马乐，刘超，李文辉，曲倩，宫皓泉

(国网甘肃省电力公司信息通信公司，甘肃，兰州 730050)

0 引言

蓄电池作为重要的储能部件在应用过程中具有重要的作用。蓄电池在实际运行过程中通常采用视觉监控的方式，也可以采用终端监测设备监控的方式，这种方式监控能力差，当终端监测设备出现故障时，就难以实现蓄电池的运行，误差大，在具体使用时极为不便。为了提高蓄电池运维效率，国内外技术也进行了相关研究。

文献[1]介绍了通信电源智能管理及蓄电池在线监测维护系统的原理，也介绍了该系统的应用。该研究的技术虽然能够提高通信电源运维工作效率,在一定程度上降低了大量运维成本,但是数据通信效率不高，数据交互能力较差。文献[2]通过监测技术提高了蓄电池的监测能力，能够将蓄电池监测数据通过新的传输手段上传云平台服务器进行储存、分析,但该技术对于数据的计算能力较弱，无法实时、在线监控蓄电池的运行状态，该技术的物联网技术水平需要进一步提高。在国外技术中，比如文献[11]通过实时本地化和嵌入式传感器等新兴技术的结合，在物联网应用的基础上，启用了新颖的计算应用程序，实现了物联体系的应用，但是对于数据的处理仍旧没提及。

针对上述技术的不足，本研究提供一种新型的技术方法，在监测蓄电池时，融合了边缘计算技术，提高了运算能力，克服了常规物联技术中存在的技术弊端，提高了蓄电池的运维管理能力。

1 物联网运维监测系统设计

本研究的创新点在于:

(1) 设计了一套包括终端物联层、计算层、传输层和监控层的整套运维系统，实现蓄电池的物联通信和数据传递，提高了蓄电池监控的能力。

(2) 区别于常规技术，在物联网中设置了边缘设备，通过边缘计算提高蓄电池监控的计算效率，进而提高蓄电池运维监测力度。

(3) 在物联网中设置了远程监控终端，通过设计新型的监控终端，能够实现蓄电池的远程监控，提高了蓄电池的监控力度。

根据上述设计思路，本研究的物联网的蓄电池运维监测系统如图1所示。

图1 物联网的蓄电池运维监测系统架构示意图

在图1设计的蓄电池运维监测系统架构示意图中，通过分层设计，使得系统中的不同部件能够独立工作，使得各部分各就各位。物联系统避免了常规技术中应用网络通信的技术弊端[3]。通过终端设备层，将蓄电池在运维过程中输出的数据信息传递到远程监控中心，实现数据的无线传递和云端存储。本研究区别于现有技术，在网点中融入了不同数据的接口，针对分布式设备采用移动边缘计算(MEC)[4]，能够对不同位置和区域的蓄电池运维信息进行采集、存储和管理，解决了传统技术中设备分散的问题。

在利用边缘计算时，需要对运维过程中的蓄电池运维信息进行采集。本研究采用的是ATMega328[5]型号的采集单元，采用多种处理器接口，其中这种处理器的接口有14路GPIO接口、6路PWM接口、12位ADC接口、UART串口、1路SPI接口、1路I2C接口等多种形式的接口。通过不同形式的数据接口采集到的数据信息通过ZigBee、RS485转RS232等不同的通信方式实现数据交互。在进行边缘计算时，启动处理器开始计算，采用64位ARMv8处理板，通过接口BCM43143WiFi实现无线数据交互。

在对蓄电池运维数据进行存储时，还设置了MEC系统平台，其架构示意图如图2所示。

图2 融合物联网技术的云平台架构示意图

该平台采用了MEC基础层[6]、MEC平台层和MEC应用层。为了应用的方便，本研究将边缘设备设置在MEC基础层中，无线通信的技术手段采用的是移动蜂窝网络、本地网络、外部网络等。在MEC平台层[7]中，该平台设置了基础化应用设备和应用程序，为管理和应用蓄电池运维数据提高良好的硬件设置和软件服务。

