一种电力业务网络区分方法和系统与流程

1.本发明涉及电力业务区分技术领域，尤其涉及一种电力业务网络区分方法和系统。


背景技术：

2.当前电网发展面临深刻变化和转型需求，电源侧发电类型丰富，新能源发展迅速，调节能力持续下降；电网侧安全红线不断箍紧，设备和运行冗余度大；负荷侧资源处于沉睡状态，交互机制能力尚未建立；储能侧设施配置少、难利用、无政策。
3.随着国家电改政策的逐步推进，配网的运行效率和效益将成为电网公司需要面对的实际关键问题，电力无线专网除了需支撑传统用电信息采集、配用电网电气设备监测等具有“低速、广覆盖”属性的业务以外，还需要支撑“低时延、高可靠”业务，如图像或视频传输、应急通信、毫秒级精准切负荷控制业务以及毫秒级的配电网三遥业务。如何在电力无线专网中快速准确识别到业务类别，以针对不同的业务采取不同的传输方式正成为研究方向。
4.中国专利cn103987071a提供了一种“电力td-lte无线业务系统”，通过在电力ue终端发送的信息中增加tag标识，lte基站通过识别ue终端的tag标识区分用户类型，从而实现不同业务至在不同子网中传输，实现业务的物理隔离，提高了无线专网的安全性，但是这种方法中缺乏电力业务的信息采集，以及划分业务等级等。


