CN112714016A - 一种电力物联网大数据边缘分析方法 - Google Patents
一种电力物联网大数据边缘分析方法 Download PDFInfo
- Publication number
- CN112714016A CN112714016A CN202011559413.5A CN202011559413A CN112714016A CN 112714016 A CN112714016 A CN 112714016A CN 202011559413 A CN202011559413 A CN 202011559413A CN 112714016 A CN112714016 A CN 112714016A
- Authority
- CN
- China
- Prior art keywords
- data
- edge
- network
- calculation
- things
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000005457 optimization Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 20
- 239000007853 buffer solution Substances 0.000 claims abstract description 12
- 239000000872 buffer Substances 0.000 claims abstract description 4
- 238000004891 communication Methods 0.000 claims description 27
- 238000007726 management method Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000001413 cellular effect Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims 1
- 238000009826 distribution Methods 0.000 description 5
- 239000000243 solution Substances 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000010076 replication Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本说明书实施例公开了一种电力物联网大数据边缘分析方法。所述方法包括：数据采集***对终端设备的数据源进行监听，并把流数据汇总转发给缓冲***；所述缓冲***对所述流数据进行缓冲后，发送至计算***；所述计算***对各网络节点进行块布局优化，并对所述流数据进行边缘计算；所述计算***对边缘处理后的流数据进行存储。该方法改进了网络端的拓扑结构，构建了基于HDFS块布局优化的边缘结构，并在边缘簇对流数据进行计算并向物联网设备反馈结果，能够实现将对流数据的计算能力从传统的云计算中心转移到网络边缘，在满足吞吐量要求的前提下，有效降低了端到端延迟。
Description
技术领域
本申请涉及物联网和计算机技术领域，尤其涉及一种电力物联网大数据边缘分析方法。
背景技术
应用到电力行业的成千上万个物联网设备会产生大量的数据。对于计算机来说，这些大量数据使得物联网应用需要具备较高的大数据处理能力和较快的响应时间。之前的几年，对于此问题的解决办法是将大数据传入云端计算，虽然这种方式实现了物联网应用的计算，但随着数据量的增加，网络负载会大大加重，网路可能会造成拥堵，并且在处理上也会有一定的延时。
发明内容
有鉴于此，本申请实施例提供了一种电力物联网大数据边缘分析方法，在满足吞吐量要求的前提下，有效降低了端到端延迟。
为解决上述技术问题，本说明书实施例是这样实现的：
本说明书实施例提供了一种电力物联网大数据边缘分析方法，包括：
数据采集***对终端设备的数据源进行监听，并把流数据汇总转发给缓冲***；
所述缓冲***对所述流数据进行缓冲后，发送至计算***；
所述计算***对各网络节点进行块布局优化，并对所述流数据进行边缘计算；
所述计算***对边缘处理后的流数据进行存储。
可选的，所述数据采集***是一个分布式的日志聚合***，从终端设备监听接收数据并将其发送出去，在汇总转发时会根据反馈信息对采集到的数据进行一个预处理，实现初步数据筛选。
可选的，所述缓冲***根据流数据的使用情况，通过智能优化算法产生一个反馈信息返回至所述数据采集***，所述数据采集***基于所述反馈信息调整数据采集频率，形成一个正反馈式良性循环。
