边缘计算在电气火灾监测体系中的应用①

杨光晨， 张坤乾

(安徽理工大学电气与信息工程学院，安徽 淮南 232001)

0 引 言

近些年，因用电安全引起的火灾比例不断攀升。根据公安部消防局火灾统计年鉴，我国平均每年由于电气故障引发的火灾起数，占总火灾起数的比例在30%左右，占重特大火灾起数的比例在40%-50%[1]。针对电气火灾的问题，目前常用的解决办法是基于物联网对电气节点进行监测，这类系统通常是由云和端两部分构成。但是该类系统存在以下几个问题：第一,通信带宽要求高，实时性不够。这一方面主要是由于端侧会产生大量的监测数据需要较高的带宽进行传输，另一方面云和部分端节点之间有着较远的传输距离。第二,可靠性不足。当云和端之间的通信意外中断时，该类系统则会失去作用。第三,数据安全存在隐患。电力能源作为国家的战略资源，如果对其监测采集的数据全部上传并存储在公有云或者商业云中是有一定安全隐患的。针对存在的问题，提出了将边缘计算应用到电气火灾监测中。边缘计算是指在网络边缘执行计算的一种新型计算模型，边缘计算操作的对象包括来自于云服务的下行数据和来自于万物互联服务的上行数据，而边缘计算的边缘是指从数据源到云计算中心路径之间的任意计算和网络资源[2]。边缘计算并不是代替云计算，是相辅相成互相协同合作的关系。2016年，华为等单位联合倡议发起边缘计算产业联盟(Edge Computing Consortium, ECC)并发布边缘计算产业联盟白皮书[3]。随着边缘计算技术的迅猛发展，边缘计算也开始逐渐应用到安防监控、消防火灾、物联网、车联网、智慧城市等领域中。

1 典型边缘计算平台

在网络的边缘等端设备会采集大量的监测数据，且需要对这些数据进行快速的计算分析,计算任务繁重，这些监测数据采集设备在空间上也是分散的。为了能够更加高效的利用资源，针对在不同的领域应用、不同的设计目标、不同的平台的特点，边缘计算平台的选择也大不相同。边缘计算的平台通常包括软硬件采集、数据处理、边缘缓存等功能。图1是典型的边缘计算平台架构。下面就对主要的边缘计算平台进行简略的介绍。

图1 边缘计算的典型架构

Edge X Foundry是针对物联网的、开放框架、开源的边缘计算应用平台。其宗旨是创造一个即插即用、互操性强、模块化的物联网边缘计算的生态系统[4]。Edge X Foundry具有良好的兼容性，可以在不同的设备，不同的操作系统之间使用不同的协议进行通信。EdgeXFoundry架构分为南、北两侧、4个基于微服务架构设计的逻辑层和贯穿始终的安全以及管理服务，该架构有效的提高应用与服务开发效率[5]。微服务可以根据需求进行裁剪,因此EdgeXFoundry能够在嵌入式、路由器、网关、本地服务器等计算能力不同的设备上使用。

图2 Edge X Foundry架构

雾计算是在半虚拟化的计算架构模型上搭建而来的平台，处于个人计算和云计算之间。是由分散的各类的计算功能构成，能够为终端和云提供存储、网络以及计算等的服务。雾计算的优势在于支持不同种类的设备间不同协议的通信，具有很好的兼容性。这也得益于雾计算抽象层、编排层、服务层的三层体系架构[6]。利用雾计算的三层体系结构，雾计算将云计算扩展到网络边缘，可以在边缘设备中进行数据处理，减少传输带来的时延，并能够降低传输网络压力。

2 电气火灾监测中的边缘计算平台设计

2.1 边缘网关的硬件设计

电气火灾监测中的边缘网关的硬件主要包括数据传输接口、数据存储以及数据处理三个部分。

数据传输的接口由向上对云端的传输和向下接收传感器等设备采集的数据两部分组成。针对电力检测节点较多，还有较多的一部分位于较为偏远的地方，采用无线的方式。在向上对云端的传输中采用4G的通信方式。选择的是上海合宙公司的AIR720，该模块可以同时在4G频段和2G频段使用。在网关和数据采集设备直接的无线通信方式主要有蓝牙、Zigbee、LoRa等。选择使用LoRa模块作为通讯方式。LoRa所具有的较强的抗干扰能力和传输距[7]离更适合电气火灾监测节点的部署环境。

