★ 中國(guó)石油長(zhǎng)慶油田分公司頁(yè)巖油開(kāi)發(fā)分公司 賈志鵬 

★ 中國(guó)石油長(zhǎng)慶油田分公司第一采油廠 崔強(qiáng)

★ 中國(guó)石油長(zhǎng)慶油田分公司頁(yè)巖油開(kāi)發(fā)分公司 周婷，余杰，趙一帆

1引言

目前，油氣行業(yè)正處于數(shù)字化轉(zhuǎn)型、智能化發(fā)展階段，油氣生產(chǎn)業(yè)務(wù)需要進(jìn)行全業(yè)務(wù)融合和智能化水平提升，實(shí)現(xiàn)生產(chǎn)工況診斷、功圖量液、合規(guī)監(jiān)測(cè)，引入邊緣計(jì)算，促進(jìn)油氣生產(chǎn)現(xiàn)場(chǎng)遠(yuǎn)程操控水平的提升。通過(guò)油氣行業(yè)多層閉環(huán)管理系統(tǒng)，在優(yōu)化生產(chǎn)流程、優(yōu)化組織結(jié)構(gòu)、提高生產(chǎn)效率、提升管理水平、減輕一線員工勞動(dòng)強(qiáng)度、降低安全風(fēng)險(xiǎn)等方面取得了顯著效果，極大地促進(jìn)了石油行業(yè)油氣生產(chǎn)物聯(lián)網(wǎng)系統(tǒng)的發(fā)展。

在油氣行業(yè)多層閉環(huán)管理系統(tǒng)總體框架下，緊密結(jié)合工業(yè)物聯(lián)網(wǎng)平臺(tái)發(fā)展思路和技術(shù)發(fā)展趨勢(shì)，重點(diǎn)結(jié)合油氣生產(chǎn)業(yè)務(wù)領(lǐng)域的實(shí)際需求，形成了基于工業(yè)領(lǐng)域的云端部署的大數(shù)據(jù)平臺(tái)軟件；該平臺(tái)完全基于B/S的架構(gòu)設(shè)計(jì)，通過(guò)物聯(lián)網(wǎng)、云計(jì)算等技術(shù)，提供設(shè)備接入、控制系統(tǒng)運(yùn)行監(jiān)控、設(shè)備資產(chǎn)管理等一站式服務(wù)，實(shí)現(xiàn)統(tǒng)一的數(shù)據(jù)采集、存儲(chǔ)、計(jì)算、顯示和共享，搭建以設(shè)備運(yùn)行和管理為核心的設(shè)備監(jiān)控、設(shè)備管理、設(shè)備運(yùn)維等系統(tǒng)，支撐物聯(lián)網(wǎng)平臺(tái)應(yīng)用的構(gòu)建和快速上線。

在油氣行業(yè)多層閉環(huán)管理系統(tǒng)的框架下，依托云端部署的大數(shù)據(jù)平臺(tái)軟件，對(duì)邊緣計(jì)算產(chǎn)品性能進(jìn)行提升。邊緣計(jì)算與感知智能息息相關(guān)，大量的感知特征需要通過(guò)海量終端來(lái)獲取數(shù)據(jù)，并且需要前端進(jìn)行預(yù)處理，進(jìn)而再回傳結(jié)論性的數(shù)據(jù)到后端。

智能遠(yuǎn)程終端裝置（SmartRemoteTerminalUnit，智能RTU）作為邊緣計(jì)算前端設(shè)備，集成了邊緣計(jì)算算法，對(duì)油田的生產(chǎn)工況診斷、能耗分析、數(shù)據(jù)預(yù)測(cè)、無(wú)人化管理做有力支撐。通過(guò)智能RTU可以打開(kāi)物聯(lián)網(wǎng)應(yīng)用的鑰匙；智能RTU前置的數(shù)據(jù)處理模型，是解決海量數(shù)據(jù)處理的又一新型計(jì)算模型，是人工智能的神經(jīng)末梢，因此智能RTU在具體實(shí)現(xiàn)“數(shù)字化智能化油田”進(jìn)程中，將發(fā)揮其重要的作用。

