基于邊緣計算的電子井蓋異常檢測技術優化

摘 要：針對電子井蓋的異常數據檢測問題，研究提出了基于邊緣計算的處理方式，提高電子井蓋系統的運算效率。對邊緣計算的數據處理方法進行優化，利用時空相關性相結合的方式，大大提高邊緣計算的異常數據檢測效率。實驗結果表明，將所提算法與其他算法進行對比，該算法在1 000個傳感器的數據上，本文算法的運行時間約為0.25 s，遠遠優于其他算法，在電池能耗、數據傳輸方面同樣優勢明顯。在井蓋位移和水位測試等方面，電子井蓋的誤報率低于2%，具有重要的應用價值。

關鍵詞：邊緣計算；電子井蓋；時空相關性；數據異常檢測

中圖分類號：TP274；TM726.4"""""""""""""""""""" 文獻標識碼：A"""""""""""""""" """"文章編號：1001-5922（2024）07-0177-04

Optimization of electronic manhole cover anomaly detection technology based on edge computing

REN Ang，SU Fei，SHAO Shuai，WANG Xingzhen

（State Grid Shandong Electric Power Co.，Ltd.，Jinan 250012，China）

Abstract： In order to solve the problem of abnormal data detection of electronic manhole cover， a processing method based on edge computing was proposed to improve the computing efficiency of the electronic manhole cover system. The data processing method of edge computing was optimized， and the method of combining spatio?temporal correlation was used to greatly improve the efficiency of anomaly data detection of edge computing. The experimental results showed that the algorithm had a running time of approximately 0.25 seconds on data from 1 000 sensors， which was much better than other algorithms. It also had significant advantages in battery energy consumption and data transmission. In terms of displacement and water level testing of manhole covers， the 1 alarm rate of electronic manhole covers was less than 2%， which had important application value.

Key words： edge computing；electronic manhole cover；temporal and spatial correlation；data anomaly detection

隨著信息技術的快速發展，整個社會的行業均經歷了升級和轉型的過程［1］。物聯網技術的溝通萬物能力，將其用于高壓電纜井的井蓋中，可以實現對電纜故障、井蓋異常和環境變化的監測［2］。邊緣計算是一種快速處理信息數據的方式，將其用于電子井蓋的信息處理過程，通過邊云協同，提高系統處理信息的實時能力［3］。提出了一種針對多傳感器的邊緣計算方法，通過K?means 和 C?means 算法的結合，有效分析傳感器采集到的異常冗余數據［4］。針對無線傳感網絡的內邊緣上下文離群值檢測（INCODE）框架，實現了無線信息通信之間的通信量降低和能耗的節省［5］。研究了一種針對井蓋安全的監測系統，利用Zigbee無線通信網絡，利用傳感器對井蓋的位移和破損等進行監測［6］。針對電子井蓋的異常數據檢測問題，研究提出了基于邊緣計算的處理方式，將各類傳感器置于高壓電纜井的電子井蓋內，通過陀螺儀、光傳感器、濕度傳感器等各種類型信息收集，實時監測井蓋的異常狀態。利用邊緣計算進行信息處理，實現各類數據的就地處理，并將警報信息等發送到信息中心和維護人員，提高信息的快速處理能力。

1"" 基于邊緣計算的電子井蓋異常檢測與數據處理

1.1"" 邊緣計算

邊緣計算是一種在數據源附近計算的技術，通過在網絡邊緣執行數據計算，從而大大提高系統計算效率，并降低數據通信的壓力［7］。

邊緣計算的設備架構主要包括3層，分別為云平臺層、設備邊緣層和設備終端層［8］。云平臺層屬于邊緣計算的架構核心，而設備終端層則屬于架構的邊緣層［9］。將其應用到電子井蓋等無限聯網裝置，可以有效實現高壓電纜井內的各種信息監控，如井蓋異動、井內積水等［10］。可以實現井蓋內異常數據的快速處理和位置定位，提高電纜設備的安全性。

1.2"" 電子井蓋

電子井蓋是1種新型的井蓋裝置，區別于傳統的井蓋，電子井蓋內含有先進的電子系統和機械系統，實時監控井蓋內的各種數據狀態［11］。并能有效防止電纜井受到非法進入，對于由于外力等原因造成的井蓋異常，也會通過警報的形式發給信息中心進行有效處理［12］。

電子井蓋中包括遠程云平臺、邊緣計算節點，以及各種各樣類型的傳感器。傳感器位于整體系統的底層，以低功耗的形式實現信息獲取［13］。每個位于井蓋中的邊緣節點均會定期完成數據采集，并實時監控傳感器數據的變化，并與其他周圍井蓋實現信息互通，通過橫向比較判斷傳感器是否出現異常，并利用一定算法，將異常數據的檢測嵌入至電子井蓋的邊緣節點中。

電子井蓋系統的邊緣節點，可以認為是一個小型的信息處理系統，包括多個分布式的網關，接收數據的同時，存在一定的數據計算能力和數據存儲能力［14］。

井蓋的位移檢測主要通過內置陀螺儀的方式，將傳感器芯片與井蓋集成，通過檢測陀螺儀的傾角和位移變化來實現井蓋的位移監測。本文采用的三軸陀螺儀型號為ADI公司的ADXL345。由其直接獲得三軸方向的加速度（a），并利用加速度變化，通過計算得到速度（v），進而得到井蓋的位移變化（s）。用公式表示為：

