云边协同技术下的化工园区风险预警系统

技术领域

本发明涉及工园区风险预警技术领域，特别是涉及一种云边协同技术下的化工园区风险预警系统。

背景技术

目前园区风险预警平台大部分以主体采用B/S架构，以主流、开放的平台应用框架，满足园区监管要求。由于目前企业侧的边缘网关极少具备强大的计算能力，无法实现边缘数据计算、分析，其仅能实现对数据的初步处理、计算和整理，然后企业端使用边缘网关采集数据汇集到园区中心端平台，进行数据分析、处理，从而发现问题进行风险预警。其主要存在如下的缺陷：数据集中到园区中心端进行计算，延迟大，硬件资源存储、计算配置要求高；视频数据上传到园区中心端网络带宽要求高；对企业数据采集不全面，预警信息准确度相对较低。

发明内容

有鉴于此，本发明的主要目的在于提供一种云边协同技术下的化工园区风险预警系统。

本发明采用的技术方案如下：

云边协同技术下的化工园区风险预警系统，包括：

资源服务器，以及

至少一个边缘侧客户端；

所述边缘侧客户端具有：

多线程布设的数据采集模块，每一数据采集模块用于获取设备侧的基础数据，

数据处理模块，连接数据采集模块，将数据采集模块采集到的基础数据输入至数据处理模块，所述数据处理模块用于对基础数据进行识别、分类以及标注，以得到具有标注的分类数据；

数据分析模块，具有多个分析单元，将分类数据按照对应的分析单元进行分析，并得到分析结果；

整理模块，用于将基础数据、分类数据以及分析结果对应的关联，并按照设定的周期形成关联表；

所述资源服务器具有：

边缘计算模块；

边缘分析模块；

云网络，用于提供数据的云传输以及存储，以及在第一云存储模块中设置用于边缘侧客户端进行应用的边缘应用；

资源协同模块，该资源协同模块具有协同存储配置单元、协同调度单元以及协同调度控制单元；

所述协同存储配置单元被配置成基于云网络将每一边缘侧客户端形成的对应关联的基础数据、分类数据以及分析结果按照设定的周期提取，按照第一关联表对应的存储在第二云存储模块中，并为每一第一关联表设置一个第一协同线程集合；

所述协同调度单元用于当任意一个与资源服务器连接的边缘侧客户端向资源服务器发送协同请求时，协同调度单元对协同请求进行分析识别，以获取协同请求所包含的请求内容，依据请求内容在协同调度控制单元的控制下开启对应的第一协同线程集合中的一个或者多个以通过云网络链接至边缘侧客户端，并向所述边缘侧客户端提供协同云链接，所述边缘服务器基于协同云链接对应的从云存储模块中获取调取所需的数据和边缘应用；

或，所述协同调度单元用于当任意一个与资源服务器连接的边缘侧客户端向资源服务器发送协同计算请求时，所述协同调度单元一方面基于云网络将边缘侧客户端需要进行边缘计算的数据单元提取到协同调度单元的缓存库中进行缓存，另一方面，将协同计算请求发送至协同调度控制单元，在协同调度控制单元的控制下启用边缘计算模块，边缘计算模块启用后从缓存库中加载数据单元进行边缘计算，基于边缘计算结果在边缘分析模块中进行融合分析，基于边缘分析结果来判断是否具有风险因素，形成风险提示，基于所述风险提示，协同调度单元向与资源服务器连接的所有边缘侧客户端进行预警提示，以及将边缘计算结果、边缘分析结果和风险提示对应的关联，形成协同侧关联表，并将协同侧关联表及对应的边缘计算结果、边缘分析结果和风险提示存储在第三云存储模块中，并为每一第二关联表设置一个第二协同线程集合。

进一步地，所述边缘侧客户端还设置有分发模块，所述分发模块用于在设定的接口下经云网络将边缘侧客户端获取的关联表以及关联表对应的基础数据、分类数据以及分析结果传输至资源服务器。

进一步地，所述第二云存储模块按照如下的方法进行配置：

将第二云存储模块划分为若干个存储单元；

设定每一存储单元的存储权限；

为所述存储权限配置一个写入线程和一个协同线程；

将所述写入线程和协同线程配置到协同存储配置单元，当协同存储配置单元周期性的基于云网络将每一边缘侧客户端形成的第一关联表以及第一关联表对应的基础数据、分类数据以及分析结果进行提取时，写入线程来配置存储单元的存储属性，协同线程基于关联表来配置在进行数据的协同调度时从存储单元进行独立调取的调度规则。

