具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的边缘侧数据采集方法，可以应用于如图1所示的应用环境中。如图1所示，多能源系统100的边缘侧数据采集网络结构包括数据处理终端120以及多个数据采集终端140。其中，数据处理终端120与多个数据采集终端140之间通过无线通信网络相连。具体的，数据处理终端120可以用于接收、处理数据采集终端140发送的数据，数据采集终端140包括但不限于多能源系统中的电表、水表以及天然气表等仪表，本申请对此不做限定。

具体的，本申请提供的边缘侧数据采集方法，将多能源系统100的边缘侧数据采集网络结构中的各数据采集终端140，按照不同的传输信道划分为集合；集合中包括采用同一传输信道的多个数据采集终端140；传输信道用于数据采集终端140将数据传输至边缘侧数据采集网络结构中的数据处理终端120；针对各传输信道，根据传输信道的初始信息，构建与传输信道对应的目标集合中各数据采集终端140的数据传输总时长的目标函数，根据目标函数确定目标集合中各数据采集终端140进行数据采集的优先级，控制目标集合中各数据采集终端140按照优先级进行数据采集。

在其中一个实施例中，如图2所示，提供了一种边缘侧数据采集方法，以该方法应用于图1所示的应用环境为例进行说明，包括步骤220至步骤260：

S220、将多能源系统的边缘侧数据采集网络结构中的各数据采集终端，按照不同的传输信道划分为集合；集合中包括采用同一传输信道的多个数据采集终端；传输信道用于数据采集终端将数据传输至边缘侧数据采集网络结构中的数据处理终端。

具体的，如图1所示，多能源系统可以包括但不限于日常生活中的水表、电表、天然气表等仪表。多能源系统包括数据处理终端120以及多个数据采集终端140，其中，数据处理终端120与多个数据采集终端140之间通过无线通信网络相连。具体的，数据处理终端120可以用于接收、处理数据采集终端140发送的数据，数据采集终端140包括但不限于多能源系统中的电表、水表以及天然气表等仪表，本申请对此不做限定。

进一步的，图1为多能源系统的边缘侧数据采集网络结构，边缘侧数据采集网络结构包括数据处理终端120以及数据采集终端140，其中，数据采集终端140可以为一个或者多个。进一步的，可以根据无线多跳网络构建边缘测数据采集网络结构。在互联网中无线多跳网络是由节点构造的，包括诸如电脑和移动电话这些设备，这些设备全都用无线连接到彼此，然后互相可以通过网络转发数据。数据从一个节点跳到另一个节点，直到抵达目的地。除非所有的节点都发生故障，否则数据总是可用的，如此使得这种网络拓扑结构可靠且可扩展。在无线多跳网络中，源结点到目的结点之间的典型路径是由多跳组成的，该路径上的中间结点充当转发结点。因此，无线多跳网络中一个结点具有两种功能，首先结点可以充当端结点产生或接受数据分组，其次结点可以充当路由器对来自其它结点的数据分组进行转发。无线多跳网络可以通过无线连接构成任意的网络拓扑结构，网络不需要固定的基础设施支持，节点一般为可携带移动终端设备，通过无线电设备获取节点位置、实现节点的通信，因此无线多跳网络可以广泛应用于需要临时通信却没有有线设备的情况。

可选的，如图1所示，通过确定数据采集终端140到数据处理终端120的跳数来确定数据采集终端140与数据处理终端120之间的距离，另外，还可以通过确定数据采集终端140到其他数据采集终端之间的跳数来确定数据采集终端140到其他数据采集终端之间的距离。也就是说，通过获取数据采集终端140到数据处理终端120和其他数据采集终端140之间的节点跳数可以确定多能源系统的边缘测数据采集网络结构。

进一步的，在多能源系统中，数据采集终端140与数据处理终端通过无线通信网络进行连接，数据采集终端140通过无线传输信道将数据发送至数据处理终端中。如图1所示的边缘侧数据采集网络结构中数据采集终端140具有不同的层数深度，也就是说，各个数据采集终端具有对应的层数深度，比如说，如图1所示，电表1、水表1以及天然气表1处于同一层数深度，水表2、天然气表2、电表2、天然气表3、电表2以及水表3处于另一层数深度。当电表1、水表1、天然气表1、水表2、天然气表2、电表2、天然气表3、电表2以及水表3公用同一无线传输信道进行数据传输时，各个数据采集终端发送的数据会发生互相干扰的问题，因此，需要为不同层数深度的数据采集终端分配不同的无线传输信道，进而可以避免不同层数深度的数据采集终端在进行数据传输时发生的相互干扰的问题。

具体的，按照不同的无线传输信道将数据采集终端140划分为集合，集合中包括采用同一传输信道的多个数据采集终端，比如，电表1、水表1以及天然气表1属于一个集合，且使用无线传输信道1进行数据传输，水表2、天然气表2、电表2、天然气表3、电表2以及水表3属于另一个集合，且使用无线传输信道2进行数据传输。这样在多能源系统数据采集过程中，电表1、水表1以及天然气表1使用无线传输信道1将数据发送至数据处理终端120，水表2、天然气表2、电表2、天然气表3、电表2以及水表3使用无线传输信道2将数据发送至数据处理终端120。因此，针对不同层数深度的数据采集终端，通过不同的无线传输信道采集不同层数深度的数据采集终端的数据，以此来避免相邻层数深度的数据采集终端在进行数据传输时发生的数据干扰的问题。

