CN116485136A - 基于云边协同的锂电池产线数据平台建设方法及*** - Google Patents

基于云边协同的锂电池产线数据平台建设方法及*** Download PDF

Info

Publication number
CN116485136A
CN116485136A CN202310444286.1A CN202310444286A CN116485136A CN 116485136 A CN116485136 A CN 116485136A CN 202310444286 A CN202310444286 A CN 202310444286A CN 116485136 A CN116485136 A CN 116485136A
Authority
CN
China
Prior art keywords
data
edge
cloud
production line
platform
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
Application number
CN202310444286.1A
Other languages
English (en)
Inventor
徐嘉文
何里根
张伟
王昴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gotion High Tech Co Ltd
Original Assignee
Gotion High Tech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Gotion High Tech Co Ltd filed Critical Gotion High Tech Co Ltd
Priority to CN202310444286.1A priority Critical patent/CN116485136A/zh
Publication of CN116485136A publication Critical patent/CN116485136A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/05—Accumulators with non-aqueous electrolyte
    • H01M10/052—Li-accumulators
    • 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)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供基于云边协同的锂电池产线数据平台建设方法及***，方法包括：在产线测部署数据采集***；在边缘侧数据采集***中部署数据预处理程序，保证数据质量；在边缘侧部署IT/OT融合的生产管理***；在云端部署统一数据平台***；在云端部署工业大数据底座；部署云边协同的产线智能应用。本发明解决了多工厂联动困难、特定数量级数据难以长期存储、平台通用性差、动态感知能力不足、云端数据难以联合分析利用以及资源浪费的技术问题。

