CN115225675A - 一种基于边缘计算的充电场站智能运维的系统 - Google Patents

Abstract

本发明涉及充电场站智能运维技术领域，公开了一种基于边缘计算的充电场站智能运维的系统，包括相互连接的终端设备、边缘网关和边缘服务器；终端设备，用于采集充电场站的数据；边缘网关，用于接入终端设备以及进行轻量级的边缘计算；边缘服务器，用于接入终端设备后，提供边缘计算服务处理终端设备数据并上传数据至云平台。本发明能够提高事件处理的及时性，提高充电站运维智能化水平和运维效率。本发明采用边缘计算模式，所有数据直接在充电站局域网络进行传输和处理，无需将充电站内设备产生的所有数据传输到云平台进行处理和分析，这样减少了网络和服务器的压力。

Description

一种基于边缘计算的充电场站智能运维的系统

技术领域

本发明涉及电场站智能运维技术领域，具体地说，是一种基于边缘计算的充电场站智能运维的系统。

背景技术

随着国内电动汽车的快速普及，越来越多的充电设施、充电场站也不断的建设并投入使用。随着充电设备的多增多，充电站运营过程中遇到的各类问题也不断增多，如充电站配电侧异常、充电桩故障、充电站配套设施运行异常(如摄像头、场站道闸等)，如果问题得不到及时有效解决，将直接影响用户充电体验，降低充电桩运营效率。

当前国内充电站主要的运维模式是采用人工巡检发现设备异常或者通过智能设备将故障信息直接上报到云平台，通过云平台发放运维检修工单的模式派遣运维人员到现场排查问题、维修或更换设备。但由于受充电站网络带宽限制、充电站数量的越来越多，运维云平台所承担的数据分析压力愈来愈大，无法对故障进行实时分析和处理，导致充电设施运维人员无法第一时间对设备进行检修与改进，严重影响了充电站的运营效率。传统的充电站运维系统主要是对充电桩的数据进行实时采集，采用“互联网+传统巡检”模式在云平台上对充电桩进行统一管理、统一监控，具备基本的实时故障告警、多层级可视化管理、智能监控等功能，一旦充电桩发生故障，触发预设的报警阈值，平台可以通过微信、短信等形式自动向维修人员实时发送充电桩故障告警信息，将巡检、维修的任务形成工单实时派送给维修人员，维修人员通过运维检修APP进行接单、快速定位充电站，进行问题排查、设备维修、更换，及时恢复设备运行正常，保障充电桩正常使用。运维人员完成故障处理后，可通过运维检修APP软件，对检修工单进行完善，记录故障原因、检修流程、检修结果等信息，最终完成工单。

现有的充电站运维模式中，存在以下缺点：随着运维平台接入电站及相关设备的种类、数量及规模越来越大，充电站网络需求愈来愈高，特别是充电站桩AI视频类分析需求，需要大量的视频数据，对网络带宽需求极高，从而使网络通信支出的费用不断攀升。充电站内的监控数据、充电数据、环境感知数据，通过网络传输到云平台统一处理，在数据量巨大、网络环境差的情况下具有一定的延迟，无法满足真正的实时处理。大量数据充电数据、场站环境数据通过公网传输到云平台路径较长，容易出现数据丢失或者泄露等风险，而且大量数据存在云平台会给云平台带来极大的资源消耗。

因此本发明基于“计算下沉、边终端赋能”的思路，在充电站部署边缘计算服务器及配套边缘网关，采集充电站的视频数据、环境数据、充电设施数据和智能地锁状态等信息。利用边缘计算服务器AI分析能力，识别充电站内各类异常和故障，联动产生声光、语音、消息告警等数据，并推送至运维云平台，从而提高事件处理的及时性，提高充电站运维智能化水平和运维效率。

