一种基于区块链的MQTT协议优化算法

通信协议的设计已然成为实现设备与互联网通信的重要支撑,其覆盖了整个物联网系统的各个环节。针对传统物联网协议中关键数据被伪造或篡改的安全问题,文章设计了一种在数据传输过程中使用区块链技术来保证传输数据安全的改进消息队列遥测传输(message queue telemetry transmission,MQTT)协议,进而保证了存储在broker的数据不被恶意篡改。通过仿真实验证明,该方法具有高效、轻量以及易实现等多方面的特点,在保护物联网的数据安全方面效果十分显著。

基于强化学习的网络拥塞控制优化算法

利用BBR(Bottleneck bandwidth and RTT)算法虽可以实现在复杂网络中带宽的充分利用,但该算法对网络噪音所造成的丢包现象敏感,且该算法因存在协议内部不公平的问题而无法实现物联数据的实时高效获取。针对以上问题,提出了1种基于深度强化学习的起搏增益优化算法(Deep reinforcement learning of BBR,BBR-DRL)。首先,通过获取数据传输的往返时延、发送窗口大小和网络带宽等环境参数来实时感知网络状态;然后,结合环境参数,利用起搏增益进行动态调整,使得BBR算法能够及时与外部动态网络环境进行交互,从而降低丢包敏感度、提高不同往返时延(Round-trip time,RTT)流之间的公平性。实验结果表明,与经典BBR算法相比,所提出的BBR-DRL算法协议内部的公平性提高到了98.2%,丢包敏感性明显降低。

基于知识蒸馏的边缘侧电能质量扰动识别研究

传统的云端电能质量扰动识别方式下,海量分布式电能质量数据会给网络负载带来巨大压力。为降低云端识别延迟,采用边缘侧扰动识别的方式,但是边缘侧智能终端计算资源有限,无法部署大规模深度神经网络。文章针对边缘侧智能终端计算资源有限和扰动识别准确率降低的问题,提出了一种基于知识蒸馏的边缘侧电能质量扰动识别方法。首先将云端训练好的性能稳定但复杂度高的深度神经网络模型进行知识蒸馏,生成一个结构简洁且运算量小的模型;然后再将蒸馏后的优化模型下发并部署在配电物联网边缘侧,直接执行电能质量扰动分类识别计算。实验结果显示,相比于现有的知识蒸馏算法,经过本方法优化过的小模型准确率提高了1.4%~2.46%。同时,与传统的云端识别方式比较,边缘侧扰动识别的数据传输速率需求降低了99.993%。表明在边端计算资源有限的前提下,基于知识蒸馏的边缘侧电能质量扰动识别方法能够满足准确率和实时性的需求。

基于联邦学习的边缘侧电能质量扰动分类研究

传统云端电能质量扰动识别模式下,海量扰动数据对云端的服务器造成了较大的存储、计算压力,且云端扰动识别存在延迟,实时性较差;边缘侧扰动识别可以缓解云端压力,降低延迟,但边缘侧之间无法实现数据的跨域共享。针对以上问题,文章提出了基于联邦学习的边缘计算框架,首先,边缘侧使用本地数据训练模型,然后将模型参数上传至云端进行聚合,更新模型并下发至边缘侧进行部署,在边缘侧对电能质量扰动进行识别分类。实验结果表明,相比云端扰动识别模式,基于联邦学习的边缘侧扰动识别对云端的存储需求下降了97.58%,数据通信成本下降了53.68%,单次扰动识别的传输速率需求下降了99.994%,满足扰动识别实时性的要求;优化后的联邦学习算法与传统的联邦学习算法相比,扰动识别准确率提升了1.72%~3.64%。

在线分析仪器故障诊断专家系统通信协议解析

在过程工业中使用大量的在线分析仪表,这些在线分析仪表通常采用内部协议,造成了传统故障诊断技术的困难。该文以西门子气体分析仪为例,简要介绍了在线分析仪器故障诊断专家系统的结构与功能。在串口通信的基础上,采用数据挖掘进行仪表的通信协议解析,并在JAVA的开发环境下成功实现了故障诊断专家系统与仪表的通信。

电力物联网关键技术研究综述

随着电网数字化转型程度不断加深,电力物联网的建设面临高接入、高并发、高交互的挑战。文章在现有电力物联网技术研究基础上,从终端接入、边缘计算和平台应用3个方面,对电力物联网关键技术展开研究综述。终端接入方面,介绍了负载均衡技术在电力物联网终端接入中的应用,提出一种用算法实现海量终端的灵活接入和智能感知的思路;边缘计算方面,讨论了边缘计算技术缓解数据传输压力实现电力物联网业务实时性的可能性,并详细阐述了边缘计算缓存技术发展现状;平台应用方面,研究了电力物联网平台应用层实现多业务快速集成的相关技术,分别从自适应系统、微服务体系架构和可扩展网络架构3个方面进行讨论。最后,总结电力物联网关键技术研究意义并对未来研究方向进行展望。

