本發(fā)明涉及人工智能、計(jì)算機(jī)，特別是一種面向電池供電的多源數(shù)據(jù)融合輕量化設(shè)計(jì)方法。

背景技術(shù)：

1、隨著輸電物聯(lián)網(wǎng)的深入建設(shè)，大規(guī)模、各類(lèi)型輸電線路用感知終端廣泛部署。輸電線路上感知終端存在應(yīng)用種類(lèi)較多、現(xiàn)場(chǎng)環(huán)境復(fù)雜、寬窄帶數(shù)據(jù)并存等特點(diǎn)。面向海量數(shù)據(jù)的采集需求，對(duì)感知數(shù)據(jù)回傳的可靠性提出了更高要求，如何減輕主站與通信壓力，亟需通過(guò)構(gòu)建統(tǒng)一的輸電物聯(lián)網(wǎng)感知層接入方法，減少重復(fù)投資，實(shí)現(xiàn)輸電線路的全面感知。

2、大規(guī)模、各類(lèi)型輸電線路用感知終端廣泛部署，包括微氣象裝置、微風(fēng)振動(dòng)、導(dǎo)線溫度等。輸電線路的全面感知涉及電學(xué)測(cè)量、力學(xué)測(cè)量、溫度測(cè)量等多種類(lèi)數(shù)據(jù)的感知，并支撐了導(dǎo)線動(dòng)態(tài)增容、覆冰、舞動(dòng)、視頻前端識(shí)別等多種類(lèi)業(yè)務(wù)應(yīng)用。采集的頻次越來(lái)越高，采集的時(shí)間間隔甚至到毫秒級(jí)，產(chǎn)生的數(shù)據(jù)量越來(lái)越大。由于感知終端分布范圍廣泛，現(xiàn)場(chǎng)環(huán)境復(fù)雜，網(wǎng)絡(luò)通信條件多樣，如何在保障數(shù)據(jù)傳輸可靠性的同時(shí)，減輕主站和通信網(wǎng)絡(luò)的壓力，成為亟待解決的問(wèn)題。此外，感知終端多采用電池供電，能源有限，因此如何在有限的能源條件下，提升數(shù)據(jù)處理效率，減少能耗，延長(zhǎng)設(shè)備的運(yùn)行時(shí)間，也是當(dāng)前面臨的技術(shù)挑戰(zhàn)。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提供一種面向電池供電的多源數(shù)據(jù)融合輕量化設(shè)計(jì)方法，在不增加硬件負(fù)擔(dān)的情況下，顯著增強(qiáng)輸電物聯(lián)網(wǎng)系統(tǒng)的整體感知能力和數(shù)據(jù)處理能力。

2、為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：一種面向電池供電的多源數(shù)據(jù)融合輕量化設(shè)計(jì)方法，包括云邊端協(xié)同壓縮網(wǎng)絡(luò)架構(gòu)，所述云邊端協(xié)同壓縮網(wǎng)絡(luò)架構(gòu)由多種類(lèi)型的傳感器節(jié)點(diǎn)和邊緣代理構(gòu)成，傳感器節(jié)點(diǎn)部署在電力設(shè)施的各個(gè)關(guān)鍵位置，負(fù)責(zé)采集環(huán)境和設(shè)備的運(yùn)行數(shù)據(jù)；所述傳感器節(jié)點(diǎn)通過(guò)單跳或多跳的方式，將感知到的數(shù)據(jù)傳輸至鄰近的邊緣代理節(jié)點(diǎn)；單跳通信通常適用于傳感器節(jié)點(diǎn)與邊緣代理之間距離較近的場(chǎng)景，而在傳感器節(jié)點(diǎn)分布較廣或者環(huán)境復(fù)雜的情況下，則采用多跳通信模式，將數(shù)據(jù)通過(guò)多個(gè)中繼節(jié)點(diǎn)逐步傳遞至邊緣代理；

3、傳感器節(jié)點(diǎn)發(fā)送的數(shù)據(jù)在傳輸?shù)竭吘壌砗螅吘壌硎紫葘?duì)數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)格式轉(zhuǎn)換、初步過(guò)濾和壓縮操作；

