CN116827389B - 一种基于边缘计算深度融合的中压载波通信系统 - Google Patents
一种基于边缘计算深度融合的中压载波通信系统 Download PDFInfo
- Publication number
- CN116827389B CN116827389B CN202311099349.0A CN202311099349A CN116827389B CN 116827389 B CN116827389 B CN 116827389B CN 202311099349 A CN202311099349 A CN 202311099349A CN 116827389 B CN116827389 B CN 116827389B
- Authority
- CN
- China
- Prior art keywords
- edge computing
- edge
- data
- module
- carrier communication
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 70
- 238000004364 calculation method Methods 0.000 title claims abstract description 34
- 230000004927 fusion Effects 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000007726 management method Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000007613 environmental effect Effects 0.000 claims abstract description 11
- 238000013135 deep learning Methods 0.000 claims abstract description 8
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 19
- 238000007405 data analysis Methods 0.000 abstract description 3
- 238000009826 distribution Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提出了一种基于边缘计算深度融合的中压载波通信系统所述系统包括数据采集模块,用于采集电力线路上的信号和环境参数;中压载波通信模块,用于将采集的信号编码为载波信号并将载波信号传输至边缘计算节点;边缘计算模块包括边缘计算节点和中心化的管理和协调模块,边缘计算节点用于对和环境参数进行分析和处理;中心化管理协调模块用于协调边缘计算节点的资源,云平台利用深度学习算法对采集到的数据进行处理和分析,并将分析结果返回给边缘计算模块,通过本系统将边缘计算节点的资源共享和优化利用,实现快速、更准确地获取和分析数据,从而提高了数据传输的效率和可靠性;实现更精准的数据分析和控制。
Description
技术领域
本发明涉及载波通信技术领域,特别涉及一种基于边缘计算深度融合的中压载波通信系统。
背景技术
电力线载波通信是利用电力线作为传输通道来实现数据传送的一种通信方式,根据传输线路电压的等级,可以将电力线载波通信分为高压载波(35KV及以上)、中压载波(10KV)和低压载波(380/220V)。其中,中压载波通信是利用10KV中压配电线作为传输通道的一种通信方式,主要应用于配电自动化、用电信息采集领域。
中压载波通信是一种采用OFDM调制解调方式,利用现有10kV配电线路作为通信传输介质进行透明传输的通信方式,属于电力线载波范畴。通过中压载波通信耦合器搭建中压载波通信机与10kV配电线路的载波通信通道。中压载波通信从机从变压器低压侧配电箱中的集中器获取信息,调制后经10kV耦合器耦合到10kV线路,中压载波通信主机通过10kV耦合器从10kV线路接收到载波信号,解调后经无线通信或光纤发送到配电自动化主站、用电信息采集主站。该技术可以利用已有的电力线路进行通信,省去了部署专用通信线路的成本和时间。但是,电力线路本身存在噪声和干扰,这会影响通信信号的质量和稳定性;带宽受限:电力线路的带宽较窄,限制了数据传输速率和容量;距离限制,电力线路的传输距离较短,限制了系统的覆盖范围。