发明内容

本发明的目的在于提供一种基于边缘计算的充电场站智能运维的系统，针对现有运维管理系统存在的不足进行改进。

本发明通过下述技术方案实现：一种基于边缘计算的充电场站智能运维的系统，包括相互连接的终端设备、边缘网关和边缘服务器；

终端设备，用于采集充电场站的数据；

边缘网关，用于接入终端设备以及进行轻量级的边缘计算；

边缘服务器，用于接入终端设备后，提供边缘计算服务处理终端设备数据并上传数据至云平台。

为了更好地实现本发明，进一步地，所述通用设备包括空调控制设备、配电台区设备、机房监控设备、充电桩和智能开关；

所述通用设备通过边缘网关进行统一接入和控制，最终汇聚到边缘服务器上进行存储和分析。

为了更好地实现本发明，进一步地，所述边缘网关包括设备接入层、基础服务层、数据服务层、边缘计算层和对外服务层；

所述设备接入层用于提供终端设备的接入管理能力；

所述基础服务层用于提供平台运行所需的基础服务和组件；

所述数据服务层用于提供数据的存储和分析能力；

所述边缘计算层用于提供边缘网关边缘计算能力；

所述对外服务层用于提供云平台接入和边终端服务器接入功能，确保边缘网关能和云平台和本地边缘服务器进行通信。

为了更好地实现本发明，进一步地，所述边缘网关的架构分为采集层、数据中心层和转发层；

所述采集层用于终端设备的数据采集和控制；

所述数据中心层用于终端设备的数据存储和读取；

所述转发层用于云平台数据转发和边缘服务器数据转发，实现云平台数据和本地的边缘服务器数据的同步，所述转发层通过逻辑双通道来实现云平台数据和边缘服务器数据的数据传输。

为了更好地实现本发明，进一步地，所述边缘服务器包括安全模块、消息总线模块、管理模块、云原生中间件模块、LOT中间件模块、容器服务模块、操作模块和硬件适配模块；

所述管理模块包括边缘服务器管理单元、设备接入单元、物模型管理单元、设备管理单元、应用管理单元和算法任务管理单元；

所述所述算法任务管理单元用于提供充电场站的边缘计算能力，并供视频设备配置算法，处理视频数据，同时提供算法服务，支撑对算法任务的管理。

为了更好地实现本发明，进一步地，所述算法任务管理模块提供边缘计算服务的卸载算法，所述卸载算法用于人脸识别、车流统计通用目标监测、车牌识别中；

在所述卸载算法中，将计算任务定义为(w_k,S_k),其中W_k表示完成计算任务所需要的CUP周期数，S_k表示计算输入数据的大小；

将本地的边缘服务器执行的计算延迟和能量消耗定义为W_k和S_k的函数：

其中，

和

分别代表本地的边缘服务器计算造成的延迟和能量消耗，f_k是对终端设备ED_k计算能力的建模，f_k是指设备每秒钟执行的CPU周期数，过程中消耗的能量与CPU周期数成正比，比例系数为ρ；

和

分别代表数据传输造成的延迟和能量消耗，表示为:

r_k代表通信传输速率，p_k代表ED_k的数据传输功率；

通过比较算法任务在云平台、边缘服务器、终端设备上执行的延迟和能量消耗做对比，采用二进制卸载方式执行卸载算法。

本发明与现有技术相比，具有以下优点及有益效果：

(1)本发明采用边缘计算模式，所有数据直接在充电站局域网络进行传输和处理，无需将充电站内设备产生的所有数据传输到云平台进行处理和分析，这样减少了网络和服务器的压力；

