Question 1

電源測試器 使用 方法COMPOTECHAsia電子與電腦 - 陸克文化 在Facebook 的評價

Accepted Answer

#智慧建築  #消防設備  #煙霧偵測器  #UL217  #Arduino【最嚴格的「煙霧偵測器」監管法規來了！參考設計在此】基於節能減碳與安全舒適，智慧建築正在普及。現代建築採用的合成材料可能會在火災意外發生時，因悶燒而產生致命煙氣；一旦遇有緊急情況，能進行疏散的時間將會更少。與此同時，新的防火規範規定應盡可能減少誤報，並在真正發生火災時更快發出警報，這迫使煙霧偵測市場不斷創新。煙霧探測器可以挽救生命，但前提是使用得當；美國在配備煙霧探測器的房產中，近四分之一 (23%) 的死亡發生在煙霧探測器不工作或因頻繁誤報而被禁用的情況下。全球現有五大煙霧偵測器認證標準：UL 268、UL 217、EN 14604、BS EN 54、ISO 7240。其中，UL 268 和 UL 217 涵蓋美國和加拿大的相關法規，是目前最嚴格的測試標準，要求透過技術 (演算法) 有效區分聚氨酯泡沫墊燃燒產生的指定煙霧濃度，以及燒焦漢堡所產生的煙霧濃度 (烹飪和蒸氣導致的干擾警報測試)。使用雙波長偵測系統可減少干擾警報，具有低訊號測量的高訊噪比 (SNR) 和寬動態範圍則有助於更好地識別煙霧類型。煙霧探測器製造商面臨四個關鍵挑戰：更高的性能以減少誤報的頻率，從而導致消費者禁用或關閉設備；新的監管要求 (UL217、EN54/14604)；需要頻繁更換電池的功耗；以及縮減煙霧偵測器尺寸，以便將煙霧偵測集成到其他建築控制系統中 (例如：疏散或緊急照明系統) 並實現美學吸引力。使用電池驅動的偵測設備還要求低功率以延長使用壽命或增加主迴路中的設備數量；另對於無線網路而言，更快發出警報意味著需要採用低延遲網路。綜合考量，光學技術可支援實現更高的動態範圍，不僅提高可靠性，還可縮小外型尺寸或降低功耗。亞德諾 (ADI) 將類比前端 (AFE)、雙波長 LED 和光電二極體整合到一個小封裝中，極大簡化了光學設計並減少煙霧偵測器的佔用空間。該方案使用 Mie 散射方法，使 LED 更靠近光電二極體；這減少了電路板尺寸，並允許使用更小的煙霧偵測器，在建築上更適合住宅和商業用途。光電二極體和 AFE 的集成還提供高環境光抑制和寬動態範圍，更好地減少誤報。此外，AFE 和集成設計可實現更好的電源管理，以延長電池壽命、支援感測器及無線產品設計；集成設計使用兩種顏色來區分顆粒大小，提高檢測和分類煙霧類型的能力，可在廚房和浴室等具有挑戰性的環境中排除干擾源。ADI 還開發了通過 UL 217 測試及驗證、具備超過千種火災和煙霧的測試資料集和演算法的煙霧偵測器參考設計，旨在滿足 UL 要求、加快開發週期、降低成本和專案風險。演示影片：《Smoke Detection》https://www.analog.com/en/applications/markets/intelligent-buildings-pavilion-home/building-safety-security-solutions/smoke-detection.html?ADICID=BNAD_AP_P370102_502185703-309309741-6366906-154803406#亞德諾ADI  #CN0537  #ADPD188BI  #Accumold28800XP.S.《COMPOTECHAsia 電子與電腦》在 YouTube 也有專屬頻道哦！歡迎各位朋友訂閱＋開啟小鈴鐺。https://www.youtube.com/user/compotechasia/videos

Question 2

電源測試器 使用 方法 在Facebook 的評價

Accepted Answer

【缺電有三種，為什麼出現這兩種？】（二之一）
　
興達電廠連續發生事故造成停電之後，有人，尤其是主張重啟核四運轉的人，又在主張這是台灣缺電的證明，而我們也看到蔡總統出面強調台灣並不缺電。
　
把電力出現任何狀況都要歸之於缺電，歸之於少一座核四，確實是模糊焦點甚至扭曲焦點。然而，蔡總統光說台灣並不缺電也不夠完整，政府光是寄望「三接」來渡過能源轉型，也會錯過核心問題。
　
基於我2016年參與過「開放台電」觀察所得，加上近年來追蹤看到的新情勢，所以要寫兩篇文章，希望能𨤳清一些障眼法的迷霧，但也指出日益嚴重的兩個危機。
　
興達電廠接連導致停電的情況，我非常肯定不是個案，而是預警。
如果政府不面對問題的根源，接下來不只蔡英文總統要為越來越多類似情況而頻繁道歉，並且說終究會爆發災難性的後果也不為過。
相反地，如果政府真正面對核心問題，不但一些短期問題的解決方案可以說垂手可得；一些許多人認為是兩難的長期問題，譬如護藻礁和廢核，其實也不難找到兼顧之道。
　
我寫兩篇文章來談。這是第一篇。
　
--------高速公路塞車有三種情況，電也是--------
　
「缺電」的情況，有三種。用大家都熟知的高速公路塞車來比喻，方便理解：
　
第一種，是高速公路因為蓋的數量不夠，造成塞車。這是「結構性」問題。有些落後國家的基礎建設不足，電廠不夠，每天全國要平均停電一段時間，就是這種情況。
　
第二，公路數量夠，但是每到年節連假期間，如果不事先疏通流量，會在尖峰時刻大塞車。這是「時間管理性」問題。台灣每到夏天高熱月份，尖峰時刻大家對電力的需求突然高漲，負載超過預期，可能導致跳電而停電，屬於這種情況。
　
第三，公路的養工處出了問題，維護保養不力，路面出現塌陷等等，造成塞車。這是「技術管理性」問題。台電的工作人員操作系統、設備出錯，而導致停電，屬於這種情況。
　
高速公路發生大塞車，我們需要判別到底是哪種原因所導致，才決定是否要新建高速公路。我們不會一看到塞車，就主張要新建高速公路。同樣的，發生停電情況，也該如此。
　
但是長期以來，台灣有些人，不論電力出現任何狀況，都堅持是結構性造成的缺電問題，電廠不夠，需要新建或擴建。
　
近三十年來，這些人的代表就是擁核派。1993年，當時的經濟部長江丙坤說，台灣如果沒有核四，到2010年每天就要缺電六小時，像菲律賓一樣落後。
　
現在時間過去了快三十年，不但過了2010，連2020都過去了，台灣也從來就沒有每天缺電六小時。時間早已證明核四是個假需求，台灣從沒有出現結構性缺電的問題。只是擁核的人卻始終堅持台灣就是少個核四。
　
然而，到目前為止，台灣雖然沒有結構性缺電的問題，卻一直籠罩在「時間管理性」缺電和「技術管理性」缺電的陰影之下。
　
--------問題的根源：不重視調節用電需求--------
　
我們來看最近三次大停電的起因。
　
2017年的大潭電廠815大停電，台電說是承攬商更換控制系統的電源供應器時操作失誤所導致，這是第三類技術管理性問題導致的。
　
今年513興潭電廠導致的大停電，經濟部先說是「用電高於預期」的原因，那就是第二類時間管理性的問題；但後來又改口，說是測試操作錯誤，那就是第三類技術管理性的問題。
　
至於17日晚間又發生停電，台電承認是「因負載突升，供電能力不足」。換句話說，也就是類同於「用電高於預期」，屬於第二類時間管理性問題。
　
顯然，這三次都是「時間管理性」問題和「技術管理性」缺電問題。
　
那為什麼會出現這種情況？
　
問題的根源是：台電不重視調節大家的用電需求。
要改善「時間管理性」缺電問題，就是要設法調整大家用電時段，舒緩尖峰負載。
　
一個用常識就可以想到的方法是：訂出「分時電價」，不同時段的電價高低不同，讓用戶知道他在尖峰時段用電要付出比平常高的電價，在離峰時間用的話則會享受到比較便宜的電價。這和年節連假時期為了鼓勵大家不要在尖峰時段全部塞在高速公路上，會提供夜間比較便宜或免費的費率，而很多人會使用，是一樣的道理。
這幾天台電在呼籲大家節電，但是如果沒有「分時電價」和搭配的工具，這種呼籲是很蒼白無力的。
經濟上有「看不見的手」。提供用戶「分時電價」之後，大家自然會趨低避高，各自享受了比較便宜的電價，整體也舒緩了電力尖峰負載時段的壓力。不需要台電呼籲，用戶自己就會達成那種效果。

