【技術實現步驟摘要】
本專利技術涉及電力信息管理，尤其涉及一種多模塊充電資源信息管理方法及系統。
技術介紹
1、隨著電動汽車滲透率不斷提高，充電資源(如充電樁、配電設備、電能管理系統、訂單系統等)持續生成海量信息，對這些信息進行高效傳輸、存儲、處理分析并保證這些信息的安全，從而為充電業務發展提供支撐變得愈加重要。一套綜合多模塊的充電資源信息管理系統，可以實現對充電資源信息的高速傳輸、高效處理和安全保護。進而為充電設施的監測、運營管理和用戶體驗等方面帶來顯著的改進和優勢。
2、但市面上的一些充電資源信息管理系統往往只關注充電樁和充電站的基本信息管理，缺乏對充電過程中的信息傳輸、處理與分析、信息安全和備份恢復等方面的綜合管理。此外，有些充電資源信息管理系統在信息處理速度、安全性和可靠性方面也存在一定的不足。
3、為此，本專利技術通過信息傳輸與存儲模塊、信息處理與分析模塊、信息安全與備份恢復模塊構建多模塊充電資源信息管理系統，并引入hdfs分布存儲技術、深度學習網絡、rbac角色訪問控制等技術和方法，通過對海量信息進行實時傳輸、存儲、處理分析和安全防護，實現對海量信息及時高效地管理，支撐充電業務優化與發展。
技術實現思路
1、鑒于上述現有存在的問題，提出了本專利技術。
2、因此，本專利技術提供了一種多模塊充電資源信息管理方法，能夠解決已有充電資源信息管理系統存在的信息傳輸和存儲緩慢，信息丟失、信息處理效率低以及信息泄露等問題。
3、為解決上述技術問題，本專利技術
4、作為本專利技術所述的一種多模塊充電資源信息管理方法的一種優選方案，其中：所述構建信息傳輸單元包括，應用延遲優化算法中的擁塞控制算法進行信息的高效傳輸，應用擁塞控制算法進行信息傳輸的過程包含，確定信息傳輸路徑參數，計算延遲容忍網絡帶寬、信息傳輸速率計算、擁塞狀態優化；
5、所述確定信息傳輸路徑參數，設置在延遲容忍網絡中需要傳輸的網絡參數，具體公式如下：
6、
7、其中，n為需傳輸的全部信息量，ai、bi分別為信息集合和路徑集合，m為傳輸節點數目，l為網絡傳輸路徑帶寬，s為網絡控制端數目；
8、所述計算延遲容忍網絡帶寬，根據發送信號的反饋速度，能夠計算延遲容忍網絡的帶寬，具體公式如下：
9、
10、其中，q為延遲容忍網絡分組，uj+1為第j+1組信息傳遞到控制端的時間；
11、所述信息傳輸速率計算，根據擁塞窗口遞增和遞減情況，計算信息傳輸速率，具體公式如下：
12、
13、其中，suu為傳輸路徑擁塞時間，u0表示延遲容忍網絡超時時間，c為待傳輸信息量，q為延遲容忍網絡組；
14、所述擁塞狀態優化，進行擁塞狀態優化處理，實現擁塞避免優化，表達式如下：
15、
16、其中，j＝1，2，…，p1，k＝1，2，…，p2，ε為激勵函數，xjk是擁塞狀態權值系數；為偏置值。
17、作為本專利技術所述的一種多模塊充電資源信息管理方法的一種優選方案，其中：所述構建信息存儲單元包括，信息存儲單元對信息傳輸單元傳輸的各類信息進行存儲，用于保存和管理各種充電資源信息，包括充電信息、用戶信息、交易記錄、設備狀態；
18、安裝hadoop并配置hdfs集群，確定datanode的數量和配置，配置namenode，負責管理文件系統的命名空間和客戶端訪問，配置datanode與namenode通信并存儲數據塊；
19、根據數據特性和存儲需求，確定數據塊的大小，設置數據塊的副本數量；當信息傳輸單元有數據需要存儲時，客戶端將數據寫入hdfs，數據在寫入前被切分成固定大小的數據塊，客戶端將數據塊寫入到時間最近的datanode，datanode再將數據塊復制到其他節點；
20、當需要讀取數據時，客戶端首先查詢namenode獲取數據塊的位置信息，客戶端直接從datanode讀取數據塊，并行讀取多個數據塊提高讀取性能；
21、利用hdfs的副本機制，進行數據備份，在數據損壞或丟失時，通過副本進行恢復；使用hadoop提供的工具監控hdfs集群的狀態，包括datanode的健康狀況、存儲容量，定期對hdfs進行維護，平衡datanode的負載、回收不再使用的數據塊。
22、作為本專利技術所述的一種多模塊充電資源信息管理方法的一種優選方案，其中：所述構建信息處理單元包括，應用深度學習網絡中的dptcn模型執行信息處理任務中關鍵的特征提取和信息轉換，模型由轉換層、擠壓層、激勵層和重標定層構成，通過不同層級有序高效地進行信息處理；
23、所述轉換層通過卷積計算實現輸入的特征提取，對輸入的信息在轉換層進行標準的卷積計算，提取局部信息的特征，具體公式如下：
24、
25、其中，uc為經過卷積計算后的特征圖，xs為原始信息集，vc為第c個卷積核，特征通道數為c；轉換層的卷積計算采用時序卷積，第i時刻的特征通道輸出計算如下：
26、c'i＝f(kj·xi+bi)
27、其中，xi為第i時刻在卷積層計算的詞向量矩陣，kj為第j層的卷積核，為偏移向量，f為非線性激活函數，最終提取特征公式如下：
28、
29、所述擠壓層通過全局平均池化實現轉換層輸出的特征壓縮，將每個二維的特征壓縮成一個具有當前特征通道全局感的一維實數，計算公式如下：
30、
31、其中，h為原始特征圖高度，w為原始特征圖寬度；
32、所述激勵層通過參數訓練為特征通道生成權重，具體生成計算公式如下：
33、s＝σ(w2δ(w1z))
34、其中，w1為通道降低計算系數，w2為維度恢復系數，σ為sigmoid函數，δ為relu激活函數；
35、所述重標定層實現在特征通道維度上對原始特征的重標定，具體計算如下：
36、
37、其中，sc為激活值，范圍0-1，為重標定輸出。
38、作為本專利技術所述的一種多模塊充電資源信息管理方法的一種優選方案，其中：所述構建信息分析單元包括，通過應用信息挖掘和強化學習技術，識別出充電資源信息中的模式和關聯，以及識別出潛在的故障模式和異常情況，基于充電資源信息的分析結果，支撐調度決策的生成和優化；
39、應用關本文檔來自技高網...
