能源工業云網設備通信協議智能解析技術研究

孫喜民　劉丹　李慧超　孫博　鄭斌

摘 要：本文主要從能源工業云網設備的多源異構數據接入和融合展開，研究設備數據標準及接入體系。以能源工業云網設備的通信協議為載體，研究不同品類、多種類生產數據的接入標準，解決多種類感知設備數據接入問題。

關鍵詞：能源工業云網 強化學習 多智能體 人工智能

Research on Intelligent Analysis Technology of Communication Protocol of Energy Industry Cloud Network Equipment

Sun Ximin，Liu Dan，Li Huichao，Sun Bo，Zheng Bin

Abstract：This article mainly starts from the multi-source heterogeneous data access and integration of energy industry cloud network equipment， and studies equipment data standards and access systems. Using the communication protocol of the energy industry cloud network equipment as the carrier， the article explores the access standards of different categories and multiple types of production data， and solves the data access problem of multiple types of sensing equipment.

Key words：energy industry cloud network， reinforcement learning， multi-agent， artificial intelligence

1 引言

能源工業云網設備智能接入體系的研究包含設備通信協議智能解析和設備編碼統一規范。目前，工業互聯網的多種協議可分為現場總線和工業以太網協議兩類。現場總線協議主要有PROFIBUS，Modbus-RTU、CANopen、OPC UA、OPC DA、MQTT和DNP3等。工業以太網協議在技術上與“商用以太網”兼容，在設計、可靠性、實時性等方面達到工業現場控制的要求，現已成為工業現場通訊和控制的主要手段。市場上已經有眾多以太網絡協議解析系統，如Wireshark、Sniffer、Tableau、WinNetCap和WinSock Expert等工具均能對基于以太網的數據協議進行解析。此外還有一些不常用的工業總控協議，比如MMS（IEC61850）、GOOSE（IEC61850）、HART-IP和CDT等協議。對于設備編碼而言，歐洲電廠運營、設備制造等部門制定了KKS編碼系統，我國于2010年12月基于KKS編碼體系發布的《電廠標識系統編碼標準》被電力設計院和電廠廣泛用于標識電廠的物理對象。但KKS編碼系統繁雜，具有大量重復的編碼約定的缺點。類似地，還有法國EDF編碼系統和英國CCC編碼系統。國家電網公司目前存在多種編碼方案，分布于不同的業務系統。如生產管理系統設備編碼、ERP設備編碼、GIS公用基礎平臺設備圖元等。設備接入體系結構的設計，既要向下確保不同廠商設備數據融合的實時性、穩定性、可信性。又要向上支持各種網絡通信模式，為用戶提供設備數據的實時分析、處理，系統中資源的合理調度，提升設備之間的協同工作能力，保證對整個數據共享與交互模型的實時監控與反饋。

異構系統數據共享交互問題自發生之時便引起國內外學者的關注，目前比較成熟的數據共享模式主要有三種：基于數據庫的共享模式、基于中間件技術的共享模式、基于數據交互平臺的共享模式。比如JETS工業大數據集成分析平臺利用數據庫共享解決多數據源融合、智能分析數據等問題，有效地支撐工業互聯網的裝備運維故障預測。此外，GDBAI中間件的通用數據接口，為頂層應用提供統一、透明的訪問數據方法。再有，中國移動的OneNet平臺，設計了一套工業互聯網數據管理平臺，對數據信息進行分類保護以及分級限制數據交互。但是，針對輕量級的工業互聯網設備間的數據共享問題，上述策略與方法過于繁雜，缺乏可擴展性，網絡資源利用效率低。目前，主流的標識解析系統有Handle、OID、Ecode等，多應用于供應鏈管理、產品追溯等場景。OID是由ISO/IEC、ITU共同提出的標識機制，用于對任何類型的對象進行全球統一命名。其采用分層、樹狀編碼結構，在信息安全等領域有著較多的應用。Ecode是我國自主研制的標識編碼技術，由中間件、數據標識、解析系統、安全系統等部分組成。

設備智慧物聯網平臺是建設智慧國網的重要組成部分。隨著近幾年微服務架構和Docker容器概念的火爆，微服務技術最近得到一些IT公司的青睞，Netflix公司是成功應用微服務的典范。國內對微服務、容器技術進行研究與應用，設計了基于微服務的設備智慧物聯數據匯聚中心的技術架構，解決國網公司分布式、異構環境的協同開發與部署應用問題。可見，通過近年來的實踐，我國企業相應的技術和產業已經具備發展基礎。

2 理論及實踐依據

數據接入難度和成本是制約工業互聯網平臺應用的核心痛點之一，能源工業云網正嘗試提供面向不同設備的綜合性接入技術方案，推動平臺快速應用落地。存量設備接入仍以邊緣協議解析為主要方式，逐步從個性方案發展成為平臺通用服務。具有較強工業協議積累的企業正在將接入方案轉化為平臺服務，將解析能力下發至邊緣設備實現數據接入。未來，數據接入方案將內嵌在新增設備中，直接連平臺有望成為重要趨勢，SDK等數據接入方案在商業物聯領域已普遍應用，正在加速向工業互聯領域延伸。

