城市高压电缆及通道的边缘物联代理智能终端制造技术

本发明专利技术公开了城市高压电缆及通道的边缘物联代理智能终端，包括深度学习的多源数据融合接入方案、感知监测设备本地通讯规范设计方案：其中基于容器技术的高压电缆及通道物联网边缘计算框架研究研究适用于高压电缆线路典型应用场景下边缘计算体系，建立高压电缆专业边缘计算架构，研究边缘计算软件算法容器化隔离运行方式，研究基于容器技术的高压电缆及通道边缘物联代理远程部署策略，实现边缘计算APP及容器的远程部署与管理，分布式多点无外接电源下电缆物联网数据无线组网技术研究，基于人工智能和大数据分析的高压电缆通道边缘自治技术研究。自治技术研究。自治技术研究。

【技术实现步骤摘要】
城市高压电缆及通道的边缘物联代理智能终端


[0001]本专利技术涉及电力设备领域，确切地说是城市高压电缆及通道的边缘物联代理智能终端。

技术介绍

[0002]电缆线路增多更适应智慧城市的发展，美化城市的市容市貌，电缆线路提供安全可靠的供电，促进经济的发展。
[0003]然而现有的以下问题仍制约着公司智慧物联体系在高压电缆专业上推广实施：
[0004](1)现有高压电缆线路综合监控架构里只有部署在边缘的数据汇聚节点设备，适用于城区高压电缆分布式路径、沿线多通道类型、地下封闭有限空间等高压电缆通道边缘物联代理关键技术手段缺失，不能在覆盖既有业务基础上实现对下多类型感知(监测)终端统一接入、下沉式多业务就地处理支持、对上支撑云边协同体系。
[0005](2)边缘计算能力弱，高压电缆设备感知元件(模块)种类众多，感知数据量日趋庞杂、孤立分散，未能实现数据统一汇聚及价值深度挖掘，数据就地分析及智能研判辅助手段缺失，无法有力支撑高压电缆运检相关业务的提质增效。