(2)大部分充电站设备都是通过公网与云平台通讯，通过减少数据在传输过程中花费的时间，本发明使用边缘计算提高了应用程序的速度和响应能力；

(3)本发明中设置的边缘服务器更加靠近终端设备，基本都在同一局域网内，数据传输更安全，能更加安全的保护用户的充电数据；

(4)本发明使用的边缘计算聚焦实时、短周期数据的分析，能够更好地支撑充电业务的实时智能化处理与执行。

附图说明

本发明结合下面附图和实施例做进一步说明，本发明所有构思创新应视为所公开内容和本发明保护范围。

图1为本发明提供的一种基于边缘计算的充电场站智能运维的系统中系统结构示意图。

图2为本发明提供的一种基于边缘计算的充电场站智能运维的系统中边缘网关结构示意图。

图3为本发明提供的一种基于边缘计算的充电场站智能运维的系统中边缘网关逻辑架构示意图。

图4为本发明提供的一种基于边缘计算的充电场站智能运维的系统中边缘网关数据流转示意图。

图5为本发明提供的一种基于边缘计算的充电场站智能运维的系统中边缘服务器的功能架构示意图。

具体实施方式

为了更清楚地说明本发明实施例的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，应当理解，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，因此不应被看作是对保护范围的限定。基于本发明中的实施例，本领域普通技术工作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，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“设置”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；也可以是直接相连，也可以是通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1：

本实施例的一种基于边缘计算的充电场站智能运维的系统，如图1所示，包括相互连接的终端设备、边缘网关和边缘服务器；终端设备，用于采集充电场站的数据；边缘网关，用于接入终端设备以及进行轻量级的边缘计算；边缘服务器，用于接入终端设备后，提供边缘计算服务处理终端设备数据并上传数据至云平台。本发明能够提高事件处理的及时性，提高充电站运维智能化水平和运维效率。本发明采用边缘计算模式，所有数据直接在充电站局域网络进行传输和处理，无需将充电站内设备产生的所有数据传输到云平台进行处理和分析，这样减少了网络和服务器的压力。

实施例2：

本实施例在实施例1的基础上做进一步优化，充电站边缘计算需求包括充电站场站运维主要包含环境数据采集分析、充电站视频分析、云边数据同步等需求。

边缘计算包含边缘服务器和边缘网关两个部分，在充电站环境数据分析中，现场的充电桩、车位、场站智能设备等设施的监测数据需通过边缘网关转发或者直接传输到边缘服务器，为边缘服务器中的边终端应用和边终端分析提供实时数据支撑。

边缘服务器需要根据实时监控视频，实现场站内停车占位、烟火告警、设备损毁、非法入侵等AI分析功能，并可以通过边缘应用联动现场声光设备实现自动报警，同时以消息和短信的方式通知相关管理人员。使用边缘计算能够减少响应时间，同时，把部分计算任务从云平台卸载到边缘之后，整个系统对能源的消耗减少了30％-40％，此外数据在整合、迁移等方面可以减少20倍的时间。

通过云边协同服务实时保持边缘服务器的业务数据、应用状态数据、设备状态数据等信息与运维云平台同步，保持不同站点边终端应用、配置文件等的一致性。

本实施例的其他部分与上述实施例1相同，故不再赘述。

实施例4：

本实施例在上述实施例1或2的基础上做进一步优化，在充电场站中，进行边缘计算功能设计充电场站边缘计算是在靠近场站终端设备和数据源头的边缘侧，融合网络、计算、存储、应用核心能力的分布式开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。它可以作为联接物理和数字世界的桥梁，使能智能资产、智能网关、智能系统和智能服务。

如图1所示，边缘计算包含边缘服务器和智能网关两个部分，场站边缘计算主要由终端设备、边缘网关和边缘服务器组成。将终端设备分为两类，第一类属于通用设备，包括空调控制设备、照明设备、场站台区、环境设备、充电桩、配电台区设备、机房监控设备、智能开关等。第二类属视频设备。通用设备通过边缘网关进行统一接入和控制，最终汇聚到本地的边缘服务器上进行存储和分析。边缘服务器是场站边缘计算服务配套的硬件之一，提供了整个场站边缘计算能力，并且可以进行实时视频流分析。

如图2所示为边缘网关的计算架构，边缘网关可以实现场站终端设备的接入能力，还可以实现轻量级的边缘计算能力，主要包含5层功能体系，分别为对外服务层，边缘计算层，数据服务层，基础服务外层和设备接入层，用于提供安全和运维模块。