可选的，所述边缘计算具体包括：边缘设备对流数据的传输效率进行一个边缘预测，通过预测结果对各个边缘节点的任务分配进行一个统筹安排，以防止边缘节点承受过重的计算任务。
可选的，所述边缘计算采用Storm框架，所述边缘计算的结果有三个传输方向，一是向上传送给云服务器继续进行计算；二是将此信息返回给终端设备，终端设备根据此信息做出操作；三是不经云服务器，直接将结果传输到远端管理平台，工作人员通过远端管理平台发出指令，指令经边缘节点传到终端设备。
可选的，所述块布局优化具体包括：
构造边缘云拓扑结构：假设物联网中有两个特殊的顶点：一个代表物联网的中心顶点，另一个是访问HDFS数据的客户端顶点，设定两种类型的集群：数据中心和边缘集群，每个群集至少包含一个网关结点，所述网关结点提供群集和网络之间的连接；
根据集群的利用率对集群进行排序，根据可靠性降低顺序进行选择。
可选的，所述对边缘处理后的流数据进行存储，具体包括：
利用深度学***台或者云服务器，同时还可以判定是否应向终端设备发出指令，分担了云服务器的工作。
可选的，所述计算***包括：云服务器和边缘设备；
所述计算***对各网络节点进行块布局优化，并对所述流数据进行边缘计算，具体包括：
所述边缘设备对所述流数据进行部分边缘计算，部分输出的计算结果和部分流数据传输至所述云服务器中，进行流数据的再次计算。
可选的，所述边缘设备与所述云服务器采用以下通讯方式：云端通讯、局域网通讯、WIFI通讯、蓝牙通讯、蜂窝网络通讯、ZigBee数据通讯或广域网通讯。
可选的，所述终端设备表示在物联网架构中用来管理数据或者对运行状态进行感测的设备主体，能够监测、采集或者感知电网设备的运行状况，负责采集流数据，采集的数据汇总转发给边缘设备，所述边缘设备指在电力设备或网络数据源头边缘的计算网关，可以对数据进行就近边缘计算和处理。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
该方法改进了网络端的拓扑结构，构建了基于HDFS块布局优化的边缘结构，并在边缘簇对流数据进行计算并向物联网设备反馈结果，能够实现将对流数据的计算能力从传统的云计算中心转移到网络边缘，在满足吞吐量要求的前提下，有效降低了端到端延迟。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书实施例提供的一种电力物联网大数据边缘分析方法的流程示意图；
图2为本说明书实施例提供的基于块布局的物联网边缘部署整体架构图；
图3为本说明书实施例提供的基于块布局优化的电力物联网边缘分析；
图4为本说明书实施例提供的Storm集群工作架构图；
图5为本说明书实施例提供的边缘计算实现过程。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
边缘计算指的是在网络边缘结点来处理、分析数据。边缘结点是指在数据产生源头和云服务器之间任一具有计算资源和网络资源的结点。通过边缘计算，依旧能够减少请求响应时间，除此之外还能够减少网络带宽，还可以保证数据的安全性和私密性。
随着电力物联网设备产生数据量的增加，网络负载会大大加重，针对此问题，提出了基于HDFS块布局算法进行电力物联网边缘数据的分析及处理，该方法改进了网络端的拓扑结构，构建了基于HDFS块布局优化的边缘结构，并在边缘簇对流数据进行计算并向物联网设备反馈结果，能够实现将对流数据的计算能力从传统的云计算中心转移到网络边缘，在满足吞吐量要求的前提下，有效降低了端到端延迟。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为本说明书实施例提供的一种电力物联网大数据边缘分析方法的流程示意图。从程序角度而言，流程的执行主体可以为搭载于应用服务器的程序或应用客户端。
如图1所示，该流程可以包括以下步骤：
步骤110：数据采集***对终端设备的数据源进行监听，并把流数据汇总转发给缓冲***；
步骤120：所述缓冲***对所述流数据进行缓冲后，发送至计算***；
步骤130：所述计算***对各网络节点进行块布局优化，并对所述流数据进行边缘计算；
步骤140：所述计算***对边缘处理后的流数据进行存储。
基于图1的方法，本说明书实施例还提供了该方法的一些具体实施方式，下面进行说明。
基于块布局的大数据边缘分析方法，在整体的物理网络部署上，采用4层管理架构，分别为云端管理层、网络通道管理层、边缘计算层和边缘结点优化层。整体架构如图2所示。
(1)云端管理层。在云端服务器中，可以布局多个云端微服务器，接收电网中设备端或者网络端的流数据，远端管理平台负责对终端设备发出指令，并管理边缘设备和终端设备。
(2)网络通道管理层：功能为传输流数据，通过数据通道实现边缘设备与云端服务器之间的数据通讯。
