基于Lissajous轨迹的电能质量扰动边-云协同高效辨识框架

边缘计算的就地实时诊断模式能够有效解决传统电能质量扰动云集中识别模式存在的强信息时延问题。针对当前电能质量扰动边-云协同辨识方法中识别算法普适性差、训练模型规模庞大且下发边缘端会造成精度缺陷的难题,提出了一种基于Lissajous轨迹的电能质量扰动边-云协同辨识框架。首先,根据图像处理领域最新进展,提出了基于双相Lissajous轨迹的视觉转换方法,将扰动信号转换成具有特殊形状的轨迹图像。然后,为了在增强特征捕捉能力的同时降低计算复杂度,开发了一种轻量级循环挤压卷积神经网络以执行主辨识任务。通过边-云共享权重参数,所提框架能够实现扰动的实时辨识。为持续优化模型性能,设计了一个更深层的云端网络以辅助模型更新。最后,基于IEEE标准仿真数据集和变电站实测扰动数据集验证了所提框架的有效性。结果表明,该框架在取得优异扰动辨识泛化性能的同时,实现了云端与边缘端识别模型的同步轻量化,并通过边-云权重交互避免了训练模型下发所造成的性能损失。

边-云协同下智能制造单元的物联网络协调配置方法

针对产线/单元的物联网络配置在边-云协同下时延长、成本高和可靠性低等问题,以智能制造单元为研究对象,提出了一种基于覆盖的中继节点部署(CRNP)算法和贪婪策略的网络边缘计算主节点和感知采集从节点的协调配置方法。设计了智能制造单元的3层“端-边-云”协同框架,构建了边缘物联网络模型;采用改进的CRNP算法,对边缘物联网络进行了主节点配置;结合配置的主节点,采用贪婪策略,实现了对主从节点的扩展和协调配置。以实验室数字孪生制造单元的网络配置为例,验证了所提方法的可行性和有效性。仿真结果表明:在主节点配置中,所提方法相比最小路径树(SPT)和传统CRNP算法,可以在满足时延约束的前提下,同时最多减少7个主节点,提升2.6%的数据包接收率;在主从节点扩展配置中,所提方法相比随机策略,可减少1.25个主节点,降低0.9 ms的传输延迟。所提方法可为制造产线/单元的低成本、低时延和高可靠边-云协同物联网络配置提供参考。

边-云协同下智能制造单元作业的数字孪生任务调度方法

智能制造单元作业数字孪生任务的高保真建模和调度优化是智能制造系统实现的关键问题之一。针对该问题,提出一种边-云协同下智能制造单元作业数字孪生任务的调度方法。基于智能制造系统端-边-云架构的虚拟现实交互框架,提出智能制造单元作业与数字孪生任务的映射方法,建立作业数字孪生任务调度的问题模型。考虑智能制造系统虚拟现实交互的快速响应性和偏差问题,提出一种基于端-边-云协同的数字孪生任务混合重调度策略。针对作业数字孪生任务调度的优化目标,设计环境自适应多因子优化遗传算法(Environmental adaptive multi-factor optimization genetic algorithm,EAMO-GA)。试验数据表明,EAMO-GA算法满足结果正确性验证,并且其有效性和收敛性都优于其他算法,可满足大规模、并行式数字孪生任务的调度场景需求。

“云-边-端”协同的智能采油生产物联网系统研究

油气生产已进入“全数、全息、全智”的时代,物联网、大数据、人工智能技术和采油工程深度融合形成新型的智能化采油技术。本文构建了“云-边-端”协同的油气生产物联网系统平台及智能采油生产监测调控系统。通过在系统平台部署智能化生态服务模块,可以实现云能力延伸边缘、边缘数据快速传输上云,同时支持多网络接入和应用服务协同,支持AI算法在边缘和端侧部署及升级;应用“云-边-端”协同的液控/电控的智能采油生产物联网系统可以实时感知油藏注采生产动态,实时遥控注水井分层配注、油井分层开采、举升系统运行。