電力用戶，主要分兩大類：以家庭用電為主的低壓電用戶，和工業用電的高壓電用戶。
我們看台電是在怎麼面對這兩類用戶。

＜面對低壓電用戶四年推動不到百分之一的努力＞

全台灣有1,460萬低壓電用戶，直到今天，絕大多數都是仍然要兩個月手抄一次電表。手抄電表，用戶要兩個月後才看到電費帳單，「分時電價」設計得再有吸引力，大家也不會有體感，實際也無從配合。
　
2016年「開放台電」提醒調節用電需求之後，台電也說他們知道此事的重要，說要努力設法「移峰填谷」。當年底台電也開始推廣「住商型簡易時間電價」。然而，直到去年底，推廣了四年，低壓電用戶選用這種方案的，全部才12萬戶，連1,460萬戶的百分之一都不到。
　
這麼重要的改善「時間管理性」缺電問題的方案，努力了四年才推廣不到百分之一，不能不說怠惰吧？
　
和台電推廣的「智慧電表」搭配起來看，這件事就更有意思。
「分時電價」，最好能和可以及時顯示用電情況的工具相搭配，高端的就是「智慧電表」。
　
但是從馬英九總統執政時要求台電安裝百萬戶智慧電表，台電一直拖拉，到2015年只做到1萬戶。民進黨執政後，有一整年時間，台電新加的智慧電表用戶更只有351戶。其後幾年在各方監督下，到2020年底，總算達成了安裝100萬戶的目標，但這連低壓電1,460萬用戶的百分之十都不到。
　
可是，從另一方面來看，我們不能不問另一個問題：連推廣「智慧電表」都安裝了100萬戶，怎麼會推廣「住商型簡易時間電價」反而只推了12萬戶？
　
怠惰了這麼久之後，現在頻頻因為「用電高於預期」、「因負載突升，供電能力不足」而爆出這麼大的停電問題，不是也合理的嗎？
　
--------面對高壓電用戶四年推動百分之一多一點的努力--------
　
再來看工業用電的高壓電用戶。這些高壓電用戶，全國有25,000戶。五年前，就全都安裝了智慧電表。但是當時我們就指出：沒有進行用戶的分類整理，也沒有善用智慧電表的功用。
　
這些高壓電用戶雖然安裝了智慧電表，但台電在如何調整他們用電時間上，仍然主要用人工做溝通努力。
　
2016年接任台電董事長的朱文成不無得意地告訴我，5月31日最緊張那天，是「需量競價」救了台電半條命。朱文成說的「需量競價」，就是誘使企業用戶在尖峰負載期間少用電，然後把節省下來的電賣回給台電。換句話說，也是另一種版本的「分時電價」。而那天，光是用這個辦法，朱文成說「省了0.4 GW」的電。0.4GW是什麼概念？很大。核一廠一個發電機組才0.6GW。
　
我聽朱文成講他們多麼辛苦努力去和一些用戶溝通，用上了多少人脈和關係，問他既然這個方法有效，又有智慧電表，為什麼不全面有系統地實施？
　
朱文成說他們會。
但是同樣地，在這一塊，時間過了五年，他們仍然在原地踏步。
　
針對高壓電用戶，直到去年，台電才設計出按24小時每小時不同的「高壓即時電價」。
　
而試用的戶數有多少呢？才300戶。佔 25,000戶的百分之一多一點。
那這百分之一的試用戶產生了多大效益呢？
　
台電自己說「在電價最高時段平均約有14%的抑低量」。
　
所以不能不問一個問題：如果百分之一不到的試用戶都可以產生這麼大的效用，那如果全面實施呢？
明知道會有很大的效益卻拖延不前，很難不說他們是怠惰吧？
但，台電到底為什麼如此怠惰呢？
　
--------只重增加供給所造成的惡性循環--------
　
「開放台電」的時候，我們就已經指出：台電對推動需求管理的怠惰，主要是只知道「增加供給」而不知「調節供需」的思維。並且，「增加供給」傾向於「新建傳統形式的大電廠」來增加。
　
而台電形成這種思維，又有四種原因：
一，工程師背景多。
推動分時電價、用戶的需求管理等等，需要精通於消費心理、細密的行銷規劃，而台電主要是由工程師主導。
　
二，是公務員背景。
民營電力公司做好用戶的需求管理，能把「調節供需」做到越微細，越會受到肯定，尖峰負載時間能做到低空掠過，是表示對需求掌握到恰到好處。但是以台電的公家背景，工作人員會基於公務員心態不想冒那麼大風險，「調節供需」不如「新建電廠」來得便利、保險。
　
三，長期執著於對大電廠的迷思。
即使要新建電廠，台電也一直習慣於建大型電廠，而不願意呼應新的分散式、多樣發電的趨勢。所以過去台電長期不把再生能源放在眼裡。
　
對大電廠的迷思，在過去國民黨長期主政，核電幫對台電的影響看得特別清楚。核電機組都是大機組，並且核電幫從不掩飾對廣建電廠的企圖。
　
2008年總統大選剛結束，馬英九勝選的四月初，台電主管說，包括當時正在興建中的核四在內，台灣只有八部核電機組，還可以再增加十部核電機組，也就是他們準備建全部18 部核電機組。
　
2018年「以核養綠」公投的第一場辯論之後，擁核人士的胃口更真正露了底。他們不只是要重啟核四而已，他們要的是台灣可以達到 20部核電機組的規模。
　
即使現在民進黨執政，核電廠不可能再新增，但是台電一直想用增加電力供給，而不是用調節電力供需的思維，顯然還調整不過來。
於是我們看到一個惡性循環。
　
因為他們還是把主力放在努力增加電力供給，所以就繼續忽視管理用戶的需求，在推動「分時電價」、用電的需求管理上不用心，會如此怠惰；同時，因為忽視調節電力的供需，所以就只能繼續倚重他們增加電力供給的思維和習慣。
　
並且，我們也可以合理地推測他們一個心理。
　
那就是如果他們認真推廣分時電價、智慧電表等等，這些推廣成功，「時間管理性」缺電情況就不會發生了。不出現「時間管理性」缺電問題，他們就沒有新建電廠的理由了。
　
高速公路的年節連假都把流量疏通好的話，怎麼能主張還要新建高速公路呢？
　
--------雙胞胎問題：技術管理性缺電--------
　
但是台電主要想新建電廠來增加電力供給，而不想改善「時間管理性」缺電問題，必然會衍生出另一個雙胞胎問題：「技術管理性」缺電的問題。
　
原因很簡單：一心把新建電廠當解方，就不會好好維修現有發電機組、輸配線系統等等。一心想新建高速公路當解方，就不會好好維修現有高速公路，當然養工處會出問題，維修容易出問題、操作容易出問題。
　
近年來三次大停電中「技術管理性」問題這麼多，也不是沒有原因。
　
2018年普悠瑪事件爆發後，我們發現台鐵當局對車輛ATP 的漠視與零件的失修，是關鍵因素。因為政府編列給台鐵的大量預算，大部份流向下屬負責新增軌道建設的鐵道局，而另一負責日常營運的台鐵局則陷於人力不足、車輛維修不足、營運管理系統老舊的困境。
　
台電也有和台鐵一樣的問題。
台電也有新建電廠和維修輸配線路的兩手工作要做。台電也出現豐厚資源都流向新建電廠，維修輸配線路的單位卻資源不足、遭受漠視的問題。
　
「開放台電」期間我們研究到和輸配線路相關的問題，台電顧左右而言他。而結案報告裡，最後我們也建議林院長接下來要仔細追查、監督六輸和七輸的可行性報告。輸配線路的善加維護，不只可以改善供電效能，還涉及基本的安全。
　
以815停電事件來說，雖然是中油員工在操作上失誤所造成，但是台電如果平素多加注意內部管理，在許多重要關節上多分配些資源裝置防呆、防錯機制，以爭取出現意外的時候多些處理時間，不致於因為一個人的疏失就造成偌大風波。
　
但是如果台電想到供電緊張就要透過新建電廠來增加供給的心態不改，他們不會把心力和資源放在調節需求，改善「時間管理性」缺電；也不會放在維修輸配線路、改善維護作業上，所以「技術管理性」缺電的情況也會跟著頻繁。
　
但這些還只是問題的一部份。
（明天繼續第二篇：以台積電為代表的「貨櫃車」問題。）

