基于边缘计算的智能电网数据调度与快速分发方法

常规的智能电网数据调度与分发方法多数采用大数据技术原理,缺少电网数据区域划分,其调度目标节点选择偏差较大,导致电网数据调度错失率较高,数据调度与分发任务完成效果不佳。基于此,引入边缘计算提出了一种新的调度与快速分发方法。首先,建立边缘计算集群分层模型,划分数据区域,分析集群节点状态参量,选择最优调度目标节点。其次,根据调度任务处理时间对任务有效价值的影响,设计智能电网数据流调度优先级,分配并执行数据调度处理任务。最后,设计数据快速分发机制,避免在调度处理任务执行中,出现节点失效和调度数据丢失的问题。根据实验结果可知,新的方法应用后,即使数据处理任务个数的增加,数据调度错失率也未出现大幅度波动,均控制在0.2%以下。     

基于CAN总线的智能电表集中器的设计

介绍了智能电表集中器的原理,分析了相关的硬件电路,设计了具体的软件的控制流程。该集中器具有独立存储空间、实时性强、稳定性高等优点,在具体的应用中取得较好的效果。     

多类型智能表数据集中器的研究与设计

为提高自动抄表系统的效率,论文介绍了一种可对水、电、气等多种类型的智能仪表进行数据采集和管理的新型数据集中器的结构模型。集中器以S3C2440微处理器为硬件核心,嵌入式μCLinux为操作系统,实现了数据采集、分析、存储、以太网、GPRS通信等多任务功能。此模型数据集中器主要针对多类型智能仪表数据信息进行采集,通过RS485或ZigBee无线通信上传到数据集中器。集中器具有Webservice服务功能,用户可登录访问集中器Web页面,对智能仪表访问、管理。     

基于边缘智能计算的城市交通感知数据自适应恢复

智能交通系统（intelligent transportation systems, ITSs）被广泛用于智慧城市中,却普遍存在感知数据缺失问题.而交通感知站点有限的存储计算能力严重制约感知数据的恢复,极大影响ITSs的正常使用.虽然可以利用边缘节点强大的存储计算能力解决这个困境,但边缘节点部署的高复杂性和感知数据时空相关性的高动态性对数据精确恢复提出挑战.为了解决上述挑战,提出基于边缘智能计算的城市交通感知数据自适应恢复系统.具体地,首先利用子模优化理论,提出具有理论下界的边缘节点次优部署分配算法.然后,基于低秩理论恢复感知数据,并基于恢复结果估计非缺失下限,通过反馈自适应调整感知站点的数据上传比例,从而保证数据精确恢复.最后,基于澳大利亚600个交通站点1年的感知数据构建原型系统,对所提算法进行评估.实验结果表明,所提算法的边缘节点部署性能达到最优性能的90%以上,缺失数据恢复精度比3种对比方法提高43.8%以上.同时,自适应数据恢复能够平均提高精度40.3%.     

基于MBUS的智能集中器设计

针对以智能水表和热量表为主的集中抄表系统,设计了一种MBUS集中器,它完成对连接到MBUS总线上的智能表数据的抄收并通过GPRS上传到监控计算机.介绍了集中器的工作原理及MBUS总线,详细阐述了MBUS总线信号的收发电路.由于采用单片机控制,不断调整比较器基准电压,大大增加了MBUS接收电路的适应性.测试结果表明,该设计实现的集中器产品可靠性高、带负载能力强、抄表效率高,在实际应用中取得了很好的效果.     

