CN114338743B - 一种云端边端数据交互的智能识别防御系统 - Google Patents
一种云端边端数据交互的智能识别防御系统 Download PDFInfo
- Publication number
- CN114338743B CN114338743B CN202111654103.6A CN202111654103A CN114338743B CN 114338743 B CN114338743 B CN 114338743B CN 202111654103 A CN202111654103 A CN 202111654103A CN 114338743 B CN114338743 B CN 114338743B
- Authority
- CN
- China
- Prior art keywords
- data
- cloud
- subsystem
- defense
- terminal
- 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.)
- Active
Links
Images
Landscapes
- Computer And Data Communications (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种云端边端数据交互的智能识别防御系统，包括：硬件感知子系统，用于通过采集末端智能终端的云控应用系统参数波形数据，根据基于边缘计算的自学习模型，识别末端智能终端的故障，并对末端智能终端进行协议与数据访问防御；云端数据子系统，用于根据硬件感知子系统的云控应用系统参数波形数据，以及自学习模型的识别策略和防御策略，对末端智能终端进行故障预测，并生成自学习模型的输入数据；传输层子系统，用于将硬件感知子系统采集云控应用系统参数波形数据，传输到云端数据子系统，以及将云端数据子系统的输入数据，并传输到硬件感知子系统；本发明为智能智造提供数据支撑并提供了预先预知的保障。
Description
技术领域
本申请涉及云数据信息安全管理技术领域，具体而言，涉及一种云端边端数据交互的智能识别防御系统。
背景技术
工业物联网系统状态估计是工业物联网系统调度中心的协议与数据访问管理系统(EMS)的核心功能之一，其功能是根据工业物联网系统的各种量测信息，估计出工业物联网系统当前的运行状态。现代电网的安全经济运行依赖于协议与数据访问管理系统(EMS)，而协议与数据访问管理系统的众多功能又可分成针对电网实时变化进行分析的在线应用和针对典型潮流断面进行分析的离线应用两大部分。工业物联网系统状态估计可以说是大部分在线应用的高级软件的基础。如果工业物联网系统状态估计结果不准确，后续的任何分析计算将不可能得到准确的结果。
现有技术中，更多的是通过局域网进行的协议与数据访问管理，具有一定的局限性，并且由于缺乏实际应用案子，当碰到新发情况时，现有的智能系统反应迟钝，更严重的造成系统死循环或死机，为现有的工作带来非常不利的影响，急需一种通过边云结合的系统来实现对于电力协议与数据访问的智能化管理。
发明内容
为了解决上述问题，本申请提供了一种云端边端数据交互的智能识别防御系统，包括：
硬件感知子系统，用于通过采集末端智能终端的云控应用系统参数波形数据，根据基于边缘计算的自学习模型，识别末端智能终端的故障，并对末端智能终端进行协议与数据访问防御，其中，云控应用系统参数波形数据至少包括电压波形数据、电流波形数据、温度波形数据、漏电波形数据；
云端数据子系统，用于根据硬件感知子系统的云控应用系统参数波形数据，以及自学习模型的识别策略和防御策略，对末端智能终端进行故障预测，并生成自学习模型的输入数据；
传输层子系统，用于将硬件感知子系统采集云控应用系统参数波形数据，通过4G/5G/NBIoT高速低延迟技术传输到云端数据子系统，以及将云端数据子系统的输入数据，通过4G/5G/NBIoT高速低延迟技术传输到硬件感知子系统。
优选地，自学习模型包括：先验限制模型，用于通过采集末端智能终端的最佳工作曲线、智能终端防御规律以及智能终端性能特性曲线，对强化学习智能体的执行者网络进行限制；
环境模型，用于对云控应用系统参数波形数据进行分布式计算，获取末端智能终端的状态观测量；
强化学习智能体，用于根据状态观测量生成并向末端智能终端输出防御指令。
优选地，强化学习智能体用于表示学习了智能终端防御策略和协议与数据访问管理策略的深度确定性策略梯度智能体，使用一个具有参考和防御这两个输入和一个输出的深度神经网络作为评价者网络，并使用具有一个参考输入和一个防御输出的深度神经网络作为执行者网络。
云端数据子系统还用于通过与其他云端系统进行数据交互，学习其他云端系统的故障诊断策略和协议与数据访问防御策略，并根据自学习模型的识别策略和防御策略，生成新的识别策略和防御策略，并对自学习模型进行策略更新，其中，其他云端系统用于表示与云端数据子系统具有相同功能的云端系统。
