油田物聯(lián)網(wǎng)系統(tǒng)邊緣計(jì)算研究與實(shí)踐

石 鋒，梁尚斌，蔣 勇，閆麗萍，徐建軍，郭曉東

1.中國(guó)石油化工股份有限公司 西北油田分公司，烏魯木齊 830011

2.四川大學(xué) 電子信息學(xué)院，成都 610065

1 引言

石油和天然氣工業(yè)，從原油開采到油氣集輸，需要高效可靠的技術(shù)和系統(tǒng)來監(jiān)測(cè)生產(chǎn)運(yùn)行情況，及時(shí)發(fā)現(xiàn)異常并進(jìn)行處理，提高安全生產(chǎn)水平。近年來，由于無線傳感器具有小型化、低速率、低功耗、快速部署、便于維護(hù)的特點(diǎn)，在油氣工業(yè)數(shù)據(jù)監(jiān)測(cè)和生產(chǎn)控制方面得到了廣泛應(yīng)用?；谖锫?lián)網(wǎng)的油田生產(chǎn)數(shù)據(jù)在線監(jiān)測(cè)系統(tǒng)，由智能感知層、網(wǎng)絡(luò)層、服務(wù)資源層和應(yīng)用層組成，通常在智能感知層對(duì)采集的異構(gòu)數(shù)據(jù)打包，通過網(wǎng)絡(luò)層發(fā)送至遠(yuǎn)端服務(wù)器層，在遠(yuǎn)端應(yīng)用層進(jìn)行協(xié)議解析和異常數(shù)據(jù)處理，同時(shí)在云端進(jìn)行控制指令下發(fā)[1-2]?；谠贫说奈锫?lián)網(wǎng)應(yīng)用具有資源按需分配、快速?gòu)椥圆渴鸷头?wù)可計(jì)量的特點(diǎn)[3-4]。但是基于云端的物聯(lián)網(wǎng)應(yīng)用，存在數(shù)據(jù)在服務(wù)器端處理和展示，在進(jìn)行邏輯控制時(shí)，也需要在云端進(jìn)行規(guī)則判斷，然后把控制指令下發(fā)至現(xiàn)場(chǎng)感知層，異常數(shù)據(jù)處理和邏輯控制嚴(yán)重依賴網(wǎng)絡(luò)，由于網(wǎng)絡(luò)時(shí)延、擁塞，不能及時(shí)響應(yīng)現(xiàn)場(chǎng)異常情況。

應(yīng)對(duì)這種挑戰(zhàn)，計(jì)算領(lǐng)域最近出現(xiàn)了范式轉(zhuǎn)變，即邊緣計(jì)算[5-6]。邊緣計(jì)算可以看作是云計(jì)算的補(bǔ)充，在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合云計(jì)算中的計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)和應(yīng)用資源，利用邊緣計(jì)算提供計(jì)算和存儲(chǔ)能力，使應(yīng)用、服務(wù)和內(nèi)容實(shí)現(xiàn)本地化部署，滿足業(yè)務(wù)低時(shí)延、海量連接的需求，緩解網(wǎng)絡(luò)負(fù)載壓力[7-8]。在油田物聯(lián)網(wǎng)應(yīng)用中，云計(jì)算和邊緣計(jì)算之間可以相互協(xié)作和補(bǔ)充，實(shí)現(xiàn)云端計(jì)算下沉至邊緣端[9-10]，實(shí)現(xiàn)業(yè)務(wù)本地化，降低能耗，避免了因網(wǎng)絡(luò)擁塞和中斷時(shí)造成的服務(wù)中斷和數(shù)據(jù)丟失。通過在邊緣端實(shí)現(xiàn)異常數(shù)據(jù)檢測(cè)和邏輯控制，降低生產(chǎn)安全風(fēng)險(xiǎn)[11-12]。

本文首先分析了基于云端應(yīng)用的物聯(lián)網(wǎng)系統(tǒng)的特點(diǎn)以及進(jìn)行異構(gòu)海量數(shù)據(jù)連接、實(shí)時(shí)處理、分析和邏輯控制的缺陷，提出基于邊緣計(jì)算的油田物聯(lián)網(wǎng)架構(gòu)，在邊緣端實(shí)現(xiàn)數(shù)據(jù)接入、協(xié)議轉(zhuǎn)換與數(shù)據(jù)異常檢測(cè)和邏輯控制。根據(jù)油田應(yīng)用實(shí)際，在邊緣網(wǎng)關(guān)部署阿里巴巴公司的Link Edge邊緣計(jì)算環(huán)境，結(jié)合油田應(yīng)用實(shí)際開發(fā)設(shè)備接入驅(qū)動(dòng)程序和數(shù)據(jù)處理用戶程序，使用孤立森林算法進(jìn)行異常數(shù)據(jù)檢測(cè)和處理[13-15]，利用邊緣端的計(jì)算和存儲(chǔ)能力進(jìn)行函數(shù)計(jì)算，實(shí)現(xiàn)加熱爐溫度控制功能，滿足業(yè)務(wù)低時(shí)延、高可靠和實(shí)時(shí)服務(wù)，同時(shí)在云端實(shí)現(xiàn)設(shè)備管理、數(shù)據(jù)展示、報(bào)警信息查詢。