发明内容
本发明提出了一种基于边缘计算和深度融合技术的中压载波通信系统。该系统通过将传感器数据和信号处理分布在网络边缘,通过中心化的管理和协调模块将数据分配给不同的边缘计算节点,将边缘计算节点的资源共享和优化利用,实现快速、更准确地获取和分析数据,从而提高了数据传输的效率和可靠性。同时,该系统还能够利用深度学习技术对传感器数据进行处理和预测,从而实现更精准的数据分析和控制;该系统具有较高的通信速率、低的误码率和稳定性。
本发明提出的一种基于边缘计算深度融合的中压载波通信系统,所述系统包括:
数据采集模块,所述数据采集模块与用户设备终端通信连接,用于采集电力线路上的信号和环境参数;
中压载波通信模块,所述中压载波通信模块将数据采集模块采集的信号编码为载波信号并将载波信号传输至边缘计算节点;
边缘计算模块,所述边缘计算模块对载波信号和环境参数进行分析和处理,处理后的数据传输到云平台;
云平台,所述云平台利用深度学习算法对采集到的数据进行处理和分析,并将分析结果返回给边缘计算模块,同时,所述云平台通过分析结果下发指令给边缘计算节点和终端设备,实现对设备的实时控制。
进一步的,一种基于边缘计算深度融合的中压载波通信系统,其特征在于,所述数据采集模块包括数字电力参数仪表、温度传感器、湿度传感器和气压传感器;所述数据采集模块获取数据采集的位置,用户的性质和位置信息,采集数据的类型。
进一步的,一种基于边缘计算深度融合的中压载波通信系统,所述边缘计算模块包括边缘计算节点和中心化的管理和协调模块;所述边缘计算节点通过物联网接入系统。
进一步的,一种基于边缘计算深度融合的中压载波通信系统,根据区域内用户的数量和需要的带宽设置边缘计算节点,所述边缘计算节点的个数为:向上取整数;其中,Wi为用户需要的带宽,N为最高需要接入用户的个数,wb为每个边缘计算节点的平均带宽。
进一步的,一种基于边缘计算深度融合的中压载波通信系统,所述中心化管理协调模块获取区域内所述边缘计算节点的信息并根据所述节点的信息计算边缘计算节点的分值S,所述信息包括边缘计算节点的可用资源和可靠性KE,其中,边缘计算节点的可用资源包括CPU可用计算力Xj;边缘计算节点可用内存Yj;边缘计算节点可用存储容量Zj;边缘计算节点可用带宽Uj;边缘计算节点的分值
进一步的,一种基于边缘计算深度融合的中压载波通信系统,所述中心化管理协调模块获取采集设备的任务量Qi,任务来源,任务类型,根据用户类型和任务类型对任务量进行优先级分类排序。
进一步的,一种基于边缘计算深度融合的中压载波通信系统,所述中心化管理协调模块根据任务排序、任务位置、和边缘计算节点的可用资源选择合适的边缘计算节点;
对任务量按照优先级排序,并将大的任务量划分为多个子任务,汇总不同优先级下的总任务量;
按照任务优先级的分层,优先安排最高优先级的任务,S1的分值从高到低,将任务安排给不同的边缘计算节点;其中,S1=0.3×Di+0.7×S,Di为任务到边缘计算节点的距离;
根据第一层级的任务量和原有的可用资源,计算剩余的可用资源,并根据剩余可用资源计算得分S′,S′计算方法同S;根据S1′=0.3×Di+0.7×S′的得分从高到低安排第二层级的任务;依此类推。
进一步的,一种基于边缘计算深度融合的中压载波通信系统,所述边缘计算节点对采集到的信号进行滤波和降噪处理;根据载波通信系统的特点,提取信号的特征参数,所述特征提取信号频率、相位和幅度;实时监测分析用户台区用户的设备类型、用电数据、通信数据和环境数据。
进一步的,种基于边缘计算深度融合的中压载波通信系统,所述云平台接收边缘计算节点的数据并利用卷积神经网络进行整合分析。
进一步的,一种基于边缘计算深度融合的中压载波通信系统,所述中压载波通信模块采用自适应调制技术对信号进行调制和解调,以适应复杂的信道环境。
本发明有益效果:通过一种基于边缘计算和深度融合技术的中压载波通信系统。该系统通过将传感器数据和信号处理分布在网络边缘,通过中心化的管理和协调模块将数据分配给不同的边缘计算节点,将边缘计算节点的资源共享和优化利用,实现快速、更准确地获取和分析数据,从而提高了数据传输的效率和可靠性。同时,该系统还能够利用深度学习技术对传感器数据进行处理和预测,从而实现更精准的数据分析和控制;该系统具有较高的通信速率、低的误码率和稳定性。
