一种云边协同管控系统及方法技术方案

本发明专利技术涉及一种云边协同管控系统及方法，包括管控系统、云服务平台、终端设备、多个边缘处理系统；所述管控系统用于实时监测所述云处理平台与所述边缘处理系统的计算资源；并接收所述终端设备提交的任务处理请求；并根据所述计算资源和所述任务处理请求分配处理任务给所述云处理平台与所述边缘处理系统；所述云服务平台用于调用深度学习模型执行所述管控系统分配的处理任务，并将处理结果反馈给所述管控系统；所述边缘处理系统用于调用深度学习模型执行所述管控系统分配的处理任务，并将处理结果反馈给所述管控系统；所述终端设备用于接收所述管控系统转发的处理结果，并对处理结果进行显示，解决了云边协同中任务分配不均、资源浪费等问题。源浪费等问题。源浪费等问题。

【技术实现步骤摘要】
一种云边协同管控系统及方法


[0001]本专利技术涉及云端
，具体涉及一种云边协同管控系统及方法。

技术介绍

[0002]随着电网线路、数量的日益增加，监控场景、监控对象类型复杂多样，数量庞大且分布广泛，对视频监控系统在智能化、网络化、实时性、运维管理等方面提出了更高的要求；电网视频监控系统已经从模拟视频监控系统向模数结合的视频监控系统、数字视频监控系统向现在的智能视频监控系统不断发展。
[0003]云边协同技术是一种新兴的智能分析方法，目前针对电网算法还缺少更加明确的云边协同架构、云边协同方法等；因此，围绕电网算法特点和应用需求，深入研究电网算法云边协同技术，可以为提升电网算法系统的实时性能和智能化水平提供技术支撑。
[0004]在传统电网系统中，主要通过在云平台上集中处理方式，该方式随着越来越多设备接入，所需要处理的数据量也越来越大，使得云平台集中处理时传输带宽压力较大、实时性效果不理想等缺点；而传统云边协同，则容易导致任务分配不均、任务排队时间过长、资源空置、资源浪费的问题。