2 油田物聯(lián)網(wǎng)邊緣計(jì)算設(shè)計(jì)

邊緣計(jì)算通過把小型帶有計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)接入能力的設(shè)備部署在網(wǎng)絡(luò)邊緣，與智能傳感器、有線儀表和用戶緊密相連，既可以滿足邊緣設(shè)備計(jì)算能力擴(kuò)展需求，又可以有效減少網(wǎng)絡(luò)負(fù)載，降低數(shù)據(jù)時(shí)延。邊緣計(jì)算面向的對(duì)象包括來自邊緣端物聯(lián)網(wǎng)的上行數(shù)據(jù)和來自云計(jì)算中心的下行數(shù)據(jù)[16-17]。

油田現(xiàn)場(chǎng)生產(chǎn)活動(dòng)分散地處于偏遠(yuǎn)且難以到達(dá)的惡劣自然環(huán)境地區(qū)，網(wǎng)絡(luò)連接時(shí)常發(fā)生中斷情況，現(xiàn)場(chǎng)生產(chǎn)數(shù)據(jù)無法回傳和實(shí)時(shí)控制?，F(xiàn)場(chǎng)數(shù)據(jù)采集、傳輸和業(yè)務(wù)邏輯的實(shí)時(shí)性要求較高，如果數(shù)據(jù)分析和控制邏輯全部集中在云端完成，難以滿足實(shí)時(shí)性需求。另一方面，邊緣計(jì)算可以提供計(jì)算卸載，在邊緣端進(jìn)行通信協(xié)議解析、數(shù)據(jù)格式轉(zhuǎn)換后可以實(shí)時(shí)響應(yīng)感知層設(shè)備，將異常數(shù)據(jù)過濾后進(jìn)行規(guī)則學(xué)習(xí)，計(jì)算報(bào)警閾值，數(shù)據(jù)異常時(shí)觸發(fā)報(bào)警，減少傳統(tǒng)云端計(jì)算模式下報(bào)警信息大量冗余和淹沒有效報(bào)警信息的弊端，提高響應(yīng)，降低時(shí)延，實(shí)現(xiàn)安全生產(chǎn)的目標(biāo)。油田物聯(lián)網(wǎng)邊緣計(jì)算整體架構(gòu)自下而上分為智能感知層、邊緣計(jì)算層、云計(jì)算層[18-20]，總體設(shè)計(jì)如圖1所示。

智能感知層，通常包括無線智能壓力、溫度、抽油泵示功圖傳感器、電量監(jiān)測(cè)設(shè)備、流量計(jì)、調(diào)節(jié)閥以及電動(dòng)機(jī)變頻器等。感知層設(shè)備與上層設(shè)備通信方式有無線和有線兩種方式，通信協(xié)議分別為基于IEEE 802.15.4標(biāo)準(zhǔn)和ZigBee 通信協(xié)議標(biāo)準(zhǔn)的油田SZ9-GRM（G 代表網(wǎng)關(guān)Gateway，R代表路由Router，M代表無線儀表等測(cè)量設(shè)備Measurement）私有通信協(xié)議和工業(yè)標(biāo)準(zhǔn)Modbus通信協(xié)議，感知層設(shè)備的安全主要考慮設(shè)備的物理安全和內(nèi)容安全。

邊緣計(jì)算層，在油田物聯(lián)網(wǎng)邊緣計(jì)算系統(tǒng)中邊緣網(wǎng)關(guān)設(shè)備具有豐富的下聯(lián)設(shè)備接口，包含以太網(wǎng)口、RS-232/485串口、數(shù)字量輸入/輸出接口以及3G/4G模塊。邊緣網(wǎng)關(guān)具有訪問互聯(lián)網(wǎng)的功能，充當(dāng)邊緣網(wǎng)關(guān)的角色，既可以實(shí)現(xiàn)設(shè)備數(shù)據(jù)的采集、過濾、流轉(zhuǎn)、存儲(chǔ)、分析和處理，又可以將設(shè)備數(shù)據(jù)上報(bào)至云端，同時(shí)提供規(guī)則引擎和函數(shù)計(jì)算功能，方便應(yīng)用場(chǎng)景編排和業(yè)務(wù)擴(kuò)展，邊緣計(jì)算層的核心功能接口如圖2所示。

