油田物聯(lián)網(wǎng)系統(tǒng)邊緣計算研究與實踐

石 鋒，梁尚斌，蔣 勇，閆麗萍，徐建軍，郭曉東

1.中國石油化工股份有限公司 西北油田分公司，烏魯木齊 830011

2.四川大學(xué) 電子信息學(xué)院，成都 610065

1 引言

石油和天然氣工業(yè)，從原油開采到油氣集輸，需要高效可靠的技術(shù)和系統(tǒng)來監(jiān)測生產(chǎn)運(yùn)行情況，及時發(fā)現(xiàn)異常并進(jìn)行處理，提高安全生產(chǎn)水平。近年來，由于無線傳感器具有小型化、低速率、低功耗、快速部署、便于維護(hù)的特點，在油氣工業(yè)數(shù)據(jù)監(jiān)測和生產(chǎn)控制方面得到了廣泛應(yīng)用。基于物聯(lián)網(wǎng)的油田生產(chǎn)數(shù)據(jù)在線監(jiān)測系統(tǒng)，由智能感知層、網(wǎng)絡(luò)層、服務(wù)資源層和應(yīng)用層組成，通常在智能感知層對采集的異構(gòu)數(shù)據(jù)打包，通過網(wǎng)絡(luò)層發(fā)送至遠(yuǎn)端服務(wù)器層，在遠(yuǎn)端應(yīng)用層進(jìn)行協(xié)議解析和異常數(shù)據(jù)處理，同時在云端進(jìn)行控制指令下發(fā)[1-2]。基于云端的物聯(lián)網(wǎng)應(yīng)用具有資源按需分配、快速彈性部署和服務(wù)可計量的特點[3-4]。但是基于云端的物聯(lián)網(wǎng)應(yīng)用，存在數(shù)據(jù)在服務(wù)器端處理和展示，在進(jìn)行邏輯控制時，也需要在云端進(jìn)行規(guī)則判斷，然后把控制指令下發(fā)至現(xiàn)場感知層，異常數(shù)據(jù)處理和邏輯控制嚴(yán)重依賴網(wǎng)絡(luò)，由于網(wǎng)絡(luò)時延、擁塞，不能及時響應(yīng)現(xiàn)場異常情況。

應(yīng)對這種挑戰(zhàn)，計算領(lǐng)域最近出現(xiàn)了范式轉(zhuǎn)變，即邊緣計算[5-6]。邊緣計算可以看作是云計算的補(bǔ)充，在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合云計算中的計算、存儲、網(wǎng)絡(luò)和應(yīng)用資源，利用邊緣計算提供計算和存儲能力，使應(yīng)用、服務(wù)和內(nèi)容實現(xiàn)本地化部署，滿足業(yè)務(wù)低時延、海量連接的需求，緩解網(wǎng)絡(luò)負(fù)載壓力[7-8]。在油田物聯(lián)網(wǎng)應(yīng)用中，云計算和邊緣計算之間可以相互協(xié)作和補(bǔ)充，實現(xiàn)云端計算下沉至邊緣端[9-10]，實現(xiàn)業(yè)務(wù)本地化，降低能耗，避免了因網(wǎng)絡(luò)擁塞和中斷時造成的服務(wù)中斷和數(shù)據(jù)丟失。通過在邊緣端實現(xiàn)異常數(shù)據(jù)檢測和邏輯控制，降低生產(chǎn)安全風(fēng)險[11-12]。

本文首先分析了基于云端應(yīng)用的物聯(lián)網(wǎng)系統(tǒng)的特點以及進(jìn)行異構(gòu)海量數(shù)據(jù)連接、實時處理、分析和邏輯控制的缺陷，提出基于邊緣計算的油田物聯(lián)網(wǎng)架構(gòu)，在邊緣端實現(xiàn)數(shù)據(jù)接入、協(xié)議轉(zhuǎn)換與數(shù)據(jù)異常檢測和邏輯控制。根據(jù)油田應(yīng)用實際，在邊緣網(wǎng)關(guān)部署阿里巴巴公司的Link Edge邊緣計算環(huán)境，結(jié)合油田應(yīng)用實際開發(fā)設(shè)備接入驅(qū)動程序和數(shù)據(jù)處理用戶程序，使用孤立森林算法進(jìn)行異常數(shù)據(jù)檢測和處理[13-15]，利用邊緣端的計算和存儲能力進(jìn)行函數(shù)計算，實現(xiàn)加熱爐溫度控制功能，滿足業(yè)務(wù)低時延、高可靠和實時服務(wù)，同時在云端實現(xiàn)設(shè)備管理、數(shù)據(jù)展示、報警信息查詢。