技术实现思路

[0006]本专利技术为此研制具有自检、自测、自联功能的智能高压电缆设备和支持多类型感知终端统一接入、下沉式多业务就地处理的高压电缆线路边缘物联代理智能终端
[0007]为解决上述技术问题，本专利技术采用如下技术手段：
[0008]城市高压电缆及通道的边缘物联代理智能终端，其特征在于高压电缆线边缘物联代理智能终端设计方案：
[0009]方案1：深度学习的多源数据融合接入方案：卷积神经网络的深层模型的设备领域，卷积神经网络基本网络结构包括卷积层与池化层，其中Input为输入层，经过卷积操作后得到卷积层Layer1，对Layer1进行池化操作得到池化层Layer2，再经过卷积和池化操作得到Layer3卷积层和Layer4池化层，最终由全连接层进行分类输出；
[0010]方案2：感知监测设备本地通讯规范设计方案：
[0011]第一步：解决本地通信网基本需求：感知监测设备本地通信需求按业务分为基本业务和扩展业务两部分；
[0012]第二步：感知终端信息通信体系建立：感知设备通信系统是通过不同的感知和执行功能单元实现对关联对象的信息采集和控制操作，是可实现本地协同信息处理和融合的系统；
[0013]第三步：联动控制井盖与摄像头进线联动：井盖发生异常状态，摄像头可以进行抓拍，通过AI图像识别技术中图片的异常。
[0014]作为优选，本专利技术更进一步的技术方案是：
[0015]所述深度学习的多源数据融合接入方案中卷积阶段首先通过多个卷积核对输入
数据进行卷积操作，然后形成由多个特征组成的卷积层。
[0016]所述解决本地通信网基本需求中基本业务是电缆隧道在线监测业务，电力无线专网应支持基本业务。
[0017]所述深度学习的多源数据融合接入方案中计算内容涉及边缘计算模型，边缘计算模型指在网络边缘执行计算的一种新型计算模型，边缘计算操作的对象包括来自于云服务的下行数据和来自于万物互联服务的上行数据，而边缘计算的边缘是指从数据源到云计算中心路径之间的任意计算和网络资源；靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务，边缘计算即计算不放在统一后台，而是在前端的边缘节点完成。
[0018]所述深度学习的多源数据融合接入方案中计算内容涉及边缘计算模型，涉及高压电缆专业的边缘计算模型，分为设备基础信息、致热模型、绝缘老化模型、绝缘劣化模型、机械损伤模型、接地系统评估模型、接地箱模型和综合评估模型8个主要类别。
[0019]所述感知终端信息通信体系建立中涉及无线自组网技术，无线自组网技术系一组设置有无线收发装置的单元集合而成，每个单元都不仅有接受装置，还可以作为发射装置起到通信作用。
[0020]所述联动控制井盖与摄像头进线联动中AI图像识别技术主要采用深度学习框架下的 Yolov3相关算法群，Yolov3是一种基于深度学习的端到端实时目标检测方法，处理速度快，当图像处理核心发现异常时，对异常情况形成图像和告警消息，上传给边缘物联代理核心板，由边缘物联代理统一汇总并进行综合判定，上送至高压电缆专业精益化管理综合业务应用。
[0021]所述联动控制井盖与摄像头进线联动中AI图像识别技术中主要识别对象有：电缆本体缺陷识别、环境缺陷识别、非法入侵识别、智能抓拍、监测设备异常识别。
[0022]本专利技术关键点在于：
[0023](1)基于容器技术的高压电缆及通道物联网边缘计算框架研究：
[0024]研究适用于高压电缆线路典型应用场景下边缘计算体系，建立高压电缆专业边缘计算架构，研究边缘计算软件算法容器化隔离运行方式，研究基于容器技术的高压电缆及通道边缘物联代理远程部署策略，实现边缘计算APP及容器的远程部署与管理。
[0025](2)分布式多点无外接电源下电缆物联网数据无线组网技术研究：
[0026]研究电缆排管、沟槽等地下密闭狭窄通道型式，分布式、多接入点高压电缆及通道状态、环境感知数据，在无外接电源的情况下，采用低功耗、抗干扰、低成本的数据传输技术和通信自组网方式实现不同类型感知数据汇聚和接入节点的标准化，形成规范、快速、可靠的电力物联网数据无线传感网络。
[0027](3)基于人工智能和大数据分析的高压电缆通道边缘自治技术研究：
[0028]研究高压电缆通道缺陷、隐患的图像识别技术，基于大数据分析技术，建立设备、人员缺陷隐患和违章作业典型图像数据库，实现各类缺陷隐患和风险的主动识别，实时评估危害等级，主动联动隧道内智能灭火装置、通风装置、排水装置，实现及时发现各类缺陷隐患、实时判别危害等级并具备对于火灾、高温、积水、外破和违章作业的实时处置能力，形成一套基于人工智能和大数据分析的高压电缆通道边缘自治技术，推动以人工巡检为主的运检管控模式向智能化边缘自治为主的运检管控模式迈进。
附图说明
[0029]图1为本专利技术卷积神经网络结构图。
[0030]图2为本专利技术卷积阶段原理图。
[0031]图3以2为步长使用一个2x2的滤波器操作图。
具体实施方式
[0032]下面结合实施例，进一步说明本专利技术。
[0033]具体实施例1：
[0034]参见图1、图2可知，本专利技术城市高压电缆及通道的边缘物联代理智能终端研究内容：
[0035](1)基于深度学习的多源数据融合接入方法
[0036]随着电缆线路在线监测系统的建设，感知设备数量与感知数据类型众多，基于深度学习的多源数据融合接入方法可实现许多多种数据的提炼。基于卷积神经网络的深层模型的应用成为数据融合发展的一个新方向。卷积神经网络(CNN)是一种多层人工神经网络，其基本网络结构包括卷积层与池化层。卷积神经网络典型结构如图所示，其中Input为输入层，经过卷积操作后得到卷积层Layer1，对Layer1进行池化操作得到池化层Layer2，再经过卷积和池化操作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.城市高压电缆及通道的边缘物联代理智能终端，其特征在于高压电缆线边缘物联代理智能终端设计方案：方案1：深度学习的多源数据融合接入方案：卷积神经网络的深层模型的设备领域，卷积神经网络基本网络结构包括卷积层与池化层，其中Input为输入层，经过卷积操作后得到卷积层Layer1，对Layer1进行池化操作得到池化层Layer2，再经过卷积和池化操作得到Layer3卷积层和Layer4池化层，最终由全连接层进行分类输出；方案2：感知监测设备本地通讯规范设计方案：第一步：解决本地通信网基本需求：感知监测设备本地通信需求按业务分为基本业务和扩展业务两部分；第二步：感知终端信息通信体系建立：感知设备通信系统是通过不同的感知和执行功能单元实现对关联对象的信息采集和控制操作，是可实现本地协同信息处理和融合的系统；第三步：联动控制井盖与摄像头进线联动：井盖发生异常状态，摄像头可以进行抓拍，通过AI图像识别技术中图片的异常。2.根据权利要求1所述城市高压电缆及通道的边缘物联代理智能终端，其特征在于：所述深度学习的多源数据融合接入方案中卷积阶段首先通过多个卷积核对输入数据进行卷积操作，然后形成由多个特征组成的卷积层。3.根据权利要求1所述城市高压电缆及通道的边缘物联代理智能终端，其特征在于：所述解决本地通信网基本需求中基本业务是电缆隧道在线监测业务，电力无线专网应支持基本业务。4.根据权利要求1所述城市高压电缆及通道的边缘物联代理智能终端，其特征在于：所述深度学习的多源数据融合接入方案中计算内容涉及边缘计算模型，边缘计算模型指在网络边缘执行计算的一种新型计算模型，边缘计算操作的对象包括来自于云服务的下行数据和来自于万物互...

【专利技术属性】
技术研发人员：李延超，严毅，张智，
申请(专利权)人：济南英华自动化技术有限公司，
类型：发明
国别省市：