圖1 油田物聯(lián)網(wǎng)邊緣計(jì)算架構(gòu)

圖2 邊緣計(jì)算層核心功能

云計(jì)算層，通常包括服務(wù)器計(jì)算資源、存儲(chǔ)資源、云端網(wǎng)絡(luò)和用戶應(yīng)用程序部分，除了提供復(fù)雜的數(shù)據(jù)處理、分析和展示外，還提供異常數(shù)據(jù)報(bào)警管理、設(shè)備管理和控制功能，與邊緣端處理協(xié)同，滿足不同的業(yè)務(wù)應(yīng)用需求。

從圖2可知，在邊緣計(jì)算層需要實(shí)現(xiàn)底層設(shè)備接入驅(qū)動(dòng)的開發(fā)和管理，支持設(shè)備驅(qū)動(dòng)程序云端下發(fā)、子設(shè)備通道設(shè)定管理和子設(shè)備添加、刪除管理與維護(hù)等功能；協(xié)議數(shù)據(jù)解析與轉(zhuǎn)換，經(jīng)過數(shù)據(jù)過濾后，利用異常數(shù)據(jù)處理算法進(jìn)行數(shù)據(jù)實(shí)時(shí)檢測(cè)和異常值判斷和報(bào)警提醒；基于規(guī)則引擎進(jìn)行多個(gè)數(shù)據(jù)邏輯控制，進(jìn)而實(shí)現(xiàn)設(shè)備連鎖控制功能。通過在邊緣端部署邊緣網(wǎng)關(guān)，將原來云端計(jì)算和存儲(chǔ)資源下放至邊緣端，在邊緣端實(shí)現(xiàn)設(shè)備協(xié)議數(shù)據(jù)包解析、數(shù)據(jù)格式轉(zhuǎn)換、數(shù)據(jù)過濾和報(bào)警提醒以及設(shè)備連鎖邏輯控制，降低網(wǎng)絡(luò)時(shí)延和由于網(wǎng)絡(luò)中斷造成數(shù)據(jù)丟失和控制功能失效，提高業(yè)務(wù)實(shí)時(shí)連續(xù)性，保障生產(chǎn)平穩(wěn)運(yùn)行。

3 邊緣計(jì)算功能

油田物聯(lián)網(wǎng)邊緣計(jì)算功能主要包括設(shè)備程序開發(fā)封裝和部署、基于孤立森林算法的異常數(shù)據(jù)檢測(cè)和設(shè)備邏輯控制三方面。

3.1 設(shè)備接入

邊緣計(jì)算的實(shí)現(xiàn)依托Link Edge 提供的支撐環(huán)境，設(shè)備接入模塊在Link Edge 中實(shí)現(xiàn)。一個(gè)完整的設(shè)備接入驅(qū)動(dòng)由設(shè)備的連接管理、協(xié)議數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)交互與命令處理組成。連接管理是指設(shè)備與網(wǎng)關(guān)建立通信連接，Link Edge不限制建立通信連接的協(xié)議，可根據(jù)業(yè)務(wù)需求靈活選擇。協(xié)議數(shù)據(jù)轉(zhuǎn)換是指設(shè)備接入驅(qū)動(dòng)將獲取到的終端設(shè)備數(shù)據(jù)轉(zhuǎn)換為符合物聯(lián)網(wǎng)模型規(guī)范的數(shù)據(jù)格式，并上報(bào)到云端。數(shù)據(jù)與命令處理是指驅(qū)動(dòng)可以處理云端對(duì)于設(shè)備的操作請(qǐng)求，并完成對(duì)設(shè)備的服務(wù)調(diào)用和處理調(diào)用結(jié)果，最終將結(jié)果返回到云端。

設(shè)備接入驅(qū)動(dòng)是Link Edge 中獨(dú)立的服務(wù)模塊，Link Edge 除了提供常用協(xié)議驅(qū)動(dòng)，如Modbus、OPC UA驅(qū)動(dòng)外，還支持自定義驅(qū)動(dòng)開發(fā)。本文根據(jù)GRM私有通信協(xié)議開發(fā)自定義設(shè)備接入驅(qū)動(dòng)，并自定義驅(qū)動(dòng)功能和數(shù)據(jù)流向。