其中，设备接入层，用于提供终端设备的接入管理能力，网关设备提供多种硬件接口，如485/232、HPLC、以太网、Lora等，可以实现对场站道闸、空调、照明、智能开关、配电台区、充电桩等终端设备的接入，通过采集APP实现对设备数据的采集、设备监控和控制指令下发。

基础服务层包括基础库、协议库和消息服务库，用于提供平台运行所需的基础服务和组件，如容器引擎、进程运行时、协议解析库、消息服务等。其中，协议库可以支持modbus协议解析、376.1/2协议解析、645协议解析、充电桩协议解析等。将解析后的数据在数据服务层中进行存储和分析。

数据服务层，用于提供数据的存储和分析能力，包括存储服务、流式计算、大数据分析等。

边缘计算层，提供边缘网关边缘计算能力，实现多种不同功能的边缘计算APP，如电池安全监测、动态功率分配、充电枪推荐、充电桩状态检测、开关控制、烟火告警等。

对外服务层，用于提供云平台接入和边终端服务器接入功能，确保网关能和云平台和边缘服务器进行通信。

本实施例的其他部分与上述实施例1-2任一项相同，故不再赘述。

实施例4：

本实施例在上述实施例1-3任一项基础上做进一步优化，如图3所示为边缘网关逻辑架构图，场站网关逻辑架构主要分为下行采集、存储、上行转发三层，并通过MQTT模块关联，各部分通过MQTT实现信息交互。采集层(采集类APP)负责终端设备数据采集和控制，数据中心层(数据中心)负责数据存储和读取，转发层(转发类APP)包含云平台数据转发功能和边缘服务器数据转发功能，实现数据上云和本地数据同步，转发层通过逻辑双通道来实现云平台数据和边缘服务器数据的数据传输。

如图4所示，采集APP通过各类通信接口与终端设备进行通信，并将终端设备回复消息进行协议解析，提取出实际业务数据后存储到数据中心中，转发APP根据场站终端设备的物模型，从数据中心中获取所需数据信息，并发送给云平台主站和边终端服务器。各APP之间通过内部MQTT总线进行交互，服务质量根据不同的主题需求，一般选择至少一次和之多一次两种。

边缘服务器通过实现主机详情、运维告警、系统事件、应用管理、远程运维等模块提供本地和云平台管理边缘服务器的功能，其中：

主机详情：查看和管理主机的基本信息、监控信息。

运维告警：基于预置的告警规则，系统及时监控边缘服务器的主机、应用软件，并在本地控制台展示或上报云平台平台。

系统事件：通过系统事件，可以及时查看边缘主机、应用软件、终端设备等的运行动态。

远程运维：向云平台提供远程运维模块，实现云平台远程系统级操作边缘服务器的功能。

本实施例的其他部分与上述实施例1-3任一项相同，故不再赘述。

实施例5：

本实施例在上述实施例1-4任一项基础上做进一步优化，如图5所示，在边缘服务器中，场站网关将终端设备数据接入边缘服务器后，边缘服务器可以实现终端设备数据和视频流的采集、流转、存储、分析和上报数据至云平台。提供容器服务、边缘函数计算，方便场景编排和业务扩展。提供云原生中间件和IoT中间件实现边缘服务器管理、设备接入、设备管理、物模型管理、应用管理、算法任务管理等功能，达到对场站业务应用支撑的目的。云原生中间件包括RabitMQ、MQTT、Kafka、MongDB、Elastic、Mysql、flink、Redis等主流的软件。IoT中间件包括视频协议、物模型组件、接入SDK、MQTT消息服务等。

边缘服务器支持通用设备和视频设备，两种类型设备的接入。

通用设备接入过程中：场站网关完成对通用设备的接入，通用设备包括场站道闸、空调、照明、智能开关、万能断路器、充电桩、智能地锁等，场站网关按照父子设备的关系在边缘服务器中进行注册，并将终端设备采集数据上报给边缘服务器，边缘服务器也可以下发控制指令给网关，对终端设备进行控制。