(3)边缘计算层：该层包括边缘设备、边缘计算和终端设备。终端设备表示在物联网架构中用来管理数据或者对运行状态进行感测的设备主体，能够监测、采集或者感知电网设备的运行状况，负责采集流数据，采集的数据汇总转发给边缘设备。边缘设备指在电力设备或网络数据源头边缘的计算网关，可以对数据进行就近边缘计算和处理。边缘计算会将计算任务分布给各个边缘节点，由于流数据具有实时性，因此边缘设备会对流数据的传输效率进行一个边缘预测，通过预测结果对各个边缘节点的任务分配进行一个统筹安排，以防止边缘节点承受过重的计算任务。边缘计算主要使用Storm框架。边缘计算的结果有三个传输方向，一是向上传送给云服务器继续进行计算；二是将此信息返回给终端设备，终端设备根据此信息做出操作；三是不经云服务器，直接将结果传输到远端管理平台，工作人员通过远端管理平台发出指令，指令经边缘节点传到终端设备。
(4)边缘结点优化层：电力物联网所连接设备较多，当计算结点与网络互连形成边缘结点时，这些结点进行直连汇总将导致整体网络信息传输性能下降，需要进行边缘结点优化，构造边缘云拓扑结构来承载HDFS块的服务器从而提高HDFS的可用性、优化性。
基于块布局优化的边缘计算设计框架主要包括数据采集、数据接入、块布局优化、边缘计算、数据存储5个过程，如图3所示。此框架基于日志处理方式，首先由采集***对数据源进行监听，然后把数据汇总转发给缓冲***。缓冲***为数据传输到计算***起到缓冲作用，协调采集数据的速率和计算***处理数据的速率。边缘计算主要对各网络节点进行块布局优化，对流数据进行计算，同时可以使用内存数据库来交换数据。计算结果会根据深度学习框架进行分析判断存储或传输。
各个过程分析如下：
(1)数据采集
电网中流式数据主要来自智能电表、PMU以及各种传感器的采集，这些数据类型复杂，规模庞大，并且是实时数据。采集***是一个分布式、可靠的、高可用的海量日志聚合的***，可以从客户端监听接收数据并将其发送出去，节点故障时，日志文件被传送至其他节点而不会丢失，保证数据的完整性，同时在汇总转发时会根据反馈信息对采集到的数据进行一个预处理，实现初步数据筛选。
(2)数据接入
采集数据的速度和数据处理的速度不一定同步，因此需要对数据进行储存，进行缓存处理。由于边缘设备并没有像云服务器那样较大的存储空间，因此需要提高边缘设备的缓存命中率。对于采集的数据，会在流式计算后，根据流式计算对流数据的使用情况，通过智能优化算法产生一个反馈信息返回给采集***，采集***基于此反馈信息调整采集数据，形成一个正反馈式良性循环。
(3)块布局优化
为了优化边缘点，构造边缘云拓扑结构。假设物联网中有两个特殊的顶点：一个代表物联网的中心顶点，另一个是访问HDFS数据的客户端顶点。服务器被分组到服务器架构中，而服务器架构又进一步分组到集群中。设定两种类型的集群：数据中心和边缘集群。每个群集至少包含一个网关结点，该结点提供群集和网络之间的连接。网络中结点连接的每条边与一个正的阈值相关联，该值表示给定时间范围内边缘的失效概率。一般情况下，认为连接是相互独立的。根据路径边的阈值计算任意两点之间的路径的失效值，即路径断裂的概率。
块布局优化算法过程为：
首先，根据集群的利用率对集群进行排序，根据可靠性降低顺序进行选择。。
然后，如果复制因子小于3，将一个副本放入利用率最低的集群中，另一个副本放入第二个利用率最低的集群中。如果复制因子大于或等于3，将按照针对边缘云划分数据中心优先级的策略来放置前两个副本，划分原则如下：1)放置在两个架构具有可用空间的数据中心；2)放置在两个独立的数据中心中；3)放置在两个单独的群集中；4)放置在利用率最低的集群中。
块布局优化算法实现过程如下：
算法1：HDFS块布局优化的群集选择
(4)边缘计算
Storm是一个独立运行的分布式流式数据处理框架，设计用于在容错和水平可扩展方法中处理大量流数据，具有最高的摄取率。虽然Storm是无状态的，但它可以通过Apache ZooKeeper管理分布式环境和集群状态。Storm内部有一个主控节点和多个工作节点。主控节点负责在集群里面分发代码，分配计算任务给机器，并且监控集群状态。而工作节点负责监听主控节点分配给其机器中的若干个工作进程，根据需要启动或关闭。工作进程由若干个执行器组成，每个执行器对应一个或者多个任务。为了保障Storm***的稳定性，引入Zookeeper来协调主控节点和工作节点间的任务调度与分配。工作架构图如图4所示。
(5)数据输出和存储。边缘计算结果得到后，根据电网中监测数据异常检测、异常用电分析、用电行为分析、短期负荷预测等业务不同的需求，利用深度学***台或者云服务器。同时还可以判定是否应向终端设备发出指令，分担了云服务器的工作。
3.基于块布局优化的电力物联网大数据边缘分析实现过程
对于基于块布局优化的边缘部署整体架构，每一层都有自己的具体实现。