数据处理选用的硬件是以S3C2440为主处理器的开发板，内置Linux的开发环境，可以直接适配大多数的边缘计算的软件平台。其功耗较低且有较强的计算能力。边缘网关中的数据存储可以根据实际采集数据的大小选择合适的硬件。

2.2 边缘网关的软件设计

边缘网关的软件设计采用前面介绍的Edge X Foundry平台。该平台可以在Linux,Windows等环境下运行，具有良好的兼容性[8]。软件上需要准备docker,docker-composer,MobgoDB,tensorflowJava以及Eclipse。docker用于提供EdgeX为服务运行的容器；EdgeXFoundry使用MongoDB作为连接设备/传感器元数据的存储数据库;对Java的需求是因为EdgeXFoundry的开源微服务是用Java编写的；最后需要EdgeXFoundry微服务在Eclipse中使用JavaMaven项目创建。基于EdgeX Foundry 平台的边缘网关设计如图3所示。

图3 基于边缘网关的电气火灾监测系统

3 与传统电气火灾监测的对比

现有的电气火灾监测主要是通过采集CO,O2,CO2温湿度等数据在加以处理来判断是否发生火灾或者发生火灾的可能性。更先进的做法有采用图像识别、视频识别等方式来进行电气火灾监测。通过对比传统电气火灾监测和基于边缘计算的电气火灾监测分析处置流程来说明二者的区别。

传统的监测系统首先将传感器等数据采集设备采集到的数据上传到微控制器，微控制器在通过通信模块将数据上传到云服务器，云服务器中的火灾分析模型在对数据进行分析。然后云服务器再将处理方式通过通信模块下发到微控制器，微控制器再下发命令给执行设备采取动作。处置流程图如图4所示。

图4 传统电气火灾监测系统处理流程

基于边缘计算的监测系统，将采集的数据直接上传到边缘网关中，火灾分析模型可以在边缘网关中对数据进行分析并将处理方式下发至执行设。再把必要的数据和处理方式上传至云端供工作人员查看。当数据过于复杂边缘网关不能分析处理时，可以将复杂数据上传到云服务器进行分析处理。处置流程图如图5所示。

图5 基于边缘计算的电气火灾处置流程

对比可以发现将边缘计算应用到电气火灾监测中可以优化火灾的处置步骤，对于火灾的处理也将更为迅速，更具有实时性。同时上传到云端的数据也较少，只上传关键的数据到云端，可以有效地减轻通信带宽的压力。特别是对于电气火灾监测这样范围广，节点多的系统，可以极大减轻云端的数据量，让云服务器工作的重点放在分析复杂数据。另外传统的电气火灾监测系统极度依赖和云端的通信模块，一旦和云端通信中断时则会失去作用。而基于边缘计算的系统在云端中断的情况下依然可以使用，具有较高的可靠性。

4 结 语

介绍了边缘计算的概念以及国内外发展和应用现状，对几种主要的边缘计算平台架构进行说明。为边缘计算在电气火灾监测中的应用设计了一种具体的边缘网关。从边缘网关的软硬件两个方面进行说明。通过和传统的电气火灾监测系统进行对比得出了边缘计算在电气火灾监测中所具有的优势。第一，优化了火灾处置的步骤，具有较强的实时性;第二，可以在边缘侧对数据进行处理，只向云端上传必要的数据，减轻通信的带宽，减小云服务器的数据存储和处理压力;第三，可以在和云端通信意外中断的情况下，继续监测和处置可能发生的火灾，具有更高的可靠性;第四，对于电力这样的国家战略性资源，边缘计算也能够提高监测数据的安全性;综上，边缘计算在电火灾监测中有着较大的应用前景。