智能RTU集成了邊緣計(jì)算的數(shù)據(jù)處理模型，是邊緣計(jì)算在油田現(xiàn)場(chǎng)的應(yīng)用載體。因此本文中的應(yīng)用場(chǎng)景與實(shí)踐主要是針對(duì)智能RTU在工況診斷、液量計(jì)量和合規(guī)監(jiān)測(cè)等方面的闡述和分析。

2邊緣計(jì)算

邊緣計(jì)算，是指在靠近物或數(shù)據(jù)源頭的一側(cè)，采用網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用核心能力為一體的開(kāi)放平臺(tái)，就近提供最近端服務(wù)。邊緣計(jì)算涉足通信技術(shù)、運(yùn)營(yíng)技術(shù)、信息技術(shù)多個(gè)領(lǐng)域，與網(wǎng)絡(luò)聯(lián)接、數(shù)據(jù)聚合、芯片、傳感、行業(yè)應(yīng)用等多個(gè)產(chǎn)業(yè)鏈有著交叉和融合。隨著各個(gè)產(chǎn)業(yè)鏈技術(shù)的發(fā)展與提升，邊緣計(jì)算發(fā)展也將進(jìn)入關(guān)鍵階段。

掌握數(shù)據(jù)挖掘系統(tǒng)及算法，做到事半功倍，少走彎路，同時(shí)加強(qiáng)與石油專業(yè)知識(shí)相結(jié)合，探尋適合油田開(kāi)發(fā)領(lǐng)域數(shù)據(jù)挖掘方法，實(shí)現(xiàn)數(shù)字油田“讓數(shù)字說(shuō)話，聽(tīng)數(shù)據(jù)指揮”智能化管理。

本文邊緣計(jì)算涉及了三方面的算法和技術(shù)：功圖診斷、功圖量液、合規(guī)監(jiān)測(cè)。

隨著油氣行業(yè)智能化技術(shù)的快速發(fā)展，智能化油田技術(shù)也成為采油工程界的研究熱點(diǎn)，抽油機(jī)井的工況診斷、功圖量液和合規(guī)監(jiān)測(cè)也日益在采油行業(yè)受到重視。

抽油機(jī)井示功圖作為獲取抽油機(jī)井工作狀況的一個(gè)重要手段，在國(guó)內(nèi)外油田得到廣泛應(yīng)用，同時(shí)對(duì)示功圖測(cè)量方法的研究依然是重要的研究課題。經(jīng)過(guò)長(zhǎng)期探索研究，示功圖測(cè)量技術(shù)已取得很大的進(jìn)展。

工況診斷和功圖量液智能算法則是基于先進(jìn)的示功圖測(cè)量技術(shù)，利用專家系統(tǒng)，通過(guò)對(duì)抽油機(jī)井電機(jī)功率曲線的分析，結(jié)合電機(jī)的電壓、電流、轉(zhuǎn)速、功率因數(shù)等參數(shù)，實(shí)現(xiàn)對(duì)抽油機(jī)系統(tǒng)的工況進(jìn)行診斷和液量計(jì)量。

工況診斷和功圖量液智能算法是一種兼顧井上電機(jī)的電壓、電流、轉(zhuǎn)速、功率因數(shù)等參數(shù)與井下抽油泵的運(yùn)行工況參數(shù)的綜合方法，分析抽油機(jī)井電機(jī)的運(yùn)行原理和抽油機(jī)系統(tǒng)的能耗，建立電參數(shù)與井下供液情況、抽油泵運(yùn)行參數(shù)的數(shù)學(xué)模型。根據(jù)抽油機(jī)系統(tǒng)的能耗與電機(jī)的工作原理，對(duì)產(chǎn)液量、泵效、平衡度、電機(jī)利用率等分析，建立抽油機(jī)井工況的特征值的數(shù)學(xué)模型。如圖1所示。

