一种基于雾节点的边缘计算系统的制作方法

本实用新型涉及能源技术领域，具体涉及一种基于雾节点的边缘计算系统。

背景技术：

信息计算刚出现时的形态就是一种边缘计算——各个分散的节点负责软硬件的维护，以及数据的存储、计算和安全，然而因为成本、弹性和扩展性等问题，最终信息计算逐步发展为由集中的云计算中心负责，即让集中的云计算中心来负责所有数据的存储、计算、安全，而终端只负责I/O，即数据采集、输出和交互。业已普及的云计算已成为一个庞大的信息产业，人们日常生活中的各种应用已经与云计算密不可分，比如微信、淘宝、支付宝、滴滴打车等。

然而没有什么技术架构是完美无缺的，云计算发展到今天也面临不少瓶颈，需要新技术来突破。

第一，云计算无法满足爆发式的海量数据的计算需求。随着互联网与各个行业的融合，特别是在物联网(IoT)技术普及后，计算需求出现爆发式增长，预计到2020年，将有500亿个设备将连接到网络，传统云计算架构不能满足如此庞大的计算需求，短时间内扩容并不现实。

第二，云计算不能满足一些新兴的计算场景，特别是IoT(物联网)。云计算的做法是，数据被终端采集后传输汇集到集中式云计算中心，通过集群计算后再返回结果，因为有网络延迟，这需要一定的时间，特别是在基于4G网络的移动互联网中。比如实时语音翻译，再比如无人车，对响应时间都有极高要求，依赖云计算并不现实。

第三，IoT产生大量的“小数据”需要实时处理，这并不适合云计算。互联网时代，云计算与大数据和人工智能是三位一体的，以至于有人曾预测未来各行各业其实就是在云端用人工智能处理大数据。然而互联网和移动互联网都是用户产生的数据，而IoT时代则有大量数据由机器产生，比如电表数据、环境监测数据，各种各样的小数据，有许多已不需要上传到云端进行处理，在终端或者网络边缘侧简单处理响应即可，或者说，不需要将原始数据上传到云端处理，在云端进行初步处理后再传到云端，从而能避免带宽和存储量的浪费。

技术实现要素：

本实用新型实施例的目的在于提供一种基于雾节点的边缘计算系统，用以解决现有技术中存在的问题。

为实现上述目的，本实用新型实施例提供一种基于雾节点的边缘计算系统，该基于雾节点的边缘计算系统包括：采集设备、雾节点主机和能源云平台；雾节点主机用于接收并转发对应的能源云平台下发的指令至采集设备，以及接收采集设备根据指令采集的原始数据，然后通过能源站点模型处理采集设备采集的原始数据，得到处理数据，且将处理数据传输至能源云平台；其中，雾节点主机设置在采集设备侧。

可选的，雾节点主机，还用于：采用雾节点能源模型，将原始数据的格式统一。

可选的，能源云平台，还用于：更新雾节点能源模型，并将更新后的雾节点能源模型远程同步到对应的雾节点主机。

可选的，雾节点主机，具体用于：通过集中规约适配库，对采集数据进行数据包解析，自动规约适配，ETL数据清洗，得到处理数据。

可选的，雾节点主机，具体用于：通过雾节点能源模型的告警规则，监控原始数据和处理数据，当所属原始数据和/或处理数据发现异常时，产生告警。

可选的，雾节点主机还用于：在预设存储周期内存储处理数据。

可选的，雾节点主机还用于：根据雾节点主机的存储容量和处理数据的存储数量定义预设存储周期。

可选的，雾节点主机，还用于：通过高级加密标准(Advanced Encryption Standard，AES)、数据加密算法DES/3DES加密处理数据。

可选的，雾节点主机包括接口，采集设备通过接口与雾节点主机连接。

可选的，接口包括：485接口、232接口、传输控制协议TCP接口或无线接口。

本实用新型实施例具有如下优点：

基于分布式云雾架构体系，将边缘计算部分和能源云平台计算部分功能分开，有效解决海量数据存储、快速响应和并发访问的问题。

附图说明

图1为本实用新型实施例1提供的一种基于雾节点的边缘计算系统的结构示意图。

图2为图1中能源计算的结构示意图。

图3为现有技术中能源计算的结构示意图。

具体实施方式

以下由特定的具体实施例说明本实用新型的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本实用新型的其他优点及功效。

须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本实用新型可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本实用新型所能产生的功效及所能达成的目的下，均应仍落在本实用新型所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、右”、“中间”等的用语，亦仅为便于叙述的明了，而非用以限定本实用新型可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本实用新型可实施的范畴。