Description

基于云边协同的锂电池产线数据平台建设方法及***
技术领域
本发明涉及新能源制造业数据处理领域，具体涉及基于云边协同的锂电池产线数据平台建设方法及***。
背景技术
锂电池电芯生产过程中涉及40多道相互关联的工序，涉及到的控制参数多达数千种。随着生产过程的数字化能力提升，产线无时无刻不在产生大量的数据：从业务分类来看，数据种类可分为生产计划数据、生产工单指令数据、生产结果汇报数据、过程检测数据、采购与库存数据等；从数据形态来看，计划、工单、采购库存等数据体量适中，而过程和结果数据存在着海量、结构化程度不足等特征。如何合理地存储、分析、利用这些数据，成为锂电池电芯生产数字化和智能化进程中亟待解决的问题。
当前锂电池乃至制造业生产过程大多使用制造执行***MES进行管理。传统的MES***大多针对单个工厂和产线，接收生产计划，产生生产工单并下发执行指令，回收执行结果并上报，是一套封闭且管理范围较窄的工具，同时其并不具备海量生产过程数据长时间存储、分析利用的能力；而近年随着工业互联网概念的兴起、设备数字化能力的提升，涌现出物联平台类软件，可对接数字化设备实现数据的采集、分析、指令下发等功能，但其仍局限在靠近生产现场的位置提供服务，全域数据融合应用的能力较弱。为解决生产现场算力不足、数据需融合存储分析的问题，大型集团企业也逐步开始布局云计算技术，集团侧自建或购买云计算数据中心，但仍需提高云计算中心与各个生产现场的互通连接能力，以实现数据的高效存储、分析、共享，达到全局统管、实时感知、闭环反馈的目的。
(1)现有的MES***业务覆盖范围较窄，例如公布号为CN110568394A的现有发明专利申请文献《一种电能表电池功耗检测***及方法》所述***包括机架、输送线、电源以及功耗检测单元；所述机架为检测***的结构载体；所述输送线设置在所述机架上层，用于传递电能表；所述功耗检测单元设置在所述机架上，用于检测电能表的电池功耗；其中所述功耗检测单元上设置有机械手，所述机械手下方设置有针板，所述功耗检测单元在通电状态或断电状态下进行电池电流测量，并将检测结果输入MES***进行管理。前述现有技术局限在单个工厂或产线的生产管理活动，对于多工厂的集团企业无法实现互通和联动；
(2)现有的MES***受限于设计理念，其采集和存储的数据类型有限，且无法长时间存储整个生产全生命周产生的海量数据，从而进行进一步的挖掘以利用其价值；
(3)公布号为CN113525117A的现有发明专利申请文献《种智能反馈电池健康状态的***和方法》，包括充电器、电池，其特征在于，包括充电中转设备，用于监测电池的充电状态；所述充电器连接所述充电中转设备，所述充电中转设备连接所述电池；所述充电中转设备包括MCU控制芯片、温度检测模块、电压检测模块、电流检测模块、DC-DC模块和继电器，所述MCU控制芯片分别连接有温度检测模块、电压检测模块、电流检测模块、DC-DC模块和继电器；所述继电器分别与所述充电器和所述电池连接。前述现有技术采用的物联平台(IoT平台)需要部署在靠近生产现场的位置，以实现对数字化产线数据的采集和管理，其作用范围仍局限在单工厂和产线；
(4)物联平台以对接产线设备为主，其数据采集范围包括生产过程参数、环境动力设备参数、在制品/成品检验数据等，而对生产过程管控数据如生产计划、工单、库存、物流等数据的感知和采集能力不足；
(5)受限于工厂和产线侧的数据中心算力，物联平台亦难以长时间存储生产全生命周期的海量数据并进一步挖掘其价值；
(6)各类中心化部署的云计算平台、集团数据中心等设施，对异地、跨机房的生产现场数据中心缺乏连接和感知能力，导致集团中心的信息滞后，间接造成算力的浪费；
(7)即使云端具备远程数据采集和感知能力，但由于各工厂由于产品、工艺、设备的差异，数据形态千差万别，难以进行有效的融合分析，多工厂联动、全局管控实现困难；
(8)由于问题(7)的存在，云端亦无法对生产现场的各类数据进行质量把控，大量不符合要求的数据进入云端，失去了分析价值，造成云端资源浪费。
综上，现有技术存在多工厂联动困难、特定数量级数据难以长期存储、平台通用性差、动态感知能力不足、云端数据难以联合分析利用以及资源浪费的技术问题。
发明内容
本发明所要解决的技术问题在于如何解决现有技术中多工厂联动困难、特定数量级数据难以长期存储、平台通用性差、动态感知能力不足、云端数据难以联合分析利用以及资源浪费的技术问题。
本发明是采用以下技术方案解决上述技术问题的：基于云边协同的锂电池产线数据平台建设方法包括：
S1、结合预置MES***、预置物联平台，在边端部署多余度环网以及预置服务器，以在产线侧部署边缘侧数据采集***；
S2、在边端对生产现场的各类设备进行协议适配，以利用边缘侧数据采集***采集边端数据，对边端数据进行审查、清洗、转换及验证操作，以得到过程管理数据以及全量数据集；
S3、利用不少于2级的预置架构，在边缘侧部署IT/OT融合的生产管理***，据以利用统一数据交互接口对接预置外部平台，以对过程管理数据以及全量数据集进行统计和分析操作，以得到融合生产过程数据，其中，预置结构包括：设备侧、产线测以及数据中心侧；
S4、根据融合生产过程数据及工业数据目录，利用工业信息模型，将生产管理和过程抽象为数据信息实体，以实现虚拟与现实的映射操作，据以在云端部署统一数据平台***；
S5、利用统一数据平台***获取融合生产过程数据，利用数据缓存队列，将融合生产过程数据存入预置的持久化缓存，利用预设数据接入模块，进行定时批量入库，并结合预置大数据存储，在云端部署工业大数据底座，据以汇聚得到产线生产全生命周期数据；
S6、对产线生产全生命周期数据进行数据挖掘，以分析得到生产管控点决策信息，据以部署云边协同的产线智能应用。
本发明将复杂的云计算、边缘计算、云边协同与物联网等技术进行了梳理和整合，并结合工业现场的实际情况，提出了”中心云-边缘网关-边缘终端”三层总体架构及协同方式，以实现端到端的产线数据业务整合，从总体架构上厘清了中心云、边缘网关与终端设备之间的相互关系，明确了各部分的核心模块与云边协同能力，建立了完整的产线数据平台架构体系，对平台每一层的功能模块与主要作用都进行了界定。解决多工厂联动困难、特定数量级数据难以长期存储、平台通用性差、动态感知能力不足、云端数据难以联合分析利用以及资源浪费的技术问题。