S240、针对各传输信道，根据传输信道的初始信息，构建与传输信道对应的目标集合中各数据采集终端的数据传输总时长的目标函数。

具体的，传输信道的初始信息包括但不限于传输信道的信道带宽、传输信道上所传输的数据包的大小、传输信道的单次频谱感知时间、传输信道的频谱感知次数，本申请对此不做限定。其中，传输信道的信道带宽为信道能够达到的最大数据速率，传输信道上所传输的数据包的大小指数据采集终端向数据处理终端进行一次数据传输时所发送的数据包大小。数据采集终端在向数据处理终端发送数据之前，需要进行频谱感知以获得目前空闲的无线通信信道，进一步的，传输信道的单次频谱感知时间是指数据采集终端进行一次频谱感知所消耗的时间。传输信道的频谱感知次数是指针对同一集合中的多个数据采集终端，上述多个数据采集终端利用同一无线传输信道将数据发送至数据处理终端所需的频谱感知的次数。

可选的，根据传输信道的信道带宽、传输信道上所传输的数据包的大小、传输信道的单次频谱感知时间、传输信道的频谱感知次数构建与传输信道对应的目标集合中各数据采集终端的数据传输总时长的目标函数。其中，上述目标集合包括使用同一无线传输信道进行数据传输的多个数据采集终端。上述目标函数用来表征目标集合中的所有数据采集终端将数据发送至数据处理终端所消耗的总时间。也就是说，针对边缘侧数据采集网络结构中不同层数深度的数据采集终端，具有不同的目标函数。比如，如图1所示，电表1、水表1以及天然气表1使用无线传输信道1将数据发送至数据处理终端，则无线传输信道1的目标函数为电表1、水表1以及天然气表1的数据传输总时长。水表2、天然气表2、电表2、天然气表3、电表2以及水表3使用无线传输信道2将数据发送至数据处理终端，则无线传输信道2的目标函数为水表2、天然气表2、电表2、天然气表3、电表2以及水表3的数据传输总时长。

S260、根据目标函数确定目标集合中各数据采集终端进行数据采集的优先级，控制目标集合中各数据采集终端按照优先级进行数据采集。

具体的，上述目标函数用来表征目标集合中的所有数据采集终端将数据发送至数据处理终端所消耗的总时间。通过对目标函数的目标参数进行优化，可以获取使得目标集合中的所有数据采集终端将数据发送至数据处理终端所消耗的总时间最少的目标参数，上述目标参数包括但不限于传输信道上所传输的数据包的大小以及传输信道的频谱感知次数。对上述目标函数进行优化的方式包括但不限于：卷积神经网络、对抗神经网络以及强化学习等机器学习算法，本申请对此不做限定。

如图1所示的多能源系统的边缘侧数据采集网络结构，电表1、水表1以及天然气表1属于一层数深度，水表2、天然气表2、电表2、天然气表3、电表2以及水表3属于另一层数深度。对于属于同一层数深度的数据采集终端，不同的数据采集终端具有不同的延时要求，比如，电表1对数据传输的延时要求可能高于水表1对数据传输的延时要求，因此，需要确定目标集合中各数据采集终端进行数据采集的优先级来为具有不同延时要求的数据提供相应的采集调度服务。

具体的，可以根据目标函数确定目标集合中各数据采集终端进行数据采集的优先级，通过对目标函数的目标参数进行优化，可以获取使得目标集合中的所有数据采集终端将数据发送至数据处理终端所消耗的总时间最少的目标参数，上述目标参数可以为传输信道上所传输的数据包的大小以及传输信道的频谱感知次数。基于传输信道上所传输的数据包的大小、传输信道的频谱感知次数、传输信道的信道带宽以及目标集合中各数据采集终端的调度总费用，可以确定目标集合中各数据采集终端的价值密度。上述目标集合中各数据采集终端的调度总费用为各数据采集终端的使用无线传输信道进行数据传输所消耗的总费用，比如借用无线传输信道进行数据传输的费用等。上述目标集合中各数据采集终端的价值密度用来表征数据采集终端的重要等级，价值密度越高则说明该数据采集终端的重要等级越高，价值密度越低则说明该数据采集终端的重要等级越低。

进一步的，根据当前数据采集周期内的数据采集剩余时间以及目标集合中各数据采集终端的价值密度确定目标集合中各数据采集终端进行数据采集的优先级。其中，对于当前数据采集周期内的数据采集剩余时间，在当前数据采集周期到来后，可启动对各层数深度中数据采集终端的数据采集，也就是说，从当前数据采集周期到来后数据处理终端持续接收数据采集终端发送的数据，而当前时刻距离该当前数据采集周期结束的这一时刻称为数据采集剩余时间，可以理解，在当前数据采集周期内，数据采集时间用时越长则数据采集剩余时间越短。通过当前数据采集周期内的数据采集剩余时间以及目标集合中各数据采集终端的价值密度共同确定目标集合中各数据采集终端进行数据采集的优先级。

进一步的，目标集合中各数据采集终端按照优先级进行数据采集，比如，如图1所示的多能源系统的边缘侧数据采集网络结构，电表1、水表1以及天然气表1属于一层数深度，电表1对数据传输的延时要求可能高于水表1对数据传输的延时要求，也就是说，电表1的价值密度高于水表1的优先级，进而电表1的优先级高于水表1的优先级，因此，在数据采集周期内，电表1优先通过无线传输信道将数据传输至数据处理终端，在电表1将数据传输至数据处理终端之后，水表1再通过无线传输信道将数据传输至数据处理终端。通过控制目标集合中各数据采集终端按照优先级进行数据采集，可以保证目标集合中各数据采集终端有效地按照优先级顺序进行数据采集，以免出现数据采集调度的紊乱。