边缘智能与协同计算: 前沿与进展

随着万物互联时代的到来,边缘设备规模急剧增加,海量数据在网络边缘产生,人工智能技术的飞速发展为分析和处理这些数据提供了强大的支撑.然而,传统云计算的集中处理模式难以满足用户对任务低时延和设备低功耗的需求,并带来数据隐私泄露的潜在隐患.与此同时,嵌入式高性能芯片的发展显著提升了边缘设备的计算能力,使其能够在边缘侧实时处理部分计算密集型任务.在此背景下,边缘计算和人工智能有机融合,孕育了一种新的计算范式:边缘智能.鉴于此,聚焦边缘智能与协同计算的前沿与进展,首先概述边缘计算、人工智能和边缘智能的相关背景、基本原理与发展趋势;然后从训练、推理和缓存3个方面回顾面向单个设备的边缘智能方法;接着从架构、技术和功能3个维度介绍多个设备合作实现边缘智能协同的相关工作;最后总结边缘智能在工业物联网、智慧城市和虚拟现实等领域的广泛应用.     

基于边缘计算的电网作业现场违章识别方法

针对现有技术中电网作业现场违章现象严重、人工识别困难等问题,构建出一个电网作业现场违章智能识别系统.通过在系统中设置的不同网络节点布置应用终端,构建边缘计算网络模型,即时、准确地通过量化计算的方式实现电网作业现场违章信息的智能计算,通过构建电网作业现场违章数据信息时的目标函数,使用户快速通过边缘计算平台获取电网作业现场...     

机载远程智能接口数据集中器研究与实现

文章研究目的是研究新一代飞机机载计算机中具有通用化、标准化的远程智能接口数据集中器,以满足新一代飞机综合化航空电子系统要求;文章首先描述了远程智能接口数据集中器功能原理,然后重点介绍了AFDX网络通信、高速模拟信号采集、小信号处理、大功率控制、接口控制软件设计等远程智能接口关键技术,最后给出远程智能接口数据集中器具体实现;机载远程智能接口数据集中器已经在新一代飞机综合航电系统通过系统验证,试验结果证明远程智能接口数据集中器实现了各种传感器信息就近采集、及时进行数据转换和驱动输出控制的功能要求.     

基于边缘计算的物联网技术在智能油气田中的应用研究

在工业物联网(IIoT,Industrial Internet of Things)环境中部署机器学习已成为石油和天然气行业研究最多的课题之一。提出了一种基于边缘计算的智能油气田物联网系统,该系统以边缘计算的机器学习模型为核心,结合智能RTU的采集传输数据,两者相互补充利用。通过卡尔曼滤波器(KF, Kalman Filter)实现对数据的异常值侦测,利用边缘计算对数据安全分析进行了对策研究,完成油气生产的动态在线监测和控制,有效提高油气生产管理的智能化水平,满足智能化气田井场的远程监控要求。     

边缘计算和深度学习的智能电网短期负荷预测研究

本研究以深度学习和边缘计算为基础,详细阐述了电力系统负荷预测的方法,并在此基础上分别建立了基于深度学习理论的电力短期负荷预测模型和基于边缘计算电力负荷预测模型,然后基于MATLAB平台分别对两种模型所选取的数据集进行仿真分析,并以N市某充电站为例,分析对比了两种模型对充电站电力负荷预测的准确性.研究结果表明,深度学习模...     

智能家居中的边缘计算

近年来,智能音箱、扫地机器人已经成为很多用户生活中不可或缺的一部分.随着物联网技术的发展,越来越多的智能设备走进家庭场景,让用户的生活变得更加便捷和舒适.当种类繁多、功能细分的智能设备通过网络进行连接和控制时,为了解决网络延时、数据安全等诸多问题,基于边缘计算的智能家居成为未来趋势.探讨智能家居场景中的边缘计算,介绍围绕感知、通信和计算3个方向所展开的研究.在感知方面,关注边缘节点的泛在感知能力,介绍在非接触式呼吸监测上取得的进展;在通信方面,研究无线感知和无线通信的融合设计,在有限的频谱资源上兼顾感知和通信;在计算方面,关注基于边缘节点的个性化机器学习,在不泄露用户数据的前提下建立个性化机器学习模型.     

