文章目录

摘要

abstract

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

    1.2.1 边缘计算研究现状

    1.2.2 边云协同研究现状

    1.2.3 工厂电能管控研究现状

1.3 论文主要研究内容

1.4 论文组织结构

第2章 工厂电能管控架构研究及方案概述

2.1 基于边云协同的工厂电能管控架构研究

2.2 工业电能管控方案概述

    2.2.1 关键技术分析

    2.2.2 电能管控机制概述

2.3 工业电能管控方案选择

    2.3.1 工厂电能管控场景分类

    2.3.2 工厂电能管控方案选择

2.4 本章小结

第3章 边缘计算环境下的工厂电能管控机制研究

3.1 供电侧模型

    3.1.1 电价模型介绍

    3.1.2 发电站模型研究

    3.1.3 储电站模型研究

3.2 边缘计算环境下的STN模型研究

    3.2.1 边缘计算环境下的STN模型

    3.2.2 任务信息建模

3.3 边缘计算环境下的需求响应算法研究

3.4 基于边缘计算的工厂电能管控机制

    3.4.1 基于边缘计算的工厂电能管控机制

    3.4.2 系统性能分析

3.5 本章小结

第4章 边云协同环境下的工厂电能管控机制研究

4.1 边云协同计算机制研究

4.2 边云协同环境下的STN模型研究

    4.2.1 边云协同环境下的STN模型

    4.2.2 任务优先级生成机制

    4.2.3 任务信息建模

4.3 边云协同环境下的需求响应算法研究

4.4 基于边云协同的工厂电能管控机制

    4.4.1 基于边云协同的工厂电能管控机制

    4.4.2 系统性能分析

4.5 本章小结

第5章 方案验证及结果分析

5.1 测试平台介绍

    5.1.1 软件平台

    5.1.2 硬件平台

5.2 边缘计算环境下工厂电能管控机制验证及结果分析

    5.2.1 验证方案及测试平台

    5.2.2 电能管控机制的验证

5.3 边云协同环境下工厂电能管控机制验证及结果分析

    5.3.1 验证方案及测试平台

    5.3.2 边云协同机制的验证

    5.3.3 电能管控机制的验证

5.4 结果对比分析

5.5 本章小结

第6章 总结与展望

6.1 全文总结

6.2 工作展望

参考文献

致谢

攻读硕士学位期间从事的科研工作及取得的成果

文章摘要:随着工业的逐步发展,工业用电占据电能消耗的比重越来越大。对于工业企业而言,降低用电成本成为了亟需解决的问题。需求响应算法可以将用电需求从电价峰值迁移到电价谷值,从而降低用电成本。工业互联网、边缘计算、工业云等新兴技术被引入到工业网络,如何设计能够及时响应电价变化的电能管控机制是当前面临的主要问题。边云协同可同时放大边缘计算和云计算的价值。工厂可以利用云计算强大的计算资源和边缘计算的位置优势来满足电能管控场景对计算资源和实时性的需求。因此,本文将边云协同引入工厂电能管控的场景中,实现在降低工厂用电成本的同时保证电能管控的实时性。本文的主要研究工作如下:1.在充分调研国内外研究现状的基础上,提出了一种基于边云协同的工厂电能管控架构,根据网络规模和边缘侧计算资源对电能管控场景进行分类,并给出了不同场景电能管控机制选择的方法。2.针对边缘侧计算资源富裕且计算任务较少的生产场景,提出了一种基于边缘计算的电能管控机制,研究了边缘计算环境下的STN模型及需求响应算法,通过将电能管控过程中产生的计算任务集中在边缘节点执行,充分利用了边缘侧计算资源,可在降低用电成本的同时保证电能管控的实时性。3.针对边缘侧计算资源受限且计算任务较多的生产场景,提出了一种基于边云协同的电能管控机制,研究了边云协同环境下的STN模型及需求响应算法,并给出了边缘节点与云电能管理层的协同机制,充分利用边缘节点的位置优势和云电能管理层的计算优势,在降低用电成本的同时保证了电能管控实时性。4.搭建了电能管控系统测试平台。本文基于实验室的手机产品测试装配柔性自动化生产线平台进行任务建模,并结合实验室自主研发的6Lo WPAN节点、网关及阿里云搭建测试平台,分别对基于边缘计算和基于边云协同的两种工厂电能管控机制进行验证,并进行了结果对比分析。验证的结果表明,采用了基于边缘计算的电能管控机制后成本降低率约为16.83%,电能管控时延约为66.021ms;采用了基于边云协同的电能管控机制后成本降低率约为21.25%,电能管控时延约为78.387ms,两种机制均能在保证实时性的同时降低用电成本,满足不同应用场景的需求。