视频设备接入过程中：边缘服务器支持NVR(Network Video Recorder)和IPC(IPCamera)两种类型视频设备。可以使用视频流接入服务来接入视频设备，并将数据发送至云平台。NVR设备，是指网络视频存储设备，支持标准通信协议。IPC设备，是指网络摄像头设备。目前支持ONVIF协议、国标GB/T28181协议、部分主流摄像头厂商私有视频流接入协议等。

充电场站物模型管理是对充电场站行业物联体系中各类实体终端(如电能表、智能开关、温湿度传感器、空调、道匝等)属性、拓扑关系、采集量在充电场站中的数字化表示。场站信息模型从属性、消息和服务三个维度，分别描述了该模型实体自身信息、提供的信息和服务，用于规范充电场站场景中各类应用和物联网平台、边缘物联代理、边缘服务器的数据逻辑模型创建、APP规范开发，数据信息交换，以及设备与业务应用系统的数据关联关系等。

设备管理是对场站网关设备及子设备的管理，主要包括边缘网关管理、状态监控、设备影子功能。

边缘网关管理：网关设备的名称、状态、创建时间、IP地址等设备的基础信息进行显示和设置，远程通过云平台或边缘服务器进行固件升级。

状态监控：网关、子设备设备上下线状态监控。设备接入边缘服务器，设备状态显示为在线；设备下线，即设备终端断开与边缘服务器的连接，设备状态显示为离线。

设备影子：用于缓存设备状态。设备在线时，可以直接获取边缘服务器指令；设备离线时，上线后可以主动拉取边缘服务器指令。

应用管理功能标准化应用的创建、编辑、版本管理和配置，并通过应用实例的方式，管理分配到边缘网关的应用。场站网关根据应用的运行状态，将应用分为容器应用和进程应用。

容器应用：以Docker容器形式运行在边缘网关中的应用，使用Kubernetes技术进行管理。容器应用以应用实例的方式，部署到边缘网关。容器应用特点是以容器方式在云平台和边缘服务器终端进行托管，帮助企业实现云边应用协同和边边应用协同的业务。

进程应用：以进程方式运行在边缘网关中的应用，由边缘框架中的二进制运行时提供管理。进程应用分配到边缘网关后，通过边缘服务器远程部署流程下发到边缘终端。进程应用特点是支持云平台或边缘服务器终端应用托管，可随时通过云平台和边终端热部署到边缘一体机中运行。

本实施例的其他部分与上述实施例1-4任一项相同，故不再赘述。

实施例6：

本实施例在上述实施例1-5任一项基础上做进一步优化，在本实施例中，物联边缘服务器提供算法应用，供视频设备配置算法，处理视频数据。同时提供算法服务，支撑对算法任务的管理。

算法应用：当前提供四大类算法应用，包括人脸识别、车流统计通用目标监测、车牌识别。每个算法应用下包含一个或多个算法模型，处理或分析视频设备数据。人脸识别适用于人脸识别场景，例如主要出入口人脸识别场景。车流统计适用于在主要出入口和通道，根据汽车通过数量，检测汽车经过次数(即车流量)的场景。通用目标检测包含车位占用、消防通道占用、人群聚集、区域入侵、垃圾检测、安全帽检测、火焰检测等通用算法模型，适用于设定检测目标，并展示检测结果的场景。车辆车牌识别适用于车辆数量、车牌号识别等场景，例如场站出入口检测。

算法服务：在为设备配置算法应用后，可以通过算法服务辅助管理算法，包含事件中心、检索服务、基础库服务三个算法服务。事件中心汇总了所有算法任务的分析事件结果，提供按照时间、视频设备、算法应用等条件，检测全部算法任务事件。检索服务提供人脸、人体、车辆车牌等结构化条件的检索服务。基础库服务提供人脸识别算法的图片基础库。

卸载算法的使用：充电站内包含图片识别、电池安全、功率分配、暗火消防等各类算法应用，在特定环境和特定时间并不是所有的算法都适合在边缘服务器上运行，怎样使得算法执行延迟时间最小化，能量消耗最少。本实施例中通过卸载算法来实现，计算卸载的两个最重要的决策目标分别是时间和能耗。