圖1 智能算法模型診斷計(jì)量流程圖

在合規(guī)檢測(cè)方面，為了可靠且高效地處理大規(guī)模的視頻流數(shù)據(jù)，使用堆視頻流實(shí)時(shí)分析算法，涉及工服檢測(cè)算法、安全帽佩戴檢測(cè)算法、煙霧檢測(cè)算法、人員跌倒檢測(cè)算法、外來(lái)人員識(shí)別算法、車輛識(shí)別算法等，需要有一個(gè)可擴(kuò)展、能容錯(cuò)、松耦合的系統(tǒng)，使用開(kāi)源的技術(shù)來(lái)構(gòu)建這樣的系統(tǒng)，該系統(tǒng)包含了三個(gè)主要的組件：視頻流收集器、流數(shù)據(jù)緩沖以及視頻流處理器。

3智能RTU功能特點(diǎn)

油氣生產(chǎn)現(xiàn)場(chǎng)以智能RTU為中心，智能RTU是油氣行業(yè)設(shè)備智能化的關(guān)鍵。智能RTU集成了工況診斷、功圖量液、合規(guī)監(jiān)測(cè)等智能算法模型，通過(guò)示功圖完成對(duì)井站內(nèi)每口井的工況進(jìn)行分析、計(jì)量與監(jiān)測(cè)，并根據(jù)油井工況給出調(diào)節(jié)建議。數(shù)據(jù)的傳輸、分析、處理與存儲(chǔ)對(duì)網(wǎng)絡(luò)帶寬提出了巨大的挑戰(zhàn)，而智能RTU的邊緣計(jì)算能力，為解決這一問(wèn)題提供了必要的技術(shù)手段。把大量的數(shù)據(jù)傳輸?shù)皆朴?jì)算中心去處理，將導(dǎo)致數(shù)據(jù)處理的不及時(shí)，在油氣行業(yè)VR/AR等要求可靠性、實(shí)時(shí)性比較高的應(yīng)用場(chǎng)景下。

智能RTU作為油氣生產(chǎn)數(shù)字化轉(zhuǎn)型的關(guān)鍵設(shè)備，是油氣生產(chǎn)信息與業(yè)務(wù)分析的橋梁。設(shè)備通用性強(qiáng)，支持Tensorflow、Pytorch、Caffe等深度學(xué)習(xí)平臺(tái)；采用工業(yè)級(jí)設(shè)計(jì)，適用于寬溫環(huán)境。

智能RTU基于算力資源，自身可以完成部分，甚至全部處理任務(wù)，無(wú)需立刻回傳到云端進(jìn)行處理，而是有進(jìn)一步處理需求后，才進(jìn)行數(shù)據(jù)的回傳。因此，智能RTU可以分擔(dān)云計(jì)算部分處理任務(wù)，開(kāi)啟“云網(wǎng)端智”四位一體的處理模式，能夠?qū)崿F(xiàn)就地采集、智能AI分析、狀態(tài)上傳，有效減少網(wǎng)絡(luò)負(fù)載，降低數(shù)據(jù)時(shí)延，提升數(shù)據(jù)價(jià)值。

主要具有以下功能特點(diǎn)：

（1）采用四核ARMCortex-A57高性能處理器，支持RS232、RS485、CAN、USB、以太網(wǎng)、ZigBee和4G等通信接口；

（2）集成128核Maxwell架構(gòu)NVIDIA圖形處理器，可提供3TFlops的AI算力支持，支持Tensorflow、Caffe、Pytorch等AI計(jì)算框架；

（3）支持ModbusRTU、ModbusTCP和MQTT等通訊協(xié)議。

支持基于CAN總線的I/OBUS數(shù)據(jù)擴(kuò)展協(xié)議，可添加模擬量、開(kāi)關(guān)量和脈沖量等擴(kuò)展板卡；

（4）支持IEC61131-3標(biāo)準(zhǔn)的二次開(kāi)發(fā)平臺(tái)，可支持IL、ST、LD、FBD和SFC共5種標(biāo)準(zhǔn)編程語(yǔ)言；

