核电工业互联网综合智能平台的制作方法

1.本发明属于核电技术领域，具体涉及一种核电工业互联网综合智能平台。


背景技术：

2.随着新一代信息技术的发展，工业互联网成为国内外实体经济数字化转型的重要赋能工具，其核心思想是通过新兴信息技术与传统制造业结合，以信息物理系统为核心技术体系，实现企业生产运营过程的数据全面感知、动态传输、实时分析，科学决策与智能控制，推动传统产业升级转型。
3.核电业务涉及到的数据类型包括：结构数据：现有信息化系统中的数据，包括人、财物等基础信息。时序数据：生产自控系统中的实时数据，包括scada、dcs中的时序数据。高频数据：高频传感器产生的数据，往往每秒产生成千上万个数值，要求特定的处理方式，如支持数据暂存在边缘端，支持以每1分钟、10分钟、半小时、1小时等频率上传到平台。对象数据：文件、图片等数据，格式有多种，数据量大。
4.在面向物联网、高通量数据传输等场景下，为了满足更广链接、更低时延、更好控制等需求，云计算在向一种更近全局化的分布式节点组合形态进阶，边缘计算是其像边缘侧分布式拓展的新触角，在边缘提供it服务环境和计算能力，在更靠近终端的网络边缘上提供服务，可以减少网络操作和服务交付的时延，提高用户体验。但在工业互联网海量数据存储、大规模数据分析和人工智能计算场景中，边缘节点和设备只能处理局部数据，无法形成全局认知。


技术实现要素：

5.为克服相关技术中存在的问题，提供了一种核电工业互联网综合智能平台。
6.根据本公开实施例的一方面，提供一种核电工业互联网综合智能平台，包括：设于电厂侧的多个边缘节点以及设于云端的中心侧平台，
7.每个边缘节点包括和所述中心侧平台通信连接的边缘云平台，所述边缘云平台用于获取电厂侧时序数据，并对获取的电厂侧时序数据进行预处理后上传至所述中心侧平台；
8.所述中心侧平台包括工业互联网基础平台、核电专用paas层、工业saas层以及展示层；
9.所述工业互联网基础平台用于接收、存储多源异构数据，并基于所述多源异构数据进行数据处理，其中，所述多源异构数据包括从各边缘云平台获取的电厂侧时序数据、结构化的生产/业务数据以及非结构化的对象数据，所述工业互联网基础平台包括用于提供云计算基础设施的基础云平台以及用于提供开发运维环境的开发运维一体化平台；
10.所述核电专用paas层包括核电工业数据平台以及核电专用工具及组件，所述核电工业数据平台用于对所述多源异构数据进行治理，并将治理后的数据封装成数据资产对外提供数据服务，所述核电专用工具及组件用于对外提供核电业务的软件及服务；
11.所述工业saas层用于运行信息平台和中央控制操作系统，并根据所述核电工业数据平台生成的数据资产以及所述核电专用工具及组件生成服务和应用，并将生成的服务和应用下发至所述边缘云平台实现业务运行；
12.所述展示层用于提供所述核电工业互联网综合智能平台的统一门户。
13.在一种可能的实现方式中，所述核电工业数据平台包括数据汇聚模块、数据治理模块、数据服务模块以及数据价值模块；
14.所述数据汇聚模块包括时序数据接入子模块、半结构化与文件数据接入子模块或结构化数据抽取子模块中一种或多种，用于根据设置进行多源异构数据的接入与抽取；
15.所述数据治理模块用于对从所述数据汇聚模块获取的数据进行数据标准构建、数据建模、数据集成、数据质量稽核或数据安全管理中一种或多种处理后输出至所述数据服务模块；
16.所述数据服务模块用于对接收的数据进行数据资产发布、数据分发以及生成数据标签中一种或多种处理；
17.所述数据价值模块用于提供应用开发工具及数据科学开发工具。
18.在一种可能的实现方式中，所述核电专用工具及组件包括工业互联网运维配置工程师站或边缘节点运维配置工程师站；
