物联网背景下应用于光伏发电的边缘计算设备关键技术研究及应用

随着大数据、云计算、人工智能、5G等技术的快速发展,万物互联时代加速到来,网络边缘设备的数量和数据量都呈现快速增长态势.在此趋势下,边缘计算因具有靠近数据源、实时性好、时延短、响应快等特征,成为物联网发展的核心技术之一.基于此,介绍了边缘计算的基本概念及体系架构,探讨了边缘计算设备的关键技术;深入分析了边缘计算设备在光...     

基于边云协同的变电设备多状态量监测系统研究

为了解决变电设备的多状态量监测中面临的异构传感器接入困难、数据处理时延大、数据传输带宽占用率高等问题,提出了基于边云协同的变电设备多种状态量监测系统.设计了变电设备状态监测的边云协同服务架构.研制了边缘计算装置,支持多种传感器协议的解析、数据采集和边缘计算.实现了变电设备在边缘侧的状态评价和边缘服务,并进行了现场应用验...     

一种高效的基于云边端协同的电力数据采集系统

针对云计算模型的数据分析及数据处理在实时性、隐私保护和能耗等方面所存在的问题,研究边缘计算模型的概念及其在数据处理与数据分析方面的优势;提出新型的边缘计算系统架构,设计能实现系统任务的卸载、运行及调度策略;针对提出的新型边缘计算系统的改进方向和应用前景,展开分析和研究,构造了一种基于云边端协同的新型电力数据采集系统。该系统架构由上而下分为云侧系统主站、边侧智能终端和端侧表计设备3层,端侧表计设备负责采集电力数据并上报到边侧智能终端,智能终端负责对数据进行预处理,而云侧系统主站负责收集预处理后的数据并进行统一处理。基于该文所提系统,云侧采集系统主站统管边侧智能终端设备,并支持将应用程序下发到边侧智能终端进行边缘计算;边侧智能终端设备纳管端侧表计设备,支持将表计设备采集的数据上传到边缘侧缓存和就近处理、分析与决策。该文通过实例测试验证了所提方案既解决了边缘应用的实时处理和响应问题,又减轻了云端与边缘端之间数据通信的带宽压力。     

基于边缘计算的能量自治区域调度策略

为了提升配电物联网基础数据海量增长背景下能量调度的效率,提出了基于边缘计算的能量自治区域调度策略,构建能量自治系统边缘计算架构和优化调度模型。该方法将大部分数据处理和储存工作下放至网络边缘侧,降低网络传输成本并且减少调度中心计算量,边缘侧采用基于莱维飞行的改进粒子群算法进行优化调度,既可以独立进行优化工作,也可以边云交互完成整体调度。相比于传统集中式调度策略,该方法可节省约90%的系统整体优化时间,且云层以及边缘层所进行的总迭代次数较集中式调度减少60%以上。最后以某地区电力负荷及分布式电源预测出力数据为算例进行仿真计算,结果表明基于边缘计算的优化策略有效地提高了能量调度的效率。     

云边协同在轨道交通供电在线监测系统的应用研究

云计算已成为大型、集中式的计算和存储的主流,但随着各种应用场景的丰富,日渐暴露出消耗大、时延长和通信要求高等弊端。伴随着边缘计算理念的兴起,云计算和边缘计算的协同和融合已逐渐成为各界共识。对云计算、边缘计算以及部分新型计算范式的研究现状进行了分析,指出云边协同的优势和重要意义;通过对云边协同的最新研究成果进行研究,结合轨道交通供电在线监测系统目前的架构,研究增强边缘计算的方法和云边协同的原则,提出对该系统进行云-边-端协同的新架构。     

