(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210713585.6 (22)申请日 2022.06.22 (71)申请人 中国科学院软件研究所 地址 100190 北京市海淀区中关村南四街 4 号 (72)发明人 刘伟　董为　徐欢　王宏安　 (74)专利代理 机构 北京君尚知识产权代理有限 公司 11200 专利代理师 李文涛 (51)Int.Cl. G06F 9/50(2006.01) G06N 3/12(2006.01) G06N 3/08(2006.01) G06F 8/60(2018.01) G06F 8/35(2018.01)G06F 8/34(2018.01) G06F 8/36(2018.01) (54)发明名称 一种边云模型协同方法及系统 (57)摘要 本发明公开一种边云模 型协同方法及系统， 属于计算机软件技术领域， 通过在厂站侧构建设 备对象模型， 并将测点与设备对象模 型形成映射 关系， 然后将设备对象模型同步到集团侧； 厂站 侧采集各个厂站设备的静态、 动态数据， 并将包 含该静态、 动态数据的时序数据上传至集团侧； 集团侧根据设备对象模型以及获取的包含静态、 动态数据的时序数据， 构建训练模型， 然后基于 该训练模型创建算法模型并进行统一管理， 再基 于算法模型创建模型应用模板； 当厂站侧向集团 侧发出订阅请求后， 集团侧根据模 型应用模板创 建应用实例并下发到厂站侧； 厂站侧收到应用实 例后， 以应用容器的形式部署应用实例。 本发明 能够通过模型协同有效实现不同部门的模型共 享。 权利要求书2页 说明书9页 附图2页 CN 115098256 A 2022.09.23 CN 115098256 A 1.一种边云模型协同方法， 其特 征在于， 包括以下步骤： 在厂站侧构建设备对象模型， 并将测点与设备对象模型形成映射关系， 然后将设备对 象模型同步到集团侧； 厂站侧采集各个厂站设备的静态、 动态数据， 并将包含该静态、 动态数据的时序 数据上 传至集团侧； 集团侧根据设备对象模型以及获取的包含静态、 动态数据的时序 数据， 构建训练模型； 然后基于该训练模型创建算法模型并进行统一管理， 再基于算法模型创建模型应用模板； 当厂站侧向集团侧发出订阅请求后， 集团侧根据模型应用模板创建应用实例并下发到 厂站侧； 厂站侧收到应用实例后， 以应用容器的形式部署应用实例。 2.如权利要求1所述的方法， 其特征在于， 厂站侧通过工业协议采集各个厂站设备的静 态、 动态数据， 该工业协议包括OPC  UA、 Mod Bus、 MQTT 中的任一种， 该静态数据包括设备名 称、 设备属性和历史记录， 该动态数据包括传感器采集数据和设备运行参数。 3.如权利要求1所述的方法， 其特 征在于， 构建训练模型包括： 选择连接组件步骤： 通过可视化的方式拖拽选择组件， 通过代码实现组件与组件之间 的输入和输出； 训练模型步骤： 首先通过拖曳数据， 对落入数据库或文件中的数据进行分析和建模， 得 到训练模 型； 然后通过发布针对 该训练模型的模型任务， 并通过计算资源调 度策略， 实现调 度控制计算建模单位的计算资源来完成该模型任务。 4.如权利要求3所述的方法， 其特征在于， 计算资源调度策略包括集团侧调度策略、 模 型任务与计算建模单位匹配以及计算建模单位实时调度； 其中： 集团侧调度策略包括模型任务完工时间预测、 模型任务分解以及计算任务排序三个步 骤； 模型任务完工时间预测步骤为： 构建模型任务完工时间预测模型， 通过向该模型输入数 据进行集 团侧模型任务完工时间的预测； 模型任务分解步骤为： 将发布的模型任务拆分为 多个子任务， 子任务的顺序之间存在时序约束； 计算任务排序步骤为： 通过加权平均对模型 任务优先级 进行权衡， 并根据权值大小决定模型任务计算的先后顺序； 模型任务与计算建模单位匹配： 通过遗传算法进行子任务与计算建模单位匹配； 该遗 传算法中， 每个基因代表子任务分配的计算建模单位； 通过计算计算建模单位的适应度函 数和完成任务所需要的计算成本； 计算建模单位实时调度： 根据子任务与计算建模单位的匹配结果， 计算建模单位在满 足最小化最大完工时间的目标下， 根据各自子任务在内部进行资源调度； 调度过程中首先 将有多个可选顺序进行最佳计算设备选择； 然后依据子任务的排序， 让各个子任务依 次进 行， 实现整个 计算建模单位的实时动态调度。 