(1)边缘计算层：边缘设备层的核心是边缘设备的实现。由于终端设备分布的地理位置不同，在进行边缘计算时，通过移动边缘计算(mobile edge computing，MEC)对分布较为分散的终端进行计算。通过MEC技术，在网络边缘对终端设备运行状态进行网络控制、计算和存储，跨越地区障碍。在实际应用时，通常将MEC节点设置在大型基站或无线网络控制器附近，使节点也处于用户使用的无线区域网，更方便数据在网络中的传输。边缘计算实现过程如图5所示。
该层中的边缘计算设备包括采集中低压配电网各种信息的采集单元和对采集到的配电网信息等进行计算的计算单元。其中采集单元的微控制器处理器型号为ATMega328P，该处理器具有多个接口，更具体地为14路GPIO接口、6路PWM接口、12位ADC接口、UART串口、1路SPI接口、1路I2C接口。该设备通过外部模块以串口形式接入控制器，如ZigBee，RS485转RS232等。其应用频率为1.2GHz的四核BCM2837。在计算单元中，其具有的处理器核心板为64位ARMv8，外部接口有BCM43143WiFi和低功耗蓝牙接口，其具有40路的I/O接口，4路USB口，1路以太网接口，1路HDMI接口等。在该处理器中，还融入了嵌入式Linux***，在处理数据方面具有突出的能力。
(2)云端管理层实现：布置云服务器实现流数据的再次计算或存储。边缘计算层会对一部分流数据进行边缘计算，但边缘设备层只具备部分计算功能，部分输出的计算结果和部分流数据会通过信息化管理层传入云端管理层中，实现数据的再次计算。
(3)信息化管理层实现：在信息化管理层中，设置有多种通讯，比如云端通讯、局域网通讯、WIFI通讯、蓝牙通讯、蜂窝网络通讯、ZigBee数据通讯、广域网通讯等。通过不同形式的数据通讯，能够实现具有多种通讯接口的接入，兼容性较强。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种电力物联网大数据边缘分析方法，其特征在于，包括：
数据采集***对终端设备的数据源进行监听，并把流数据汇总转发给缓冲***；
所述缓冲***对所述流数据进行缓冲后，发送至计算***；
所述计算***对各网络节点进行块布局优化，并对所述流数据进行边缘计算；
所述计算***对边缘处理后的流数据进行存储。
2.如权利要求1所述的方法，其特征在于，所述数据采集***是一个分布式的日志聚合***，从终端设备监听接收数据并将其发送出去，在汇总转发时会根据反馈信息对采集到的数据进行一个预处理，实现初步数据筛选。
3.如权利要求1所述的方法，其特征在于，所述缓冲***根据流数据的使用情况，通过智能优化算法产生一个反馈信息返回至所述数据采集***，所述数据采集***基于所述反馈信息调整数据采集频率，形成一个正反馈式良性循环。
4.如权利要求1所述的方法，其特征在于，所述边缘计算具体包括：边缘设备对流数据的传输效率进行一个边缘预测，通过预测结果对各个边缘节点的任务分配进行一个统筹安排，以防止边缘节点承受过重的计算任务。
5.如权利要求1所述的方法，其特征在于，所述边缘计算采用Storm框架，所述边缘计算的结果有三个传输方向，一是向上传送给云服务器继续进行计算；二是将此信息返回给终端设备，终端设备根据此信息做出操作；三是不经云服务器，直接将结果传输到远端管理平台，工作人员通过远端管理平台发出指令，指令经边缘节点传到终端设备。
6.如权利要求1所述的方法，其特征在于，所述块布局优化具体包括：
构造边缘云拓扑结构：假设物联网中有两个特殊的顶点：一个代表物联网的中心顶点，另一个是访问HDFS数据的客户端顶点，设定两种类型的集群：数据中心和边缘集群，每个群集至少包含一个网关结点，所述网关结点提供群集和网络之间的连接；
根据集群的利用率对集群进行排序，根据可靠性降低顺序进行选择。
7.如权利要求1所述的方法，其特征在于，所述对边缘处理后的流数据进行存储，具体包括：
利用深度学***台或者云服务器，同时还可以判定是否应向终端设备发出指令，分担了云服务器的工作。
8.如权利要求1所述的方法，其特征在于，所述计算***包括：云服务器和边缘设备；
所述计算***对各网络节点进行块布局优化，并对所述流数据进行边缘计算，具体包括：
所述边缘设备对所述流数据进行部分边缘计算，部分输出的计算结果和部分流数据传输至所述云服务器中，进行流数据的再次计算。
9.如权利要求8所述的方法，其特征在于，所述边缘设备与所述云服务器采用以下通讯方式：云端通讯、局域网通讯、WIFI通讯、蓝牙通讯、蜂窝网络通讯、ZigBee数据通讯或广域网通讯。