Question 3

電源測試器 使用 方法台灣物聯網實驗室 IOT Labs 在Facebook 的評價

Accepted Answer

佈署 IoT Edge 和霧運算技術以開發智慧建築服務2021年2月19日 星期五《3S MARKET》這篇報導把物聯網的架構與實作，描寫的非常詳細，雖然在建築的細節上描述不多，但報導中也提及這是個實際驗證，可適用在很多的場域。不知道，有多少人真正看得懂？當然，連這篇都看不懂的人，就別說他真正了解物聯網、Edge 與 Cloud。事實上這篇報導的描述不難了解，真正物聯網與邊緣運算的挑戰，是在實作。實作真正面臨的，是這些數據處理、融合、分析上的完整度，還有 —— 找到實作的場景！ 摘要基於 SoC 架構的嵌入式系統的進步，使許多商業設備的開發變得足夠強大，足以運行操作系統和複雜的算法。這些設備整合了一組具有連通性、運算能力和成本降低的不同感測器。在這種情況下，物聯網（IoT）的潛力不斷增加，並帶來了其他發展可能性：「事物」現在可以增加數據源附近的運算量；因此，可以在本地系統上，佈署不同的物聯網服務。這種範例稱為「邊緣運算」，它整合了物聯網技術和雲端運算系統。邊緣運算可以減少感測器與中央數據中心之間，所需的通信頻寬。此方法需要管理感測器、執行器、嵌入式設備，和可能不連續連接到網路的其他資源（例如智慧手機）。這種趨勢對於智慧建築設計非常有吸引力，在智慧建築設計中，必須整合不同的子系統（能源、氣候控制、安全性、舒適性、使用者服務、維護和營運成本）以開發智慧設施。在這項工作中，分析和提出了一種基於邊緣運算範例的智慧服務設計方法。這種新穎的方法，克服了現有設計中與服務的互操作性，和可伸縮性有關的一些缺點。描述了基於嵌入式設備的實驗架構。能源管理、安全系統、氣候控制和資訊服務，是實施新智慧設施的子系統。1. 簡介建築自動化系統使用開放式通信標準和介面，可以整合多種不同的建築控制規則，例如供暖、通風、空調、照明和百葉窗、安全功能和設備。但是，現有建築物通常不具有這些系統。通常，每種安裝類型都提供特定的服務：供暖通風和空調（HVAC）控制氣候服務，攝影機和感測器提供安全服務等。僅當設計能源管理系統時，不同的子系統相關，但僅透過以下方式，連接建築物的能源管理系統。能源管理服務，集中在專用軟體中。對於使用者和維護技術人員來說，提供不同服務的不同製造商，發現很難整合新的服務和功能。自動化建築將用於控制和數據採集的軟體，與工業協議和介面整合在一起。此外，將新服務整合到這種解決方案中並不容易，這取決於已安裝軟體的開發。這些工業發展還為能源管理，提供了雲端連接解決方案和智慧服務。這些服務，也在集中式電腦系統中開發。數據被傳輸到這些系統或雲端進行分析。本文提出使用佈署在物聯網（IoT）技術中的邊緣和霧運算範例，主要有兩個目的：A. 在自動化和非自動化建築物中，促進新的智慧和可互操作服務的整合（整合）。B. 允許在建築物的所有子系統之間，分配智慧服務（互操作性）。透過該建議，可以促進建築物子系統之間的關係。它還促進創建新的智慧服務（例如，新的分佈式智慧控制算法；使用電源管理捕獲的數據，來檢測人類活動；捕獲設備連接的模式辨識，運算可再生電力預測，在安全服務中使用電力數據等）。在這項工作中，我們設計了一個中間軟體的體系結構，該體系結構具有兩個主要層，這些層基於嵌入式設備、IoT 通信協議和硬體支援，來開發人工智慧算法（圖1）。為了實現這一目標，我們在建築物的設施中添加了兩個概念等級：邊緣節點和霧節點。每個等級都有不同種類的設備和功能。我們佈署並實現了基於層的中間軟體的體系結構，以對模式進行實驗。 本文的組織結構如下：第 2 節回顧了智慧建築技術，建築物中的 IoT 佈署以及邊緣運算範例。第 3 節提出了一種在建築物（自動與否）中佈署邊緣和霧運算範例的方法。第 4 節介紹了進行的實驗。最後，第 5 節介紹了結論和未來的工作。2. 相關工作本節介紹與這項工作相關的主要研究領域。首先，我們在分析雲端運算層之後，回顧了基於邊緣運算範例的資源和服務供應。最後，我們研究了實現智慧建築的技術，並在最後的小節中，總結了先前研究的貢獻。2.1. 邊緣運算資源和服務供應最近，網路在兩端被標記為「邊緣」和「核心」，以查明處理發生的位置。邊緣端靠近數據源和使用者，核心端由雲端伺服器組成。透過這種方式，邊緣運算範例將運算推送到 IoT 網路的邊緣，以減少數據處理延遲，和發送到雲端的數據數量。基於雲端的後端，可以處理對時間不太敏感，或源設備本身不需要結果的處理請求（例如，物聯網網路狀態下的大數據分析）。在邊緣運算資源供應方面，正在進行的 Horizo​​n 2020 RECAP 項目，提出了一種整合的雲端 - 邊緣 - 霧端架構，目的在解決應用放置、基礎架構管理和容量供應。雲端/邊緣基礎架構監控功能豐富了應用，基礎架構和工作負載模型，這些模型又被回饋到優化系統中，該系統可以協調應用並持續配置基礎架構。徐等人進行的研究。 提出了一種用於邊緣運算的實用感知資源分配方法，稱為 Zenith。借助 Zenith，服務提供商可以與邊緣基礎設施提供商，建立資源共享合同，從而允許延遲感知資源調配算法，以滿足其延遲需求的方式，來調度邊緣任務。邊緣節點資源管理（簡稱 ENORM），是管理邊緣/霧節點資源的框架，可透過監控應用需求，來自動擴展邊緣節點。可以透過靜態優先等級分配，來確定特定應用的優先等級。供應和自動縮放機制，是基於線性搜索的相對簡單的實現。當源本身是可行動的時，邊緣雲範例也是可行的。 Chen 等人研究了行動設備向邊緣節點（特別是在無線電接入網路邊緣）的智慧運算分流。在這項工作中，作者提供了任務卸載算法，將分佈式運算卸載決策表述，為多使用者運算卸載功能。在同一項工作中，Wang 等人研究了聯合協調卸載任務，到多個邊緣節點的問題，並提出在邊緣等級引入及准入控制，以及兩階段調度方法，與傳統的最近邊緣選擇方法相比，改進了卸載性能。 2.2. 雲端運算服務配置就社會和行業採用資訊技術而言，雲端運算範例是最具創新性的策略之一。提供的優勢提高了效率，並降低了成本，同時提供了可透過 Internet，普遍存取訪問的按需 IT 資源和服務。當前，雲端運算服務種類繁多，甚至如何提供，這是一個受到廣泛研究的主題，正在提出許多的方案。甚至有評論總結了雲端運算範例的相關研究。本小節介紹了有關以下問題的先前工作，這些問題與本手稿的主題有關：（i）安全性； （ii）服務品質（QoS）； （iii）提供邊緣服務。（i）安全是雲端運算中一個具有挑戰性的問題。雲端服務位於應用環境之外，並且超出了防火牆的保護範圍，因此，需要附加的安全層。另外，邊緣和霧運算應用的行動性和異構性，使得難以定義單個過程。因此，需要一種分佈式安全策略。此外，必須有一個標準化的環境，才能正確解決此問題，並指定霧運算和邊緣設備，如何相互協作。網路邊緣上的多個霧節點之間的敏感數據通信，需要資源受限的事物的輕量級解決方案。另一個與安全性相關的問題是數據位置。在雲端中運行數據分析是很常見的。