（5）工業(yè)級(jí)環(huán)境適應(yīng)能力，一體化、無(wú)風(fēng)扇設(shè)計(jì)，工作溫度達(dá)-40~+70℃。

智能RTU應(yīng)用系統(tǒng)結(jié)構(gòu)圖如圖2所示。

圖2智能RTU應(yīng)用系統(tǒng)結(jié)構(gòu)圖

4應(yīng)用場(chǎng)景與實(shí)踐

依托云端部署的大數(shù)據(jù)平臺(tái)軟件，基于油井生產(chǎn)整體優(yōu)化技術(shù)，在邊緣計(jì)算算法的基礎(chǔ)上實(shí)現(xiàn)油井液量的實(shí)時(shí)在線計(jì)量。

智能RTU可以應(yīng)用在石油產(chǎn)業(yè)鏈的每個(gè)環(huán)節(jié)，在油氣生產(chǎn)過(guò)程中，典型應(yīng)用實(shí)踐場(chǎng)景包含功圖診斷、功圖量液、合規(guī)監(jiān)測(cè)。

4.1工況診斷

在油氣生產(chǎn)功圖診斷方面，智能RTU結(jié)合邊緣計(jì)算算法和技術(shù)，建立抽油機(jī)井況的數(shù)學(xué)模型，通過(guò)專家系統(tǒng)實(shí)現(xiàn)對(duì)油井生產(chǎn)工況的分析與判斷。

（1）智能RTU通過(guò)對(duì)每一口井的功圖信息采用算法模型進(jìn)行診斷，可診斷出油井的工況信息，根據(jù)診斷出的工況給出合理的建議。智能RTU可對(duì)診斷過(guò)的功圖及診斷結(jié)果進(jìn)行保存，云端部署的大數(shù)據(jù)平臺(tái)軟件可通過(guò)API查閱歷史功圖。

（2）工況診斷和預(yù)測(cè)：抽油機(jī)井工況復(fù)雜多樣，工況的變化和趨勢(shì)都會(huì)通過(guò)井上抽油機(jī)電機(jī)功率曲線和井下抽油泵工作參數(shù)變化體現(xiàn)，通過(guò)井上電機(jī)的電壓、電流、轉(zhuǎn)速、功率因數(shù)等參數(shù)與井下抽油泵的運(yùn)行工況參數(shù)的綜合方法，分析、診斷和預(yù)測(cè)抽油機(jī)井的開(kāi)關(guān)狀態(tài)、通訊狀態(tài)、特征參數(shù)及曲線。智能RTU對(duì)功圖診斷信息圖如圖3所示。

圖3智能RTU對(duì)功圖診斷信息圖

（3）功圖診斷實(shí)踐結(jié)果展示

根據(jù)傳感器采集的數(shù)據(jù)，通過(guò)智能算法進(jìn)行分析計(jì)算可知，井1診斷為供液不足。油井供液不足時(shí)，柱塞下行時(shí)接觸不到液面，卸載時(shí)間延長(zhǎng)，使功圖表現(xiàn)出“刀把”的形狀，“刀把”長(zhǎng)度占沖程的比例反映著供液不足的程度，如圖4所示。根據(jù)“刀把”長(zhǎng)度和功圖面積監(jiān)測(cè)供液能力變化趨勢(shì)，當(dāng)供液不足程度發(fā)生較大變化時(shí)預(yù)警，必要時(shí)采取調(diào)參、調(diào)整注水等措施挖掘油井生產(chǎn)潛力。也可用于監(jiān)測(cè)間抽井供排變化趨勢(shì)，合理制定間抽周期。

圖4井1功圖

根據(jù)傳感器采集的數(shù)據(jù)，通過(guò)智能算法進(jìn)行分析計(jì)算可知，井2診斷為桿斷脫，如圖5所示。

圖5井2功圖

根據(jù)傳感器采集的數(shù)據(jù)，通過(guò)智能算法進(jìn)行分析計(jì)算可知，井3診斷為固定凡爾漏失，如圖6所示。

圖6井3功圖

根據(jù)傳感器采集的數(shù)據(jù)，通過(guò)智能算法進(jìn)行分析計(jì)算可知，井4診斷為嚴(yán)重供液不足，如圖7所示。

圖7井4功圖

（4）功圖診斷準(zhǔn)確率

通過(guò)智能算法診斷，診斷結(jié)果準(zhǔn)確率在95%以上，見(jiàn)表1。

表1功圖診斷結(jié)果表

4.2功圖量液

油井產(chǎn)液量計(jì)量是油田生產(chǎn)管理中的一項(xiàng)重要工作。建立多種數(shù)學(xué)模型、應(yīng)用智能算法編制計(jì)算軟件、編譯功圖量液分析程序，通過(guò)程序計(jì)算與現(xiàn)場(chǎng)A11計(jì)量系統(tǒng)進(jìn)行實(shí)際產(chǎn)液量對(duì)比。

