Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 国网福建省电力有限公司;国网信通亿力科技有限责任公司;国网信息通信产业集团有限公司冯笑获国家专利权

国网福建省电力有限公司;国网信通亿力科技有限责任公司;国网信息通信产业集团有限公司冯笑获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉国网福建省电力有限公司;国网信通亿力科技有限责任公司;国网信息通信产业集团有限公司申请的专利一种用于电力调度的消息中间件国产化替代适配方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119886881B

龙图腾网通过国家知识产权局官网在2025-10-24发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411967325.7,技术领域涉及:G06Q10/0637;该发明授权一种用于电力调度的消息中间件国产化替代适配方法及系统是由冯笑;陈斌;李泽科;范海威;陈刚;刘泽三;刘歆一;高莹;常宇昊;刘广伟设计研发完成,并于2024-12-30向国家知识产权局提交的专利申请。

一种用于电力调度的消息中间件国产化替代适配方法及系统在说明书摘要公布了:本发明涉及一种用于电力调度的消息中间件国产化替代适配方法,包括以下步骤:步骤1:将系统拆分为独立的服务,每个服务负责特定的功能;使用轻量级通信协议在服务之间进行通信;步骤2:根据负载情况,独立扩展每个服务实例;步骤3:为每个微服务创建Docker镜像,使用DockerCompose进行本地开发和测试,用Kubernetes进行自动化部署、扩展和管理;步骤4:在每个节点上部署本地调度器,基于消息中间件实现对本地任务的进行通信,利用AI技术预测系统负载和性能瓶颈,进行消息中间件国产化替代适配方案优化;步骤5:根据评估指标,对消息中间件国产化替代适配方案进行进行兼容性和稳定性测试。本发明可以有效确保电力调度系统在进行消息中间件国产化替代时的兼容性和稳定性。

本发明授权一种用于电力调度的消息中间件国产化替代适配方法及系统在权利要求书中公布了:1.一种用于电力调度的消息中间件国产化替代适配方法,其特征在于,包括以下步骤: 将云端系统拆分为独立的服务,每个服务负责特定的功能,包括消息传递、负载均衡、故障切换; 根据负载情况,独立扩展每个服务实例,使用API网关通过负载均衡和路由功能对每个服务实例的扩展结果进行协调和管理; 为每个服务创建Docker镜像,包含运行所需的所有依赖,使用DockerCompose进行本地开发和测试;对扩展每个服务实例使用Kubernetes进行自动化部署、扩展和管理; 通过轻量级协议和消息中间件为系统服务间通信提供基础支持,在边缘节点部署本地调度器,本地调度器通过消息中间件与其他节点的调配逻辑直接建立关联,实现云-边-节点间的多级通信;并利用AI技术预测系统负载和性能瓶颈,进行消息中间件国产化替代适配方案优化; 根据评估指标,对消息中间件国产化替代适配方案进行兼容性和稳定性测试,将评估通过的国产中间件替代到生产环境中; 所述在边缘节点部署本地调度器,本地调度器通过消息中间件与其他节点的调配逻辑直接建立关联,实现云-边-节点间的多级通信;并利用AI技术预测系统负载和性能瓶颈,进行消息中间件国产化替代适配方案优化,具体为: 在每台物理或虚拟节点上部署一个本地调度器,本地调度器负责管理该物理或虚拟节点上的任务调度; 在每个本地调度器中配置一个本地消息队列,本地消息队列中的任务通过生产者-消费者模型沟通,支持消息的发布、消费和队列管理;选用国产化消息中间件对实现对本地任务的通信; 消息中间件,通过消息确认机制和交付保证策略,提供消息消费的可靠性,并配置订阅、发布以及队列监听,保证任务通信的及时性与有效性; 本地调度器,从系统运行中采集相关指标数据,包括CPU利用率、内存使用、负载均衡流量,并进行数据清洗和特征提取;并使用时间序列预测模型ARIMA预测未来的系统负载和可能的性能瓶颈;根据预测结果实时调整系统资源分配策略,并使用强化学习优化调度决策和资源分配,形成动态优化机制; 所述根据预测结果实时调整系统资源分配策略,并使用强化学习优化调度决策和资源分配,形成动态优化机制,具体如下: 使用Prometheus监控系统收集实时数据,包括服务实例的CPU利用率、内存消耗、网络流量关键性能指标; 根据时间序列预测模型ARIMA预测未来的系统负载和可能的性能瓶颈,基于预测结果,实时调整资源分配,包括自动扩展或缩减Kubernetes中的Pod实例数; 构建强化学习模型的步骤包括: 定义状态空间:包括当前系统资源分配、负载情况、任务队列长度; 动作空间:包括增加或减少服务实例、调整任务优先级、改变调度策略; 使用模拟环境或历史数据训练强化学习模型; 使用Q-Learning策略梯度方法优化长期决策,部署强化学习模型进行实时决策,结合实际反馈信息进行模型更新和策略调整,给模型持续输入新的性能和负载数据,细化模型决策的准确性。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人国网福建省电力有限公司;国网信通亿力科技有限责任公司;国网信息通信产业集团有限公司,其通讯地址为:350000 福建省福州市鼓楼区五四路257号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。