2 油田物聯(lián)網(wǎng)邊緣計算設(shè)計

邊緣計算通過把小型帶有計算、存儲和網(wǎng)絡(luò)接入能力的設(shè)備部署在網(wǎng)絡(luò)邊緣，與智能傳感器、有線儀表和用戶緊密相連，既可以滿足邊緣設(shè)備計算能力擴(kuò)展需求，又可以有效減少網(wǎng)絡(luò)負(fù)載，降低數(shù)據(jù)時延。邊緣計算面向的對象包括來自邊緣端物聯(lián)網(wǎng)的上行數(shù)據(jù)和來自云計算中心的下行數(shù)據(jù)[16-17]。

油田現(xiàn)場生產(chǎn)活動分散地處于偏遠(yuǎn)且難以到達(dá)的惡劣自然環(huán)境地區(qū)，網(wǎng)絡(luò)連接時常發(fā)生中斷情況，現(xiàn)場生產(chǎn)數(shù)據(jù)無法回傳和實時控制。現(xiàn)場數(shù)據(jù)采集、傳輸和業(yè)務(wù)邏輯的實時性要求較高，如果數(shù)據(jù)分析和控制邏輯全部集中在云端完成，難以滿足實時性需求。另一方面，邊緣計算可以提供計算卸載，在邊緣端進(jìn)行通信協(xié)議解析、數(shù)據(jù)格式轉(zhuǎn)換后可以實時響應(yīng)感知層設(shè)備，將異常數(shù)據(jù)過濾后進(jìn)行規(guī)則學(xué)習(xí)，計算報警閾值，數(shù)據(jù)異常時觸發(fā)報警，減少傳統(tǒng)云端計算模式下報警信息大量冗余和淹沒有效報警信息的弊端，提高響應(yīng)，降低時延，實現(xiàn)安全生產(chǎn)的目標(biāo)。油田物聯(lián)網(wǎng)邊緣計算整體架構(gòu)自下而上分為智能感知層、邊緣計算層、云計算層[18-20]，總體設(shè)計如圖1所示。

智能感知層，通常包括無線智能壓力、溫度、抽油泵示功圖傳感器、電量監(jiān)測設(shè)備、流量計、調(diào)節(jié)閥以及電動機(jī)變頻器等。感知層設(shè)備與上層設(shè)備通信方式有無線和有線兩種方式，通信協(xié)議分別為基于IEEE 802.15.4標(biāo)準(zhǔn)和ZigBee 通信協(xié)議標(biāo)準(zhǔn)的油田SZ9-GRM（G 代表網(wǎng)關(guān)Gateway，R代表路由Router，M代表無線儀表等測量設(shè)備Measurement）私有通信協(xié)議和工業(yè)標(biāo)準(zhǔn)Modbus通信協(xié)議，感知層設(shè)備的安全主要考慮設(shè)備的物理安全和內(nèi)容安全。

邊緣計算層，在油田物聯(lián)網(wǎng)邊緣計算系統(tǒng)中邊緣網(wǎng)關(guān)設(shè)備具有豐富的下聯(lián)設(shè)備接口，包含以太網(wǎng)口、RS-232/485串口、數(shù)字量輸入/輸出接口以及3G/4G模塊。邊緣網(wǎng)關(guān)具有訪問互聯(lián)網(wǎng)的功能，充當(dāng)邊緣網(wǎng)關(guān)的角色，既可以實現(xiàn)設(shè)備數(shù)據(jù)的采集、過濾、流轉(zhuǎn)、存儲、分析和處理，又可以將設(shè)備數(shù)據(jù)上報至云端，同時提供規(guī)則引擎和函數(shù)計算功能，方便應(yīng)用場景編排和業(yè)務(wù)擴(kuò)展，邊緣計算層的核心功能接口如圖2所示。