实施例1

图1为本实用新型实施例1提供的一种基于雾节点的边缘计算系统的结构示意图。如图1所示，该基于雾节点的边缘计算系统包括：采集设备10、物联网通信设备20、至少一个雾节点主机30和能源云平台40，在附图1中以两个雾节点主机为一个示例。

能源云平台40给对应的雾节点主机30下发采集原始数据的指令，再由雾节点主机30转发至与雾节点主机30连接的采集设备10；采集设备10用于根据数据原始数据指令采集原始数据，并通过物联网通信设备20将原始数据传输至与采集设备10通信连接的雾节点主机30；雾节点主机30部署在用户侧的能源系统中，该雾节点主机30用于通过雾节点能源模型处理原始数据，并将处理的数据发送至能源云平台40，能源云平台40则将处理的数据传输至能源系统(如图2所示)。其中，物联网通信设备20可以为路由器等设备，采集设备10可以为电表等设备。

处理原始数据的过程包括：进行规约适配和转换(按照统一能源模型要求的数据格式，将原始数据根据一定的规则适配和转换为能源云平台能处理的数据格式的类型，能源云平台处理数据的格式一般都是固定的，只需要适配和转换得到该固定的数据格式就行)、ETL数据清洗(是指将原始数据中与能源数据，例如需要对电量进行运行，那么对原始数据中除能源云平台所需能源数据如电量等数据之外的数据都需要进行清除掉)，得到处理后的标准化(符合统一能源模型的数据格式标准)熟数据。

在图2中，经由能源云平台40得到的处理数据，最终是需要由能源云平台40对应的云节点22的发送至能源云平台软件系统，该软件系统则是用于对该处理数据进一步处理，例如生成回路电量报表、运行报告、时段日报表等。

基于边缘计算的雾节点23和基于边缘计算的雾节点24则是与雾节点主机30对应，用于根据云节点22下发的指令，采集数据，并将采集的数据反馈至云节点22。基于边缘计算的雾节点23用于通过采集能源的设备从分布式光伏、风能、生物能等能源系统25采集能源数据；基于边缘计算的雾节点24用于通过采集能源的设备从分布式光伏、风能、生物能等能源系统26采集能源数据。

采集设备10是从分布式光伏、风能、生物能等能源系统从采集能源数据的，由于分布式光伏、风能、生物能等不同厂家设计的不同能源系统对应的能源数据格式是不一样的，需要通过雾节点主机30的雾节点能源模型所定义的规则，将采集的原始能源数据先统一为一种格式，如能源对象化；然后再由雾节点主机30进行边缘计算处理分析，得到处理数据。雾节点能源模型，将采集设备10对应的各种能源系统进行雾节点能源模型整合，形成一体化综合能源体系，为所述能源云平台提供统一数据集。

本实用新型实施例提供的基于雾节点的边缘计算系统，与现有技术相比(图3)，在图3中能源云平台软件系统31、云节点32和从分布式光伏、风能、生物能等能源系统35和36采集能源的设备组成，由云节点32直接控制能源采集设备对能量数据的采集，因大量采集层(采集设备)往云中心传数据，每个通道都占用网络资源，很容易造成网络堵塞，因此不能快速访问。而本实用新型实施例提供的基于雾节点的边缘计算系统，可以将边缘计算部分和能源云平台计算部分功能分开，有效解决海量数据快速网络访问和并发访问问题。

在图1中能源领域的物联网设备的数量不少，云计算应用与能源领域的物联网的共性是设备数量多，分布广。下面对应有两种物联网和云计算架构。

第一种和大多云计算架构相同，是集中式云计算模型。所有的物联网终端把数据统一上传到能源云平台，由能源云平台统一进行数据采集、存储和分析处理。这种架构适合于对实时响应不高的场合，例如抄表应用。可以在15分钟，甚至1小时，1天内完成抄表即可，能源云平台应用大多以离线的联机分析应用(OLAP)和统计分析为主。

但是对于实时性要求高的应用，上述架构显然不能满足性能要求。例如对于智能运维业务，需要实现用电设备实时在线监测，通过采集的数据进行分析，判定故障，并推送报警，是一个标准的实时、准实时物联网应用。从物联网数据采集节点传送数据到能源云平台，再由能源云平台进行数据分析和判断，推送告警，处理环节多，且网络存在延时，实时性很难得到保证。

自然可以考虑到采用“边缘计算”的架构，在靠近数据源的地方部署“边缘节点”，由此计算节点就地完成数据采集、数据处理和故障分析，把处理后的结果上送到能源云平台，由能源云平台进行统一管理和告警推送。这样，集中式能源云平台的计算工作被分散地分配到各个边缘节点，通过分布式计算实现实时、快速、高效的用户响应。