进一步地，所述存储属性为在进行数据的读写时所配置的赋值。

进一步地，所述调度规则是基于第一关联表而设定的读取数据的规则。

进一步地，所述三云存储模块按照如下的方法进行配置：

将第三云存储模块划分为若干个存储区块；

设定每一存储区块的存储区块权限；

为所述存储区块权限配置一个区块写入线程和一个区块协同线程；

将所述区块写入线程和区块协同线程配置到协同存储配置单元，当协同存储配置单元基于第二关联表以及第二关联表对应的边缘计算结果、边缘分析结果和风险提示在进行存储时，区块写入线程来配置存储区块的区块存储属性，区块协同线程基于第二关联表来配置在进行数据的协同调度时从存储区块进行独立调取的区块调度规则。

进一步地，所述区块存储属性为在进行数据的读写时所配置的赋值。

进一步地，所述区块调度规则是基于第二关联表而设定的读取数据的规则。

进一步地，所述资源服务器内还设置有应急调度方案，

所述应急调度方案是基于历史报警数据形成的对应的应急管控措施。

云边协同技术架构上可通过资源协同、服务协同、应用协同三部分协同的技术实现为核心。其中核心技术路线包括应用分发、云边统一部署、云边应用统一管理。底层架构技术以实现协同为主要目的，实现云边模型下发边缘端、云边的服务、应用（包括应用的更新升级）统一下发，同时实现对边缘部署应用，边缘运行状态在云端的统一管理。

边缘侧客户端部署在企业侧，边缘侧客户端上的边缘端应用具有数据采集、数据分析、数据处理能力，能对接入的点位数据进行高级报警分析，接入的视频进行视频智能算法分析能够对采集的点位数据、视频数据、业务数据（企业的安全、环保管理数据）进行融合分析，综合判断风险对企业、园区进行预警，对计算后的中间结果数据进行上传到园区中心端平台，进行全面分析、趋势分析、数据挖掘、风险预测等分析。

整体业务架构上，分为云边端三层架构，园区为整体云平台（资源服务器），可以通过多种云部署方式进行部署园区统一监管平台，在企业部署本地边缘侧客户端，作为企业应用的主体部署，端部分需要满足对生产相关物联网设备，满足数据的接出。

附图说明

以下附图仅对本发明作示意性的说明和解释，并不用于限定本发明的范围，其中：

图1为本发明的框架原理图；

图2为本发明的方法流程图；

图3为本发明的业务架构图。

具体实施方式

为了使本发明的目的、技术方案、设计方法及优点更加清楚明了，以下结合附图通过具体实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。

实施例1

参照图1，本发明提供了云边协同技术下的化工园区风险预警系统，包括：

资源服务器，以及

至少一个边缘侧客户端；

所述边缘侧客户端具有：

多线程布设的数据采集模块，每一数据采集模块用于获取设备侧的基础数据，

数据处理模块，连接数据采集模块，将数据采集模块采集到的基础数据输入至数据处理模块，所述数据处理模块用于对基础数据进行识别、分类以及标注，以得到具有标注的分类数据；

数据分析模块，具有多个分析单元，将分类数据按照对应的分析单元进行分析，并得到分析结果；

整理模块，用于将基础数据、分类数据以及分析结果对应的关联，并按照设定的周期形成关联表；

所述资源服务器具有：

边缘计算模块；

边缘分析模块；

云网络，用于提供数据的云传输以及存储，以及在第一云存储模块中设置用于边缘侧客户端进行应用的边缘应用；

资源协同模块，该资源协同模块具有协同存储配置单元、协同调度单元以及协同调度控制单元；

所述协同存储配置单元被配置成基于云网络将每一边缘侧客户端形成的对应关联的基础数据、分类数据以及分析结果按照设定的周期提取，按照第一关联表对应的存储在第二云存储模块中，并为每一第一关联表设置一个第一协同线程集合；