（1）抽油機(jī)系統(tǒng)效率分析：抽油機(jī)將井下液體舉升到地面的過(guò)程中有用功率與系統(tǒng)輸入的功率的比值，由地面效率和井下效率兩部分組成，地面效率取決于光桿載荷、光桿功率、四連桿機(jī)構(gòu)、減速箱、電機(jī)效率，井下效率取決于盤根盒效率、抽油桿效率。管柱和抽油泵效率提高系統(tǒng)效率可采取參數(shù)優(yōu)化和調(diào)平衡等措施。

（2）功圖量液計(jì)算：對(duì)井下和井口常規(guī)數(shù)據(jù)、溫度、時(shí)間等海量數(shù)據(jù)，進(jìn)行作業(yè)區(qū)單位級(jí)別的大數(shù)據(jù)分

析，結(jié)合抽油機(jī)井的工況優(yōu)化模型，對(duì)油井產(chǎn)量進(jìn)行分析計(jì)算和預(yù)測(cè)，提高油田的整體產(chǎn)量。

（3）功圖量液計(jì)算信息對(duì)比

通過(guò)現(xiàn)場(chǎng)安裝的智能RTU對(duì)井101X和井102X兩口井進(jìn)行實(shí)時(shí)功圖診斷和計(jì)量，并以天來(lái)求取平均日產(chǎn)液量；最后計(jì)算近23天的平均值與A11計(jì)量系統(tǒng)中的標(biāo)記產(chǎn)液量進(jìn)行對(duì)比。

井101-6X和井101-1X采用歷史功圖進(jìn)行功圖量液計(jì)算，計(jì)算2021年1月10日至3月7日共50天的平均值與A11計(jì)量系統(tǒng)標(biāo)記產(chǎn)量進(jìn)行對(duì)比。

對(duì)比結(jié)果表明，功圖量液計(jì)量結(jié)果相對(duì)誤差在10%以內(nèi)，見(jiàn)表2、表3。

表2功圖量液計(jì)算結(jié)果對(duì)比表1

表3功圖量液計(jì)算結(jié)果對(duì)比表2

4.3合規(guī)監(jiān)測(cè)

運(yùn)用工服檢測(cè)算法、安全帽佩戴檢測(cè)算法、煙霧檢測(cè)算法、人員跌倒檢測(cè)算法、外來(lái)人員識(shí)別算法、車輛識(shí)別算法等進(jìn)行智能識(shí)別，通過(guò)新技術(shù)的應(yīng)用，更好地為油田管理提供服務(wù)，識(shí)別現(xiàn)場(chǎng)操作合規(guī)性，實(shí)現(xiàn)安全隱患自動(dòng)識(shí)別，提升現(xiàn)場(chǎng)管理效率。

區(qū)域入侵識(shí)別：以視頻為核心，結(jié)合人工智能技術(shù)，拓展多維感知手段，對(duì)進(jìn)入劃定區(qū)域的人員、動(dòng)物、車輛等物體進(jìn)行識(shí)別。

人員行為識(shí)別：利用攝像頭采集視頻圖像信息，計(jì)算人員行為模式，識(shí)別人員行為，實(shí)現(xiàn)安全帽佩戴、工作服著裝、可疑人物等監(jiān)控。

煙霧/火焰檢測(cè)識(shí)別：實(shí)現(xiàn)對(duì)監(jiān)控區(qū)域內(nèi)的煙霧和火焰進(jìn)行識(shí)別，并動(dòng)態(tài)識(shí)別煙霧和火焰從無(wú)到有、從有到無(wú)、從小到大，從大到小、從小煙到濃煙的狀態(tài)轉(zhuǎn)換的識(shí)別、實(shí)時(shí)分析報(bào)警。