19.所述核电专用工具及组件还包括：核电设备组态工具、核电数据组态工具、核电流程画面组态工具、核电工艺模型算法开发工具、核电维修规程结构化工具、核电工业工艺系统建模工具、核电ai建模与调试工具以及核电4d大修流程配置工具中的一种或多种；
20.所述算法为工业流程模型、工业仿真模型、预测评价模块以及基础算法模型中的一种或多种的组合；
21.所述核电专用工具及组件还包括：运行画面服务、4d大修服务、数字化工作包服务、核电机组热力性能分析组件、核电指标分析服务、远程专家支持服务、核电仿真引擎、核电数据实时处理引擎、核电三维轻量可视化引擎中的一种或多种。
22.在一种可能的实现方式中，所述边缘云平台包括：iaas云基础设施层以及边缘节点pass层；
23.所述边缘节点pass层包括大数据存储计算集群与边缘节点核电paas层，所述大数据存储计算集群用于提供时序数据存储环境和时序数据降采样算法运行环境；
24.所述边缘节点核电paas层为边缘节点的容器云平台；
25.所述iaas云基础设施层用于基于虚拟化技术将物理计算机虚拟为多台虚拟计算机，并在虚拟计算机上构建大数据存储计算集群环境和边缘节点pass层运行环境。
26.在一种可能的实现方式中，所述工业互联网基础平台中，所述基础云平台用于构建计算、网络、存储、安全资源及灾备环境；所述开发运维一体化平台包括大数据平台以及通用paas层；
27.所述大数据平台用于对所述多源异构数据的融合、采集、传输、存储、计算、集中、数据共享、数据开发、数据治理使用中的一种或多种处理；
28.所述通用paas层用于构建容器云平台。
29.在一种可能的实现方式中，所述容器云平台提供以应用为中心的容器云产品和解决方案，涵盖轻量级容器虚拟化、微服务、devops、持续交付。
30.在一种可能的实现方式中，所述容器云平台包括控制层、数据库层、集群层、镜像仓库层以及后端存储层；
31.所述控制层用于ui操作的汇聚编译；
32.所述数据库层用于存放控制层运行的系统数据和用户各种操作产生的数据；
33.所述镜像仓库层是平台系统服务镜像和用户运行服务镜像的本地化仓储，并提供对服务镜像的版本管理、服务镜像的安全扫描；
34.所述后端存储层为所述基础云平台存储的集成管理层，用于集成多种存储类型，为系统服务及上层应用提供具体的存储卷。
35.在一种可能的实现方式中，所述基础云平台包括基础设施层、资源池层、云服务层和管理层；
36.所述基础设施层用于提供物理基础设施；
37.所述资源池层用于接入计算、数据存储、并构建网络资源池与安全资源池；
38.所述云服务层包括服务自动化层、服务接入层及服务门户层；
39.所述服务自动化层通过对资源池层iaas、灾备资源的封装，实现云资源服务的发现、路由、编排、计量、接入等功能；
40.所述服务接入层与所述服务门户层用于对外交互，以实现对服务的操作、使用、监控等生命周期管理。
41.在一种可能的实现方式中，所述边缘云平台还包括本地计算服务，所述本地计算服务用于根据设置，基于本地应用对本地存储的电厂侧时序数据进行处理和分析，并将所述处理结果以及本地应用汇聚集中到中心云平台进行数据分析挖掘、数据共享以及应用共享。
42.在一种可能的实现方式中，所述边缘云平台还包括远程监控模块，所述远程监控模块用于边缘节点的运行监控信息，包括但不限于软件、硬件、数据、应用状态及告警信息的监控，并将所述监控信息采集上传至云端中心侧平台；所述中心侧平台对应设有集中监控中心，所述集中监控中心用于接收各边缘云平台的监控信息。
43.在一种可能的实现方式中，所述边缘云平台还包括远程管理模块，所述远程管理模块用于接收中心侧平台应用和服务发布，并执行所述应用中心侧平台应用和服务的本地部署。