附图说明
图1为本发明所述一种基于边缘计算深度融合的中压载波通信系统示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本实施例一种基于边缘计算深度融合的中压载波通信系统,所述系统包括:
数据采集模块,所述数据采集模块与用户设备终端通信连接,用于采集电力线路上的信号和环境参数,所述信号包括电压、电流;所述环境参数包括温度、湿度和气压;
中压载波通信模块,所述中压载波通信模块将数据采集模块采集的信号编码为载波信号并将载波信号传输至边缘计算节点;
边缘计算模块,所述边缘计算模块对载波信号和环境参数进行分析和处理,将处理后的数据传输到云平台;
云平台,所述云平台利用深度学习算法对采集到的数据进行处理和分析,并将分析结果返回给边缘计算模块,同时,所述云平台通过分析结果下发指令给边缘计算节点和终端设备,实现对设备的实时控制。
上述技术方案的工作原理和效果为:通过数据采集模块,采集力线路上的信号和环境参数,实现对电力线路上的信号和环境参数进行实时采集,通过中压载波通信模块将数据采集模块采集的信号编码为载波信号并将载波信号传输至边缘计算节点,通过边缘计算节点载波信号和环境参数进行分析和处理,将处理后的数据传输到云平台,云平台利用深度学习算法对采集到的数据进行处理和分析,并将分析结果返回给边缘计算模块,同时,所述云平台通过分析结果下发指令给边缘计算节点和终端设备,从而实现对电力系统运行状态的监测和控制;通过中压载波通信模块和边缘计算模块的配合,可以将采集到的数据快速地传输到云平台进行深度学习处理,提高数据处理的速度和精准度;同时,云平台还可以下发实时指令给边缘计算节点和终端设备,实现对设备的实时控制,从而有效降低电力系统故障发生的概率,提高电力系统的稳定性和可靠性。
本实施例一种基于边缘计算深度融合的中压载波通信系统,所述数据采集模块包括数字电力参数仪表、温度传感器、湿度传感器和气压传感器;所述数据采集模块获取数据采集的位置、用户的性质、位置信息和采集数据的类型;所述用户的类型为个人用户、公共设施用户,企业用户,根据用户的类型和采集数据的类型和重要程度分不同的优先级;例如电力数据的优先级高于环境数据;企业用户生产机器运转消耗、公共设施用户夜晚的路灯、交通信号灯的优先级要高于民用的照明灯。
上述技术方案的工作原理和效果为:本实施例的基于边缘计算深度融合的中压载波通信系统通过数据采集模块获取数字电力参数仪表、温度传感器、湿度传感器和气压传感器等各种数据的位置、用户的性质、位置信息和采集数据的类型等信息,根据用户类型和采集数据重要程度分配不同的优先级。例如,企业用户生产机器运转消耗、公共设施用户夜晚的路灯和交通信号灯的优先级要高于民用照明灯等。通过这种方式,系统可以更加智能地处理数据并分配资源,在保障不同用户或者使用场景下需求的同时,提高整个系统运行效率。
本实施例一种基于边缘计算深度融合的中压载波通信系统,所述边缘计算模块包括边缘计算节点和中心化的管理和协调模块;所述边缘计算节点通过物联网接入系统;根据区域内用户的数量和需要的带宽设置边缘计算节点,所述边缘计算节点的个数为:向上取整数;其中,Wi为用户需要的带宽,N为最高需要接入用户的个数,wb为每个边缘计算节点的平均带宽。其中一个边缘计算节点可以对应多个用户。
上述技术方案的工作原理和效果为:本实施例提出了一种基于边缘计算深度融合的中压载波通信系统,通过设置边缘计算节点来满足区域内用户的需求;根据用户数量和需要的带宽,可以计算出需要的边缘计算节点个数,并向上取整,保证节点有足够的能力可以满足用户的需求,同时有一定的盈余,从而实现资源的合理配置和利用;一个边缘计算节点对多个用户,先将数据在边缘计算节点处理,而不是多个用户直接将数据传输至云平台,提高数据传输的效率,减少数据传输的错误率;这种方法可以有效地提高系统的运行效率,降低带宽成本,并且能够更好地满足用户的需求。同时,在整个系统中,边缘计算模块起到了协调和管理的作用,保证系统运行的稳定性和可靠性;总之,该实施例既能够满足用户需求,又能够优化资源配置和利用。
