一种基于云边协同的计量装置现场校验设备管理系统

技术领域

本发明涉及设备管理技术领域，尤其涉及一种基于云边协同的计量装置现场校验设备管理系统。

背景技术

随着物联网、大数据和人工智能技术的快速发展与加速融合，智能物联网逐步被应用在国家重大需求和民生的各个领域。在国家电网推进“三型两网、世界一流”建设的背景下，国网天津电科院计量中心开始逐步探索构建新型的智能计量体系。计量装置现场校验是计量资产管理的关键一环，而目前对于计量装置现场校验设备的管理仍处于人工阶段。在传统模式下，工作人员在去往现场前，由仓库随机分配检验设备，由于缺乏对校验设备可靠性的有效判断，为避免设备失效情况发生，经常需要携带备用设备，存在一定的人力和物力资源浪费。此外，对于校验设备的相关信息缺少数字化记录，管理人员无法实时准确的了解校验设备的使用情况，难以做出科学合理的校验设备维修、淘汰和采购决策。云边协同是一种结合了云计算与边缘计算优势的新型计算模式，同时具备云计算强大的计算能力与边缘计算短时传输的响应特性，提升了工业物联网智能化水平。但是，当前将云边协同技术在计量装置校验设备管理领域中的应用较少，具有一定的应用前景。

发明内容

针对现有技术的不足，本发明设计了一种基于云边协同的计量装置现场校验设备管理系统。本发明旨在将云边协同技术引入计量装置现场校验设备管理过程，通过边缘计算提升数据处理实时化水平，提高检验设备使用效率和可靠性，减少资源浪费，并在云计算层面通过全局优化知识库进行决策，指导校验设备的维修、淘汰和采购等决策，提升企业设备管理水平。

为实现本发明的目的，本发明提供的技术方案如下：

一种基于云边协同的计量装置现场校验设备管理系统，包括数据采集层、边缘计算层、核心网络层和云计算层；

所述数据采集层与边缘计算层相连接，其用于利用感知设备实时采集终端各类异构数据，并将采集的异构数据发送至边缘计算层；

所述边缘计算层与云计算层相连接，其用于接收、存储和实时处理所述数据采集层上传的异构数据，将边缘决策下发回底层设备，将处理后的数据发送至云计算层，并接收云计算层传回的全局决策模型；

所述核心网络层用于边缘计算层和云计算层之间的数据交互。

所述云计算层用于接收所述边缘计算层上传的数据，并向所述边缘计算层发送全局决策模型。

其中，所述感知设备包括部署在计量装置现场校验设备仓库的RFID读写器、各类传感器、AGV小车以及工作人员手持PDA掌机。

其中，所述核心网络层包括路由器和控制器。

与现有技术相比，本发明的有益效果在于：本发明设计了一种基于云边协同的计量装置现场校验设备管理系统，将云边协同技术引入计量装置现场校验设备管理过程，结合了云计算强大的计算能力与边缘计算短时传输的响应特性优势，通过边缘计算提升数据处理实时化水平，提高检验设备使用效率和可靠性，减少资源浪费，并在云计算层面通过全局优化知识库进行决策，指导校验设备的维修、淘汰和采购等决策，提升企业设备管理水平。

附图说明

图1为本发明中基于云边协同的计量装置现场校验设备管理系统架构图。

图2为本发明中基于云边协同的计量装置现场校验设备管理流程图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

以下结合附图和具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用属于“包含”和/或“包括”时，其指明存在特征、步骤、操作、部件或者模块、组件和/或它们的组合。

应该理解，当本申请文件中称部件被“连接”到另一部件时，它可以直接连接到其他元件，或者也可以存在中间部件。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

下面对本发明中的具体实施方案做出详细说明。

实施例

图1所示为本发明提出的基于云边协同的计量装置现场校验设备管理系统架构的一种具体实施例结构。基于云边协同的计量装置现场校验设备管理系统包括数据采集层、边缘计算层、核心网络层和云计算层，其中：

1.数据采集层：利用感知设备实时采集终端各类异构数据，并通过ZigBee、蓝牙、Wifi、5G等多协议通讯接口发送至边缘计算层。具体的，感知设备包括部署在计量装置现场校验设备仓库的RFID读写器、各类传感器、AGV小车以及工作人员手持PDA掌机等，采集的数据包括现场校验设备生产厂家、型号等属性数据，运行时长、使用次数、剩余电量和历史故障、所处仓位等状态数据，以及校验现场温度、相对湿度、大气压力等工况数据。

2.边缘计算层：用于接收、存储和实时处理数据采集层上传的各类异构数据，并将边缘决策下发回底层设备；同时将加工后数据上传至云计算层，并载入云计算层传回的全局决策模型。具体包括数据管理模块、仓位分配模块、出库计划模块和故障预警模块等。其中：

(1)数据处理模块配置边缘计算网关服务器，实现各类异构数据的存储、预处理和融合。处理后的数据分别发至边缘计算层其他模块和云计算层。

(2)仓位分配模块可载入现场校验设备的仓位分配模型，根据当前设备仓库分布、AGV小车位置和入库校验设备信息，以最小化作业时间和最小化同类设备为目标，求解入库校验设备调度最优路径，并将边缘移载决策发送至AGV小车。

(3)出库计划模块可载入现场校验设备的出库计划模型，根据校验设备状态数据和工作人员即将前往的现场工况数据，对设备出库优先级进行排序，计算得到最适用于现场工况且可靠性较高的设备，并将边缘出库决策发送至设备仓，对相应设备进行解锁出库。

(4)故障预警模块可载入现场校验设备的故障预警模型，根据设备属性数据和状态数据，识别出退化程度严重、发生故障可能性较大的设备，锁定该设备并将预警信息发送至工作人员PDA掌机。

3.核心网络层：用于边缘计算层和云计算层之间的数据交互，包括路由器等网络设备、控制器和网络应用服务等。

4.云计算层：用于接收边缘计算层上传的海量数据，由配置的高计算性能数据库服务器和云端应用服务器，构建仓位分配、出库计划、故障预警等模型，利用数据对模型进行训练，并通过核心网络层传输至边缘计算层，指导校验设备的管理决策。

在优选的实施例中，仓位分配模型可通过将群智能算法引入路径规划问题来构建。出库计划模型基于设备可靠性预测和设备状态评价来构建，其中可靠性预测可采用全连接神经网络、深度置信网络等深度学习方法实现；设备状态评价可通过选取可靠性、现场工况适应度等指标，并利用熵权法为各指标赋予权重，从而得到出库优先值。故障预警模型基于所述的设备可靠性预测，确定报警阈值。

设备管理流程图如图2所示。

需要说明的是，本申请中未详述的技术方案，采用公知技术。

以上所述仅是本发明的优选实施方式，应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。