基于“端—邊—云”的社區設備設施風險監測系統

史運濤教授 張蔭芬副研究員 黨亞光

(1.北方工業大學 電氣與控制工程學院，北京 100144；2.中國標準化研究院，北京100089)

0 引言

社區人群成分復雜，人員密度和流動性大，社區內設備設施種類繁多，運行條件各異，既有水電氣等長期不間斷運行的系統，也有供暖設備等季節性運行的系統，還有消防電梯等間歇性運行的設備，社區人—機—物的空間交疊造成技術故障與人因故障時有發生，引發安全事故的風險大大增加且后果嚴重。

隨著物聯網、區塊鏈邊緣計算和云計算等技術的迅速發展，為社區設備設施風險的監測監控、預測預警及智能防范帶來新的解決方案。本文主要針對社區人員的不安全行為、設備設施的不安全狀態，及管理上的缺陷引發的設備設施風險問題，提出一種基于“端—邊—云”的社區設備設施風險監測系統，以期對社區設備設施風險治理提供創新思路。另外，對社區重點設備設施進行實時監測監控還可以延長設備設施的使用壽命，降低設備設施無益損耗，提升社區科學化、精細化和智能化的綜合治理水平，能夠進一步完善城區治理體系，提高城區治理能力，是滿足人民日益增長的美好生活需要的重要一環。

1 社區設備設施風險問題

從近期統計數據看，以火災為例，2018年1-8月份，短短8個月，全國共接報火災16.61萬起，亡933人，傷560人，直接財產損失20.53億元。其中，8月份全國消防部門共接報火災1.42萬起，亡90人，傷57人，直接財產損失1.25億元；從火災事故發生的場所來看，住宅火災及傷亡人數比重大，共發生火災6 604起，亡56人，分別占8月份總數的46.4%和62.2%。此外，從起火原因來看，半數火災系用電用火引起，社區家庭用火用電的安全形勢嚴峻。這些數據充分說明，保證社區設備設施的安全運行是減少社區風險事故發生的關鍵，如何實現社區設備設施風險的實時監測監控技術研究仍然是當今公共安全領域亟待解決的熱點和難點。

從城市公共安全角度看，社區是城市生命線系統的末梢和“毛細血管”。社區各類設備設施依賴和銜接著所在城市的生命線系統。在城市遭受自然災害、事故災難、公共衛生事件、社會安全事件威脅時,社區生命線系統首當其沖，直接承受災害主體的猛烈沖擊，社區設備設施的穩定運行是城市生命線系統能夠正常運轉的重要保障。

從社區風險事故產生機理看，絕大多數事故的發生均可歸結為社區人員的不安全行為、設備設施的不安全狀態及管理上的缺陷這3點。根據“瑞士奶酪”模型，當人的不安全行為和物的不安全狀態以及管理漏洞恰好發生在同一時間和空間時，事故就會發生，如圖1。因此，如果能夠很好地監測監控社區設備設施的不安全狀態并提前預警，避免社區人員的不安全行為與設備設施的不安全狀態同時、同地出現，就可以有效預防風險事故的發生。

圖1 社區設備設施事故發生機理模型Fig.1 Mechanism model of equipment and facility accident in community

2 社區設備設施風險監測系統

2.1 總體架構

圖2為基于“端—邊—云”的社區設備設施風險監測系統架構。其中，終端層主要包括社區內各設備設施系統及采用無線傳感網絡技術的監測裝備。邊緣層的智能邊緣網關一方面支持通過多協議轉換方法接入各設備設施系統的運行狀態數據，并利用NB-IoT、4G和5G等多種通訊方式傳輸數據；另一方面基于區塊鏈技術可以解決數據信任和社區設備設施風險問題的溯源。云層主要為設備設施一體化風險防控軟件，具有設備設施風險的監測監控、預測預警及智能防范功能。

2.2 社區設備設施風險監測系統功能設計

基于“端—邊—云”的社區設備設施風險監測系統功能設計主要分為終端層、邊緣層以及云層的功能設計。

2.2.1 終端層功能設計

終端層是指社區設備設施系統的實物資產。社區的設備設施系統主要包括供配電、給排水、燃氣、消防、HVAC(采暖、通風、空調)、電梯等等。這些操作系統通常由各種傳感器、執行器和設備組成。顯然，這些設備資產的數據格式和通信協議比較復雜，難以統一訪問。因此，對于基于物聯網的設備設施風險監控，終端層需要能夠實現對不同通信協議的設備進行數據采集。此外，社區內設備設施系統一般都已部署多年，部分資產可以通過無線傳感網絡技術進行數據采集。

圖2 基于“端—邊—云”的社區設備設施風險監測系統架構Fig.2 The architecture risk monitoring system for community equipment and facility based on "end-edge-cloud"

針對社區供配電、給排水、燃氣、消防、暖通空調、電梯等重點設備設施，利用物聯網技術實現社區各類型設備設施的監控與管理。首先，通過構建社區設備設施的低延時、低功耗、本質安全的無線傳感網絡，如6LoWPAN和LoRa無線傳感網絡，實現設備設施運行環境數據采集，同時支持RS485、4-20 mA、0-5V、數字量等通信接口的傳感器數據接入；對于社區內的有線物理資產，設備設施供應商通常使用現場總線協議(見下表)，社區一般包括Modbus、OPC UA、BACnet、KNX、M-Bus、S7、CAN-Bus等通信協議設備設施。

表 社區設備設施的主要通信協議Tab. Main communication protocols of community equipment and facility

續表

2.2.2 邊緣層功能設計

邊緣層主要設計了一種智能邊緣網關。該邊緣網關負責設備設施的數據采集和數據傳輸任務,集成了6LoWPAN/LoRa通信模塊，支持6LoWPAN和LoRa傳感節點的數據匯聚和處理。