[v=adt]"""""""""""""""""""""""""nbsp;"""" （1）

[s=（v）dt=（（a）dt）dt]"""""""""""""""""" （2）

1.3"" 能耗優化

在井蓋的能耗優化方面，改變傳統的逐級跳躍網絡結構，采用多優多跳結構，不采用逐級下放的網關節點傳輸方式，而是在所有網絡的隨機組合中，選擇能耗最低的多跳網絡模式［15］。

每個節點發送數據的有效荷載可以用公式表示為：

[np（r）=j=rRAr ， j]""""""""""""""""""""""""""" （3）

式中：Ar ， j表示距離節點r的第j個外部節點產生的有效荷載；R表示與該節點連接的節點總數。

則發送每個有效荷載產生的能耗可以表示為：

[ntxDp（r）=j=rRAr ， jnmaxp]""""""" """""""""""""""（4）

對于終端設備來說，其發送數據所消耗的能量正比于其有效載荷和發射功率，從而可以表示為：

[etx（r）=j=rRAr ， jnmaxp×LDPStxItx（p）VDD]"""""" （5）

式中：[Stx]為模塊數據發射的速度；[Itx]為發生電流，由發射功率決定；[VDD]為工作電壓，一般常用3.3 V。

同樣，對于每個終端節點，其接收數據同樣會產生荷載，接收數據的荷載為發送的總有效荷載減去自身的有效荷載，表示為：

[ntxDp（r）=j=r-1RAr ， jnmaxp]""""""""""""""""""""" （6）

從而可以計算得到終端設備接收數據的總能耗，表示為：

[erx（r）=j=r-1RAr ， jnmaxp×LDPSrxIrx（p）VDD]"""""" （7）

最終，對于一個井蓋終端設備來說，其產生的總的能量消耗可以近似表達為：

[e（r）=erx（r）+etx（r）]""""""""""""""""""""" （8）

選擇能耗最低的網絡組合，即為系統的最優多跳網絡模式。

1.4"" 基于時空相關性的異常檢測數據處理

將時空相關性異常檢測算法集成與邊緣井蓋節點中，從而對多源的數據進行異常相關性檢測，實現異常數據的清洗工作。異常的數據經過檢測后發送至云平臺信息中心，為信息中心的決策提供數據支持。

異常預警的數據包括4個主要工作階段，分別為數據采集、數據存儲、數據分析和異常反饋。由于傳感器采集到的數據為多維的時間序列信息，為了保證異常預警的實時性，需要在邊緣節點進行數據異常分析，分析結果反饋給相關人員和信息中心。

2"" 實驗結果與分析

2.1"" 算法性能對比

為了驗證本基于時空相關性的邊緣計算方法的效果，將本文算法與其他算法進行對比，在搭建好的邊緣計算平臺上，對算法進行的檢測結果進行驗證。實驗選擇的對比算法主要包括KNN、I-Forest 和 Autoencoder 算法。為了反映邊緣計算的效率和持續運行能力，綜合考證的指標主要包括算法的運行時間、能耗等。

2.1.1"" 算法的運行時間

比較4種不同算法的運行時間隨數據量的關系，結果如圖1所示。

由圖1可知，隨著算法處理數據量的增大，各種算法的運行時間均大幅上升。說明數據的運行需要耗費大量的邊緣計算能力，而不同呢算法的運行時間并不相同，盡管所有算法的計算時間均大幅上升，但本文算法的運行時間一直是所有算法中最低的，證明本文算法計算效率更高。以1 000個傳感器的數據為例，本文算法的運行時間約為0.25 s；而I-Forest 、KNN和 Autoencoder 算法的運行時間分別為0.3、0.4和0.5 s。

2.1.2"" 算法的能耗對比

算法的能耗決定了電子井蓋的設備持續運行能力，耗電量越大的設備，對于電源的要求越高，設備的續航能力越差。4種算法的對比結果如圖2所示。

由圖2可知，數據量的增加對于能耗的增加并不是完全線性的，而是呈現折線形變化的。4種算法中Autoencoder 算法的能耗最高，這是由于其對于數據的處理能力較差，造成設備運行時間過長，從而能量損耗較大。本文的算法由于運行時間短，從而能耗依然是算法中最低的，節點能力最強。

2.1.3"" 數據延遲情況對比

數據的延遲主要是邊緣節點與信息中心之間的數據傳輸情況，對比結果如圖3所示。

由圖3可知，數據量的多少同樣影響了傳輸數據延遲的變化。當數據較低時，傳統算法的I-Forest 、KNN算法延遲時間更年底，當數據大于500后，本文的算法數據延遲是所有算法中最低的。綜合來說，本文算法具有明顯的優勢，主要原因在于分布式邊緣計算將任務進行了下放，可以有效降低向信息中心傳送的數據量，從而使得數據的延遲降低，數據響應效果更迅速。