电力物联网5G云–边–端协同框架与资源调度方法

分布式能源、可调负荷及储能装置大规模接入配电网运行带动“源-网-荷-储”调控模式的转变,配电网与分布式资源之间频繁双向互动对通信网全面感知与广域传输能力提出更高要求。电力物联网与5G的融合通过云-边-端多层级资源的深度协同提供有效的解决方案。针对现有云-边-端协同技术在电力物联网与5G融合应用面临的与电力业务需求适配性不足、异构资源调度协同性差、数据隐私安全难以保障等挑战,文章提出电力物联网5G云-边-端多级协同框架,支撑分布式资源与配电网的协同互动;在此基础上,基于联邦深度Q学习,提出基于半分布式人工智能的云-边-端协同资源调度方法,在高可靠低时延约束下实现端侧任务卸载、功率控制与云侧/边侧计算资源分配的协同优化;最后,通过算例分析验证该技术在能耗、时延、吞吐量等方面的性能优势,同基于层次分析法和深度Q学习的边缘网络任务卸载算法(distribution offloading algorithm based on analytic hierarchy process and deep Q network,AHP-DQN)和能量感知边缘计算移动管理算法(energy-aware mobility management algorithm for mobile edge computing,EMM)相比,平均吞吐量分别提高15.29%和23.87%,总排队时延分别降低53.35%和62.20%,能够满足电力物联网业务差异化通信需求,支撑分布式资源接入配电网双向互动。

边缘计算与云协同问题研究

随着5G技术的成熟,传统的云计算架构难以满足大数据背景下新型应用低时延、大连接的需求,边缘计算应运而生。边缘计算更加靠近数据产生的网络边缘,能够快速完成数据处理,支持用户迅捷请求。本文针对边缘计算,阐述云-边协同理念,对比分析现有协同方法,提出一种云中心参与的“云-边-端”协同架构,最后总结现有问题并对未来发展趋势进行展望。

数字化背景下新型电力系统谐波溯源关键技术

构建以新能源为主体的新型电力系统是能源电力行业推动“双碳”战略目标的关键举措。伴随多类型电力电子设备大规模接入系统,源网荷储谐波源交互影响,谐波污染加剧且复杂多变,呈现全局化特征,影响了电力系统优质可靠供电。文中聚焦多类型谐波源交互作用下的谐波来源追溯,深度融合先进数字技术在数据资源和智能协作的优势进行主导源头辨识和谐波贡献评估。首先,围绕谐波溯源概念,分析其在数字化背景下新型电力系统面临的新挑战和新机遇。然后,阐述了谐波溯源研究现状,指出关键技术的发展新需求。基于此,利用数字电网技术架构设计了云-边-端协同溯源策略。针对数字化背景下的新型电力系统,阐述了谐波源确定在数据采集、机理分析、协同应用等方面的主要技术。最后,展望了未来数字电力系统安全、可靠、灵活发展的技术方向。

基于云-边-端协同的区域级风电场大数据中心数据管理框架及优化运行方法

区域级风电场大数据中心面临运行能效低、交互性差、资源重复建设等问题,难以满足数字化特征凸显的新型电力系统对数据实时计算、绿色计算的需求。该文系统性梳理了风电场大数据中心典型数字化业务的类别、算力敏感性特征和可调节潜力,构建了基于云-边-端协同技术的数据管理架构,从数据交互、业务执行、资源调度和质量治理4个维度提出了大数据中心优化运行方法。算例仿真分析了所提架构在数据传输、存储和能耗等方面的性能,结果表明:相较于集中式架构,云-边-端协同可为大数据中心云服务器节约350%的存储容量,降低21.04%的能耗,验证了所提架构在实际工程中应用的有效性和合理性。

反恐战术云:中心云在反恐战术边缘的延伸

为了应对在战术边缘环境中遂行反恐处突任务所面临的设备接入受限、动态连续决策能力弱、信息融合处理能力匮乏、指挥通信时延过大等问题,创新地设计了全层级服务体系,提出了反恐战术云概念,将中心云的服务能力下沉到战术边缘,以期为反恐战术边缘提供机动灵活的数据处理和连续决策能力,适应反恐部队对感知、协同、决策、时延、能耗方面的特殊需求。