44.在一种可能的实现方式中，所述中心侧平台还包括应用接入接口层，所述应用接入接口层用于为所述核电专用paas层提供接口，包括基础算法类api、工业模型类api、数据类api、服务类api、应用管理类api以及安全类api。
45.本公开的有益效果在于：本公开的核电工业互联网综合智能平台，作为数字核电的依托平台和神经中枢，集成国内核电厂海量工业系统与设备的数据，构建可扩展的开放式核电工业互联网平台，同步开展面向各种场景和可复用的核电工业应用开发生态系统，来提高核电厂硬件、服务、数据的使用效率和共享范围，实现中国核电业务与资源的智能管理及运营优化，并驱动一系列面向核电全产业链的创新核电工业应用。
附图说明
46.图1是根据一示例性实施例示出的一种核电工业互联网综合智能平台的框图。
具体实施方式
47.下面结合附图及具体实施例对本发明作进一步详细说明。
48.在本公开中，iaas(infrastructure as a service)可以表示为基础设施即服务；daas(data as a service)可以表示为数据即服务；paas(platform as a service)可以表示为平台即服务；saas(software as a service)可以表示为软件即服务。
49.图1是根据一示例性实施例示出的一种核电工业互联网综合智能平台的框图。如图1所示，本发明公开了一种核电工业互联网综合智能平台，包括设于电厂侧的边缘节点以及设于云端的中心侧平台，
50.每个所述边缘节点包括和所述中心侧平台通信连接的边缘云平台，所述边缘云平台用于在电厂侧时序数据接入与预处理，所述中心侧平台协同所述边缘云平台进行数据上传、应用下发；
51.所述中心侧平台包括工业互联网基础平台、核电专用paas层、工业saas层以及展示层；所述工业互联网基础平台用于接收、存储多源异构数据，并基于所述多源异构数据进行计算、分析与治理，其中，所述多源异构数据包括所述边缘云平台采集时序数据、生成/业务数据以及对象数据，所述工业互联网基础平台包括用于提供云计算基础设施的基础云平台以及开发运维一体化平台；所述核电paas层包括核电工业数据平台以及核电专用工具及组件，所述核电工业数据平台用于进行所述多源异构数据的治理，并将治理后的数据封装成数据资产对外提供数据服务；所述核电专用工具及组件用于对外提供核电业务的软件、工具、算法、引擎及服务；所述saas层用于运行信息平台、中央控制操作系统，并将所述核电工业数据平台生成的数据资产以及所述核电专用paas层生成的核电专用工具及组件对应生成相应的服务和应用，并下发至所述边缘云平台实现业务运行；所述展示层用于提供所述核电工业互联网综合智能平台的统一门户。
52.本发明所示的一种核电工业互联网综合智能平台通过中心侧平台来实现信息的融合，基于中心侧和边缘侧的云边协同可结合各自的优势，提供更好的工业互联网服务。其中，中心侧平台(云端平台)提供资源、模型、工具、应用支持，以及大数据存储与计算、大规模整体数据汇分析、深度学习训练与模型评估、应用与模型的统一管理、对分布式电厂本地节点进行管理等能力；各电厂侧的边缘云平台根据不同电厂的应用需求，在电厂侧提供数据采集、协议解析和边缘智能应用运行等能力，能够和中心侧平台协同实现数据上传、应用下发和远程管理，支持按需扩容、弹性部署以及个性化定制能力，并可支持升级为本地高效运行、自动化部署和集中运营。
53.本发明所示的一种核电工业互联网综合智能平台由多个系统组成，主要包括：核电专用paas层、工业互联网基础平台、边缘云平台(边缘接入层)、统一门户四大部分组成，此外还可包括核电工业互联网标准体系、核电工业互联网信息安全防护体系，其中每个系统又由多个子系统、模块、组件构成。