优选地，强化学习智能体用于表示学习了智能终端防御策略和协议与数据访问管理策略的深度确定性策略梯度智能体，使用一个具有参考和防御这两个输入和一个输出的深度神经网络作为评价者网络，并使用具有一个参考输入和一个防御输出的深度神经网络作为执行者网络。
云端数据子系统还用于将云控应用系统参数波形数据传输到其他云端系统进行识别，获取其他云端系统生成的故障诊断策略和协议与数据访问防御策略，并根据自学习模型的识别策略和防御策略，生成新的识别策略和防御策略，对末端智能终端进行故障识别，以及对末端智能终端进行协议与数据访问防御，其中，其他云端系统用于表示与云端数据子系统具有相同功能的云端系统。
优选地，云端数据子系统还用于通过4G/5G/NBIoT网络与移动设备进行数据交互，在移动设备显示末端智能终端的状态情况。
优选地，传输层子系统包括数据压缩模块、协议转换与加密模块、数据统计模块、数据缓存模块；
传输层子系统还用于将云端数据子系统、硬件感知子系统的系统数据，通过数据压缩模块进行数据压缩，并根据协议转换与加密模块进行数据加密后，进行系统间的数据交互；
数据缓存模块用于存储云端数据子系统、硬件感知子系统的系统数据。
优选地，传输层子系统还用于在数据缓存模块，输入其他云端系统生成的故障诊断策略和协议与数据访问防御策略，通过分别与云端数据子系统、硬件感知子系统进行数据交互，进行策略更新与学习。
本发明公开了以下技术效果：
本系统以云边结合的架构体系实现整体交互式AI系统，为智能智造提供数据支撑，为保护云控应用系统线路安全以及末端云控应用系统设备安全提供预先预知的保障，将隐患消除在未然。
云平台通过对硬件感知层上传的标签数据进行云平台学习，建立各个末端云控应用系统设备/传输线的数学模型，并将自学习参数下发到硬件感知层。使得硬件感知层基于边缘计算快速通过预先建立好的自学习模型感知云控应用系统设备的老化情况，做到云控应用系统故障的提前预知。
云平台通过统计硬件感知层的抽象化的标签数据，更好的做出数据抽象呈现，将云平台中有用有效的信息做出提取呈现，相比完全由平台做抽象的云，能更加好的利用4G/5G/NBIoT高速低延迟的网络优势，将更有效的数据以实时的方式呈现，提高了系统整体的实时性，快速反应能力。
云平台通过开放的云对云，云对设备协议接口，使得其他用户，其他平台能快速的进行数据对接，结和自身需求，进一步的挖掘数据价值。
硬件感知层通过实时高速采集电压，电流，漏电流等云控应用系统参数，结合波形判读技术，基于边缘计算的自学习模型计算(参数来自于云端云平台自学习)，做到精确识别末端智能终端的云控应用系统数据，判断电弧故障等典型故障，为云控应用系统安全保护提供有效的支撑。同时也采集温度，等参数，结和环境参数感知以及云控应用系统数据参数，做到对云控应用系统线路故障的提前预知，并将这些数据抽象化，标签化，传输到云端自学习系统。
传输层的4G/5G/NBIoT的低传输延迟成为本整体交互式AI系统的关键部分。能将感知层的大量标签数据实时上传到云，同时云能将自学习参数实时的发送到感知层，4G/5G/NBIoT的低延迟和云平台量为云边结和系统的快速反应，自学习AI的训练，提供了有力支撑。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所述的系统架构图。
具体实施方式
下为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的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。
如图1所示，本发明提供了一种云端边端数据交互的智能识别防御系统，包括：
硬件感知子系统，用于通过采集末端智能终端的云控应用系统参数波形数据，根据基于边缘计算的自学习模型，识别末端智能终端的故障，并对末端智能终端进行协议与数据访问防御，其中，云控应用系统参数波形数据至少包括电压波形数据、电流波形数据、温度波形数据、漏电波形数据；
云端数据子系统，用于根据硬件感知子系统的云控应用系统参数波形数据，以及自学习模型的识别策略和防御策略，对末端智能终端进行故障预测，并生成自学习模型的输入数据；
传输层子系统，用于将硬件感知子系统采集云控应用系统参数波形数据，通过4G/5G/NBIoT高速低延迟技术传输到云端数据子系统，以及将云端数据子系统的输入数据，通过4G/5G/NBIoT高速低延迟技术传输到硬件感知子系统。
进一步优选地，自学习模型包括：先验限制模型，用于通过采集末端智能终端的最佳工作曲线、智能终端防御规律以及智能终端性能特性曲线，对强化学习智能体的执行者网络进行限制；
环境模型，用于对云控应用系统参数波形数据进行分布式计算，获取末端智能终端的状态观测量；
强化学习智能体，用于根据状态观测量生成并向末端智能终端输出防御指令。
