本發(fā)明涉及邊緣計算，具體來說，涉及一種基于容器技術(shù)邊緣計算的云邊協(xié)同方法。

背景技術(shù)：

1、隨著物聯(lián)網(wǎng)（iot）設(shè)備的普及和數(shù)據(jù)量的爆炸性增長，傳統(tǒng)的集中式云計算模式已無法滿足低時延和高帶寬應(yīng)用的需求。邊緣計算作為一種新型的計算模式，通過在靠近數(shù)據(jù)源的地方進(jìn)行計算和存儲，減少了數(shù)據(jù)傳輸?shù)难舆t和帶寬占用。然而，現(xiàn)有的邊緣計算網(wǎng)關(guān)架構(gòu)在資源利用和計算能力擴(kuò)展方面存在不足，無法滿足多樣化的應(yīng)用場景需求。云-邊的協(xié)同也是邊緣計算技術(shù)領(lǐng)域一個重要趨勢，現(xiàn)在的分布式的光伏、儲能設(shè)備越來越分散，且單機(jī)容量小，邊緣端的ems（element?management?system，邊緣管理系統(tǒng)）要夠“小”夠“輕”，成本很敏感，相對復(fù)雜的功能和運(yùn)算例如預(yù)測、優(yōu)化、調(diào)度就要放到云端，來平衡算力和成本的需求，邊端計算和云端計算各自承擔(dān)不同的分析計算功能，并且云-邊互相協(xié)作。

2、當(dāng)前，邊緣計算網(wǎng)關(guān)實(shí)現(xiàn)方式主要是通過mcu（microcontroller?unit，指微控制器），arm（一個架構(gòu)標(biāo)準(zhǔn)）系統(tǒng)等嵌入式單板軟硬件，開發(fā)的基于特定功能的數(shù)據(jù)采集、存儲并與上級平臺交互的邊緣網(wǎng)關(guān)。

3、雖然已有的邊緣計算網(wǎng)關(guān)設(shè)備可以進(jìn)行邊緣設(shè)備數(shù)據(jù)采集、存儲、上報，但是基于特定環(huán)境開發(fā)的軟件適配性不好，靈活性不夠，兼容性不強(qiáng)。每個廠家自己的邊緣計算網(wǎng)關(guān)只能運(yùn)行自己網(wǎng)關(guān)內(nèi)特定的程序，網(wǎng)關(guān)內(nèi)很難運(yùn)行別的廠家的程序，且無法復(fù)用網(wǎng)關(guān)內(nèi)部本身具備的功能。

4、目前，大部分邊緣計算網(wǎng)關(guān)只能完成數(shù)據(jù)采集、存儲、上報等特定的功能，不能與云端進(jìn)行協(xié)同控制，設(shè)備的控制策略與預(yù)測得控制需要的參數(shù)不能從云端獲取更新，控制策略不能動態(tài)調(diào)整。亟需解決邊緣計算網(wǎng)關(guān)軟件適配性不好，靈活性不夠，兼容性不強(qiáng)，管理復(fù)雜、不能與云端協(xié)同控制的問題。

5、針對相關(guān)技術(shù)中的問題，目前尚未提出有效的解決方案。

技術(shù)實(shí)現(xiàn)思路

1、針對相關(guān)技術(shù)中的問題，本發(fā)明提出一種基于容器技術(shù)邊緣計算的云邊協(xié)同方法，以克服現(xiàn)有相關(guān)技術(shù)所存在的上述技術(shù)問題。

2、為此，本發(fā)明采用的具體技術(shù)方案如下：

3、一種基于容器技術(shù)邊緣計算的云邊協(xié)同方法，該基于容器技術(shù)邊緣計算的云邊協(xié)同方法包括：

4、s1、利用內(nèi)置在邊緣網(wǎng)關(guān)中的云邊協(xié)同模塊對軟件容器進(jìn)行容器生命周期管理，并利用云鏡像管理平臺對容器鏡像進(jìn)行鏡像生命周期管理；

5、s2、利用云邊協(xié)同模塊完成邊緣網(wǎng)關(guān)與云鏡像管理平臺之間的通信，在云鏡像管理平臺中對邊緣網(wǎng)關(guān)的調(diào)控策略進(jìn)行預(yù)測及優(yōu)化，將預(yù)測優(yōu)化后的調(diào)控策略部署至邊緣網(wǎng)關(guān)并作用到相關(guān)設(shè)備；

6、s3、基于云鏡像管理平臺及預(yù)先構(gòu)建的機(jī)器學(xué)習(xí)模型對各軟件容器的正常資源使用模式進(jìn)行異常檢測學(xué)習(xí)，利用機(jī)器學(xué)習(xí)模型及預(yù)先設(shè)定的異常規(guī)則對實(shí)時采集的各軟件容器的監(jiān)控數(shù)據(jù)進(jìn)行異常檢測，識別并反饋異常結(jié)果至管理方；