54.核电专用paas层为核电厂应用提供核电专用工具、引擎、微服务化的核电工业算法、模型、知识组件等，计划为核电厂安全生产管理系统、核电设备可靠性管理系统、核电厂数字化大修应用提供专业的支撑能力。
55.工业互联网基础平台提供弹性的云计算基础设施，统一管理服务器、存储、网络资源；提供海量数据的存储、计算、分析、治理能力，建立开放式的核电工业应用的微服务框
架、开发工具和运行环境，建立持续集成和应用快速迭代发布体系。
56.边缘云平台为数字化核电厂所有设备、系统提供全面连接集成和边缘计算能力。
57.标准体系定义核电工业互联网开发、运行、维护、集成等方面的标准规范和要求。
58.信息安全防护体系构建核电工业互联网的安全屏障和服务。
59.统一门户提供中心侧平台的应用、数据、服务的统一管理与解决方案、文档的集中展示等功能。
60.在一种可能的实现方式中，各边缘云平台可以通过温度、湿度、压力传感器芯片以及具备联网功能的摄像头等设备，实现对核电生产关键环节关键设备的实时自动化数据收集和安全监控，将实时采集的原始数据首先汇集至边缘计算节点中进行初步计算分析，对特定设备的健康状况进行监测并进行相关的控制。
61.为有效实现边缘云平台的功能，作为一优选方案，本实施例中，采用云架构构建边缘云平台，所述边缘云平台包括边缘节点iaas云基础设施层以及边缘节点pass层；所述iaas云基础设施层用于基于虚拟化技术将物理计算机虚拟为多台虚拟计算机，并在虚拟计算机上构建大数据存储计算集群环境和边缘节点pass层运行环境。所述边缘节点pass层包括大数据存储计算集群与边缘节点核电paas层，所述大数据存储计算集群用于提供时序数据存储环境和时序数据降采样算法运行环境；所述边缘节点核电paas层为边缘节点的容器云平台。
62.更进一步的，边缘节点核电paas层基于docker容器和k8s进行构建，微服务应用以容器镜像的方式在容器云中运行和服务调度。
63.本实施例中，边缘节点核电通用paas层是基于docker+kubernetes的容器云平台，提供以应用为中心的容器云产品和解决方案，涵盖轻量级容器虚拟化、微服务、devops、持续交付等，最大化地帮助企业实现业务应用的快速交付与持续创新。
64.容器云管理模块基于kubernetes、docker技术，提供应用管理、存储管理、服务编排、镜像管理、主机管理、集群管理、服务目录、日志管理、监控管理等一系列基础功能，devops流水线模块提供两种流水线实现模式，基于kubernetes的包括工程管理、持续集成、持续交付、报表展示等功能，实现开发测试运维一体化，加快业务应用生产交付过程，降低企业开发运维成本。
65.微服务治理模块提供微服务治理框架及开发运行体系，功能包括服务注册发现、服务网关、服务配置、apm监控等，加强了业务系统运行时的系统容错性，降低了业务应用管理难度，提高平台服务治理水平。
66.边缘节点核电通用paas层基于kubernetes、docker技术栈实现，辅以多种生态技术，提供可视化管理工具，实现自动化、智能化运作，实际向下拆分还可分为控制层、数据库层、集群层、镜像仓库层、后端存储层。各层服务通过协议调用完成整体工作流。
67.控制层主要负责ui操作的汇聚编译，所有的操作都会通过控制层进行处理，控制层将会根据操作的指令分别调用不同模块的api实现，前端使用react框架实现，后端通过go语言完成，与kubernetes实现良好的原生协调性，采用docker容器部署，数据通过数据库层进行存取，可扩展组成集群，实现服务高可用。
68.数据库层主要存放控制层运行的系统数据和用户各种操作产生的数据，目前已实现对接使用分布式mysql数据库，可借由分布式mysql数据库集群实现数据存储、安全、备
份、恢复，进一步增强平台的健壮性和稳定性。