进一步优选地，强化学习智能体用于表示学习了智能终端防御策略和协议与数据访问管理策略的深度确定性策略梯度智能体，使用一个具有参考和防御这两个输入和一个输出的深度神经网络作为评价者网络，并使用具有一个参考输入和一个防御输出的深度神经网络作为执行者网络。
云端数据子系统还用于通过与其他云端系统进行数据交互，学习其他云端系统的故障诊断策略和协议与数据访问防御策略，并根据自学习模型的识别策略和防御策略，生成新的识别策略和防御策略，并对自学习模型进行策略更新，其中，其他云端系统用于表示与云端数据子系统具有相同功能的云端系统。
进一步优选地，强化学习智能体用于表示学习了智能终端防御策略和协议与数据访问管理策略的深度确定性策略梯度智能体，使用一个具有参考和防御这两个输入和一个输出的深度神经网络作为评价者网络，并使用具有一个参考输入和一个防御输出的深度神经网络作为执行者网络。
云端数据子系统还用于将云控应用系统参数波形数据传输到其他云端系统进行识别，获取其他云端系统生成的故障诊断策略和协议与数据访问防御策略，并根据自学习模型的识别策略和防御策略，生成新的识别策略和防御策略，对末端智能终端进行故障识别，以及对末端智能终端进行协议与数据访问防御，其中，其他云端系统用于表示与云端数据子系统具有相同功能的云端系统。
进一步优选地，云端数据子系统还用于通过4G/5G/NBIoT网络与移动设备进行数据交互，在移动设备显示末端智能终端的状态情况。
进一步优选地，传输层子系统包括数据压缩模块、协议转换与加密模块、数据统计模块、数据缓存模块；
传输层子系统还用于将云端数据子系统、硬件感知子系统的系统数据，通过数据压缩模块进行数据压缩，并根据协议转换与加密模块进行数据加密后，进行系统间的数据交互；
数据缓存模块用于存储云端数据子系统、硬件感知子系统的系统数据。
进一步优选地，传输层子系统还用于在数据缓存模块，输入其他云端系统生成的故障诊断策略和协议与数据访问防御策略，通过分别与云端数据子系统、硬件感知子系统进行数据交互，进行策略更新与学习。
工业物联网系统正常及异常运行有五种状态:正常运行状态、警戒状态、紧急状态、系统崩溃、恢复状态。(1)正常运行状态。在正常运行状态下,工业物联网系统中总的有功和元功出力能与负荷总的有功和无功的需求达到平衡；工业物联网系统的频率和各母线电压在正常运行的允许范围内；各电惊设备和输变电设备又均在额定范围内运行,系统内的发电和输变电设备均有足够的备用容量。此时,系统不仅能以电压和频率质量均合格的云控应用系统满足负荷用电的需求,而且还具有适当安全的储备,能承受正常的扰动(如断开一条线路或停止一台发电机)所造成的有害的后果(如设备过载等)。电网调度中心的任务就是使系统维持在正常运行状态。对工业物联网系统中每时每刻变化的负荷,调节发电机的出力,使之与负荷的需求相适应,以保证云控应用系统的质量。同时,还应在保证安全的条件下,实现工业物联网系统的经济运行。(2)警戒状态。工业物联网系统受到灾难性扰动的机会不太多,大量的情况是在正常状态下由于一系列不大的扰动的积累,使工业物联网系统总的安全水平逐渐降低,以致进入警戒状态。在警戒状态下,虽然电压、频率等都在容许范围内。但系统的安全储备系数大大减少了,对于外界扰动的抵抗能力削弱了。当发生一些不可预测的扰动或负荷增长到一定程度,就可能使电压、频率的偏差超过容许范围,某些设备发生过载,使系统的安全运行受到别胁。电网调度自动化系统,要随时监测系统的运行情况,并通过静态安全分析、暂态安全分析等应用软件,对系统的安全水平作出评价。当发现系统处于警戒状态时,及时向调度人员作出报告,调度人员应及时采取预防性防御措施,如增加和调整发电机出力、调整负荷、改变运行方式等,使系统尽快恢复到正常状态。(3)紧急状态。若系统处于警戒状态时,调度人员没有及时采取有效的预防性措施,一旦发生一个足够严重的扰动(例如发生短路故障或一台大容量机组退出运行等),那么,系统就要从警戒状态进入紧急状态。这时可能造成某些线路的潮流或系统中其他元件的负荷超过极限值,系统的电压或频率超过或低于允许值。这时电网调度自动化系统就担负着特别重要的任务,它向调度人员发出一系列的告警信号,调度人员根据CRT或模拟屏的显示,掌握系统的全局运行状态,以便及时地采取正确而有效的紧急防御措施,尽可能使系统恢复到警戒状态,或进而恢复到正常状态。(4)系统崩溃。在紧急状态下,如果不及时采取适当的防御措施,或者措施不够有效,或者因为扰动及其产生的连锁反应十分严重,则系统可能因失去稳定而解列成几个系统。此时,由于出力和负荷的不平衡,不得不大量的切除负荷及发电机,从而导致全系统的崩溃。系统崩溃后,要尽量利用调度自动化系统提供的手段,了解崩溃后的系统状况,采取各种措施,使已崩溃的电网逐步的恢复起来。(5)恢复状态。系统崩溃后,整个工业物联网系统可能已解列为几个小系统,并且造成许多用户大面积的停电和许多发电机的紧急停机。此时,要采取各种恢复出力和送云控应用系统力的措施,逐步对用户恢复供电。使解列的小系统逐步地并列运行。使工业物联网系统恢复到正常状态或警戒状态。