圖1 油田物聯(lián)網(wǎng)邊緣計算架構(gòu)

圖2 邊緣計算層核心功能

云計算層，通常包括服務(wù)器計算資源、存儲資源、云端網(wǎng)絡(luò)和用戶應(yīng)用程序部分，除了提供復(fù)雜的數(shù)據(jù)處理、分析和展示外，還提供異常數(shù)據(jù)報警管理、設(shè)備管理和控制功能，與邊緣端處理協(xié)同，滿足不同的業(yè)務(wù)應(yīng)用需求。

從圖2可知，在邊緣計算層需要實現(xiàn)底層設(shè)備接入驅(qū)動的開發(fā)和管理，支持設(shè)備驅(qū)動程序云端下發(fā)、子設(shè)備通道設(shè)定管理和子設(shè)備添加、刪除管理與維護(hù)等功能；協(xié)議數(shù)據(jù)解析與轉(zhuǎn)換，經(jīng)過數(shù)據(jù)過濾后，利用異常數(shù)據(jù)處理算法進(jìn)行數(shù)據(jù)實時檢測和異常值判斷和報警提醒；基于規(guī)則引擎進(jìn)行多個數(shù)據(jù)邏輯控制，進(jìn)而實現(xiàn)設(shè)備連鎖控制功能。通過在邊緣端部署邊緣網(wǎng)關(guān)，將原來云端計算和存儲資源下放至邊緣端，在邊緣端實現(xiàn)設(shè)備協(xié)議數(shù)據(jù)包解析、數(shù)據(jù)格式轉(zhuǎn)換、數(shù)據(jù)過濾和報警提醒以及設(shè)備連鎖邏輯控制，降低網(wǎng)絡(luò)時延和由于網(wǎng)絡(luò)中斷造成數(shù)據(jù)丟失和控制功能失效，提高業(yè)務(wù)實時連續(xù)性，保障生產(chǎn)平穩(wěn)運(yùn)行。

3 邊緣計算功能

油田物聯(lián)網(wǎng)邊緣計算功能主要包括設(shè)備程序開發(fā)封裝和部署、基于孤立森林算法的異常數(shù)據(jù)檢測和設(shè)備邏輯控制三方面。

3.1 設(shè)備接入

邊緣計算的實現(xiàn)依托Link Edge 提供的支撐環(huán)境，設(shè)備接入模塊在Link Edge 中實現(xiàn)。一個完整的設(shè)備接入驅(qū)動由設(shè)備的連接管理、協(xié)議數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)交互與命令處理組成。連接管理是指設(shè)備與網(wǎng)關(guān)建立通信連接，Link Edge不限制建立通信連接的協(xié)議，可根據(jù)業(yè)務(wù)需求靈活選擇。協(xié)議數(shù)據(jù)轉(zhuǎn)換是指設(shè)備接入驅(qū)動將獲取到的終端設(shè)備數(shù)據(jù)轉(zhuǎn)換為符合物聯(lián)網(wǎng)模型規(guī)范的數(shù)據(jù)格式，并上報到云端。數(shù)據(jù)與命令處理是指驅(qū)動可以處理云端對于設(shè)備的操作請求，并完成對設(shè)備的服務(wù)調(diào)用和處理調(diào)用結(jié)果，最終將結(jié)果返回到云端。

設(shè)備接入驅(qū)動是Link Edge 中獨(dú)立的服務(wù)模塊，Link Edge 除了提供常用協(xié)議驅(qū)動，如Modbus、OPC UA驅(qū)動外，還支持自定義驅(qū)動開發(fā)。本文根據(jù)GRM私有通信協(xié)議開發(fā)自定義設(shè)備接入驅(qū)動，并自定義驅(qū)動功能和數(shù)據(jù)流向。