基于边缘计算的新型数据处理系统

分析现有云计算模型所存在的问题，即实时性、隐私保护、能耗等方面的问题。然后探讨边缘计算模型的概念以及其相对于云计算模型的优势，提出新型数据处理系统的系统架构，设计实现数据处理系统的运行及调度策略,结合具体实例,验证所实现的功能。最后，对基于边缘计算的新型数据处理系统的应用前景及改进方向进行讨论。     

边缘计算模式下全同态加密智能合约设计

区块链产生的成千上万的交易信息数据不断被收集到区块链中,会给区块链网络的计算资源和存储空间造成极大负担。为了解决区块链网络计算资源不足和存储空间有限的问题,我们将边缘计算模式应用于联盟链Hyperledger Fabric系统中,在区块链中设计了基于边缘计算模式的智能合约,以提高区块链的存储空间和运行效率。在此基础上,针对区块链存在的数据和用户身份隐私的风险,提出了基于边缘计算模式的全同态加密智能合约。在执行智能合约过程中,调用了微软的全同态加密SEAL库,边缘节点的身份信息和区块链的交易数据受到全同态加密算法BFV的保护,在保持交易数据可计算性的同时,实现了交易信息和边缘节点身份的隐私保护。最后,经过测试和分析,边缘计算模式下的原型系统在14个边缘节点同时访问时的单节点平均访问时间仅为139.68ms,相比于非边缘计算模式下的原型系统具有更好的性能;相比目前响应较快的加密联盟链系统FabZK,本系统平均用时减少35.84%,相比效率提升55.86%。设计的边缘计算模式下的全同态加密智能合约可以有效提高Hyperledger Fabric系统中网络的运行效率,同时减少了对存储空间的要求...     

边缘计算场景下的多层区块链网络模型研究

近年来,越来越多的研究人员尝试将边缘计算场景中收集的数据存储在区块链上,以解决传统数据存储方案中数据安全性差、防篡改性弱的问题.然而在已有的设计方案中,设备往往需要保存完整的区块数据,并且在对链上的特定数据进行取回或验证时,需要遍历大量的区块以找到对应的数据,降低了边缘计算场景中用户侧的响应速度.此外,传统共识算法也不适用于资源受限的终端设备.针对上述问题,本文提出了一种面向边缘计算的多层区块链网络模型.具体地,该模型被分为了核心层、边缘层和终端层三层:终端层被划分为多个局部网络,每一个局部网络中都包含了一个终端侧区块链,链上存储了该局部网络中终端节点产生的数据;位于边缘层的边缘侧区块链对终端层中的每一个局部网络中的终端侧区块链定期进行备份;核心层中部署了一些核心设备,负责边缘层节点的审核、注册等工作.我们对模拟数据进行了仿真实验,结果表明在该模型中查找某一特定数据哈希的速度相比传统的有向无环图式区块链模型提高了4-7倍.我们还提出了一种自适应工作量证明算法,算法执行的难度可以根据终端节点的行为动态进行调整.实验结果表明,相比传统工作量证明算法,执行该自适应算法的正常节点的交易效率可以提升4-5倍.     

DMGrid:基于网格计算的数据挖掘系统(英文)

数据挖掘工作面临一个问题:由于数据挖掘任务需要处理大规模数据,导致任务执行时间过长。网格计算的研究目标就是将分散的、异构的、闲置的计算机结合为一个高性能的计算机系统,因此可以利用网格系统提供的高性能计算能力来有效降低数据处理时间。提出并实现基于网格计算的数据挖掘系统——DMGrid。重点考虑了并行计算功能,同时考虑了网格计算资源的动态配置。和现存的数据挖掘网格不同的是,DMGrid提供了一个引擎来执行应用中设定的工作流,同时还提供了应用运行监控功能。最后在实验中通过设计两个应用程序(客户流失分析和客户价值分析),证明了DMGrid的可行性。     

基于边缘计算与信任值的可信数据收集方法

物联网应用中,底层传感网所采集的数据是上层决策的基础和一切应用的根本.如果收集的数据本身就是有问题、不可信的,这将使得上层的数据保护和应用成为空中楼阁.为了解决数据不可信的问题,提出了基于移动边缘节点的可信数据收集方案.通过对节点的评估,将节点的信任值用于路径选择,采用移动边缘节点来充当移动元素,访问可信的簇头节点,从而实现高效的可信数据收集.对所提出的基于效用值的可信数据收集算法（UTDC）进行了理论分析和广泛的模拟实验.实验结果表明,所提出的基于效用值的可信数据收集算法可以很好地避开不可信的节点,有效降低了网络延迟,延长了网络的生命周期.     

