基于深度神经网络的数字电网边缘侧数据迁移

为了避免数字电网出现数据样本过量累积问题,设计基于深度神经网络的数字电网边缘侧数据迁移方法。按照深度神经网络构建原则,确定样本容错系数取值标准,根据电网边缘侧数据的传输流量求解资源分配权限,完成电网边缘侧数据整合。设置FIFO调度器闭环,计算HBase迁移参量的具体数值,对整合完成后的电网边缘侧数据进行迁移处理,完成数字电网边缘侧数据迁移方法设计。实验结果表明,在深度神经网络模型作用下,电网边缘侧数据迁移时长平均缩短幅度超过7.0 s,该方法能够很好地解决数字电网边缘侧信息样本过量累积的问题,实际应用效果好。

基于工业分布式体系的边缘侧数据平台设计

随着科技化发展速度越来越快,近几年我国工业发展质量在不断提升,为了完成调速器油压设备运行状态和常见故障机理研究等工作,加强对工业分布式体系的边缘侧数据平台设计能够满足当前工业发展的需求,支持多种设备数字化改造数据接入和开放式的数据应用计算,并基于此框架实现水轮机调速器油压装置运行状态监测与故障预警子系统示范建设。本文的主要目的就是分析工业分布式体系的边缘侧数据平台设计方式。

基于边缘智能计算的边缘侧数据平台在电力行业的应用研究

在电力行业中,边缘智能计算的应用对于构建其高效可靠的边缘侧数据平台具有重要意义。文章旨在探索边缘智能计算在电力行业中的应用,针对电力行业的边缘侧数据平台进行了深入调研,分析了当前存在的问题和挑战。提出了基于边缘智能计算的数据分析方法,并结合电力行业的特点进行了实施。采用电力数据进行技术验证,提取有效的电力数据信息并进行预测与优化。最终得出结论,基于边缘智能计算的边缘侧数据平台在电力行业中能够高效地处理和分析大规模的数据,并且可以实现实时响应和决策。

数字孪生模型数据的边缘侧智能获取机制研究综述

作为驱动中国加快实现全工业领域数字化社会管理发展转型、促进我国社会智能产业优化升级转型创新进步的其中一条战略性重要智能产业赋长能与创新增长方式,数字企业管理这种孪生效应迅速受到引起来自了我国世界各行各业专家学者群体的极大研究关注,并发展至今也已是悄然开始从理论研究探索和研究实践逐渐开始走向数字化企业管理实际应用管理与应用融合发展阶段。数字服务孪生业务技术系统是一个以多维的虚拟服务模型体系与深度融合的现实数据模型构成的系统双重服务技术的驱动,通过数据和服务实际业务数据进行闭环交互,实现了系统实时对虚拟服务模型内容和虚拟业务场景应用需求的服务需求及响应过程等以及系统服务实际应用服务中功能参数信息的持续跟踪及监控、仿真数据统计的分析、预测、优化以及决策服务等,其中三维数字服务孪生虚拟业务模型体系的基本理论框架构建过程也是为系统服务实现数字孪生业务模型落地在商业实际应用问题中的主要理论前提,是基于提出来的数字孪生业务模型的构建的技术标准框架体系和技术理论体系。 边缘端数据采集不仅可以支持生产单元的数据采集,还可以支持基础设施单元的数据采集。 同时还支持不同系统数据和不同格式的数据采集,并提供数据管理系统、数据监控和系统管理功能供用户查看数据和管理。