GRM 協(xié)議系統(tǒng)是基于國際標(biāo)準(zhǔn)實現(xiàn)的通用協(xié)議，是在油氣行業(yè)的具體應(yīng)用，包含儀表通信協(xié)議、儀表配置協(xié)議、儀表標(biāo)定協(xié)議和儀表工作狀態(tài)轉(zhuǎn)換規(guī)定等。其基本思路是通過無線接收終端采集無線儀表的數(shù)據(jù)，再經(jīng)路由形成ZigBee 網(wǎng)絡(luò)將數(shù)據(jù)傳送到就近的網(wǎng)關(guān)，再將數(shù)據(jù)傳送至云端。儀表通信協(xié)議基于ZigBee通信協(xié)議，在協(xié)議數(shù)據(jù)包中嵌入應(yīng)用協(xié)議數(shù)據(jù)，應(yīng)用層協(xié)議數(shù)據(jù)幀包括幀頭和數(shù)據(jù)兩大部分，幀頭部分包含協(xié)議類型、儀表廠商代碼、儀表類型、儀表組號、儀表序號和數(shù)據(jù)類型幾個數(shù)據(jù)段。儀表通信協(xié)議數(shù)據(jù)幀格式如表1所示。

表1 儀表通信協(xié)議數(shù)據(jù)幀格式

在本文構(gòu)建的邊緣計算物聯(lián)網(wǎng)系統(tǒng)中使用無線接收終端接收無線儀表的數(shù)據(jù)，然后將數(shù)據(jù)通過RS-485接口傳送至邊緣網(wǎng)關(guān)中，處理后發(fā)送至遠(yuǎn)端數(shù)據(jù)中心服務(wù)器。無線接收終端使用API模式進(jìn)行數(shù)據(jù)接收，支持用戶開發(fā)程序通過串口直接讀取數(shù)據(jù)，其數(shù)據(jù)幀通用格式如表2所示?；谝陨蟽煞N數(shù)據(jù)幀內(nèi)容定義，開發(fā)用戶驅(qū)動程序進(jìn)行儀表設(shè)備數(shù)據(jù)讀取請求與應(yīng)答，實現(xiàn)數(shù)據(jù)實時監(jiān)控。

表2 終端接收數(shù)據(jù)幀通用格式

用戶驅(qū)動的開發(fā)基于Link Edge 的集成開發(fā)環(huán)境Docker 鏡像進(jìn)行，設(shè)備驅(qū)動開發(fā)包括程序編碼、編譯打包、程序上傳至云端、部署至邊緣設(shè)備、數(shù)據(jù)查看和運(yùn)行日志查看等流程。

3.2 孤立森林法異常數(shù)據(jù)檢測

在基于云端應(yīng)用的物聯(lián)網(wǎng)架構(gòu)下，海量異構(gòu)設(shè)備數(shù)據(jù)在云端進(jìn)行異常數(shù)據(jù)實時檢測處理無法滿足業(yè)務(wù)需求，因此數(shù)據(jù)在云端應(yīng)用上通過設(shè)定報警值的閾值范圍來檢測異常，當(dāng)數(shù)據(jù)超出閾值范圍時觸發(fā)報警?，F(xiàn)場生產(chǎn)數(shù)據(jù)情況波動、儀表設(shè)備采集數(shù)據(jù)時，不可避免地產(chǎn)生噪聲、數(shù)據(jù)缺失和錯誤及信號傳輸異常，導(dǎo)致產(chǎn)生大量報警信息，淹沒了有效報警信息，并且需要生產(chǎn)監(jiān)控管理人員進(jìn)行現(xiàn)場確認(rèn)，帶來許多額外工作。

基于邊緣計算的物聯(lián)網(wǎng)架構(gòu)，可以在邊緣端對關(guān)鍵生產(chǎn)數(shù)據(jù)進(jìn)行異常檢測，同時將異常數(shù)據(jù)值和報警規(guī)則上傳至云端，提高業(yè)務(wù)響應(yīng)的實時性，降低網(wǎng)絡(luò)負(fù)載。

