一种基于边缘计算的电力物联网安全预警方法及系统与流程

本发明涉及电力物联网安全预警的技术领域，尤其涉及一种基于边缘计算的电力物联网安全预警方法及系统。

背景技术：

现如今，电力物联网实现了万物相连，给生产和生活带来了许多的便利，电力物联网由于自身传感器众多，监测的设备和线路众多，有时传感器设备或者其他电力物联网设备会出现异常情况和安全事故。本专利考虑电力物联网设备因故障短路等事故造成火灾的安全问题，提出基于边缘计算的电力物联网安全预警方法及系统，在火灾的发生前或发生时的第一时间预警，可以减小火灾对电力设备的损坏，最大程度避免火灾对人员的危害，对生产和生活停电照成的损失。

技术实现要素：

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在火灾预警容易出现漏报及容易延时的问题，提出了本发明。

因此，本发明解决的技术问题是：现有火灾预警传感器分类杂乱无章，缺乏细化分析，传感器的阈值在各种环境下相同会导致阈值过于单板，容易出现误报，漏报情况，传统火灾预警采用无线网络传输可能出现网络拥堵造成火灾预警的延时并且各感知全天候开启容易造成数据传输网络的拥堵。

为解决上述技术问题，本发明提供如下技术方案：监测电力物联网设备环境数据信息；根据天气预警等级进行风险区域的划分并设置各个风险等级传感器的阈值；利用网络切片实现所述数据信息的专属通道传输；对所述数据信息进行边缘处理，以及阈值对比并判断是否发出预警信号。

作为本发明所述的基于边缘计算的电力物联网安全预警方法的一种优选方案，其中：所述监测电力物联网设备环境数据包括，通过三级递进的方式进行数据的监测，其中一级监测利用一级传感器对实时温度及其温度趋势进行精准监测，二级监测利用二级传感器对火灾处于阴燃状态时浓烟中的颗粒物和一氧化碳气体进行精准监测，三级监测利用三级传感器对电弧，明火发生进行精准监测。

作为本发明所述的基于边缘计算的电力物联网安全预警方法的一种优选方案，其中：所述进行风险区域的划分包括，若该区域气象台天气预警为黄色、蓝色预警或无气象预警，则该区域划分为低风险区域；若该区域气象台天气预警为橙色预警，则该区域划分为中风险区域；若该区域气象台天气预警为红色预警，则该区域划分为高风险区域。

作为本发明所述的基于边缘计算的电力物联网安全预警方法的一种优选方案，其中：所述并设置各个区域的阈值包括，设置图像类及非图像类的阈值，其中非图像数据阈值为历史数据的阈值中起到预警灵敏，误报率低，漏报率低的一类阈值和由各设备出厂理论安全数值并组建成专家阈值库；图像类阈值利用训练好的卷积神经网络进行阈值设置。

作为本发明所述的基于边缘计算的电力物联网安全预警方法的一种优选方案，其中：所述利用网络切片实现所述数据信息的专属通道传输包括，根据高、中、低风险区的需求进行网络资源统计，综合数据的分析处理进行网络切片的初始配置，配置的方法采用多属性决策模型对三种风险区的需求进行分析，量化风险区的需求实现网络切片的资源初始化配置；在网络资源统计中分为三个部分，分别为接入网的接入资源，承载网的传输资源，核心网的网元资源。

作为本发明所述的基于边缘计算的电力物联网安全预警方法的一种优选方案，其中：所述对所述数据信息进行边缘处理并判断是否发出预警信号，识别所述数据信息的传感器级别，风险区域并与所述各个区域的阈值进行对比，若所述数据超出阈值，则发出预警并进行传感器的调度。

作为本发明所述的基于边缘计算的电力物联网安全预警方法的一种优选方案，其中：所述预警并进行传感器的调度包括，将数据分为着火预警、紧急预警以及危险预警三类，其中着火预警为有一个一级或二级传感器数据的超过阈值，紧急预警为有两个一级或二级传感器数据的超过阈值，危险预警为一个及一个以上三级传感器和一个及一个以上一级或二级传感器数据超过阈值；若判别为着火预警则令一、二、三级传感器由分时开启为全部同时开启，若判定为紧急预警则令一、二级传感器由分时开启为全部同时开启，三级传感器继续保持分时开启状态，若判定为危险预警则令一级传感器分时开启为同时开启该区域全部传感器，二、三级传感器继续保持分时开启状态。