在邊緣網關設計了一種多協議轉換模型(如圖3)，邊緣網關通過數據接口接入終端層不同通信協議的設備設施，通過協議解析單元讀取并解析設備設施數據，實現底層設備運行狀態數據的接入，并將設備設施多協議數據放入數據緩存區等待協議轉換。然后將上述緩存區多協議數據轉化為具有物聯網標準的消息隊列遙測傳輸協議的數據格式(MQTT協議)。

圖3 多協議轉換模型Fig.3 Multi protocol conversion model

因此邊緣網關具有多協議轉換和傳輸功能，即支持將多種不同協議設備設施數據轉換為統一的MQTT協議數據，并支持利用NB-IoT/4G/5G無線通信技術將多協議設備設施數據傳送到云平臺，為云層的數據分析與場景應用提供數據源，云層通過MQTT協議實現多協議數據的接入和統一。

此外，為解決數據信任和社區設備設施的風險問題溯源，在邊緣網關利用區塊鏈技術構建一種安全機制。同一局域網下的多個邊緣網關形成一個區塊鏈網絡，用于它們之間的數據交換，如圖4。考慮到邊緣網關的性能限制，對安全機制的實現過程進行了簡化。

圖4 區塊鏈網絡結構Fig.4 Blockchain network structure

安全機制的實現主要是在邊緣網關上開發并部署區塊鏈錢包和區塊鏈服務。其中，區塊鏈錢包用于存儲每個邊緣網關的區塊鏈服務生成的公鑰和私鑰。區塊鏈服務提供前端管理頁面，社區管理員可以通過前端頁面上傳社區燃氣設施維護信息、設備異常警報信息等等。區塊鏈服務可以實現交易創建和驗證，區塊創建、驗證以及區塊共識，最終完成共識過程的區塊被存儲在邊緣網關本地的區塊鏈中。當設備出現風險問題時，利用區塊鏈中存儲的設備維護信息和異常狀態信息可以實現風險問題的溯源。通過風險溯源數據信息的長期積累，對社區設備設施風險隱患采取有針對性的預防措施。

2.2.3 云層功能設計

云平臺部署了社區多類型設備設施一體化安全運行的大數據智能分析技術與風險防控軟件系統，如圖5。通過開發設備設施安全生命周期的監控管理軟件并集成封裝，實現社區多類型設備設施實時運行的在線監測、自動報警、故障診斷、風險評估和智能防范。

圖5 社區設備設施一體化風險防控軟件Fig.5 Integrated risk prevention and control software for community equipment facility

其中，物聯網接入平臺可以實現社區設備設施的數據接入和設備設施信息注冊、增刪改查等設備管理功能；數據平臺通過Kafka消息隊列轉發和處理設備設施運行數據和設備接入信息數據，通過設定規則，對設備數據進行篩選、變型、轉發，將數據無縫轉發至MySQL數據庫中的數據表，以便利用這些數據進行設備設施的風險分析。

業務管理層主要實現了社區設備設施一體化風險防控軟件的主要功能。具體包括：支持設備設施運行狀態的實時監控、可視化展示及異常狀態預警報警功能；支持基于建筑信息模型(Building Information Modeling，BIM)和地理信息系統(Geographic Information System，GIS)三維可視化的設備設施全生命周期風險監控；構建基于知識圖譜的社區設備設施安全運行專家規則庫、事故案例庫的智能問答系統，推動社區設備設施風險分析的專業化和智能化水平；基于設備設施實時運行數據，利用主成分分析(Principal Component Analysis，PCA)、BP神經網絡和支持向量機(Support Vector Machine，SVM)等方法建立數據驅動型的故障診斷模型，實現設備設施故障實時診斷及故障預警；通過構建社區設備設施系統的動靜態風險評估指標體系，實現社區設備設施的動靜態風險評估和風險預警。一方面，基于專家打分法、層次分析法(Analytic Hierarchy Process，AHP)、故障樹分析(Fault Tree Analysis，FTA)、事件樹(Event Tree Analysis，ETA)和蝶形圖分析(Bow-tie)等建立設備設施靜態風險評估模型；另一方面，基于設備設施實時運行數據，利用貝葉斯網絡(Bayesian Networks，BN)、圖神經網絡(Graph Neural Networks，GNN)、關聯規則(Apriori)以及模糊—隨機森林等方法建立設備設施動態風險評估模型。

3 結論

本文以社區設備設施的監測監控、預測預警及智能防范為目標，提出一種基于“端—邊—云”的社區設備設施風險監測系統，具體如下：

(1)基于物聯網、邊緣計算、區塊鏈和人工智能等技術，構建社區設備設施風險監測系統，解決了社區設備設施不安全狀態的監測監控難題。

(2)分別給出終端層、邊緣層以及云層的詳細功能設計方案。在終端層，利用6LoWPAN和LoRa網絡實現設備設施運行環境的數據采集；邊緣層通過多協議轉換接入設備設施運行狀態數據，并基于區塊鏈技術實現設備設施的風險問題溯源；最后，云層的多種模型實現了設備設施實時運行的在線監測，自動報警、故障診斷、風險評估和智能防范。

(3)通過在社區實際應用示范表明，該系統可以實現社區設備設施安全從“故障檢、周期檢”到“風險檢、智能檢”的提升，為全面提升社區安全保障能力和水平提供科技支撐。

(4)針對社區設備設施系統因相關影響、相互耦合引發的風險問題，本文沒有研究設備設施耦合風險的動態評估模型。未來，在社區風險監測系統的支撐下，開展多因素耦合作用下的社區設備設施風險評價具有重要意義。