技术实现思路

[0005]本专利技术的目的在于提出一种云边协同管控方法，解决云边协同中任务分配不均、资源浪费等问题。
[0006]为实现上述目的，本专利技术实施例提出一种云边协同管控系统，包括管控系统、云服务平台、终端设备、多个边缘处理系统；
[0007]所述管控系统，用于实时监测所述云处理平台与所述边缘处理系统的计算资源；并接收所述终端设备提交的任务处理请求；并根据所述计算资源和所述任务处理请求分配处理任务给所述云处理平台与所述边缘处理系统；
[0008]所述云服务平台，用于调用深度学习模型执行所述管控系统分配的处理任务，并将处理结果反馈给所述管控系统；
[0009]所述边缘处理系统，用于调用深度学习模型执行所述管控系统分配的处理任务，并将处理结果反馈给所述管控系统；
[0010]所述终端设备，用于接收所述管控系统转发的处理结果，并对处理结果进行显示。
[0011]可选地，所述计算资源包括CPU和GPU的占用率；
[0012]其中，若与所述终端设备最近的边缘处理系统的CPU占用率小于预设占用率阈值或GPU占用率小于预设占用率阈值，则分配处理任务给与所述终端设备最近的边缘处理系统；
[0013]其中，若与所述终端设备最近的边缘处理系统的CPU占用率大于等于预设占用率阈值或GPU占用率大于等于预设占用率阈值，则分配处理任务给云处理平台。
[0014]可选地，所述管控系统还用于计算所述任务处理请求的任务复杂度；
[0015]其中，若任务复杂度小于预设复杂度阈值，则分配处理任务给与所述终端设备最近的边缘处理系统；
[0016]其中，若任务复杂度大于等于预设复杂度阈值，则分配处理任务给云处理平台。
[0017]本专利技术另一实施例提出一种云边协同管控方法，其基于上述的系统实现，包括如下步骤：
[0018]终端设备提交任务处理请求至管控系统；
[0019]管控系统实时监测云处理平台与边缘处理系统的计算资源；并接收所述终端设备提交的任务处理请求；并根据所述计算资源和所述任务处理请求分配处理任务给所述云处理平台与所述边缘处理系统；
[0020]云服务平台调用深度学习模型执行管控系统分配的处理任务，并将处理结果反馈给管控系统，管控系统将处理结果转发给终端设备；
[0021]边缘处理系统调用深度学习模型执行管控系统分配的处理任务，并将处理结果反馈给管控系统，管控系统将处理结果转发给终端设备；
[0022]终端设备接收管控系统转发的处理结果，并对处理结果进行显示。
[0023]可选地，所述计算资源包括CPU和GPU的占用率；
[0024]其中，所述根据所述计算资源和所述任务处理请求分配处理任务给所述云处理平台与所述边缘处理系统，包括：
[0025]若与所述终端设备最近的边缘处理系统的CPU占用率小于预设占用率阈值或GPU占用率小于预设占用率阈值，则分配处理任务给与所述终端设备最近的边缘处理系统；
[0026]若与所述终端设备最近的边缘处理系统的CPU占用率大于等于预设占用率阈值或GPU占用率大于等于预设占用率阈值，则分配处理任务给云处理平台。
[0027]可选地，所述方法还包括：
[0028]管控系统计算所述任务处理请求的任务复杂度；若任务复杂度小于预设复杂度阈值，则分配处理任务给与所述终端设备最近的边缘处理系统；若任务复杂度大于等于预设复杂度阈值，则分配处理任务给云处理平台。
[0029]可选地，所述方法还包括：
[0030]终端设备接收用户输入的反馈信息，当所述反馈信息为处理结果正确，且需要进行维护处理时，生成维护信息，并将维护信息发送给维护人员的移动终端以告知维护人员进行处理；当所述反馈信息为处理结果错误时，将所述反馈信息发送给处理任务的边缘处理系统或云处理平台；
[0031]边缘处理系统或云处理平台接收到所述反馈信息时，进行学习以更新深度学习模型的模型参数，并重新执行管控系统分配的处理任务。
[0032]本专利技术实施例至少具有以下有益效果：
[0033](1)本专利技术实施例使用云边协同的方式，数据传输量降低，数据传输成本降低，减轻了高带宽的弊端，通过给予边缘处理数据的能力，缓解了云处理平台计算的运算压力，同时提高了管控系统的及时性和鲁棒性；
[0034](2)本专利技术实施例通过管控系统对数据进行分析，通过其结果对任务进行合理分配到边缘与云端，避免了由于传统云边协同可能造成的资源闲置浪费和云边能力差异导致的任务排队耗时过长问题。
[0035]本专利技术实施例的其它特征和优点将在随后的说明书中阐述。
附图说明
[0036]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1为本专利技术一实施例所述的一种云边协同管控系统的框架结构图。
[0038]图2为本专利技术另一实施例所述的一种云边协同管控方法流程图。
具体实施方式
[0039]以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。另外，为了更好的说明本专利技术，在下文的具体实施例中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本专利技术同样可以实施。在一些实例中，对于本领域技术人员熟知的手段未作详细描述，以便于凸显本专利技术的主旨。
[0040]参阅图1，本专利技术实施例提出一种云边协同管控系统1，应用于电网场景的监控系统，包括管控系统1、云服务平台2、终端设备3、多个边缘处理系统4；
[0041]具体而言，电网场景部署有多个摄像头或传感器器件，多个摄像头或传感器器件按数据传输距离设置为与对应的边缘处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云边协同管控系统，其特征在于，包括管控系统、云服务平台、终端设备、多个边缘处理系统；所述管控系统，用于实时监测所述云处理平台与所述边缘处理系统的计算资源；并接收所述终端设备提交的任务处理请求；并根据所述计算资源和所述任务处理请求分配处理任务给所述云处理平台与所述边缘处理系统；所述云服务平台，用于调用深度学习模型执行所述管控系统分配的处理任务，并将处理结果反馈给所述管控系统；所述边缘处理系统，用于调用深度学习模型执行所述管控系统分配的处理任务，并将处理结果反馈给所述管控系统；所述终端设备，用于接收所述管控系统转发的处理结果，并对处理结果进行显示。2.根据权利要求1所述云边协同管控系统，其特征在于，所述计算资源包括CPU和GPU的占用率；其中，若与所述终端设备最近的边缘处理系统的CPU占用率小于预设占用率阈值或GPU占用率小于预设占用率阈值，则分配处理任务给与所述终端设备最近的边缘处理系统；其中，若与所述终端设备最近的边缘处理系统的CPU占用率大于等于预设占用率阈值或GPU占用率大于等于预设占用率阈值，则分配处理任务给云处理平台。3.根据权利要求2所述云边协同管控系统，其特征在于，所述管控系统还用于计算所述任务处理请求的任务复杂度；其中，若任务复杂度小于预设复杂度阈值，则分配处理任务给与所述终端设备最近的边缘处理系统；其中，若任务复杂度大于等于预设复杂度阈值，则分配处理任务给云处理平台。4.一种云边协同管控方法，其特征在于，其基于权利要求1所述的系统实现，包括如下步骤：终端设备提交任务处理请求至管控系统；管控系统实时监测云处理平台与边缘处理系统的计算资源；并接收所述终端设备提交的任务处理请求；并根据所述计算资源和所述任务处理请求分配处理任务给所述云处理平台与所述边缘...

【专利技术属性】
技术研发人员：李清，闫梦秋，黄安子，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：