技术实现要素：

5.针对上述电网配网效率与效益低的问题，本发明提供一种电力业务网络区分方法和系统，该发明使用包括存储器和处理器的系统，实现电力业务网络区分方法，解决了现有技术中难以识别网络传输数据中的业务类别、分配不同网络进行数据传输以及数据传输效率低的问题。
6.本发明的上述技术问题主要是通过下述技术方案得以解决的：一种电力业务网络区分方法，包括以下步骤：s1获取预设网络中的业务数据包；s2识别所述业务数据包中的业务类别；s3根据不同的所述业务类别对所述电力业务进行区分，并分路传输。
7.为了使得网络传输效益得到提升，基站的传输效率最大化，需要对网络内的传输数据进行类型区分，针对不同的类型进行归类，有条不紊地进行传输可大大提升传输速率。
8.作为优选，步骤s1所述获取预设网络中的业务数据包，具体步骤为：s11检测所述预设网络中的实时数据流量；s12识别到所述实时数据流量中的预设标签值；s13抓取具有所述预设标签值得数据流量作为所述业务数据包。
9.在众多数据中获取需要的业务数据包，需要通过识别所述实时数据流量中的所述
预设标签值。
10.作为优选，步骤s2所述识别所述业务数据包中的业务标签，具体步骤为：s21根据所述业务数据包获取不同业务的业务标签值；s22将所述业务标签值输入到训练好的业务类别神经网络模型中，得到目标模拟结果；s23根据所述目标模拟结果判断所述业务数据包中的业务类别。
11.不同的业务类别对应不同的业务标签值，为了能够快速区分所述业务标签值得所述业务类别，可以借助训练好的所述业务类别神经网络模型进行区分。
12.作为优选，步骤s23所述根据所述目标模拟结果判断所述业务数据包中的业务类别，具体为：判断所述目标模拟结果的与预设阈值范围的大小，其中，若所述目标模拟结果位于第一预设阈值范围内，则判断所述业务类别为第一业务领域；若所述目标模拟结果位于第二预设阈值范围内，则判断所述业务类别为第二业务领域；若所述目标模拟结果位于第三预设阈值范围内，则判断所述业务类别为第三业务领域。
13.所述第一业务领域的安全等级最高，私密性最强，包括电力控制信息以及链路负荷信息；所述第二业务领域的业务类别具有时效性优先的特定，包括视频监控信息流以及应急通信信息流；所述第三业务领域的业务类别即为普通类别，包括用电采集信息以及移动应用信息。
14.作为优选，步骤s23还包括对所述预设网络进行网络切分，具体为：根据精控需要切分出第一网络分片以匹配所述第一业务领域的所述电力业务；根据时延需要切分出第二网络分片以匹配所述第二业务领域的所述电力业务；根据可靠性需要切分出第三网络分片以匹配所述第三业务领域的所述电力业务。
15.所述预设网络切分的数量总是比所述业务领域的数量要高，以满足一些特定业务传输的需要。
16.作为优选，所述业务类别神经网络模型训练方法为：s221获取历史时间的业务标签信息和业务类别信息；s222将所述历史时间的业务标签信息和业务类别信息进行预处理，得到训练样本集；s223将所述训练样本集输入至初始化的所述业务类别神经网络模型中训练；s224获取输出结果的准确率，若所述准确率大于预设的准确率阈值，则停止训练，得到所述业务类别神经网络模型。
17.所述业务类别神经网络模型训练时，先获取历史时间的所述业务标签信息和业务类别信息；将所述历史时间的所述业务标签信息和业务类别信息进行预处理，得到训练样本集，包括所述业务标签的识别与剔除错误的所述业务类别；将所述训练样本集输入至初始化的神经网络模型中训练；获取输出结果的准确率；若所述准确率大于预设的准确率阈值，则停止训练，得到最终的所述业务类别神经网络模型。
18.作为优选，所述准确率阈值value
correct
与所述业务类别数量number
type
之间的关系公式如下：value
correct
=value
std
θ*number
type
；其中，value
std
为标准准确率，θ为动态经验值的参数因子，其中所述标准准确率一般为78%。
19.一种用于实现电力业务网络区分方法的系统，包括存储器和处理器。所述存储器内设有一种计算机可读存储介质，所述计算机可读存储介质中存有电力业务网络区分方法程序，所述处理器与存储器连接，该处理器可以运行存储器中的全部程序，完成所述电力业务网络区分方法中的全部步骤，存储器中的储存介质包括存储介质包括：移动存储设备、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
20.本发明的有益效果是：1.保证数据本身的安全性，减少数据丢失的情况发生；2.使得网络传输效益得到提升，基站的传输效率最大化；3.提高网络内数据的传输速度；4.可以识别网络传输数据中的业务类别以及分配不同网络进行数据传输。
附图说明
21.图1是本发明的一种电力业务网络区分方法流程图；图2是本发明的一种用于电力业务网络区分方法的系统的结构示意图。
具体实施方式
22.下面结合附图与具体实施方式对本发明做进一步的描述。
23.如图1所示，一种电力业务网络区分方法包括以下步骤：s1获取预设网络中的业务数据包；具体为：s11检测所述预设网络中的实时数据流量；s12识别到所述实时数据流量中的预设标签值；s13抓取具有所述预设标签值得数据流量作为所述业务数据包。
24.由于所述预设网络中的数据流量种类繁多，如何在众多数据中获取需要的业务数据包，则通过识别所述实时数据流量中的所述预设标签值，例如所述预设标签值可以为一串初始码“0000xxxx”，当识别到所述预设标签值时，就将对应的数据进行抓取以获得所述业务数据包。数据流量都是多路传输的，所以可以设置多段识别，多通道识别的方式对所述业务数据包进行抓取，避免出现数据遗漏的情况。
25.s2识别所述业务数据包中的业务类别；具体为：s21根据所述业务数据包获取不同业务的业务标签值；s22将所述业务标签值输入到训练好的业务类别神经网络模型中，得到目标模拟结果；
s23根据所述目标模拟结果判断所述业务数据包中的业务类别。
26.不同的业务类别对应不同的业务标签值，为了能够快速区分所述业务标签值得所述业务类别，可以借助训练好的所述业务类别神经网络模型进行区分。所述业务类别神经网络模型需要大量的历史数据进行训练，数据量越大，则结果越准确。本技术中的所述业务类别神经网络模型可以通过历史业务类别情况的所述业务标签值作为输入进行训练，当然，在进行神经网络模型训练时，不仅要通过所述业务标签值进行训练，还需要结合业务本身的类型进行训练，通过大量历史数据进行训练，得到的结果也会更加准确，再结合每一次业务类别信息，可以使得业务类别神经网络的输出结果更加准确。
27.根据实施例，步骤s22所述业务类别神经网络模型训练方法为：s221获取历史时间的业务标签信息和业务类别信息；s222将所述历史时间的业务标签信息和业务类别信息进行预处理，得到训练样本集；s223将所述训练样本集输入至初始化的所述业务类别神经网络模型中训练；s224获取输出结果的准确率，若所述准确率大于预设的准确率阈值，则停止训练，得到所述业务类别神经网络模型。
28.需要说明的是，所述业务类别神经网络模型训练时，先获取历史时间的所述业务标签信息和业务类别信息；将所述历史时间的所述业务标签信息和业务类别信息进行预处理，得到训练样本集，包括所述业务标签的识别与剔除错误的所述业务类别；将所述训练样本集输入至初始化的神经网络模型中训练；获取输出结果的准确率；若所述准确率大于预设的准确率阈值，则停止训练，得到最终的所述业务类别神经网络模型。所述准确率阈值是个动态阈值，根据不同数量的业务类别会得到不同的所述准确率阈值，其中，所述准确率阈值value
correct
与所述业务类别数量number
type
之间的关系公式如下：value
correct
=value
std
θ*number
type
；其中，value
std
为标准准确率，一般设置为78%，θ为参数因子，为动态经验值。
29.步骤s23所述根据所述目标模拟结果判断所述业务数据包中的业务类别，具体为判断所述目标模拟结果的与预设阈值范围的大小，其中，若所述目标模拟结果位于第一预设阈值范围内，则判断所述业务类别为第一业务领域；若所述目标模拟结果位于第二预设阈值范围内，则判断所述业务类别为第二业务领域；若所述目标模拟结果位于第三预设阈值范围内，则判断所述业务类别为第三业务领域。
30.当识别出所述业务标签值带入训练好的所述业务类别神经网络模型中，得到所述目标模拟结果，需要判断所述目标模拟结果与所述阈值范围的大小关系以判断所述业务类别。更具体地，若所述目标模拟结果位于第一预设阈值范围内，则判断所述业务类别为第一业务领域，例如，所述目标模拟结果为“15”，所述第一预设阈值范围为[1-50]，则判断所述业务类别为第一业务领域；若所述目标模拟结果位于第二预设阈值范围内，则判断所述业务类别为第二业务领域，例如，所述目标模拟结果为“143”，所述第二预设阈值范围为[51-200]，则判断所述业务类别为第二业务领域；若所述目标模拟结果位于第三预设阈值范围
内，则判断所述业务类别为第三业务领域，例如，所述目标模拟结果为“415”，所述第二预设阈值范围为[201-500]，则判断所述业务类别为第三业务领域；其中，所述第一业务领域的安全等级最高，私密性最强，包括电力控制信息以及链路负荷信息；所述第二业务领域的业务类别具有时效性优先的特定，包括视频监控信息流以及应急通信信息流；所述第三业务领域的业务类别即为普通类别，包括用电采集信息以及移动应用信息。随着电力网络的业务的不断发展，会有越来越多的业务类别出现在所述电力网络中进行传输，需要设置更多的所述阈值范围，以满足不同的所述业务类别。
[0031]
此外，根据实施例，步骤s23中对于不同业务领域需要有对应的网络切分：根据精控需要切分出第一网络分片以匹配所述第一业务领域的所述电力业务；根据时延需要切分出第二网络分片以匹配所述第二业务领域的所述电力业务；根据可靠性需要切分出第三网络分片以匹配所述第三业务领域的所述电力业务。
[0032]
更具体的，当识别出所述实时数据流量中的业务类别后，需要对不同的业务进行传输网络的划分，以保证传输的有效性与有序性，具体地，根据精控需要切分出第一网络分片以匹配所述第一业务领域的所述电力业务，以满足所述第一业务领域内的信息安全性要求与私密性要求；根据时延需要切分出第二网络分片以匹配所述第二业务领域的所述电力业务，以满足所述第二业务领域的信息时效性的优先等级的要求；根据可靠性需要切分出第三网络分片以匹配所述第三业务领域的所述电力业务，以满足所述第三业务领域的信息稳定性的要求。所述预设网络切分的数量总是比所述业务领域的数量要高，以满足一些特定业务传输的需要。
[0033]
s3根据不同的所述业务类别对所述电力业务进行区分，并分路传输。
[0034]
电力专用网络里面传输的数据品类繁多，包含各种类型，为了使得网络传输效益得到提升，基站的传输效率最大化，需要对网络内的传输数据进行类型区分，针对不同的类型进行归类，有条不紊地进行传输可大大提升传输速率，区分好不同类型的数据后，可以保证数据本身的安全性，减少数据丢失的情况发生，获取到所述业务数据包后，识别所述业务数据包里业务类别以进行区分，进而根据不同的所述业务类别选择不同的传输网络进行传输。
[0035]
如图2所示，本发明还提供了用于实现电力业务网络区分方法的系统，该系统由存储器21和处理器22组成，所述存储器21中包括用于实现电力业务网络区分方法的电力业务网络区分方法程序。存储器21中的储存介质包括存储介质包括：移动存储设备、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。处理器22与存储器21相接，该处理器22在系统运行时可以执行电力业务网络区分方法程序，完成所述电力业务网络区分方法中的全部步骤。
[0036]
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
[0037]
尽管本文较多地使用了业务领域、预设标签值、预设阀值等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。

