CN117527818A - 一种基于分布式云平台的云边协同管理系统 - Google Patents
一种基于分布式云平台的云边协同管理系统 Download PDFInfo
- Publication number
- CN117527818A CN117527818A CN202410022661.8A CN202410022661A CN117527818A CN 117527818 A CN117527818 A CN 117527818A CN 202410022661 A CN202410022661 A CN 202410022661A CN 117527818 A CN117527818 A CN 117527818A
- Authority
- CN
- China
- Prior art keywords
- node
- edge
- data
- abnormal
- edge node
- 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
- 230000002159 abnormal effect Effects 0.000 claims abstract description 60
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 238000003745 diagnosis Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims description 11
- 238000013473 artificial intelligence Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Classifications
-
- 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
- H04L67/1034—Reaction to server failures by a load balancer
-
- 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
- H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于分布式云平台的云边协同管理系统,涉及云边协同管理技术领域;通过数据备份模块备份边缘设备采集的数据;节点监测模块监测边缘节点的运行状态和运行数据;节点管理模块接收节点异常信号后,关闭异常边缘节点,启用异常边缘节点配对的备用边缘节点;节点检测模块接收节点异常信号后,将运行数据输入至节点诊断模型内,获取故障类型;节点检测模块根据故障类型在数据库内进行检索并获取故障类型对应的预设方法;根据预设方法对异常边缘节点进行修复;节点检测模块根据故障类型在数据库内进行检索,未能获取预设方法;将备用边缘节点进行升级,替换边缘节点;避免了因边缘节点故障导致数据处理中断的问题。
Description
技术领域
本发明属于云平台领域,涉及云边协同管理技术,具体是一种基于分布式云平台的云边协同管理系统。
背景技术
云边协同是云计算与边缘计算的互补协同,通过云和边缘的紧密协同可以更好地满足各种应用场景的需求,从而放大两者的应用价值。在工作时,边缘节点一般负责基础数据的采集、服务模型的执行和推理,边缘节点可以独立地管理和调度本地资源,然后将运行数据上传至云端,云端可以对数据进行存储、分析和价值挖掘,通过云边协同作业,可以实现对数据的管理和价值挖掘。
现有专利(CN116074351A)公开了一种基于边缘计算的边云协同管理系统,包括边云协同管理平台,且边云协同管理平台包括云端、边端、设备端;所述边云协同管理平台提供动态调配、负载均衡、数据采集和分析、监控运维、边缘自治和云边协同;动态调配:将任务动态分配的最佳节点;负载均衡:将请求均衡的分摊到各个服务器;利用边端有限计算能力进行数据预处理,缓解带宽压力,进一步打通数据采集和处理环节,便于接入,缓解配置困难问题,精细化监控系统状态,提供数据服务能力;采集到的数据进行处理时,先在物联网内部进行数据清洗,再在中央处理节点进行处理,减少了干扰数据的影响,保证数据的精准。上述专利存在以下问题:在实际应用的过程中,如果边缘节点发生故障,可能会导致数据处理和传输的效率降低。这可能会影响到整个系统的性能。
为此,提出一种基于分布式云平台的云边协同管理系统。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种基于分布式云平台的云边协同管理系统,该一种基于分布式云平台的云边协同管理系统解决了边缘节点发生故障导致数据处理和传输的效率降低的问题。
为实现上述目的,本发明提供了一种基于分布式云平台的云边协同管理系统,包括边缘设备、边缘节点、备用边缘节点、中心云节点、数据备份模块、节点监测模块、节点管理模块以及节点检测模块;
所述数据备份模块用于备份所述边缘设备采集的数据;
所述节点监测模块用于监测边缘节点的运行状态和运行数据;其中,所述运行状态包括正常运行状态和异常运行状态;
当边缘节点的运行状态为异常运行状态时,将对应的边缘节点标记为异常边缘节点;
以及生成节点异常信号,并将所述节点异常信号发送至所述节点管理模块和节点检测模块;
所述节点管理模块用于接收所述节点异常信号;
所述节点管理模块接收所述节点异常信号后,关闭所述异常边缘节点,启用所述异常边缘节点配对的备用边缘节点,
以及获取所述数据备份模块中备份的数据,通过所述备用边缘节点对数据进行处理,并将处理后的数据发送至所述中心云节点;
所述节点检测模块用于接收所述节点异常信号;
所述节点检测模块接收所述节点异常信号后,获取所述异常边缘节点的运行数据;
所述节点检测模块获取节点诊断模型;其中,所述节点诊断模型基于人工智能模型建立;
将所述运行数据输入至所述节点诊断模型内,获取故障类型;
所述节点检测模块根据所述故障类型在数据库内进行检索并获取所述故障类型对应的预设方法;根据所述预设方法对异常边缘节点进行修复;
异常边缘节点修复完成后,删除异常边缘节点标记;
所述节点检测模块根据所述故障类型在数据库内进行检索,未能获取预设方法;将备用边缘节点进行升级,替换边缘节点,同时创建新的备用边缘节点。
优选地,所述边缘设备通过周期性采集的方式获取数据;
将所述边缘设备的采集周期标记为Ti,单位为s;
其中,i为采集周期的编号,i的取值为1,2,3……I,I为所述边缘设备的总采集次数;
所述数据备份模块以当前时间为基准时刻,备份所述边缘设备在基准时刻前N个采集周期内获取的数据;
其中,N为大于等于5的整数。
优选地,边缘节点配对一个备用边缘节点;
所述边缘节点与所述备用边缘节点的功能相同。
优选地,所述节点诊断模型基于人工智能模型建立,包括以下步骤:
从节点检测模块获取标准训练数据;
通过标准训练数据对人工智能模型进行训练,将训练完成的人工智能模型标记为节点诊断模型;
人工智能模型包括深度卷积神经网络模型和RBF神经网络模型。
优选地,异常边缘节点修复完成后,将所述备用边缘节点初始化。
与现有技术相比,本发明的有益效果是:
本发明通过数据备份模块备份边缘设备采集的数据;节点监测模块将运行状态异常的边缘节点标记为异常边缘节点;节点管理模块关闭异常边缘节点,启用异常边缘节点配对的备用边缘节点,以及获取数据备份模块中备份的数据,通过备用边缘节点对数据进行处理,并将处理后的数据发送至中心云节点;实现了当边缘节点出现故障时,迅速将其替换,保证系统的正常运行,提高了系统的容错性,使得系统在面临边缘节点故障时,能够具备更好的适应性和稳健性;
通过节点检测模块获取异常边缘节点的运行数据;节点检测模块获取节点诊断模型;将运行数据输入至节点诊断模型内,获取故障类型;节点检测模块根据故障类型在数据库内进行检索并获取故障类型对应的预设方法;根据预设方法对异常边缘节点进行修复;异常边缘节点修复完成后,删除异常边缘节点标记;节点检测模块根据故障类型在数据库内进行检索,未能获取预设方法;将备用边缘节点进行升级,替换边缘节点,同时创建新的备用边缘节点;实现了当边缘节点发生故障时,备用边缘节点可以继续处理数据并保证数据的一致性。
附图说明
图1为本发明的原理图;
图2为本发明的流程图。
具体实施方式
下面将结合实施例对本发明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做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1-2所示,一种基于分布式云平台的云边协同管理系统,包括边缘设备、边缘节点、备用边缘节点、中心云节点、数据备份模块、节点监测模块、节点管理模块以及节点检测模块;各个模块之间基于数字信号进行信息交互;
所述数据备份模块用于备份所述边缘设备采集的数据;需要进一步说明的是,所述边缘设备用于采集数据,并将数据发送至边缘节点处进行数据处理、存储以及缓存等其他操作,所述数据备份模块即在所述边缘设备将数据发送至边缘节点的同时,将边缘设备采集到的数据进行备份;
在一个具体地实施例中,本系统可应用于电网系统中,电网系统中的边缘设备包括:
边缘路由器:用于连接不同网络,实现网络之间的互联互通;
路由交换机:用于在网络中交换数据,实现数据共享和通信;
防火墙:用于保护网络免受未经授权的访问和攻击;
多路复用器:用于将多个信号复用到一个通道中,提高网络传输效率;
传感器和执行器:用于监测和控制电网系统中的各种设备,如变压器、开关等;
智能电表:用于实时监测用户的用电情况,实现远程抄表和控制。
分布式能源设备:如光伏逆变器、储能系统等,用于将分布式能源接入电网系统;
物联网设备:如智能家居设备、智能安防设备等,用于实现电网系统与物联网的互联互通;
具体地,所述边缘设备通过周期性采集的方式获取数据;
将所述边缘设备的采集周期标记为Ti,单位为s;需要进一步说明的是,所述采集周期由本领域的专业人员进行制定;
其中,i为采集周期的编号,i的取值为1,2,3……I,I为所述边缘设备的总采集次数;
所述数据备份模块以当前时间为基准时刻,备份所述边缘设备在基准时刻前N个采集周期内获取的数据;
其中,N为大于等于5的整数;
举例说明:
采集周期T1中所述边缘设备采集的数据标记为S1,采集周期T2中所述边缘设备采集的数据标记为S2,依次类推,采集周期Ti中所述边缘设备采集的数据标记为Si;
所述数据备份模块以当前时间为基准时刻,备份所述边缘设备在基准时刻前5个采集周期内获取的数据;
即备份S(i-4)、……、S(i-1)、Si;
下一次备份的数据为S(i-3)、……、S(i)、S(i+1)。
所述节点监测模块用于监测边缘节点的运行状态和运行数据;其中,所述运行状态包括正常运行状态和异常运行状态;
当边缘节点的运行状态为异常运行状态时,将对应的边缘节点标记为异常边缘节点;
以及所述节点监测模块生成节点异常信号,并将所述节点异常信号发送至所述节点管理模块和节点检测模块。
所述节点管理模块用于接收所述节点异常信号;
所述节点管理模块接收所述节点异常信号后,关闭所述异常边缘节点,启用所述异常边缘节点配对的备用边缘节点,
以及获取所述数据备份模块中备份的数据;
具体地,每个边缘节点配对一个或多个备用边缘节点;需要进一步说明的是,所述备用边缘节点与对应的边缘节点功能相同,只是运行能力不足略差,但可以应对临时的突发情况;
通过所述备用边缘节点对数据进行处理,并将处理后的数据发送至中心云节点。
所述节点检测模块用于接收所述节点异常信号;
所述节点检测模块接收所述节点异常信号后,获取所述异常边缘节点的运行数据;
所述节点检测模块获取节点诊断模型;其中,所述节点诊断模型基于人工智能模型建立;
将所述运行数据输入至所述节点诊断模型内,获取故障类型;
所述节点检测模块根据所述故障类型在数据库内进行检索并获取所述故障类型对应的预设方法;需要进一步说明的是,数据库内检索到对应的预设方法时,即说明异常边缘节点可以被修复;
根据所述预设方法对异常边缘节点进行修复;
异常边缘节点修复完成后,删除异常边缘节点标记,同时将所述备用边缘节点初始化;需要进一步说明的是,初始化备用边缘节点的作用在于清除历史数据,提高后续的运行速率;
所述节点检测模块根据所述故障类型在数据库内进行检索,未能获取预设方法;需要进一步说明的是,数据库内未能检索到对应的预设方法时,即说明异常边缘节点不可以被修复;
将备用边缘节点进行升级,将原来的边缘节点取消,将升级完成后的备用边缘节点进行替代,同时创建新的备用边缘节点;
本实施例中,所述节点诊断模型基于人工智能模型建立,包括以下步骤:
从节点检测模块获取标准训练数据;
通过标准训练数据对人工智能模型进行训练,将训练完成的人工智能模型标记为节点诊断模型;
本实施例中,标准训练数据包括若干组输入数据以及对应的故障类型,且输入数据和运行数据内容属性一致;
本实施例中,人工智能模型包括深度卷积神经网络模型或者RBF神经网络模型等具有强大非线性拟合能力的模型。
本实施例中,所述边缘节点与所述节点监测模块通信和/或电气连接;
所述边缘节点与所述数据备份模块通信和/或电气连接;
所述节点监测模块与所述节点管理模块通信和/或电气连接;
所述节点监测模块与所述节点检测模块通信和/或电气连接。
本发明的工作原理:
所述数据备份模块在所述边缘设备将数据发送至边缘节点的同时,将边缘设备采集到的数据进行备份;
所述节点监测模块监测边缘节点的运行状态和运行数据;当边缘节点的运行状态为异常运行状态时,将对应的边缘节点标记为异常边缘节点;以及所述节点监测模块生成节点异常信号,并将所述节点异常信号发送至所述节点管理模块和节点检测模块。
所述节点管理模块接收所述节点异常信号后,关闭所述异常边缘节点,启用所述异常边缘节点配对的备用边缘节点,以及获取所述数据备份模块中备份的数据;通过所述备用边缘节点对数据进行处理,并将处理后的数据发送至中心云节点。
所述节点检测模块接收所述节点异常信号后,获取所述异常边缘节点的运行数据;所述节点检测模块获取节点诊断模型;将所述运行数据输入至所述节点诊断模型内,获取故障类型;
所述节点检测模块根据所述故障类型在数据库内进行检索并获取所述故障类型对应的预设方法;根据所述预设方法对异常边缘节点进行修复;异常边缘节点修复完成后,删除异常边缘节点标记,同时将所述备用边缘节点初始化;
所述节点检测模块根据所述故障类型在数据库内进行检索,未能获取预设方法;将备用边缘节点进行升级,将原来的边缘节点取消,将升级完成后的备用边缘节点进行替代,同时创建新的备用边缘节点。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种基于分布式云平台的云边协同管理系统,其特征在于,包括边缘设备、边缘节点、备用边缘节点、中心云节点、数据备份模块、节点监测模块、节点管理模块以及节点检测模块;
所述数据备份模块用于备份所述边缘设备采集的数据;
所述节点监测模块用于将运行状态异常的边缘节点标记为异常边缘节点;
所述节点管理模块用于关闭所述异常边缘节点,启用所述异常边缘节点配对的备用边缘节点,
以及获取所述数据备份模块中备份的数据,通过所述备用边缘节点对数据进行处理,并将处理后的数据发送至所述中心云节点;
所述节点检测模块用于获取所述异常边缘节点的运行数据;
所述节点检测模块获取节点诊断模型;其中,所述节点诊断模型基于人工智能模型建立;
将所述运行数据输入至所述节点诊断模型内,获取故障类型;
所述节点检测模块根据所述故障类型在数据库内进行检索并获取所述故障类型对应的预设方法;根据所述预设方法对异常边缘节点进行修复;
异常边缘节点修复完成后,删除异常边缘节点标记;
所述节点检测模块根据所述故障类型在数据库内进行检索,未能获取预设方法;将备用边缘节点进行升级,替换边缘节点,同时创建新的备用边缘节点。
2.根据权利要求1所述的一种基于分布式云平台的云边协同管理系统,其特征在于,所述边缘设备通过周期性采集的方式获取数据;
将所述边缘设备的采集周期标记为Ti,单位为s;
其中,i为采集周期的编号,i的取值为1,2,3……I,I为所述边缘设备的总采集次数。
3.根据权利要求2所述的一种基于分布式云平台的云边协同管理系统,其特征在于,所述数据备份模块以当前时间为基准时刻,备份所述边缘设备在基准时刻前N个采集周期内获取的数据;
其中,N为大于等于5的整数。
4.根据权利要求1所述的一种基于分布式云平台的云边协同管理系统,其特征在于,边缘节点配对备用边缘节点;
所述边缘节点与所述备用边缘节点的功能相同。
5.根据权利要求1所述的一种基于分布式云平台的云边协同管理系统,其特征在于,所述节点监测模块将运行状态异常的边缘节点标记为异常边缘节点,包括以下步骤:
所述节点监测模块监测边缘节点的运行状态和运行数据;其中,所述运行状态包括正常运行状态和异常运行状态;
当边缘节点的运行状态为异常运行状态时,将对应的边缘节点标记为异常边缘节点。
6.根据权利要求1所述的一种基于分布式云平台的云边协同管理系统,其特征在于,所述节点诊断模型基于人工智能模型建立,包括以下步骤:
从节点检测模块获取标准训练数据;
通过标准训练数据对人工智能模型进行训练,将训练完成的人工智能模型标记为节点诊断模型。
7.根据权利要求6所述的一种基于分布式云平台的云边协同管理系统,其特征在于,标准训练数据包括若干组输入数据以及对应的故障类型;
所述输入数据作为人工智能模型的输入层;
所述故障类型作为人工智能模型的输出层;
人工智能模型包括深度卷积神经网络模型和RBF神经网络模型。
8.根据权利要求1所述的一种基于分布式云平台的云边协同管理系统,其特征在于,异常边缘节点修复完成后,将所述备用边缘节点初始化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410022661.8A CN117527818A (zh) | 2024-01-08 | 2024-01-08 | 一种基于分布式云平台的云边协同管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410022661.8A CN117527818A (zh) | 2024-01-08 | 2024-01-08 | 一种基于分布式云平台的云边协同管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117527818A true CN117527818A (zh) | 2024-02-06 |
Family
ID=89742425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410022661.8A Pending CN117527818A (zh) | 2024-01-08 | 2024-01-08 | 一种基于分布式云平台的云边协同管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117527818A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112086A (zh) * | 2021-04-22 | 2021-07-13 | 北京邮电大学 | 一种基于边缘计算和标识解析的智能生产系统 |
CN114697197A (zh) * | 2022-03-22 | 2022-07-01 | 支付宝(杭州)信息技术有限公司 | 边缘计算设备和方法 |
WO2022227105A1 (zh) * | 2021-04-30 | 2022-11-03 | 广州中国科学院软件应用技术研究所 | 一种基于端云融合的协同控制系统及方法 |
CN116319865A (zh) * | 2023-02-22 | 2023-06-23 | 北京航天智造科技发展有限公司 | 一种基于云边协同的设备故障智能检测方法及系统 |
US20230395253A1 (en) * | 2018-05-16 | 2023-12-07 | Shanghai Svm Medical Technology Co., Ltd. | Cloud-edge collaborative processing system and method for icu data based on third-party business |
CN117272179A (zh) * | 2023-11-22 | 2023-12-22 | 南京迅集科技有限公司 | 基于物联网的设备状态检测系统及方法 |
-
2024
- 2024-01-08 CN CN202410022661.8A patent/CN117527818A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230395253A1 (en) * | 2018-05-16 | 2023-12-07 | Shanghai Svm Medical Technology Co., Ltd. | Cloud-edge collaborative processing system and method for icu data based on third-party business |
CN113112086A (zh) * | 2021-04-22 | 2021-07-13 | 北京邮电大学 | 一种基于边缘计算和标识解析的智能生产系统 |
WO2022227105A1 (zh) * | 2021-04-30 | 2022-11-03 | 广州中国科学院软件应用技术研究所 | 一种基于端云融合的协同控制系统及方法 |
CN114697197A (zh) * | 2022-03-22 | 2022-07-01 | 支付宝(杭州)信息技术有限公司 | 边缘计算设备和方法 |
CN116319865A (zh) * | 2023-02-22 | 2023-06-23 | 北京航天智造科技发展有限公司 | 一种基于云边协同的设备故障智能检测方法及系统 |
CN117272179A (zh) * | 2023-11-22 | 2023-12-22 | 南京迅集科技有限公司 | 基于物联网的设备状态检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107330056B (zh) | 基于大数据云计算平台的风电场scada系统及其运行方法 | |
CN104796273B (zh) | 一种网络故障根源诊断的方法和装置 | |
CN107065824A (zh) | 一种水电机组远程故障诊断开放式平台 | |
WO2013189110A1 (zh) | 一种电力通信故障预警分析方法及系统 | |
CN104639368A (zh) | 通信网络设备的故障处理方法及装置 | |
CN113156869A (zh) | 一种电力物联终端设备的远程维护系统及方法 | |
CN113723773A (zh) | 一种基于大数据分析的电能决策系统 | |
CN104022907A (zh) | 一种校园网的故障侦测系统与方法 | |
Li et al. | Research and application of AI in 5G network operation and maintenance | |
CN105072056A (zh) | 一种交换机自动巡检系统及其巡检方法 | |
CN205846869U (zh) | 光伏电站智能监控管理系统 | |
CN117527818A (zh) | 一种基于分布式云平台的云边协同管理系统 | |
CN109861872B (zh) | 一种提升业务质量的配电通信网架构 | |
CN104950832A (zh) | 钢铁厂控制系统 | |
CN116860823A (zh) | 基于联合知识蒸馏的动设备故障诊断难样本双向挖掘方法 | |
Zhao et al. | Power-Efficient Software-Defined Data Center Network | |
CN112332540B (zh) | 微电网、以及仿真装置和方法 | |
CN115051467A (zh) | 一种海上风电场综合自动化系统 | |
Ruba et al. | Anomaly detection for 5g softwarized infrastructures with federated learning | |
Wang et al. | Collaboratively diagnosing IGBT open-circuit faults in photovoltaic inverters: a decentralized federated learning-based method | |
CN110336606B (zh) | 一种基于参数估计与业务识别的电力光网络故障诊断方法 | |
Ku et al. | Energy information collecting agent for IoT big data system | |
Sousa et al. | M2-fot: a proposal for monitoring and management of fog of things platforms | |
CN103746787B (zh) | 多通道实时全双工载波通信机 | |
CN114915022B (zh) | 一种智能配电网无线通信方法及系统 |
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 |