本实施例一种基于边缘计算深度融合的中压载波通信系统,所述中心化管理协调模块获取区域内所述边缘计算节点的信息并根据所述节点的信息计算边缘计算节点的分值S,所述信息包括边缘计算节点的可用资源和可靠性KE,其中,边缘计算节点的可用资源包括CPU可用计算力Xj;边缘计算节点可用内存Yj;边缘计算节点可用存储容量Zj;边缘计算节点可用带宽Uj;计算边缘计算节点的分值S; 其中,q1;q2为权重;范围为0.1~0.7;优选地,q1=0.5,q2为0.5;可靠性KE为不同b边缘计算节点的均值故障间隔时间和均值修复时间的和;KEmax为可靠性最高的节点。
上述技术方案的工作原理和效果为:该中心化管理协调模块能够有效获取区域内所有边缘计算节点的相关信息,包括可用资源和可靠性等方面的数据,这些数据能够为后续的任务调度及负载均衡提供有力支持。通过获取边缘计算节点的可用资源数据,如CPU计算力、内存、存储容量以及带宽等信息,并将其结合计算节点的分值,该模块能够更加高效地对任务进行分配和调度。同时,由于该模块还关注了边缘计算节点,通过单个节点的可用资源与可所有节点的资源均值进行比较,获得资源的得分,通过节点的可靠性与最高的可靠性比较,获得节点可靠性得分,将资源得分和可靠性得分加权平均,即考虑到节点资源,又考虑到可靠性,使得分值更加准确可靠;其中可靠性包括均值故障间隔时间和均值修复时间等指标,从而找到最可靠的节点进行任务分配。该模块能够为整个系统提供更加安全、高效和稳定的服务。
本实施例一种基于边缘计算深度融合的中压载波通信系统,所述中心化管理协调模块获取采集设备的任务量Qi,任务来源,任务类型,根据用户类型和任务类型对任务量进行优先级分类排序;其中Qi=Ai×Ji+Ri+Wi×Si其中,Ai为需要的CPU计算量Ai;Ji为需要的计算时长,Ri为需要的存储容量,Wi网络带宽x Si数据传输量;所述用户的类型为个人用户、公共设施用户,企业用户,根据用户的类型和采集数据的类型和重要程度分不同的优先级;例如电力数据的优先级高于环境数据;企业用户生产机器运转消耗、公共设施用户夜晚的路灯、交通信号灯的优先级要高于民用的照明灯。
上述技术方案的工作原理和效果为:通过对采集设备任务量的优先级分类排序,实现对不同类型用户和采集数据的不同重要程度进行分级处理,使得系统在分发任务和调度资源时更加智能和高效;例如,对于电力数据这类关键数据,系统优先调度资源进行采集和传输,保证其实时监测和安全运行;而对于公共设施用户在夜晚使用的路灯、交通信号灯等,系统同样给予了更高的优先级,确保其正常运行和维护。这种基于优先级分类的智能调度方式,可以有效提升系统的运行效率和数据处理能力,为用户提供更加优质的服务体验。
本实施例一种基于边缘计算深度融合的中压载波通信系统,所述中心化管理协调模块根据任务排序、任务位置、和边缘计算节点的可用资源选择合适的边缘计算节点;
具体地,对任务量按照优先级排序,并将大的任务量划分为多个子任务,汇总不同优先级下的总任务量;
按照任务优先级的分层,优先安排最高优先级的任务,S1的分值从高到低,将任务安排给不同的边缘计算节点;其中,S1=0.3×Di+0.7×S,Di为任务到边缘计算节点的距离;
根据第一层级的任务量和原有的可用资源,计算剩余的可用资源,并根据剩余可用资源计算得分S′,S′计算方法同S;根据S1′=0.3×Di+0.7×S′的得分从高到低安排第二层级的任务;依此类推。
上述技术方案的工作原理和效果为:本实施例中的基于边缘计算深度融合的中压载波通信系统,能够有效地管理和协调不同的任务,以提高整个系统的性能和效率。通过对任务量按照优先级进行排序,并将大的任务量划分为多个子任务,实现对不同优先级下的总任务量的汇总。同时,基于任务优先级的分层,能够优先安排最高优先级的任务,有效地降低任务的响应时间和处理延迟;按照边缘计算节点得分和距离加权平均得到最终得分,将任务安排给最终得分高得节点,即考虑了节点的资源可靠性,又考虑任务到节点的距离;同时安排完优先层级后,重新计算得分,安排下一层及得任务,下一层级任务同样考节点的资源可靠性,和任务到节点的距离;使任务安排更加合理和准确,降低任务的响应时间和处理延迟。
本实施例一种基于边缘计算深度融合的中压载波通信系统,所述边缘计算节点对采集到的信号进行滤波和降噪处理;根据载波通信系统的特点,提取信号的特征参数,所述特征提取信号频率、相位和幅度;实时监测分析用户台区用户的设备类型、用电数据、通信数据和环境数据;所述云平台接收边缘计算节点的数据并利用卷积神经网络进行整合分析,所述中压载波通信模块采用自适应调制技术对信号进行调制和解调,以适应复杂的信道环境。