在更具体的技术方案中，步骤S1中，在设备侧，在同一个工序的各个设备前，分别设置一个前置网关，将本设备内部的所有节点接入前置网关，以形成独立设备侧安全内网，在设备侧，同时部署独立数采***，以采集并通过多余度环网，分别将生产设备数据上报至厂区独立数采***，设备侧的独立数采***包括：数据采集中间件、数据预处理、时序数据库、数据可靠传输模块；
在网络侧，在厂区内部以及机房服务间的核心网络设计双余度工业环网；
在厂区侧，部署独立数采***，利用独立数采***的数据采集中间件，统一适配转换厂区内各设备侧的独立数采***、动力设备、焊接设备，解析不同的协议，以形成统一标准数据。
本发明覆盖了生产过程管理和全量数据采集，将传统的MES和物联平台有机地结合在一起，很好地弥补了两套异构***的不足，解决传统的MES和物联平台无法实现多工厂联动的问题。
本发明在工厂侧(边端)通过三级架构，对生产现场的各类设备进行协议适配和数据采集，统一数据结构，保证数据质量，同时通过在边端部署多余度环网和服务器实现数据采集和存储的可靠性，解决传统的MES和物联平台无法实现海量数据长期存储的问题。
在更具体的技术方案中，步骤S2包括：
S21、在设备侧和工厂侧数据采集中间件中均部署数据预处理程序中，数据审查边端数据，以获取适用边端数据；
S22、清洗适用边端数据，以筛除适用边端数据中的噪声处理及空缺值，以得到清洗数据；
S23、数据转换清洗数据；
S24、数据验证清洗数据，以得到待统计分析数据，利用预置线性模型，对待统计分析数据进行相关分析、一致性检验操作，以得到数据验证结果，据以生成过程管理数据以及全量数据集。
在更具体的技术方案中，步骤S3中，在设备侧，根据预置设备通讯协议，利用设备侧的独立数采***，采集并存储过程管理数据中的工艺数据，过程数据，环境数据以及状态数据；
在产线侧，对过程管理数据以及全量数据集，进行综合分析及报表统计操作，以获取设备预测维护数据及生产过程动态感知数据；
在数据中心侧，对工艺数据、过程数据、环境数据以及状态数以及生产过程动态感知数据，进行统一信息管理，对接并利用预置外部平台，以统计并挖掘得到融合生产过程数据。
在更具体的技术方案中，步骤S4中，工业数据目录包括：统一数采地址空间以及数据资源目录。
在更具体的技术方案中，步骤S4中，工业信息模型包括：统一数据建模、协议互通和数据存储策略。其中，数据存储策略：日志模式、状态模式、时间序列模式及混合模式，解决了传统的MES和物联平台各司其职、数据不互通、数据采集形式不统一问题。
本发明将生产管理和过程高度抽象成数据/信息实体，以实现虚拟世界和现实世界的1:1映射，同时通过灵活的配置方式实现不同工厂/产线的异构过程/设备的数字形态结构统一。解决企业云端对各分公司、工厂产线对接和感知能力不足问题、企业云端数据异构造成的无法联合分析利用问题以及云边协同过程中因数据质量不高造成的资源浪费问题。
在更具体的技术方案中，步骤S5中，数据缓存队列的持久化缓存方式包括：Kafka。
在更具体的技术方案中，步骤S5中，大数据存储包括：时序数据库、分布式文件存储以及MPP数据库存储。
本发明充分利用集团企业集中建设的云端资源优势，将需要长期存储的边端数据转储在云端，缓解边端的存储压力，保障数据的完整性和连续性，本发明可以实现高性能、高可靠性的海量数据实时传输，同时支持以横向扩展的形式实现吞吐量和性能提升。
在更具体的技术方案中，步骤S6中，态势闭环感知信息包括：收集感知环境信息、预期目标影响信息、发展态势影响信息、设备反控信息。
本发明基于云端全量数据存储和算力，将不同工厂产线的数据融合打通，通过算法和规则输出针对边端工厂产线的智能决策，如生产过程全链追溯、高级计划排程、态势闭环感知、工艺参数实时推演优化、设备预测性维护。
在更具体的技术方案中，基于云边协同的锂电池产线数据平台建设***包括：
产线侧采集***部署模块，用以结合预置MES***、预置物联平台，在边端部署多余度环网以及预置服务器，以在产线侧部署边缘侧数据采集***；
边缘测预处理程序部署模块，用以在边端对生产现场的各类设备进行协议适配，以利用边缘侧数据采集***采集边端数据，对边端数据进行审查、清洗、转换及验证操作，以得到过程管理数据以及全量数据集，边缘测预处理程序部署模块与产线侧采集***部署模块连接；
边缘侧IT/OT部署模块，用以利用不少于2级的预置架构，在边缘侧部署IT/OT融合的生产管理***，据以利用统一数据交互接口对接预置外部平台，以对过程管理数据以及全量数据集进行统计和分析操作，以得到融合生产过程数据，其中，预置结构包括：设备侧、产线测以及数据中心侧，边缘侧IT/OT部署模块与边缘测预处理程序部署模块连接；
云端统一平台部署模块，用以根据融合生产过程数据及工业数据目录，利用工业信息模型，将生产管理和过程抽象为数据信息实体，以实现虚拟与现实的映射操作，据以在云端部署统一数据平台***，云端统一平台部署模块与边缘侧IT/OT部署模块连接；
大数据底座部署模块，用以利用统一数据平台***获取融合生产过程数据，利用数据缓存队列，将融合生产过程数据存入预置的持久化缓存，利用预设数据接入模块，进行定时批量入库，并结合预置大数据存储，在云端部署工业大数据底座，据以汇聚得到产线生产全生命周期数据，大数据底座部署模块与云端统一平台部署模块连接；
产线应用部署分析模块，用以对产线生产全生命周期数据进行数据挖掘，以分析得到生产管控点决策信息，据以部署云边协同的产线智能应用，产线应用部署分析模块与大数据底座部署模块连接。
本发明相比现有技术具有以下优点：本发明将复杂的云计算、边缘计算、云边协同与物联网等技术进行了梳理和整合，并结合工业现场的实际情况，提出了”中心云-边缘网关-边缘终端”三层总体架构及协同方式，以实现端到端的产线数据业务整合，从总体架构上厘清了中心云、边缘网关与终端设备之间的相互关系，明确了各部分的核心模块与云边协同能力，建立了完整的产线数据平台架构体系，对平台每一层的功能模块与主要作用都进行了界定。解决多工厂联动困难、特定数量级数据难以长期存储、平台通用性差、动态感知能力不足、云端数据难以联合分析利用以及资源浪费的技术问题。
本发明覆盖了生产过程管理和全量数据采集，将传统的MES和物联平台有机地结合在一起，很好地弥补了两套异构***的不足，解决传统的MES和物联平台无法实现多工厂联动的问题。
本发明在工厂侧(边端)通过三级架构，对生产现场的各类设备进行协议适配和数据采集，统一数据结构，保证数据质量，同时通过在边端部署多余度环网和服务器实现数据采集和存储的可靠性，解决传统的MES和物联平台无法实现海量数据长期存储的问题。