基于边缘计算的配网管理和运维体系研究

针对目前配网管理和运维体系滞后、管理不善的问题,提出了新型的管理和运维体系架构。该研究基于边缘计算技术,构建出基于“云、管、边、端”4层架构的管理系统,更具体地说,该系统包括终端层、边缘设备层、信息化管理层和云端管理层,该系统能够计算出配电网系统中分布广泛、繁多的数据。通过在系统中构建出包括MEC虚拟化基础设施层、MEC平台层和MEC应用层的移动边缘计算平台,用户能够及时处理、应用平台内的数据。通过边缘计算,能够直观地反映数据库中的不同参数与边缘计算系统间的耦合关系,计算出影响配网管理和运维的不同参数,进而适时评估电力配网系统的运行状态。试验表明,基于边缘计算的配网系统优于传统的物联网技术、监测设备和人工计算方法。     

基于雾计算架构的电网调度自动化系统

雾计算网络是连接云计算网络和边缘网络的中间人,相比于云计算,更加接近边缘网络,在处理边缘网络数据时,具有低延时、分布式、移动性、虚拟化等优点.在智能电网发展和电网数据量爆炸式增长的背景下,基于传统云计算架构的调度自动化系统面临低延时要求、网络阻塞等方面的压力.为此提出了一种基于雾计算架构的新型调度自动化系统,将一部分计...     

基于云平台的电能计量装置状态监测与故障诊断系统

针对传统电能计量装置状态监测与故障诊断系统存在效率低、可靠性差等问题,本文研制了基于云存储平台的电能计量装置状态监测与诊断系统.该系统结合超高压电能计量装置的运行状态数据和云计算技术,实现了计量装置的在线实时监测管理.通过装置远程数据采集、存储以及融合处理,开发数据预处理及数据分析模块,提前对装置的故障进行预警和诊断.实验结果表明:相较于传统的电能计量装置故障诊断方法而言,所设计的系统能够更及时、全面地对电能计量装置状态进行监测、预警以及诊断,为计量装置的运维提供了可靠有效的数据支撑.     

基于边缘计算的变电设备监测系统研究与应用

针对变电站设备在传输数据中面临着传感器接入困难、数据处理延时大、数据传输带宽占用率高等问题,提出基于边缘计算的变电设备监测系统.首先梳理了边缘计算的演变历程,其次构建了变电设备状态检测的服务架构,研制并设计了具备变电设备的数据采集、监控及边缘计算等功能的边缘计算装置软硬件结构,能有效实现变电设备的边缘侧状态评价,再次重点讨论了基于边缘计算的变电设备监测系统的关键技术,最后进行典型系统应用验证.该系统对边缘计算在变电设备监测领域的应用具有借鉴意义.     

面向智慧路灯系统的线性边缘计算算法

在我国智慧城市的建设中,智慧路灯系统是其中关键性的公共基础设施载体。然而规模逐渐扩大的智慧路灯系统越来越无法满足实时、安全处理任务的需求。本文将边缘计算引入智慧路灯系统的线性网络结构,通过网络云端服务器发布边缘计算的任务、网络终端设备的边缘计算,从而形成面向智慧路灯系统的线性边缘计算算法。实验验证表明,本文提出的算法能够使智慧路灯系统总时延稳定小于3 ms;且当总时延超过3 ms时,算法能够进行任务均衡分配,以有效地降低总时延,进而有效地提升智慧路灯系统的实时性与安全性。     

云平台下全维度电力设备状态数据并行化处理技术

数据集成和信息共享是建立智能电网的必然趋势,设备状态数据越来越多地被发送到控制中心,如何快速处理大量的历史数据和实时在线监测数据成为亟待解决的问题。结合开源云平台和大型数据处理技术,对电力设备运行状态监控数据进行并行计算和诊断研究,提出基于Spark内存技术的集合经验模型的分解并行算法EEMD,以补偿复杂场景处理中HDoop Map Reduce的不足,设计实现了两种不同结构的并行EEMD算法,并通过对比实验分析算法的性能,研究工作可为我国电力设备状态数据并行处理技术的发展提供一定的参考和借鉴。     