因此，關於數據安全或隱私的公有雲與私有雲的爭論就出現了。（ii）分配給雲端應用的資源，通常是根據合同規定的服務水準協議（SLA）所設置的。但是，實際上，由於偶爾執行大量事務，而導致分配的基礎結構飽和，可能會出現瓶頸。為了解決此問題，可以在資源可用時，動態擴展雲端基礎架構。當前，最具創新性的趨勢，目的在建構自動 SLA 合同合規系統。在 Faniyi 和 Bahsoon，以及 Singh 和 Chana 進行的研究中，可以找到與品質服務管理相關建議的詳盡綜述。考慮到這一點，提出了幾種策略來預測，應用的資源需求和 QoS 的要求。最近的工作試圖將安全性和 QoS 問題結合起來，以提供全面的性能指標。（iii）最後，濫用雲端服務，是該領域的另一個問題。物聯網環境是霧和邊緣設備不斷加入或離開，動態的執行前後關聯。因此必須在網路邊緣提供彈性的服務。為此，在網路的可用設備之間，共享應用工作負載，可以為高階運算應用提供靈活性。提出了可靠的服務供應方法，來為系統提供更高的彈性，並提供靈活和優化的雲端服務。在本主題中，將雲端框架和中間軟體技術，設置為與雲端層，以及具有不同介面操作系統，和體系結構的設備之間，進行通信的平台。 2.3. 物聯網在建築服務工程中物聯網開發為在建築物上，開發數位服務提供了新資源。建築物中常見的物聯網應用，包括節能的過程環節、維護改進、雜務自動化和增強安全性。由於全球變暖，建築物的節能是一個重要的課題。物聯網技術引入智慧建築，不僅可以減少本地溫室氣體排放，還可以將減少溫室效應擴大到更大的領域。目前，物聯網還被用於建築領域，以協助設施管理。物聯網使營運系統能夠提供更準確和更有用的資訊，從而改善營運，並為房客租戶提供最佳體驗。有基於物聯網的建議，這些建議顯示建築系統，如何與雲端進行通信，並分析所獲取的數據，以開發新的業務見解，從而能夠推動真正的增值和更高的績效。實驗研究顯示，物聯網平台不僅可以改善，工業能源管理系統中實體的互連性，而且可以降低工業設施的能源成本。 FacilitiesNet 表示，建築物聯網（BIoT）正在推動我們獲取資訊，彼此互動和做出決策的方式發生重大轉變。BIoT 不僅與連接性或設備數量有關，而且還與交付實際和相關結果有關。當前，有很多基於物聯網的智慧家庭應用的例子。然而，智慧設備或「物」，僅僅是連接到網路的設備或嵌入式系統。增值來自設計協調系統，和提供智慧服務，以提供實際收益的能力。這些特徵基本上，取決於對不同類型連接事物的異質性，及其互操作性的管理，並取決於數據處理提供的情報潛力。Tolga 和 Esra 進行的研究得出的結論是，就智慧家庭系統中的軟體和硬體而言，物聯網技術尚未變得穩定。原因之一，有可能是物聯網技術仍處於發展階段。McEIhannon 所撰寫有關物聯網應用的邊緣雲和邊緣運算的未來，其評論得出了類似的結論。這篇評論提到概念和發展，目前還處於早期階段，從學術和行業的角度來看，許多挑戰都需要解決。物聯網帶來了新的機會，但許多企業仍在尋求了解和分析，其將如何影響，並與現有的 IT 結構和管理策略整合。為此，必須創建專門的使用模式和技術，來彌合這一差距。2.4. 發現以下結論闡明了這項研究建議的新穎之處：雲端運算作為「實用」的一般概念，非常適合智慧家庭應用的常規需求。但是，在某些情況下，將所有運算都移到雲端中，是不切實際的。邊緣計算作為一種計算範例而出現，可以在物聯網設備生成的數據附近執行計算。這種範例可能有助於滿足最新應用的安全性和 QoS 的要求。當前，控制子系統的高級建築設施，通常使用 Internet、IoT 協議和 Web 服務。專有系統是使用標準的 Internet 通信協議設計的，用於管制和監控。先前的工作顯示，基於無線感測器網路、Web 介面和工業控制模式，用於氣候控制、電源管理或安全性的控制系統，使用不同的監視和控制技術。監控應用分析，得自監控和數據採集系統中的這些子系統。對於不同的子系統，有不同的解決方案。考慮到上述情況，本工作中提出的模式，引入了以下新穎元素：A. 介紹了一種分層架構（整合了邊緣和霧端等級），以及提供子系統之間互操作性，以及在建築物控制中開發智慧服務的方法，該方法使用了邊緣和霧端範例，這些範例將 IoT 協議整合在一起，並在本地 Intranet 中操作 AI 技術，讓雲端服務的通信層，完善了該層的架構。B. 介紹了一種基於使用者為中心的方法，用於在互操作性需求下設計、驗證和改進新服務。C. 該提案允許使用可以在已建的建築物中，實施的非專有硬體和軟體系統。 3. 計算模式設計建築物中的設施子系統分為有照明、氣候、能源、安全、警報、電梯等。在自動化建築中，這些子系統由專門的控制技術控制和監控。在非自動化建築物中，不存在這些服務，並且子系統透過電子和電氣方式進行控制。在這兩種情況下，所有子系統都為建築營運，提供必要的服務。從邏輯上講，每個子系統都在其場景中起作用，並且不能與其他子系統互操作。嵌入式電子控制器和連接的不同感測器，可以使每個子系統自動化。這些服務都是基於直接反應性控制規則。除了嵌入式控制系統和感測器之外，通信技術（基於 Internet 協議）和新的行動設備還為開發管制、監控和數據訪問服務，提供了新的可能性。在智慧型動設備上開發，並連接到 Web 伺服器的人機介面和專用應用，是近年來已實現的服務的範例。每個子系統中的專家（氣候、安全性、電源等），都具有可以轉換為專家規則的知識。這些規則被轉換為用於管理、維護、控制、優化和其他活動的控制算法。這些規則是可以，在可程式設備上編程和實現的。但是，它們是靜態的，不會在出現新情況時發生變化，並且不能互操作，也無法適應每個安裝的特性。例如，氣候或安全專家決定，如何使用標準啟動條件，來配置每個子系統。每個控制規則僅在一個子系統（此範例中為氣候或安全性）中工作，因此，這些子系統之間沒有互操作性。考慮到這種情況，提出的模式有助於並允許，基於不同子系統的互操作性，來整合新的數位服務，並將人工智慧（AI）技術的新服務，引入當前設施。例如，諸如電梯控制的設施，可以用於安全服務或建築能源管理服務。氣候控制設施，可以與安全子系統整合在一起。整合到模式中的天氣預報軟體系統，可以由能源管理服務，或建築物空調服務使用。目的是讓每個子系統中的專家，參與設計整合服務，並將所有子系統轉換為可互操作的系統。該模式會開發自動規則，並允許在考慮安裝行為本身的情況下進行決策。該模式基於一個過程，該過程包括四個開發階段（圖2）和分為不同級別的硬體 - 軟體體系結構（圖3）。該體系結構的主要等級，是邊緣等級和霧等級。這兩個層次介紹了在建築物中，應用物聯網技術的新穎性。下面介紹了模式的各個階段（分析、設計、實施和啟動）。 ．分析：在此階段確定了不同的專家使用者（氣候、安全、電力、水、能源、管理人員，以及資訊和通信技術（ICT）技術人員）。諮詢專家使用者，以指定需要控制的主要過程。資訊通信技術專家作為整合環節，參與了這一過程。第一種方法產生了設計控制規則，和潛在服務所需的事物（對象）。在此階段，使用以使用者為中心的方法，並捕獲子系統的需求。．