作为本发明所述的基于边缘计算的电力物联网安全预警系统的一种优选方案，其中：感知模块用于监测电力物联网设备环境数据信息，包括一级感知单元、二级感知单元和三级感知单元；5g网络传输模块与所述感知模块相连接，用于根据风险区不同的实际需求进行网络切片部署，保障在网络拥堵时各风险区数据的传输，包括需求管理单元、网络资源统计单元、网络切片配置单元、网络切片配置动态更新单元以及网络传输质量评价单元；阈值管理模块用于进行风险区域的划分以及阈值的设置，包括三层风险区域划分单元和阈值设置单元，其中三层风险区域划分单元根据当地气象台的天气预警信息，划分为三层风险区域；所述阈值设置单元连接于三层风险区域划分单元，所述各级风险区的阈值根据专家阈值库和训练好的卷积神经网络设置；边缘计算模块与所述网络传输模块和所述阈值管理模块相连接，用于进行数据的处理，包括功能单元、预警单元、调度单元以及切片下沉单元。

作为本发明所述的基于边缘计算的电力物联网安全预警系统的一种优选方案，其中：所述网络传输模块包括，所述需求管理单元用于根据宽带需求的差异实现对需求的分析与处理，所述网络资源统计单元用于对接入网接入资源，承载网传输资源，核心网网元资源的剩余资源进行统计，所述网络切片配置单元与所述需求管理单元和所述网络资源统计单元相连接，用于将三个风险区的需求进行分析量化实现所述网络资源统计单元的初始化配置，所述网络切片配置动态更新单元连接与所述网络切片配置单元，用于进行网络切片配置的动态更新，并将配置好的切片用于三类风险区，其中用于传输高风险区数据的切片为高风险区切片，用于传输中风险区数据的切片为中风险区切片，用于传输低风险区数据的切片为低风险区切片，所述网络传输质量评价单元连接于所述网络切片配置动态更新单元，用于对预警状态、网络传输速度进行评价。

作为本发明所述的基于边缘计算的电力物联网安全预警系统的一种优选方案，其中：所述边缘计算模块包括，所述功能单元用于设计高、中、低的优先级进行紧急服务器算力资源的合理分配，其中着火预警对应高优先级，紧急预警对应中优先级，危险预警对应低优先级，所述预警单元与所述功能单元相连接，用于对所述着火预警、紧急预警和危险预警进行划分，所述调度单元连接于所述预警单元，根据预警单元的分类对所述感知模块中的一级感知单元、二级感知单元和三级感知单元进行调度，所述切片下沉单元连接于所述功能单元将各个区域的数据分别下沉至不同网络附件中进行边缘计算处理。

本发明的有益效果：利用三级递进式分层实现了动态调度并且利用按需进行网络切片传输，避免了传输网络的拥堵和预警的超时，添加图像阈值与非图像阈值使得阈值多元化，避免单一阈值造成的预警误报、漏报，提高预警的准确度。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明第一个实施例所述的基于边缘计算的电力物联网安全预警方法的流程示意图；

图2为本发明第二个实施例所述的基于边缘计算的电力物联网安全预警系统的总体框架图；

图3为本发明第二个实施例所述的基于边缘计算的电力物联网安全预警系统的感知模块子框图；

图4为本发明第二个实施例所述的基于边缘计算的电力物联网安全预警系统的5g网络传输模块子框图；

图5为本发明第二个实施例所述的基于边缘计算的电力物联网安全预警系统的阈值管理模块子框图；

图6为本发明第二个实施例所述的基于边缘计算的电力物联网安全预警系统的边缘计算模块子框图；

图7为本发明第二个实施例所述的基于边缘计算的电力物联网安全预警系统的系统流程示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

参照图1，为本发明的第一个实施例，该实施例提供了一种基于边缘计算的电力物联网安全预警方法，包括：

s1：监测电力物联网设备环境数据信息。其中需要说明的是，

监测电力物联网设备环境数据信息包括，通过三级递进的方式进行数据的监测，其中一级监测利用一级传感器对实时温度及其温度趋势进行精准监测，二级监测利用二级传感器对火灾处于阴燃状态时浓烟中的颗粒物和一氧化碳气体进行精准监测，三级监测利用三级传感器对电弧，对明火发生进行精准监测。

s2：根据天气预警等级进行风险区域的划分并设置各个风险等级传感器的阈值。其中需要说明的是，

进行风险区域的划分包括，判断高、中、低风险区的判定标准为根据当地气象台的气象预警，若该区域为黄色、蓝色预警或无气象预警，则该区域为低风险区域；若该区域为橙色预警，则该区域为中风险区域；若该区域为红色预警，则该区域为高风险区域；并设置各个区域的阈值包括，设置图像类及非图像类的阈值，其中非图像数据阈值为历史数据的阈值中起到预警灵敏，误报率低，漏报率低的一类阈值和由各设备出厂理论安全数值并组建成专家阈值库；图像类阈值利用训练好的卷积神经网络进行阈值设置。