2.2"" 電子井蓋性能測試

為了驗證電子井蓋的性能，分別對電子井蓋的移動和其他性能進行測試。

2.2.1"" 井蓋移動測試

將完全部署好的系統，對多個電子井蓋進行移動測試，通過手動的方式，分別采用移動、翻轉、扭動等方式，對其報警效果進行測試，測試結果如表1所示。

由表1可知，從測試結果可以看到，移動井蓋50次的結果，觸發報警次數為50次，證明該井蓋具有良好的防移動能力，同樣對井蓋的翻轉和扭動等測試同樣是50次手動觸發，觸發報警次數50次，漏報率0%，證明該井蓋位移監測性能良好，符合實際應用的指標。

2.2.2"" 電池壽命測試

電池的壽命對于電子井蓋的使用來說，具有重要的意義。更低的能耗可以有效延長電池的壽命，對多個井蓋的電池進行測試，比較其運行一年時間后的電池電壓情況，結果如表2所示。

由表2可知，對于標稱為3.60 V的電池，其初始電壓并不是標準的3.60 V，而是略高于標稱電壓，約為3.66～3.68 V。使用1年后的不同井蓋電池電壓結果分別為3.60～3.65 V，證明該井蓋設備的能耗很低，可以持續運行較長時間，符合該設備實際應用長續航的要求。

2.2.3"" 電纜井水位測試

為測試電纜井中水位計的性能，設置傳感器數據采集的時間間隔為30 s，將電纜井水位置于500 mm位置，將3個水位計放置于井內，1個水位計置于空氣中，結果如圖4所示。

由圖4可知，置于空氣華中的水位計，測試水位高度均為0，而置于井中的水位計雖然得到水位的高度略有波動，但均在（500±10 ） mm波動，對于電纜井內的水位測試來說，誤差接近2%，符合實際應用的要求。

3"" 結語

利用時空結合的數據處理方法，對基于邊緣計算的電子井蓋異常數據進行檢測。綜合考慮時間相關性與空間相關性的影響，大幅提高算法的檢測效率，通過與其他算法的結果對比，所提算法的運行時間最短、能耗最低，向信息中心傳遞數據的效率也是最高，從而可以證明方法的優越性。通過實驗的方式，進一步驗證基于邊緣計算的電子井蓋系統在處理井蓋位移、水位等方面的性能，實驗結果表明，本文算法的警報誤報率低于2%，滿足識別的實際應用要求。

【參考文獻】

［1］""" 張斐斐，葛季棟，李忠金，等，駱斌.邊緣計算中協作計算卸載與動態任務調度［J］. 軟件學報，2023，34（12）：5737?5756.

［2］""" 徐曉斌，王琪，范存群，等.面向空天地一體化信息網絡的邊緣計算資源融合管理方法［J］. 計算機學報，2023，46（4）：690?710.

［3］""" 馬世雄，葛海波，宋興. 邊緣計算中多服務器協同任務緩存策略［J］. 計算機工程與應用，2023，59（20）：245?253.

［4］""" 柳月強，張建鋒，祝麒翔，等.基于時空相關性的多傳感器數據異常檢測［J］.計算機應用與軟 件，2020，37（10）：85?90.

［5］""" BHARTI S， PATTANAIK K K， PANDEY A. Contextual outlier detection for wireless sensor networks［J］. journalof ambient intelligence and humanized computing，2019（11）：1511?1531.

［6］""" 鮑宏海.基于WSN的城市道路井蓋安全監測系統研究［D］.西安：西安工業大學，2015.

［7］""" 宋高峰，王聯國. 網絡化城市井蓋監控管理低功耗系統的安全設計［J］. 網絡空間安全，2022，13（1）：36?40.

［8］""" 秦亞杰，華旭昀，鄧鵬，等. 人工智能高壓電纜隧道建設研究［J］. 電力安全技術，2022，24（1）：37?40.

［9］""" 張敬琳，吳婭. 智能消火栓和智能給水井蓋的建設［J］. 中國建設信息化，2021，（15）：28?31.

［10］""" 高莉，付榮，閆超，等. 依托NB?IoT的智能井蓋實時在" 線監測［J］. 電子世界，2021（14）：170?171.

［11］""" 袁林峰，徐勇明，史建勛. 基于GIS與物聯網集成的地" 下電纜井在線監測系統［J］. 農村電氣化，2021（2）：49?52.

［12］""" 鄭忠斌，熊增薪.基于邊緣計算的5G云網絡架構計算" 卸載策略研究［J］.粘接，2021，47（8）：97?101.

［13］""" 徐東，黃海艇，劉典勇，等.基于邊緣計算架構的智慧管" 廊綜合監控系統設計［J］.粘接，2020，41（2）：182?186.

［14］""" 蔡星娟，郭彥亨，趙天浩，等. 基于進化多任務的邊緣" 計算服務部署和任務卸載［J］. 計算機工程，2023，49（7）：1?9.

［15］""" 鄭忠斌，徐東，黃海艇，等. 基于移動邊緣計算的蜂窩" 工業物聯網數據流量卸載方法［J］. 自動化技術與應用，" 2023，42（3）：122?124.