上述边缘侧数据采集方法中，首先，将多能源系统的边缘侧数据采集网络结构中的各数据采集终端，按照不同的传输信道划分为集合；集合中包括采用同一传输信道的多个数据采集终端；传输信道用于数据采集终端将数据传输至边缘侧数据采集网络结构中的数据处理终端；随后，针对各传输信道，根据传输信道的初始信息，构建与传输信道对应的目标集合中各数据采集终端的数据传输总时长的目标函数；最后，根据目标函数确定目标集合中各数据采集终端进行数据采集的优先级，控制目标集合中各数据采集终端按照优先级进行数据采集。本申请通过将边缘侧数据采集网络结构中的各数据采集终端，按照不同的传输信道划分为集合，可以避免相邻层数深度的数据采集终端在进行数据传输时发生的数据干扰的问题。针对每一无线传输信道，构建了与传输信道对应的目标集合中各数据采集终端的数据传输总时长的目标函数，通过对目标函数以数据传输总时长最小为目标进行优化，进而降低了数据传输的延时且提高了数据传输的速率。另外，本申请通过确定目标集合中各数据采集终端进行数据采集的优先级，控制目标集合中各数据采集终端按照优先级进行数据采集，进而使同一层数深度的数据采集终端按照优先级的顺序进行数据采集，满足了不同数据采集终端对数据采集的时延要求，避免出现数据采集调度的紊乱问题。

在其中一个实施例中，如图3所示，针对各传输信道，根据传输信道的初始信息，构建与传输信道对应的目标集合中各数据采集终端的数据传输总时长的目标函数，包括步骤242至步骤244：

S242、根据传输信道的初始信息构建传输信道的数据传输模型，数据传输模型用于表征目标集合中任一数据采集终端采用传输信道传输一个数据包所需的时间。

具体的，传输信道的初始信息包括但不限于传输信道的信道带宽、传输信道上所传输的数据包的初始大小、传输信道的单次频谱感知时间。其中，上述传输信道的信道带宽为信道能够达到的最大数据速率，上述传输信道上所传输的数据包的初始大小为数据采集终端向数据处理终端进行一次数据传输时所发送的数据包大小，进一步的，传输信道上所传输的数据包的初始大小为预设的初始值，通过对传输的数据包的大小进行优化，获得优化后的数据包的大小，优化后的数据包大小可以使目标集合中任一数据采集终端采用传输信道传输一个数据包所消耗的时间最小。针对传输信道的单次频谱感知时间，数据采集终端在向数据处理终端发送数据之前，需要进行频谱感知以获得目前空闲的无线通信信道，因此，传输信道的单次频谱感知时间是指数据采集终端进行一次频谱感知所消耗的时间。

进一步的，根据传输信道的信道带宽、传输信道上所传输的数据包的初始大小、以及传输信道的单次频谱感知时间，构建传输信道的数据传输模型，其中数据传输模型用于表征目标集合中任一数据采集终端采用传输信道传输一个数据包所需的时间。具体的，数据传输模型包括目标集合中任一数据采集终端在传输信道传输一个数据包所消耗的时间以及数据采集终端进行一次频谱感知所消耗的时间。

S244、基于传输信道的数据传输模型构建目标函数。

具体的，数据传输模型用于表征目标集合中任一数据采集终端采用传输信道传输一个数据包所需的时间，数据传输模型包括目标集合中任一数据采集终端在传输信道传输一个数据包所消耗的时间以及数据采集终端进行一次频谱感知所消耗的时间。根据传输信道的数据传输模型、传输信道的初始频谱感知次数、以及传输信道的单次频谱感知时间，构建目标函数。其中，传输信道的初始频谱感知次数指是指针对同一集合中的多个数据采集终端利用同一无线传输信道将数据发送至数据处理终端所需的频谱感知的次数。根据传输信道的数据传输模型、传输信道的初始频谱感知次数、以及传输信道的单次频谱感知时间，构建目标函数。进一步的，根据传输信道的信道带宽、传输信道上所传输的数据包的初始大小、传输信道的单次频谱感知时间以及传输信道的初始频谱感知次数，构建目标函数。

在本申请实施例中，针对各传输信道，根据传输信道的初始信息，构建与传输信道对应的目标集合中各数据采集终端的数据传输总时长的目标函数，包括：根据传输信道的初始信息构建传输信道的数据传输模型，数据传输模型用于表征目标集合中任一数据采集终端采用传输信道传输一个数据包所需的时间；基于传输信道的数据传输模型构建目标函数。本申请构建与传输信道对应的目标集合中各数据采集终端的数据传输总时长的目标函数，通过对上述目标函数进行优化，得到使传输信道数据传输总时长最小的目标函数，进而降低了数据传输的延时，且有效地提高了数据传输的速率。

在其中一个实施例中，根据传输信道的初始信息构建传输信道的数据传输模型，包括：基于传输信道的信道带宽、传输信道上所传输的数据包的初始大小、以及传输信道的单次频谱感知时间，构建传输信道的数据传输模型。

