一种用于智能终端高频数据采集的调度处理方法与流程

本发明涉及电力，尤其涉及一种用于智能终端高频数据采集的调度处理方法。

背景技术：

1、随着物联网的发展，智能采集终端需要处理的数据量越来越大，而传统的数据处理方法已经无法满足需求。

2、卷积神经网络作为一种深度学习模型，其在图像识别等领域的应用已经取得了显著的成果。在这其中，卷积神经网络主要由卷积层、池化层和全连接层组成。其中，卷积层负责提取图像的特征，池化层负责降低特征的维度，全连接层负责输出最终的结果。卷积神经网络通过对输入图像进行卷积操作来提取特征，这种卷积可以看作是对图像进行傅里叶变换后的频域信息的处理。这些频域信息包含了图像的低频和高频成分，对于图像的边缘、纹理等特征有很好的表示能力。因此，我们提出了一种应用卷积神经网络以提高智能采集终端高频数据采集效率的方法。

技术实现思路

1、本发明的目的在于克服现有技术中的数据采集量大导致的采集频率低，数据不可靠缺陷，提供一种用于智能终端高频数据采集的调度处理方法，通过提高数据处理速度，保证高速高质量的应用数据，同时同步大量传感器数据，进而带动提高数据采集的速度。

2、为实现上述目的，本发明提供了一种用于智能终端高频数据采集的调度处理方法，包括以下步骤：

3、s1、获取已采集的用电数据获取上来进行的处理并输出；

4、s2、对s1处理并输入的数据进行传递和输出，传递给s3；

5、s3、对s2输出的数据通过卷积神经网算法进行数据的识别判断；

6、s4、判断数据质量满足要求，满足则进入s5，不满足则退回到s2；

7、s5、对待处理的数据作为其他输入侧进行输出。

8、优选地，所述s1中用电数据包括电流、电压及功率。

9、优选地，所述s3中对s2输出的数据通过卷积神经网算法进行数据的识别判断具体判断方法包括：

10、s301、通过卷积神经网络的卷积层从原始数据中提取特征；

11、s302、通过卷积神经网络的池化层进行池化操作提取重要的特征。

12、优选地，所述301中从原始数据中提取特征具体是指将传感器数据进行卷积操作，卷积操作对其空间卷积和时间卷积。

13、优选地，所述传感器数据进行卷积操作，提取重要的特征具体是指将传感器的数据输入给卷积神经网络，进行卷积神经网络计算，通过将卷积核在输入数据上滑动并计算加权和来提取特征信息。

14、优选地，所述s302中通过卷积神经网络的池化层行池化操作具体是指将前序的提取特征进行综合整理采样，提取重要的特征。

15、优选地，还包括s303、丢弃部分数据，保留有价值的数据。

16、优选地，所述s303中丢弃部分数据，保留有价值的数据具体是指将s302特征提取完成代入到激活函数进行激活，使用激活函数来引入非线性因素，通过输出值判断数据保留或丢弃。

17、优选地，所述非线性因素即

18、f(x)＝max(0,x)

19、其中，x为传感器的输入数据，f(x)为输出值。

20、当传感器的输入数据x<0时，输出值f(x)＝0，也就是当输入数据为空时，返回数据的计算结果为空。

21、优选地，还包括s304、通过损失函数来衡量模型预测结果与真实结果之间的差异。

22、本发明的有益效果：本发明提供一种用于智能终端高频数据采集的调度处理方法，利用卷积云神经网络优化并解决了大部分的传感器数据低频采集的缺点。并辅以池化操作算法，克服了数据量大的问题。本发明利用卷积云神经网络算法，具有很多传统方法没有的优点：如可以更好的解决数据量大空间占用大的问题，且不会引起有效数据的丢失；它可以处理小样本的机器学习，且不至于陷入局部最小以及过学习、欠学习问题。此外，此方法以软件算法为出发点，具有经济实用、容易实现的特点。

技术特征：

1.一种用于智能终端高频数据采集的调度处理方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的种用于智能终端高频数据采集的调度算法，其特征在于，所述s1中用电数据包括电流、电压及功率。

3.根据权利要求1所述的种用于智能终端高频数据采集的调度算法，其特征在于，所述s3中对s2输出的数据通过卷积神经网算法进行数据的识别判断具体判断方法包括：

4.根据权利要求3所述的种用于智能终端高频数据采集的调度算法，其特征在于，所述301中从原始数据中提取特征具体是指将传感器数据进行卷积操作，卷积操作对其空间卷积和时间卷积。

5.根据权利要求4所述的种用于智能终端高频数据采集的调度算法，其特征在于，所述传感器数据进行卷积操作，提取重要的特征具体是指将传感器的数据输入给卷积神经网络，进行卷积神经网络计算，通过将卷积核在输入数据上滑动并计算加权和来提取特征信息。

6.根据权利要求3所述的种用于智能终端高频数据采集的调度算法，其特征在于，所述s302中通过卷积神经网络的池化层行池化操作具体是指将前序的提取特征进行综合整理采样，提取重要的特征。

7.根据权利要求3所述的种用于智能终端高频数据采集的调度算法，其特征在于，还包括s303、丢弃部分数据，保留有价值的数据。

8.根据权利要求7所述的种用于智能终端高频数据采集的调度算法，其特征在于，所述s303中丢弃部分数据，保留有价值的数据具体是指将s302特征提取完成代入到激活函数进行激活，使用激活函数来引入非线性因素，通过输出值判断数据保留或丢弃。

9.根据权利要求7所述的种用于智能终端高频数据采集的调度算法，其特征在于，所述非线性因素即

10.根据权利要求7所述的种用于智能终端高频数据采集的调度算法，其特征在于，还包括s304、通过损失函数来衡量模型预测结果与真实结果之间的差异。

技术总结本发明公开了一种用于智能终端高频数据采集的调度处理方法，涉及电力技术领域，核心算法采用卷积神经网络算法，包括以下步骤：S1、获取已采集的用电数据获取上来进行的处理并输出；S2、对S1处理并输入的数据进行传递和输出，传递给S3；S3、对S2输出的数据通过卷积神经网算法进行数据的识别判断；S4、判断数据质量满足要求，满足则进入S5，不满足则退回到S2；S5、对待处理的数据作为其他输入侧进行输出。本发明的有益效果：提高数据采集高频质量，可以做出一些合理的决策以及一些有力的数据支撑，在研究和预测电力的方向上，有着很大的参考价。技术研发人员：王志林,刘中胜,徐海东,范嘉琦,杜俊伟,李然,丁小亮受保护的技术使用者：天津白泽清源科技有限公司技术研发日：技术公布日：2024/11/18