技术特征：
1.一种电力业务网络区分方法，其特征在于，包括以下步骤：s1获取预设网络中的业务数据包；s2识别所述业务数据包中的业务类别；s3根据不同的所述业务类别对所述电力业务进行区分，并分路传输。2.根据权利要求1所述的一种电力业务网络区分方法，其特征在于，所述步骤s1获取预设网络中的业务数据包，具体步骤为：s11检测所述预设网络中的实时数据流量；s12识别到所述实时数据流量中的预设标签值；s13抓取具有所述预设标签值得数据流量作为所述业务数据包。3.根据权利要求1所述的一种电力业务网络区分方法，其特征在于，所述步骤s2识别所述业务数据包中的业务标签，具体步骤为：s21根据所述业务数据包获取不同业务的业务标签值；s22将所述业务标签值输入到训练好的业务类别神经网络模型中，得到目标模拟结果；s23根据所述目标模拟结果判断所述业务数据包中的业务类别。4.根据权利要求3所述的一种电力业务网络区分方法，其特征在于，所述步骤s23根据所述目标模拟结果判断所述业务数据包中的业务类别，具体为判断所述目标模拟结果的与预设阈值范围的大小，其中，若所述目标模拟结果位于第一预设阈值范围内，则判断所述业务类别为第一业务领域；若所述目标模拟结果位于第二预设阈值范围内，则判断所述业务类别为第二业务领域；若所述目标模拟结果位于第三预设阈值范围内，则判断所述业务类别为第三业务领域。5.根据权利要求3或4所述的一种电力业务网络区分方法，其特征在于，所述步骤s23还包括对所述预设网络进行网络切分，具体为：根据精控需要切分出第一网络分片以匹配所述第一业务领域的所述电力业务；根据时延需要切分出第二网络分片以匹配所述第二业务领域的所述电力业务；根据可靠性需要切分出第三网络分片以匹配所述第三业务领域的所述电力业务。6.根据权利要求3所述的一种电力业务网络区分方法，其特征在于，所述步骤s22中业务类别神经网络模型训练方法为：s221获取历史时间的业务标签信息和业务类别信息；s222将所述历史时间的业务标签信息和业务类别信息进行预处理，得到训练样本集；s223将所述训练样本集输入至初始化的所述业务类别神经网络模型中训练；s224获取输出结果的准确率，若所述准确率大于预设的准确率阈值，则停止训练，得到所述业务类别神经网络模型。7.根据权利要求6所述的一种电力业务网络区分方法，其特征在于，所述准确率阈值value
correct
与所述业务类别数量number
type
之间的关系公式如下：value
correct
=value
std
θ*number
type
；其中，value
std
为标准准确率，θ为动态经验值的参数因子。
8.一种用于电力业务网络区分的系统，其特征在于，包括存储器和处理器，所述存储器内设有一种计算机可读存储介质，所述计算机可读存储介质中存有电力业务网络区分方法程序，所述处理器与存储器连接。