具体的，传输信道使初始信息包括传输信道的信道带宽、传输信道上所传输的数据包的初始大小、以及传输信道的单次频谱感知时间。其中，传输信道的信道带宽指信道能够达到的最大数据速率，传输信道上所传输的数据包的大小指数据采集终端向数据处理终端进行一次数据传输时所发送的数据包大小，其中，上述传输信道上所传输的数据包的初始大小为预先设置的参数，通过对传输信道上所传输的数据包的初始大小进行优化，得到最终的传输信道上所传输的数据包的大小。对于传输信道的单次频谱感知时间，数据采集终端在向数据处理终端发送数据之前，需要进行频谱感知以获得目前空闲的无线通信信道，因此，传输信道的单次频谱感知时间是指数据采集终端进行一次频谱感知所消耗的时间。

进一步的，基于传输信道的信道带宽、传输信道上所传输的数据包的初始大小、以及传输信道的单次频谱感知时间，构建传输信道的数据传输模型。上述传输信道的数据传输模型用来表征目标集合中任一数据采集终端采用传输信道传输一个数据包所需的时间。如图1所示，针对电表1、水表1以及天然气表1，电表1、水表1以及天然气表1为属于同一层数深度的数据采集终端，因此，电表1、水表1以及天然气表1使用同一无线传输信道将数据发送至数据处理终端。针对电表1、水表1以及天然气表1使用的无线传输信道，该无线传输信道的数据传输模型为电表1、水表1以及天然气表1中任一数据采集终端采用该无线传输信道传输一个数据包所需的时间。具体的，上述传输信道的数据传输模型可以表示为：

其中，表示第i个无线传输信道传输一个数据包所需的时间，M_i表示第i个无线传输信道所传输的数据包的大小，W_i表示第i个无线传输信道的信道带宽，T_s表示第i个无线传输信道的单次频谱感知时间。式(1)中，传输信道的数据传输模型根据传输信道的信道带宽、传输信道上所传输的数据包的大小、以及传输信道的单次频谱感知时间，来表征目标集合中任一数据采集终端采用传输信道传输一个数据包所需的时间。通过传输信道的信道带宽以及传输信道上所传输的数据包的大小可以获得目标集合中任一数据采集终端在传输信道传输一个数据包所消耗的时间，因此，传输信道的数据传输模型包括目标集合中任一数据采集终端在传输信道传输一个数据包所消耗的时间以及数据采集终端进行一次频谱感知所消耗的时间。

在本申请实施例中，根据传输信道的初始信息构建传输信道的数据传输模型，包括：基于传输信道的信道带宽、传输信道上所传输的数据包的初始大小、以及传输信道的单次频谱感知时间，构建传输信道的数据传输模型。传输信道的数据传输模型包括目标集合中任一数据采集终端在传输信道传输一个数据包所消耗的时间以及数据采集终端进行一次频谱感知所消耗的时间，因此，上述传输信道的数据传输模型可以用来表征目标集合中任一数据采集终端采用传输信道传输一个数据包所需的时间。通过对上述数据传输模型进行优化，可以得到使传输信道的数据传输总时长最小的目标函数，进而降低了数据传输的延时，提高的数据采集终端的数据采集速率。

在其中一个实施例中，基于传输信道的数据传输模型构建目标函数，包括：基于传输信道的数据传输模型、传输信道的初始频谱感知次数、以及传输信道的单次频谱感知时间，构建目标函数。

具体的，根据传输信道的信道带宽、传输信道上所传输的数据包的大小、以及传输信道的单次频谱感知时间，构建传输信道的数据传输模型。上述数据传输模型用来表征目标集合中任一数据采集终端采用传输信道传输一个数据包所需的时间。传输信道的频谱感知次数指是指针对同一集合中的多个数据采集终端利用同一无线传输信道将数据发送至数据处理终端所需的频谱感知的次数。其中，上述传输信道的初始频谱感知次数为预先设置的参数，通过对传输信道的初始频谱感知次数进行优化，得到最终的传输信道的频谱感知次数。

进一步的，基于传输信道的数据传输模型、传输信道的初始频谱感知次数、以及传输信道的单次频谱感知时间，构建目标函数。上述目标函数用来表征目标集合中的所有数据采集终端将数据发送至数据处理终端所消耗的总时间。如图1所示，针对电表1、水表1以及天然气表1，电表1、水表1以及天然气表1为属于同一层数深度的数据采集终端，因此，电表1、水表1以及天然气表1使用同一无线传输信道将数据发送至数据处理终端。针对电表1、水表1以及天然气表1使用的无线传输信道，该无线传输信道的目标函数为电表1、水表1以及天然气表1中所有数据采集终端采用该无线传输信道传输数据包所需的总时间。具体的，上述目标函数可以表示为：

其中，T(i)_min表示目标集合中的所有数据采集终端将数据发送至数据处理终端所消耗的总时间，Xⁱ表示传输信道的频谱感知次数。式(2)中，Xⁱ-1表示传输信道的频谱感知成功次数，也就是说，Xⁱ-1为数据采集终端通过运行频谱感知成功获得空闲的无线传输信道的次数，可以理解，数据采集终端运行第i次频谱感知时没有获得空闲的无线传输信道，此时，数据采集终端无法将数据发送指数据处理终端。式(2)中，目标函数根据数据传输模型、传输信道的频谱感知次数、以及传输信道的单次频谱感知时间，来表征目标集合中的所有数据采集终端将数据发送至数据处理终端所消耗的总时间。

