CN108156226A - 一种云雾融合的工业物联网认知能源管理***及计算方法 - Google Patents

Abstract

本发明公开了一种云雾融合的工业物联网认知能源管理***及其计算方法，其结构包括工业设备层、工业云雾认知计算层和能源管理层。其中工业云雾认知计算层包括工业云计算与工业雾计算；能源管理层作为架构的顶层负责提供多样化的能源管理应用，包括能源感知模块、能源分析模块、能源预测模块和能源优化模块。本发明利用云计算可以提供无限资源缓解雾计算资源有限问题，利用雾计算边缘信息处理能力缓解云计算引起的高延迟、网络拥塞、低可靠性问题，通过在雾计算与云计算间构建渗透模型实现云雾融合，在最小化云雾资源消耗量的引导下，使得能源管理服务在云雾之间合理分配，实现云雾资源合理高效利用，从而实现IIoT能源高效管理。

Description

一种云雾融合的工业物联网认知能源管理***及计算方法

技术领域

本发明属于物联网在能源领域的应用技术领域，具体涉及一种云雾融合的工业物联网认知能源管理***及计算方法。

背景技术

国内制造业的转型意味着强劲推动工业信息化对工业互联网时代起着重要的推动作用。工业互联网是工业革命+网络革命，不是工业+互联网，工业物联网属于工业互联网，通过现有物联网(IoT)技术和大数据(Big Data)技术，在工业制造领域使用分析、预测和自动化算法连接传统机器设备，以实现更稳定的人机交互。

然而，随着工业物联网(IIoT)的不断发展，持续增长的能源消耗和严重的环境污染问题引起了各界人士的广泛关注。由此迫切需求一种高效绿色的能源管理方式，来降低能源消耗，减轻环境污染，而针对IIoT规模庞大、精确性要求高、时延敏感等多方面特性，IIoT对能源管理提出了以下几点需求：①高速可靠网络传输能力，②海量数据存储计算能力，③智能分析决策能力，④信息安全保障，⑤交互效果智能化。

目前，国内外关于IIoT能源管理的研究主要集中于将云计算(Cloud Computing)技术融入到能源管理中，解决传统能源管理资源受限、扩张难度大的问题。然而，云计算给IIoT能源管理带来便利的同时也带来了巨大挑战。随着IIoT不断成熟，必然会产生海量的能源数据信息，针对若将数据全部移动到云中存储计算，必然会造成云中心和工业设备间的输入/输出瓶颈，使得整个IIoT传输速率大大降低，同时带来严重的网络拥塞，以及数据全部存储在云中还存在较大的安全隐患。现有技术中的工业互联网能源管理架构一方面应不再拘泥于云计算，雾计算(Fog Computing)具备能在工业设备上 (或者是在设备之间、网络上)进行数据存储与计算能力，考虑将雾计算技术也融入到能源管理中。另一方面，基于云的能源管理模型仅对能源数据信息进行处理，缺乏处理网络边缘数据能力，且并不具备缓解IIoT拥塞，保证数据安全性能力。

现有专利文献中，申请号为201505000110.X的专利公开了一种基于视觉建模的工业物联网能源管理方法，依据一个工业物联网***的技术和功能部件的技术规范，实现用法视角模型和功能视角模型导出的活动和功能，通过“活动”到“功能部件”到“实现部件”的实现映射，关键***特性(边缘层、平台层、企业层)的实现映射。以此完成一个完整的工业物联网能源管理***。其主要过程如图1所示。可以实现边缘层从工业控制***收集数据，传送给平台层；以及从平台层接收对于工业控制***的控制命令，平台层从企业层接收、处理、并且向边缘层转发控制命令；还可以从边缘层汇聚、处理、并且向企业层转发数据，企业层实现特定领域的应用、决策支持***，并且向端用户提供应用接口。该文献是针对物联网能源管理***建模的一个基础性专利，针对工业物联网的信息安全进行了较为高层的技术体系的构建。但该技术的不足是未针对工业物联网的理论难题，包括智能化问题、数字化问题、可靠性问题、可控性问题以及安全性问题，尤其对于物理安全、信息安全、***自愈3个***特性未给出完整的支撑的技术体系的解决方案。