漏油/漏水檢測(cè)：漏油檢測(cè)原理是基于油和水在溫度、熱反射和熱發(fā)射率與周圍環(huán)境之間的差異，基于對(duì)現(xiàn)場(chǎng)配置的專業(yè)攝像機(jī)畫面進(jìn)行分析，發(fā)現(xiàn)泄漏現(xiàn)象。

（1）合規(guī)監(jiān)測(cè)應(yīng)用

合規(guī)監(jiān)測(cè)可針對(duì)現(xiàn)場(chǎng)人員穿勞保服、戴安全帽、人員位置等信息進(jìn)行監(jiān)測(cè)；可對(duì)未正確穿戴勞保服的人員進(jìn)行標(biāo)注，并存儲(chǔ)視頻截圖。如圖8、圖9所示。

合規(guī)監(jiān)測(cè)采用了AI人工智能模型，對(duì)人、車的識(shí)別準(zhǔn)確度可達(dá)95%以上；單次獲取視頻流和處理視頻，只需要5秒即可完成。

圖8合規(guī)監(jiān)測(cè)圖1

圖9合規(guī)監(jiān)測(cè)圖2

（2）合規(guī)監(jiān)測(cè)結(jié)果（見(jiàn)表4）

5結(jié)論

本文主要對(duì)帶有智能邊緣計(jì)算算法和技術(shù)的智能RTU產(chǎn)品的功能、性能和穩(wěn)定性進(jìn)行應(yīng)用與實(shí)踐。應(yīng)用與實(shí)踐時(shí)長(zhǎng)27天，系統(tǒng)完全兼容且穩(wěn)定運(yùn)行；功圖診斷智能算法得到應(yīng)用，對(duì)現(xiàn)場(chǎng)實(shí)時(shí)功圖138幅和離線功圖1000幅進(jìn)行分析，工況診斷結(jié)果準(zhǔn)確率大于98%；液量虛擬計(jì)量功能采用歷史數(shù)據(jù)和實(shí)際數(shù)據(jù)結(jié)合實(shí)踐測(cè)試，計(jì)量精度10%以內(nèi)；合規(guī)性視頻分析應(yīng)用25天，檢測(cè)圖片43萬(wàn)張，監(jiān)測(cè)保存人員或車輛進(jìn)入圖片467張，其中違規(guī)截圖90張，識(shí)別準(zhǔn)確率大于95%；所有參數(shù)均已滿足油田現(xiàn)場(chǎng)應(yīng)用要求。

邊緣計(jì)算的應(yīng)用，提升了智能RTU設(shè)備智能化水平。將智能化技術(shù)與油氣生產(chǎn)業(yè)務(wù)深入融合，實(shí)現(xiàn)油氣田業(yè)務(wù)的數(shù)字化轉(zhuǎn)型、智能化發(fā)展。隨著中國(guó)石油全面推進(jìn)“十四五”信息技術(shù)總體規(guī)劃實(shí)施，油田數(shù)字化智能化建設(shè)邁上新臺(tái)階，對(duì)油氣田物聯(lián)網(wǎng)系統(tǒng)數(shù)據(jù)的可靠性和處理速度有更高的要求，邊緣計(jì)算的應(yīng)用場(chǎng)景將有更廣闊的發(fā)展空間。AP

作者簡(jiǎn)介：

賈志鵬（1984-），男，甘肅慶陽(yáng)人，工程師，學(xué)士，現(xiàn)就職于中國(guó)石油長(zhǎng)慶油田分公司頁(yè)巖油開(kāi)發(fā)分公司，主要從事智能化、數(shù)字化、信息化方面的建設(shè)管理工作。

參考文獻(xiàn)：

[1]于世春,楊倉(cāng)海,李明江,趙曉龍,邱亮,等.基于油井工況診斷及功圖計(jì)產(chǎn)系統(tǒng)的數(shù)據(jù)挖掘應(yīng)用[J].自動(dòng)化技術(shù)與應(yīng)用,2015,34(1):115-118.