在本申请实施例中，基于传输信道的数据传输模型构建目标函数，包括：基于传输信道的数据传输模型、传输信道的初始频谱感知次数、以及传输信道的单次频谱感知时间，构建目标函数。目标函数用来表征目标集合中的所有数据采集终端将数据发送至数据处理终端所消耗的总时间，通过对目标函数进行优化，可以得到使传输信道的数据传输总时长最小的目标函数，进而降低了数据传输的延时，提高的数据采集终端的数据采集速率。

在其中一个实施例中，如图4所示，根据目标函数确定目标集合中各数据采集终端进行数据采集的优先级，包括步骤262至步骤266：

S262、对目标函数进行优化，生成优化后的目标函数。

具体的，根据传输信道的数据传输模型、传输信道的频谱感知次数、以及传输信道的单次频谱感知时间，构建出目标函数。其中，根据传输信道的信道带宽、传输信道上所传输的数据包的大小、以及传输信道的单次频谱感知时间，构建出传输信道的数据传输模型。因此，上述目标函数包括传输信道的信道带宽、传输信道上所传输的数据包的大小、传输信道的单次频谱感知时间、以及传输信道的频谱感知次数。目标函数用来表征目标集合中的所有数据采集终端将数据发送至数据处理终端所消耗的总时间，对目标函数的目标参数进行优化，得到优化后的目标参数，上述优化后的目标参数能够使得目标集合中的所有数据采集终端将数据发送至数据处理终端所消耗的总时间最小，进而提高了是数据采集终端向数据处理终端发送数据的速率。

其中，上述目标函数的目标参数包括传输信道上所传输的数据包的大小以及传输信道的频谱感知次数，对上述目标函数的目标参数进行优化的方法包括但不限于神经网络以及强化学习，本申请对此不做限定。通过对目标函数的目标参数进行优化，得到优化后的目标参数，即得到优化后的传输信道上所传输的数据包的大小以及传输信道的频谱感知次数。优化后的传输信道上所传输的数据包的大小以及传输信道的频谱感知次数可以使得目标集合中的所有数据采集终端将数据发送至数据处理终端所消耗的总时间最小。

S264、基于优化后的目标函数、以及目标集合中各数据采集终端的调度总费用，确定目标集合中各数据采集终端的价值密度。

具体的，优化后的目标函数用于表征目标集合中的所有数据采集终端将数据发送至数据处理终端所需的最少时间。目标集合中各数据采集终端的调度总费用为各数据采集终端的使用无线传输信道进行数据传输所消耗的总费用，比如借用无线传输信道进行数据传输的费用等。上述目标集合中各数据采集终端的价值密度用来表征数据采集终端的重要等级，价值密度越高则说明该数据采集终端的重要等级越高，价值密度越低则说明该数据采集终端的重要等级越低。如图1所示，电表1、水表1以及天然气表1属于一层数深度，但是，不同的数据采集任务具有不同的重要等级，也就是说，电表1、水表1以及天然气表1的价值密度是不同的。比如，电表1对数据传输的重要等级可能高于水表1对数据传输的重要等级，因此，电表1的价值密度会高于水表1的价值密度。

进一步的，基于优化后的目标函数、以及目标集合中各数据采集终端的调度总费用，确定目标集合中各数据采集终端的价值密度，上述目标集合中各数据采集终端的价值密度可以表示为：

W_i＝(T(i)_min+E_i)×10 (3)

其中，W_i表示第i个集合中的各数据采集终端的价值密度，T(i)_min表示第i个集合中的所有数据采集终端将数据发送至数据处理终端所需的最少时间，E_i表示第i个集合中各数据采集终端的调度总费用。式(3)中，第i个集合中的各数据采集终端的价值密度由第i个集合中的所有数据采集终端将数据发送至数据处理终端所需的最少时间T(i)_min以及第i个集合中各数据采集终端的调度总费用E_i共同决定，其中，第i个集合中的所有数据采集终端将数据发送至数据处理终端所需的最少时间T(i)_min为优化后的目标函数。

S266、根据当前数据采集周期内的数据采集剩余时间、以及目标集合中各数据采集终端的价值密度，确定目标集合中各数据采集终端进行数据采集的优先级。

具体的，对于当前数据采集周期内的数据采集剩余时间，在当前数据采集周期到来后，可启动对各层数深度中数据采集终端的数据采集，也就是说，从当前数据采集周期到来后数据处理终端持续接收数据采集终端发送的数据，而当前时刻距离该当前数据采集周期结束的这一时刻称为数据采集剩余时间，可以理解，在当前数据采集周期内，数据采集时间用时越长则数据采集剩余时间越短。上述目标集合中各数据采集终端的价值密度用来表征数据采集终端的重要等级，价值密度越高则说明该数据采集终端的重要等级越高，价值密度越低则说明该数据采集终端的重要等级越低。

进一步的，根据当前数据采集周期内的数据采集剩余时间、以及目标集合中各数据采集终端的价值密度，确定目标集合中各数据采集终端进行数据采集的优先级。上述优先级用于表征目标集合中各数据采集终端进行数据采集的顺序。针对电表1、水表1以及天然气表1，电表1、水表1以及天然气表1为属于同一层数深度的数据采集终端，因此，电表1、水表1以及天然气表1使用同一无线传输信道将数据发送至数据处理终端。但是，不同的数据采集任务具有不同的重要等级，也就是说，电表1、水表1以及天然气表1的价值密度是不同的，进而电表1、水表1以及天然气表1的优先级也是不同的。比如，电表1对数据传输的延时要求可能高于水表1对数据传输的延时要求，因此，电表1的优先级会高于水表1的优先级。进一步的，基于当前数据采集周期内的数据采集剩余时间、以及目标集合中各数据采集终端的价值密度，确定目标集合中各数据采集终端进行数据采集的优先级，其中，上述目标集合中各数据采集终端的价值密度是由优化后的目标函数以及目标集合中各数据采集终端的调度总费用所确定的。因此，目标集合中各数据采集终端进行数据采集的优先级列表可以表示为：