異常數(shù)據(jù)檢測方法是對正常樣本進(jìn)行特征描述，不在正常特征空間中的樣本被視為異常。異常數(shù)據(jù)具有兩個特點：一是異常數(shù)據(jù)只占少量，屬于異常特征值；二是和正常數(shù)據(jù)差別很大。

孤立森林（Isolation Forest）檢測算法是不再描述正常的樣本點，而是要孤立異常點。異常數(shù)據(jù)被定義為“容易被孤立的離群點”，可以認(rèn)為是分布稀疏且距離密度高的群體較遠(yuǎn)的點。在樣本特征空間中，分布稀疏的區(qū)域表示事件發(fā)生在該區(qū)域的概率很低，認(rèn)為落在這些區(qū)域里的數(shù)據(jù)是異常的。孤立森林算法是一種無監(jiān)督異常數(shù)據(jù)檢測方法，不需要有標(biāo)記的樣本來訓(xùn)練，但是要求樣本特征是連續(xù)的變量，隨機(jī)遞歸地分割樣本數(shù)據(jù)集，直到所有的樣本點都是孤立的，在這種隨機(jī)分割的策略下，異常點通常具有較短的路徑。

孤立森林算法對數(shù)據(jù)集進(jìn)行隨機(jī)采樣并構(gòu)造樹iTree。iTree 是一種隨機(jī)二叉樹，每個節(jié)點要么有兩個孩子，要么就是葉子節(jié)點，一個孩子都沒有。然后將多個iTree 集成為森林iForest，將傳入的數(shù)據(jù)遍歷每一棵樹的節(jié)點，根據(jù)平均路徑深度檢測是否為異常。

構(gòu)造iTree的思想如下：

（1）從給定的數(shù)據(jù)集中隨機(jī)選擇ψ個樣本點作為子采樣數(shù)據(jù)集，并構(gòu)造一棵初始的iTree，將子采樣放入樹的根節(jié)點。

（2）根據(jù)數(shù)據(jù)集特征，指定數(shù)據(jù)集的一個屬性項q，在屬性項q中隨機(jī)產(chǎn)生一個分割點p，分割點p介于屬性數(shù)據(jù)項q的最大值與最小值之間。

（3）根據(jù)數(shù)據(jù)點的p值對每條記錄進(jìn)行劃分，構(gòu)造iTree，把小于p值的記錄放在左節(jié)點，把大于等于p值的記錄放在右節(jié)點。

（4）遞歸執(zhí)行步驟（2）和步驟（3），不斷構(gòu)造新的樹節(jié)點，直到子采樣數(shù)據(jù)集中只有一條數(shù)據(jù)，無法繼續(xù)分割，或者樹的高度已經(jīng)達(dá)到初始定義好的限定高度。

iTree是一個完全二叉樹，樹中的每個節(jié)點都有0或兩個子節(jié)點。假設(shè)所有實例都是不同的，當(dāng)一個iTree完全生長時，每個實例都被隔離到一個外部節(jié)點，在這種情況下，外部節(jié)點的數(shù)量是n，內(nèi)部節(jié)點為n-1，節(jié)點總數(shù)為2n-1。異常檢測的任務(wù)是提供一個反映異常程度的排序。

根據(jù)給定數(shù)據(jù)集構(gòu)建完成t個iTree 之后生成孤立森林模型iForest，然后用來評估測試數(shù)據(jù)，發(fā)現(xiàn)異常數(shù)據(jù)。對于一個測試數(shù)據(jù)x，遍歷每一棵iTree，計算x落在每一棵樹的深度，即葉子節(jié)點到根節(jié)點的路徑長度，記為h(x)，根據(jù)h(x)來判斷一條記錄x是否是異常點，所有h(x)的平均值為E(h(x))，因此設(shè)置標(biāo)準(zhǔn)平均搜索長度c(ψ)為：

從而可以定義一個待測數(shù)據(jù)x的異常評分為：

從式（3）中可以看出：

當(dāng)E(h(x))→c(ψ),s→ 0.5;