設計：我們提出了一個三層架構（邊緣、霧端和雲端），如圖 3 所示。．實施和數據分析：在此階段中已安裝和整合了子系統。服務基於每個子系統中的規則，分析事物（對象）生成的數據，以設計基於機器學習的服務。．啟動：最初，在每個子系統的監督下制訂專家規則。然後，使用回饋過程安裝規則。最後，透過人工智慧技術，可以推斷出自動的和經過調整的規則。3.1. 分析與設計專家使用者對此過程，進行不同的審查。以使用者為中心的技術，用於設計整合流程。目的是獲得所需的所有事物（對象），它們之間的關係，以及潛在的服務。一旦指定了事物（對象）和服務，就必須關聯通信協議和控制技術。選擇了物聯網協議和嵌入式控制器；提出了人機介面；指定了邊緣層和霧層及其功能；分析專家規則和智慧服務。最後，提出了維護和操作方法。所有這些任務在專家技術人員，和資訊技術專家之間共享。結果是事物的定義，它們之間的關係，以及與邊緣和霧層的交互作用。該過程中代表了建築物的所有子系統，數據感測器、執行器、控制器、規則和過程經過設計，可以整合所有子系統。數據集、對象和設備，由物聯網概念表示。事物由具有狀態和配置數據的實體，和前後關聯組成。事物數據位於霧和邊緣節點中，儲存的不同配置中的關聯性。事物以數據向量表示：[ID、類型、節點、前後關聯情境]。– ID是辨識碼。– 類型可以是感測器、執行器、變量、過程、設備、介面、數據儲存，或可以在 IoT 生態系統中寫入、處理、通信、儲存或讀取數據的任何對象。– 節點指定建築物子系統、功能描述、層類型（邊緣、霧端、通信或雲端）、IoT 協議和時程存取訪問。– 前後關聯表示在 IoT 生態系統中，用於發布或讀取數據的時間、日期、位置，與其他事物的關係、狀態和訪問頻率。表 1 是由事物（[ID、類型、節點]）。所有事物都可以訪問配置文件（CF），以了解如何使用可用數據，以及如何使用適當的訪問權限配置新數據。前後關聯數據位於內建記憶體，或是靜態儲存。使用定義的事物，設計不同的控制規則。這些控制規則是分佈在連接到網路的不同嵌入式系統中，控制過程的一部分。事物表示佈署在安裝的不同子系統中，所有的可用資源。在此等級上，設計師對所有事物進行分析、指定和關聯。基本控制算法是使用此資訊實現的。配置關聯性允許層和設備之間，所有事物的互操作性。在此階段的另一級設計，必須提出物聯網管理中，使用的節點要求和規範。設計的流程和服務，將在邊緣或模糊節點中實施。必須指定每個節點，以確定其內部功能、通信及其服務。在獲取數據的地方，開發了智慧和處理能力。邊緣和霧層的節點，位於數據感測器、執行器和控制器附近。本文提出的方法，使用具有兩個功能的兩層（邊緣和霧端）。每一層都可以佈署互連節點的網路，以促進互操作性。邊緣和霧層的功能是：邊緣層功能：在連接感測器/執行器的嵌入式設備上，開發的控制軟體。某些 AI 算法可以安裝在邊緣節點上。中央處理器（CPU）和計算資源有限。安裝了通信介面，以允許在本地網路中進行整合。霧層功能：局域網級別的通信、AI 範例、儲存、配置關聯性和監控活動。霧節點透過處理、通信和儲存，來處理 IoT 的Gateway、伺服器設備，或其他設備中的數據。在此等級實施本地、全球的整合服務。利用這些節點的硬體、軟體和通信功能，開發了基於機器學習範例的算法。霧層設備還可以在很少單位的設施或服務中，執行邊緣節點功能。透過這兩個等級，可以優化建築設施，以獲得不同子系統之間的整合和互操作性。表 1 顯示了每件事與關聯性配置，和節點規範的關係。節點標識其所屬的子系統（控制、能源、氣候等），層（霧端、邊緣、通信和雲端）及其執行的功能。3.2. 架構設計在分析和設計階段，獲得對象（事物）及其關係。規範和要求用於實現每個層。實施取決於提供所需功能的設計，和現有技術（硬體、通信和軟體）。在此階段，開發了一種適合現有設施的體系結構。物聯網協議提供互操作性，而 AI 範例則提供了適應性和優化性。邊緣運算節點用於控制設備，霧運算節點安裝在本地網路節點上。這些等級為配置、安裝和運行新流程，提供了強大的資源。物聯網協議，傳達所有子系統數據。每個子系統由對象/事物（虛擬等級）組成，安裝為可連接的感測器/執行器/控制器設備（硬體等級）。物聯網通信中，針對建築場景建立的要求是：標準協議、低功耗、易於存取訪問和維護、支援整合新模組，非專有硬體或軟體，以及低成本設備。MQTT 協議，是目的在用於提供整合和互操作性資源，異構通信場景的主要物聯網協議之一。該協議被提議作為感測器、執行器、控制器、通信設備，和子系統之間的通信範例。MQTT 協議的一些主要功能，在不同的著作中有所顯示，這使其特別適合於這項研究。他們之中有一些是：．它是針對資源受限的場景開發的發布 - 訂閱消息協議。．它具有低頻寬要求。．這是一個非常節能的協議。．編程資源非常簡單，使其特別適合於嵌入式設備。．具有三個 QoS 等級，它提供了可靠和安全的通信。MQTT 開發了無所不在的網路，該網路支持 n-m 節點通信模式。任何節點都可以查詢其他節點，並對其進行查詢。在這些情況下，任何節點都可以充當基地台的角色，能夠將其資訊傳輸到遠端處理位置。無處不在的感測器網路（USN）中的節點，可以處理本地數據。如果使用 Gateway，則它們具有全局可訪問性；他們可以提供擴展服務。節點（邊緣或霧），可以具有本地和全局存取訪問權限。這些設施具有不同的可能性和益處。本地數據處理，對於基本過程控制是必需的，而全局處理則可用於模式檢測和資訊生成。從這個意義上講，擬議的平台使用了組合功能：連接到 IoT 雲端服務，本地網路區域上不同的 USN。在這種情況下，運算層（邊緣或模糊等級）將用作控制流程和雲端服務之間的介面。該層可以在與雲端進行通信之前，進行處理數據。 實現邊緣和霧端運算節點需要執行三個操作：．連接和通信服務：所有設備必須在同一網路中，並且可以互操作。所有感測器和執行器都可用於開發服務。此活動的一個示例，是在 Internet 上遠端讀取建築物的電源參數、環境條件和開放的天氣預報數據。此活動中應實現其他功能，例如連接的安全性、可靠性和互操作性。．嵌入式設備（邊緣運算層）中的控制算法和數據處理：在此活動中，這些設備中實現的基本控制規則和數據分析服務，可以開發新功能。此階段可以應用於數據過濾、運算氣候數據或分析功耗、直接反應控製，或使用模式辨識技術檢測事件。．Gateway 節點（霧運算層）上的高階服務：此等級使用和管理 AI 範例，和 IoT 通信協議。霧運算節點對數據執行智慧分析，對其進行儲存，過濾並將其傳遞到不同等級，以糾正較低級別的新控制措施，或者生成雲端中服務感興趣的資訊。此階段的應用示例，包括分析新模式、預測用水量，或功耗、智慧檢測和其他預測服務。 3.3. 測試與回饋在測試階段使用標準方法，邊緣和霧層提供不同的功能。提出了針對不同子系統的機器學習模式，並且可以將其安裝在邊緣或霧節點上。必須執行以下操作，來測試機器學習應用：A. 定義和捕獲數據集：必須辨識、捕獲和儲存主要變量。在不同的建築子系統中，過程數據集是由連接到邊緣層的感測器捕獲的數據。