Z_i＝(b_i,T(i)_min,E_i,W_i) (4)

其中，Z_i表示第i个集合中的各数据采集终端进行数据采集的优先级列表，b_i表示针对第i个集合当前数据采集周期内的数据采集剩余时间，T(i)_min表示第i个集合中的所有数据采集终端将数据发送至数据处理终端所需的最少时间。E_i表示第i个集合中各数据采集终端的调度总费用，W_i表示第i个集合中的各数据采集终端的价值密度。式(4)中，第i个集合中的各数据采集终端进行数据采集的优先级列表Z_i由第i个集合当前数据采集周期内的数据采集剩余时间b_i、第i个集合中的所有数据采集终端将数据发送至数据处理终端所需的最少时间T(i)_min、第i个集合中各数据采集终端的调度总费用E_i、以及第i个集合中的各数据采集终端的价值密度W_i共同决定，其中，第i个集合中的所有数据采集终端将数据发送至数据处理终端所需的最少时间T(i)_min为优化后的目标函数。具体可以采用下式确定优先级：

Z_i＝(W_i-b_i-1)×(W_i-b_i-2)/2+W_i (5)

根据式(5)，可以看出通过第i个集合中的各数据采集终端的价值密度W_i以及第i个集合当前数据采集周期内的数据采集剩余时间b_i，构建出第i个集合中的各数据采集终端进行数据采集的优先级列表Z_i，进而确定出第i个集合中的各数据采集终端进行数据采集的优先级。

在本申请实施例中，据目标函数确定目标集合中各数据采集终端进行数据采集的优先级，包括：对目标函数进行优化，生成优化后的目标函数；基于优化后的目标函数、以及目标集合中各数据采集终端的调度总费用，确定目标集合中各数据采集终端的价值密度；根据当前数据采集周期内的数据采集剩余时间、以及目标集合中各数据采集终端的价值密度，确定目标集合中各数据采集终端进行数据采集的优先级。本申请通过对对目标函数进行优化，可以得到使传输信道的数据传输总时长最小的目标函数，进而降低了数据传输的延时，且提高了数据采集终端的数据采集速率。另外，本申请通过确定目标集合中各数据采集终端进行数据采集的优先级，实现了各数据采集终端依据所在的层数深度中具有的优先级顺序进行各层数深度的数据采集任务，使各层数深度的数据采集终端可以按照不同的延时要求，将具有高优先级的数据优先调度，从而实现为具有不同延时要求的数据提供相应的采集调度服务。

在其中一个实施例中，如图5所示，对目标函数进行优化，生成优化后的目标函数，包括步骤320之步骤340：

S320、采用强化学习算法对目标函数中的目标参数进行优化，生成优化后的目标参数，目标参数包括传输信道上所传输的数据包的初始大小以及传输信道的初始频谱感知次数。

具体的，对目标函数中的目标参数进行优化，生成优化后的目标参数。具体的采用强化学习算法对目标函数中的目标参数进行优化，生成优化后的目标参数。强化学习，又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。简单来说，强化学习就是一个智能体采取行动从而改变自己的状态，进而获得奖励与环境发生交互的循环过程。

具体的，目标函数中的目标参数为传输信道上所传输的数据包的大小以及传输信道的频谱感知次数。因此，传输信道上所传输的数据包的大小以及传输信道的频谱感知次数为强化学习中的动作集合，而目标函数为强化学习中的状态集合。图6为一实施例中采用强化学习算法对目标函数中的目标参数进行优化的流程示意图，如图6所示，采用强化学习算法对目标函数中的目标参数进行优化，生成优化后的目标参数，包括步骤322至步骤328：

S322、构建神经网络，初始化神经网络中的参数集合，并初始化变量n＝1；

具体的，上述神经网络可以为BP(Back Propagation)神经网络，BP神经网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一，BP网络可以学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。如图6所示，首先初始化神经网络的内部参数集合θ，并且初始化变量n＝1，上述变量n为神经网络的外层循环。

S324、初始化变量t＝0，并初始化动作集合将初始化动作集合输入至神经网络中，神经网络的输出为状态集合获取奖励值r(t+1)ⁿ。

具体的，如图6所示，在初始化变量n＝1之后，初始化变量t＝0，上述变量t为神经网络的内层循环，并随机给定初始动作集合 表示第i个传输信道在第n次外层循环中的第t次内层循环的动作集合，上述动作集合包括第i个传输信道上所传输的数据包的大小以及传输信道的频谱感知次数。表示第i个传输信道在第n次外层循环中的第t次内层循环时对神经网络输入动作集合后，神经网络的输出的状态集合，上述状态集合包括第i个传输信道的目标函数。r(t+1)ⁿ表示在第n次外层循环中的t次内层循环全部完成时神经网络反馈的奖励值，进一步的，在强化学习的过程当中，神经网络会存储训练过程当中的训练轨迹τ_n，τ_n表示第n次外层循环中的t次内层循环全部完成时神经网络的训练轨迹，其中训练轨迹包括t次内层循环中对神经网络输入动作集合t次内层循环中对神经网络输出状态集合以及t次内层循环全部完成时神经网络反馈的奖励值r(t+1)ⁿ。

