摘要：现有区域能源互联网(regional energy internet,REI)呈现出多维度、多主体的运行特征,若采用传统集中式云端服务架构,系统易引发高延迟、云爆炸等问题。为此,提出一种边云协同架构及其优化策略。首先,建立REI的数学模型;其次,以REI为分布式边缘控制单元,建立含云服务层、边缘服务层、设备层的REI边云协同架构,以实际工作量分配计算任务;然后,综合考虑系统多方利益主体博弈关系,设计云服务层、边缘服务层优化策略;最后,在此基础上,为提升紧急情况下系统恢复运行的速度,提出一种应急处理方法。通过两种多REI算例测试,结果表明:与传统云端服务架构相比,所提架构在计算速度、应急处理速度方面具有显著优势;所提优化策略能够有效提升REI的运行收益。

摘要：随着分布式资源配置容量与电力系统灵活性需求的不断提升,通过分布式智能电网(DSG)整合用户侧灵活资源并进行协同调度,对提升分布式电源就地消纳与配电系统实时供需平衡调节能力具有重要意义。考虑到DSG优化过程中的运行经济性、决策生成的实时性与能量网络安全性的需求,该文首先将DSG中灵活资源的优化调度过程描述为一个多智能体优化模型,并构建了基于边云协同的DSG系统层级优化调度框架;然后,建立了考虑产消者差异化特征的异构智能体交互环境模型,为兼顾异构产消者的设备运行要求与DSG系统的整体运行经济性和能量网络安全性,设计了考虑全局-局部奖励相结合的产消者智能体奖励方法;最后针对考虑异构智能体的离线训练任务提出了一种改进多智能体近端策略优化算法,并基于IEEE 33节点系统,利用该文所提方法对DSG系统实时优化调度过程中能量网络安全性、运行经济性与决策时效性的提升作用进行了验证。

摘要：随着5G的发展以及应用程序功能的丰富,应用程序对终端设备的计算能力提出了更高的要求,为了提高终端设备对应用程序的计算能力,降低任务的处理时间,针对移动边缘计算环境,提出了一种边云协同的任务卸载方式,并设计了基于强化学习的精英分层进化算法(RL-EHEA,elite hierarchical evolutionary algorithm combined with reinforcement learning)进行卸载决策,使多个具有依赖关系与截止时间的任务对计算资源竞争。结果表明,与遗传算法(GA,genetic algorithm)和精英遗传算法(EGA,elite genetic algorithm)相比,RL-EHEA能缩短任务的处理时间,得到更优的资源分配策略。

摘要：针对物联网搜索的高实时性要求及物理实体的强时变性特点,提出面向物联网的边云协同实体搜索方法。结合云计算与边缘计算各自的优势,构建边云协同实体搜索系统架构,提高物联网实体的搜索效率。考虑到嵌入物理实体的传感器通信能力有限,设计基于深度信念网络的实体识别算法,通过将热门与冷门实体状态信息分别存储于边缘服务器与云端,节省边缘服务器的存储空间与计算开销。仿真结果表明,与云端数据共享搜索方法SeDaSC和层次化搜索方法LHPM相比,该方法提高了实体状态信息搜索的实时性与准确性。

摘要：为解决数控机床主轴轴承和刀具在进行故障诊断模型训练时需要大量数据且耗时长的问题,提出一种基于边云协同架构的联邦平均学习故障诊断模型。首先,设计一维卷积神经网络模型架构,在各边缘客户端进行本地模型训练,以减小数据上传规模和分担云服务器端计算压力;其次,在云服务器端基于准确率优化模型聚合算法,改进边缘客户端筛选算法,以加快模型收敛速度,提高模型准确率;再次,在云服务器端搭建基于Kubernetes的KubeEdge边云协同平台,以缩短数据传输的通信时间。实验结果表明,模型在各边缘客户端故障诊断的准确率最终稳定在87.5%左右;且收敛速度、训练时长等方面与对照组相比,均获得优化。

摘要：为降低应用程序执行的时延和能耗,针对移动边缘计算环境,提出一种边云协同场景下基于深度强化学习的任务卸载策略。通过建立边云协同架构下的网络模型、通信模型及计算模型,以最小化时延和能耗为系统目标,设计基于深度强化学习的DQN卸载策略,将每个用户产生的任务独立高效地放置在本地、服务器或者云端进行计算,并将计算结果与其它方法进行比较。实验结果表明,相较其它基线算法,该方法能更有效减少任务执行的开销,得到更优的卸载策略。

摘要：电子式互感器作为智能变电站的信息源头,需对其进行实时监测。为解决现有互感器监测技术在实时性、精确度、存储容量等方面的问题,基于鸿蒙架构,设计了一套互感器边云协同实时监测系统。利用单片机采集互感器数据,以GPS秒脉冲为基准保证采样同步,再经鸿蒙操作系统存储上云,并在边缘计算侧引入KF与加凯塞窗的DFT算法,滤除数据采集过程中的噪声与谐波,当互感器精度不足时触发蜂鸣器报警。经实验验证,本系统实现了多互感器监测数据的实时、同步上传与大量储存,存储容量取决于云服务器大小,可随时扩容。本系统满足互感器实时监测的精度要求,幅值误差不超过0.75%,满足0.2的准确级要求,并允许工作人员随时、异地查看结果。此外,边云协同的工作模式具有一次开发、多端部署的特性,使本系统具有较强的移植性,可应用于其他不同电力系统场景。

摘要：针对传统的纯云架构无法满足核电工业异构化边缘设备数据实时接入、模型高效迁移与协同、核电业务动态可伸缩的需求,构建了核电工业互联网平台边云协同系统架构,采用轻量级容器技术先进设计理念,基于微服务框架提供边云协同模型和核电业务设计及开发微服务化,突破多源异构数据接入、分布式数据存储、边云协同实时智能计算等关键技术,实现数据边云协同、模型边云协同、应用边云协同,将云计算技术下沉到边缘侧,构成“由上而下”的边云协同模式。平台的构建促进核电行业向一体化、智能化的高效运行管理模式转变,提升了核电工业安全水平。因此,将边缘计算引入工业互联网平台,实现边缘端与云端的高效协同可满足工业数据实时传输、高可靠性的需求,对于企业经济数字化转型意义重大。

摘要：以云计算中心为核心的铁路信号智能运维系统,面临着负载过大、能耗过高和实时性不足的问题。为此,提出基于边云协同的铁路信号智能运维平台解决方案。在阐述基于边云协同的系统架构的基础上,设计由数据协同层、边缘计算层和云计算中心层组成的智能运维平台,以实现运维任务的实时调度与决策。再通过设计基于强化学习的计算卸载模型,将部分运维数据的计算任务卸载到边缘节点,从而缓解云计算中心的计算压力,减小系统延迟和能耗,提高系统的能效性。仿真实验表明,利用强化学习得到的最优计算卸载策略,相比将计算任务单独部署在云端或边缘侧,具有更低的时延和能耗代价。研究成果对于提升铁路信号智能运维技术水平、提高智能运维能效,具有重要借鉴意义。

摘要：为解决高铁吊弦预配智造单元组合大量通信协议采集数据,再集中传输到云端分析,面临的数据采集困难、响应时间延长等问题,基于边云协同框架,设计一种将单元设备融合到统一OPC UA架构进行通信的数据采集架构。采集到的数据在边缘就近预处理后协同到云端,云端结合电机振动数据特性,提出一种应用于边缘现场端到端的电机故障实时诊断方法。在腕臂预配生产线对所提方法进行应用验证,结果表明,该数据采集及故障分析方法具有通用性和高效性。