基于区块链和边缘代理的电力资源动态监测调度系统

以电力系统内分布式电源的渗透率为出发点,提出了基于区块链和边缘计算的电力系统调度资源动态监测系统。分析了区块链中的区块结构以及边缘代理的基本模型,提出了基于区块链的能源互联网系统。针对电力调度资源监测进行建模,分析了包括风电、光伏、储能和需求响应等形式在内的调度资源模型,说明了可调度资源监视的基本内容。提出了基于区块链和边缘代理的调度资源监视系统架构,分析了系统的硬件结构,说明了数据对比分析流程,利用边缘代理进行数据资源监视。仿真结果表明,该系统在调度管理以及数据监视方面是有效性的。     

基于云—边协同的智能工厂工业物联网架构与自治生产管控技术

针对智能工厂底层大量物联设备产生的海量制造数据在云端处理分析和边缘端实时计算两个层面的需求,提出一种基于云—边协同的智能工厂工业物联网架构以及边缘节点、云端应用服务的配置方法。在该架构下,时间不敏感型与时间敏感型制造数据处理任务分别由工厂云服务器、工业物联网边缘节点完成。考虑智能工厂内人、机、物等生产主体均具有智能,进一步从生产计划、执行、监控、优化的逻辑视角,阐述了基于"人—机—物"共融的智能工厂自治生产管控关键技术。通过案例研究得出,所提出的智能工厂工业物联网架构可在云端与边缘端两个层面进行制造数据处理分析,并实现智能工厂实时生产状态监控与自治生产过程响应控制,为实现制造工厂智能化、自治化生产提供技术支撑。     

应用于工业互联网数据安全的分层轻量级高通量区块链方法

随着工业互联网应用的快速发展,其分布式的拓扑结构和异构设备的资源限制,对传统的数据存储、传输和安全保护提出了新的挑战。区块链技术的分散式信任和分布式帐本机制,适应于大规模工业互联网应用,并有可能成为工业安全和数据保护的有效方法。但是,传统区块链的计算通量低、能耗高、可扩展性有限,并且会产生显著的带宽开销和网络延迟,难以直接适应于工业应用。由此提出一种满足工业环境要求的高效、安全和轻量级的分层扩展式区块链。该模型在典型工业互联网结构下构建了资源受限层、扩展资源层两层区块链。设计了轻量级共识算法、分布式信任确权机制和动态高通量管理方法,并通过工业互联网受限资源设备的数据存储请求交易说明了分层区块链具体实现流程。扩展了不同资源能力的工业设备在网络中的高效区块操作,并确保端到端的操作安全和数据保护。为工业互联网泛在接入建立实体间信任关系和数据安全提供新的思路和方法。     

基于云平台的核电设备监测诊断架构设计与实现

为了提高核电机组关键设备的可靠性,保障电厂安全高效的运行,提出了一种新型的基于云平台的设备远程监测及智能诊断的架构。采集设备数据通过OPC UA协议上传到云端物联网平台,画面通过RESTful API调用关键参数实现监测,同时将历史数据储存于时序数据库中。然后利用数据库中导出的数据进行诊断模型的训练,将训练好的模型在线部署,生成API网关被边缘端或云端调用,并将诊断结果返回至画面显示。最终通过应用实例验证了架构的优越性,基于云端的方式为电站大数据分析-智能诊断算法研究提供了基础。     

电子认证与区块链融合方向综述

电子认证作为实现互联网主体身份认证的主要手段，在营造网络环境安全中发挥着重要作用，传统的电子认证体系的中心化带来的单点崩溃、证书不透明及跨域认证等问题亟待解决。本文综述了基于区块链构建半分布式和分布式认证体系可解决以上问题的方案，列举了物联网、车联网等新场景中基于区块链进行分布式认证体系设计和部署的方案，最后给出了基于区块链的认证体系中保障用户隐私的一些解决方案。     