當(dāng)E(h(x))→ 0,s→ 1;

當(dāng)E(h(x))→n-1,s→0 。

根據(jù)異常評分可以判斷出，當(dāng)評分值為1 時，該數(shù)據(jù)點為異常值；當(dāng)評分值小于0.5 時，該數(shù)據(jù)點為正常值；如果所有數(shù)據(jù)點評分值全部約為0.5時，說明整個數(shù)據(jù)集都沒有明顯異常。

通過在觀測數(shù)據(jù)的最大值與最小值之間生成隨機(jī)數(shù)構(gòu)建孤立森林，因為物聯(lián)網(wǎng)觀測數(shù)據(jù)的正常值變化范圍較小，在構(gòu)建孤立森林時子采樣空間大小為觀測值去重后數(shù)量的4 倍，建立孤立樹的個數(shù)為50，最大樹高度為10層。由于正常數(shù)據(jù)與異常數(shù)據(jù)的臨界值需要在具體應(yīng)用中分析來確定，本文使用包含訓(xùn)練數(shù)據(jù)在內(nèi)的一系列數(shù)據(jù)進(jìn)行模擬計算10組數(shù)據(jù)，然后計算其均值，確定正常數(shù)據(jù)與異常數(shù)據(jù)的臨界值為0.581。模擬計算結(jié)果如圖3所示。在進(jìn)行異常數(shù)據(jù)實時檢測時，計算的孤立森林值大于0.581時，則進(jìn)行異常報警提醒。

圖3 臨界值模擬計算結(jié)果

3.3 邊緣端過程控制

在傳統(tǒng)的油田物聯(lián)網(wǎng)系統(tǒng)應(yīng)用場景中，油井生產(chǎn)現(xiàn)場的各類傳感器負(fù)責(zé)實時采集數(shù)據(jù)，通過3G/4G或者光纜等有線網(wǎng)絡(luò)將數(shù)據(jù)傳輸至遠(yuǎn)端數(shù)據(jù)中心服務(wù)器，在遠(yuǎn)端數(shù)據(jù)中心服務(wù)器進(jìn)行數(shù)據(jù)格式轉(zhuǎn)換、處理、分析和運(yùn)算，然后將處理結(jié)果及生產(chǎn)控制指令再通過網(wǎng)絡(luò)傳輸至現(xiàn)場儀表層，實現(xiàn)現(xiàn)場過程控制。這種傳統(tǒng)的物聯(lián)網(wǎng)架構(gòu)，數(shù)據(jù)異常處理和過程控制嚴(yán)重依賴網(wǎng)絡(luò)，當(dāng)網(wǎng)絡(luò)中斷時，不可避免地產(chǎn)生業(yè)務(wù)中斷，給安全生產(chǎn)帶來極大的隱患。如果將云端的計算、存儲資源下沉至邊緣端，在邊緣端集成異常數(shù)據(jù)檢測處理和邏輯控制，可以提高業(yè)務(wù)連續(xù)性、實時性，降低安全風(fēng)險[21]。本文構(gòu)建的油田物聯(lián)網(wǎng)邊緣計算模式，依托邊緣端計算、存儲資源和Link Edge 邊緣計算環(huán)境以及輕量級存儲環(huán)境SQLite，構(gòu)建近端邊緣層與云端計算層協(xié)同處理的新模式。在近端邊緣層對儀表感知層的數(shù)據(jù)進(jìn)行預(yù)處理、異常檢測和數(shù)據(jù)修正，同時完成現(xiàn)場的過程控制和故障診斷，同時將數(shù)據(jù)、異常檢測結(jié)果和過程控制邏輯上傳至云端，在云端進(jìn)行深層次的計算，云端展示給用戶使用和判斷，這樣就實現(xiàn)了一個立體的分層式數(shù)據(jù)協(xié)同處理過程[22-23]。