上述技术方案的工作原理和效果为:基于边缘计算深度融合的中压载波通信系统能够实时监测分析用户台区用户的设备类型、用电数据、通信数据和环境数据,同时实现了自适应调制技术对信号进行调制和解调,以适应复杂的信道环境;边缘计算节点采用数字信号处理技术,对采集到的信号进行滤波和降噪处理;根据载波通信系统的特点,提取信号的特征参数,所述特征提取信号频率、相位和幅度;实现更高效的数据传输和处理;实现智能化监测和控制,通过将数据在边缘处理模块预处理后传输至云平台,减少数据的传输量和传输节点,提高传输效率,同时减少云平台的计算压力,提高监测效率;使用卷积神经网络对边缘计算节点采集的信号进行整合分析,可以提高通信系统的准确度和性能。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于边缘计算深度融合的中压载波通信系统,其特征在于,所述系统包括:
数据采集模块,所述数据采集模块与用户设备终端通信连接,用于采集电力线路上的信号和环境参数;
中压载波通信模块,所述中压载波通信模块将数据采集模块采集的信号编码为载波信号并将载波信号传输至边缘计算节点;
边缘计算模块,所述边缘计算模块对载波信号和环境参数进行分析和处理,处理后的数据传输到云平台;
所述边缘计算模块包括边缘计算节点和中心化的管理协调模块;所述边缘计算节点通过物联网接入系统;
所述中心化管理协调模块获取区域内所述边缘计算节点的信息并根据所述节点的信息计算边缘计算节点的分值S,所述信息包括边缘计算节点的可用资源和可靠性KE,其中,边缘计算节点的可用资源包括CPU可用计算力Xj;边缘计算节点可用内存Yj;边缘计算节点可用存储容量Zj;边缘计算节点可用带宽Uj;边缘计算节点的分值
其中,q1、q2为权重;范围为0.1~0.7;可靠性KE为不同边缘计算节点的均值故障间隔时间和均值修复时间的和;KEmax为可靠性最高的节点;m为边缘计算节点的个数;
云平台,所述云平台利用深度学习算法对采集到的数据进行处理和分析,并将分析结果返回给边缘计算模块,同时,所述云平台通过分析结果下发指令给边缘计算节点和终端设备,实现对设备的实时控制。
2.根据权利要求1所述的一种基于边缘计算深度融合的中压载波通信系统,其特征在于,所述数据采集模块包括数字电力参数仪表、温度传感器、湿度传感器和气压传感器;所述数据采集模块获取数据采集的位置,用户的性质和位置信息,采集数据的类型。
3.根据权利要求1所述的一种基于边缘计算深度融合的中压载波通信系统,其特征在于,根据区域内用户的数量和需要的带宽设置边缘计算节点,所述边缘计算节点的个数为:向上取整数;其中,Wi为用户需要的带宽,N为最高需要接入用户的个数,wb为每个边缘计算节点的平均带宽。
4.根据权利要求1所述的一种基于边缘计算深度融合的中压载波通信系统,其特征在于,所述中心化管理协调模块获取采集设备的任务量Qi,任务来源,任务类型,根据用户类型和任务类型对任务量进行优先级分类排序。
5.根据权利要求1所述的一种基于边缘计算深度融合的中压载波通信系统,其特征在于,所述中心化管理协调模块根据任务排序、任务位置、和边缘计算节点的可用资源选择合适的边缘计算节点;
对任务量按照优先级排序,并将大的任务量划分为多个子任务,汇总不同优先级下的总任务量;
按照任务优先级的分层,优先安排最高优先级的任务,S1的分值从高到低,将任务安排给不同的边缘计算节点;其中,S1=0.3×Di+0.7×S,Di为任务到边缘计算节点的距离;
根据第一层级的任务量和原有的可用资源,计算剩余的可用资源,并根据剩余可用资源计算得分S′,S′计算方法同S;根据S1′=0.3×Di+0.7×S′的得分从高到低安排第二层级的任务;依此类推。
6.根据权利要求1所述的一种基于边缘计算深度融合的中压载波通信系统,其特征在于,所述边缘计算节点对采集到的信号进行滤波和降噪处理;根据载波通信系统的特点,提取信号的特征参数,所述特征参数包括信号频率、相位和幅度;实时监测分析用户台区用户的设备类型、用电数据、通信数据和环境数据。