在这样的情况下，边缘计算(Edge Computing)应用而生，它的核心理念就是将数据的存储、传输、计算和安全交给雾节点主机30来处理。当然与云计算出现前的终端计算不同，边缘计算并不是说要让能源采集设备10自己负责所有计算，而是在离能源采集设备10更近的地方部署雾节点主机30，能源采集设备10与雾节点主机30之间通信可以有多种形式(例如，485通信、TCP通信、ZIGBEE、NB-IoT等)，这样可以解决因大量采集层(采集设备)往云中心传数据，每个通道都占用网络资源，很容易造成网络堵塞，从而产生网络延迟，并造成数据丢失的问题。大量实时的需要交互的计算(例如对采集的数据进行汇总、计算、分析，如：总电度、总有功功率、总无功功率、越限等计算)将在边缘节点完成，一些需要集中式处理的计算则继续交由大型云计算中心，如大数据挖掘、大规模学习则要集中式云计算中心才能完成，边缘计算与云计算分工协作，来满足IoT时代爆发式的计算需求。

也有人认为如果能源站点已经有通信管理机，是否可以直接上云；通过雾节点再上云多了一个设备，反而增加了工作量，增加了成本。

首先，从工程实施和平台维护的角度来看工作量是否会增加。从技术架构上来看，作为一个完整的，可维护，可扩展的平台，必然需要一个接入层来适配异构的数据采集系统，如光伏，风电，智能建筑，用户变电站。对于能源云平台来说，只要面对统一的接入层就可以了。如果采用通信管理机直接上云，也要在云端构建这样一个接入层。无外乎接入层的工作是在雾节点实现，还是在云端实现。由此可见，接入工作量几乎是一样的，并非采用雾节点就会增加工作量。

其次，通信管理机直接上云是否会节省成本？如现场没有通信管理机，增加可靠的、合格的通信管理机的成本和雾节点相当。如现场已有通信管理机，规格型号、通信接口、规约千差万别，要统一的接入到能源云平台，也必然要规定或者配置标准的接入转换单元。而这个接入转换单元的硬件成本、施工成本和雾节点几乎一样。如果不经过标准接口转换单元，现场各种异构的通信管理机直接通过无线透传设备上云，则需要在云端进行规约接入适配，对人员要求更高，接入调试的难度也更高，即便增加1-2人天的人工成本就已经完全抵得上一个雾节点主机的成本了。而无线透传设备，如4G路由器，RS485转4G模块，本身也需要成本。

最后，通信管理机无法胜任边缘计算的要求。通过前面的分析已经看出，能源互联网平台采用边缘计算技术架构是必然的选择，雾节点也是能源互联网应用整体解决方案必不可少的一部分。而通信管理机仍然是一个物联网数据采集节点，从整体架构上看，和一个电表没有什么区别，只不过汇集了更多块表的数据。当然可以对通信管理机做出更高的要求，可以分布式存储，可以通过云节点统一配置和监测，可以具备能源设备模型，可以分布式计算，可以远程部署应用等，那这就是一个雾节点了。

在本实用新型实施例1中将边缘计算部分和云中心计算部分功能分开；而在现有技术中，则是所有采集设备采集的“生数据”传输到能源云平台处理，由能源云平台统一处理后实现各种业务，不仅需要高速带宽传输大量无效数据，而且给能源云平台也带来巨大负担(如图3所示)。最终结果是处理成本高昂，处理时间周期长，效率低下，实时响应差。相比现有技术，能有效解决海量数据快速网络访问和并发访问问题，且可以在毫秒级的时间內，对能源系统采集到的原始数据进行处理，第一时间完成监控任务。

在本实用新型实施例1中，雾节点能源模型是由能源云平台40发送给能源云平台40对应的雾节点主机30的，且雾节点能源模型在雾节点主机30首次访问能源云平台40，或更换了雾节点主机30，或者能源系统发生变化了时，需要由能源云平台40将重新下发的雾节点能源模型远程同步至能源云平台40下的雾节点主机30。此外，能源云平台40还用于部署应用，配置事件处理规则，雾节点主机30在收到原始数据的第一时间就会进行数据处理，并将处理后的信息传输至能源云平台40。另外，雾节点主机30具备分布式数据存储功能，可作为能源云平台40的远程分布式数据存储节点部署。存储周期可由用户设定，1分钟～24小时可选。数据存储周期一般不少于3个月，并可根据存储容量、存储数据数量自定义存储周期。雾节点主机30还可对雾节点本地进行数据处理的任务进行配置管理和调度，可设定是否周期执行，执行频次等，执行规则等。根据能源云平台40下发的各种告警规则，对采集和处理产生的数据结果实时监控，发现异常(例如，温度、需量、电流等越限、全站失电等)时及时告警。在雾节点主机30和能源云平台40通信，不单单是将处理后的信息传输至能源云平台40，还实时上报本地计算资源工况，如CPU负载、存储、网络通信状态、进程状态等。其中，边边缘计算(指的是雾节点主机30)针对本能源站的采集数据进行计算处理；云计算(指的是能源云平台40)是以园区、企业等为单元进行汇总计算，比如：该企业的能效分析等，是1个权属范围内所有边缘节点数据进行数据聚类计算、分析。