4、邊緣代理會(huì)對(duì)接收到的多源數(shù)據(jù)進(jìn)行特征學(xué)習(xí)和提取，識(shí)別出數(shù)據(jù)中有價(jià)值的信息部分，并將不同來(lái)源的數(shù)據(jù)進(jìn)行融合處理；在完成數(shù)據(jù)融合后，邊緣代理將處理后的數(shù)據(jù)傳輸至云端數(shù)據(jù)中心，供后續(xù)的分析和決策使用；數(shù)據(jù)中心根據(jù)不同應(yīng)用場(chǎng)景的需求，對(duì)接收到的數(shù)據(jù)進(jìn)行還原處理，從而為電力系統(tǒng)的監(jiān)控與管理提供準(zhǔn)確的實(shí)時(shí)數(shù)據(jù)支持。

5、在一較佳的實(shí)施例中，所述傳感節(jié)點(diǎn)采集的原始數(shù)據(jù)稀疏化表示為：

6、xj＝zc+zj,j∈{1,2,...,j}?(1)

7、其中，j為數(shù)據(jù)集合大小，即區(qū)域內(nèi)傳感器節(jié)點(diǎn)數(shù)；zc＝ψθc,||θc||0＝kc，zj＝ψθj,||θj||0＝kj，信號(hào)zc是所有xj的共同組成成分，在稀疏基ψ上是kc稀疏的；信號(hào)zj是xj的獨(dú)立成分，在稀疏基ψ上是kj稀疏的；

8、初始狀態(tài)下，傳感節(jié)點(diǎn)將采集的數(shù)據(jù)進(jìn)行分布式壓縮感知，所獲數(shù)據(jù)集合由下式表示：

9、

10、其中，yj為m×1維的感知數(shù)據(jù)隨機(jī)壓縮觀測(cè)投影矢量；xj為傳感節(jié)點(diǎn)j的感知數(shù)據(jù)，大小為n×1；φj為節(jié)點(diǎn)j的隨機(jī)高斯觀測(cè)矩陣，大小為m×n；ψ為n×n維的公共稀疏基；θc和θj分別為節(jié)點(diǎn)j數(shù)據(jù)稀疏支撐集中的公共部分和獨(dú)立部分,也是數(shù)據(jù)的特征集；隨后，各節(jié)點(diǎn)將自身數(shù)據(jù)傳輸至邊緣代理；由于節(jié)點(diǎn)隨機(jī)觀測(cè)矩陣φj是由各節(jié)點(diǎn)與邊緣代理所共享的隨機(jī)種子所生成，信號(hào)的隨機(jī)壓縮觀測(cè)過(guò)程同時(shí)也等效為加密過(guò)程，對(duì)于沒(méi)有獲知隨機(jī)種子的其它節(jié)點(diǎn)來(lái)說(shuō)，壓縮觀測(cè)信號(hào)是毫無(wú)意義的噪聲信號(hào)；

11、在接收到本區(qū)域內(nèi)所有傳感節(jié)點(diǎn)的觀測(cè)數(shù)據(jù)后，邊緣代理對(duì)數(shù)據(jù)集合進(jìn)行聯(lián)合稀疏表示，通過(guò)求解最優(yōu)化問(wèn)題和線性方程求得數(shù)據(jù)集合的稀疏成分為：

12、[zc；z1；z2；lzj](3)。

13、在一較佳的實(shí)施例中，邊緣代理在進(jìn)行數(shù)據(jù)融合之前，對(duì)來(lái)自于不同傳感器節(jié)點(diǎn)的數(shù)據(jù)的二維稀疏支撐集特征μ＝{θc,θp}進(jìn)行提取，獲得數(shù)據(jù)集合共同部分和各數(shù)據(jù)獨(dú)立部分在稀疏變換域上的頻譜分布特性；

14、首先需要對(duì)采集和壓縮的數(shù)據(jù)進(jìn)行相空間重構(gòu)；假設(shè)任意兩組傳感器的壓縮處理的數(shù)據(jù)樣本屬性集為i,j∈s,等價(jià)的語(yǔ)義映射關(guān)系滿足：

15、

16、待挖掘的數(shù)據(jù)樣本yi的關(guān)聯(lián)特征分布為：

17、

18、amn是yi的關(guān)聯(lián)信息的包絡(luò)幅度值，gmn(t)是數(shù)據(jù)統(tǒng)計(jì)平均值，n(t)是干擾噪聲；對(duì)傳感數(shù)據(jù)進(jìn)行相空間重構(gòu)，得到重構(gòu)相空間中的數(shù)據(jù)屬性集分布的相軌跡為：