GRM 協(xié)議系統(tǒng)是基于國(guó)際標(biāo)準(zhǔn)實(shí)現(xiàn)的通用協(xié)議，是在油氣行業(yè)的具體應(yīng)用，包含儀表通信協(xié)議、儀表配置協(xié)議、儀表標(biāo)定協(xié)議和儀表工作狀態(tài)轉(zhuǎn)換規(guī)定等。其基本思路是通過無線接收終端采集無線儀表的數(shù)據(jù)，再經(jīng)路由形成ZigBee 網(wǎng)絡(luò)將數(shù)據(jù)傳送到就近的網(wǎng)關(guān)，再將數(shù)據(jù)傳送至云端。儀表通信協(xié)議基于ZigBee通信協(xié)議，在協(xié)議數(shù)據(jù)包中嵌入應(yīng)用協(xié)議數(shù)據(jù)，應(yīng)用層協(xié)議數(shù)據(jù)幀包括幀頭和數(shù)據(jù)兩大部分，幀頭部分包含協(xié)議類型、儀表廠商代碼、儀表類型、儀表組號(hào)、儀表序號(hào)和數(shù)據(jù)類型幾個(gè)數(shù)據(jù)段。儀表通信協(xié)議數(shù)據(jù)幀格式如表1所示。

表1 儀表通信協(xié)議數(shù)據(jù)幀格式

在本文構(gòu)建的邊緣計(jì)算物聯(lián)網(wǎng)系統(tǒng)中使用無線接收終端接收無線儀表的數(shù)據(jù)，然后將數(shù)據(jù)通過RS-485接口傳送至邊緣網(wǎng)關(guān)中，處理后發(fā)送至遠(yuǎn)端數(shù)據(jù)中心服務(wù)器。無線接收終端使用API模式進(jìn)行數(shù)據(jù)接收，支持用戶開發(fā)程序通過串口直接讀取數(shù)據(jù)，其數(shù)據(jù)幀通用格式如表2所示。基于以上兩種數(shù)據(jù)幀內(nèi)容定義，開發(fā)用戶驅(qū)動(dòng)程序進(jìn)行儀表設(shè)備數(shù)據(jù)讀取請(qǐng)求與應(yīng)答，實(shí)現(xiàn)數(shù)據(jù)實(shí)時(shí)監(jiān)控。

表2 終端接收數(shù)據(jù)幀通用格式

用戶驅(qū)動(dòng)的開發(fā)基于Link Edge 的集成開發(fā)環(huán)境Docker 鏡像進(jìn)行，設(shè)備驅(qū)動(dòng)開發(fā)包括程序編碼、編譯打包、程序上傳至云端、部署至邊緣設(shè)備、數(shù)據(jù)查看和運(yùn)行日志查看等流程。

3.2 孤立森林法異常數(shù)據(jù)檢測(cè)

在基于云端應(yīng)用的物聯(lián)網(wǎng)架構(gòu)下，海量異構(gòu)設(shè)備數(shù)據(jù)在云端進(jìn)行異常數(shù)據(jù)實(shí)時(shí)檢測(cè)處理無法滿足業(yè)務(wù)需求，因此數(shù)據(jù)在云端應(yīng)用上通過設(shè)定報(bào)警值的閾值范圍來檢測(cè)異常，當(dāng)數(shù)據(jù)超出閾值范圍時(shí)觸發(fā)報(bào)警?，F(xiàn)場(chǎng)生產(chǎn)數(shù)據(jù)情況波動(dòng)、儀表設(shè)備采集數(shù)據(jù)時(shí)，不可避免地產(chǎn)生噪聲、數(shù)據(jù)缺失和錯(cuò)誤及信號(hào)傳輸異常，導(dǎo)致產(chǎn)生大量報(bào)警信息，淹沒了有效報(bào)警信息，并且需要生產(chǎn)監(jiān)控管理人員進(jìn)行現(xiàn)場(chǎng)確認(rèn)，帶來許多額外工作。

基于邊緣計(jì)算的物聯(lián)網(wǎng)架構(gòu)，可以在邊緣端對(duì)關(guān)鍵生產(chǎn)數(shù)據(jù)進(jìn)行異常檢測(cè)，同時(shí)將異常數(shù)據(jù)值和報(bào)警規(guī)則上傳至云端，提高業(yè)務(wù)響應(yīng)的實(shí)時(shí)性，降低網(wǎng)絡(luò)負(fù)載。

異常數(shù)據(jù)檢測(cè)方法是對(duì)正常樣本進(jìn)行特征描述，不在正常特征空間中的樣本被視為異常。異常數(shù)據(jù)具有兩個(gè)特點(diǎn)：一是異常數(shù)據(jù)只占少量，屬于異常特征值；二是和正常數(shù)據(jù)差別很大。

