能源工业云网设备通信协议智能解析技术研究

孙喜民　刘丹　李慧超　孙博　郑斌

摘 要：本文主要从能源工业云网设备的多源异构数据接入和融合展开，研究设备数据标准及接入体系。以能源工业云网设备的通信协议为载体，研究不同品类、多种类生产数据的接入标准，解决多种类感知设备数据接入问题。

关键词：能源工业云网 强化学习 多智能体 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

能源工业云网设备智能接入体系的研究包含设备通信协议智能解析和设备编码统一规范。目前，工业互联网的多种协议可分为现场总线和工业以太网协议两类。现场总线协议主要有PROFIBUS，Modbus-RTU、CANopen、OPC UA、OPC DA、MQTT和DNP3等。工业以太网协议在技术上与“商用以太网”兼容，在设计、可靠性、实时性等方面达到工业现场控制的要求，现已成为工业现场通讯和控制的主要手段。市场上已经有众多以太网络协议解析系统，如Wireshark、Sniffer、Tableau、WinNetCap和WinSock Expert等工具均能对基于以太网的数据协议进行解析。此外还有一些不常用的工业总控协议，比如MMS（IEC61850）、GOOSE（IEC61850）、HART-IP和CDT等协议。对于设备编码而言，欧洲电厂运营、设备制造等部门制定了KKS编码系统，我国于2010年12月基于KKS编码体系发布的《电厂标识系统编码标准》被电力设计院和电厂广泛用于标识电厂的物理对象。但KKS编码系统繁杂，具有大量重复的编码约定的缺点。类似地，还有法国EDF编码系统和英国CCC编码系统。国家电网公司目前存在多种编码方案，分布于不同的业务系统。如生产管理系统设备编码、ERP设备编码、GIS公用基础平台设备图元等。设备接入体系结构的设计，既要向下确保不同厂商设备数据融合的实时性、稳定性、可信性。又要向上支持各种网络通信模式，为用户提供设备数据的实时分析、处理，系统中资源的合理调度，提升设备之间的协同工作能力，保证对整个数据共享与交互模型的实时监控与反馈。

异构系统数据共享交互问题自发生之时便引起国内外学者的关注，目前比较成熟的数据共享模式主要有三种：基于数据库的共享模式、基于中间件技术的共享模式、基于数据交互平台的共享模式。比如JETS工业大数据集成分析平台利用数据库共享解决多数据源融合、智能分析数据等问题，有效地支撑工业互联网的装备运维故障预测。此外，GDBAI中间件的通用数据接口，为顶层应用提供统一、透明的访问数据方法。再有，中國移动的OneNet平台，设计了一套工业互联网数据管理平台，对数据信息进行分类保护以及分级限制数据交互。但是，针对轻量级的工业互联网设备间的数据共享问题，上述策略与方法过于繁杂，缺乏可扩展性，网络资源利用效率低。目前，主流的标识解析系统有Handle、OID、Ecode等，多应用于供应链管理、产品追溯等场景。OID是由ISO/IEC、ITU共同提出的标识机制，用于对任何类型的对象进行全球统一命名。其采用分层、树状编码结构，在信息安全等领域有着较多的应用。Ecode是我国自主研制的标识编码技术，由中间件、数据标识、解析系统、安全系统等部分组成。

设备智慧物联网平台是建设智慧国网的重要组成部分。随着近几年微服务架构和Docker容器概念的火爆，微服务技术最近得到一些IT公司的青睐，Netflix公司是成功应用微服务的典范。国内对微服务、容器技术进行研究与应用，设计了基于微服务的设备智慧物联数据汇聚中心的技术架构，解决国网公司分布式、异构环境的协同开发与部署应用问题。可见，通过近年来的实践，我国企业相应的技术和产业已经具备发展基础。

2 理论及实践依据

数据接入难度和成本是制约工业互联网平台应用的核心痛点之一，能源工业云网正尝试提供面向不同设备的综合性接入技术方案，推动平台快速应用落地。存量设备接入仍以边缘协议解析为主要方式，逐步从个性方案发展成为平台通用服务。具有较强工业协议积累的企业正在将接入方案转化为平台服务，将解析能力下发至边缘设备实现数据接入。未来，数据接入方案将内嵌在新增设备中，直接连平台有望成为重要趋势，SDK等数据接入方案在商业物联领域已普遍应用，正在加速向工业互联领域延伸。