本实用新型实施例1中的雾节点能源模型是e-CIM(Energy Common Information Model)，一种基于IEC61968/IEC61970标准的CIM模型的综合雾节点能源模型扩展，该模型勾画出能源站的全景数据模型画像，包括(能源基础属性、拓扑关系、空间属性等)。其中，雾节点能源模型包括计算规则，自终端(能源物联网设备)采集的能源数据，引用模型中的规则，进行拓扑分析评价，获取计算结果。

需要说明的是，ie-Cloud平台的边缘节点(雾节点)与云节点具有对等同构的软件配置环境和数据应用模型，甚至可以配置为整个系统的一个数据存储节点。

其中，能源云平台40部署应用包括但不限于以下功能：

能源云平台40记录雾节点主机30的版本，方便对雾节点主机30对应的软件升级版本管理和硬件资源管；能源云平台40对雾节点主机30运行资源进行实时资源管理，方便雾节点主机30存储硬盘剩余空间监管、SIM卡剩余流量监管等；能源云平台40分配给雾节点主机30能源空间，该能源空间提供数据交互专用通信通道。

其中，能源云平台40配置事件规则包括但不限于以下功能：

雾节点主机30存库时间频率；根据数据类型配置上传数据包的频率及规则；接收采集数据的规约适配规则；边缘计算规则。

因RS485总线理想情况下能接128个设备，根据用户侧接入雾节点主机30的测点数量和接入方式(485接口、TCP接口、无线接口等)，需要选择不同型号的雾节点主机30，对数据量的大小，普通单片机资源处配置都比较高，处理能力没有问题，存储空间可根据现场接入数和存储保留时间，配置和扩展相应的硬盘。

本实用新型实施例1中，雾节点主机30和能源云平台40之间的通讯方式包括无线通讯方式和有线宽带，无线通讯方法例如2G/3G/4G。

在本实用新型实施例1中，雾节点主机30配备嵌入式Linux操作系统，将Linux植入嵌入式设备具有众多的优点。Linux是可以定制的，其系统内核最小只有约134KB。一个带有中文系统和图形用户界面的核心程序也可以做到不足1MB，并且同样稳定。它和多数Unix系统兼容，应用程序的开发和移植相当容易。针对系统特有的硬件设备，内核提供了简单、易用的驱动接口，可加速用户的应用程序开发。同时，由于具有良好的可移植性，人们已成功使Linux运行于数百种硬件平台之上。此外，雾节点主机30硬件采用先进的工业级32位单片机硬件平台，功能强大，性能稳定。与此同时，雾节点主机30采用单一或备援型电源供应器，24小时作业不间断。

本实用新型实施例中提供的雾节点在很大程度上是具备云节点的功能，云节点和雾节点结构的本质区别在于，雾节点的处理能力只是针对与该节点对应的采集设备采集的能源数据进行处理，这些也是与雾节点和云节点本身的结构有关，此外，雾节点在一定程度上也可以给该雾节点连接的设备下发一下控制指令，例如，设置在采集设备侧的温度采集器，该温度采集器则是用于采集该采集设备所处的环境的温度并传递至雾节点，雾节点对应的雾节点主机比对发现该温度是偏高的，雾节点可以控制与该雾节点连接的降温的设备(例如，空调)进行降温处理；上述降温的操作就不需要经由云节点给出指令，因此雾节点主机是安装在采集设备侧的，可以即时反馈处理。

本实用新型实施例1提供了一种基于雾节点的边缘计算系统，由雾节点主机接收并转发控制设备的指令至采集设备，以及接收采集设备根据指令采集的原始数据，然后通过雾节点能源模型处理采集设备采集的原始数据，得到处理数据，且将处理数据经由对应的能源云平台传输至能源系统；其中，雾节点主机设置在采集设备侧。基于分布式云雾架构体系，将边缘计算部分和云中心计算部分功能分开，有效解决海量数据快速网络访问和并发访问问题。

虽然，上文中已经用一般性说明及具体实施例对本实用新型作了详尽的描述，但在本实用新型基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本实用新型精神的基础上所做的这些修改或改进，均属于本实用新型要求保护的范围。