7、其中，利用內(nèi)置在邊緣網(wǎng)關(guān)中的云邊協(xié)同模塊對軟件容器進(jìn)行容器生命周期管理時，配置各軟件容器之間以及軟件容器與云邊協(xié)同模塊之間的交互通信方式，并在邊緣網(wǎng)關(guān)中對采集的數(shù)據(jù)進(jìn)行本地預(yù)處理。

8、進(jìn)一步的，利用內(nèi)置在邊緣網(wǎng)關(guān)中的云邊協(xié)同模塊對軟件容器進(jìn)行容器生命周期管理包括容器安裝、容器升級、容器啟動、容器停止、容器刪除、容器配置修改、容器配置查詢、容器狀態(tài)查詢及容器日志召回。

9、進(jìn)一步的，利用云鏡像管理平臺對容器鏡像進(jìn)行鏡像生命周期管理包括：

10、將容器鏡像上傳到云鏡像管理平臺，并對容器鏡像進(jìn)行審核及升級管理；

11、獲取上傳的容器鏡像及相應(yīng)版本，并對容器鏡像進(jìn)行鏡像管理。

12、進(jìn)一步的，在云鏡像管理平臺中對邊緣網(wǎng)關(guān)的調(diào)控策略進(jìn)行預(yù)測及優(yōu)化包括：

13、選擇預(yù)測模型，并利用邊緣網(wǎng)關(guān)上報的歷史數(shù)據(jù)訓(xùn)練及優(yōu)化預(yù)測模型；其中，歷史數(shù)據(jù)包括用戶變壓器關(guān)口信息數(shù)據(jù)、光伏逆變器數(shù)據(jù)、儲能數(shù)據(jù)、空調(diào)照明數(shù)據(jù)及充電樁數(shù)據(jù)；數(shù)據(jù)項(xiàng)包括電參量及設(shè)備狀態(tài)；

14、利用預(yù)測模型進(jìn)行實(shí)時的邊緣網(wǎng)關(guān)調(diào)控參數(shù)預(yù)測，并將預(yù)測結(jié)果作為優(yōu)化算法的輸入；其中，調(diào)控參數(shù)包括分布式光伏逆變器、儲能柜、空調(diào)、照明及充電樁的調(diào)控參數(shù)；

15、確定優(yōu)化目標(biāo)及約束條件，根據(jù)先驗(yàn)知識生成優(yōu)化算法的初始解，配置優(yōu)化算法的參數(shù)，參數(shù)包括種群大小、迭代次數(shù)及步長；

16、基于目標(biāo)函數(shù)評估每個解的優(yōu)劣，設(shè)置收斂條件，并從所有解中選擇最優(yōu)解作為最終的優(yōu)化結(jié)果。

17、進(jìn)一步的，優(yōu)化目標(biāo)包括經(jīng)濟(jì)最優(yōu)，最小化能耗、最大化設(shè)備利用率；

18、約束條件包括微電網(wǎng)的功率平衡約束、儲能系統(tǒng)的充放電受容量約束、光伏發(fā)電功率約束、電網(wǎng)購售電限制條件約束及電動汽車充電樁充電功率約束；

19、其中，目標(biāo)函數(shù)是最小化微電網(wǎng)的運(yùn)行總成本，且最小化微電網(wǎng)的運(yùn)行總成本的目標(biāo)函數(shù)的公式為：

20、

21、式中，表示最小化微電網(wǎng)的運(yùn)行總成本；

22、表示從主電網(wǎng)購買的功率；

23、表示購電成本；

24、表示向主電網(wǎng)出售的功率；

25、表示售電收入；

26、表示儲能成本；

27、表示電動汽車充電成本；

28、 t表示調(diào)度周期的總時間， t表示時間變量。

29、進(jìn)一步的，將預(yù)測優(yōu)化后的調(diào)控策略部署至邊緣網(wǎng)關(guān)并作用到相關(guān)設(shè)備包括：

30、將預(yù)測優(yōu)化后的調(diào)控策略封裝為容器鏡像，通過容器鏡像安裝和更新的方式，邊緣網(wǎng)關(guān)獲得最新的調(diào)控策略；將最新的調(diào)控策略作用到邊緣設(shè)備。

31、進(jìn)一步的，基于云鏡像管理平臺及預(yù)先構(gòu)建的機(jī)器學(xué)習(xí)模型對各軟件容器的正常資源使用模式進(jìn)行異常檢測學(xué)習(xí)，利用機(jī)器學(xué)習(xí)模型及預(yù)先設(shè)定的異常規(guī)則對實(shí)時采集的各軟件容器的監(jiān)控數(shù)據(jù)進(jìn)行異常檢測，識別并反饋異常結(jié)果至管理方包括：