7.根据权利要求1所述的一种基于边缘计算深度融合的中压载波通信系统,其特征在于所述云平台接收边缘计算节点的数据并利用卷积神经网络进行整合分析。
8.根据权利要求1所述的一种基于边缘计算深度融合的中压载波通信系统,其特征在于所述中压载波通信模块采用自适应调制技术对信号进行调制和解调,以适应复杂的信道环境。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311099349.0A CN116827389B (zh) | 2023-08-30 | 2023-08-30 | 一种基于边缘计算深度融合的中压载波通信系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311099349.0A CN116827389B (zh) | 2023-08-30 | 2023-08-30 | 一种基于边缘计算深度融合的中压载波通信系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116827389A CN116827389A (zh) | 2023-09-29 |
CN116827389B true CN116827389B (zh) | 2023-11-10 |
Family
ID=88118828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311099349.0A Active CN116827389B (zh) | 2023-08-30 | 2023-08-30 | 一种基于边缘计算深度融合的中压载波通信系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116827389B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117411006B (zh) * | 2023-10-13 | 2024-04-16 | 新疆能源(集团)哈密清洁能源有限责任公司 | 一种自动电压控制平台及其方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101757834B1 (ko) * | 2016-11-15 | 2017-07-14 | 이광우 | 전력선 통신 기반의 원격 검침용 계측장치 |
CN107623534A (zh) * | 2017-08-25 | 2018-01-23 | 国网辽宁省电力有限公司 | 一种用于偏远地区的电力监控系统及方法 |
CN113032120A (zh) * | 2021-03-26 | 2021-06-25 | 重庆大学 | 一种基于边缘计算的工业现场大数据任务协调度方法 |
CN113515514A (zh) * | 2021-07-02 | 2021-10-19 | 国网辽宁省电力有限公司大连供电公司 | 基于云边协同的多级边缘计算体系架构及其实现方法 |
CN115865564A (zh) * | 2022-11-17 | 2023-03-28 | 广州鲁邦通物联网科技股份有限公司 | 一种支持高速电力线载波通信的边缘计算网关装置 |
-
2023
- 2023-08-30 CN CN202311099349.0A patent/CN116827389B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101757834B1 (ko) * | 2016-11-15 | 2017-07-14 | 이광우 | 전력선 통신 기반의 원격 검침용 계측장치 |
CN107623534A (zh) * | 2017-08-25 | 2018-01-23 | 国网辽宁省电力有限公司 | 一种用于偏远地区的电力监控系统及方法 |
CN113032120A (zh) * | 2021-03-26 | 2021-06-25 | 重庆大学 | 一种基于边缘计算的工业现场大数据任务协调度方法 |
CN113515514A (zh) * | 2021-07-02 | 2021-10-19 | 国网辽宁省电力有限公司大连供电公司 | 基于云边协同的多级边缘计算体系架构及其实现方法 |