本系统以云边结合的架构体系实现整体交互式AI系统，为智能智造提供数据支撑，为保护云控应用系统线路安全以及末端云控应用系统设备安全提供预先预知的保障，将隐患消除在未然。
云平台通过对硬件感知层上传的标签数据进行云平台学习，建立各个末端云控应用系统设备/传输线的数学模型，并将自学习参数下发到硬件感知层。使得硬件感知层基于边缘计算快速通过预先建立好的自学习模型感知云控应用系统设备的老化情况，做到云控应用系统故障的提前预知。
云平台通过统计硬件感知层的抽象化的标签数据，更好的做出数据抽象呈现，将云平台中有用有效的信息做出提取呈现，相比完全由平台做抽象的云，能更加好的利用4G/5G/NBIoT高速低延迟的网络优势，将更有效的数据以实时的方式呈现，提高了系统整体的实时性，快速反应能力。
云平台通过开放的云对云，云对设备协议接口，使得其他用户，其他平台能快速的进行数据对接，结和自身需求，进一步的挖掘数据价值。
硬件感知层通过实时高速采集电压，电流，漏电流等云控应用系统参数，结合波形判读技术，基于边缘计算的自学习模型计算(参数来自于云端云平台自学习)，做到精确识别末端智能终端的云控应用系统数据，判断电弧故障等典型故障，为云控应用系统安全保护提供有效的支撑。同时也采集温度，等参数，结和环境参数感知以及云控应用系统数据参数，做到对云控应用系统线路故障的提前预知，并将这些数据抽象化，标签化，传输到云端自学习系统。
传输层的4G/5G/NBIoT的低传输延迟成为本整体交互式AI系统的关键部分。能将感知层的大量标签数据实时上传到云，同时云能将自学习参数实时的发送到感知层，4G/5G/NBIoT的低延迟和云平台量为云边结和系统的快速反应，自学习AI的训练，提供了有力支撑。
云平台应用：
工厂客户可本地结合生产工艺数据，从本平台获取标签数据，分析各个末端设备的使用情况，分析各个产线车间的工作情况，为更好的AI智能制造提供核心的数据支持。
硬件感知层首先实现的是一个优秀的微型断路器，载流部件全部采用表面镀银无氧铜，触头采用银合金材质，大大降低整体电阻，减少云控应用系统损耗，为节能做出贡献。同时通过优秀的结构设计，灭弧室设计，对断路器的分断能力提供了保证，实现快速有效灭弧，大电流分断，以最快速的分断速度做到最高的电流分断等级。
微型断路器结和各个传感器，动作机构，保护电路，边缘计算MCU，集成在超小型的结构中，对结构设计，驱动机构小型化，传感器设计，结构中强弱电走线布局提出了很高的挑战。
由于是集合了多传感器，多功能的小型化设备，也对自动生产设备提出了高要求，我们结合自身需求，设计制造了多种针对各个环节的自动校准机台，对断路器的运行，数据精度提供了有效保证。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (6)
1.一种云端边端数据交互的智能识别防御系统，其特征在于，包括：硬件感知子系统，用于通过采集末端智能终端的云控应用系统参数波形数据，根据基于边缘计算的自学习模型，识别所述末端智能终端的故障，并对所述末端智能终端进行协议与数据访问防御，其中，所述云控应用系统参数波形数据至少包括电压波形数据、电流波形数据、温度波形数据、漏电波形数据；
云端数据子系统，用于根据所述硬件感知子系统的云控应用系统参数波形数据，以及所述自学习模型的识别策略和防御策略，对所述末端智能终端进行故障预测，并生成所述自学习模型的输入数据；
所述自学习模型包括：先验限制模型，用于通过采集所述末端智能终端的最佳工作曲线、智能终端防御规律以及智能终端性能特性曲线，对强化学习智能体的执行者网络进行限制；
环境模型，用于对所述云控应用系统参数波形数据进行分布式计算，获取所述末端智能终端的状态观测量；
强化学习智能体，用于根据所述状态观测量生成并向所述末端智能终端输出防御指令；
所述强化学习智能体用于表示学习了智能终端防御策略和协议与数据访问管理策略的深度确定性策略梯度智能体，使用一个具有参考和防御这两个输入和一个输出的深度神经网络作为评价者网络，并使用具有一个参考输入和一个防御输出的深度神经网络作为执行者网络；
传输层子系统，用于将所述硬件感知子系统采集所述云控应用系统参数波形数据，通过4G/5G/NBIoT高速低延迟技术传输到所述云端数据子系统，以及将所述云端数据子系统的所述输入数据，通过4G/5G/NBIoT高速低延迟技术传输到所述硬件感知子系统。
2.根据权利要求1所述一种云端边端数据交互的智能识别防御系统，其特征在于：
所述云端数据子系统还用于通过与其他云端系统进行数据交互，学习所述其他云端系统的故障诊断策略和协议与数据访问防御策略，并根据所述自学习模型的识别策略和防御策略，生成新的识别策略和防御策略，并对所述自学习模型进行策略更新，其中，所述其他云端系统用于表示与所述云端数据子系统具有相同功能的云端系统。
3.根据权利要求1所述一种云端边端数据交互的智能识别防御系统，其特征在于：