S326、判断t次内层循环全部完成时神经网络反馈的奖励值r(t+1)ⁿ是否大于预设奖励期望值R，如图6所示，若t次内层循环全部完成时神经网络反馈的奖励值是否大于预设奖励期望值R，则跳出内层循环的训练过程，继续下一步，若否，则使变量t＝t+1，继续内层循环的训练过程。

S328、如图6所示，在进行外层循环时，通过策略优化算法优化神经网络中的参数集合θ，使变量n＝n+1，继续外层循环的训练过程，直至变量n大于预设迭代参数N，此时，目标函数训练过程完成，得到优化后的目标函数，也就是说，通过对目标函数的优化，得到优化后的目标参数，即传输信道上所传输的数据包的大小以及传输信道的频谱感知次数。

S340、基于优化后的目标参数，生成优化后的目标函数。

具体的，上述目标函数的目标参数包括传输信道上所传输的数据包的大小以及传输信道的频谱感知次数，通过对目标函数进行优化，即得到了优化后的目标参数，基于优化后的传输信道上所传输的数据包的大小以及传输信道的频谱感知次数，生成优化后的目标函数，上述优化后的目标函数可以使传输信道的数据传输总时长最小。

在本申请实施例中，对所述目标函数进行优化，生成优化后的目标函数，包括：采用强化学习算法对目标函数中的目标参数进行优化，生成优化后的目标参数，目标参数包括所述传输信道上所传输的数据包的初始大小以及传输信道的初始频谱感知次数；基于优化后的目标参数，生成优化后的目标函数。本申请采用强化学习算法对目标函数进行优化，得到优化后的目标函数，上述优化后的函数可以使传输信道的数据传输总时长最小，进而减小了数据采集终端的数据传输速率。

在其中一个实施例中，如图7所示，一种边缘侧数据采集方法还包括步骤420至步骤440：

S420、获取多能源系统中各数据采集终端到数据处理终端以及其他数据采集终端的节点跳数，根据节点跳数建立最小距离矩阵，节点跳数包括一跳节点数以及平均跳数。

具体的，如图1所示，多能源系统包括数据处理终端以及多个数据采集终端，通过确定数据采集终端到数据处理终端的跳数来确定数据采集终端与数据处理终端之间的距离，另外，还可以通过确定数据采集终端到其他数据采集终端之间的跳数来确定数据采集终端到其他数据采集终端之间的距离。也就是说，通过获取数据采集终端到数据处理终端和其他数据采集终端之间的节点跳数可以确定多能源系统的边缘测数据采集网络结构，其中，节点跳数包括一跳节点数以及平均跳数，一跳节点数表示数据采集终端相邻的数据处理终端以及其他数据采集终端的数目，平均跳数表示数据采集终端到数据处理终端以及其他数据采集终端的平均跳数。通过多能源系统中各数据采集终端到数据处理终端以及其他数据采集终端的一跳节点数以及平均跳数，可以建立最小距离矩阵：

D＝(H,V) (6)

其中，D表示多能源系统中各数据采集终端的最小距离矩阵，H表示多能源系统中各数据采集终端的一跳节点数，V表示多能源系统中各数据采集终端的平均跳数。式(6)中，通过多能源系统中各数据采集终端的一跳节点数以及平均跳数建立多能源系统中各数据采集终端的最小距离矩阵，根据最小距离矩阵建立多能源系统的最小距离的空间模型。

S440、基于最小距离矩阵，根据粒子群算法确定多能源系统的边缘侧数据采集网络结构。

具体的，最小距离矩阵包括多能源系统中各数据采集终端的一跳节点数以及平均跳数，根据最小距离矩阵建立多能源系统的最小距离的空间模型，随后根据粒子群算法确定多能源系统的边缘侧数据采集网络结构，其中，粒子群算法是一种基于群体协作的随机搜索算法。

在本申请实施例中，边缘侧数据采集方法还包括：获取多能源系统中各数据采集终端到数据处理终端以及其他数据采集终端的节点跳数，根据节点跳数建立最小距离矩阵，节点跳数包括一跳节点数以及平均跳数；基于最小距离矩阵，根据粒子群算法确定多能源系统的边缘侧数据采集网络结构。本申请首先构建多能源系统中各数据采集终端的最小距离矩阵，然后基于粒子群算法确定多能源系统的边缘侧数据采集网络结构，为多能源系统中数据采集终端的数据采集提供网络结构依据。

在一个具体的实施例中，如图8所示，提供了一种边缘侧数据采集方法，包括步骤501至步骤508：

S501、获取多能源系统中各数据采集终端到数据处理终端以及其他数据采集终端的节点跳数，根据节点跳数建立最小距离矩阵，节点跳数包括一跳节点数以及平均跳数；基于最小距离矩阵，根据粒子群算法确定多能源系统的边缘侧数据采集网络结构。

S502、将多能源系统的边缘侧数据采集网络结构中的各数据采集终端，按照不同的传输信道划分为集合；集合中包括采用同一传输信道的多个数据采集终端；传输信道用于数据采集终端将数据传输至边缘侧数据采集网络结构中的数据处理终端。