69.镜像仓库层是平台系统服务镜像和用户运行服务镜像的本地化仓储，基于harbor技术实现，提供对服务镜像的版本管理、服务镜像的安全扫描，不同仓库、仓库组之间可快速同步，具备细分的角色权限设定，结合控制层的对接集成实现不同租户间的仓库组隔离能力，镜像相关数据通过数据库层进行存取，可以配置多种后端存储类型如本地存储，对象存储等，整体数据实现与服务解耦、无状态化运行，通过多副本运行方式，提供高可用能力。
70.后端存储层是平台存储的集成管理层，可以集成多种存储类型，如ceph云存储、nfs共享型存储、iscsi型存储、gfs存储、本地磁盘存储，集成对接的存储将依托kubernetes的storageclass、pv、pvc资源为系统服务及上层应用提供具体的存储卷。
71.后端存储层为每种存储类型提供了相应的agent插件，如集成ceph时通过storage-agent实现操作自动化，在用户有存储卷需求并通过控制层发起后，存储插件将自动的使用ceph创建rbd块存储设备，并map到相应节点，并实现自动挂载。
72.集群层是平台核心部分，控制层所有操作的实际配置、变更地点，基于kubernetes
73.实现服务应用的编排、调度管理，以docker为容器运行时选型，整体分为两部分，master控制节点以及node计算节点，其中其中控制节点，由三个紧密协作的独立组件组合而成，它们分别是负责api服务的kube-apiserver、负责调度的kube-scheduler，以及负责容器编排的kube-controller-manager。整个集群的持久化数据，则由kube-apiserver处理后保存在etcd中。
74.大数据存储计算集群包括大数据存储与大数据计算引擎，本实施例中，大数据存储采用分布式文件系统hdfs；大数据计算引擎采用spark计算引擎。
75.此外，边缘云平台还提供混合异构多源数据体系组件及服务，例如关系数据库、分布式缓存数据库、时序数据库、分布式消息系统、实时内存计算、流计算等。
76.在一种可能的实现方式中，中心侧平台中，工业互联网基础平台提供弹性的云计算基础设施，统一管理服务器、存储、网络资源；提供海量数据的存储、计算、分析、治理能力，建立开放式的核电工业应用的微服务框架、开发工具和运行环境，建立持续集成和应用快速迭代发布体系。
77.在一种可能的实现方式中，所述工业互联网基础平台中，所述基础云平台用于构建计算、网络、存储、安全资源及灾备环境；所述开发运维一体化平台包括大数据平台以及通用paas层；所述大数据平台用于所述多源异构数据统一管理，包括多源异构数据的融合、采集、传输、存储、计算、集中、数据共享、数据开发、数据治理使用中的一种或多种组合；所述通用paas层用于构建容器云平台。
78.进一步的，dhp平台的基础云平台采用阿里云专用云技术，为上层的paas和saas提供可靠的计算、网络、存储、安全等资源，及灾备环境。
79.基础云平台计算基础设施层总体架构如上图所示，主要由基础设施层、资源池层、云服务层和管理层组成：基础设施层用于提供服务器、存储、网络、安全等物理基础设施，构成数据中心资源池的基础设施。资源池层可以接入计算(虚拟机池、baremetal物理机池)、存储(块存储资源池、对象存储资源池)、网络资源池、安全资源池等。
80.云服务层作为云服务的管理及运营平台主要包括服务自动化层、服务接入层(服务console层)及服务门户层。其中服务自动化层通过对资源池层iaas、灾备资源的封装，实
现云资源服务的发现、路由、编排、计量、接入等功能，显现从资源到服务的转换。服务接入层是云管理平台的对外呈现，分为用户门户及管理员门户。用户门户面向各部门、业务管理员等，管理员门户面向系统管理员等。用户可通过服务租户自助操作门户(服务console)实现对服务的操作、使用、监控等生命周期管理。