在如圖4的實際邏輯場景中，油井加熱爐對開采的原油進(jìn)行加熱后經(jīng)過輸油管線運(yùn)輸，為了防止非金屬輸油管線因原油加熱溫度過高，導(dǎo)致使用壽命降低，或者物理損傷后造成原油泄漏，進(jìn)而導(dǎo)致環(huán)境污染現(xiàn)象發(fā)生，需要實時監(jiān)測和控制加熱后的出口溫度，設(shè)定控制邏輯如下：當(dāng)火焰探測器監(jiān)測無火焰時，同時關(guān)閉調(diào)節(jié)閥1和調(diào)節(jié)閥2；當(dāng)出口溫度大于65 ℃時，減少供氣，打開調(diào)節(jié)閥2，關(guān)閉調(diào)節(jié)閥1，當(dāng)溫度小于45 ℃時，增加供氣，打開調(diào)節(jié)閥1，關(guān)閉調(diào)節(jié)閥2。

圖4 加熱爐邏輯控制場景

本文在Link Edge 中通過函數(shù)計算功能實現(xiàn)現(xiàn)場邏輯控制，函數(shù)計算是一種運(yùn)行時框架，遵循事件驅(qū)動模型?？梢允褂帽镜睾瘮?shù)計算框架基于設(shè)備數(shù)據(jù)、事件的業(yè)務(wù)邏輯開發(fā)實現(xiàn)控制，在本地數(shù)據(jù)存儲的基礎(chǔ)上，進(jìn)行數(shù)據(jù)過濾、計算，然后根據(jù)函數(shù)計算實現(xiàn)控制，同時利用邊緣端的消息路由功能，控制本地數(shù)據(jù)在邊緣計算節(jié)點中的流轉(zhuǎn)，如將設(shè)備數(shù)據(jù)流轉(zhuǎn)至函數(shù)計算、流數(shù)據(jù)分析，進(jìn)行數(shù)據(jù)清洗、加工、聚合之后再流入至企業(yè)云端服務(wù)器，大大減少數(shù)據(jù)傳輸成本，實現(xiàn)數(shù)據(jù)安全可控。邊緣計算節(jié)點在斷網(wǎng)或者網(wǎng)絡(luò)條件較弱的時候，將數(shù)據(jù)保存在本地存儲區(qū)，不但可以提供數(shù)據(jù)恢復(fù)能力，由于計算和存儲資源下沉在本地，還能夠?qū)崿F(xiàn)本地控制的業(yè)務(wù)連續(xù)性。邊緣計算節(jié)點通過函數(shù)計算實現(xiàn)邏輯控制功能的結(jié)構(gòu)如圖5所示。

4 性能評估

為了評估在邊緣側(cè)進(jìn)行異常數(shù)據(jù)處理和函數(shù)計算邏輯控制的精度和運(yùn)行效率，分別從異常數(shù)據(jù)檢測處理計算時間和算法精度兩方面進(jìn)行評估。

4.1 異常檢測計算時間對比

在邊緣端使用的邊緣網(wǎng)關(guān)硬件配置和云端數(shù)據(jù)中心服務(wù)器硬件配置如表3所示。

表3 邊緣端和云端異常檢測設(shè)備配置對比

圖5 邊緣計算節(jié)點函數(shù)計算

在邊緣端和云端分別運(yùn)行異常數(shù)據(jù)檢測程序，運(yùn)行10次，得到平均運(yùn)行消耗的時間如表4所示。從邊緣端運(yùn)行時間可以看出，在邊緣端進(jìn)行單個數(shù)據(jù)異常檢測的平均時間僅為1.05 s，處理的時效性滿足生產(chǎn)應(yīng)用需要。同時結(jié)合云數(shù)據(jù)過濾功能，可以僅將異常數(shù)據(jù)和報警規(guī)則上傳至云端，降低網(wǎng)絡(luò)傳輸成本。

表4 邊緣端和云端異常檢測運(yùn)行時間對比

基于函數(shù)計算的邏輯控制功能的時間響應(yīng)也在秒級，由此可知，基于邊緣計算設(shè)備實現(xiàn)云端的計算功能，可以滿足生產(chǎn)實際需要。

