能源领域物联网边缘计算的挑战和机会
发布时间：2022-03-22 11:04:40 所属栏目：应用 来源：互联网
导读：物联网设备的增长使企业在数字化过程中能够且必须处理的数据量增加了数百万倍。为了提高处理效率，出现了一种非常强大的新计算模式：边缘计算，它通过在边缘处理机器学习和人工智能算法来补充集中式云基础架构的处理，即在数据来源和离用户或设备更近的节点
|
物联网设备的增长使企业在数字化过程中能够且必须处理的数据量增加了数百万倍。为了提高处理效率，出现了一种非常强大的新计算模式：边缘计算，它通过在边缘处理机器学习和人工智能算法来补充集中式云基础架构的处理，即在数据来源和离用户或设备更近的节点处理机器学习和人工智能算法。 边缘的数据计算可以在移动网络设备上的强大服务器或跨工厂的更小、更分布式的节点上执行。无论如何，它为新的创收和成本优化开辟了重要的机会。所有这一切都基于三个基本支柱： 1) 更大的可扩展性：通过将存储和处理分布在多个位置，更高流量或更好算法的基础设施和容量所需的投资得到更好的控制 2) 更高的数据安全和主权：通过不离开其原始位置，非法访问或被盗的风险大大降低； 更多的数据处理和更低的响应延迟：频率分析允许几乎同时处理数千个数据。对于研究和答案，所需的时间约为毫秒。这意味着接近实时的用例，这在更面向批量信息离线分析的云环境中是不可想象的 IDG 的报告《推动第四次工业革命的边缘计算解决方案》证实了这三大支柱的重要性。在对部署边缘计算的 802 位行业领导者进行的一项调查中，30% 的受访者回答他们的主要动机是带宽成本、27% 的数据保护和 19% 的延迟限制。接受调查的公司中有 12% 来自能源行业。 物联网边缘计算在能源领域的优势 发电本身是分散的：从传统的线性结构，能源从大型发电厂传输到世界各地，到现代配电网络，考虑采用更分散和更分散的模式，并结合可再生能源，产生消费的产消者，以及允许更大规模存储的新元素。 所有这些都意味着网络运维和供需预测的复杂性呈指数级增长。正在安装不同的设备来了解这些复杂的结构，从简单的物联网传感器或智能仪表到发电或传输设备中的通信接口，允许通过标准化协议提取数据。 然而，采用这些技术对工业能源公司来说并非没有挑战： 第一，培训员工。 在传统上主要由自动化工程师 (OT) 和少得多的 IT 和电信工程师 (IT) 组成的劳动力中引入这些新技术会造成所需技能的差距。这种差距在所谓的“PoC(概念证明)”中的物联网项目数量上很明显。进行实验室实验来进行物联网边缘计算相对简单。尽管如此，当涉及到将项目带到具有成百上千个分布式节点的自然环境时，由于缺乏内部能力，对市场驱动的 SLA 的需求可能会产生很大的挫败感。 根据 Gartner Cool Vendors in Edge Computing, 2021 报告，“随着边缘计算从概念验证和单体项目转向可重复的企业应用程序，简化部署的供应商产品正受到关注。让您以独特的方式解决物联网边缘复杂性的解决方案脱颖而出。 第二，调整工业能源企业的财务和法律结构。 目标是从传统的重大投资模式 (CAPEX) 转向初始投资较低的更灵活的模式。尽管如此，标准 IT 的 OPEX 可能更高(包括 SaaS 许可证、维护成本和升级服务)。这意味着文化变革，可能需要监管变革，以允许能源部门以所需的速度向前发展。 例如，在物联网边缘环境中用于能源分配的人工智能和机器学习算法需要使用用户设备(智能电表、自耗、充电器、电池、传感器等)生成的数据进行训练。但是，这些数据属于制造商的范围，不能共享，因为这会违反数据保护法。 从这个意义上说，需要公共资助项目来创建财团来进一步分析这些问题。最好的例子是 Platoon 项目，该项目侧重于通过基于 IDS 参考架构集成的数据开发来为智能电网提出解决方案，以便在欧洲代理之间进行信息交换。 尽管存在这些挑战，但物联网边缘计算显然可以通过其实时处理大量信息的能力来改变能源行业，并最终提高运营的安全性和效率。任何能够充分应对这些挑战的公司都将受益并处于能源行业转型的最前沿。 （编辑：应用网_丽江站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
浙公网安备 33038102330468号