申请号为201423274662.X的专利文献公开了一种基于云集成的工业物联网网络支持建模方法，其通过通信、服务和信息3个角度，提出工业物联网的结构体系：泛在网络体系结构、应用层覆盖网络体系结构、以及面向服务的体系结构。该方法结合了工业物联网作为智慧制造面临的须解决的技术问题。其主要过程如图2所示。该方法在面向服务层中通过互联网网关或中间服务器，授权用户可以访问由对象网络直接提取的设备信息，此时服务器充当对象网络中的接收器，执行从每个对象收集数据；泛在网络层是充当互联网云端和对象网络之间的接口，包括异构接入网、3G网和无线局域网，存在互操作性；应用层覆盖网可以是无线传感器网络或工厂自组网络的形式。不同形式的网络使得多访问和多运营商环境中的协同和整合效果更好，同时高质量的通信渠道为服务应用提供新的机会。该专利文献利用云计算的数据感知、收集、存储和计算能力与工业物联网进行技术融合。然而，该方法并不具备最优的云中心和工业设备间的信息流通能力和快速传输能力，同时也存在较大的安全隐患。

发明内容

针对上述现有技术的不足，本发明的目的是依托云计算提供无限资源技术、雾计算边缘信息处理技术提出一种云雾融合的工业物联网认知能源管理方案，将通过在雾计算与云计算间构建渗透认知模型实现云雾融合，在最小化云雾资源消耗量的引导下，使得能源管理服务在云雾之间合理分配，实现云雾资源合理高效利用，从而实现IIoT能源高效管理，解决高延迟、网络拥塞、低可靠性问题。

为达到上述目的，本发明采用的技术方案为一种云雾融合的工业物联网认知能源管理***，其结构包括工业设备层、工业云雾认知计算层和能源管理层，其中工业设备层包括数据采集设备、通信设备和中心设备，利用这些物理设备分别进行数据采集、变换、向上层传输以及本地或远程控制；工业云雾认知计算层包括工业云计算与工业雾计算，工业云作为集中式计算中心，为能源管理提供丰富的存储计算资源，对整个IIoT能源管理起到集中控制的作用，工业雾以分布式方式为能源管理提供实时存储计算资源，工业雾与工业云之间通过渗透认知模型提高资源利用率；能源管理层作为架构的顶层负责提供多样化的能源管理应用，包括能源感知模块、能源分析模块、能源预测模块和能源优化模块，一方面用于向下层传达能源管理指令，另一方面为IIoT用户提供良好的人机交互环境。

进一步，上述能源感知模块负责对无序、零散、不***的原始能源数据信息感知，并按一定标准进行归类汇总，从而使原始资料简单化、形象化、***化。

上述能源分析模块通过统计运算的方法来分析数据信息，反映原始能源数据信息的趋势、离散程度和相关强度。

上述能源预测模块进行能源消耗量预测和能源供应量预测。

上述能源优化模块基于实时数据和历史数据建立工业设备执行性能与能耗之间的关系模型，应用多目标优化控制算法，寻找最优能源管理方案，在保持工业设备优秀性能的同时降低能源消耗。

本发明还进一步提出一种上述云雾融合的工业物联网认知能源管理***使用的计算方法，包括如下步骤:

步骤1：将上层能源管理模块下达的复杂指令D分解为多个能源管理服务

步骤2：工业云雾层负责对这些服务s_i进行分类处理；

步骤3：由工业云雾服务器的数量SM、储能力SS和计算能力SC组成溶质，利用渗透原理对这些服务进行动态调整与分配；

步骤4：以能源管理服务s_i作为溶剂，根据半透膜两边工业云雾资源的差别进行认知移动，以平衡膜两端的浓度，实现服务合理分配；

步骤5：考虑如下几点因素进行半透膜配置：能源管理服务平衡L_balance、处理时延区间Dⁱ(i＝Cloud,Fog,Avg)、以及云雾计算上下限保证其智能性，进而控制能源管理服务的流向；

步骤6：在工业云雾间服务的渗透过程中对工业云雾服务器的数量SM、储能力SS和计算能力SC进行可调配置，根据配置的差异f决定服务在工业云雾间的迁移方向。

与现有技术相比，本发明的有益效果在于：

1，本发明利用云计算可以提供无限资源缓解雾计算资源有限问题，利用雾计算边缘信息处理能力缓解云计算引起的高延迟、网络拥塞、低可靠性问题。

2，而且通过在雾计算与云计算间构建渗透模型实现云雾融合，在最小化云雾资源消耗量的引导下，使得能源管理服务在云雾之间合理分配，实现云雾资源合理高效利用，从而实现IIoT能源高效管理。

附图说明

图1为一种基于视觉建模的工业互联网能源管理模型。

图2为一种基于云集成的工业物联网网络支持模型。

图3为本发明的云雾融合工业物联网认知能源管理模型。

具体实施方式

现结合附图对本发明的具体实施方式作进一步的说明。

本发明提出的云雾融合的工业物联网认知能源管理的体系结构如图3所示，包括工业设备层、工业云雾认知计算层和能源管理层。其中：

工业设备层：利用工业物理设备进行数据采集、变换、向上层传输以及本地或远程控制。

工业云雾认知计算层：一方面用于存储分析底层能源数据信息，为能源管理提供数据保障；另一方面为上层能源管理提供相应能源管理服务，对底层物理设备进行控制，如配置工业设备，虚拟集群移入移出。