S503、基于传输信道的信道带宽、传输信道上所传输的数据包的初始大小、以及传输信道的单次频谱感知时间，构建传输信道的数据传输模型，数据传输模型用于表征目标集合中任一数据采集终端采用传输信道传输一个数据包所需的时间。

S504、基于传输信道的数据传输模型、传输信道的初始频谱感知次数、以及传输信道的单次频谱感知时间，构建目标函数。

S505、采用强化学习算法对目标函数中的目标参数进行优化，生成优化后的目标参数，目标参数包括传输信道上所传输的数据包的初始大小以及传输信道的初始频谱感知次数；基于优化后的目标参数，生成优化后的目标函数。

S506、基于优化后的目标函数、以及目标集合中各数据采集终端的调度总费用，确定目标集合中各数据采集终端的价值密度。

S507、根据当前数据采集周期内的数据采集剩余时间、以及目标集合中各数据采集终端的价值密度，确定目标集合中各数据采集终端进行数据采集的优先级。

S508、基于目标集合中各数据采集终端进行数据采集的优先级，控制目标集合中各数据采集终端按照优先级进行数据采集。

在本申请实施例中，通过将边缘侧数据采集网络结构中的各数据采集终端，按照不同的传输信道划分为集合，可以避免相邻层数深度的数据采集终端在进行数据传输时发生的数据干扰的问题。针对每一无线传输信道，构建了与传输信道对应的目标集合中各数据采集终端的数据传输总时长的目标函数，通过对目标函数以数据传输总时长最小为目标进行优化，进而降低了数据传输的延时且提高了数据传输的速率。另外，本申请通过确定目标集合中各数据采集终端进行数据采集的优先级，控制目标集合中各数据采集终端按照优先级进行数据采集，进而使同一层数深度的数据采集终端按照优先级的顺序进行数据采集，满足了不同数据采集终端对数据采集的时延要求，避免出现数据采集调度的紊乱问题。

应该理解的是，虽然图2-8的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-8中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在其中一个实施例中，如图9所示，提供了一种边缘侧数据采集装置600，包括：集合划分模块620、目标函数构建模块640以及数据采集模块660，其中：

集合划分模块620，用于将多能源系统的边缘侧数据采集网络结构中的各数据采集终端，按照不同的传输信道划分为集合；集合中包括采用同一传输信道的多个数据采集终端；传输信道用于数据采集终端将数据传输至边缘侧数据采集网络结构中的数据处理终端；

目标函数构建模块640，用于针对各传输信道，根据传输信道的初始信息，构建与传输信道对应的目标集合中各数据采集终端的数据传输总时长的目标函数；

数据采集模块660，用于根据目标函数确定目标集合中各数据采集终端进行数据采集的优先级，控制目标集合中各数据采集终端按照优先级进行数据采集。

在其中一个实施例中，如图10所示，目标函数构建模块640包括：数据传输模型构建单元642以及目标函数生成单元644，其中：

数据传输模型构建单元642，用于根据传输信道的初始信息构建传输信道的数据传输模型，数据传输模型用于表征目标集合中任一数据采集终端采用传输信道传输一个数据包所需的时间；

目标函数生成单元644，用于基于传输信道的数据传输模型构建目标函数。

在其中一个实施例中，数据传输模型构建单元642，还用于基于传输信道的信道带宽、传输信道上所传输的数据包的初始大小、以及传输信道的单次频谱感知时间，构建传输信道的数据传输模型。

在其中一个实施例中，目标函数生成单元644，还用于基于传输信道的数据传输模型、传输信道的初始频谱感知次数、以及传输信道的单次频谱感知时间，构建目标函数。

在其中一个实施例中，如图11所示，数据采集模块660，包括：目标函数优化单元662、价值密度生成单元664以及优先级确定单元666，其中：

目标函数优化单元662，用于对目标函数进行优化，生成优化后的目标函数；

价值密度生成单元664，用于基于优化后的目标函数、以及目标集合中各数据采集终端的调度总费用，确定目标集合中各数据采集终端的价值密度；

优先级确定单元666，用于根据当前数据采集周期内的数据采集剩余时间、以及目标集合中各数据采集终端的价值密度，确定目标集合中各数据采集终端进行数据采集的优先级。

在其中一个实施例中，目标函数优化单元662，还用于采用强化学习算法对目标函数中的目标参数进行优化，生成优化后的目标参数，目标参数包括传输信道上所传输的数据包的初始大小以及传输信道的初始频谱感知次数；基于优化后的目标参数，生成优化后的目标函数。

在其中一个实施例中，如图12所示，一种边缘侧数据采集装置600，还包括：最小距离矩阵构建模块720以及数据采集网络构建模块740，其中：

最小距离矩阵构建模块720，用于获取多能源系统中各数据采集终端到数据处理终端以及其他数据采集终端的节点跳数，根据节点跳数建立最小距离矩阵，节点跳数包括一跳节点数以及平均跳数；

数据采集网络构建模块740，用于基于最小距离矩阵，根据粒子群算法确定多能源系统的边缘侧数据采集网络结构。

关于边缘侧数据采集装置的具体限定可以参见上文中对于边缘侧数据采集方法的限定，在此不再赘述。上述边缘侧数据采集装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储边缘侧数据采集数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种边缘侧数据采集方法。

本领域技术人员可以理解，图13中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质，当计算机可执行指令被一个或多个处理器执行时，使得处理器执行边缘侧数据采集方法的步骤。

一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行边缘侧数据采集方法。

本申请实施例所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。