孤立森林（Isolation Forest）檢測(cè)算法是不再描述正常的樣本點(diǎn)，而是要孤立異常點(diǎn)。異常數(shù)據(jù)被定義為“容易被孤立的離群點(diǎn)”，可以認(rèn)為是分布稀疏且距離密度高的群體較遠(yuǎn)的點(diǎn)。在樣本特征空間中，分布稀疏的區(qū)域表示事件發(fā)生在該區(qū)域的概率很低，認(rèn)為落在這些區(qū)域里的數(shù)據(jù)是異常的。孤立森林算法是一種無監(jiān)督異常數(shù)據(jù)檢測(cè)方法，不需要有標(biāo)記的樣本來訓(xùn)練，但是要求樣本特征是連續(xù)的變量，隨機(jī)遞歸地分割樣本數(shù)據(jù)集，直到所有的樣本點(diǎn)都是孤立的，在這種隨機(jī)分割的策略下，異常點(diǎn)通常具有較短的路徑。

孤立森林算法對(duì)數(shù)據(jù)集進(jìn)行隨機(jī)采樣并構(gòu)造樹iTree。iTree 是一種隨機(jī)二叉樹，每個(gè)節(jié)點(diǎn)要么有兩個(gè)孩子，要么就是葉子節(jié)點(diǎn)，一個(gè)孩子都沒有。然后將多個(gè)iTree 集成為森林iForest，將傳入的數(shù)據(jù)遍歷每一棵樹的節(jié)點(diǎn)，根據(jù)平均路徑深度檢測(cè)是否為異常。

構(gòu)造iTree的思想如下：

（1）從給定的數(shù)據(jù)集中隨機(jī)選擇ψ個(gè)樣本點(diǎn)作為子采樣數(shù)據(jù)集，并構(gòu)造一棵初始的iTree，將子采樣放入樹的根節(jié)點(diǎn)。

（2）根據(jù)數(shù)據(jù)集特征，指定數(shù)據(jù)集的一個(gè)屬性項(xiàng)q，在屬性項(xiàng)q中隨機(jī)產(chǎn)生一個(gè)分割點(diǎn)p，分割點(diǎn)p介于屬性數(shù)據(jù)項(xiàng)q的最大值與最小值之間。

（3）根據(jù)數(shù)據(jù)點(diǎn)的p值對(duì)每條記錄進(jìn)行劃分，構(gòu)造iTree，把小于p值的記錄放在左節(jié)點(diǎn)，把大于等于p值的記錄放在右節(jié)點(diǎn)。

（4）遞歸執(zhí)行步驟（2）和步驟（3），不斷構(gòu)造新的樹節(jié)點(diǎn)，直到子采樣數(shù)據(jù)集中只有一條數(shù)據(jù)，無法繼續(xù)分割，或者樹的高度已經(jīng)達(dá)到初始定義好的限定高度。

iTree是一個(gè)完全二叉樹，樹中的每個(gè)節(jié)點(diǎn)都有0或兩個(gè)子節(jié)點(diǎn)。假設(shè)所有實(shí)例都是不同的，當(dāng)一個(gè)iTree完全生長(zhǎng)時(shí)，每個(gè)實(shí)例都被隔離到一個(gè)外部節(jié)點(diǎn)，在這種情況下，外部節(jié)點(diǎn)的數(shù)量是n，內(nèi)部節(jié)點(diǎn)為n-1，節(jié)點(diǎn)總數(shù)為2n-1。異常檢測(cè)的任務(wù)是提供一個(gè)反映異常程度的排序。

根據(jù)給定數(shù)據(jù)集構(gòu)建完成t個(gè)iTree 之后生成孤立森林模型iForest，然后用來評(píng)估測(cè)試數(shù)據(jù)，發(fā)現(xiàn)異常數(shù)據(jù)。對(duì)于一個(gè)測(cè)試數(shù)據(jù)x，遍歷每一棵iTree，計(jì)算x落在每一棵樹的深度，即葉子節(jié)點(diǎn)到根節(jié)點(diǎn)的路徑長(zhǎng)度，記為h(x)，根據(jù)h(x)來判斷一條記錄x是否是異常點(diǎn)，所有h(x)的平均值為E(h(x))，因此設(shè)置標(biāo)準(zhǔn)平均搜索長(zhǎng)度c(ψ)為：

從而可以定義一個(gè)待測(cè)數(shù)據(jù)x的異常評(píng)分為：

從式（3）中可以看出：

當(dāng)E(h(x))→c(ψ),s→ 0.5;

當(dāng)E(h(x))→ 0,s→ 1;