為滿足工業實時性要求，降低網絡和IT資源消耗，在邊緣側開展數據分析正在成為工業互聯網平臺的普遍做法。基于“IF-THEN”的簡單規則支撐邊緣側的大部分數據應用，PTC ThingWorx、博世IoT、施耐德EcoStruxure、東芝SPINEX等平臺都在邊緣側集成了規則引擎，IBM Watson IoT可以根據監控數值的大小和頻率執行不同操作，在邊緣識別并警告質量缺陷、安全風險等，AWS IoT 1-Click可以快速執行定義好的Lambda程序，提升車間運行效率。邊云協同實現落地應用，Predix、Uptake、谷歌IoT、AWS IoT等平臺基于工業智能公司FogHorn的Lightning邊緣智能技術，將云端訓練形成的機器學習乃至深度學習模型推送到邊緣設備上運行，支撐半導體產能優化、離心泵狀態檢測、電容器缺陷檢測等多類應用。以云計算為代表的集中式計算、以邊緣計算為代表的分布式計算，在成本、可靠性、靈活性、安全性等方面各具優勢，適用于不同的工業場景，平臺的邊緣和云端將會相輔相成、有效整合、共同發展。

邊緣設備從“功能機”走向“智能機”已經成為平臺發展必然趨勢，將大幅提升邊緣應用深度和廣度。當前主要聚焦網絡設備的智能化，未來將進一步向工業設備延伸。現階段“通用處理器+通用操作系統”成為邊緣網關的主流架構，能夠支持高性能電機控制等邊緣工業需求。

開源技術向邊緣側下沉，在邊緣側形成一個統一的數據和應用創新生態。EdgeX Foundry、Azure IoT Edge、Cloud IoT Edge、Eclipse Kura、KubeEdge、OpenEdge等邊緣架構將推動邊緣設備的開發標準化，提升互操作性。博世融合Eclipse開源組織，圍繞博世IoT打造了一個從數字雙胞胎到嵌入式編程的邊緣開放生態。MOBY、Kubernetes等容器管理和編排技術推動邊緣軟硬件資源更高效和靈活的管理，Azure IoT Edge支持MOBY和Kubernetes，推動邊緣網關快速靈活的建立和更新業務邏輯。Apache Nifi/MiNiFi等數據管理和集成架構將進一步改變邊緣數據集成方式，工業平臺Sciemetric與數據接入平臺Attunity和數據管理平臺Hortonworks合作，基于Apache Nifi實時采集邊緣制造數據，構建工廠數據湖，支撐流程優化、預測性維護、供應鏈優化等分析應用。

為了更好滿足工業用戶的實時性、可靠性要求，工業互聯網平臺開始將計算能力下放到更為靠近物或數據源頭的網絡邊緣側。一是邊緣層直接運行實時分析算法，新增了機器學習、認知服務、流數據分析等功能，支持在嵌入式邊緣設備上運行復雜分析和人工智能算法，基于Azure IoT Edge在邊緣實現了流數據分析和機器學習算法，使故障處理時延大幅降低。二是邊緣與平臺協同，實現模型不斷成長和優化。

3 源工業云網智能設備接入數據通信中的機器學習算法

研究基于輕量級機器學習策略和數據采樣策略的通用協議智能解析與數據分析技術，研究模式識別技術，研究多品類多種類生產數據智能分析技術。通過研究終端信息的處理與數據共享機制，建立數據存證、鑒證和溯源體系，完成智慧物聯網關的設計與研發，實現物聯平臺和各設備供應廠商之間的信息共享和業務協同。具體的研究內容分為：（1）數據邊端處理與存證溯源機制;（2）云邊業務協同與邊緣資源共享策略。整體框架如下圖所示。

在終端信息處理方面，使用區塊鏈技術對數據進行存證，鑒證和溯源，有效解決終端數據存儲不安全，不可信問題。同時，將大量數據處理轉移到邊端，減輕數據傳輸鏈路壓力，提高平臺數據處理速度。

云邊業務協同與邊緣資源共享方面，基于排隊網絡和凸優化技術設計云邊協同的資源分配與任務調度機制，調度生產過程中品類中心的協同任務，充分利用智能網關的計算和存儲資源，降低任務處理延遲和系統能耗，解決智能網關負載不均衡導致的工業需求響應不及時、邊緣資源利用率低、系統資源浪費和用戶體驗差的問題。

智能物聯網關的設計與研發方面，基于現有工業物聯網網關功能模塊，融合區塊鏈和邊緣計算技術，新增區塊鏈服務模塊、數據清洗模塊、資源管理模塊和緊急預警模塊，下放存儲和計算任務，降低數據鏈路壓力和提升平臺處理速度，從而建立云邊業務協同體系及數據存證、鑒證和溯源體系。

參考文獻：

[1]曲昭偉，潘昭天，陳永恒，李海濤，王鑫.考慮博弈的多智能體強化學習分布式信號控[J].交通運輸系統工程與信息，2020，20（2）：76-82，100.

[2]杜威，丁世飛.多智能體強化學習綜述[J] . 計算機科學，2019，46（8）：1-7.

[3]丁曉燕，席裕庚.基于博弈模型的多智能體覆蓋控制問題[J].計算機仿真，2009，26（10）：148-152.

[4]杭飛.基于博弈論的多智能體協同控制算法[J].電腦與信息技術，2014，22（2）：14-17.

[5]羅瀟軒.對計算機人工智能識別技術應用的思考[J].電子元器件與信息技術，2020，4（12）：65-66.