5.如权利要求4所述的方法， 其特征在于， 模型任务完工时间预测模型的输入数据类型 包括三类： 第一类是生产数据， 包括模型任务数量、 计算设备利用率、 计算准确率和设备故 障率； 第二类是已知计算建模单位计算能力相关数据； 第三种 是集团侧创建模型任务相关 的实时与历史数据。 6.如权利要求4所述的方法， 其特征在于， 模型任务完工时间预测的具体步骤包括： 首 先根据任务完工时间确定输出项目； 然后根据影响任务完工时间因素确定输入项目数； 再权　利　要　求　书 1/2 页 2 CN 115098256 A 2然后采用三层BP神经网络， 并根据输入项、 输出项确定网络输入层、 输出层神经元个数， 根 据经验公式确定隐含层神经元个数， 确定各层激活函数， 构建出模型任务完工时间预测模 型； 最后获取并筛选样本数据集， 并分为训练集和测试集， 利用训练集训练该模型， 并用测 试集检验该模型训练效果， 并利用合格的模型任务完 工时间预测模型输出 预测结果。 7.如权利要求4所述的方法， 其特征在于， 在集团侧调度策略中， 根据需要选择云计算、 边云协同计算和边 缘计算中的一种计算模式， 来训练模型和推理模型任务。 8.如权利要求4所述的方法， 其特征在于， 计算建模单位实时调度还包括： 采用分段编 码的方式进行计算建模单位内部实时调度， 分为设备选择与计算过程调度两步骤； 以最小 化最大完工时间作为目标函数， 在用染色体解码后， 计算适应度函数； 根据该适应度函数计 算出调度计算过程和种群中每个个体的调 度过程时间， 并保存及输出最小化最大完工时间 下的调度计算 顺序和其所对应的时间。 9.一种边云模型协同系统， 其特征在于， 包括： 位于集团侧的设备对象管理模块、 设备 对象库、 时序服务模块、 模型开发训练模块、 算法模型库管理模块、 模型应用模板管理模块 和模型应用下发模块， 以及位于厂站侧的数据采集模块、 设备对 象库、 设备对象管理模块、 时序服务模块、 模型应用接收模块和模型应用部署模块； 其中， 设备对象管理模块， 用于集团侧与厂站侧进行通讯， 向集团侧上传设备对象模型和时 序数据； 设备对象库， 用于存 储设备对象模型； 时序服务模块， 用于生成和传输包 含该静态、 动态数据的时序数据的时序数据； 模型开发训练模块， 用于根据设备对象和包含设备的静态、 动态信 息的时序数据， 通过 可视化界面构建训练模型； 算法模型库管理模块， 用于基于训练模型创建算法模型并进行统一管理， 并支持算法 模型执行的选择、 依赖绑定和模型编辑功能； 模型应用模板管理模块， 用于从算法模型库管理模块选择指定的算法模型来创建模型 应用模板； 模型应用下发模块， 用于当厂站侧向集团侧发出订阅请求后， 根据模型应用模板创建 应用实例并下发到厂站侧； 数据采集模块， 用于采集各个厂站设备的静态、 动态数据； 模型应用接收模块， 用于通过边云通道与集团侧的模型应用下发模块通信， 接收下发 的应用实例； 模型应用部署模块， 用于通过调用计算调度引擎， 并创建应用容器， 在应用容器中部署 应用实例。 10.如权利要求9所述的系统， 其特征在于， 算法模型库 管理模块的功能具体包括： 算法 模型创建、 算法模型列表查询、 指定算法模型查询、 算法模型修改、 算法模型版本创建和算 法模型版本删除； 模 型应用模板管理模块的功能具体包括： 模 型应用模板创建、 模型应用模 板查询、 指定模型应用模板查看、 模型应用模板修改、 模型应用模板删除和指 定模型应用模 板代码文件下载； 模型应用下发模块的功能具体包括： 应用实例创建、 应用实例查询、 应用 实例详情查询、 应用实例更新和应用实例 删除； 模型应用部署模块的功能具体包括： 应用实 例部署、 应用实例查询、 应用实例更新、 应用实例删除和厂站侧应用状态上报。权　利　要　求　书 2/2 页 3 CN 115098256 A 3