[2]宋明垚,薛良玉,張薇.油井生產(chǎn)工況智能診斷與趨勢(shì)預(yù)警技術(shù)研究報(bào)告[J].中國(guó)化工貿(mào)易,2018,(27):93.

[3]邊緣云計(jì)算技術(shù)及標(biāo)準(zhǔn)化白皮書(shū)[EB/OL].2019.

[4]阿里云,中國(guó)電子技術(shù)標(biāo)準(zhǔn)化研究院.2018年邊緣云計(jì)算技術(shù)及標(biāo)準(zhǔn)化白皮書(shū)[EB/OL].

[5]雷波,趙倩穎,趙慧玲.邊緣計(jì)算與算力網(wǎng)絡(luò)綜述[J].中興通訊技術(shù),2021,(03):3-6.

[6]曾德生,駱金維,龐雙龍,謝品章,陳曉丹.基于邊緣計(jì)算模型的智能視頻監(jiān)控系統(tǒng)的設(shè)計(jì)[J].智能計(jì)算機(jī)與應(yīng)用,2019,(6):254-261.

[7]王靈軍,蔣世用,趙志剛,羅曉.基于需求側(cè)視角的能源互聯(lián)網(wǎng)[J].制冷與空調(diào),2017,(12):17-23.

[8]向陽(yáng).5G技術(shù)對(duì)民生檔案共享體系的影響研究[J].廣州城市職業(yè)學(xué)院學(xué)報(bào)2021,(03):48-53.

[9]楊宏,郭雄,李孟良,蘇靜茹.先進(jìn)計(jì)算技術(shù)與標(biāo)準(zhǔn)研究[J].中國(guó)標(biāo)準(zhǔn)化,2018,(20):243-245.

[10]邢帆.“大規(guī)模上云”時(shí)代來(lái)臨[J].中國(guó)信息化,2017,(08):31.

[11]李永萍,柳震.沿高速公路部署的車聯(lián)網(wǎng)關(guān)鍵技術(shù)[J].無(wú)線互聯(lián)科技,2018,(21):151-152.

[12]賈雪琴,王友祥,曹暢,林晨,史可.區(qū)塊鏈賦能5G共建共享技術(shù)研究[J].郵電設(shè)計(jì)技術(shù),2021,(03):7-11.

[13]周旸,李宏平,趙晨光,常旭.冬奧5G高性能無(wú)線網(wǎng)絡(luò)新技術(shù)進(jìn)展與應(yīng)用[J].郵電設(shè)計(jì)技術(shù),2020,(12):15-17.

[14]張涌,陳丹,范斌,韓賽,呂華章.中國(guó)聯(lián)通邊緣計(jì)算技術(shù)演進(jìn)規(guī)劃與部署方案[J].郵電設(shè)計(jì)技術(shù),2018,(04):42-47.

[15]曹春江.融合云視訊系統(tǒng)技術(shù)方案研究和應(yīng)用[J].數(shù)字通信世界,2018,(09):17-20.

[16]張力平.“小而美”的邊緣計(jì)算[J].電信快報(bào):網(wǎng)絡(luò)與通信,2018,(02):48.

[17]程喬,王映華,李冉,陳江山.移動(dòng)邊緣計(jì)算技術(shù)與應(yīng)用的探討[J].廣西通信技術(shù),2020,(03):1-6.

[18]劉煒,張為.基于邊緣智能2.0的工業(yè)互聯(lián)網(wǎng)平臺(tái)架構(gòu)及應(yīng)用[J].光通信研究,2021,(02):7-13.

[19]趙志斌,何力毅,劉廣紅,徐大偉.5GMEC行業(yè)應(yīng)用部署方案研究[J].郵電設(shè)計(jì)技術(shù),2021,(01):25–30.

[20]邊緣計(jì)算產(chǎn)業(yè)聯(lián)盟.邊緣計(jì)算產(chǎn)業(yè)聯(lián)盟白皮書(shū)[EB/OL].2016-11.

[21]熊俊杰,陳經(jīng)緯,蘇聰,周起如,包德剛.邊緣計(jì)算在5G時(shí)代的價(jià)值研究[J].數(shù)字通信世界,2019,(09):139.

摘自《自動(dòng)化博覽》2022年8月刊