面向电力物联网海量终端接入技术研究综述

随着电力物联网的建设,电力物联网平台面临海量异构终端接入的挑战以及数据爆发式增长的压力。文章面向电力物联网海量终端接入技术,探讨当前电力物联网终端接入在感知层、网络层、平台层和应用层面临的问题,并由此从信息感知、网络传输、实时计算和安全防护4个方面对终端接入技术展开研究综述。在感知层,针对电力物联网信息感知的关键作用,研究信息感知技术体系以及相关终端接入算法;在网络层,电力物联网产生大量数据流量,信息交互面临挑战,分别从软件定义网络、数据传输与流量优化2个方面对电力通信网络作技术探究;在平台层和应用层,针对当前电力物联网实时计算方面的问题,引出边缘计算技术缓解云端计算压力,并详细介绍当前计算卸载算法。最后,对终端接入的安全防护相关技术进行分析总结。

基于神经网络的核反应堆堆芯热功率预测

由于核反应堆经常变负荷运行,为使堆芯热功率与负荷相匹配,保证核电站的安全运行,需要精确预测反应堆堆芯热功率分布,以做出及时调整。传统方法包括基于核反应机理物理模型和实验模型,难以通过直接分析相关数据,准确预测功率分布。采用某CANDU重水堆核电站真实监测数据,根据数据的分布特征,分别构建了基于满功率日时间序列的LSTM循环神经网络和基于特征再提取的卷积神经网络CNN模型,并对网络结构优化,以此来进行核反应堆堆芯热功率预测仿真研究。相比于传统的BP神经网络,构建的LSTM和CNN模型在预测性能上有显著提升。在LSTM和CNN的预测结果中,绝对误差小于50MW的数据所占比例分别为97.63%和96.31%,相对误差在5%以内的数据所占比例为98.73%和98.42%,平均相对误差均不超过2.65%和2.96%。仿真研究表明,所提基于LSTM和CNN的模型可有效预测核反应堆堆芯热功率分布。

基于改进子任务门控网络的非侵入居民负荷分解

非侵入负荷分解对挖掘用户侧能源需求具有重要意义。但是,目前功率分解模型收敛困难且推理周期计算量大。研究了基于序列到子序列和子任务门控网络(SGN)的非侵入负荷分解模型。首先,采用序列到子序列的方法构建子任务门控网络,将功率分解回归任务和电器状态分类任务相结合,实现主电源序列到目标电器子序列的映射;然后添加通道注意力模块和空间注意力模块提高模型的特征提取能力。基于UK-dale数据集的实验结果表明,该方法不仅减小了模型收敛的困难度和推理周期的计算量,而且显著提高了分解的精度。

基于无线传输顺控系统的超滤系统性能分析与仿真

以电站化学水处理中超滤系统的顺序控制为背景,提出无线分布式顺序控制系统。系统的特点是取消传统控制系统中集中的控制器,同时将控制逻辑分散到现场的无线节点。系统的控制任务主要由现场控制级的无线节点完成,而且系统中的设备状态完全依靠无线网络进行传输。为分析无线传输中的误码和延时对系统性能的影响,建立了无线分布式顺序控制系统的Petri网模型,提出状态限定的方法提高系统正确运行的概率,并采用偏差补偿减小无线传输延时造成的状态持续时间偏差。最后给出仿真对比结果证明方法的有效性。

电动汽车退役电池包整包梯次利用的关键技术-CAN通讯协议

新能源电动汽车动力电池包在使用一定的时间或循环一定次数之后,其容量和功率特性将衰退,无法满足新能源电动汽车使用要求,需要从汽车上退役。但是,退役的动力电池包仍然潜藏着一定的价值,其容量和功率仍然可以满足其他对动力性能要求不高的储能场合要求,如UPS、通信基站、数据中心、电动自行车、风光发电储能等对功率特性要求不高的应用场合。将电动汽车上的退役电池再利用到其他场合,这种退役动力电池的再利用被称之为"梯次利用",开展动力电池梯次利用技术研究,充分挖潜动力电池的剩余价值。其中不拆解电池包而直接利用则是性价比最高的一种应用方式,应用的关键是利用原电池包的BMS系统,直接读取原电池包的BMS数据,能否正确读取BMS数据是梯次利用的关键。因原电池包用于汽车上,所采用的是适用于汽车的CAN总线和汽车专用协议,因此对于退役电池包的梯次利用,需要充分了解CAN通信协议。

基于电力物联网的边缘计算技术应用

分析表明,电力物联网仍然存在局部贯通、共享实时性不强、响应需求变化能力不足的问题,边缘计算技术对促进电力物联网的建设,智能电网的优化具有重要作用。阐述边缘计算技术理论,边缘计算架构,边缘计算包含的技术,边缘计算在电力物联网中作用。

基于图像超分辨率的稀疏成像研究

阐述采取IDN模块做特征提取,以解决网络层数深度与过拟合之间的矛盾。由于采取自采样高低维数据,其图像之间差异大,新增一个恢复的降采样损失函数loss,提高恢复精度,融合模型获得高分辨率图像。实验证明,该方法对电容层析成像(ECT)图像重建可以获得更高的峰值信噪比(PSNR)。