[发明专利]多通信协议智能感知方法

说明书

本发明公开了一种多通信协议智能感知方法，其能够用于配用电物联网边缘计算，该多通信协议智能感知方法包括：构建一个用于配用电物联网边缘计算的轻量级深度神经网络模型；通过多种不同通信协议类型的协议帧数据训练所述轻量级深度神经网络模型，得到预训练模型；将所述预训练模型部署至配用电终端的多协议智能感知系统中；所述多协议智能感知系统根据所述预训练模型对接收到的协议帧数据进行感知推理从而识别出所述接收到的协议帧数据的协议类型。该多通信协议智能感知方法能够应用在配用电物联网边缘计算中，实现边缘侧快速感知各种应用协议，促进配用电终端的各接入设备互联互通与即插即用。

技术领域

本发明是关于边缘计算领域，特别是关于一种多通信协议智能感知方法。

背景技术

随着物联网技术和人工智能技术的快速发展以及云计算服务的成功应用推动了新的计算范式边缘计算，传统电网越来越需要和新一代信息技术做深度融合来实现智能电网各业务的统一。边缘计算着眼于实时、短周期数据的分析，靠近设备端，更好地支撑本地业务实时分析和智能化处理，具有分布式和低延时、效率更高、缓解流量压力等特点，相较单纯的云计算也更加高效和安全。在深度学习不断渗透到智能电网的同时，探索适合于配用电物联网边缘计算的智能技术对于推进智能电网运行的高效性意义重大。

在配用电物联网中，各地终端通信接入网建设规模差异较大、通信接入层各类业务需求尚未统一、应用协议标准化程度不够且种类繁多，影响智能配用电业务的高效、双向传输。配用电物联网边缘终端在接入多异构设备时，面临多种不同的应用协议识别时，如电、水、气、热表计设备、充电桩设备等不同设备的接入带来了不同类型的应用协议快速识别问题，仍然是互联互通和即插即用的较大阻碍。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

本发明的目的在于提供一种多通信协议智能感知方法，其能够应用在配用电物联网边缘计算中，实现边缘侧快速感知各种应用协议，促进配用电终端的各接入设备互联互通与即插即用。

为实现上述目的，本发明提供了一种多通信协议智能感知方法，其能够用于配用电物联网边缘计算，该多通信协议智能感知方法包括：构建一个用于配用电物联网边缘计算的轻量级深度神经网络模型；通过多种不同通信协议类型的协议帧数据训练所述轻量级深度神经网络模型，得到预训练模型；将所述预训练模型部署至配用电终端的多协议智能感知系统中；所述多协议智能感知系统根据所述预训练模型对接收到的协议帧数据进行感知推理从而识别出所述接收到的协议帧数据的协议类型。

在一优选的实施方式中，构建一个用于配用电物联网边缘计算的轻量级深度神经网络模型包括：在第1层网络中选取32个大小为3*3的卷积核进行卷积操作，并通过ReLU函数进行映射输出，其中所述ReLU函数表示为ReLU(x)＝{x(x>0),0(x<＝0)}，x代表输入向量；在第2层网络中将所述第1层网络的输出进行平均池化操作，步长为2；在第3层网络中从所述第2层网络的输出中选取64个大小为3*3的卷积核对其进行卷积操作，步长为1，并通过所述ReLU函数进行映射输出；在第4层网络中将所述第3层网络的输出进行平均池化操作，步长为2；在第5层网络中对所述第4层网络的输出选取128个大小为3*3的卷积核对其进行卷积操作，步长为1，并通过所述ReLU函数进行映射输出；在第6层网络中将所述第5层网络的输出进行平均池化操作，步长为2；在第7层网络中对所述第6层网络的输出选取256个大小为3*3的卷积核对其进行卷积操作，步长为1，并通过所述ReLU函数进行映射输出；在第8层网络中对所述第7层网络的输出选取512个大小为3*3的卷积核对其进行卷积操作，步长为1，并通过所述ReLU函数进行映射输出；在第9层网络中选取7个大小为3*3的卷积核对所述第8层网络输出进行卷积操作，步长为1，并通过所述ReLU函数进行映射输出；在第10层网络中，全连接层将所述第9层网络输出通过全局平均池化展开为向量并通过所述ReLU函数传递至概率模型输出每个通信协议类型的概率值。