基于区块链的制造服务可信交易方法

云制造模式下,制造服务交易过程中的供需双方信任问题亟需解决。区块链作为一种分布式共享总账技术,其发展得到了产业界和学术界的广泛关注。针对当前云制造服务平台制造服务交易过程中存在的安全和信任问题,提出一种基于区块链的制造服务可信交易方法,重点研究多链数据存储架构、动态QoS评估方法和共识算法设计等关键技术,设计了基于智能合约的制造服务匹配及交易流程。实验结果表明,基于区块链的制造服务可信交易方法在保证交易信息的开放性、安全性以及企业信息的隐私性的同时,可以自适应地完成制造服务组合与资源匹配,有效提高云制造服务平台的可信度和系统的整体效率。     

基于区块链的新型云制造服务选择方法

云制造模式下，随着海量制造资源的云化和用户需求的爆炸式增长，传统云制造平台在服务选择环节出现了计算能力不足、实时数据缺乏及数据安全难以保证等问题。为解决上述问题，提出一种基于区块链的新型云制造服务选择方法。该方法结合主客观权重分析技术设计分布式云制造服务选择模型，实现算力源的转移和去中心化，解决计算能力不足的问题；提出基于结果证明机制的双链区块链数据存储模型，保证云制造过程中不同时间段产生的合约数据和交付数据的实时性和安全性。实验结果表明，该方法能够同时提高云制造服务选择的速度和质量，并实现云制造数据实时且安全的存储，从而大幅提升生产制造效率。     

工业互联网平台架构及建设实践

为助力制造业综合应用物联网、大数据、人工智能等新一代信息技术，帮助制造企业改进生产管理，推进智能制造改造升级，加速企业数字化与智能化转型，研究了工业互联网平台的架构体系，包括总体架构、集成架构、部署架构及平台安全体系，并基于该架构体系研发了华润工业互联网平台。平台由边缘层、基础设施层（IaaS）、平台层（PaaS）、应用层（SaaS）组成，边缘层主要负责设备连接与数据采集，IaaS层提供云计算资源，PaaS层由数据中台、技术中台、业务中台等组成，SaaS层为工业应用。平台具备IoT边缘计算、云平台服务、大数据分析与治理、工业模型服务、App快速开发5大能力，在企业应用实践中取得了较好成果，入选2022年工信部“双跨”平台，可为其他企业的工业互联网平台建设与应用提供参考。     

基于区块链的智能电网安全管控研究与应用

随着无线传感器网络和物联网的集成，智能电网有望成为未来电力供应挑战的解决方案。然而，电力数据消费和交易中的安全和隐私问题对智能电网的采用提出了严峻的挑战。为了应对这些挑战，正在研究区块链技术在智能电网中的适用性。在事后调查和安全资信管控中，涉及到存证、取证、分析等多个业务环节，业务如何与区块链融合成为重大难题，直接影响到整个区块链在安全事故调查和安全资信管控的应用能否顺利落地。讨论了区块链在智能电网中的安全管控研究。提出了区块链架构，示例块结构以及其中采用的潜在区块链技术细节。虽然区块链技术不能直接确保隐私要求，但可以结合ZKP和ECDSA等高级加密技术来实现隐私保护。此外，还讨论了区块链的数据不变性方面，区块链可用于防止网络攻击，特别是在发电和配电系统中。讨论了一个安全的设备维护系统，该系统可确保使用智能合约进行有效诊断。     

基于区块链的电网安全性调查结构化数据模型的研究

针对区块链技术在网络安全中的研究与应用，主要研究基于区块链技术的结构化证据链数据模型，提高网络的安全性，提出了基于区块链的安全用户认证方法。既保证证据文件可靠性、完整性的问题，又解决防篡改的问题。由于互联网上的广泛数据交换，智能电网面临着许多安全挑战，这些挑战导致了数据丢失、数据泄露和高功耗。本文提出了BLIDSE模型来解决这些问题。打造基于区块链的外包安全生态管理体系，通过构建外包资信目录链,实现外包单位资信在体系内的信息共享互通，设计安全风险评估模型。提出了一种完美的匹配算法来选择最佳边缘。并且提出了基于取证的调查优化，从而提高了智能电网网络的安全性。将区块链应用到安全事故调查中有迫切的需求，对提高电力安全监管水平也有着重要意义。     