32、通過邊緣網(wǎng)關(guān)采集各軟件容器的監(jiān)控數(shù)據(jù)，并對監(jiān)控數(shù)據(jù)進(jìn)行預(yù)處理；

33、選擇機(jī)器學(xué)習(xí)算法，并通過歷史上采集的各軟件容器的監(jiān)控數(shù)據(jù)訓(xùn)練機(jī)器學(xué)習(xí)模型，學(xué)習(xí)正常資源使用模式和異常資源使用模式；通過交叉驗(yàn)證技術(shù)評估機(jī)器學(xué)習(xí)模型的泛化能力；

34、根據(jù)業(yè)務(wù)需求設(shè)置異常規(guī)則，并結(jié)合機(jī)器學(xué)習(xí)模型對實(shí)時監(jiān)控數(shù)據(jù)的輸出結(jié)果及異常檢測閾值，識別出異常模式；異常規(guī)則包括機(jī)器學(xué)習(xí)模型預(yù)測的異常分?jǐn)?shù)超過預(yù)設(shè)的異常檢測閾值；異常檢測閾值包括cpu占用率上限閾值、內(nèi)存占用率上限閾值、磁盤使用率上限閾值；

35、將識別出的異常模式反饋給管理方，基于識別出的異常模式提供異常處理建議，并建立持續(xù)監(jiān)控機(jī)制。

36、進(jìn)一步的，監(jiān)控數(shù)據(jù)包括cpu使用率、內(nèi)存占用、磁盤i/o、網(wǎng)絡(luò)流量及響應(yīng)時間。

37、進(jìn)一步的，配置各軟件容器之間以及軟件容器與云邊協(xié)同模塊之間的交互通信方式包括：

38、邊緣計算網(wǎng)關(guān)內(nèi)部集成消息中間件作為各軟件容器之間以及軟件容器與云邊協(xié)同模塊之間的通信通道。

39、進(jìn)一步的，在邊緣網(wǎng)關(guān)中對采集的數(shù)據(jù)進(jìn)行本地預(yù)處理包括數(shù)據(jù)質(zhì)量檢測、異常數(shù)據(jù)處理、數(shù)據(jù)值轉(zhuǎn)換以及歷史數(shù)據(jù)記錄與召測。

40、本發(fā)明的有益效果為：

41、（1）提高數(shù)據(jù)處理效率：通過容器化技術(shù)實(shí)現(xiàn)資源的隔離和動態(tài)調(diào)整，提高資源利用率，減少資源爭用現(xiàn)象，數(shù)據(jù)在本地預(yù)處理后，減少了云端傳輸?shù)臄?shù)據(jù)量，有效保護(hù)了用戶隱私和數(shù)據(jù)安全，從而提高數(shù)據(jù)處理與傳輸效率。

42、（2）降低延遲：將數(shù)據(jù)處理任務(wù)下沉到邊緣計算網(wǎng)關(guān)，減少數(shù)據(jù)傳輸?shù)难舆t，提高系統(tǒng)的實(shí)時響應(yīng)能力。

43、（3）易于擴(kuò)展：容器化的邊緣網(wǎng)關(guān)系統(tǒng)支持大規(guī)模部署，用戶可以快速添加或刪除節(jié)點(diǎn)，提高系統(tǒng)的可擴(kuò)展性。

44、（4）靈活部署：基于容器化技術(shù)的云邊協(xié)同機(jī)制，可以根據(jù)實(shí)際需求靈活部署應(yīng)用程序，滿足不同場景下的數(shù)據(jù)處理需求。

45、（5）調(diào)控更精細(xì)：通過云端進(jìn)行日前與短期數(shù)據(jù)預(yù)測與整點(diǎn)調(diào)控優(yōu)化更新，邊緣網(wǎng)關(guān)動態(tài)根據(jù)平臺下發(fā)策略執(zhí)行調(diào)控，調(diào)控更精細(xì)，會更好的達(dá)到調(diào)控目標(biāo)。

46、（6）提前運(yùn)維：監(jiān)控各個容器app運(yùn)行資源使用情況，及時觸發(fā)事件信息通知運(yùn)維人員，通過機(jī)器學(xué)習(xí)模型，利用實(shí)時監(jiān)控數(shù)據(jù)，動態(tài)學(xué)習(xí)正常的資源使用模式，識別出潛在的異常行為或性能問題。在故障或異常發(fā)生前提前干預(yù)，并可以反饋開發(fā)者升級優(yōu)化容器app。