所述云端数据子系统还用于将所述云控应用系统参数波形数据传输到其他云端系统进行识别，获取所述其他云端系统生成的故障诊断策略和协议与数据访问防御策略，并根据所述自学习模型的识别策略和防御策略，生成新的识别策略和防御策略，对所述末端智能终端进行故障识别，以及对所述末端智能终端进行协议与数据访问防御，其中，所述其他云端系统用于表示与所述云端数据子系统具有相同功能的云端系统。
4.根据权利要求2-3中任一权利要求所述一种云端边端数据交互的智能识别防御系统，其特征在于：
所述云端数据子系统还用于通过4G/5G/NBIoT网络与移动设备进行数据交互，在所述移动设备显示所述末端智能终端的状态情况。
5.根据权利要求4所述一种云端边端数据交互的智能识别防御系统，其特征在于：
所述传输层子系统包括数据压缩模块、协议转换与加密模块、数据统计模块、数据缓存模块；
所述传输层子系统还用于将所述云端数据子系统、所述硬件感知子系统的系统数据，通过所述数据压缩模块进行数据压缩，并根据所述协议转换与加密模块进行数据加密后，进行系统间的数据交互；
所述数据缓存模块用于存储所述云端数据子系统、所述硬件感知子系统的所述系统数据。
6.根据权利要求5所述一种云端边端数据交互的智能识别防御系统，其特征在于：
所述传输层子系统还用于在所述数据缓存模块，输入所述其他云端系统生成的故障诊断策略和协议与数据访问防御策略，通过分别与所述云端数据子系统、所述硬件感知子系统进行数据交互，进行策略更新与学习。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111654103.6A CN114338743B (zh) | 2021-12-30 | 2021-12-30 | 一种云端边端数据交互的智能识别防御系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111654103.6A CN114338743B (zh) | 2021-12-30 | 2021-12-30 | 一种云端边端数据交互的智能识别防御系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114338743A CN114338743A (zh) | 2022-04-12 |
| CN114338743B true CN114338743B (zh) | 2023-06-20 |
Family
ID=81019463
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111654103.6A Active CN114338743B (zh) | 2021-12-30 | 2021-12-30 | 一种云端边端数据交互的智能识别防御系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114338743B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115603999A (zh) * | 2022-10-12 | 2023-01-13 | 中国电信股份有限公司（Cn） | 容器安全防护方法、装置、设备及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113836796A (zh) * | 2021-09-08 | 2021-12-24 | 清华大学 | 一种基于云边协同的配电物联网数据监测系统及调度方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111736566A (zh) * | 2019-03-25 | 2020-10-02 | 南京智能制造研究院有限公司 | 一种基于机器学习与边缘计算的远程设备健康预测方法 |
| CN112162849A (zh) * | 2020-08-28 | 2021-01-01 | 中冶华天工程技术有限公司 | 云与边缘计算协同的装备智能管控系统及方法 |
| CN112947290B (zh) * | 2021-05-16 | 2021-08-20 | 北京赛博联物科技有限公司 | 基于边云协同的设备状态监测方法、监测系统及存储介质 |
| CN113297957A (zh) * | 2021-05-24 | 2021-08-24 | 国网上海市电力公司 | 一种基于边缘计算的用电特征波形提取及分析架构 |
| CN113660348A (zh) * | 2021-09-15 | 2021-11-16 | 南京思辨力电子科技有限公司 | 一种物联网系统架构及其终端设备 |
-
2021