本发明将生产管理和过程高度抽象成数据/信息实体，以实现虚拟世界和现实世界的1:1映射，同时通过灵活的配置方式实现不同工厂/产线的异构过程/设备的数字形态结构统一。解决企业云端对各分公司、工厂产线对接和感知能力不足问题、企业云端数据异构造成的无法联合分析利用问题以及云边协同过程中因数据质量不高造成的资源浪费问题。
本发明充分利用集团企业集中建设的云端资源优势，将需要长期存储的边端数据转储在云端，缓解边端的存储压力，保障数据的完整性和连续性，本发明可以实现高性能、高可靠性的海量数据实时传输，同时支持以横向扩展的形式实现吞吐量和性能提升。
本发明基于云端全量数据存储和算力，将不同工厂产线的数据融合打通，通过算法和规则输出针对边端工厂产线的智能决策，如生产过程全链追溯、高级计划排程、态势闭环感知、工艺参数实时推演优化、设备预测性维护。本发明解决了现有技术中存在的多工厂联动困难、特定数量级数据难以长期存储、平台通用性差、动态感知能力不足、云端数据难以联合分析利用以及资源浪费的技术问题。
附图说明
图1为本发明实施例1的基于云边协同的锂电池产线数据平台建设方法基本步骤示意图；
图2为本发明实施例1的边缘侧数据采集***整体架构图；
图3为本发明实施例1边缘侧数据采集***网络架构图；
图4为本发明实施例1边缘侧设备数采***的架构图；
图5为本发明实施例1边缘侧数据采集预处理流程图；
图6为本发明实施例1边缘侧生产管理***功能架构图；
图7为本发明实施例1云边协同的数据平台整体架构图；
图8为本发明实施例1云端工业数据总线示意图；
图9为本发明实施例1云边协同智能应用示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
如图1所示，本发明提供的基于云边协同的锂电池产线数据平台建设方法，包括以下基本步骤：
步骤S1、在产线测(边缘侧)部署数据采集***。
如图2所示，在本实施例中，为设备层-网络层-工厂层三层体系的边缘数据采集***架构图，分为网络基础设施建设，设备侧独立数采***，厂区独立数采***，生产设备、动力设备、环境设备数据采集等几部分内容。
如图3所示，在本实施例中，在厂区内部的核心网络为一个双余度的工业环网，在各个工序的设备侧组成了安全内网，而在厂区的机房内，设置了双余度服务器机群。
在设备侧，在同一个工序的各个设备前分别设置一个前置网关(路由器形式)，将本设备内部的所有节点，包括PLC、上位机、服务器等接入该前置网关，从而形成一个独立的设备侧安全内网。该安全内网可以有效的阻止来自外部的网络风暴、病毒攻击，将危害缩小的最小范围，且能以最快的速度进行定位。生产设备的各个节点通过LAN口接入前置网关，并具备内网的独立IP地址，这样内部节点可通过该IP地址段进行互相之间的数据通信，即数据在安全内网中进行交换。前置网关则通过两个WAN口分别接入双余度环网，并使用
如图4所示，在本实施例中，NAT技术实现安全内网和边缘服务器的通信，完成数据采集、信息交互和指令下发。前置网关提供防火墙配置，入侵防护功能，保障了内外网的隔离性和内网的安全，多达100000个NAT回话要求保证了与双余度环网中的其它设备通信的并发要求，另外所有的前置网关可通过SSH/telnet等协议或其它管理功能进行批量管理，将设置和维护的复杂度降到最低，提高建设和运维效率。设备侧同时部署独立数采***，负责采集各个生产设备的数据，进行设备的预处理和数据库缓存，并通过双余度环网分别将数据上报至双余度服务器机群中边缘服务器的厂区独立数采***。设备侧独立数采***主要包括数据采集中间件、数据预处理、时序数据库、数据可靠传输等几大模块，伴随各前置网关部署于各个工序的设备侧。数据采集中间件负责对各种设备的接入协议进行统一的设配和协议转换，通过统一框架的插件方式实现数据的接入，不同插件实现的协议不同，插件负责对各种不同的协议进行数据解析，形成统一标准的数据。之后通过调度器进行网关在不同服务器和不同插件上进行调度，通过插件管理器对插件进行生成、导入、管理和适配，并通过消息总线进行数据的分发和传输。协议插件管理功能提供了协议插件的增删改查以及日志查询，以及协议插件的导入等，本功能可以体现出***的扩展性和灵活性以及强大的数据对接能力，插件基于C++语言开发，需要满足插件框架的规范要求，可以调用***的一些基础能力，对于***的亲和性更好、运行过程也更加稳定高效。中间件支持的协议类型包括Modbus-TCP、OPC-UA、MQTT、WebService、数据库访问等几种，通过动态加载和注册各种协议插件到设备侧独立数采***中，并配置使用该插件处理待转化消息数据，将异构消息数据转化为统一标准格式消息数据。插件功能可以实现较为复杂的跨协议数据格式转换，如将Modbus和OPC-UA协议标准消息数据转换为符合MQTT协议标准的消息等。
请参阅图3，在本实施例中，在网络侧，在厂区内部以及机房服务间的核心网络设计为一个双余度的工业环网，用于组成环网的环网交换机上有两个用于组环的千兆光口，交换机之间通过手拉手形式构成了环形的网络拓扑。环网交换机通过支持RRPP环形拓扑、SEP、STP、RSTP、MSTP，ERPS以太环保护等协议，避免了广播风暴的产生,同时又实现了环形网络的可靠性，尤其是RRPP协议，生成树收敛速度快，甚至可以满足电信级可靠性。当环中的两个环网交换机之间的链路断开时(如光纤断开连接或某交换机故障)，***的二层网络拓扑即发生变化，生成树的快速收敛可以使各交换机及时更新网络拓扑，避免流量黑洞导致的网络连接断开。另一方面，每个环网交换机提供快速切换的双电源，保证环网交换机的环境可靠性。各个工序的设备侧安全内网、动力设备、环境设备则通过分布在厂区内部的多个环网接入点进行网络接入，接入方式为千兆电口。
在本实施例中，在厂区侧，部署独立数采***，其数据采集中间件与设备侧独立数采***的架构类似，所不同的是，数据采集中间件负责对厂区内的各个设备侧独立数采***、动力设备、焊接设备进行统一的设配和协议转换，通过统一框架的插件方式实现数据的接入，不同插件实现的协议不同，插件负责对各种不同的协议进行数据解析，形成统一标准的数据。
步骤S2、在边缘侧数据采集***中部署数据预处理程序，保证数据质量。