2 关键技术设计

2.1 蓄电池运维监测终端设计

监控终端硬件在结构上包括S3C44B0处理器、数据缓存器、外延电路、显示单元、通信模块、端子程序以及通信接口等，这些部件构成了蓄电池运维监测终端。其硬件结构示意图如图3所示。

图3 监控终端硬件设计

在图3的架构设计中，采用的处理器型号为S3C44B0[8]，该处理器属于ARM7TDMI系列，其生产厂家为Samsung公司。该设备具有强大的运算功能。其内部设置有SDRAM控制模块、LCD控制模块等。在外延电路中，还设置有UART、RTC、IIS等电子部件。该设备还应用了独特的外部端子扩展口，能够兼容多种不同的数据接口，并实现数据的存储和应用。多种不同的数据接口包括但不局限于远程通信端口、以太网网络接口、RS485通信端口等，进而实现远程数据通信。用户在远程监控中心接收该设备传递的数据信息。

在本研究的硬件设计中，负控终端设备如图4所示。

在图4的负控终端中，该设计能够与监控终端通过不同种类的通信接口实现数据通信。还能够根据用户的需要、根据监控终端运维的实际情况实现数据同步，比如当被检蓄电池需要与其他设备进行时间同步时，可以在不同的位置分布进行计量计算，被检蓄电池输出运维脉冲，在多种数据接口交互下，能够实现多种形式的数据传递，通过多种数据接口将计量的蓄电池运维数据信息传输到主控芯片[9]，当负控终端输出脉冲后，通过主控芯片实现数据的计算。最终通过多种形式的无线通信方式(比如远程通信端口、以太网网络接口、RS485通信端口)传递到远程监控中心，继而实现蓄电池运维的远程在线检测。

图4 负控终端架构设计示意图

2.2 边缘计算模型

在本研究的蓄电池运维监测技术研究中，还采用了边缘计算的方式。由于边缘计算设备分布于网络节点中不同的位置，对于如何实现边缘计算，本研究通过构建数据模型来实现。其模型架构示意图如图5所示。

图5 边缘计算模块算法模型

首先，计算应用服务的交互缓冲时间dijm，则通过以下模型进行计算，

(1)

式中，dijm为蓄电池运维网络中移动终端所处的网络，假设蓄电池运维的网络记作m，控制中心记数为jm，i为蓄电池运维时边缘数据网络的缓冲时间；φi表示第一回归参数，σi表示第二回归参数，e-ωici表示第三回归参数，这些参数信息在计算过程中为常数；i表示边缘设备所处网络程序创建交互；ci表示边缘设备计算i时间需要用到的边缘设备CPU资源的量。

边缘设备所处网络控制中心缓冲时间计算公式为

(2)

式中，di,mjm,p表示蓄电池运维过程中的缓冲时间，假设在蓄电池运维过程中，所处运维网络为m，第p条蓄电池运维数据通信信道内，边缘设备附近的信道转换器m与控制中心jm进行连接，以创建交互i的缓冲时间；RTTi，m，p表示蓄电池在运维过程中的第p条信道中，网络配置使用的控制器和第m个信道转换器之间进行第i次交互时的往返时延；RTTi,jm,p表示在第p条信道中，网络配置使用的控制器与控制中心jm进行第i次交互进行的往返时延；Tjm,s表示控制中心jm发出消息时间；Tjm,a表示接收消息时间。其中：

(3)

式中，di,mn,p表示在第p条通讯信道中，将核心信道转换器m与核心信道转换器n相互连接，以便创建交互i的缓冲时间；在进行边缘计算时，由于RTTi,m,p在第p条通讯信道中，将控制器与信道转换器m进行第i次交互的往返时延；RTTi,n,p为第p条信道中，将控制器与信道转换器n之间进行第i交互的往返时延；Tα表示从控制器到达信道转换器m的时间；TS表示信道转换器n发送的时间。交互缓冲时间与控制中心缓冲时间之间的函数关系可以表示为

