基于边缘代理及深度学习的轻量型云边协同框架研究

随着电网建设的发展,配电站房及其设备规模持续增长,对边缘物联代理的实用化提出了更多挑战。在Kubernetes常规容器化架构的基础上,提出轻量化设计思路减少边缘物联代理装置对硬件资源的占用和消耗,实现云-边-端业务协同、数据协同和智能协同,同时在边缘侧开展了业务应用APP以及AI视觉学习模型算法库的规划设计,较好地满足了配电网运检业务的需求。

基于人工智能RL算法的边缘服务器智能选择模式研究

提出了一种基于人工智能深度强化学习算法的扩展性及智能性较高的智能选择模式。在人工智能深度强化学习算法的基础上,引入了动作抑制、四重Q学习(QQL)及归一化Q-value等机制,研究并实现了在满足业务延迟要求及公平性的原则下,物联终端更智能地选择其接入或切换边缘服务器。该方案减少了业务延迟,提高了响应效率,有助于提高业务安全及运营管理水平。