- 2021-12-30 CN CN202111654103.6A patent/CN114338743B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113836796A (zh) * | 2021-09-08 | 2021-12-24 | 清华大学 | 一种基于云边协同的配电物联网数据监测系统及调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114338743A (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102237720B (zh) | 一种电网安全分析、预警及控制方法 | |
| Falahati et al. | Reliability modeling and evaluation of power systems with smart monitoring | |
| CN107942255B (zh) | 一种基于数据融合技术的变电站蓄电池组状态评估方法 | |
| Negnevitsky et al. | Development of an intelligent system for preventing large-scale emergencies in power systems | |
| CN108923531A (zh) | 一种基于大数据的电网调度告警监视系统 | |
| CN114338743B (zh) | 一种云端边端数据交互的智能识别防御系统 | |
| CN116155956B (zh) | 一种基于梯度决策树模型的多路复用通信方法及系统 | |
| Su et al. | Performance evaluation of multiagent systems for navy shipboard power system restoration | |
| CN111049131A (zh) | 一种地区电网在线故障处置预案生成方法及系统 | |
| US11609808B2 (en) | Determination of a reliability state of an electrical network | |
| CN106779443B (zh) | 电力调度中的操作风险确定方法和装置 | |
| CN106992518A (zh) | 基于态势感知的电网智能控制方法及监控终端系统 | |
| Akula et al. | Comparision of traditional and fuzzy failure mode and effects analysis for smart grid electrical distribution systems | |
| CN113708489B (zh) | 一种电力二次设备告警方法及系统 | |
| CN113902316A (zh) | 一种电网故障处置预案生成方法及系统 | |
| CN114825625A (zh) | 一种电池储能电站运维系统及方法 | |
| Samet et al. | Early Warning System Based On Power System Steady State and Dynamic Security Assessment. | |
| Guan et al. | Grid monitoring and market risk management | |
| CN111369172A (zh) | 电力系统负荷保电控制方法、系统、设备和存储介质 | |
| Singh et al. | Distributed health monitoring system for control in smart grid network | |
| CN117335578B (zh) | 一种用于低压配电的合环转电的检测与调控系统 | |
| CN113742016B (zh) | 告警信号展示方法、装置及存储介质 | |
| Alam et al. | IoT-Based Power Monitoring and Management System of a Distribution Substation | |
| Wu et al. | A fault diagnosis system for power grid based on multi-source information fusion | |
| Cai et al. | Reliability assessment of monitoring device for mechanical failure of high voltage circuit breaker based on FTA |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |