【技术实现步骤摘要】
本专利技术属于数据管理，具体涉及一种基于机器学习的电源测试数据管理方法及系统。
技术介绍
1、随着科技的快速发展，电源系统在各个领域的应用日益广泛，其稳定性和可靠性对整个系统的正常运行至关重要。因此，对电源系统进行定期的测试和监控，以保障其性能和安全，已成为行业内的共识。然而，现有的电源测试数据管理方法存在以下局限性：
2、1）数据安全性问题：传统的电源测试数据管理方法往往缺乏有效的数据加密和签名机制，导致数据在传输和存储过程中容易遭受泄露、篡改等安全威胁。
3、2）数据处理效率低：在大量电源测试数据面前，传统的数据处理方法往往效率低下，难以满足实时分析和优化的需求。
4、3）中心化存储风险：现有的电源测试数据管理多采用中心化存储方式，一旦数据中心发生故障或遭受攻击，将导致数据丢失，影响整个系统的正常运行。
5、4）缺乏智能化分析：传统的电源测试数据分析主要依赖人工经验，缺乏智能化的数据分析模型，难以挖掘数据中的深层次信息，限制了电源系统性能的进一步提升。
6、5）分析结果反馈不足：现有的电源测试数据管理方法缺乏有效的反馈机制，无法根据实时数据分析结果动态调整电源系统的运行状态，从而实现能耗降低和性能提升。
技术实现思路
1、为了解决现有技术存在的数据安全性问题、数据处理效率低、中心化存储风险、缺乏智能化分析以及分析结果反馈不足的问题，本专利技术目的在于提供一种基于机器学习的电源测试数据管理方法及系统。
2、本
3、一种基于机器学习的电源测试数据管理方法，包括如下步骤：
4、基于可信机构，对所有连接至数据分析中心的电源测试装置进行密钥生成和身份注册，得到每一电源测试装置的公私密钥对和签名信息；
5、基于数据分析中心，使用机器学习算法，构建电源测试数据分析模型和电源运行优化模型，并根据若干服务器节点，构建区块链存储网络；
6、基于电源测试装置，采集电源的实时电源测试数据，根据私钥和签名信息，对实时电源测试数据进行加密和签名，得到加密后实时电源测试数据及实时签名数据，并上传至数据分析中心；
7、基于数据分析中心，调用可信机构，对实时签名数据进行签名验证，签名验证通过后，根据对应的电源测试装置的公钥，对加密后实时电源测试数据进行解密，得到解密后实时电源测试数据；
8、基于数据分析中心，根据解密后实时电源测试数据，使用电源测试数据分析模型，进行电源测试数据分析，得到实时电源测试数据分析结果；
9、基于数据分析中心，根据实时电源测试数据分析结果，使用电源运行优化模型，进行电源运行优化策略生成，得到实时电源运行优化策略；
10、基于数据分析中心，使用区块链存储网络，对解密后实时电源测试数据、实时电源测试数据分析结果以及实时电源运行优化策略进行分布式存储；
11、基于数据分析中心，根据对应的电源测试装置的公钥，对实时电源运行优化策略进行加密，得到加密后实时电源运行优化策略，并返回至对应的电源测试装置；
12、基于电源测试装置，根据私钥，对加密后实时电源运行优化策略进行解密，得到解密后实时电源运行优化策略，并执行解密后实时电源运行优化策略。
13、进一步地，基于可信机构，对所有连接至数据分析中心的电源测试装置进行密钥生成和身份注册，得到每一电源测试装置的公私密钥对和签名信息，包括如下步骤：
14、基于数据分析中心，采集所有连接至数据分析中心的电源测试装置的属性信息和装置id，并将属性信息和装置id发送至可信机构；
15、基于可信机构，进行密钥生成，得到初始密钥和公共参数，并根据初始密钥、公共参数以及电源测试装置的属性信息，进行密钥生成，得到电源测试装置的公私密钥对；
16、基于可信机构，根据电源测试装置的公私密钥对和装置id，进行身份注册，得到电源测试装置的签名信息；
17、将公私密钥对中的私钥和签名信息，返回至对应的电源测试装置，并将公私密钥对中的公钥，公布至数据分析中心。
18、进一步地，基于数据分析中心，使用机器学习算法，构建电源测试数据分析模型和电源运行优化模型，并根据若干服务器节点，构建区块链存储网络，包括如下步骤：
19、基于数据分析中心，采集若干历史电源测试数据，并进行预处理，得到若干预处理后历史电源测试数据；
20、根据若干预处理后历史电源测试数据，使用深度学习算法，构建电源测试数据分析模型，并生成若干历史电源测试数据分析结果；
21、根据若干历史电源测试数据分析结果，使用强化学习算法，构建电源运行优化模型，并生成若干历史电源运行优化策略和若干历史电源运行优化经验；
22、将数据分析中心中若干服务器节点进行分布式连接，得到区块链存储网络。
23、进一步地，电源测试数据分析模型基于rf-attention-bilstm算法构建，且电源测试数据分析模型包括基于rf算法构建的关键特征提取模块、基于attention机制构建的注意力权重模块以及基于bilstm算法构建的电源测试数据分析模块；
24、电源运行优化模型基于dqn算法构建，且电源运行优化模型包括深度q网络、智能体以及经验回放池。
25、进一步地，基于数据分析中心，根据解密后实时电源测试数据，使用电源测试数据分析模型，进行电源测试数据分析，得到实时电源测试数据分析结果，包括如下步骤：
26、基于数据分析中心，将解密后实时电源测试数据输入电源测试数据分析模型；
27、使用电源测试数据分析模型的关键特征提取模块，提取解密后实时电源测试数据的n个实时关键特征，其中，n为关键特征总数；
28、根据电源测试数据分析模型的注意力权重模块预设的注意力权重值，对n个实时关键特征进行特征拼接，得到实时拼接特征；
29、根据实时拼接特征，使用电源测试数据分析模型的电源测试数据分析模块，进行电源测试数据分析，得到实时电源测试数据分析结果。
30、进一步地，基于数据分析中心，根据实时电源测试数据分析结果，使用电源运行优化模型，进行电源运行优化策略生成，得到实时电源运行优化策略，包括如下步骤：
31、基于数据分析中心，根据实时电源测试数据分析结果，在电源运行优化模型的经验回放池中若干历史电源运行优化经验中进行检索，得到若干匹配历史电源运行优化经验；
32、根据若干匹配历史电源运行优化经验，更新电源运行优化模型的动作空间，得到更新的动作空间；
33、根据实时电源测试数据分析结果，更新电源运行优化模型的状态空间，得到更新的状态空间；
34、将更新的状态空间输入电源运行优化模型的深度q网络，并根据更新的状态空间，使用深度q网络，生成更新的动作空间中每一可能动作的q值；
35、使用智能体，根据奖励函数，获取更新的动作本文档来自技高网...
