引言

随着数字转型过程的快速发展，世界进入了智能数字时代。高效的云计算技术是数字时代智能实现的基本要素，在形成系统保护和促进数字转型方面发挥着重要的支持作用。同时，外围计算环境具有移动性、实时性和灵活性，有效地促进了对象的数字化和internet有机集成。所有变电站均配备微型计算机故障预防锁定系统。实际应用后，故障预防系统可满足各变电站故障预防锁定的要求。操作员根据操作票的内容和顺序逐一解锁操作。

1变电站云边协同框架分析

随着大量用户终端的访问和数据的扩展，传统的变电站“云－端”由于云中心计算能力和信息传输延迟的限制，该架构不再适用。在云边协作模式下，云计算从中心延伸到边缘，从集中到更全面的分布式架构。边缘节点应具有边缘基础设施能力、边缘平台能力和边缘应用能力。相应地，云还需要包括基础设施能力、平台能力和应用能力。边缘基础设施能力是指基于变电站电网场景的配电终端；边缘平台能力是指边缘计算终端，通常由各种容器组成；边缘应用能力是指负责电网预测、监控和数据处理的应用。因此，变电站电网云边缘协架构可以具体化为：边缘节点收集和预处理电力用户数据，将数据处理结果传输到云；云在数据管理平台的支持下进行模型培训，利用边缘管理平台将培训模型发送到边缘节点；边缘节点通过应用部署支持能力下载应用，实现负荷预测、负荷调度、故障处理等相关功能。整个过程包括云边协作业务协作、数据协作和资源协作。业务协作允许边缘节点和云中心承担不同的业务类型，边缘端提供模块化和微服务应用实例，云中心根据变电站电网拓扑结构和配电网用户行为进行业务分配。云边缘的数据协调使数据在双端之间有效快速流动，充分发挥云中心和边缘节点的优势，有效挖掘数据的快速低成本价值。云边缘资源协作体现在双端设备功能的区分上。边缘节点提供网络、虚拟化等基础设施资源、电压电流监控、终端设备运行控制和本地资源调度管理设备；云中心有足够的计算资源、边缘资源调度管理设备和网络连接管理设备。

2系统流程

云与边缘主机之间的误报通信和移动终端之间的通信是通过广泛的信息传输进行的。具体工作流程如下。1)收到云协调系统后，切断目标设备、第一状态和最后状态，请求在错误的主机上生成操作票据。2)防止主机自动生成操作票据，成功预生产后将票据返回云。3)根据操作逻辑手动检查库存。4)移动终端从云中查询操作票据的权限。5)移动终端收到操作票后，在云中模拟现场演示。6)模拟通过后，根据操作票据进行现场层压，下一步实时将误差补偿信息发送给主机进行误差补偿。7)现场操作完成后，票据执行结果返回云存档。8)移动终端通过摄像头扫描确定开关柜层压板状态，发送到故障主机，完成操作票据的整个处理过程。

3监控平台

(1)智能图形结算。操作员一旦收到操作任务，可根据故障保护系统布线图中的任务内容计算模拟设备的成本。开选择任务名称自动生成工序步骤，也可手动生成工序步骤。图形负载必须从逻辑上由简单性确定。如有错误，将强制执行模拟。(2)接口4a。生产管理系统和故障检测系统允许通过双向传输业务数据自动管理提单的检测和归档过程，在检测结束时向操作人员提交处理提单，检测结果与故障检测系统同步，并将控制器、部门经理和票据数据添加到检测结果中。检查操作票通过错误系统传输到移动终端。动作票证未经验证，将返回编辑状态，用户可继续编辑或取消任务。(3)智能拓扑故障保护。基于网络拓扑模型，智能拓扑中的故障防御逻辑分析了网络设备的工作原理和拓扑关系特点，允许通过基于逻辑的智能故障分析算法验证故障检测。

4关键技术

4.1云边协作交互过程

与制动电阻管理相关，将防误控制云中心、防误主机和移动应用定义为客户端和服务器。主机服务提供商提供智能票据、操作票据模拟和实时错误检查服务。MobileAPP服务客户端为操作票的操作提供查询，并为操作票的结果提供回调服务。防止滥用云中心作为服务呼叫、数据呼叫客户端，允许在线控制票的发放。

4.2经网络拆分压缩

云边缘协作的一部分工作要点是选择合适的切割点，在云中进行复杂的工作，将中间结果传输到边缘，并在边缘进行模型应用和相对简单的数据处理。因此，传统的神经网络模型往往不能满足协同条件，特别是在边缘节点较多的配电网应用场景中，研究有效的神经网络拆分技术是一个关键问题。同时，由于边缘设备的计算能力有限，适用于云的神经网络模型往往不能在边缘侧进行有效的训练，因此需要对模型进行必要的压缩，通过参数共享或切割减少不敏感的参数，降低网络规模和计算能力需求。

4.3服务交互协议

在设计广域网服务交互协议时，应考虑主机的技术差异，考虑服务交互的时间安排，确保数据传输的安全。信息传输机制是一种成熟的数据传输模型和复杂的规则，用于电力系统各级电源线路格式控件、配电室、发电厂、生产管理信息领域之间的信息交换。然而，由于信息只指定了数据传输格式和数据交换会话(session)不够精细。

4.4压板状态识别整体方案

1)生成能识别二次设备(压板、空开、把手)状态的神经网络，按以下流程进行:采集数据→数据标注→深度学习训练→生成人工神经网络→系统集成。2)数据采集。首先，收集足够的二次设备（压板、空、把手）样品，保持样品多样性，覆盖各种二次设备，不同人员使用不同的照片手段，从各种光线、各种角度收集。3)样本标记。样本标注软件通过人工使用进行，样本标注必须保证标注的准确性。4)神经元训练。完成足够数量的样本注释后，从样本中创建一组培训和一组测试。训练集训练神经网络，测试组测试神经网络检测率。训练神经网络GPU在加速器上训练。参数在训练过程中进行优化。然后，使用测试集验证培训创建的网络。继续在测试结果的基础上进行优化，构建所需的神经网络，最终将进行优化。cyp-platesitch等权重文件。权重可用。5)系统集成。将训练有素的神经网络集成到二维代码自动检测的反云应用程序中，控制填充相机，调整焦距，自动激活第二设备，启用第二设备状态检测。

结束语

在数据库访问控制的关键技术中，建议软件选择将强制访问控制策略与基于任务的访问控制策略相结合的访问控制策略作为软件访问控制的整体战略模型，为能源领域的数据库访问行为提供可靠的数据库安全保护能力。