息接收端。
2.根据权利要求1所述的一种电力数据传输***,其特征在于,还包括:
所述压缩端设备还用于根据所述报文类型,将所述压缩报文数据添加标识符,其中,所述标识符指示该压缩报文数据的压缩算法,再将标识过的所述压缩报文数据进行封装,获取封装压缩报文数据并发送至所述解压端设备;
所述解压端设备还用于识别所述标识符,并根据所述标识符所指示的压缩算法,确认相应解压算法,并通过所述相应解压算法对所述封装压缩报文数据进行解压,获取所述用电报文数据。
3.根据权利要求1所述的一种电力数据传输***,其特征在于,所述压缩端设备还用于执行所述支持向量机算法模型的预训练过程,包括:
获取原始规约数据流,根据预设固定码长对所述原始规约数据流进行样本提取,获取训练样本;
根据所述原始规约数据流的分类,对所述训练样本进行标注,其中,具有相同标签的所述训练样本指示其具有相同的规约数据流分类;
构建支持向量机算法模型,将所述训练样本输入所述支持向量机算法模型进行有监督训练,其中,所述支持向量机算法模型的核函数为高斯核函数;
获取训练后的所述支持向量机算法模型。
4.根据权利要求2所述的一种电力数据传输***,其特征在于,还包括:
所述压缩端设备还用于在所述压缩报文数据的头部添加标识符,其中,所述标识符包括第一标识符和第二标识符,所述第一标识符指示该压缩报文数据的压缩算法为LZW压缩算法,所述第二标识符指示该压缩报文数据的压缩算法为LZMA压缩算法。
5.一种电力数据传输方法,其特征在于,应用于压缩端设备,包括:
获取用电报文数据;
将所述用电报文数据输入预训练的支持向量机算法模型,获取所述用电报文数据的报文类型;
根据所述报文类型,确认该用电报文数据的压缩算法并获取压缩报文数据,再将所述压缩报文数据发送至解压端设备,其中,所述解压端用于对所述压缩报文数据进行解压处理,获取所述用电报文数据,再将所述用电报文数据发送至用电信息接收端。
6.根据权利要求5所述的一种电力数据传输方法,其特征在于,所述获取压缩报文数据后,还包括:
根据所述报文类型,将所述压缩报文数据添加标识符,其中,所述标识符指示该压缩报文数据的压缩算法;
将标识过的所述压缩报文数据进行封装,获取封装压缩报文数据并发送至所述解压端设备,所述解压端设备用于识别所述标识符,并根据所述标识符所指示的压缩算法,确认相应解压算法,并通过所述相应解压算法对所述封装压缩报文数据进行解压,获取所述用电报文数据。
7.根据权利要求5所述的一种电力数据传输方法,其特征在于,所述支持向量机算法模型的预训练方法,还包括:
获取原始规约数据流,根据预设固定码长对所述原始规约数据流进行样本提取,获取训练样本;
根据所述原始规约数据流的分类,对所述训练样本进行标注,其中,具有相同标签的所述训练样本指示其具有相同的规约数据流分类;
构建支持向量机算法模型,将所述训练样本输入所述支持向量机算法模型进行有监督训练,其中,所述支持向量机算法模型的核函数为高斯核函数;
获取训练后的所述支持向量机算法模型。
8.一种电力数据传输装置,其特征在于,包括:
用电报文获取模块,用于获取用电报文数据;
报文类型获取模块,用于将所述用电报文数据输入预训练的支持向量机算法模型,获取所述用电报文数据的报文类型;
压缩报文数据发送模块,用于根据所述报文类型,确认该用电报文数据的压缩算法并获取压缩报文数据,再将所述压缩报文数据发送至解压端设备,其中,所述解压端用于对所述压缩报文数据进行解压处理,获取所述用电报文数据,再将所述用电报文数据发送至用电信息接收端。
9.一种电子设备,其特征在于,包括:
至少一个存储器以及至少一个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求5至7任一项所述的一种电力数据传输方法的步骤。
10.一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,其特征在于,所述计算机程序被处理器执行时实现如权利要求5至7任一项所述的一种电力数据传输方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311714270.4A CN117411875A (zh) | 2023-12-14 | 2023-12-14 | 一种电力数据传输***、方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311714270.4A CN117411875A (zh) | 2023-12-14 | 2023-12-14 | 一种电力数据传输***、方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117411875A true CN117411875A (zh) | 2024-01-16 |
Family
ID=89500220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311714270.4A Pending CN117411875A (zh) | 2023-12-14 | 2023-12-14 | 一种电力数据传输***、方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117411875A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8560843B1 (en) * | 2010-09-24 | 2013-10-15 | Symantec Corporation | Encrypted universal resource identifier (URI) based messaging |
US20170262221A1 (en) * | 2016-03-11 | 2017-09-14 | EMC IP Holding Company LLC | Methods and apparatuses for data migration of a storage device |
CN110532466A (zh) * | 2019-08-21 | 2019-12-03 | 广州华多网络科技有限公司 | 直播平台训练数据的处理方法、装置、存储介质及设备 |
CN113055017A (zh) * | 2019-12-28 | 2021-06-29 | 华为技术有限公司 | 数据压缩方法及计算设备 |
US20220337857A1 (en) * | 2021-04-12 | 2022-10-20 | Tencent America LLC | Techniques for signaling neural network topology, parameters, and processing information in video stream |
WO2022224069A1 (en) * | 2021-04-22 | 2022-10-27 | Nokia Technologies Oy | Syntax and semantics for weight update compression of neural networks |
CN116208772A (zh) * | 2023-05-05 | 2023-06-02 | 浪潮电子信息产业股份有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN116701411A (zh) * | 2023-08-07 | 2023-09-05 | 北京谷器数据科技有限公司 | 一种多领域数据归档方法、装置、介质及设备 |
