一种具有边缘计算功能的智能电表通讯网关的制作方法

1.本实用新型涉及通讯网关技术领域，尤其是涉及一种具有边缘计算功能的智能电表通讯网关。


背景技术：

2.当前，人工智能技术的大规模利用离不开服务器端数据的处理，能把本地采集的数据高效安全迅速地上传至云端，经由服务器端及时接收处理后转送至pc端，让性能更强大的pc完成数据存储与数据计算，同时进行大规模数据的筛选与分析，并绘制图表等信息呈现给大众，这是当前完整的物联网平台应用的通用模式。然而，要实现对用电器的识别需要消耗一定的计算资源来执行算法，在该模式下所有计算压力都会集中在云端，当数据量逐渐增大时，云端所需要的计算资源也随之增大。从而导致数据延时加大和系统稳定性的降低。


技术实现要素：

3.本实用新型的目的在于提供一种具有边缘计算功能的智能电表通讯网关，旨在解决现有技术中的上述问题。
4.本实用新型提供一种具有边缘计算功能的智能电表通讯网关，包括：电表设备、控制与数据处理模块以及与控制与数据处理模块相连接的存储器模块；电表设备通过接入局域网与控制与数据处理模块连接，用于将采集的计量数据传输到控制与数据处理模块；控制与处理模块与电表设备及存储器连接；存储模块与控制与处理模块连接，用于存储控制与数据处理模块发送的数据。
5.采用本实用新型实施例，通过控制与数据处理模块接受一定区域内的所有电表上传的信息，然后通过从云端下载的训练好的神经网络识别模型对电表上传的信息进行处理，将处理结果发送到云端，从而分担了云端的计算压力，减少了云端资源的消耗，从而提高数据的实时性，提高了系统的稳定性。
6.上述说明仅是本实用新型技术方案的概述，为了能够更清楚了解本实用新型的技术手段，而可依照说明书的内容予以实施，并且为了让本实用新型的上述和其它目的、特征和优点能够更明显易懂，以下特举本实用新型的具体实施方式。
附图说明
7.为了更清楚地说明本实用新型具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本实用新型的一些实施方式，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。
8.图1是本实用新型实施例的具有边缘计算功能的智能电表通讯网关的示意图；
9.图2是本实用新型实施例的具有边缘计算功能的智能电表通讯网关的工作流程
图。
具体实施方式
10.下面将结合实施例对本实用新型的技术方案进行清楚、完整地描述，显然，所描述的实施例是本实用新型一部分实施例，而不是全部的实施例。基于本实用新型中的实施例，本领域普通技术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，都属于本实用新型保护的范围。
11.实施例一
12.根据本实用新型实施例，提供了一种具有边缘计算功能的智能电表通讯网关，图1是本实用新型实施例的具有边缘计算功能的智能电表通讯网关的示意图，如图1所示，根据本实用新型实施例的具有边缘计算功能的智能电表通讯网关，通过4g网络与服务端连接，具体包括：电表设备1、控制与数据处理模块2以及与控制与数据处理模块相连接的存储器模块3；电表设备1通过接入局域网与控制与数据处理模块2连接，用于将采集的计量数据传输到控制与数据处理模块2；控制与处理模块2用于从服务端下载预先训练好的神经网络模型并接收电表设备1发送的计量数据，并基于神经网络模型对计量数据进行负荷识别，将识别后的计量数据发送到服务端；存储模块3用于存储控制与数据处理模块2发送的数据。具有边缘计算功能的智能电表通讯网关进一步包括展示设备4，展示设备4与控制与数据处理模块2连接，用于展示电表设备的运行状况，展示设备可以是oled屏幕、led和蜂鸣器等。
13.每个电表设备拥有唯一的id编号，在将数据进行打包发送到控制与数据处理模块2的过程中，会将自身id编号编入数据包中，服务器在接收到该数据时即可通过该标识来区分和指定不同的下端。
14.其中，局域网(lan)部分使用三种典型的接入方式：485通讯协议(有线局域组网)、wlan(无线近距离局域组网)、lora(无线中距离局域组网)。每种接入方式对应着不同的电路设计。
15.广域网(wan)部分配合物联网需求使用无线接入方式，利用4g模块及外围电路完成与云端服务器的数据交互。
16.控制与数据处理模块2具体包括单片机和时钟电路模块，单片机采用经过ai优化的stm32芯片进行系统的整体控制，并将训练好的模型导入其中对接受到的数据进行初步的负荷识别，然后在图1所述存储器部分结合flash和eeprom存储芯片完成局域网数据的冻结和备份，在进行负荷识别之前需要先从服务端现在训练好的神经网络模型，在模型导入的过程中，可以使用stm32cube.ai库将训练好的神经网络模型转换成c代码，该代码可以调用stm32 mcu上运行优化库的函数，进而实现模型在单片机中运行，单片机通过运行该神经网络模型完成初步的负荷识别，在运行时，可以通过图1中的4g模块下载在云端服务器的最新训练的模型，让电荷的识别更加精确，对数据进行识别后，再将识别后的数据通过4g模块上传到云端服务器中，极大程度的减轻了服务器的负担，而整个系统结构也更加稳定。
17.时钟电路模块用于触发电表设备向所述单片机发送控制数据，触发单片机向服务端发送识别后的所述计量数据。
18.图2是本实用新型实施例的具有边缘计算功能的智能电表通讯网关的工作流程图，具有边缘计算功能的智能电表通讯网关等待相关事件标志到来从而执行相关动作，数
据的采集(485、lora和wi-fi)主要通过rtc时钟事件触发采集，三个模块可分立运行也可同时运行，4g数据传输亦通过闹钟事件触发，触发后发送请求，将数据上传至服务器。
19.服务端负责不断的用最新和大量的用电数据以及标签对模型进行训练，这里采用神经网络来作为模型的框架，利用大量的数据构建用电器的分类识别模型。其中由服务端完成对模型的训练为机器学习领域人员的通常做法，在完成一轮的训练后，服务器会向网关端发送模型更新请求，网关响应请求后即可开始更新相应的模型，通过对用电数据进行归类从而识别出用电器的种类，因此具有边缘计算功能的智能电表通讯网关只需要通过下载训练好的模型就可以分担原本属于服务端的部分运算功能。
20.通过采用本使用新型实施例将对用电数据的部分处理工作转移到系统的边缘端，从而实现了通讯网关的边缘计算功能分担了服务器的运算量从而提高了系统所能承受的最大数据量，增强了系统的稳定性。
21.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
22.以上所述仅为本文件的实施例而已，并不用于限制本文件。对于本领域技术人员来说，本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本文件的权利要求范围之内。