齿轮箱故障边缘智能诊断方法及应用研究

针对齿轮箱运行状态监测数据量大而数据价值密度低导致的数据传输和存储困难、受到带宽影响导致的故障辨识实时 性差以及大而深的深度学习模型难以有效部署至边缘端硬件等问题,本文提出了一种基于乘法-卷积网络(MCN)的齿轮箱故 障边缘智能诊断方法。 首先,综合考虑信号滤波在特征表征以及深度学习在特征提取的优势,设计了一种轻量化的 MCN 模型, 同时在嵌入式微处理器搭建了一套端侧边缘智能处理原型与系统。 该系统可以直接部署于齿轮箱边缘,通过云服务器训练和 更新 MCN 模型参数并部署至边缘端,于边缘端完成数据采集、处理和故障状态辨识等功能,将大量传感器数据直接消耗在边缘 端。 实验结果显示 MCN 具有 99. 75% 的平均识别精度,且部署 MCN 的齿轮箱故障边缘智能诊断系统可以在 0. 696 s 内准确识 别出故障状态。     

基于工业物联网的区块链多目标优化

针对区块链落地工业物联网时吞吐率低、部署开销大的问题,提出一种基于工业物联网的区块链多目标优化方法对吞吐率与通讯开销进行平衡.该方法首先随机拟合原始数据,并根据二进制交叉、多项式变异生成原始父种群,然后提出自选精英保留策略的快速非支配排序算法来寻找精英解集,最后通过迭代算法计算出最优区块链节点数.实验分析验证,改进算法通过解决伪支配点问题提高了算法敛散性,使区块链吞吐率显著提升,部署通讯开销明显下降,满足区块链落地的工业物联网需求.     

云—雾—边缘协同的数字孪生制造系统仿真过程动态扰动响应方法

鉴于现有仿真技术对制造过程动态响应能力不足,数字孪生技术为仿真系统对制造过程的动态映射提供了解决方案,但仍存在设备运行过程中动态扰动识别困难且扰动识别模型的训练过程受制于计算和数据资源,导致耗时较长,以及用于识别动态扰动和构建约束条件的数据为离线或半离线状态,不能满足实时响应要求的问题。针对以上问题,提出一种基于云—雾—边缘协同的数字孪生制造仿真过程动态扰动响应方法。在云端使用公共数据集训练普适化模型并使用边缘端数据训练个性化模型来提升扰动识别精度,雾端通过部署云端训练的个性化模型保证扰动识别速度,同时将识别的扰动更新到数字孪生仿真模型中。边缘端负责采集实时信号并上传至雾端。经实验验证,扰动约束更新机制能够准确更新扰动,从而对运行过程中的扰动做出快速响应。     

基于无线传感网及边缘网关的智慧农业大棚监控系统设计

在不断发展的物联网、大数据及云计算等技术的交叉融合下,基于无线传感自组网及边缘网关,应用边缘计算,设计实现了一种智慧农业大棚监控系统。系统设计基于物联网架构,传感层以CC2530芯片为核心分别构建了传感型采集节点和控制型节点;采用正三角形网格的节点部署方案,高质量实现了无线传感网构建。边缘网关以STM32F103ZET6 MCU为核心,一方面负责与无线传感器网络中的各节点进行数据通信,完成边缘计算并对网络中的节点进行管理和控制;另一方面通过WiFi、4G/5G等通信模块进行数据的无线传输,把采集到的数据封装处理打包传输到服务器端,实现边缘网关作为连接传感节点与服务器监控中心的相应功能。应用层通过EMQTT服务器和Node-RED搭建云平台构建,用户可以通过PC端、手机端登录数据处理中心的WEB服务器,实现对物联网设备的控制及环境的监测。     

基于电力物联网和BP神经网络的用电行为优化研究

电力物联网有利于建设电力用户用电行为大数据，为用电行为的识别和优化奠定基础。鉴于此，搭建了基于电力物联网的用电行为管控系统，根据数据流量需求和功能部署方案采用分层建设的体系架构。终端层用于向各用电设备提供接口和协议转换服务，具备边缘计算和安全防护功能，实现分布式资源的弹性管理。采用BP神经网络对用户用电功率进行预测，实现用电行为识别。在满足各种安全稳定约束条件下，以用电经济性为目标，对用户用电成本进行核算，并对用电行为进行优化，用以提高用户互动水平，实现电力需求侧管理向需求侧响应的转变。     