所述协同调度单元用于当任意一个与资源服务器连接的边缘侧客户端向资源服务器发送协同请求时，协同调度单元对协同请求进行分析识别，以获取协同请求所包含的请求内容，依据请求内容在协同调度控制单元的控制下开启对应的第一协同线程集合中的一个或者多个以通过云网络链接至边缘侧客户端，并向所述边缘侧客户端提供协同云链接，所述边缘服务器基于协同云链接对应的从云存储模块中获取调取所需的数据和边缘应用；

或，所述协同调度单元用于当任意一个与资源服务器连接的边缘侧客户端向资源服务器发送协同计算请求时，所述协同调度单元一方面基于云网络将边缘侧客户端需要进行边缘计算的数据单元提取到协同调度单元的缓存库中进行缓存，另一方面，将协同计算请求发送至协同调度控制单元，在协同调度控制单元的控制下启用边缘计算模块，边缘计算模块启用后从缓存库中加载数据单元进行边缘计算，基于边缘计算结果在边缘分析模块中进行融合分析，基于边缘分析结果来判断是否具有风险因素，形成风险提示，基于所述风险提示，协同调度单元向与资源服务器连接的所有边缘侧客户端进行预警提示，以及将边缘计算结果、边缘分析结果和风险提示对应的关联，形成协同侧关联表，并将协同侧关联表及对应的边缘计算结果、边缘分析结果和风险提示存储在第三云存储模块中，并为每一第二关联表设置一个第二协同线程集合。

在上述中，所述边缘侧客户端还设置有分发模块，所述分发模块用于在设定的接口下经云网络将边缘侧客户端获取的关联表以及关联表对应的基础数据、分类数据以及分析结果传输至资源服务器。

在上述中，所述第二云存储模块按照如下的方法进行配置：

将第二云存储模块划分为若干个存储单元；

设定每一存储单元的存储权限；

为所述存储权限配置一个写入线程和一个协同线程；

将所述写入线程和协同线程配置到协同存储配置单元，当协同存储配置单元周期性的基于云网络将每一边缘侧客户端形成的第一关联表以及第一关联表对应的基础数据、分类数据以及分析结果进行提取时，写入线程来配置存储单元的存储属性，协同线程基于关联表来配置在进行数据的协同调度时从存储单元进行独立调取的调度规则。

进一步地，所述存储属性为在进行数据的读写时所配置的赋值。

进一步地，所述调度规则是基于第一关联表而设定的读取数据的规则。

进一步地，所述三云存储模块按照如下的方法进行配置：

将第三云存储模块划分为若干个存储区块；

设定每一存储区块的存储区块权限；

为所述存储区块权限配置一个区块写入线程和一个区块协同线程；

将所述区块写入线程和区块协同线程配置到协同存储配置单元，当协同存储配置单元基于第二关联表以及第二关联表对应的边缘计算结果、边缘分析结果和风险提示在进行存储时，区块写入线程来配置存储区块的区块存储属性，区块协同线程基于第二关联表来配置在进行数据的协同调度时从存储区块进行独立调取的区块调度规则。

在上述中，所述区块存储属性为在进行数据的读写时所配置的赋值。

在上述中，所述区块调度规则是基于第二关联表而设定的读取数据的规则。

在上述中，所述资源服务器内还设置有应急调度方案，

所述应急调度方案是基于历史报警数据形成的对应的应急管控措施。

以下结合具体的实施例进行详细的描述。

参照图2，云边协同技术架构上可通过资源协同、服务协同、应用协同三部分协同的技术实现为核心。其中核心技术路线包括应用分发技术、云边统一部署技术、云边应用统一管理技术、边缘服务管理框架核心底层架构技术。

底层架构技术以实现协同为主要目的，实现云边模型下发边缘端、云边的服务、应用（包括应用的更新升级）统一下发，同时实现对边缘部署应用，边缘运行状态在云端的统一管理。

边缘一体机部署在企业侧，一体机上的边缘端应用具有数据采集、数据分析、数据处理能力，能对接入的点位数据进行高级报警分析，接入的视频进行视频智能算法分析（主要模型有脱岗、睡岗、不戴安全帽、烟雾、明火等模型），能够对采集的点位数据、视频数据、业务数据（企业的安全、环保管理数据）进行融合分析，综合判断风险对企业、园区进行预警，对计算后的中间结果数据进行上传到园区中心端平台，进行全面分析、趋势分析、数据挖掘、风险预测等分析。