如图5所示，在本实施例中，在设备侧和工厂侧数据采集中间件中均部署数据预处理程序中，数据审查从数据采集中间件采集到的各类数据进行审查，该步骤检查数据的数量(记录数)是否满足分析的最低要求,字段值的内容是否与协议要求一致,是否全面，还包括利用描述性统计分析,检查各个字段的字段类型、字段值的最小值、最大值、平均数、中位数等,记录个数、缺失值或空值个数等。数据审查主要从完整性和准确性两个方面进行。对于数据审查通过的数据，流入数据清洗流程进行下一步的数据清洗，对于未通过的数据，则反馈给数据采集中间件，后者按照策略配置进行数据重新采集或报告问题并排查。数据清洗包含噪声处理和空缺值处理两部分。数据转换包括无量纲化处理、线性变换、汇总和聚集、适度概化、规范化以及属性构造等。数据验证的目的是初步评估和判断数据是否满足统计分析的需要,决定是否需要增加或减少数据量。利用简单的线性模型,以及散点图、直方图、折线图等图形进行探索性分析,利用相关分析、一致性检验等方法对数据的准确性进行验证,确保不把错误和偏差的数据带入到数据分析中去。
步骤S3、在边缘侧部署IT/OT融合的生产管理***。
如图6所示，在本实施例中，***功能建设主要分为三层结构，从下到上分别为：设备侧、产线侧、数据中心侧。设备侧：通过各种生产设备，环境设备，动力设备的通讯协议，对生产过程中的工艺数据，过程数据，环境数据以及状态数据通过独立数采***进行自动采集，自动存储到实时数据局及关系数据库中。产线侧：包括工作计划管理、设备管理、物料管理、质量管理、过程分析管理、生产调度管理、生产信息查询、条形码管理、作业人员管理综合分析与报表统计等，并实现设备进行预测性维护及对生产过程的动态感知。数据中心侧：对产品、工艺等进行统一信息管理；对生产计划，生产实况统一维护和监控；建立统一数据交换接口，对接ERP，PLM，WMS等其他外部平台；对生产过程中产生的数据进行统计和挖掘，呈现出多角度的数据展现形式，并为经营管理层进行重大决策的提供依据。
步骤S4、在云端部署统一数据平台***。
如图7所示，统一数据管理平台部署于企业数据中心侧(云端)，重点在于企业IIoT数据的统一汇聚和管理，并为数据中心侧其他应用服务提供IIoT数据支撑。IIoT边缘计算网关部署于企业厂房的机房，主要负责接入各类生产设备、动力设备和环境设备，汇聚边缘侧的IIoT数据，经初步处理后按要求向上同步到企业数据中心侧的IIoT统一数据管理平台。不同产线的IIoT边缘计算网关通过基于MQTT协议及经TLS加密后的通道与数据中心侧IIoT统一数据管理平台进行通信(含数据同步或指令下发)。其功能模块包括：
工业数据目录：包含统一数采地址空间和数据资源目录两部分。统一数采地址空间采用树形结构的地址空间(Address Space)。树形地址空间是常用的地址组织形式，可兼容主流的工业互联网技术：如OPC-UA架构中基于BrowserPath的对象地址空间，MQTT协议中基于话题(Topic)的发布订阅体系等。树形地址空间同时具有良好的扩展性，可基于它建立完善的数据权限控制体系。数据资源目录提供目录构建能力，根据需求构建各类业务分类目录，利用关系数据与时间序列数据融合技术，将原始数采数据与多维度的业务数据目录相融合，形成各类业务数据视图，最终形成工业数据资源目录，并支持基于目录浏览查看工业数据资源概览，按目录统计数据资源存量增量信息。基于数据资源目录，结合平台的信息模型、信息安全和数据服务等能力，为应用开发提供基于数据资源目录的数据统计、查询等访问能力。
工业信息模型：包含统一数据建模、协议互通和数据存储策略三部分。其中，统一数据建模是对数据特征的抽象。IIoT边缘计算网关涉及数据采集、处理、服务等场景，为了保证数据一致性，需要以统一的数据模型对数据进行规范。目前业界流行的数据模型主要有两种：一种是对象模型(Object Model)，在OT领域逻辑控制应用较广；另一种是事件模型(Event Model)，适于IT领域的数据分析、校验、清洗等工作。由于IIoT边缘计算网关更多承载IT类工作，所以采用基于事件的统一数据模型，对数据的字段、值域、格式、类型等进行统一规范的定义，支持与对象模型间的相互转换，为不同协议下数据互通奠定基础。协议互通指的是，基于统一的数据模型可支撑数据在不同协议间的互通，从一个协议接口进入的数据可从另一协议接口获取，由网关提供基于标准数据模型的适配。例如，使用OPC UA从各类工控机获取的数据可以通过MQTT订阅获得；经MQTT发布的消息可以通过HTTP RESTful接口查询得到。数据建模时支持多种数据存储策略：日志模式(LOG)、状态模式(STATE)、时间序列模式及混合模式等。一个数据点可同时使用两种不同的存储策略。
数据访问安全控制：包含权限控制和传输加密两部分。权限控制基于标准的访问控制列表机制(类似于Linux POSIX ACL功能)，并结合数据资源命名空间方法，实现用户对数据资源的读、写、修改三个层面的权限管理与控制。传输加密基于TLS协议实现MQTT、HTTP/HTTPS等服务下的数据传输安全保障，保护敏感数据在网络传输中的安全，防止在传输过程中被窃取、篡改。内置的加密算法包括对称加密、非对称加密、HASH加密及混合加密。
数据服务API：包含数据写入和数据查询两部分。数据写入基于流行的REST风格设计的数据采集接口，满足倾向于使用HTTP方式的用户进行数据导入，支持单条及批量压缩的方式传输，增强数据型边缘网关的数据集成能力。数据采集服务同样支持HTTP/HTTPS访问、JSON格式报文、HMAC用户认证、权限管理等网关通用服务功能。数据查询支持REST风格的数据查询服务接口，通过HTTP/HTTPS访问，以JSON报文的形式查询网关中的标准数据，数据以统一的JSON格式返回。
工业数据服务能力：在平台提供的标准数据服务接口规范下，对外提供的实现特定功能的WebAPI接口。不同于一般的中台建设在接口实现时需要大量的定制化代码开发工作，平台基于底层组件提供的接口自动生成技术，可以在大多数场景下，基于配置好的信息模型自动生成相应的能力。平台根据业务需求提供三大类自动化生成能力，分别为：数据采集结果查询能力，工控指令下发能力，各类数据交换能力，此外平台还提供标准的开发框架，满足在无法自动化情况下的定制化能力开发需要。其包含基础能力构造方法、数采结果查询、工控指令下发和各类数据交换四部分。其中，基础能力构造方法基于数据感知技术实现工业数字化环境下各类数据的互联互通，在***实现云边接入、设备接入等改造后，可基于平台提供的信息模型构建工具构造各类数据服务所需的信息模型，***将根据信息模型生成相应的接口，具体方法步骤为：
编辑构造数据服务相应的信息模型，生成测试接口；
连接配置好接口需要访问的数据库、设备或虚拟设备；
开设相应的账户，获取访问Token，配置权限，对接口测试；
修改接口，测试通过后将接口上线至生产环境。
