【摘 要】
：
随着电力物联网的建设,电力物联网平台面临海量异构终端接入的挑战以及数据爆发式增长的压力。文章面向电力物联网海量终端接入技术,探讨当前电力物联网终端接入在感知层、网络层、平台层和应用层面临的问题,并由此从信息感知、网络传输、实时计算和安全防护4个方面对终端接入技术展开研究综述。在感知层,针对电力物联网信息感知的关键作用,研究信息感知技术体系以及相关终端接入算法;在网络层,电力物联网产生大量数据流量,
【机 构】
：
国网信息通信产业集团有限公司,华北电力大学控制与计算机工程学院
【基金项目】
：
国家重点研发计划项目(2020YFB0905900)。
论文部分内容阅读
随着电力物联网的建设,电力物联网平台面临海量异构终端接入的挑战以及数据爆发式增长的压力。文章面向电力物联网海量终端接入技术,探讨当前电力物联网终端接入在感知层、网络层、平台层和应用层面临的问题,并由此从信息感知、网络传输、实时计算和安全防护4个方面对终端接入技术展开研究综述。在感知层,针对电力物联网信息感知的关键作用,研究信息感知技术体系以及相关终端接入算法;在网络层,电力物联网产生大量数据流量,信息交互面临挑战,分别从软件定义网络、数据传输与流量优化2个方面对电力通信网络作技术探究;在平台层和应用
其他文献
能源产业价值链的生产-配送-储存-消费各价值环节中,从能源配置角度应按负荷需求转换为与负荷最接近的品位(电-油-气-储等),实现在能源互联网构成的空间中高效流动,并从时间、空间上优化能量的生产、传输和使用。现有能源数据具有较强的时空分布特性,且数量庞大、类别繁多,无法实现对各价值环节相关要素进行实时感知、规律挖掘、历史溯源、预测预警等。文章充分发挥大数据、地图基础数据、位置服务生态、可视化引擎等互联网技术优势,分析了能源互联网多时空尺度问题,提出了一种面向能源互联网下的时空智能应用框架,探索了能源互联网下
随着电力物联网发展及能源数字化转型,电力边缘智能终端的适用场景不断拓展。AI芯片由于其本身智能分析及并行计算能力,成为电力边缘终端的主流核心器件之一,如何通过系统性的分析,根据应用场景选择合适的AI芯片成为目前亟需解决的问题。文章首先对AI芯片的技术架构和优缺点进行对比分析,然后根据电力系统的智能感知要求提出电力边缘智能终端的结构框架,并详细分析边缘智能终端构建的关键技术,最后结合电力典型应用场景提出了国产化可替代的AI芯片定制化选型方案。文章所提AI芯片化的电力边缘智能终端可以为电力边缘终端的设计、研发
TSP问题(旅行商问题)是一个典型的组合优化问题,遗传算法(Generation Algorithm,GA)和蚁群算法(Ant Colony Qptimization,ACO)都属于仿生型优化算法,通过两种算法解决TSP的仿真实验,对问题规模、运行时间、性能稳定性及正确性进行了对比分析。得出问题规模小于20时,ACO算法更优,问题规模大于20时则可采用GA算法。
接口测试是Java后端开发一种常用测试方法,重点关注数据传递是否存在异常。后端开发完成接口之后,通常需要进行接口测试,比如利用Postman工具进行接口测试。基于Java反射原理通过对接口类进行解析,包括接口的调用地址、方法名、调用参数、参数的类型等信息,最终生成JSON数据格式的文件并直接导入到Postman工具,即可进行接口测试,为接口测试提供了便利性,同时大大节省了人工输入接口相关组装地址名、参数名等信息填写的时间。