计算任务的不同定义影响目标函数的构建。将计算任务定义为(w_k,S_k),其中W_k表示完成计算任务所需要的CUP周期数，S_k表示计算输入数据的大小。CPU周期又称为机器周期，在计算机中，常把一条指令的执行划分为若干个阶段。每一个阶段完成一个基本操作，完成一个基本操作所需要的时间叫做机器周期。

则本地执行的计算延迟和能量消耗定义为W_k和S_k的函数：

其中，

和

分别代表本地计算造成的延迟和能量消耗。f_k是对终端设备ED_k计算能力的建模，f_k是指设备每秒钟执行的CPU周期数。过程中消耗的能量与CPU周期数成正比，比例系数为ρ。

另外，数据的传输也会造成延迟和能量的消耗，

和

分别代表数据传输造成的延迟和能量消耗，表示为:

r_k代表通信传输速率，p_k代表ED_k的数据传输功率。

通过比较算法任务在云平台、边缘服务器、终端设备上执行的延迟和能量消耗做对比，采用二进制卸载方式将算法应用卸载到最为合适的位置执行，从而提高算法响应的速度以及资源的利用率。

本实施例的其他部分与上述实施例1-5任一项相同，故不再赘述。

实施例7：

本实施例在上述实施例1-6任一项基础上做进一步优化，边缘服务器具备云边协同能力，可以下发充电计费模型、充电桩功率分配模型、停车占位计算模型、充电数据同步、配置信息同步等。边缘网关分别与云平台主站和边缘服务器进行双向通信，实现云平台和本地的数据采集和控制，一旦云平台服务失联，本地服务器可以就近纳管，通道恢复后，边缘服务器将数据同步给云平台主站。在充电场站应用与云平台应用协同运作模式中，包含了大量的信息传输过程，因此还需保障数据传输的可靠性与安全性。通过边云协同的搭建稳定可靠的场站智能化运维能力，为充电运营提供便捷、高效的智能化支撑。云边协同主要包含应用协同、数据协同、AI协同三个功能。

应用协同通过边缘计算平台在云上的管理面将开发的应用通过网络远程部署到用户希望的边缘节点上运行，为终端设备提供服务，并且可以在云上进行边缘应用生命周期管理。边缘计算平台向应用开发者和管理者开放的应用管理北向接口。对于边缘计算的落地实践来说，应用协同是整个系统的核心，涉及云、边、管、终端各个方面。

数据协同中，由于边缘侧计算资源紧张，对数据库性能、数据存储成本、可靠性等都提出了新的挑战。同时，随着场站数据源的多样化和业务发展，要求边缘数据库要能灵活存取多种数据模型，降低业务变更难度和运维成本。数据协同由终端-边-云共同完成，数采的数据直接接入边缘网关节点，一般会经过实时分析、资产分析后，再存入边缘时序数据库，供边缘开放API做时序分析查询。此时数据库中的数据会定期与云平台进行汇总。由于数据在存储时进行了压缩，为了节省传输带宽和性能，常常以数据文件的方式与云平台进行同步。

AI协同中，由于边侧计算资源紧缺、网络环境复杂，以及数据量样本量少、数据样本分布不均、数据隐私等原因，AI类应用在边缘的训练和推理还存在着训练收敛时间长、训练效果差、推理精度低、推理时延高等问题。通过云边协同AI技术以很好的解决在边缘训练和推理的精度、时延、通信量、数据隐私等问题，达到云平台推理边终端应用的目的。

边缘计算部署安装包括设备选型和设备安装过程，其中：

设备选型中，边缘设备包括边缘网关、边缘服务器，根据场站规模、智能终端数量、数据上报频率等因素，选择合适的边缘设备，当充电站智能终端设备在100个以内，且没有AI视频分析需求，站级应用在10个以内，可直接使用边缘网关设备作为边缘服务器，作为数据传输和简单计算服务，当充电站内有部署边缘应用大于大于10个，或场站存在AI分析需求，可部署边缘服务器。