當(dāng)E(h(x))→n-1,s→0 。

根據(jù)異常評(píng)分可以判斷出，當(dāng)評(píng)分值為1 時(shí)，該數(shù)據(jù)點(diǎn)為異常值；當(dāng)評(píng)分值小于0.5 時(shí)，該數(shù)據(jù)點(diǎn)為正常值；如果所有數(shù)據(jù)點(diǎn)評(píng)分值全部約為0.5時(shí)，說明整個(gè)數(shù)據(jù)集都沒有明顯異常。

通過在觀測(cè)數(shù)據(jù)的最大值與最小值之間生成隨機(jī)數(shù)構(gòu)建孤立森林，因?yàn)槲锫?lián)網(wǎng)觀測(cè)數(shù)據(jù)的正常值變化范圍較小，在構(gòu)建孤立森林時(shí)子采樣空間大小為觀測(cè)值去重后數(shù)量的4 倍，建立孤立樹的個(gè)數(shù)為50，最大樹高度為10層。由于正常數(shù)據(jù)與異常數(shù)據(jù)的臨界值需要在具體應(yīng)用中分析來確定，本文使用包含訓(xùn)練數(shù)據(jù)在內(nèi)的一系列數(shù)據(jù)進(jìn)行模擬計(jì)算10組數(shù)據(jù)，然后計(jì)算其均值，確定正常數(shù)據(jù)與異常數(shù)據(jù)的臨界值為0.581。模擬計(jì)算結(jié)果如圖3所示。在進(jìn)行異常數(shù)據(jù)實(shí)時(shí)檢測(cè)時(shí)，計(jì)算的孤立森林值大于0.581時(shí)，則進(jìn)行異常報(bào)警提醒。

圖3 臨界值模擬計(jì)算結(jié)果

3.3 邊緣端過程控制

在傳統(tǒng)的油田物聯(lián)網(wǎng)系統(tǒng)應(yīng)用場(chǎng)景中，油井生產(chǎn)現(xiàn)場(chǎng)的各類傳感器負(fù)責(zé)實(shí)時(shí)采集數(shù)據(jù)，通過3G/4G或者光纜等有線網(wǎng)絡(luò)將數(shù)據(jù)傳輸至遠(yuǎn)端數(shù)據(jù)中心服務(wù)器，在遠(yuǎn)端數(shù)據(jù)中心服務(wù)器進(jìn)行數(shù)據(jù)格式轉(zhuǎn)換、處理、分析和運(yùn)算，然后將處理結(jié)果及生產(chǎn)控制指令再通過網(wǎng)絡(luò)傳輸至現(xiàn)場(chǎng)儀表層，實(shí)現(xiàn)現(xiàn)場(chǎng)過程控制。這種傳統(tǒng)的物聯(lián)網(wǎng)架構(gòu)，數(shù)據(jù)異常處理和過程控制嚴(yán)重依賴網(wǎng)絡(luò)，當(dāng)網(wǎng)絡(luò)中斷時(shí)，不可避免地產(chǎn)生業(yè)務(wù)中斷，給安全生產(chǎn)帶來極大的隱患。如果將云端的計(jì)算、存儲(chǔ)資源下沉至邊緣端，在邊緣端集成異常數(shù)據(jù)檢測(cè)處理和邏輯控制，可以提高業(yè)務(wù)連續(xù)性、實(shí)時(shí)性，降低安全風(fēng)險(xiǎn)[21]。本文構(gòu)建的油田物聯(lián)網(wǎng)邊緣計(jì)算模式，依托邊緣端計(jì)算、存儲(chǔ)資源和Link Edge 邊緣計(jì)算環(huán)境以及輕量級(jí)存儲(chǔ)環(huán)境SQLite，構(gòu)建近端邊緣層與云端計(jì)算層協(xié)同處理的新模式。在近端邊緣層對(duì)儀表感知層的數(shù)據(jù)進(jìn)行預(yù)處理、異常檢測(cè)和數(shù)據(jù)修正，同時(shí)完成現(xiàn)場(chǎng)的過程控制和故障診斷，同時(shí)將數(shù)據(jù)、異常檢測(cè)結(jié)果和過程控制邏輯上傳至云端，在云端進(jìn)行深層次的計(jì)算，云端展示給用戶使用和判斷，這樣就實(shí)現(xiàn)了一個(gè)立體的分層式數(shù)據(jù)協(xié)同處理過程[22-23]。