能源管理层：一方面用于向下层传达能源管理指令，另一方面为IIoT用户提供良好的人机交互环境。

简单描述：在IIoT环境中，工业设备不停地从事生产活动，消耗大量能源。能源管理应用从工业云雾认知计算层获得丰富的计算资源，将不同能源管理模块下达的指令分解为能源管理服务，然后将这些服务分配到不同工业云雾中执行，控制工业设备，最后将执行结果再返回给相应能源管理模块。

针对以上三个层面，具体研究内容阐述如下：

(1)工业设备层：即工业物理设备层，主要设备包括数据采集设备、通信设备和中心设备。

数据采集设备解决了人类世界和工业世界的数据变换问题，它们负责收集工业设备能源数据信息并通过通信设备将数据向上层传输，以获得更多的潜在能源信息。

中心设备是IIoT中进行工业生产的设备，是能源主要消耗者，是能源管理主要控制对象，它们可以受本地控制，也可以受远程控制。

这些设备都可以被看作是IIoT中的节点，节点根据功能、位置和作用域的不同可以被划分成不同的子网络，形成虚拟集群。每个虚拟集群又与上层中的工业雾有着一一对应的映射关系。同时，节点(设备)可以根据环境、时间和自身状态的变化自由离开或加入到任何虚拟集群中，并与上层相应工业雾断开或建立连接。工业雾能够根据自身资源对这些节点(设备)进行负载自适应调节。

(2)工业云雾认知计算层：该层包括工业云计算与工业雾计算。工业云作为集中式计算中心，为能源管理提供丰富的存储计算资源，对整个IIoT能源管理起到集中控制的作用；工业雾作为以分布式方式，为能源管理提供实时存储计算资源，缓解工业云引起的延迟、拥塞和安全性问题。并且工业雾与工业云之间通过渗透认知模型，提高资源利用率。

(3)能源管理层：该层作为架构的顶层负责提供多样化的能源管理应用，包括能源感知模块、能源分析模块、能源预测模块和能源优化模块。

能源感知模块：该模块负责对无序、零散、不***的原始能源数据信息感知，并按一定标准进行归类汇总，从而使原始资料简单化、形象化、***化。

能源分析模块：通过统计运算的方法来分析数据信息，反映原始能源数据信息的趋势、离散程度和相关强度。例如，通过统计分析模块可以了解每个车间最高、最低单位时间耗能量及其出现时间。

能源预测模块：该模块有两个主要方面，一方面是能源消耗量预测，另一方面是能源供应量预测。能源消耗量是指一定时期内IIoT各种耗能设备的耗能量，包括原煤和原油及其制品、天然气、电力等。能源生产量是指一定时期内IIoT各种能源的供应量，包括原煤、原油、天然气、水电、核能发电量、生物质能、太阳能等。

能源优化模块：其功能就是基于实时数据和历史数据，建立工业设备执行性能与能耗之间的关系模型，应用多目标优化控制算法，寻找最优能源管理方案，在保持工业设备优秀性能的同时降低能源消耗。

基于上述云雾融合的工业物联网认知能源管理***的计算方法，主要利用渗透认知机制，类似地化学中的渗透，通过半透膜认知平衡膜两侧溶液浓度。包括如下步骤:

步骤1：首先，将上层能源管理模块下达的复杂指令D分解为多个能源管理服务 s_i(i＝1,2,3,…,n)；

步骤2：工业云雾层负责对这些服务s_i进行分类处理；

步骤3：由工业云雾服务器的数量SM、储能力SS和计算能力SC等组成溶质，利用渗透原理对这些服务进行动态调整与分配；

步骤4：此时的能源管理服务s_i作为溶剂，根据半透膜两边工业云雾资源的差别进行认知移动，以平衡膜两端的浓度，实现服务合理分配；

步骤5：半透膜必须考虑多方面因素，例如能源管理服务平衡L_balance、处理时延区间Dⁱ(i＝Cloud,Fog,Avg)、以及云雾计算上下限保证其智能性，进而控制能源管理服务的流向；

步骤6：另外，在工业云雾间服务的渗透过程中对资源进行可调配置，根据配置的差异f决定服务在工业云雾间的迁移方向。

在一个包含各种物理设备，一个云数据中心，多个雾数据中心，工业无线网络，智能控制设备，智能生产、包装、运输设备等的工业生产场景下，该场景中的工业设备都是智能设备，集成了智能传感器能实时收集工业生产中能源数据信息，并且这些设备还具有连网功能，能将这些信息共享出去。