10.如权利要求4所述的方法，其特征在于，所述终端设备表示在物联网架构中用来管理数据或者对运行状态进行感测的设备主体，能够监测、采集或者感知电网设备的运行状况，负责采集流数据，采集的数据汇总转发给边缘设备，所述边缘设备指在电力设备或网络数据源头边缘的计算网关，可以对数据进行就近边缘计算和处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011559413.5A CN112714016A (zh) | 2020-12-25 | 2020-12-25 | 一种电力物联网大数据边缘分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011559413.5A CN112714016A (zh) | 2020-12-25 | 2020-12-25 | 一种电力物联网大数据边缘分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112714016A true CN112714016A (zh) | 2021-04-27 |
Family
ID=75546170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011559413.5A Pending CN112714016A (zh) | 2020-12-25 | 2020-12-25 | 一种电力物联网大数据边缘分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112714016A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115955406A (zh) * | 2022-12-08 | 2023-04-11 | 山东鲁软数字科技有限公司 | 基于边缘计算框架的电网模型自管理方法及*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019196889A1 (en) * | 2018-04-11 | 2019-10-17 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for data synchronization |
| CN110719209A (zh) * | 2019-10-31 | 2020-01-21 | 北京浪潮数据技术有限公司 | 一种集群网络配置方法、***、设备及可读存储介质 |
| CN111212106A (zh) * | 2019-12-09 | 2020-05-29 | 中国科学院计算机网络信息中心 | 一种工业互联网环境中边缘计算任务处理与调度方法及装置 |
| CN111884347A (zh) * | 2020-08-28 | 2020-11-03 | 国网山东省电力公司郯城县供电公司 | 多源电力信息融合的电力数据集中控制*** |
| CN112015718A (zh) * | 2020-08-25 | 2020-12-01 | 阳光保险集团股份有限公司 | HBase集群平衡方法、装置、电子设备和存储介质 |
| CN112073461A (zh) * | 2020-08-05 | 2020-12-11 | 烽火通信科技股份有限公司 | 一种基于云边协同的工业互联网*** |
-
2020
- 2020-12-25 CN CN202011559413.5A patent/CN112714016A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019196889A1 (en) * | 2018-04-11 | 2019-10-17 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for data synchronization |
| CN110719209A (zh) * | 2019-10-31 | 2020-01-21 | 北京浪潮数据技术有限公司 | 一种集群网络配置方法、***、设备及可读存储介质 |
| CN111212106A (zh) * | 2019-12-09 | 2020-05-29 | 中国科学院计算机网络信息中心 | 一种工业互联网环境中边缘计算任务处理与调度方法及装置 |
| CN112073461A (zh) * | 2020-08-05 | 2020-12-11 | 烽火通信科技股份有限公司 | 一种基于云边协同的工业互联网*** |
| CN112015718A (zh) * | 2020-08-25 | 2020-12-01 | 阳光保险集团股份有限公司 | HBase集群平衡方法、装置、电子设备和存储介质 |
| CN111884347A (zh) * | 2020-08-28 | 2020-11-03 | 国网山东省电力公司郯城县供电公司 | 多源电力信息融合的电力数据集中控制*** |
Non-Patent Citations (1)
| Title |
|---|