【技術保護點】
1.一種多模塊充電資源信息管理方法，其特征在于：包括，
2.如權利要求1所述的一種多模塊充電資源信息管理方法，其特征在于：所述構建信息傳輸單元包括，應用延遲優化算法中的擁塞控制算法進行信息的高效傳輸，應用擁塞控制算法進行信息傳輸的過程包含，確定信息傳輸路徑參數，計算延遲容忍網絡帶寬、信息傳輸速率計算、擁塞狀態優化；
3.如權利要求2所述的一種多模塊充電資源信息管理方法，其特征在于：所述構建信息存儲單元包括，信息存儲單元對信息傳輸單元傳輸的各類信息進行存儲，用于保存和管理各種充電資源信息，包括充電信息、用戶信息、交易記錄、設備狀態；
4.如權利要求3所述的一種多模塊充電資源信息管理方法，其特征在于：所述構建信息處理單元包括，應用深度學習網絡中的DPTCN模型執行信息處理任務中關鍵的特征提取和信息轉換，模型由轉換層、擠壓層、激勵層和重標定層構成，通過不同層級有序高效地進行信息處理；
5.如權利要求4所述的一種多模塊充電資源信息管理方法，其特征在于：所述構建信息分析單元包括，通過應用信息挖掘和強化學習技術，識別出充電資源信息中的模式和關聯
6.如權利要求5所述的一種多模塊充電資源信息管理方法，其特征在于：所述構建信息安全單元包括，通過基于角色的訪問控制模型進行信息安全防護，設計網絡安全訪問控制系統的身份認證功能，基于角色的訪問控制主要包含三個核心環節，分別是定義訪問規則、構建用戶信任值對比矩陣、訪問令牌授予；
7.如權利要求6所述的一種多模塊充電資源信息管理方法，其特征在于：所述構建信息備份恢復單元包括，基于阿里云備份服務進行信息的備份與恢復，進行備份和恢復各種類型的信息；
8.一種采用如權利要求1～7任一所述的一種多模塊充電資源信息管理方法的系統，其特征在于：包括信息傳輸與存儲模塊、信息處理與分析模塊、信息安全與備份恢復模塊；
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。
...【技術特征摘要】
1.一種多模塊充電資源信息管理方法，其特征在于：包括，
2.如權利要求1所述的一種多模塊充電資源信息管理方法，其特征在于：所述構建信息傳輸單元包括，應用延遲優化算法中的擁塞控制算法進行信息的高效傳輸，應用擁塞控制算法進行信息傳輸的過程包含，確定信息傳輸路徑參數，計算延遲容忍網絡帶寬、信息傳輸速率計算、擁塞狀態優化；
3.如權利要求2所述的一種多模塊充電資源信息管理方法，其特征在于：所述構建信息存儲單元包括，信息存儲單元對信息傳輸單元傳輸的各類信息進行存儲，用于保存和管理各種充電資源信息，包括充電信息、用戶信息、交易記錄、設備狀態；
4.如權利要求3所述的一種多模塊充電資源信息管理方法，其特征在于：所述構建信息處理單元包括，應用深度學習網絡中的dptcn模型執行信息處理任務中關鍵的特征提取和信息轉換，模型由轉換層、擠壓層、激勵層和重標定層構成，通過不同層級有序高效地進行信息處理；
5.如權利要求4所述的一種多模塊充電資源信息管理方法，其特征在于：所述構建信息分析單元包括，通過應用信息挖掘和強化學習技術，識別出充電資源信息中的模式和關聯，以及識別出潛在的故障模式和...
【專利技術屬性】
技術研發人員：盧健斌，陳衛東，吳曉銳，吳寧，肖靜，江裕雄，林銳，韓帥，孫樂平，黃夢喜，
申請(專利權)人：廣西電網有限責任公司電力科學研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。