基于边缘计算的工业应用:自动导引小车控制系统

目前大多数自动导引车控制系统使用云计算框架,实时性差。云端与自动导引小车之间有较大的网络延迟,这使得自动导引小车中如避障、路径规划以及障碍物识别等高实时性任务不能得到及时响应。由此提出一种基于边缘计算的自动导引小车控制系统,具有云服务层、边缘层和设备层3层架构。实时性高的计算任务部署在边缘节点,靠近自动导引小车,计算发生在数据生产者附近,可以减少任务处理延迟时间,提高实时性。实验证明,在执行相同任务时,基于边缘计算的控制系统比基于云计算的控制系统减少46.4%～58.8%的计算延时。     

基于区块链的机械产品数字孪生本体模型协同演进方法

为了解决机械产品数字孪生体演进信息同步的基础技术问题，针对多源异构的演进内容和信任可变的协作背景，提出一种基于区块链的机械产品数字孪生本体模型协同演进方法。通过基于本体的表示和封装技术将模型演进信息转换为标准文本数据，在此基础上设计区块构建方案，结合共识算法同步更新授权网络中的各节点模型，通过基于区块链的分布式存储保证所有建模操作互信可溯，并支持冲突识别和轻量发布。将所提方法应用于直升机某离合器的研发过程，取得了良好的效果。     

基于区块链的电网碳足迹采集和清洁能源利用模型的研究

研究了供应链碳足迹的概念，并找到了绿色替代能源策略。探讨了区块链在供应链碳足迹可信采集、计算以及绿色能源替代系统领域的应用。这项研究表明，使用区块链、智能合约和物信融合技术等最新技术可以实现提高能源碳足迹数据的采集效率和源端可信碳核算。并且通过使用区块链技术和清洁能源利用模型能够有效的降低供应链碳足迹。提出了利用区块链技术实现电力供应链碳足迹可信核算的框架模型，即利用区块链产生可信能源数据，以实现供应链碳足迹的可信计量，促进绿色生态体系建设。因为供应链碳足迹排放的主要来源是燃油、燃气、电能生产过程排放，所以期望通过将这些温室气体排放源采集与区块链技术整合从而增加供应链碳足迹的计量结果的公信力，在高碳排节点同时引入清洁能源利用的替代模型，显著减少供应链碳排放。     

融合GRU-Attention与鲸鱼算法的流程制造工艺参数云边联动优化

为解决流程制造工艺参数优化面临的多工序耦合模型构建复杂、多目标冲突分析困难、实时和准确性难以保障等问题，提出一种融合GRU-Attention与鲸鱼算法的流程制造工艺参数云边联动优化方法。设计了适用于多工序耦合生产的训练计算云边协同架构，通过设备边缘节点与云平台的高效协同，完成了预测模型和优化模型的云端训练，边缘端数据收集、模型下载和调用计算。在此基础上，建立了基于GRU-Attention多层神经网络的生产工艺质量预测模型，将输出质量指标作为适应度，调用鲸鱼算法对生产工艺参数进行全局寻优，获得不同工序最优工艺参数组合，实现流程生产不同工序加工质量的实时预测和综合优化。最后，以某流程制丝生产线为例进行了实验验证，结果表明，所提基于深度学习的云边联动方法可实现生产质量的综合动态优化，同时可降低工艺参数调控任务的完成时间。     

基于数字孪生的生产单元可视化管控

在新型信息技术赋能生产系统更多分布式增强型智能特性的前提下,为了通过生产单元的精准化运行管控来提升生产过程的整体管控能力,基于数字孪生技术的虚实融合特性,围绕数字孪生驱动的生产单元(DT-PC)可视化管控方法展开研究.通过分析生产单元的可视化管控需求,研究DTPC可视化管控架构,在此基础上围绕DTPC可视化管控模型构建、可视化管控规则设计,以及基于边缘计算网关的虚实同步技术等关键实现方法展开研究.通过实例验证了所提方法的合理性和有效性.