5G虚拟化PLC技术研究与实践

随着PLC软件标准化和5G网络的发展,PLC从专用控制设备向软件功能服务转变,工业控制从现场向泛在、从软硬一体向软件定义方向演进。首先,通过分析工业控制系统演进趋势,提出以5G虚拟化PLC为技术底座的新型5G工控系统。其次,分别从架构、关键技术等方面阐述了5G虚拟化PLC的技术特点,并介绍了以5G工业网关为载体开展的5G虚拟化PLC技术实践。最后,展望虚拟化PLC的发展趋势,分析5G虚拟化PLC技术发展面临的挑战。

联合作战模式下的信息过滤方法

信息化作战是当前主要作战方式之一,面向弱连接、高实时和资源受限的战场边缘网络环境,以信息化技术为主导建立陆军、海军和空军各兵种间可靠的和互连互通的协同作战模式成为联合作战研究热点。基于信息文本的虚词特征,提出了一种联合作战模式下的信息过滤方法,通过模拟各军兵种在云-边-端协同模式下的信息过滤,既降低了作战资源占用率又保障了作战信息文本的高实时与唯一性。

虚实结合的低延时工业机器人监控调试系统

为了解决工业机器人监控系统监控手段单一、监控信息不全面、故障排查困难、远程监控延时高等问题,开发了一种虚实结合的低延时工业机器人监控调试系统。基于远程过程调用(RPC)框架和快速UDP互联网连接(QUIC)协议,实现了“云-边-端”协同的分布式监控系统,能够跨语言跨服务器地调用资源并降低系统延时。利用Beego框架和Vue以前后端分离的方式开发人机交互良好的Web监控系统。在后端对多类机器人的通信协议和多种数据库接口封装,实现机器人数据的采集和存储。通过采集的实时数据驱动前端的虚拟模型,以虚实结合的模式对设备运行状态进行监控。在人机安全方面,基于YOLO目标检测算法以虚拟围栏的形式为机器人划定三维的工作空间,实时检测人机的空间位置关系,保障人身安全。为保证远程控制的安全性,采用虚拟调试技术预先对机器人的运行动作在虚拟环境中进行仿真,通过仿真验证安全性后生成离线文件下发给机器人执行,保证远程调试的安全。通过实验验证了系统的可行性。

基于三级管控架构的智能化综合管控平台

利用大数据、人工智能、边缘计算、云计算等新一代信息技术,通过建设集团公司企业私有云、区域子公司/煤矿数据中心(边缘云)、中台和业务系统,从集团层级自顶向下打造基于云平台技术的“集团公司-区域子公司-煤矿”三级架构的智能化综合管控平台。集团公司层级以监管和数据赋能为核心,建设“集团公司智能化综合监管赋能平台”,对所有下属区域子公司及煤矿的生产、安全、经营等海量数据进行治理、挖掘,开展智能分析和决策模型训练,为集团公司的决策提供依据;区域子公司层级以管理和经营为核心,构建“区域子公司业务综合管理平台”,围绕企业下属煤矿生产情况实现对各矿井生产、安全、经营数据的统计与分析,在集团层级平台的支持下,对各种指标参数进行分析、优化,给出不断改进、增强企业运行质量的方案;煤矿层级以安全生产为核心,构建“煤矿智能化综合协同管控平台”,接入煤矿生产、安全、经营等系统,实时掌握本矿厂安全生产状况,并对各安全报警、故障、隐患及指令进行及时跟踪执行处理,接收集团公司、区域子公司安全生产决策分析结果,辅助本矿井安全生产。

智能视频在煤矿安全监控方面的应用分析

基于煤矿视频监控智能化的应用需求,提出了智能视频监控系统的架构及组成,分析了智能视频“云-边-端”协同架构的算法实现,总结了智能视频前端及后端实现方式及发展趋势,并对目前主流的智能视频应用场景进行了应用汇总,提出了存在问题及解决对策。