(4)

式中，Nm为蓄电池在运维过程中进行移动边缘计算的网络数量，用m表示，s为利用控制中心的数量，Ngm为控制中心创建交互i的数量，Npm为信道转换器和控制中心之间的p信道数，Np,mn为移动边缘计算网络m和n之间具有的p信道数。进一步地，αi为目标函数第一权重因子，βi为目标函数第二权重因子，γi为目标函数第三权重因子。三者之间存在以下关系式：

γi=1-αi-βi

(5)

在式(4)中，xi,mjm,p为第一决策变量，yi,mn,p为第二决策变量，zijm为第三决策变量。

通过上述参数设计，进而实现了蓄电池运维情况的边缘计算。

3 试验结果与分析

在试验时，采用的软硬件环境如表1所示。

本研究主要从物联网运维监测系统的运行情况和边缘计算的效率上验证本研究的技术优越性。

3.1 系统验证

本研究将物联网的运行方式和文献[1]、文献[2]进行对比分析，下面从数据接收的效率上进行分析。假设在100 s的时间内，观察3种不同的方法。对比示意图如图6所示。

其中，数据接收效率的计算公式为

(6)

假设预定发出的数据量总额为1 000 GB，在100 s时间内，可以得出如表2所示的数据信息。

通过表2可以看出，本研究的方法数据接受率最高，为了动态表示不同时间的数据接受率。将不同的方法通过图6表示出来。

表1 软硬件环境架构数据表

表2 对比示意图

图6 数据接收完整性对比示意图

从图6可以看到，在相同的时间内，文献[1]的技术方案数据接收率明显低于文献[2]。本研究方法的技术方案的数据接收率高于文献[2]，随着时间的延长，不同方案的数据接收率在逐步提高，本研究方法的数据接收率最高，说明使用物联网技术后，本研究方法的数据接收效率大大提高，整体系统的工作效率也随之提高。

3.2 边缘计算技术验证

区别于常规技术，由于本研究方法采用了边缘计算技术，将本研究的边缘计算方法分别与Internet技术和终端计算监测[10]的方法进行对比分析。试验时试验边缘计算的示例方法如表3所示。

通过上述计算，观察不同计算方法的延迟时间、计算误差和计算效率。在循环8次后，得出如表4所示的计算数据表。其中，工作效率为工作的投入与产出之比，通过计算初始数据与实际输出数据之间的比值，实现计算效率(%)的计算。延迟时间是从特定点输出数据包所花的时间，通过用户测量进行计算。计算误差是测量得出的量值减去参考量值。通过这种方式测得的量值就是测量结果的量值。其中，数据试验表如表4所示。

表3 边缘计算程序表示例

表4 数据试验表

通过表4可以看出，本研究的计算误差最低，延迟时间最少，计算效率最高。为了动态观察本研究的计算误差，通过在200 min内，观察3种不同方法的计算误差，得出如图7所示的误差对比曲线示意图。在进行误差计算时，通过将测量测得的量值减去参考量值计算出，在经过大量的计算后，输出图7所示的误差曲线对比示意图。

图7 误差曲线对比示意图

为了提高验证效率，下面通过在200 min内，动态观察边缘计算方法和Internet技术[11]以及终端技术进行计算的误差，通过图7可以看到，本研究的方法误差最低。

4 总结

针对常规技术中蓄电池运维存在的技术弊端，本研究融合物联网技术，设计出新型的蓄电池运维监测技术，提高了运维效率。在应用物联计算的基础上，采用了边缘设备，能够实时在线提高蓄电池监控的计算效率，在物联网中设置了远程监控终端，通过设计新型的监控终端，能够实现蓄电池的远程监控，提高了蓄电池的监控力度。本研究虽然在一定程度上提高了蓄电池的运维能力，但是在运行过程中仍旧存在一定的技术弊端，比如，边缘设备兼容性、物联设备的设置等，这需要进一步的研究。