技术总结
本发明公开了一种电力业务网络区分方法和系统，所述方法包括：获取预设网络中的业务数据包；识别所述业务数据包中的业务类别；根据不同的所述业务类别对所述电力业务进行区分，并分路传输。所述系统包括：包含电力业务网络区分方法程序的存储器以及运行存储器程序的处理器。本发明通过设置的业务类别识别方法来获取电力传输网络中的目标数据，并对其业务类别进行区分；同时根据不同的业务类别对电力传输网络进行网络切分，以匹配不同类别业务数据的要求，以实现依据传输数据的现行要求进行分路传输，保证数据的安全性与时效性的同时提升网络的通行效率，减少网络拥塞的情况发生。减少网络拥塞的情况发生。减少网络拥塞的情况发生。


技术研发人员：毛琳明 陈刚 汪泽州 储建新 张泰山 陈伦 赵燕波 赵国爱 蒋海忠 鲍建飞 干玉成 张汉斌 张洁 潘炫霖 刘海林 高原 朱凯熙 屠孝杰 李名文 潘克勤 曹志勇 谢益峰 陆建琴 雷健新 孙豪豪 朱杰 谢军明 查云杰 董子奕 李伟 孙帅 张依辰 俞晓伟 周弘毅
受保护的技术使用者：国网浙江省电力有限公司海盐县供电公司
技术研发日：2021.11.15
技术公布日：2022/5/25