使用通信協議監控和儲存數據集。一個案例是電表，該電表在配電盤中連接到嵌入式設備（邊緣節點），該嵌入式設備傳送電力數據，以在霧節點設備中儲存和處理。B. 訓練數據集和形式辨識模式。先前數據集的一個子集，用於訓練不同的模式。評估針對從未用於訓練的數據測試模式，此過程的結果已由專家使用者驗證。目的是獲得一組代表性的結果，以了解模式在現實世界中的表現。C. 實際場景中的驗證：必須在邊緣和霧節點上，實施新的服務和控制算法。這些模式具有用於分析數據，實施特定模式，並使用結果開發最佳參數的算法。在此階段，可以修改或進行改善模式。D. 用統計術語和模式演變，得出測試結果：基於 AI 算法的模式而將產生近似值，而不是精確的結果。分析應用結果以確定置信度，並允許模式演化。該活動支持開發新的 AI 服務，或對已實現的算法進行修改。有監督的自動更改，是維護和改進系統的過程。此階段的過程，包括所有模式層。建議對使用邊緣和霧，任何的安裝進行這些活動。如前所述，該模式既可以安裝在既有舊的建築物中，也可以安裝在新建築物中。對於新建築設計，基於建議模式的安裝更易於整合。此外，可以提供的服務的潛力，也使其對於既有建築物具有吸引力。4.在建築子系統中，實施智慧服務該模式在預先存在的住宅建築物上，進行了測試。設計和實施電源管理、管制和監控服務。物聯網協議（MQTT 和 HTTP）和 ML 範例，用於建議的層體系結構。基於 KNN 的機器學習方法，和樹決策算法用於管理功耗（家用電器），和可再生能源發電（風能和太陽能）。使用房屋中的霧節點，在雲端平台上實現監控和統計數據。該節點連接到控制可再生，和家用電器子系統的不同邊緣節點。在圖 6 中，邊緣節點，整合在先前安裝的可再生子系統中。透過邊緣層上的這種新設備、電源管理、安全控制和操作流程得以整合，並且可以與其他子系統互操作。可以設計新的智慧服務。邊緣節點將數據傳輸到霧節點 Gateway，該 Gateway 管理功耗和發電，並控製家用電器。該節點中的輸入，是可再生能源發電的數據。輸出控件是 ON-OFF 開關，用於優化發電、安全性和操作。4.1. 分析與設計分析了住宅建築，以設計電源管理，安全和控制服務。 在第一種方法中，所需的主要事物（對象），它們之間的關係和不同的服務，如表 2 所示。4.2. 執行分析房屋中的建築子系統，以整合這個執行模式層：邊緣控制、霧服務，與雲端的通信和雲端服務。 選擇了本實驗工作中使用的感測器、執行器和控制過程（事物）。 表 3 列出了使用的嵌入式設備。家庭服務中的控制過程，需要反應時間和互操作性。人機介面、數據存取訪問和分析服務，是本地和雲端運算上的服務。上面提到的兩個需求，都使用不同的協議處理：控制/通信上的 MQTT，和雲端服務上的 HTTP（RESTful API）是用於整合，並使所有子系統互操作的 IoT 協議。在提出的該層模式中，還使用 MQTT 協議、控制、數據處理，以及使用 RESTful 協議，到雲端的數據通信，來開發機器對機器（M2M）應用。MQTT 使用開放的消息協議，該協議可以將遙測樣式的數據（即在遠端位置收集的測量結果），以消息的形式，從設備和感測器，沿著不可靠或受約束的網路傳輸，到伺服器（BROKER）。消息是簡單、緊湊的二進制數據包，有效載荷（壓縮的標頭，比超連結傳輸協議（HTTP）少得多的詳細資訊），並且非常適合推送簡單的消息傳遞方案，例如溫度更新或移動通知。例如，消息也可以很好地用於，將受約束的或更小的設備，和感測器連接到 Web 服務。MQTT 通信協議，使所有對象可以互操作。透過此協議實現的發布者和訂閱者模式，可以互連所有設備和事物。該通信層由安裝在霧節點上的代理設備管理。不同的發布者和訂閱者，在不同的節點上實現。安裝了一個 Gateway 設備（霧節點）和兩個嵌入式控制器（邊緣節點），來控製家用電器和電源管理。事物和流程佈署在所有節點上。邊緣節點控制子系統，霧節點根據決策樹，以及專家定義的規則，實現 AI 範例。霧設備將數據傳輸到雲端平台，以開發儀表板螢幕，來監看子系統的狀態。可以開發新的雲端平台服務：事件檢測、機器學習處理、統計分析等。專家使用者設計基本的控制算法。在學習和訓練過程之後，將根據專家系統的結果，對這些算法進行調整和修改。在這項工作中，目標是在不損失生產力的情況下優化資源（控制和能源）。在邊緣或霧節點中，執行不同的控製過程；分類過程和決策樹在霧節點中實現。算法以 Python 語言實現。此語言的開源庫用於不同的應用。4.3. 佈署與測試對於現有建築物，邊緣節點交錯插入已安裝的控制器、配電板，以及感測器和執行器中。如果在分析階段指定了新的東西（電錶、氣候和控制器），則會安裝一些新的感測器/執行器。這項工作中佈署的邊緣節點具有以下優點：．請勿干擾先前的安裝操作。．他們使用新的專家規則和自動規則，引入新控件。．他們測試和重新配置，在分析、學習和測試驗證中，設計更新的專家規則。 圖 7. 佈署在配電盤中的節點。 使用 IoT 協議通信，在不同節點中開發數據捕獲、控制算法、數據分析、儲存和通信服務在電力管理過程中，專家使用者根據電力消耗、發電量、消耗負荷曲線、氣候數據和氣候預測數據，對具有選定流程的時間表，進行可程式處理。邊緣節點捕獲數據，並將其發送到霧節點。 霧節點處理室內和室外環境的日記數據，以及天氣狀況。霧節點還可以捕獲其他感測器數據。對房屋中的這些數據消耗和生成方式，進行檢測和分類。消費和發電結果，作為數據添加，以便與儲存的數據一起進行分析。可以使用機器學習方法開發，作為家用電器或人類活動檢測的智慧服務（圖8）。 4.3.1. 機器學習：數據捕獲過程（邊緣節點）和家用電器分類（霧節點）連接在主配電盤中的電表，用於捕獲數據，並使用標準的 K 近似值，最近鄰（KNN）分類算法，來開發形式辨識模式。 KNN 是機器學習系統中最常見的方法之一。電表捕獲電流；如果連接了新的家用電器，則電流數據會更改。不同的家用電器具有不同的變化等級。用於辨識家用電器的不同模式的主要變量，是連接時的電流水準差異。數據捕獲過程流程圖（圖9），顯示了在邊緣節點中實現的算法，以捕獲預處理並傳遞電力數據。 在此過程中，監督階段使用訓練數據集。接下來，真實場景中的驗證，將測試分類模式。家用分類設備將用於不同的服務：人類活動的辨識、負載控制、可再生能源管理、空調、安全性等。在訓練階段，已捕獲了不同的家用電器開機，以獲得一組形式。每個家庭都有一個矩心向量，將用於分類過程中的檢測。如上面所示的算法所示，分類器處理將產生連接時的電流數據作為輸入。KNN 分類過程流程圖（圖10）描述了 KNN 方法，它在霧節點中實現。 4.3.2. 可再生電源管理。控制電力自耗的決策樹每個建築物都有不同的需求曲線，以及在接入電網方面的特定情況。為此，整合和可互操作的設施，可以實施適用於每種情況的不同解決方案，從而提供對太陽風資源的最佳管理，優化電源效率，簡化管理流程，並實現最高的成本節省。當可再生能源超過消耗的能源時，在使用 AC 耦合到電網的設施中，會出現問題。