数采结果查询：数据采集采用轮询方式，数据以时间序列模式存储于边缘设备之上并同步至云平台之中。平台实施中首先利用信息模型工具，对各类采集数据进行建模并生成具备时序统计和查询功能的WebAPI接口，供具备访问权限的账户调用获取所需的数采结果。除了基础的点位信息模型外，还可以通过良好的信息模型设计，比如将产线、设备类型、数据指标类型、人员组织等信息融合相应的点位数据，可以构造功能丰富的查询接口，支持各类过滤查询条件。工控指令下发：为外部应用向产线设备下发工控指令封装WebAPI调用接口，平台在云端和边缘侧接受到请求指令后，代理下发指令至相应设备，在确认设备的指令执行情况后(如通过写后读确认等方式)，接口向调用指令的外部应用访问Response，指名指令是否成功或执行失败。外部应用还可以通过请求超时判断指令下发失败。平台可以配置下发指令的日志存储能力，供后续调用查看。外部应用在获取相应的接口写权限后才可以发布指令，否则接口将返回鉴权错误。各类数据交换：数据中心和产线侧的各类应用和设备可以通过平台提供的WebAPI或MQTT服务进行数据交换，具体采用何种交换方式由具体应用场景决定，在这种情况下，将平台当作“工业数据总线”使用，
如图8所示，在本实施例中，在WebAPI的交换方式下，为需要交换的数据设计相应的信息模型，向相应的接口写入数据，可以以队列(日志形式)存储数据，也可以模拟设备状态和历史记录(以状态+时序形式存储)，供其他应用读取。应用也可以通过MQTT以发布订阅的形式进行长连接下的实时数据交换，可以配置平台将交换数据存储下来，供其他应用以WebAPI形式访问。
步骤S5、在云端部署工业大数据底座。
云端工业大数据底座包含两部分，分别是数据缓存队列和大数据存储。其中，数据缓存队列集成持久化缓存技术(如Kafka)，采用流行的大数据采集流水线架构提升数据采集吞吐量：数据采集后，先进入持久化缓存，再通过专门的数据接入模块，进行定时批量入库。数据接入模块可将一个数据点写入一个或多个数据库之中，支持数据点同时写入TSDB和RDB，支持同时写入多重拷贝等功能。大数据存储包含时序数据库、分布式文件存储和MPP数据库存储，时序数据库针对时序数据的特点，对写入、存储、查询等流程进行了优化，适用于海量时序数据高并发、高频率写入场景，满足网关连接百万级甚至千万级终端设备及基于滑动时间窗口统计数据的需求。对关系型数据库的支持，在满足网关对传统的关系型数据的存储、管理及查询的基础上，增强网关对数据的转换、处理能力。平台的数据服务API自动生成器支持PostgreSQL生态下的关系数据，分布式模式(Citus)和时间序列数据模式(TimescaleDB)，海量数据分析场景下可扩展至Hadoop分布式文件存储或ClickHouse、StarRocks MPP集群方案。
步骤S6、部署云边协同的产线智能应用。
此部分在基于以上S1至S5步骤后采集、汇聚的产线生产全生命周期数据，进行进一步的数据挖掘分析，结合人工智能技术在关键生产管控点上进行智能决策，并将决策结果通过数据平台的技术能力下发反馈至产线，实现决策协同。典型的应用包含质量追溯、态势闭环感知、设备预测性维护等。下面以态势闭环感知为例介绍决策协同的原理。
如图9所示，在本实施例中，态势闭环感知建设主要分为四个层级：1)收集感知环境的各种相关要素的属性，状态及动态等信息；2)通过识别，解读和评估过程，将各相关要素的信息联系起来，并关注这些信息对预期目标的影响；3)基于对前两级信息的理解，预测未来的发展态势和可能产生的影响。4)将预测结果反馈至产线侧(边缘侧)，对可能造成影响的设备、工艺、环境动力等设备进行反控，以抵消态势发展所产生的负面影响。
综上，本发明将复杂的云计算、边缘计算、云边协同与物联网等技术进行了梳理和整合，并结合工业现场的实际情况，提出了”中心云-边缘网关-边缘终端”三层总体架构及协同方式，以实现端到端的产线数据业务整合，从总体架构上厘清了中心云、边缘网关与终端设备之间的相互关系，明确了各部分的核心模块与云边协同能力，建立了完整的产线数据平台架构体系，对平台每一层的功能模块与主要作用都进行了界定。解决多工厂联动困难、特定数量级数据难以长期存储、平台通用性差、动态感知能力不足、云端数据难以联合分析利用以及资源浪费的技术问题。
本发明覆盖了生产过程管理和全量数据采集，将传统的MES和物联平台有机地结合在一起，很好地弥补了两套异构***的不足，解决传统的MES和物联平台无法实现多工厂联动的问题。
本发明在工厂侧(边端)通过三级架构，对生产现场的各类设备进行协议适配和数据采集，统一数据结构，保证数据质量，同时通过在边端部署多余度环网和服务器实现数据采集和存储的可靠性，解决传统的MES和物联平台无法实现海量数据长期存储的问题。
本发明将生产管理和过程高度抽象成数据/信息实体，以实现虚拟世界和现实世界的1:1映射，同时通过灵活的配置方式实现不同工厂/产线的异构过程/设备的数字形态结构统一。解决企业云端对各分公司、工厂产线对接和感知能力不足问题、企业云端数据异构造成的无法联合分析利用问题以及云边协同过程中因数据质量不高造成的资源浪费问题。
本发明充分利用集团企业集中建设的云端资源优势，将需要长期存储的边端数据转储在云端，缓解边端的存储压力，保障数据的完整性和连续性，本发明可以实现高性能、高可靠性的海量数据实时传输，同时支持以横向扩展的形式实现吞吐量和性能提升。
本发明基于云端全量数据存储和算力，将不同工厂产线的数据融合打通，通过算法和规则输出针对边端工厂产线的智能决策，如生产过程全链追溯、高级计划排程、态势闭环感知、工艺参数实时推演优化、设备预测性维护。本发明解决了现有技术中存在的多工厂联动困难、特定数量级数据难以长期存储、平台通用性差、动态感知能力不足、云端数据难以联合分析利用以及资源浪费的技术问题。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.基于云边协同的锂电池产线数据平台建设方法，其特征在于，所述方法包括：
S1、结合预置MES***、预置物联平台，在所述边端部署多余度环网以及预置服务器，以在产线侧部署边缘侧数据采集***；
S2、在边端对生产现场的各类设备进行协议适配，以利用所述边缘侧数据采集***采集边端数据，对所述边端数据进行审查、清洗、转换及验证操作，以得到过程管理数据以及全量数据集；
S3、利用不少于2级的预置架构，在边缘侧部署IT/OT融合的生产管理***，据以利用统一数据交互接口对接预置外部平台，以对所述过程管理数据以及所述全量数据集进行统计和分析操作，以得到融合生产过程数据，其中，所述预置结构包括：设备侧、产线测以及数据中心侧；