81.此外，基础云平台还包括管理及公共能力层，管理及公共能力层的基础云平台整体运维管理及公共组件的管理平台，其分为运营管理和运维管理两部分。运营管理提供运营管理门户，运营管理门户除提供云服务申请和自助服务控制台外，还支持包括vdc管理、租户管理、服务目录、服务控制台、计量等运营管理功能。运维管理，提供运维管理门户，支持对多数据中心的统一运维管理，包括资源管理、告警管理、拓扑管理、性能管理以及统计报表等。
82.大数据平台负责对多种异构数据的统一管理：采集、传输、存储、计算、集中、使用、管理等，要支撑对内的数据分析应用，包括面向通用paas层和核电专业paas层的数据访问、数据建模，面向工业saas层的业务开放、运营及分析，面向运维后端的优化分析，又要支撑对外的数据开放与数据资产经营服务。大数据平台需要具备支撑海量结构化数据、非结构化数据、时序数据等的存储、计算和处理能力，满足不同类型数据分析应用的并发访问和响应时间的要求。本实施例中，大数据平台的组件包括关系数据库、分布式缓存数据库、文档数据库、时序数据库、流计算引擎、实时内存计算引擎、大规模并行处理数据库、分布式文件系统、非结构化储、搜索引擎、图数据库、分布式消息系统等。
83.2.3通用paas层
84.本实施例中，和边缘云平台的边缘节点核电paas层结构相同，工业互联网基础的通用paas层也是基于docker+kubernetes的容器云平台，提供以应用为中心的容器云产品和解决方案，涵盖轻量级容器虚拟化、微服务、devops、持续交付等，最大化地帮助企业实现业务应用的快速交付与持续创新。其包括控制层、数据库层、集群层、镜像仓库层以及后端存储层；所述控制层用于ui操作的汇聚编译；所述数据库层用于存放控制层运行的系统数据和用户各种操作产生的数据，所述镜像仓库层是平台系统服务镜像和用户运行服务镜像的本地化仓储，用于提供对服务镜像的版本管理、服务镜像的安全扫描；所述后端存储层为所述基础云平台存储的集成管理层，用于集成多种存储类型，为系统服务及上层应用提供具体的存储卷。具体设置详见边缘节点核电paas层描述，此处不再赘述。此外，通用paas层还基于devops提供开发运维一体化技术。
85.在一种可能的实现方式中，核电paas为核电厂应用提供微服务化的核电工业算法、模型、知识组件，包括核电工业数据平台(paas-d)与核电工业数据平台
86.其中，核电工业数据平台(paas-d)旨在建设核电工业数据的统一数据平台，包括大数据存储与计算、时序数据接入与处理、核电工业数据加工建模(如数据抽取、清洗、建模)以及核电数据治理(主数据、元数据、数据标准、数据质量稽核、数据资产)等功能，实现核电工业数据的互联互通，消除数据孤岛，同时也能够产生规模效应，沉淀核电数据资产和模型，为核电数据的展示、分析、应用和优化提供平台能力。核电专用工具及组件(paas-n)，可提供适用核电业务的组件、服务、工具、引擎等，比如核电机组热力性能分析组件、核电机组运行画面监控服务、核电数据实时处理引擎、核电工业系统建模工具、核电数据组态工具等。
87.作为一优选方案，本实施例中，核电工业数据平台(paas-n)包括数据汇聚模块、数据治理模块、数据服务模块以及数据价值模块；所述数据汇聚模块为时序数据接入子模块、半结构化与文件数据接入子模块以及结构化数据抽取子模块中一种或多种的组合，用于根据用户需求进行数据的接入与抽取；所述数据治理模块为数据标准构建、数据建模、数据集成、数据质量稽核以及数据安全管理中一种或多种的组合；其中，所述数据集成主要包括标签集、指标集、应用宽表等方式；所述数据安全主要是数据的安全管理，包括数据脱敏、加密/解密、数据水印、审计等多种安全管理手段；所述数据服务模块为数据资产发布、数据分发以及数据标签生成中一种或多种的组合。