面向智慧电网大数据的云计算框架研究及应用

随着电网覆盖范围不断扩大,并网数据已呈指数型增长,使得数据处理与分析缓慢且成本高。针对海量化、多类型电网大数据,探究了电网大数据与云计算二者之间的关系,基于Hadoop系统建立了电网大数据云计算可执行框架,并根据云计算框架设计了智慧电网多能源电力调度系统结构框架和功能与界面,实现云计算框架在智慧电网上的应用。     

Edge-Cloud Computing for Scheduling the Energy Consumption in Smart Grid

Nowadays, smart electricity grids are managed through advanced tools and techniques. The advent of Artificial Intelligence (AI) and network technology helps to control the energy demand. These advanced technologies can resolve common issues such as blackouts, optimal energy generation costs, and peak-hours congestion. In this paper, the residential energy demand has been investigated and optimized to enhance the Quality of Service (QoS) to consumers. The energy consumption is distributed throughout the day to fulfill the demand in peak hours. Therefore, an Edge-Cloud computing-based model is proposed to schedule the energy demand with reward-based energy consumption. This model gives priority to consumer preferences while planning the operation of appliances. A distributed system using non-cooperative game theory has been designed to minimize the communication overhead between the edge nodes. Furthermore, the allotment mechanism has been designed to manage the grid appliances through the edge node. The proposed model helps to improve the latency in the grid appliances scheduling process.     

基于边缘计算的传感云研究进展

传感云是无线传感器网络（wireless sensor networks,简称WSNs）和云计算的结合.通过利用云计算在资源利用方面的优势,传感云（sensor-cloud）极大地提高了传统无线传感器网络的计算能力和存储容量.然而,传感云仍有许多问题需要解决,例如无线传感器网络在通信和能源方面的局限性,以及将云平台作为数据处理和控制中心所带来的高延迟和安全隐私问题.边缘计算具有解决传感云缺点的巨大潜力,其核心是将云计算中心的部分或全部计算任务迁移到数据源附近进行处理.经过大量调研,分析了传感云的最新研究现状,总结了现有传感云的特点,揭示了已有传感云方案中的问题,提出了基于边缘计算的传感云实现方案.最后,探讨了该研究面临的挑战和未来研究方向.     

功能分发网络:基于容器的智能边缘计算平台

随着大数据、机器学习等技术的发展,网络流量与任务的计算量也随之快速增长.研究人员提出了内容分发网络（CDN）、边缘计算等平台技术,但CDN只能解决数据存储,而边缘计算存在着难以管理和不能跨集群进行资源调度等问题.容器化技术广泛应用在边缘计算场景中,但目前,边缘计算采取的容器编排策略普遍比较低效,导致任务的计算延迟仍然过长.提出了功能分发网络FDN （function delivery network）,一方面为用户提供了访问边缘计算资源的统一接口和容器化的计算平台,无需进行繁琐的计算资源配置;另一方面,FDN平台优化系统的资源利用和任务的计算延迟,能将任务所需的容器编排到合适的边缘计算集群.开发了一种基于启发式的容器编排策略,实现了跨集群的容器编排功能,进一步优化了执行的计算延迟.基于Openwhisk软件实现了FDN,并在中国移动的网络中部署了该系统,而且对FDN和容器编排策略进行测试.实验结果表明,FDN计算平台能够降低任务的计算延迟;同时,启发式容器编排策略的性能相比传统的算法有了较大的提升.