S4、根据所述融合生产过程数据及工业数据目录，利用工业信息模型，将生产管理和过程抽象为数据信息实体，以实现虚拟与现实的映射操作，据以在云端部署统一数据平台***；
S5、利用所述统一数据平台***获取所述融合生产过程数据，利用数据缓存队列，将所述融合生产过程数据存入预置的持久化缓存，利用预设数据接入模块，进行定时批量入库，并结合预置大数据存储，在云端部署工业大数据底座，据以汇聚得到产线生产全生命周期数据；
S6、对所述产线生产全生命周期数据进行数据挖掘，以分析得到生产管控点决策信息，据以部署云边协同的产线智能应用。
2.根据权利要求1所述的基于云边协同的锂电池产线数据平台建设方法，其特征在于，所述步骤S1中，在设备侧，在同一个工序的各个设备前，分别设置一个前置网关，将本设备内部的所有节点接入所述前置网关，以形成独立设备侧安全内网，在所述设备侧，同时部署独立数采***，以采集并通过所述多余度环网，分别将所述生产设备数据上报至厂区独立数采***，所述设备侧的所述独立数采***包括：数据采集中间件、数据预处理、时序数据库、数据可靠传输模块；
在网络侧，在厂区内部以及机房服务间的核心网络设计双余度工业环网；
在厂区侧，部署所述独立数采***，利用所述独立数采***的数据采集中间件，统一适配转换厂区内各所述设备侧的所述独立数采***、动力设备、焊接设备，解析不同的协议，以形成统一标准数据。
3.根据权利要求1所述的基于云边协同的锂电池产线数据平台建设方法，其特征在于，所述步骤S2包括：
S21、在设备侧和工厂侧数据采集中间件中均部署数据预处理程序中，数据审查所述边端数据，以获取适用边端数据；
S22、清洗所述适用边端数据，以筛除所述适用边端数据中的噪声处理及空缺值，以得到清洗数据；
S23、数据转换所述清洗数据；
S24、数据验证所述清洗数据，以得到待统计分析数据，利用预置线性模型，对所述待统计分析数据进行相关分析、一致性检验操作，以得到数据验证结果，据以生成所述过程管理数据以及所述全量数据集。
4.根据权利要求1所述的基于云边协同的锂电池产线数据平台建设方法，其特征在于，所述步骤S3中，在所述设备侧，根据预置设备通讯协议，利用所述设备侧的独立数采***，采集并存储所述过程管理数据中的工艺数据，过程数据，环境数据以及状态数据；
在所述产线侧，对所述过程管理数据以及所述全量数据集，进行综合分析及报表统计操作，以获取设备预测维护数据及生产过程动态感知数据；
在所述数据中心侧，对所述工艺数据、所述过程数据、所述环境数据以及所述状态数以及所述生产过程动态感知数据，进行统一信息管理，对接并利用所述预置外部平台，以统计并挖掘得到所述融合生产过程数据。
5.根据权利要求1所述的基于云边协同的锂电池产线数据平台建设方法，其特征在于，所述步骤S4中，所述工业数据目录包括：统一数采地址空间以及数据资源目录。
6.根据权利要求1所述的基于云边协同的锂电池产线数据平台建设方法，其特征在于，所述步骤S4中，所述工业信息模型包括：统一数据建模、协议互通和数据存储策略。其中，所述数据存储策略：日志模式、状态模式、时间序列模式及混合模式。
7.根据权利要求1所述的基于云边协同的锂电池产线数据平台建设方法，其特征在于，所述步骤S5中，所述数据缓存队列的持久化缓存方式包括：Kafka。
8.根据权利要求1所述的基于云边协同的锂电池产线数据平台建设方法，其特征在于，所述步骤S5中，所述大数据存储包括：时序数据库、分布式文件存储以及MPP数据库存储。
9.根据权利要求1所述的基于云边协同的锂电池产线数据平台建设方法，其特征在于，所述S6中，所述态势闭环感知信息包括：收集感知环境信息、预期目标影响信息、发展态势影响信息、设备反控信息。
10.基于云边协同的锂电池产线数据平台建设***，其特征在于，所述***包括：
产线侧采集***部署模块，用以结合预置MES***、预置物联平台，在所述边端部署多余度环网以及预置服务器，以在产线侧部署边缘侧数据采集***；
边缘测预处理程序部署模块，用以在边端对生产现场的各类设备进行协议适配，以利用所述边缘侧数据采集***采集边端数据，对所述边端数据进行审查、清洗、转换及验证操作，以得到过程管理数据以及全量数据集，所述边缘测预处理程序部署模块与所述产线侧采集***部署模块连接；
边缘侧IT/OT部署模块，用以利用不少于2级的预置架构，在边缘侧部署IT/OT融合的生产管理***，据以利用统一数据交互接口对接预置外部平台，以对所述过程管理数据以及所述全量数据集进行统计和分析操作，以得到融合生产过程数据，其中，所述预置结构包括：设备侧、产线测以及数据中心侧，所述边缘侧IT/OT部署模块与所述边缘测预处理程序部署模块连接；
云端统一平台部署模块，用以根据所述融合生产过程数据及工业数据目录，利用工业信息模型，将生产管理和过程抽象为数据信息实体，以实现虚拟与现实的映射操作，据以在云端部署统一数据平台***，所述云端统一平台部署模块与所述边缘侧IT/OT部署模块连接；
大数据底座部署模块，用以利用所述统一数据平台***获取所述融合生产过程数据，利用数据缓存队列，将所述融合生产过程数据存入预置的持久化缓存，利用预设数据接入模块，进行定时批量入库，并结合预置大数据存储，在云端部署工业大数据底座，据以汇聚得到产线生产全生命周期数据，所述大数据底座部署模块与所述云端统一平台部署模块连接；
产线应用部署分析模块，用以对所述产线生产全生命周期数据进行数据挖掘，以分析得到生产管控点决策信息，据以部署云边协同的产线智能应用，所述产线应用部署分析模块与所述大数据底座部署模块连接。
CN202310444286.1A 2023-04-21 2023-04-21 基于云边协同的锂电池产线数据平台建设方法及*** Pending CN116485136A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310444286.1A CN116485136A (zh) 2023-04-21 2023-04-21 基于云边协同的锂电池产线数据平台建设方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310444286.1A CN116485136A (zh) 2023-04-21 2023-04-21 基于云边协同的锂电池产线数据平台建设方法及***