在實驗工作中，太陽能在一天的中央時段的能量，大於所消耗的能量（圖11）。但是，在分析了消耗曲線之後，可以在這段時間內連接負載，以避免注入電網。可以透過設計一種算法，來滿足這一要求，該算法可以預測，何時發生此事件，以自動連接不同的負載。利用所有感測器和執行器的整合，和互操作通信，已經開發了在不同節點中，所實現的算法（圖12）。 13. 在電源管理子系統上開發的決策樹。 它由專業使用者設計，並整合在邊緣節點上。該決策樹的目的，在優化可再生能源的使用。4.3.3. 基於 Edge 和 Fog 節點的 Control Home圖 14 顯示了安裝在住宅房間中的邊緣節點。 該節點可以控制四個設備（設備），並捕獲感測器數據（功耗、發電量、溫度、濕度等）。該設備可以使用 MQTT 協議進行通信。該協議允許設備之間，進行其他類型的通信：智慧手機、新邊緣節點等。圖 7 和圖 14 顯示了可以在其他建築物中，佈署的標準實現。在所有系統中，都有配電板，這些配電盤佈署了霧節點和邊緣節點，如圖所示。4.3.4. 使用物聯網協議的雲端服務雲端服務可以監控，透過霧節點或人機介面（HMI）訪問的數據。 IoT 協議（MQTT）從任何已連接 Internet 的設備推送數據。事件檢測、儲存統計分析等其他服務，完善了該資源的功能。提供類似服務的不同平台，顯示了商用物聯網技術的狀態：Amazon IoT、Microsoft Azure、Ubidots 和 Thingspeak，是提供 IoT 平台的公司一些案例。提供了資源以及客戶端，和 IoT 平台之間的應用程式介面（API）通信，以便可以使用它們。用於設計儀表板監控和管制的 HMI 資源，是這些平台上的主要實用功能之一。霧節點使用雲端 API 傳達數據和資訊，可以實施其他控制服務。在這些雲端平台上，預先建構了用於監控數據的儀表板設計。使用 API​​ 實用功能，霧節點中的過程處理，會將數據發送到每個儀表板。API 文件指定了在設備、IoT 平台和 Mobile-Alerts Cloud 之間，交換數據的結構，以及用於加速項目的代碼案例和形成資料庫。圖 15 顯示了在 Ubidots 雲平台上，設計的儀表板。Ubidots是本實驗工作中使用的物聯網平台。該模式可以在實現這些協議的層，和平台中使用不同的標準協議。圖 16 顯示了在雲端平台中，IF 變量 THEN 動作的事件配置。大多數物聯網平台，都提供此功能。5. 結論為了設計物聯網系統，越來越多地提出邊緣霧模式。但是，每個範例都提供特定應用領域的解決方案。不同子系統之間的整合和互操作性，可以改善這種情況，並提供更好的服務。這項工作的主要目的，是透過提出一種基於邊緣層和霧層，兩層體系結構的運算模式，來解決這個問題。透過這兩層，可以基於使用邊緣或霧節點中，嵌入式的設備捕獲數據所產生的新型有用資訊，來設計和開發新服務。這些節點使用雲端平台和 IoT 協議（例如 MQTT）。MQTT 是作為不同層（霧 – 邊緣 – 雲）之間提出的通信協議，並進行實驗的。雲端平台用於開發儀表板的面板資訊和 Internet 上的新服務，例如控制、儲存和通信事件。該平台可用於透過 API，交付不同的服務。該模式可以在現有建築物和新建築物中，開發這些服務。在這種情況下，要求每個子系統中的專家和專業人員，參與新服務的設計。為了測試該模式的功能，並顯示如何在實際設施中，實現該模式，在住宅中進行了一項實驗性工作。在此霧和邊緣節點前後關聯中，描述了實現的幾個範例。開發了模式辨識和決策樹方法，以展示人工智慧在設計 IoT 解決方案中的潛力。已安裝服務的結果顯示，邊緣和霧節點佈署，產生了預期中整合和互操作性的好處。提出的工作演示了，如何將邊緣和霧範例，整合到可以增強其優勢的新架構中，從而擴展了應用領域。該體系結構的主要科學貢獻，是整合、技術的互操作性，及其為開發 AI 服務提供的設施的範例。所有這些改進，都在已開發的實驗的不同示例中顯示。具體的優化和改進，將在以後的工作中進行。此外，使用機器學習平台，和 AI 範例的新控制規則，將確保可以創建和改進新的智慧服務。附圖：圖1.自動建構子系統和資訊技術環境。圖2.基於使用者為中心關係的模式。圖3.通信架構。 每個等級都有不同的功能。 提出了兩個通信等級：IoT（使用消息隊列遙測傳輸（MQTT））和 Web（使用代表性狀態傳輸（REST）協議）。這些協議的層，涵蓋了已建立的整合和互操作性要求。 圖4. 在建築物的現有設施上實施的邊緣霧架構示例：邊緣節點是較低的層次，必須與安裝的設備進行新連接。互連所有子系統的霧節點，是透過整合連接到邊緣節點的新設備來實現的。邊緣和霧節點，可以佈署在所有建築物子系統中。圖5. 住宅建築中的第一個實驗工作。 圖6. 整合在先前安裝的可再生子系統中，邊緣節點的示例。 該節點可以使用新算法控制 ON-OFF 開關，以管理發電過程，以及通信和監控電源數據。表1.事物示例描述。寫入 ID、類型和節點數據，以配置 XML 文件。配置關聯性儲存在霧節點中。表 2. 實驗工作中的分析和設計要求。表 3. 實驗室內使用的嵌入式設備。圖 7 顯示了分佈在配電板上的節點（邊緣和霧狀）。在此節點中，設計並安裝了功率計、ON-OFF 開關控件和 AI 服務。圖 8. 佈署的智慧電源功能。在霧節點中實施的分類過程，可用於檢測電連接和人類活動。可以使用 IoT 通信實現其他服務圖9. 邊緣節點中捕獲，並預處理的用電量數據；MQTT 協議用於通信數據。另外，其他節點可以使用捕獲的數據，來提供其他智慧服務，佈署了整合和互操作性。圖10. 分類過程。處理捕獲的電數據以檢測家用電器連接。可以使用 IoT 協議整合，來設計其他智慧服務。圖11. 該圖顯示了實驗工作中的消耗和生產數據。 在自儲存的電力自備設施中，沒有儲存並且沒有注入電網，所產生的能量必須即時使用，並且不得超過所消耗的能量。 能源經理必須預測此事件，並提前連接電荷。 圖 12. 用電自耗設施中的可再生電源管理。圖 13 是在電源管理子系統中，開發的算法的示例。 可以在邊緣節點上安裝此過程。該節點獲取氣候數據預測，並預測系統是否可以在不儲存的情況下，使用可再生能源。 圖14. 佈署的邊緣節點。該節點可以使用新算法，控制 ON-OFF 開關，並可以在每個房間或建築物中，通信和監控感測器數據。圖 15. 在雲平台上配置的儀表板。顯示了風力發電數據和預測風力。圖 16. 在雲端平台上配置事件的儀表板：IF 事件 THEN 動作。 該服務顯示了，如何使用雲端訪問來控制設施。與霧節點的 Internet 通信，可以控制建築物中的不同子系統，並使用電子郵件，SMS 或其他 Internet 服務來通報事件。 資料來源：https://3smarket-info.blogspot.com/2021/02/iot-edge.html?m=1&fbclid=IwAR0uijX5WdNrfzmGjVsakFGaEsWivPgyH1zumxVr7fwvvgqtdFFTI6jJXS8

