论文部分内容阅读
摘要：在无线通信技术与智能传感器技术高速的发展背景下，油田物联网系统的应用使得生产现场数据采集效率得到了大幅提升，并能够有效地控制其生产过程。但是应用物联网系统，主要是通过远程数据中心对相关数据进行计算与控制，常常受到通信延迟阈网络带宽的影响。针对物联网系统边缘层设备进行边缘计算，将边缘网关计算与存储作用有效发挥出来，通或孤立森林算法，来有效监测异常数据与报警规则学习，并逻辑控制温度与阀门开关，把原来云端处理作用向边缘端进行下沉，降低网络要求，为偏远地区油田生产提供参考。
关键词：物联网;边缘计算;孤立森林
对于边缘计算而言，是在网络边缘将一些具有计算、存储和接入网络功能的小型设备安装与此，连接智能传感器以及有线仪表与用户等，不但可以有效拓展边缘设备计算能力，并能对网络负载进行缩小，避免数据时延。边缘端物联网上的各种上行数据以及下行的云计算中心数据是边缘计算的主要对象。将边缘计算应用于油田物联网，使得油田安全生产大幅提升。
1油田物联网边缘计算设计
由于油田作业的特殊性，多分布在一些交通不便，气候恶劣的区域，网络链接过程中，中断现象比较普遍，难以将作业现场的生产数据进行及时回传，采取相应的控制措施。同时油田作业现场在采集相关数据以及传输和业务逻等方面有着非常高的实时性要求，倘若这些都通过云端来完成，无法达到实时性的要求。同时，在边缘计算下，能够提供计算卸载，通信协议在边缘端进行解析与转换数据之后，能够对感知层设备进行及时响应，过滤异常数据之后，进行规则学习，对报警阈值进行计算，出现异常数据过程中，将报警触发，避免过去云端计算过程中出现很多冗余的报警信息，将有效的信息进行淹没，无法触发报警等问题得到有效解决，增强相应，避免时延，有效提升安全生产的作用。智能感知层以及云计算层和边缘计算层是油田物联网边缘计算的整体架构组成。
2边缘计算功能
2.1设备接入
基于IOT Edge为边缘计算提供的有利环境，在IOT Edge中接入设备模块而实现。在IOT Edge中接入的设备驱动属于服务模块独立存在，常用的协议驱动由IOT Edge所提供，如Modbus，OPCUA驱动等，同时对于开发自定义驱动也提供支持。文中依照GRM私有通信协议，对自定义设备接入驱动进行自定义开发，并对数据流向以及其驱动功能进行自定义。该系统是在国际标准下开发的通用协议，并应用于油气行业实践中。其工作思路为，无线仪表数据经由无线接收终端采集之后，并通过路由，形成ZigBee网络将数据，并在最近的网关进行传输，之后把这些数据进行云端传送。ZigBee通信协议是仪表通信协议的前提，将应用协议数据嵌入到协议数据包内，帧头与数据等两部分是应用层协议数据的重要组成。
该文中进行边缘物联网系统的构建过程中，无线仪表数据的接收主要利用无线接收终端来完成，接着经由通讯接口把数据向边缘网关进行传送，经过相应处理向远端中心服务器进行发送，利用API模式来接收相应的数据，并为用户程序开发提供支持，数据通过相应接口直接读取。根据上述两种数据帧内容定义，在读取仪表设备数据相应请求和应答过程中利用用户驱动程序开发来实现，并实时的监控数据。
在IOT Edge的集成开发环境Docker镜像前提下，开发用户驱动，如程序编码以及编译打包，云端上传程序和边缘设备布置，查看数据以及查看日志运行等是设备驱动开发的主要流程。
2.2孤立森林法异常数据检测
孤立森林（Isolation Forest）检测算法不再对正常的样本点进行描述，对异常点进行孤立，利用“容易被孤立的离群点”来定义异常数据，由此便可认为呈现稀疏分布，与密度高距离较远的群体点。于样本特征方为内，稀疏分布的区域提示该区发生事件几率不高，觉得数据在这些区域中属于异常数据。
对于孤立森林算法而言，该方法为不断异常数据进行进度检测的方法，不必进行标记样本训练，然而样本特征必须变量必须是连续的，样本数据集通过随机递归地分割，孤立全部的样本点，受随机分割方法影响，异常点一般路径均较短。
2.3边缘端过程控制
过去油田物联网系统应用过程中，传感器负责对油井生产过程中的各种数据进行采集，在光缆或者3G/4G网络下，向远端数据中心服务器进行数据传输，并转换处理相关数据，分析运算，接着再利用网络把通过处理的数据指令，向现场仪表层进行传输，进而更好的控制现场。过去这种物联网架构，主要依靠网络来实现异常数据的处理，并进行相应的控制，如果发生网络中断，势必会出现业务中断，影响安全生产。倘若在边缘端将云端计算以及存储资源进行下沉，实现监测数据，并开展逻辑控制，能够更好的保证业务正常开展，不会发生中断，避免安全问题出现。文中基于边缘端具有的计算，存储和IOT Edge，对油田物联网边缘计算模式的构建。近段边缘层和云端计算层协同处理的构建模式，基于轻量级存储环境SQLite与边缘计算环境来实现。通过预处理仪表感知层的数据，并进行相应的检测与修正，实现控制现场的效果，开展故障诊断，向云端传输检测的数据结果以及过程控制逻辑，于云端开展深入的计算，并向用户进行展示，判断与使用，如此一来达到了分层立体式的数据协同处理过程。