Publications (1)

Publication Number Publication Date
CN116485136A true CN116485136A (zh) 2023-07-25

Family

ID=87220860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310444286.1A Pending CN116485136A (zh) 2023-04-21 2023-04-21 基于云边协同的锂电池产线数据平台建设方法及***

Country Status (1)

Country Link
CN (1) CN116485136A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117692937A (zh) * 2024-02-04 2024-03-12 江苏未来网络集团有限公司 一种5g全连接工厂设备网络拓扑结构及其构建、使用方法
CN117955857A (zh) * 2024-03-27 2024-04-30 天津市天益达科技发展有限公司 一种基于物联网平台的数据采集方法及***
CN118095786A (zh) * 2024-04-19 2024-05-28 中航西安飞机工业集团股份有限公司 一种飞机数字化装配产线重构方法及***

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117692937A (zh) * 2024-02-04 2024-03-12 江苏未来网络集团有限公司 一种5g全连接工厂设备网络拓扑结构及其构建、使用方法
CN117692937B (zh) * 2024-02-04 2024-05-14 江苏未来网络集团有限公司 一种5g全连接工厂设备网络拓扑结构及其构建、使用方法
CN117955857A (zh) * 2024-03-27 2024-04-30 天津市天益达科技发展有限公司 一种基于物联网平台的数据采集方法及***
CN118095786A (zh) * 2024-04-19 2024-05-28 中航西安飞机工业集团股份有限公司 一种飞机数字化装配产线重构方法及***

Similar Documents

Publication Publication Date Title
CN111371830B (zh) 一种万网融合场景下基于数据驱动的智能协同云架构
RU2583703C2 (ru) Обнаружение и анализ злоумышленной атаки
CN116485136A (zh) 基于云边协同的锂电池产线数据平台建设方法及***
CN112600891B (zh) 一种基于信息物理融合的边云协同***及工作方法
CN109492991A (zh) 配电工程建设智能化综合管理***
Liu et al. Smarter grid in the 5G Era: A framework integrating power internet of things with a cyber physical system
CN105868075A (zh) 一种实时监控分析大量日志的***及方法
Bagherzadeh et al. Integration of cloud computing and IoT (CloudIoT) in smart grids: Benefits, challenges, and solutions
Wang et al. Research on the remote maintenance system architecture for the rapid development of smart substation in China
WO2020186807A1 (zh) 一种基于区块链技术的电力数据链接***及方法
CN114153920A (zh) 大数据边平台与方法
CN111885439B (zh) 一种光网络综合管理和值勤管理***
CN104504014A (zh) 基于大数据平台的数据处理方法和装置
CN104104702A (zh) 面向家庭物联网的云计算架构
CN114281790B (zh) 一种多类型负荷资源聚合商接入***及方法
Garrocho et al. Industry 4.0: Smart contract-based industrial internet of things process management
CN111538720A (zh) 电力行业基础数据清理的方法及***
Wu et al. An Auxiliary Decision‐Making System for Electric Power Intelligent Customer Service Based on Hadoop
Cao et al. Analytics everywhere for streaming iot data
Smidt et al. Smart application development for IoT asset management using graph database modeling and high-availability web services
Mishra et al. Intelligent computing in electrical utility Industry 4.0: Concept, key technologies, applications and future directions
CN112486666A (zh) 一种模型驱动的参考架构方法及平台
Rathore et al. Maintaining SmartX multi‐view visibility for OF@ TEIN+ distributed cloud‐native edge boxes
CN116431324A (zh) 一种基于Kafka高并发数据采集与分发的边缘***
CN113886061A (zh) 一种工业物联网运维平台

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