随着第五代移动通信网络（5G）的出现和发展,将先进的信息技术与电力系统结合起来,成为电网实现电网数字化转型的重要途径。但5G无线网络中存在的能量损耗和时延问题限制了其应用范围。为充分发挥5G网络的优势,满足电力物联网领域功率大规模增长对通信性能的要求,本文根据5G网络的通信特点,构建泛在电力物联网云边协作框架,从信息的通信带宽、通信延迟、信息可靠性等方面进行判断,选择能耗与延迟加权和最小,降低数据存储、通信和处理成本,提高5G网络的通信资源利用率,实现定制化、最大化利用。首先针对具有能量收集能力的移动设备电力巡检云边协同系统产生的资源分配问题,提出一种基于李雅普诺夫贪婪优化算法。构建在设备电池电量逐渐收敛下,移动设备时延与能耗联合成本的动态最小化优化问题。利用李雅普诺夫动态优化理论,将优化问题分解成每个时隙最佳本地执行、卸载执行和能量收集三个子问题,并通过线性规划获得子问题最优解。然后通过在本地执行、卸载执行和任务丢弃之间选择执行模式,获得设备的时延与能耗联合成本最小结果。最后利用键值对设计贪婪策略程序,以适应多用户多服务器系统。仿真结果证实,在保证所有设备电池电量都在规定操作水平附近稳定情况下,卸载率可达99.9%以上,并能有效降低服务延时和系统能耗。然后针对电力物联网现场监控质量管理差问题,设计一体化的风险作业监管边缘计算系统。将边缘计算技术应用在电力物联网风险监控现场体系中,提出云边端三级协同架构。通过在以终端设备和边缘服务器为边缘网络,建立资源分配模型,并提出基于分布式深度学习的边缘网络卸载算法。算法将卸载决策优化问题归结为一个混合整数规划问题,并通过多个并行深度神经网络用于生成卸载决策。仿真实验表明,该算法能有效地降低系统的能耗和延时,并能快速做出卸载决策。