基于物联网的电源信息远程传输系统的制作方法

本发明涉及数据传输，具体涉及基于物联网的电源信息远程传输系统。

背景技术：

1、电源信息远程传输的稳定性与高效性是云端电源运行信息监测和调配的重要保障，传统方法通常通过物联网技术对采集的电源运行信息进行聚类分析，根据其聚类特征对电源信息进行压缩，从而将压缩后的数据进行传输，以此来保证电源信息远程传输的稳定性与高效性。其中通常利用isodata（iterative selforganizing data analysistechniques algorithm）迭代自组织聚类算法对电源运行信息进行聚类，但由于用户对物联网设备的需要会不断发生不规律变化，导致不同时间内所含电源运行信息的程度不同，使传统根据数据集规模获取的最小样本数存在较大误差，降低聚类结果的准确性，降低电源信息远程传输的效率。

技术实现思路

1、本发明提供基于物联网的电源信息远程传输系统，以解决现有的问题：用户对物联网设备的需要会不断发生不规律变化，导致不同时间内所含电源运行信息的程度不同，使传统isodata迭代自组织聚类算法根据数据集规模获取的最小样本数存在较大误差。

2、本发明的基于物联网的电源信息远程传输系统采用如下技术方案：

3、包括以下模块：

4、时序电流数据序列采集模块，用于采集若干采样周期的时序电流数据序列，所述时序电流数据序列包含多个电流数据，每个电流数据对应一个电流数据点；

5、细节数据波动程度获取模块，用于对时序电流数据序列进行聚类得到若干聚类簇；根据同一聚类簇在不同时序电流数据序列中包含的序列部分进行划分，得到若干子时序电流数据段；对于任意一个聚类簇，将聚类簇中长度最大的子时序电流数据段记为目标子时序电流数据段，将目标子时序电流数据段所对应序号构成的区间记为聚类序号区间，根据不同时序电流数据序列在目标子时序电流数据段对应聚类序号区间中的序列部分，得到若干参考时序电流数据段；根据不同电流数据点之间的距离远近情况得到每个电流数据点的邻域电流数据点；根据不同参考时序电流数据段内电流数据的分布规律情况以及不同邻域电流数据点之间的差异，得到每个电流数据点的细节数据波动程度；

6、可信度获取模块，用于根据电流数据点周围电流数据点的分布情况得到若干空间电流数据点；根据不同空间数据点之间的细节数据波动程度的变化趋势以及聚类序号区间，得到每个电流数据点的类簇影响程度；根据电流数据点的数量得到若干参考样本数目；对比不同参考样本数目的聚类簇之间不同电流数据点的类簇影响程度，得到每个参考样本数目的可信度；

7、电源信息传输模块，用于根据可信度对电流数据进行传输。

8、优选的，所述根据同一聚类簇在不同时序电流数据序列中包含的序列部分进行划分，得到若干子时序电流数据段，包括的具体方法为：

9、对所有电流数据点进行层次聚类得到若干聚类簇；对于任意一个时序电流数据序列以及任意一个聚类簇，将时序电流数据序列在聚类簇中包含的数据段记为时序电流数据序列的一个子时序电流数据段。

10、优选的，所述根据不同时序电流数据序列在目标子时序电流数据段对应聚类序号区间中的序列部分，得到若干参考时序电流数据段，包括的具体方法为：

11、将目标子时序电流数据段所属的时序电流数据序列记为目标时序电流数据序列，将除目标时序电流数据序列以外的每个时序电流数据序列记为参考时序电流数据序列，将每个参考时序电流数据序列在聚类序号区间中的数据段记为参考时序电流数据段。

12、优选的，所述根据不同电流数据点之间的距离远近情况得到每个电流数据点的邻域电流数据点，包括的具体方法为：

13、预设一个电流数据点数量t1，将任意一个聚类簇中任意一个子时序电流数据段内任意一个电流数据点记为标记电流数据点，在聚类簇中，将除标记电流数据点以外的每个电流数据点记为标记电流数据点的参考电流数据点，获取标记电流数据点与所有参考电流数据点之间的欧式距离，将所有欧式距离按照从小到大的顺序进行排列，将排列后的序列记为标记电流数据点的参考距离序列；将参考距离序列中前t1个欧式距离对应的参考电流数据点作为标记电流数据点的邻域电流数据点。

14、优选的，所述根据不同参考时序电流数据段内电流数据的分布规律情况以及不同邻域电流数据点之间的差异，得到每个电流数据点的细节数据波动程度，包括的具体方法为：

15、将任意一个聚类簇中任意一个子时序电流数据段内任意一个电流数据点记为第一标记电流数据点，将第一标记电流数据点所属的子时序电流数据段记为第一标记子时序电流数据段；

16、

17、式中，表示第一标记电流数据点的细节数据波动程度；表示第一标记子时序电流数据段的偏度；表示第一标记子时序电流数据段的所有参考时序电流数据段的数量；表示第个参考时序电流数据段的偏度；表示在第一标记子时序电流数据段所属的时序电流数据序列中，除第一标记子时序电流数据段以外所有子时序电流数据段的数量；表示在第一标记子时序电流数据段所属的时序电流数据序列中，除第一标记子时序电流数据段以外第个子时序电流数据段的偏度；表示第个参考时序电流数据段的偏度；表示第一标记电流数据点的所有邻域电流数据点的数量；表示第一标记电流数据点与第个邻域电流数据点的电流数据的差值；表示第一标记电流数据点与第个邻域电流数据点的欧式距离；表示取绝对值。