基于Hadoop架构的电能质量监测云模型研究

随着智能电网建设进程的加快。电能质量监测点不断增多,系统逐步完善。各种类型的监测和计算数据量急剧增加,呈大数据趋势。对于大数据的计算处理。云计算平台具有先天性优势。文章提出并初步实现了一种基于Hadoop架构的电能质量云模型,旨在整合传统计算存储资源,解决电能质量大数据的存储和计算问题。模型采用分层结构,以电网自然分层为基础,搭建分层电能质量云计算平台。整体采用面向服务的架构,各层以Hadoop架构搭建子云,并向上层主云提供服务。基于Hadoop架构的电能质量云模型不仅可以解决电能质量监测大数据的存储和计算问题,对解决智能电网中其他信息系统的大数据问题也具有参考意义。     

基于泛在电力物联网的换流站在线监测系统优化综述

为解决当前换流站在线监测系统在运行中存在的可靠性、安全性以及误告警频发等问题,文中基于泛在电力物联网技术对系统进行优化重构。首先,通过构建平台层,将系统接入物联管理平台以及数据中台,实现数据的融通共享,减轻云端存储压力,提升服务响应。其次,设计基于边缘计算的物联智能终端,实现站内设备的安全接入和泛在物联,该装置作为边缘计算节点通过集成深度学习算法,实现站端数据的采集存储、计算分析与异常识别,提高了告警的准确性和系统运行的可靠性。因此,基于泛在电力物联网的换流站在线监测系统架构优化为后续工程实践提供了一种新的建设应用模式。     

融合多维度特征的绝缘子状态边缘识别方法

针对传统的绝缘子状态识别方法存在实时性差、特征提取能力不足的问题,基于边缘计算的思想,提出了一种融合多维度特征的绝缘子状态边缘识别方法.利用云边协同和边边联邦协同的联合技术手段,构建了绝缘子状态的边缘识别框架.设计了一种融合多维度特征提取的深度学习网络,该网络采用ResNet101作为主干特征提取网络,使用Incept...     

电机设备远程运维云平台的边缘装置研发

介绍了一种基于ARM处理器的电机状态评估和诊断边缘装置,围绕电机设备远程运维云架构下边缘装置的特点,提出了其底层硬件架构、软件设计等。该边缘装置实现了对电机运行参数进行实时采集,解析关键特征参数,并与云端运维平台进行实时数据交互,实现对电机运行状态的监测管理。最后,将该边缘装置在现场环境与远程电机运维云平台进行应用,证明了系统的有效性。     

电力设备监测数据的流式计算与动态可视化展示

电力设备监测数据的实时分析和可视化展示是智能电网建设的重要内容。以Hadoop为代表的传统数据处理模型不能满足业务时延要求。提出基于阿里云流计算(Stream Compute)的电力设备监测数据流式计算与动态可视化展示方法,并应用Stream Compute的上下游服务搭建了用于电力设备监测数据的时频分析和可视化展示的应用系统。试验测试表明,所搭建的系统整体的处理延迟被控制在s级,能够满足电力设备在线监测及实时数据展示的性能要求。     

面向新型电力系统的最小服务延迟的负载分配算法研究

边缘计算依托其在网络边缘的技术和部署优势,能够实时采集终端设备的运行情况,并按需完成数据云台的上传,有效缓解了云端处理器的工作压力,降低数据实时回传的延时。然而,资源有限的单一边缘节点的固有特性可能依然无法满足大规模接入的新型电力业务的延迟要求。对此文中研究了满足较低服务延迟的工作负载分配策略。考虑到网络时延和计算时延,构建了一种基于多个边缘计算节点的工作负载分配模型,以最小化新型电力系统场景下的服务时延。此外,为进一步降低多种新型电力业务终端的服务时延,制定了一种工作负载分配机制。在初始化阶段,通过任务平衡算法来改善边缘节点间的工作负载平衡。为了有效保证资源分配的合理性,提出了一种改进的粒子群优化算法,实现边缘节点的CPU资源的合理分配。基于半定规划算法,将网络资源做到更有效地分配。最终通过仿真实验,表明了所提的分配策略更加有效。