为满足工业实时性要求，降低网络和IT资源消耗，在边缘侧开展数据分析正在成为工业互联网平台的普遍做法。基于“IF-THEN”的简单规则支撑边缘侧的大部分数据应用，PTC ThingWorx、博世IoT、施耐德EcoStruxure、东芝SPINEX等平台都在边缘侧集成了规则引擎，IBM Watson IoT可以根据监控数值的大小和频率执行不同操作，在边缘识别并警告质量缺陷、安全风险等，AWS IoT 1-Click可以快速执行定义好的Lambda程序，提升车间运行效率。边云协同实现落地应用，Predix、Uptake、谷歌IoT、AWS IoT等平台基于工业智能公司FogHorn的Lightning边缘智能技术，将云端训练形成的机器学习乃至深度学习模型推送到边缘设备上运行，支撑半导体产能优化、离心泵状态检测、电容器缺陷检测等多类应用。以云计算为代表的集中式计算、以边缘计算为代表的分布式计算，在成本、可靠性、灵活性、安全性等方面各具优势，适用于不同的工业场景，平台的边缘和云端将会相辅相成、有效整合、共同发展。

边缘设备从“功能机”走向“智能机”已经成为平台发展必然趋势，将大幅提升边缘应用深度和广度。当前主要聚焦网络设备的智能化，未来将进一步向工业设备延伸。现阶段“通用处理器+通用操作系统”成为边缘网关的主流架构，能够支持高性能电机控制等边缘工业需求。

开源技术向边缘侧下沉，在边缘侧形成一个统一的数据和应用创新生态。EdgeX Foundry、Azure IoT Edge、Cloud IoT Edge、Eclipse Kura、KubeEdge、OpenEdge等边缘架构将推动边缘设备的开发标准化，提升互操作性。博世融合Eclipse开源组织，围绕博世IoT打造了一个从数字双胞胎到嵌入式编程的边缘开放生态。MOBY、Kubernetes等容器管理和编排技术推动边缘软硬件资源更高效和灵活的管理，Azure IoT Edge支持MOBY和Kubernetes，推动边缘网关快速灵活的建立和更新业务逻辑。Apache Nifi/MiNiFi等数据管理和集成架构将进一步改变边缘数据集成方式，工业平台Sciemetric与数据接入平台Attunity和数据管理平台Hortonworks合作，基于Apache Nifi实时采集边缘制造数据，构建工厂数据湖，支撑流程优化、预测性维护、供应链优化等分析应用。

为了更好满足工业用户的实时性、可靠性要求，工业互联网平台开始将计算能力下放到更为靠近物或数据源头的网络边缘侧。一是边缘层直接运行实时分析算法，新增了机器学习、认知服务、流数据分析等功能，支持在嵌入式边缘设备上运行复杂分析和人工智能算法，基于Azure IoT Edge在边缘实现了流数据分析和机器学习算法，使故障处理时延大幅降低。二是边缘与平台协同，实现模型不断成长和优化。

3 源工业云网智能设备接入数据通信中的机器学习算法

研究基于轻量级机器学习策略和数据采样策略的通用协议智能解析与数据分析技术，研究模式识别技术，研究多品类多种类生产数据智能分析技术。通过研究终端信息的处理与数据共享机制，建立数据存证、鉴证和溯源体系，完成智慧物联网关的设计与研发，实现物联平台和各设备供应厂商之间的信息共享和业务协同。具体的研究内容分为：（1）数据边端处理与存证溯源机制;（2）云边业务协同与边缘资源共享策略。整体框架如下图所示。

在终端信息处理方面，使用区块链技术对数据进行存证，鉴证和溯源，有效解决终端数据存储不安全，不可信问题。同时，将大量数据处理转移到边端，减轻数据传输链路压力，提高平台数据处理速度。

云邊业务协同与边缘资源共享方面，基于排队网络和凸优化技术设计云边协同的资源分配与任务调度机制，调度生产过程中品类中心的协同任务，充分利用智能网关的计算和存储资源，降低任务处理延迟和系统能耗，解决智能网关负载不均衡导致的工业需求响应不及时、边缘资源利用率低、系统资源浪费和用户体验差的问题。

智能物联网关的设计与研发方面，基于现有工业物联网网关功能模块，融合区块链和边缘计算技术，新增区块链服务模块、数据清洗模块、资源管理模块和紧急预警模块，下放存储和计算任务，降低数据链路压力和提升平台处理速度，从而建立云边业务协同体系及数据存证、鉴证和溯源体系。

参考文献：

[1]曲昭伟，潘昭天，陈永恒，李海涛，王鑫.考虑博弈的多智能体强化学习分布式信号控[J].交通运输系统工程与信息，2020，20（2）：76-82，100.

[2]杜威，丁世飞.多智能体强化学习综述[J] . 计算机科学，2019，46（8）：1-7.

[3]丁晓燕，席裕庚.基于博弈模型的多智能体覆盖控制问题[J].计算机仿真，2009，26（10）：148-152.

[4]杭飞.基于博弈论的多智能体协同控制算法[J].电脑与信息技术，2014，22（2）：14-17.

[5]罗潇轩.对计算机人工智能识别技术应用的思考[J].电子元器件与信息技术，2020，4（12）：65-66.