CN116800796A (zh) * | 2023-07-06 | 2023-09-22 | 东软睿驰汽车技术(大连)有限公司 | 车联网数据的传输方法、装置、设备及介质 |
-
2023
- 2023-12-14 CN CN202311714270.4A patent/CN117411875A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8560843B1 (en) * | 2010-09-24 | 2013-10-15 | Symantec Corporation | Encrypted universal resource identifier (URI) based messaging |
US20170262221A1 (en) * | 2016-03-11 | 2017-09-14 | EMC IP Holding Company LLC | Methods and apparatuses for data migration of a storage device |
CN110532466A (zh) * | 2019-08-21 | 2019-12-03 | 广州华多网络科技有限公司 | 直播平台训练数据的处理方法、装置、存储介质及设备 |
CN113055017A (zh) * | 2019-12-28 | 2021-06-29 | 华为技术有限公司 | 数据压缩方法及计算设备 |
US20220337857A1 (en) * | 2021-04-12 | 2022-10-20 | Tencent America LLC | Techniques for signaling neural network topology, parameters, and processing information in video stream |
WO2022224069A1 (en) * | 2021-04-22 | 2022-10-27 | Nokia Technologies Oy | Syntax and semantics for weight update compression of neural networks |
CN116208772A (zh) * | 2023-05-05 | 2023-06-02 | 浪潮电子信息产业股份有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN116800796A (zh) * | 2023-07-06 | 2023-09-22 | 东软睿驰汽车技术(大连)有限公司 | 车联网数据的传输方法、装置、设备及介质 |
CN116701411A (zh) * | 2023-08-07 | 2023-09-05 | 北京谷器数据科技有限公司 | 一种多领域数据归档方法、装置、介质及设备 |
Non-Patent Citations (3)
Title |
---|
HONGRUI ZHANG;ZENGQIAN HOU;: "Metallogenesis within continental collision zones: Comparisons of modern collisional orogens", SCIENCE CHINA(EARTH SCIENCES), no. 12, 21 November 2018 (2018-11-21), XP036662272, DOI: 10.1007/s11430-017-9303-0 * |
刘虎;: "基于低速串行通信链路传输的格式化短报文压缩方法", 电子元器件与信息技术, no. 01, 20 January 2020 (2020-01-20) * |
李欣然;钟俊;: "基于BWT改进的LZSS算法在报文压缩中的应用", 现代电子技术, no. 15, 2 August 2018 (2018-08-02) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292808B (zh) | 图像处理方法、装置及图像协处理器 | |
CN107992822B (zh) | 图像处理方法和装置、计算机设备、计算机可读存储介质 | |
US10817460B2 (en) | RDMA data sending and receiving methods, electronic device, and readable storage medium | |
CN104410822B (zh) | 视频监控方法和车载视频监控设备 | |
CN114448563B (zh) | 语义编码传输方法及电子设备 | |
CN104205161A (zh) | 用于块压缩图象的解压缩的***、方法和计算机程序产品 | |
CN112801719A (zh) | 用户行为预测方法、用户行为预测装置、存储介质及设备 | |
CN113114707A (zh) | 一种电力芯片以太网控制器规则过滤方法 | |
CN111722938A (zh) | At指令处理方法、装置、计算机设备和存储介质 | |
CN112256774B (zh) | 电力数据处理方法、装置、计算机设备和存储介质 | |
CN113343895B (zh) | 目标检测方法、目标检测装置、存储介质与电子设备 | |
CN113220651B (zh) | 运行数据压缩方法、装置、终端设备以及存储介质 | |
US20240095265A1 (en) | Method and apparatus for retrieving 3d map | |
CN117411875A (zh) | 一种电力数据传输***、方法、装置、设备及存储介质 | |
CN107889191B (zh) | 无线局域网络的连接方法、装置、设备及计算机可读存储介质 | |
CN110505253B (zh) | 一种请求网页信息的方法、装置及存储介质 | |
CN108776450A (zh) | 扫地机器人服务***及计算机可读存储介质 | |
CN105574453A (zh) | 一种二维码的处理方法及移动终端 | |
CN106878149A (zh) | 一种基于微信公众号的远洋船舶通信方法及信息转换终端 | |
WO2013153265A1 (en) | Methods and apparatuses for facilitating face image analysis | |
CN115729729A (zh) | 一种功耗异常定位方法、***、终端设备和存储介质 | |
CN107026698A (zh) | 便携设备中的无线保真空闲信道评估检测和传输决策做出 | |
CN112783512B (zh) | 应用程序包处理方法、装置、设备及存储介质 | |
CN117880562A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN116707851B (zh) | 数据上报的方法及终端设备 |
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 |