19、

20、采用關(guān)聯(lián)維特征提取方法構(gòu)造大數(shù)據(jù)語(yǔ)義關(guān)聯(lián)性特征融合的目標(biāo)函數(shù)，表示為：

21、

22、其中p是重構(gòu)相軌跡之間的歐氏距離；針對(duì)語(yǔ)義關(guān)聯(lián)性特征融合目標(biāo)函數(shù)，對(duì)所有傳感器數(shù)據(jù)進(jìn)行均值化處理，得到數(shù)據(jù)特征的公共部分：

23、

24、針對(duì)每一個(gè)傳感數(shù)據(jù)，結(jié)合語(yǔ)義關(guān)聯(lián)性特征融合目標(biāo)函數(shù)進(jìn)行迭代優(yōu)化處理，得到特征獨(dú)立部分的迭代式：

25、

26、在數(shù)據(jù)融合階段，邊緣代理按步數(shù)依次對(duì)不同的傳感數(shù)據(jù)進(jìn)行加性融合，同時(shí)記錄儲(chǔ)存每步融合的數(shù)據(jù)特征：

27、

28、最后，獲得的融合數(shù)據(jù)表示為：

29、

30、在一較佳的實(shí)施例中，融合數(shù)據(jù)重構(gòu)具體為：邊緣代理將融合的數(shù)據(jù)上傳到數(shù)據(jù)中心，數(shù)據(jù)中心根據(jù)分布式壓縮感知的線性性質(zhì)和數(shù)據(jù)特征，根據(jù)需要對(duì)融合數(shù)據(jù)進(jìn)行拆分，并挖掘需要的數(shù)據(jù)；分布式壓縮感知的線性性質(zhì)表示為：

31、

32、其中，wj為權(quán)值，v為數(shù)據(jù)加性融合值；

33、融合數(shù)據(jù)實(shí)現(xiàn)拆分的結(jié)構(gòu)表達(dá)式為：

34、

35、其中acs為壓縮感知信息算子；數(shù)據(jù)拆分的過(guò)程中，首先需要基于的需求信息的來(lái)源，確定數(shù)據(jù)來(lái)源傳感器的編號(hào)和位置；然后，基于上述結(jié)果，檢索特征向量數(shù)據(jù)集μ，獲取該數(shù)據(jù)的特征集{θc,θi}；最后，基于該數(shù)據(jù)的特征集，對(duì)融合數(shù)據(jù)進(jìn)行減性操作獲得需求的數(shù)據(jù)，表示為：

36、

37、其中和是基于支撐集特征提取的數(shù)據(jù)的起始和終止位置；

38、完成拆分之后，邊緣代理對(duì)數(shù)據(jù)進(jìn)行逆稀疏變換解壓，即可求解出原始數(shù)據(jù)融合值以進(jìn)一步使用：

39、

40、其中f-1表示逆稀疏變換。

41、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：本發(fā)明提出了一種輕量化的數(shù)據(jù)融合設(shè)計(jì)方法，旨在通過(guò)邊緣智能網(wǎng)關(guān)，在數(shù)據(jù)采集的初級(jí)階段進(jìn)行有效的數(shù)據(jù)壓縮與融合處理，減少冗余數(shù)據(jù)，優(yōu)化數(shù)據(jù)傳輸路徑，從而減輕網(wǎng)絡(luò)和主站的負(fù)擔(dān)。同時(shí)，采用低功耗設(shè)計(jì)技術(shù)，確保感知終端在有限能源條件下，能夠高效穩(wěn)定運(yùn)行。該方法不僅提高了數(shù)據(jù)傳輸?shù)男屎涂煽啃?，還顯著降低了設(shè)備的功耗，為輸電線路物聯(lián)網(wǎng)感知系統(tǒng)的可持續(xù)運(yùn)行提供了保障。最終，本發(fā)明的實(shí)施將實(shí)現(xiàn)輸電線路的全面感知，提升感知數(shù)據(jù)的實(shí)時(shí)性和準(zhǔn)確性，助力智能電網(wǎng)的發(fā)展。