进一步的是，进行风险区域的划分还可以包括将数据信息分为静态因素信息和动态因素信息，在归一化后采用主成分分析法进行权重的分配并对不同风险区域的分险因素权重进行计算得到量化数据，最后根据实时的动态数据以及静态数据的综合评估进行风险区评定，分别为高、中、低风险区，其中归一化是指根据历史电力设备火灾中起火的原因与周围实时温度、周围实时地貌环境、周围实时天气情况、电网设备过载情况、有无外界火源、设备的密度归类，按照各类原因引发火灾的次数占各类原因占火灾总次数的比重进行归一化，并考虑火灾发生后的断电面积和经济损失判断是否人工干预调节比重。

更进一步的是，利用训练好的卷积神经网络得到图像阈值，首先需要建立一个包括输入层、卷积层、池化层、全连接层、输出层的卷积神经网络，并且通过历史图像的大量二维数据作为样本输入进行卷积神经网络的训练，得到一个训练好的卷积神经网络，对训练好的卷积神经网络进行火灾视觉识别，识别火焰状，电弧状图像，并设定阈值；其中阈值设置为如下：将a，b，c，d，e，f，g设置为温度传感器、电压传感器、电流传感器、烟雾传感器、一氧化碳传感器、视频监控传感器、热成像传感器阈值的统称，由专家阈值库和训练好的卷积神经网络得出a1为高风险区的温度传感器阈值，a2为中风险区的温度传感器阈值，a3为低风险区的温度传感器阈值；b1为高风险区的电压传感器阈值，b2为中风险区的电压传感器阈值，b3为低风险区的电压传感器阈值；c1为高风险区的电流传感器阈值，c2为中风险区的电流传感器阈值，c3为低风险区的电流传感器阈值；d1为高风险区的烟雾传感器阈值，d2为中风险区的烟雾传感器阈值，d3为低风险区的烟雾传感器阈值；e1为高风险区的一氧化碳传感器阈值，e2为中风险区的一氧化碳传感器阈值，e3为低风险区的一氧化碳传感器阈值；f1为高风险区的视频监控传感器阈值，f2为中风险区的视频监控传感器阈值，f3为低风险区的视频监控传感器阈值；g1为高风险区的热成像传感器阈值，g2为中风险区的热成像传感器阈值，g3为低风险区的热成像传感器阈值。

s3：利用网络切片实现数据信息的专属通道传输。其中需要说明的是，

利用网络切片实现数据信息的专属通道传输包括，根据高、中、低风险区的需求进行网络资源统计，综合数据的分析处理进行网络切片的初始配置，配置的方法采用多属性决策模型对三种风险区的需求进行分析，量化风险区的需求实现网络切片的资源初始化配置；在网络资源计算中分为三个部分，分别为接入网用来接入资源，承载网用来传输资源，核心网网元资源用来进行资源计算。

进一步的是，网络资源计算得到的是当前可利用的网络资源，由于在检测环境数据时，会产生大量的数据信息，因此很可能会造成网络的拥堵因此进行资源计算为生成网络切片服务，进一步降低网络拥堵现象，避免预警信号因网络拥堵等情况造成预警延时。

s4：对数据信息进行边缘处理，以及阈值对比并判断是否发出预警信号。其中需要说明的是，

对数据信息进行边缘处理并判断是否发出预警信号，识别数据信息的传感器级别，风险区域并与各个区域的阈值进行对比，若数据超出阈值，则发出预警并进行传感器的调度。预警并进行传感器的调度包括，将数据分为着火预警、紧急预警以及危险预警三类，其中着火预警为有一个一级或二级传感器数据的超过阈值，紧急预警为有两个一级或二级传感器数据的超过阈值，危险预警为一个及一个以上三级传感器和一个及一个以上一级或二级传感器数据超过阈值；若判别为着火预警则令一，二，三级传感器由分时开启为全部同时开启，若判定为紧急预警则令一，二级传感器由分时开启为全部同时开启，三级传感器继续保持分时开启状态，若判定为危险预警则令一级传感器分时开启为同时开启该区域全部传感器，二、三级传感器继续保持分时开启状态。