4.2 檢測算法精度分析

由于物聯(lián)網(wǎng)監(jiān)測的正常數(shù)據(jù)的變化范圍較小，而且數(shù)值固定在某一個區(qū)間，因此在進(jìn)行算法精度評估中，按照實際監(jiān)測數(shù)據(jù)個數(shù)的兩倍生成一個序列進(jìn)行精度監(jiān)測，實際監(jiān)測數(shù)據(jù)值為0.82至1.10之間，共18個不同的數(shù)據(jù)。在精度分析中根據(jù)實際數(shù)據(jù)最大值和最小值以及數(shù)據(jù)個數(shù)，計算數(shù)據(jù)變化間隔，然后按照間隔數(shù)據(jù)生成一個從0.692至1.237的區(qū)間，使用混淆矩陣進(jìn)行精度評價。

混淆矩陣中的真陽性（True Positive，TP）是正常數(shù)據(jù)被異常檢測程序正確識別為正常數(shù)據(jù)的數(shù)量；偽陽性（False Positive，F(xiàn)N）是實際為異常數(shù)據(jù)被異常檢測為正常數(shù)據(jù)的數(shù)量；真陰性（True Negative，TN）是實際為異常數(shù)據(jù)被識別為異常數(shù)據(jù)的數(shù)量；偽陰性（False Negative，F(xiàn)N）是實際為異常數(shù)據(jù)被識別成正常數(shù)據(jù)的數(shù)量。真陽性和真陰性是正確的識別，一個好的檢測算法應(yīng)該有較大的真陽性和真陰性值，較小的偽陽性和偽陰性值。

在精度評價中，使用36 個數(shù)據(jù)值的序列，運(yùn)行10次，求得平均值，進(jìn)行混淆矩陣計算，計算結(jié)果如表5所示。

表5 精度評價混淆矩陣

精確度（Accuracy）或者稱為總成功率是度量檢測算法能夠正確地對數(shù)據(jù)進(jìn)行正常檢測的比例，被定義為TP和TN的總和除以數(shù)據(jù)總數(shù)，如式（4）所示：

真陽性率（True Positive Rate，TPR）是被檢測程序正確識別為正常數(shù)據(jù)的比例；偽陽性率（False Positive Rate，F(xiàn)PR）是異常數(shù)據(jù)被檢測為正常數(shù)據(jù)的比例，F(xiàn)PR也稱為錯誤率；偽陰性率（False Negative Rate，F(xiàn)NR）是正常數(shù)據(jù)被標(biāo)記為異常數(shù)據(jù)的比例，F(xiàn)NR 也稱為誤報率。參數(shù)計算如式（5）所示：

由式（4）、（5）計算得到檢測算法的精確度為94.44%，真陽性率為88.89%，偽陽性率即漏報率為0，偽陰性率即誤報率為11.11%，從實際應(yīng)用安全要求本質(zhì)來看，誤報率可以接受，而漏報不能被接受。

5 結(jié)束語

針對油田物聯(lián)網(wǎng)邊緣計算問題，提出了邊緣計算整體的架構(gòu)，實現(xiàn)了行業(yè)數(shù)據(jù)接入驅(qū)動和云端設(shè)備監(jiān)控與管理功能，并基于邊緣端的設(shè)備實現(xiàn)基于監(jiān)測數(shù)據(jù)的最值之間的隨機(jī)數(shù)生成孤立森林進(jìn)行異常數(shù)據(jù)檢測和異常報警，同時使用邊緣計算的函數(shù)計算功能實現(xiàn)設(shè)備間的邏輯控制，最終實現(xiàn)基于邊緣設(shè)備進(jìn)行數(shù)據(jù)就地監(jiān)測和就近控制，避免了網(wǎng)絡(luò)時延和中斷帶來的影響。通過從異常檢測計算時間對比和檢測精度分析對比來看，孤立森林算法可以很好地應(yīng)用于物聯(lián)網(wǎng)邊緣計算場景中。但是在異常數(shù)據(jù)檢測中誤報率較高，仍然需要進(jìn)一步改進(jìn)和提高。