设备安装中，边缘网关和边缘服务器均安装在智能柜中，智能柜能为边缘网关和边缘服务器提供备用电源，同时边缘网关与终端设备通信需铺设485通信线缆，由于边缘网关485通信串口数量有限，可以根据终端设备上报数据频率、设备安装位置等因素，对485通信线做合理的并线接入。

本实施例的其他部分与上述实施例1-6任一项相同，故不再赘述。

以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化，均落入本发明的保护范围之内。

Claims (6)

1.一种基于边缘计算的充电场站智能运维的系统，其特征在于，包括相互连接的终端设备、边缘网关和边缘服务器；

终端设备，用于采集充电场站的数据；

边缘网关，用于接入终端设备以及进行轻量级的边缘计算；

边缘服务器，用于接入终端设备后，提供边缘计算服务处理终端设备数据并上传数据至云平台。

2.根据权利要求1所述的一种基于边缘计算的充电场站智能运维的系统，其特征在于，所述通用设备包括空调控制设备、配电台区设备、机房监控设备、充电桩和智能开关；

所述通用设备通过边缘网关进行统一接入和控制，最终汇聚到边缘服务器上进行存储和分析。

3.根据权利要求1所述的一种基于边缘计算的充电场站智能运维的系统，其特征在于，所述边缘网关包括设备接入层、基础服务层、数据服务层、边缘计算层和对外服务层；

所述设备接入层用于提供终端设备的接入管理能力；

所述基础服务层用于提供平台运行所需的基础服务和组件；

所述数据服务层用于提供数据的存储和分析能力；

所述边缘计算层用于提供边缘网关边缘计算能力；

所述对外服务层用于提供云平台接入和边终端服务器接入功能，确保边缘网关能和云平台和本地边缘服务器进行通信。

4.根据权利要求3所述的一种基于边缘计算的充电场站智能运维的系统，其特征在于，所述边缘网关的架构分为采集层、数据中心层和转发层；

所述采集层用于终端设备的数据采集和控制；

所述数据中心层用于终端设备的数据存储和读取；

所述转发层用于云平台数据转发和边缘服务器数据转发，实现云平台数据和本地的边缘服务器数据的同步，所述转发层通过逻辑双通道来实现云平台数据和边缘服务器数据的数据传输。

5.根据权利要求1所述的一种基于边缘计算的充电场站智能运维的系统，其特征在于，所述边缘服务器包括安全模块、消息总线模块、管理模块、云原生中间件模块、LOT中间件模块、容器服务模块、操作模块和硬件适配模块；

所述管理模块包括边缘服务器管理单元、设备接入单元、物模型管理单元、设备管理单元、应用管理单元和算法任务管理单元；

所述所述算法任务管理单元用于提供充电场站的边缘计算能力，并供视频设备配置算法，处理视频数据，同时提供算法服务，支撑对算法任务的管理。

6.根据权利要求5所述的一种基于边缘计算的充电场站智能运维的系统，其特征在于，所述算法任务管理模块提供边缘计算服务的卸载算法，所述卸载算法用于人脸识别、车流统计通用目标监测、车牌识别中；

在所述卸载算法中，将计算任务定义为(w_k,S_k),其中W_k表示完成计算任务所需要的CUP周期数，S_k表示计算输入数据的大小；

将本地的边缘服务器执行的计算延迟和能量消耗定义为W_k和S_k的函数：

其中，

和

分别代表本地的边缘服务器计算造成的延迟和能量消耗，f_k是对终端设备ED_k计算能力的建模，f_k是指设备每秒钟执行的CPU周期数，过程中消耗的能量与CPU周期数成正比，比例系数为ρ；

和

分别代表数据传输造成的延迟和能量消耗，表示为:

r_k代表通信传输速率，p_k代表ED_k的数据传输功率；

通过比较算法任务在云平台、边缘服务器、终端设备上执行的延迟和能量消耗做对比，采用二进制卸载方式执行卸载算法。

Images