18、优选的，所述根据电流数据点周围电流数据点的分布情况得到若干空间电流数据点，包括的具体方法为：

19、预设一个区域大小t2，将任意一个聚类序号区间中任意一个电流数据点记为第二标记电流数据点，以第二标记电流数据点为中心，获取区域大小为t2的窗口区域作为第二标记电流数据点的样本电流空间；在第二标记电流数据点的样本电流空间中，将除第二标记电流数据点以外的电流数据点记为第二标记电流数据点的空间电流数据点。

20、优选的，所述根据不同空间数据点之间的细节数据波动程度的变化趋势以及聚类序号区间，得到每个电流数据点的类簇影响程度，包括的具体方法为：

21、将任意一个聚类序号区间中任意一个电流数据点记为第三标记电流数据点；

22、

23、式中，表示第三标记电流数据点的类簇影响程度；表示第三标记电流数据点的所有空间电流数据点的数量；表示第个空间电流数据点与第三标记电流数据点的细节数据波动程度的差值的绝对值；表示第三标记电流数据点的细节数据波动程度；表示聚类序号区间内所有电流数据点的细节数据波动程度的均值；表示预设的超参数；表示聚类序号区间内所有电流数据点的细节波动程度的标准差；表示取绝对值。

24、优选的，所述根据电流数据点的数量得到若干参考样本数目，包括的具体方法为：

25、

26、式中，表示初始样本数目；表示所有聚类簇中所有电流数据点的数量；表示预设的样本数目因子；表示向下取整；

27、将初始样本数目作为起始样本数目，以步长为1，依次降低样本数目，并将每次降低后的样本数目作为一个参考样本数目，直至样本数目降低为1时停止降低样本数目，获取若干参考样本数目。

28、优选的，所述对比不同参考样本数目的聚类簇之间不同电流数据点的类簇影响程度，得到每个参考样本数目的可信度，包括的具体方法为：

29、对于任意一个参考样本数目以及任意一个聚类序号区间，将参考样本数目作为最小样本数目，根据最小样本数目对聚类序号区间中所有电流数据点聚类得到若干聚类簇，将每个聚类簇记为初始筛定聚类簇，将包含电流数据点数量最大的初始筛定聚类簇记为参考样本数目的筛定聚类簇，将除筛定聚类簇以外的每个初始筛定聚类簇记为参考筛定聚类簇；获取所有参考样本数目的筛定聚类簇；

30、将所有参考样本数目按照从小到大顺序进行排列，将排列后的序列记为参考样本数目序列；对于参考样本数目序列中除第一个参考样本数目以外的任意一个参考样本数目，在参考样本数目序列中，将参考样本数目与第一个参考样本数目之间所有参考样本数目所构成的数据段记为参考样本数目的筛定样本数目段；

31、将筛定样本数目段中任意相邻的两个参考样本数目记为一个参考样本对；对于参考样本对中第二个参考样本数目的筛定聚类簇中任意一个电流数据点，若电流数据点没有在参考样本对中第一个参考样本数目的筛定聚类簇内出现，那么将电流数据点记为参考样本对的一个差异电流数据点；

32、

33、式中，表示参考样本数目的可信度；表示参考样本数目的筛定样本数目段中所有参考样本对的数量；表示参考样本数目的筛定样本数目段中第个参考样本对的所有差异电流数据点的数量；表示预设的超参数；表示参考样本数目的筛定样本数目段中第个参考样本对的第个差异电流数据点的类簇影响程度；表示以自然常数为底的指数函数。

34、优选的，所述根据可信度对电流数据进行传输，包括的具体方法为：

35、对于任意一个聚类序号区间，预设一个可信度阈值t4，在聚类序号区间的所有参考样本数目的可信度中，将可信度大于t4的参考样本数目记为自适应最小样本数目；

36、将聚类序号区间的自适应最小样本数目的筛定聚类簇中所包含的所有电流数据进行bzip2压缩得到压缩后的数据，记为正常压缩数据；将聚类序号区间的自适应最小样本数目的参考筛定聚类簇中所包含的所有电流数据进行lz77压缩得到压缩后的数据，记为异常压缩数据；将所有正常压缩数据以及异常压缩数据传输至云平台。

37、本发明的技术方案的有益效果是：对时序电流数据序列进行聚类得到若干聚类簇，根据聚类簇在不同时序电流数据序列中包含的序列部分得到若干参考时序电流数据段，根据电流数据点之间的距离大小得到若干邻域电流数据点，根据不同参考时序电流数据段内电流数据的分布规律情况以及不同邻域电流数据点的差异得到细节数据波动程度，根据细节波动程度得到类簇影响程度，根据类簇影响程度得到可信度，根据可信度对电流数据进行传输；本发明的细节数据波动程度反映了标记电流数据点的时序偏移特征与周围空间的离群特征的显著程度，类簇影响程度反映了电流数据对于通过迭代isodata迭代自组织聚类所获取聚类簇的局部区域与整体区域的影响程度的关联性，可信度反映了参考样本数目为最佳的最小样本数目的可能性；使最终确定的最小样本数更加合理，提高了聚类结果的准确性，提高了电源信息远程传输的效率。