關於 電源測試器 使用 方法 ，我們在網路上蒐集到這些相關的討論、資訊與評價

「電源測試器 使用 方法」的推薦目錄：

電源測試器 使用 方法 在 COMPOTECHAsia電子與電腦 - 陸克文化 Facebook 的最佳解答

About author

電源測試器 使用 方法 在 Facebook 的最佳解答

About author

電源測試器 使用 方法 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答

About author

電源測試器 使用 方法 在 邦尼幫你 Youtube 的最佳解答

About author

電源測試器 使用 方法 在 果籽 Youtube 的最佳解答

About author

電源測試器 使用 方法 在 包一包 Youtube 的精選貼文

About author

你可能也想看看

搜尋相關連結

關於電源測試器使用方法，我們在網路上蒐集到這些相關的討論、資訊與評價

「電源測試器使用方法」的推薦目錄：

電源測試器使用方法在 COMPOTECHAsia電子與電腦 - 陸克文化 Facebook 的最佳解答

電源測試器使用方法在 Facebook 的最佳解答

電源測試器使用方法在台灣物聯網實驗室 IOT Labs Facebook 的最佳解答

電源測試器使用方法在邦尼幫你 Youtube 的最佳解答

電源測試器使用方法在果籽 Youtube 的最佳解答

電源測試器使用方法在包一包 Youtube 的精選貼文