在如圖4的實(shí)際邏輯場(chǎng)景中，油井加熱爐對(duì)開采的原油進(jìn)行加熱后經(jīng)過輸油管線運(yùn)輸，為了防止非金屬輸油管線因原油加熱溫度過高，導(dǎo)致使用壽命降低，或者物理損傷后造成原油泄漏，進(jìn)而導(dǎo)致環(huán)境污染現(xiàn)象發(fā)生，需要實(shí)時(shí)監(jiān)測(cè)和控制加熱后的出口溫度，設(shè)定控制邏輯如下：當(dāng)火焰探測(cè)器監(jiān)測(cè)無火焰時(shí)，同時(shí)關(guān)閉調(diào)節(jié)閥1和調(diào)節(jié)閥2；當(dāng)出口溫度大于65 ℃時(shí)，減少供氣，打開調(diào)節(jié)閥2，關(guān)閉調(diào)節(jié)閥1，當(dāng)溫度小于45 ℃時(shí)，增加供氣，打開調(diào)節(jié)閥1，關(guān)閉調(diào)節(jié)閥2。

圖4 加熱爐邏輯控制場(chǎng)景

本文在Link Edge 中通過函數(shù)計(jì)算功能實(shí)現(xiàn)現(xiàn)場(chǎng)邏輯控制，函數(shù)計(jì)算是一種運(yùn)行時(shí)框架，遵循事件驅(qū)動(dòng)模型?？梢允褂帽镜睾瘮?shù)計(jì)算框架基于設(shè)備數(shù)據(jù)、事件的業(yè)務(wù)邏輯開發(fā)實(shí)現(xiàn)控制，在本地?cái)?shù)據(jù)存儲(chǔ)的基礎(chǔ)上，進(jìn)行數(shù)據(jù)過濾、計(jì)算，然后根據(jù)函數(shù)計(jì)算實(shí)現(xiàn)控制，同時(shí)利用邊緣端的消息路由功能，控制本地?cái)?shù)據(jù)在邊緣計(jì)算節(jié)點(diǎn)中的流轉(zhuǎn)，如將設(shè)備數(shù)據(jù)流轉(zhuǎn)至函數(shù)計(jì)算、流數(shù)據(jù)分析，進(jìn)行數(shù)據(jù)清洗、加工、聚合之后再流入至企業(yè)云端服務(wù)器，大大減少數(shù)據(jù)傳輸成本，實(shí)現(xiàn)數(shù)據(jù)安全可控。邊緣計(jì)算節(jié)點(diǎn)在斷網(wǎng)或者網(wǎng)絡(luò)條件較弱的時(shí)候，將數(shù)據(jù)保存在本地存儲(chǔ)區(qū)，不但可以提供數(shù)據(jù)恢復(fù)能力，由于計(jì)算和存儲(chǔ)資源下沉在本地，還能夠?qū)崿F(xiàn)本地控制的業(yè)務(wù)連續(xù)性。邊緣計(jì)算節(jié)點(diǎn)通過函數(shù)計(jì)算實(shí)現(xiàn)邏輯控制功能的結(jié)構(gòu)如圖5所示。

4 性能評(píng)估

為了評(píng)估在邊緣側(cè)進(jìn)行異常數(shù)據(jù)處理和函數(shù)計(jì)算邏輯控制的精度和運(yùn)行效率，分別從異常數(shù)據(jù)檢測(cè)處理計(jì)算時(shí)間和算法精度兩方面進(jìn)行評(píng)估。

4.1 異常檢測(cè)計(jì)算時(shí)間對(duì)比

在邊緣端使用的邊緣網(wǎng)關(guān)硬件配置和云端數(shù)據(jù)中心服務(wù)器硬件配置如表3所示。

表3 邊緣端和云端異常檢測(cè)設(shè)備配置對(duì)比

圖5 邊緣計(jì)算節(jié)點(diǎn)函數(shù)計(jì)算

在邊緣端和云端分別運(yùn)行異常數(shù)據(jù)檢測(cè)程序，運(yùn)行10次，得到平均運(yùn)行消耗的時(shí)間如表4所示。從邊緣端運(yùn)行時(shí)間可以看出，在邊緣端進(jìn)行單個(gè)數(shù)據(jù)異常檢測(cè)的平均時(shí)間僅為1.05 s，處理的時(shí)效性滿足生產(chǎn)應(yīng)用需要。同時(shí)結(jié)合云數(shù)據(jù)過濾功能，可以僅將異常數(shù)據(jù)和報(bào)警規(guī)則上傳至云端，降低網(wǎng)絡(luò)傳輸成本。

表4 邊緣端和云端異常檢測(cè)運(yùn)行時(shí)間對(duì)比

基于函數(shù)計(jì)算的邏輯控制功能的時(shí)間響應(yīng)也在秒級(jí)，由此可知，基于邊緣計(jì)算設(shè)備實(shí)現(xiàn)云端的計(jì)算功能，可以滿足生產(chǎn)實(shí)際需要。