88.作为一优选方案，所述核电专用工具及组件中，所述软件为工业互联网运维配置工程师站、边缘节点运维配置工程师站中一种或多种的组合；所述工具为核电设备组态工具、核电数据组态工具、核电流程画面组态工具、核电工艺模型算法开发工具、核电维修规程结构化工具、核电工业工艺系统建模工具、核电ai建模与调试工具以及核电4d大修流程配置工具中一种或多种的组合；所述算法为工业流程模型、工业仿真模型、预测评价模块以及基础算法模型中一种或多种的组合；所述引擎及服务为运行画面服务、4d大修服务、数字化工作包服务、核电机组热力性能分析组件、核电指标分析服务、远程专家支持服务、核电仿真引擎、核电数据实时处理引擎、核电三维轻量可视化引擎中一种或多种的组合。
89.物联网中的设备产生大量的数据，数据都上传到云端进行处理，会对云端造成巨大的压力，将数据中心侧的服务下沉至边缘节点，以最低的延迟相应终端用户，同时降低用户数据中心的计算压力和网络负载。
90.作为一优选方案，所述边缘云平台还包括本地计算服务，所述本地计算服务用于根据用户需求，基于本地应用对本地存储的电厂侧时序数据进行处理和分析，并将所述处理结果以及本地应用汇聚集中到中心云平台进行数据分析挖掘、数据共享以及应用共享。此外，如果遇到网络故障，也可以先在边缘侧进行数据处理，在网络恢复的情况下将数据上传到云端，云端进行数据存储和分析。
91.这样设置，电厂侧为分担中心云节点的压力，边缘计算节点可以负责自己范围内的数据计算和存储工作。同时中心侧平at通过纳管电厂的边缘节点，提供将云上应用延伸到边缘的能力，联动边缘和云端的数据，为电厂提供完整的边云协同的一体化服务。边缘测将处理后的数据上传到云端，需要与云端交互的数据仅为经过加工分析后的高价值数据，一方面极大的节省了网络带宽资源，另一方面也为云端后续进一步大数据分析、数据挖掘提供了数据预加工服务，为云端规避了多种采集设备带来的多源异构数据问题。
92.那些经过处理的数据从边缘节点汇聚集中到中心云，云计算做大数据分析挖掘、数据共享，同时进行算法模型的训练和升级，升级后的算法推送到前端(电厂侧)，使前端设备更新和升级，完成自主学习闭环。同时当边缘计算过程中出现意外情况，存储在云端的数据也不会丢失。
93.作为一优选方案，所述边缘云平台还包括远程管理模块，所述远程管理模块用于接收中心侧平台应用app和服务发布，并执行所述应用app和服务的本地部署。本发明所示的一种核电工业互联网综合智能平台，边缘节点统一管控，边缘节点只接受云端和业务运营方封装的边缘侧应用的下载和运行。
94.作为一优选方案，所述边缘云平台还包括远程监控模块，所述远程监控模块用于
边缘节点的运行监控信息，包括但不限于软件、硬件、数据、应用状态及告警信息的监控，并将所述监控信息采集上传至云端中心侧平台；所述中心侧平台对应设有集中监控中心，所述集中监控中心用于接收各边缘云平台的监控信息。边缘测可及时检测异常情况，并更好的实现预测性监控、预防设备故障。边缘测将处理后的数据上传到云端，需要与云端交互的数据仅为经过加工分析后的高价值数据，一方面极大的节省了网络带宽资源，另一方面也为云端后续进一步大数据分析、数据挖掘提供了数据预加工服务，为云端规避了多种采集设备带来的多源异构数据问题。
95.作为一优选方案，本发明所示的一种核电工业互联网综合智能平台中，所述中心侧平台还包括应用接入接口层，所述应用接入接口层用于为所述核电专用paas层提供接口，包括基础算法类api、工业模型类api、数据类api、服务类api、应用管理类api以及安全类api。
96.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。