3生能评估
为了评估在边缘侧进行异常数据处理和函数计算逻辑控制的精度和运行效率，分别从异常数据检测处理计算时间和算法精度两个方面进行评估。
3.1异常检测计算时间对比
将检测程序运行于边缘端以及云端，共进行十次运行，获知运行过程中的平均消耗时间。依照边缘端运行时间进行分析，检测单个的数据异常，时间在1.05秒，这样一来，与生产应用要求相符合，并与云数据过滤作用充分结合，能够向云端进行异常数据上传，同时上传报警规则，使网络运行成本得到了有效控制。
逻辑控制功能在函数计算中的时间相应也非常短，属于秒级，通过这些认为，云计算功能利用边缘计算设备，完全符合生产要求。
3.2检测算法精度分析
正常数据通过物联网进行监测，通常变化范围不大，同时这些都是在某区间固定的数据，所以评估算法精度时，根据具体监测的两倍数据个数，形成序列精度监测，具体监测的数值在0.82-1.1，不同的数据一共18个。依照具体数据最大值与最小值和相关的数据个数进行精度分析，对数据存在的变化间隔进行计算，并根据间隔数据形成0.692-1.237的一个区间，评价其精度时利用混淆矩阵来完成。依照应用实际进行分析，误报率较小，但是却存在较大的漏报率。
结语
为了更好的解决油田物联网边缘计算问题，进行相应架构的提出，不仅可以介入行业数据驱动，同时还实现监控与管理云端设备作用。同时在边缘端设备基礎上，将监测数据中最值间随机数生成孤立森林，来检测相应的异常数据，并进行异常报警设备中的逻辑控制利用边缘计算中的函数计算功能来实现，达到边缘设备实时监测数据，并机械能就近控制的作用，使得网络中断、延迟等问题得到了有效解决。对比分异常检测计算时间以及检测精度，在油田物联网计算场景中应用孤立森林算法满足相关要求，然而还存在较为突出的误报率问题，还需要更加深入的研究工作。
参考文献：
[1]施巍松，张星洲，王一帆，张庆阳.边缘计算：现状与展望[J].计算机研究与发展，2019（1）：69-89.
[2]林小新.云计算、边缘计算和雾计算——了解每种计算的实际应用[J].计算机与网络，2019（12）：42-43.
（作者单位：四机赛瓦石油钻采设备有限公司）
关键词：物联网;边缘计算;孤立森林
对于边缘计算而言，是在网络边缘将一些具有计算、存储和接入网络功能的小型设备安装与此，连接智能传感器以及有线仪表与用户等，不但可以有效拓展边缘设备计算能力，并能对网络负载进行缩小，避免数据时延。边缘端物联网上的各种上行数据以及下行的云计算中心数据是边缘计算的主要对象。将边缘计算应用于油田物联网，使得油田安全生产大幅提升。
1油田物联网边缘计算设计
由于油田作业的特殊性，多分布在一些交通不便，气候恶劣的区域，网络链接过程中，中断现象比较普遍，难以将作业现场的生产数据进行及时回传，采取相应的控制措施。同时油田作业现场在采集相关数据以及传输和业务逻等方面有着非常高的实时性要求，倘若这些都通过云端来完成，无法达到实时性的要求。同时，在边缘计算下，能够提供计算卸载，通信协议在边缘端进行解析与转换数据之后，能够对感知层设备进行及时响应，过滤异常数据之后，进行规则学习，对报警阈值进行计算，出现异常数据过程中，将报警触发，避免过去云端计算过程中出现很多冗余的报警信息，将有效的信息进行淹没，无法触发报警等问题得到有效解决，增强相应，避免时延，有效提升安全生产的作用。智能感知层以及云计算层和边缘计算层是油田物联网边缘计算的整体架构组成。
2边缘计算功能
2.1设备接入
基于IOT Edge为边缘计算提供的有利环境，在IOT Edge中接入设备模块而实现。在IOT Edge中接入的设备驱动属于服务模块独立存在，常用的协议驱动由IOT Edge所提供，如Modbus，OPCUA驱动等，同时对于开发自定义驱动也提供支持。文中依照GRM私有通信协议，对自定义设备接入驱动进行自定义开发，并对数据流向以及其驱动功能进行自定义。该系统是在国际标准下开发的通用协议，并应用于油气行业实践中。其工作思路为，无线仪表数据经由无线接收终端采集之后，并通过路由，形成ZigBee网络将数据，并在最近的网关进行传输，之后把这些数据进行云端传送。ZigBee通信协议是仪表通信协议的前提，将应用协议数据嵌入到协议数据包内，帧头与数据等两部分是应用层协议数据的重要组成。