【技术保护点】
1.一种基于机器学习的电源测试数据管理方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于机器学习的电源测试数据管理方法，其特征在于：基于可信机构，对所有连接至数据分析中心的电源测试装置进行密钥生成和身份注册，得到每一电源测试装置的公私密钥对和签名信息，包括如下步骤：
3.根据权利要求2所述的一种基于机器学习的电源测试数据管理方法，其特征在于：基于数据分析中心，使用机器学习算法，构建电源测试数据分析模型和电源运行优化模型，并根据若干服务器节点，构建区块链存储网络，包括如下步骤：
4.根据权利要求3所述的一种基于机器学习的电源测试数据管理方法，其特征在于：所述的电源测试数据分析模型基于RF-Attention-BiLSTM算法构建，且电源测试数据分析模型包括基于RF算法构建的关键特征提取模块、基于Attention机制构建的注意力权重模块以及基于BiLSTM算法构建的电源测试数据分析模块；
5.根据权利要求4所述的一种基于机器学习的电源测试数据管理方法，其特征在于：基于数据分析中心，根据解密后实时电源测试数据，使用电源测
6.根据权利要求4所述的一种基于机器学习的电源测试数据管理方法，其特征在于：基于数据分析中心，根据实时电源测试数据分析结果，使用电源运行优化模型，进行电源运行优化策略生成，得到实时电源运行优化策略，包括如下步骤：
7.根据权利要求3所述的一种基于机器学习的电源测试数据管理方法，其特征在于：基于数据分析中心，使用区块链存储网络，对解密后实时电源测试数据、实时电源测试数据分析结果以及实时电源运行优化策略进行分布式存储，包括如下步骤：
8.根据权利要求7所述的一种基于机器学习的电源测试数据管理方法，其特征在于：基于数据分析中心，根据分层机制，将区块链存储网络中若干服务器节点划分为共识层，并将其余的若干服务器节点划分为存储层，包括如下步骤：
9.根据权利要求7所述的一种基于机器学习的电源测试数据管理方法，其特征在于：将若干实时数据分片分配至存储层，创建对应的实时交易数据，使用共识层，对若干实时数据分片的实时交易数据进行共识，共识成功后，基于存储层，对分配的实时数据分片进行分布式存储，包括如下步骤：
10.一种基于机器学习的电源测试数据管理系统，用于实现如权利要求1-9任一所述的电源测试数据管理方法，其特征在于：所述的系统包括数据分析中心、可信机构以及若干电源测试装置，每一所述的电源测试装置分别与数据分析中心和可信机构通信连接，所述的可信机构与数据分析中心通信连接；
...【技术特征摘要】
1.一种基于机器学习的电源测试数据管理方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于机器学习的电源测试数据管理方法，其特征在于：基于可信机构，对所有连接至数据分析中心的电源测试装置进行密钥生成和身份注册，得到每一电源测试装置的公私密钥对和签名信息，包括如下步骤：
3.根据权利要求2所述的一种基于机器学习的电源测试数据管理方法，其特征在于：基于数据分析中心，使用机器学习算法，构建电源测试数据分析模型和电源运行优化模型，并根据若干服务器节点，构建区块链存储网络，包括如下步骤：
4.根据权利要求3所述的一种基于机器学习的电源测试数据管理方法，其特征在于：所述的电源测试数据分析模型基于rf-attention-bilstm算法构建，且电源测试数据分析模型包括基于rf算法构建的关键特征提取模块、基于attention机制构建的注意力权重模块以及基于bilstm算法构建的电源测试数据分析模块；
5.根据权利要求4所述的一种基于机器学习的电源测试数据管理方法，其特征在于：基于数据分析中心，根据解密后实时电源测试数据，使用电源测试数据分析模型，进行电源测试数据分析，得到实时电源测试数据分析结果，包括如下步骤：
6.根据权利要求4所述的一种基于机器学习的电源测试数据管理方法，其...
【专利技术属性】
技术研发人员：谭秀华，
申请(专利权)人：北京大华无线电仪器有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。