| 沈佳;李凯;邹岳琳;郭江涛;刘昆;: "基于Hadoop的缴费行为和网点布局优化数据挖掘应用研究", 科技传播, no. 02 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115955406A (zh) * | 2022-12-08 | 2023-04-11 | 山东鲁软数字科技有限公司 | 基于边缘计算框架的电网模型自管理方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiang et al. | Energy aware edge computing: A survey | |
| Zhu et al. | Task offloading decision in fog computing system | |
| Hou et al. | Edge intelligence for mission-critical 6G services in space-air-ground integrated networks | |
| CN103152393B (zh) | 一种云计算的计费方法和计费*** | |
| US20160140359A1 (en) | System and method for distributed computation using heterogeneous computing nodes | |
| CN103761309A (zh) | 一种运营数据处理方法及*** | |
| Munir et al. | Intelligent service fulfillment for software defined networks in smart city | |
| CN113703969A (zh) | 一种基于边缘计算的可多源数据处理的配电物联网体系 | |
| CN103207920A (zh) | 一种元数据并行采集*** | |
| Brzoza-Woch et al. | Holistic approach to urgent computing for flood decision support | |
| CN113157459A (zh) | 一种基于云服务的负载信息处理方法及*** | |
| Fan et al. | Dynamic virtual network embedding of mobile cloud system based on global resources in internet of vehicles | |
| CN105553872A (zh) | 一种多路径数据流量负载均衡方法 | |
| Routaib et al. | Modeling and evaluating a cloudlet-based architecture for mobile cloud computing | |
| CN102510403B (zh) | 用于车辆数据接收和实时分析的集群分布式***及方法 | |
| Liang et al. | Reliability-aware task processing and offloading for data-intensive applications in edge computing | |
| CN112714016A (zh) | 一种电力物联网大数据边缘分析方法 | |
| CN105282045B (zh) | 一种基于一致性哈希算法的分布式计算和储存方法 | |
| Wei et al. | SDN-based multi-controller optimization deployment strategy for satellite network | |
| CN114936071A (zh) | 一种基于边缘计算的民机机载分布式仿真*** | |
| Mohamed et al. | Dynamic resource allocation in cloud computing based on software-defined networking framework | |
| CN104503846B (zh) | 一种基于云计算***的资源管理*** | |
| CN113872673A (zh) | 一种卫星星座仿真的容器云资源调度***及其调度方法 | |
| Jassas et al. | Evaluation of failure analysis of IoT applications using edge-cloud architecture | |
| Ning et al. | Research on distributed computing method for coordinated cooperation of distributed energy and multi-devices |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |