基于物联网平台的低压配电台区数据采集方案

在我国社会经济发展中 , 通信工程扮演着越来越重要的角色 , 而人们对于通信工程项目的建设质量也有着越来越高的配电台区 , 是联结配电网与电力用户的重要环节.为建设出更先进,高效的智能电网 , 对于低压配电台区数据采集工作必当高度重视.因此 , 本文在配电台区建设及运行现状所存在的问题分析基础之上 ,提出了以物联网平台为基础所开展的低压配电数据采集方案.其中 ,主要介绍了相关关键技术 ,囊括了物联网总体架构,边缘计算智能终端,消息队列遥测传输协议(MQTT),典型通信应用过程,统一模型及主站与物联网平台接口等 ,以期解决配电台区点多面广,终端量多,通信困难等问题.

物联网中流量感知的传输资源分配及边缘计算优化技术研究

物联网(Internet of Thing,IoT)已经成为新一代移动通信网络的重要组成部分,但是随着IoT设备规模的增加,大规模机器类型通信(massive Machine Type Communication,mMTC)与传统人类通信(Human Type Communication,HTC)之间存在着共存管理问题,并且IoT设备产生的大量数据使得通信网络流量压力增高,现行计算方案难以满足像智能工厂等典型mMTC场景对于数据处理结果实时性要求较高的需求。本文针对mMTC的共存干扰场景下的通信问题展开研究,并且结合卷积神经网络(Convolutional Neural Networks,CNN)设计新型边缘计算卸载方案。在mMTC系统中,下行链路(Down Link,DL)和上行链路(Up Link,UL)之间业务不对称问题非常突出,这使得传统的固定帧协议已经难以满足这种新型的通信需求。而动态时分双工(Dynamic Time Division Duplexing,D-TDD)传输系统被认为是解决这一问题最有前景的技术,因为它的DL和UL的时隙量可以是不对称配置并且可以动态调整的。在传统移动通信和mMTC共存网络中,为了平衡UL和DL之间的差异并减轻干扰,本研究设计了一种基于D-TDD的传输帧结构,该传输结构首先满足人类传统通信基本的传输要求,在HTC通信系统中引入具有低功率几乎空白的子帧(Low Power Almost Blank Subframes,LP-ABS)通信机制。在设计帧结构时,本文采用随机几何方法来计算HTC用户设备(User Equipment,UE)的频谱效率。然后,关注于mMTC中的最长簇头(Cluster Head,CH)队列状态,并基于UL/DL队列的最小-最大优化目标设计时隙分配问题,最后利用次梯度下降(Sub-Gradient Descent,SGD)方法求解。仿真结果表明,所提出的流量感知子帧配置方案更适合于动态不对称通信环境。同时,采用的动态步长SGD算法可以实现最坏情况队列与网络吞吐量之间的良好平衡。另外,本文以物联网典型的应用示例-智能工厂为计算场景,使用CNN模型处理IoT终端设备采集的相关图片数据,并利用深度神经网络的特殊层级结构将CNN与边缘计算技术相结合,提出一种新型的分层卸载方案。本文充分考虑神经网络每层计算量与输出数据的量化关系,将神经网络的上层网络计算卸载到云端执行。为达到减轻网络流量压力,并充分利用计算资源提高数据处理的时效性的目的,文章基于队列模型和功耗模型建立关于该卸载方案计算资源分配的优化问题,并使用强化学习方法-深度确定性策略梯度算法(Deep Deterministic Policy Gradient,DDPG)算法求解该优化问题,仿真结果表明,本方案大大减少了网络吞吐量,减轻了网络传输压力,实现了数据传输与计算功耗两者之间的良好平衡。仿真实验比较了本文所提的基于CNN计算模型的新型卸载方案和传统边缘计算以及云计算方案在总功耗和时延方面的性能,数值结果充分证明了本研究所提方案的合理性以及优化算法的高效性。

面向智能制造的工业物联网数据采集与边缘计算研究

针对工业物联网(IIoT)中的数据采集与边缘计算问题,文中提出了一套完整的解决方案.通过"分层协同-动态适配"数据采集架构,实现多协议兼容与高效数据预处理;设计分层边缘计算模型及深度强化学习驱动的任务调度策略,优化资源分配与能效管理;结合动态数据采样,缓存策略及端边云协同框架,提升系统的实时性与灵活性.实验证明,该方案有效解决了数据采集效率低,边缘计算资源有限及数据安全等问题,为实现智能制造全流程的"感知-计算-决策"闭环体系提供了技术支撑.

拥抱开源,联想大数据产品的技术创新与突破

"联想大数据平台主要包含行业智能应用平台、数据智能平台、大数据计算平台以及物联网采集与边缘计算和I T系统数据整合等。"联想大数据平台主要包含行业智能应用平台、数据智能平台、大数据计算平台以及物联网采集与边缘计算和IT系统数据整合等。而物联网的采集和边缘技术的产品,可以把企业传统的IT系统进行整合,并统一放到大数据平台和数据库中。当数据进来以后,大数据平台就可以

基于物联网的电气设备远程监控系统设计与实现

本文设计并实现了基于物联网的电气设备远程监控系统, 采用分层架构, 包括感知层数据采集,传输层 实时通讯,处理层云计算与大数据分析及应用层监控报警等功能.关键技术涵盖边缘计算节点部署,数据处理存储, 故障诊断与能效管理.同时, 系统构建了安全防护体系, 并提出标准化建议, 确保稳定运行与数据安全.该系统能实 时监测设备状态, 预防故障, 提高能效, 为电气设备管理提供智能化,高效化的解决方案.

打造新一代智能电表/感知层的解决方案

1智能电表的发展机会在智能物联网的应用中,罗姆(ROHM)目前主要着力点仍然在感知层.通过不断优化终端的数据采集和数据预处理,减轻边缘计算负担;提供无线传输方案,实现快速,安全的数据传输.智能电网在建成"坚强智能电网"的基础上,正在与"泛电力物联网"相融合,以建设"能源互联网".作为感知层的智能电表,将会承担"智慧网关"的角色.新一代智

AI智能制造管理平台赋能制造业数字化转型

本报告聚焦AI智能制造管理平台在机械装备制造企业的应用实践,从技术架构,实施路径与应用价值三个维度展开深度分析.该平台构建了"数据采集—智能分析—决策优化"闭环机制,采用分层架构整合物联网,大数据与AI算法,通过边缘计算与云端协同实现设备状态实时监控与工艺参数动态优化.实践表明,该平台不仅显著提升了生产效率,降低了运营成本,更推动了企业管理模式向数据驱动转型,并重塑了供应链协同生态.本报告为离散制造业数字化转型提供了可复用的"技术-管理-生态"三位一体解决方案,验证了AI在复杂工业场景中的规模化应用价值,对推动制造业高质量发展具有重要示范意义.

智能物联网中的边缘计算与数据处理核心研究

数智化背景下智能物联网在快速发展和广泛应用,为生产和生活提供便利的同时,数据处理和安全防护等也面临诸多挑战,边缘计算作为一种新兴技术解决方案,逐渐在智能物联网中应用.本文将围绕边缘计算在智能物联网中的应用场景和作用简要论述,包括智能家居,智慧城市,工业自动化等领域的应用,并分析边缘计算在数据处理和安全防护方面的优势,对未来智能物联网和边缘计算的发展应用进行展望.

一种支持边缘计算的智能物联网网关设计与实现

物联网作为感知物理世界的重要手段,在智慧城市建设中得到了广泛的应用.火灾是城市生活中常见的灾害,因此,建设全面,安全且有效的消防物联网对构建平安社会具有重要意义.随着智慧城市建设的不断深化,用于消防的物联网规模越加庞大,网络拓扑愈加复杂,联网设备种类更加丰富,当前基于云计算架构的消防物联网已逐渐不能满足消防安全的需求.本文根据某城市安全信息化解决方案提供商的需求,设计实现了一种面向消防设施监控的,具有边缘计算功能的智能物联网网关.主要工作和特色如下: 首先,以传统的消防物联网架构为基础,并参考了国内边缘计算产业联盟提出的边缘计算参考架构,设计了智慧消防物联网边缘计算架构.在此基础上,结合监控消防设施的需求,设计了由智能物联网网关,信息采集节点和信息监控中心构成的系统总体实现方案.搭建了智能物联网网关和信息采集节点的硬件平台.其中,为智能物联网网关平台选用了Jetson Nano作为平台控制器,配备了WiFi通信模块,LoRa通信模块,4G通信模块;将信息采集节点根据采集数据的性质分成了两类感知节点,且分别将STM32F103Z8T6和ESP32作为两类节点的核心控制器.在软件设计方面,为智能物联网网关平台选用了Linux作为操作系统,设计了LoRa通信和UDP传输的数据帧格式,实现了各节点同智能物联网网关平台之间的稳定数据传输,实现了将LoRa协议,UDP协议数据转换为TCP/IP数据传输至远程服务器端;为信息采集节点设计了在4类不同环境下的数据采集和传输控制程序;此外,基于Web服务器和数据库实现了信息监控中心的数据可视化.最后,针对检测消防通道是否被占用的需求,考虑到室外自然光线变化对检测算法精度的影响,设计了亮暗图像分类器,引入了Zero-DCE自适应低光图像增强器,在与改进后的YOLOv4-tiny目标检测算法结合后,实现了对室外消防通道被车辆占用的检测. 经测试,系统各项设计指标均已实现,满足了用户的功能需求.智能物联网网关不仅实现了不同传输协议间的数据转换,而且实现了对消防通道被车辆占用的智能检测.