4.2 檢測(cè)算法精度分析

由于物聯(lián)網(wǎng)監(jiān)測(cè)的正常數(shù)據(jù)的變化范圍較小，而且數(shù)值固定在某一個(gè)區(qū)間，因此在進(jìn)行算法精度評(píng)估中，按照實(shí)際監(jiān)測(cè)數(shù)據(jù)個(gè)數(shù)的兩倍生成一個(gè)序列進(jìn)行精度監(jiān)測(cè)，實(shí)際監(jiān)測(cè)數(shù)據(jù)值為0.82至1.10之間，共18個(gè)不同的數(shù)據(jù)。在精度分析中根據(jù)實(shí)際數(shù)據(jù)最大值和最小值以及數(shù)據(jù)個(gè)數(shù)，計(jì)算數(shù)據(jù)變化間隔，然后按照間隔數(shù)據(jù)生成一個(gè)從0.692至1.237的區(qū)間，使用混淆矩陣進(jìn)行精度評(píng)價(jià)。

混淆矩陣中的真陽性（True Positive，TP）是正常數(shù)據(jù)被異常檢測(cè)程序正確識(shí)別為正常數(shù)據(jù)的數(shù)量；偽陽性（False Positive，F(xiàn)N）是實(shí)際為異常數(shù)據(jù)被異常檢測(cè)為正常數(shù)據(jù)的數(shù)量；真陰性（True Negative，TN）是實(shí)際為異常數(shù)據(jù)被識(shí)別為異常數(shù)據(jù)的數(shù)量；偽陰性（False Negative，F(xiàn)N）是實(shí)際為異常數(shù)據(jù)被識(shí)別成正常數(shù)據(jù)的數(shù)量。真陽性和真陰性是正確的識(shí)別，一個(gè)好的檢測(cè)算法應(yīng)該有較大的真陽性和真陰性值，較小的偽陽性和偽陰性值。

在精度評(píng)價(jià)中，使用36 個(gè)數(shù)據(jù)值的序列，運(yùn)行10次，求得平均值，進(jìn)行混淆矩陣計(jì)算，計(jì)算結(jié)果如表5所示。

表5 精度評(píng)價(jià)混淆矩陣

精確度（Accuracy）或者稱為總成功率是度量檢測(cè)算法能夠正確地對(duì)數(shù)據(jù)進(jìn)行正常檢測(cè)的比例，被定義為TP和TN的總和除以數(shù)據(jù)總數(shù)，如式（4）所示：

真陽性率（True Positive Rate，TPR）是被檢測(cè)程序正確識(shí)別為正常數(shù)據(jù)的比例；偽陽性率（False Positive Rate，F(xiàn)PR）是異常數(shù)據(jù)被檢測(cè)為正常數(shù)據(jù)的比例，F(xiàn)PR也稱為錯(cuò)誤率；偽陰性率（False Negative Rate，F(xiàn)NR）是正常數(shù)據(jù)被標(biāo)記為異常數(shù)據(jù)的比例，F(xiàn)NR 也稱為誤報(bào)率。參數(shù)計(jì)算如式（5）所示：

由式（4）、（5）計(jì)算得到檢測(cè)算法的精確度為94.44%，真陽性率為88.89%，偽陽性率即漏報(bào)率為0，偽陰性率即誤報(bào)率為11.11%，從實(shí)際應(yīng)用安全要求本質(zhì)來看，誤報(bào)率可以接受，而漏報(bào)不能被接受。

5 結(jié)束語

針對(duì)油田物聯(lián)網(wǎng)邊緣計(jì)算問題，提出了邊緣計(jì)算整體的架構(gòu)，實(shí)現(xiàn)了行業(yè)數(shù)據(jù)接入驅(qū)動(dòng)和云端設(shè)備監(jiān)控與管理功能，并基于邊緣端的設(shè)備實(shí)現(xiàn)基于監(jiān)測(cè)數(shù)據(jù)的最值之間的隨機(jī)數(shù)生成孤立森林進(jìn)行異常數(shù)據(jù)檢測(cè)和異常報(bào)警，同時(shí)使用邊緣計(jì)算的函數(shù)計(jì)算功能實(shí)現(xiàn)設(shè)備間的邏輯控制，最終實(shí)現(xiàn)基于邊緣設(shè)備進(jìn)行數(shù)據(jù)就地監(jiān)測(cè)和就近控制，避免了網(wǎng)絡(luò)時(shí)延和中斷帶來的影響。通過從異常檢測(cè)計(jì)算時(shí)間對(duì)比和檢測(cè)精度分析對(duì)比來看，孤立森林算法可以很好地應(yīng)用于物聯(lián)網(wǎng)邊緣計(jì)算場(chǎng)景中。但是在異常數(shù)據(jù)檢測(cè)中誤報(bào)率較高，仍然需要進(jìn)一步改進(jìn)和提高。