进一步需要说明的是，本发明方法中所使用的网络传播通讯方式为5g网络，5g网络具有“高速率、高容量、高可靠性、低时延与低能耗”的特点，进一步提高了预警的准确度，降低预警的时间，

为了更好地对本发明方法中采用的技术效果加以验证说明，本实施例中选择一种基于4g网络的移动远程电力监测系统及监控方法进行测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。

本发明是一种基于边缘计算的电力物联网安全预警方法，选取三组设备数量不同的实验组进行验证，其中组一的设备数量为0.1万个，组二的设备数量为1万个，组三的设备数量为10万个，其中使用传统基于4g网络的移动远程电力监测系统及监控方法通过采集数据，进行数据过滤以及分析，利用4g网络进行传输进而达到监测的目的，而本发明方法通过三级递进的方式进行数据采集并使用网络切片以及5g网络来实现数据的传输并设置图像及非图像两方面的阈值，来达到预警速度以及准确度两方面的效果，在进行实验时对实验组随机选择30个设备进行少量烟雾无明火、有中等烟雾有火星以及有大量烟雾有明火三种情况的模拟，进行两种方法对火灾预警时间的测试，结果如下表1所示：

表1：火灾预警实验结果。

由表1可以看出，使用传统4g网络方法来进行预警时，对于不同数量设备的预警其传播速率都为15mb/s左右并且预警时间都为30ms左右，而使用本发明方法，网络传播速度为将近96mb/s，是使用传统方法的十倍并且本发明方法所用的时间为1～2ms，是使用传统方法的1/30.因此使用本发明方法可以有效提高预警速率，实现实时预警避免损失。

实施例2

参照图2～7，为本发明的第二个实施例，该实施例不同于第一个实施例的是，提供了一种基于边缘计算的电力物联网安全预警系统，包括感知模块100、网络传输模块200、阈值管理模块300和边缘计算模块400，其中感知模块100用于监测电力物联网设备环境数据信息，包括一级感知单元101、二级感知单元102和三级感知单元103；5g网络传输模块200与所述感知模块100相连接，用于根据风险区不同的实际需求进行网络切片部署，保障在网络拥堵时各风险区数据的传输，包括需求管理单元201、网络资源统计单元202、网络切片配置单元203、网络切片配置动态更新单元204以及网络传输质量评价单元205；阈值管理模块300用于进行风险区域的划分以及阈值的设置，包括三层风险区域划分单元301和阈值设置单元302，其中三层风险区域划分单元301根据当地气象台的天气预警信息，划分为三层风险区域；所述阈值设置单元302连接于三层风险区域划分单元301，所述各级风险区的阈值根据专家阈值库和训练好的卷积神经网络设置；边缘计算模块400与所述网络传输模块200和所述阈值管理模块300相连接，用于进行数据的处理，包括功能单元401、预警单元402、调度单元403以及切片下沉单元404。

进一步的是，网络传输模块200包括，需求管理单元201用于根据宽带需求的差异实现对需求的分析与处理，网络资源统计单元202用于对接入网接入资源，承载网传输资源，核心网对当前剩余资源进行计算，网络切片配置单元203与需求管理单元201和网络资源统计单元202相连接，用于将三个风险区的需求进行分析量化实现网络资源统计单元202的初始化配置，网络切片配置动态更新单元204连接与网络切片配置单元203，用于进行网络切片配置的动态更新，并将配置好的切片用于三类风险区，其中用于传输高风险区数据的切片为高风险区切片，用于传输中风险区数据的切片为中风险区切片，用于传输低风险区数据的切片为低风险区切片，网络传输质量评价单元205连接于网络切片配置动态更新单元204，用于对预警状态、网络传输速度进行评价。

边缘计算模块400包括，功能单元401用于设计高、中、低的优先级进行紧急数据的合理分配，其中着火预警对应高优先级，紧急预警对应中优先级，危险预警对应低优先级，预警单元402与功能单元401相连接，用于对着火预警、紧急预警和危险预警进行划分，调度单元403连接于预警单元402，根据预警单元的分类对感知模块100中的一级感知单元101、二级感知单元102和三级感知单元103进行调度，切片下沉单元404连接于功能单元401将各个区域的数据分别下沉至不同网络附件中进行边缘计算处理。

应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。

进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、ram、rom等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。

如在本申请所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号，以本地和/或远程过程的方式进行通信。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。