在应急场景下能够获取现场实时、历史视频数据、监控数据进行研判。

架构主要面向企业数据的采集、分析、数据分发场景构建边缘一体机，云平台提供核心数据的决策分析功能。企业使用标准化的边缘应用进行数据的采集和转发，统一接口。

参照图3，业务整体架构如下：

整体业务架构上，分为云边端三层架构，园区为整体云平台，可以通过多种云部署方式进行部署园区统一监管平台，在企业部署本地边缘一体机，作为企业应用的主体部署，端部分需要满足对生产相关物联网设备，满足数据的接出。

实施例1

实施例1提供了一种多边（多个边缘侧客户端）进行数据交互的实例。

当任意一个与资源服务器连接的边缘侧客户端向资源服务器发送协同请求时，协同调度单元对协同请求进行分析识别，以获取协同请求所包含的请求内容，依据请求内容获取读取数据的规则，通过读取数据的规则在协同调度控制单元的控制下开启对应的第一协同线程集合中的一个或者多个以通过云网络链接至边缘侧客户端，并向所述边缘侧客户端提供协同云链接，所述边缘服务器基于协同云链接对应的从云存储模块中获取调取所需的数据。

在上述中，所有的数据都是存储在云网络中的，因此只需要配置一个协同云链接，就可以让边缘侧客户端获取所需的数据。

这种方式可以实现不同边缘侧客户端之间的数据交互，在去中心化的同时，为边缘侧客户端提供了数据支持。

实施例2

实施例2提供了一种边缘侧客户端获取边缘应用的实例。

企业侧一些应用软件，比如财务软件、工业设计软件以及其他的一些软件，在使用的时候，一般需要将数据存储在本地，同时需要在本地的边缘侧客户端进行配置，由于这些应用软件一般许可费用均比较昂贵，当本地的边缘侧客户端需要列装上述的应用时，需要向软件厂商支付使用费，且这些应用软件一旦部署在本地的边缘侧客户端时，其不能进行远程共享。

本申请中，在资源服务器中部署了多种企业用的应用软件，这些应用软件可以在资源服务器进行一次性部署，然后共享给任意一个边缘侧客户端，特别地，当边缘侧客户端与资源服务器建立连接后，可以从资源服务器获取应用列表，基于应用列表，当任意一个与资源服务器连接的边缘侧客户端向资源服务器发送协同请求时，协同调度单元对协同请求进行分析识别，以获取协同请求所包含的请求内容，依据请求内容在协同调度控制单元的控制下开启对应的第一协同线程集合中的一个或者多个以通过云网络链接至边缘侧客户端，并向所述边缘侧客户端提供协同云链接，所述边缘服务器基于协同云链接对应的从云存储模块中获取调取边缘应用。

实施例3

实施例3提供了一种边缘侧客户端在计算能力不足或者不具备计算能力时，利用资源服务器进行数据的计算和处理。

当任意一个与资源服务器连接的边缘侧客户端向资源服务器发送协同计算请求时，所述协同调度单元一方面基于云网络将边缘侧客户端需要进行边缘计算的数据单元提取到协同调度单元的缓存库中进行缓存，另一方面，将协同计算请求发送至协同调度控制单元，在协同调度控制单元的控制下启用边缘计算模块，边缘计算模块启用后从缓存库中加载数据单元进行边缘计算，基于边缘计算结果在边缘分析模块中进行融合分析，基于边缘分析结果来判断是否具有风险因素，形成风险提示，基于所述风险提示，协同调度单元向与资源服务器连接的所有边缘侧客户端进行预警提示，以及将边缘计算结果、边缘分析结果和风险提示对应的关联，形成协同侧关联表，并将协同侧关联表及对应的边缘计算结果、边缘分析结果和风险提示存储在第三云存储模块中，并为每一第二关联表设置一个第二协同线程集合。

实施例4

实施例4是基于实施例2的补充说明。

由于边缘侧客户端可以从资源服务器获取应用，所以边缘客户端具有数据采集、数据分析、数据处理能力，能对接入的点位数据进行高级报警分析，接入的视频进行视频智能算法分析能够对采集的点位数据、视频数据、业务数据（企业的安全、环保管理数据）进行融合分析，综合判断风险对企业、园区进行预警，对计算后的中间结果数据进行上传到园区中心端平台，进行全面分析、趋势分析、数据挖掘、风险预测等分析。

以上已经描述了本发明的各实施例，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。