此外，这些智能工业设备具有一定计算能力，多个智能设备通过网络组合在一起，形成工业雾，工业雾可提供本地能源管理服务对这些设备进行本地控制。多个工业雾之间可以相互通信，也可以与工业云通信。

因此，工业云了解整个工业场景运作状态和能源消耗情况，并对整个场景进行全局能源管理，监督控制发生在工业雾中的局部能源管理。用户通过该工业场景中的智能计算机，参与到能源管理***中，不仅可以直观的查看该场景能源消耗状况，还可以下达能源管理指令，完成特定的能源管理功能。

在这样的工业场景中比较传统能源管理架构与基于云雾融合的工业物联网能源管理架构的能源管理效果：

1、对工业设备每小时能源消耗成本进行对比，基于云雾融合的能源管理架构下工业设备各时段能源消耗成本较少，且相对于传统架构而言，各时段能源消耗成本波动较小，整个工业场景耗能稳定。具体而言，该架构下工业设备的总能源消耗成本约为13200 元，远远小于传统架构下21538元的总成本，更加高效，能源管理效果更好。

2、对工业设备每小时污染物排放量进行对比，基于云雾融合的能源管理架构下大部分时段污染物排放量较少，且总排放量1208kg小于传统架构下1759kg，更加绿色，环保。

需要说明的是，本发明所提供的上述实施例仅具有示意性，不具有限定本发明的具体实施的范围的作用。本发明的保护范围应包括那些对于本领域的普通技术人员来说显而易见的变换或替代方案。

Claims (6)

1.一种云雾融合的工业物联网认知能源管理***，其特征在于其结构包括工业设备层、工业云雾认知计算层和能源管理层，其中工业设备层包括数据采集设备、通信设备和中心设备，利用这些物理设备分别进行数据采集、变换、向上层传输以及本地或远程控制；工业云雾认知计算层包括工业云计算与工业雾计算，工业云作为集中式计算中心，为能源管理提供丰富的存储计算资源，对整个IIoT能源管理起到集中控制的作用，工业雾以分布式方式为能源管理提供实时存储计算资源，工业雾与工业云之间通过渗透认知模型提高资源利用率；能源管理层作为架构的顶层负责提供多样化的能源管理应用，包括能源感知模块、能源分析模块、能源预测模块和能源优化模块，一方面用于向下层传达能源管理指令，另一方面为IIoT用户提供良好的人机交互环境。

2.根据权利要求1所述的云雾融合的工业物联网认知能源管理***，其特征在于所述能源感知模块负责对无序、零散、不***的原始能源数据信息感知，并按一定标准进行归类汇总，从而使原始资料简单化、形象化、***化。

3.根据权利要求1所述的云雾融合的工业物联网认知能源管理***，其特征在于所述能源分析模块通过统计运算的方法来分析数据信息，反映原始能源数据信息的趋势、离散程度和相关强度。

4.根据权利要求1所述的云雾融合的工业物联网认知能源管理***，其特征在于所述能源预测模块进行能源消耗量预测和能源供应量预测。

5.根据权利要求1所述的云雾融合的工业物联网认知能源管理***，其特征在于所述能源优化模块基于实时数据和历史数据建立工业设备执行性能与能耗之间的关系模型，应用多目标优化控制算法，寻找最优能源管理方案，在保持工业设备优秀性能的同时降低能源消耗。

6.一种权利要求1所述的云雾融合的工业物联网认知能源管理***使用的计算方法，其特征在于包括如下步骤:

步骤1：将上层能源管理模块下达的复杂指令D分解为多个能源管理服务s_i(i＝1,2,3,…,n)；

步骤2：工业云雾层负责对这些服务s_i进行分类处理；

步骤3：由工业云雾服务器的数量SM、储能力SS和计算能力SC组成溶质，利用渗透原理对这些服务进行动态调整与分配；

步骤4：以能源管理服务s_i作为溶剂，根据半透膜两边工业云雾资源的差别进行认知移动，以平衡膜两端的浓度，实现服务合理分配；

步骤5：考虑如下几点因素进行半透膜配置：能源管理服务平衡L_balance、处理时延区间Dⁱ(i＝Cloud,Fog,Avg)、以及云雾计算上下限(i＝min,max)，保证其智能性，进而控制能源管理服务的流向；

步骤6：在工业云雾间服务的渗透过程中对工业云雾服务器的数量SM、储能力SS和计算能力SC进行可调配置，根据配置的差异f决定服务在工业云雾间的迁移方向。