CN115865564A (zh) * | 2022-11-17 | 2023-03-28 | 广州鲁邦通物联网科技股份有限公司 | 一种支持高速电力线载波通信的边缘计算网关装置 |
Non-Patent Citations (1)
Title |
---|
姚楠.基于电力物联网的边缘计算任务卸载优化.2022,第22卷(第16期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN116827389A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116827389B (zh) | 一种基于边缘计算深度融合的中压载波通信系统 | |
CN111182076B (zh) | 云边协同的智能电网监测系统及其资源分配和调度方法 | |
CN102098684B (zh) | 认知无线网络中跨层资源分配系统及方法 | |
Shan et al. | A survey on computation offloading for mobile edge computing information | |
CN110677300B (zh) | 基于移动边缘计算的电力安管视频智能分流装置及方法 | |
Huang et al. | Smart grid communications in challenging environments | |
CN116663854B (zh) | 一种基于智慧园区的资源调度管理方法、系统及存储介质 | |
CN113489138A (zh) | 一种适用于多场景的用电调度系统及方法 | |
Mi et al. | Software-defined green 5G system for big data | |
CN107172623A (zh) | 一种td‑lte230无线专网频率资源规划方法 | |
Tan et al. | Resource allocation of fog radio access network based on deep reinforcement learning | |
Giacobbe et al. | Arancino. ccTM: An open hardware platform for urban regeneration | |
CN107231641B (zh) | 一种td-lte230无线专网的基站规划选址方法 | |
CN107248962B (zh) | 用于电网信息采集的通信切换方法及装置 | |
CN116419406A (zh) | 一种分布式光伏并网的网络资源分配方法、系统、装置及介质 | |
CN116090665A (zh) | 一种源网荷储一体化管控系统 | |
CN114205381B (zh) | 一种包含虚拟电厂负荷分类、资源建模及参与电力市场交易的系统 | |
Rao et al. | Role of power line communications in the Smart Grid: Applications, challenges, and research initiatives | |
Wang et al. | Application research of edge IoT proxy technology based on 5G in power demand side management system | |
CN107566060A (zh) | 一种智能电网通信中的自适应信道分配方法 | |
CN114265357A (zh) | 一种基于计量装置的智能控制系统 | |
CN112730950A (zh) | 一种低压电网电压监测数据分层处理系统及方法 | |
CN112863161A (zh) | 一种支持海量用电信息采集的可靠通信网络系统和方法 | |
CN105207370A (zh) | 一种电力系统有序用电监控系统 | |
Zhong et al. | Ubiquitous power Internet of Things architecture construction plan |
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 |