该文中进行边缘物联网系统的构建过程中，无线仪表数据的接收主要利用无线接收终端来完成，接着经由通讯接口把数据向边缘网关进行传送，经过相应处理向远端中心服务器进行发送，利用API模式来接收相应的数据，并为用户程序开发提供支持，数据通过相应接口直接读取。根据上述两种数据帧内容定义，在读取仪表设备数据相应请求和应答过程中利用用户驱动程序开发来实现，并实时的监控数据。
在IOT Edge的集成开发环境Docker镜像前提下，开发用户驱动，如程序编码以及编译打包，云端上传程序和边缘设备布置，查看数据以及查看日志运行等是设备驱动开发的主要流程。
2.2孤立森林法异常数据检测
孤立森林（Isolation Forest）检测算法不再对正常的样本点进行描述，对异常点进行孤立，利用“容易被孤立的离群点”来定义异常数据，由此便可认为呈现稀疏分布，与密度高距离较远的群体点。于样本特征方为内，稀疏分布的区域提示该区发生事件几率不高，觉得数据在这些区域中属于异常数据。
对于孤立森林算法而言，该方法为不断异常数据进行进度检测的方法，不必进行标记样本训练，然而样本特征必须变量必须是连续的，样本数据集通过随机递归地分割，孤立全部的样本点，受随机分割方法影响，异常点一般路径均较短。
2.3边缘端过程控制
过去油田物联网系统应用过程中，传感器负责对油井生产过程中的各种数据进行采集，在光缆或者3G/4G网络下，向远端数据中心服务器进行数据传输，并转换处理相关数据，分析运算，接着再利用网络把通过处理的数据指令，向现场仪表层进行传输，进而更好的控制现场。过去这种物联网架构，主要依靠网络来实现异常数据的处理，并进行相应的控制，如果发生网络中断，势必会出现业务中断，影响安全生产。倘若在边缘端将云端计算以及存储资源进行下沉，实现监测数据，并开展逻辑控制，能够更好的保证业务正常开展，不会发生中断，避免安全问题出现。文中基于边缘端具有的计算，存储和IOT Edge，对油田物联网边缘计算模式的构建。近段边缘层和云端计算层协同处理的构建模式，基于轻量级存储环境SQLite与边缘计算环境来实现。通过预处理仪表感知层的数据，并进行相应的检测与修正，实现控制现场的效果，开展故障诊断，向云端传输检测的数据结果以及过程控制逻辑，于云端开展深入的计算，并向用户进行展示，判断与使用，如此一来达到了分层立体式的数据协同处理过程。
3生能评估
为了评估在边缘侧进行异常数据处理和函数计算逻辑控制的精度和运行效率，分别从异常数据检测处理计算时间和算法精度两个方面进行评估。
3.1异常检测计算时间对比
将检测程序运行于边缘端以及云端，共进行十次运行，获知运行过程中的平均消耗时间。依照边缘端运行时间进行分析，检测单个的数据异常，时间在1.05秒，这样一来，与生产应用要求相符合，并与云数据过滤作用充分结合，能够向云端进行异常数据上传，同时上传报警规则，使网络运行成本得到了有效控制。
逻辑控制功能在函数计算中的时间相应也非常短，属于秒级，通过这些认为，云计算功能利用边缘计算设备，完全符合生产要求。
3.2检测算法精度分析
正常数据通过物联网进行监测，通常变化范围不大，同时这些都是在某区间固定的数据，所以评估算法精度时，根据具体监测的两倍数据个数，形成序列精度监测，具体监测的数值在0.82-1.1，不同的数据一共18个。依照具体数据最大值与最小值和相关的数据个数进行精度分析，对数据存在的变化间隔进行计算，并根据间隔数据形成0.692-1.237的一个区间，评价其精度时利用混淆矩阵来完成。依照应用实际进行分析，误报率较小，但是却存在较大的漏报率。
结语
为了更好的解决油田物联网边缘计算问题，进行相应架构的提出，不仅可以介入行业数据驱动，同时还实现监控与管理云端设备作用。同时在边缘端设备基礎上，将监测数据中最值间随机数生成孤立森林，来检测相应的异常数据，并进行异常报警设备中的逻辑控制利用边缘计算中的函数计算功能来实现，达到边缘设备实时监测数据，并机械能就近控制的作用，使得网络中断、延迟等问题得到了有效解决。对比分异常检测计算时间以及检测精度，在油田物联网计算场景中应用孤立森林算法满足相关要求，然而还存在较为突出的误报率问题，还需要更加深入的研究工作。
参考文献：
[1]施巍松，张星洲，王一帆，张庆阳.边缘计算：现状与展望[J].计算机研究与发展，2019（1）：69-89.
[2]林小新.云计算、边缘计算和雾计算——了解每种计算的实际应用[J].计算机与网络，2019（12）：42-43.
（作者单位：四机赛瓦石油钻采设备有限公司）