Адаптивный протокол маршрутизации для масштабного энергетического интернета вещей на основе edge-вычислений и федеративного обучения

Более умные электросети для повседневной жизни

Современные электросети превращаются в огромные цифровые системы, наполненные умными счетчиками, датчиками, электромобилями и солнечными панелями на крышах. Обеспечить бесперебойное взаимодействие всех этих устройств при минимальном энергопотреблении — серьезная задача. В статье предлагается новый подход, позволяющий этим устройствам принимать решения о передаче данных по сети так, чтобы информация двигалась быстрее, затрачивалось меньше энергии и при этом сохранялась конфиденциальность чувствительных данных.

Проблема чрезмерного разнообразия устройств

В современных энергетических сетях присутствуют миллионы разных приборов: бытовые умные счетчики, датчики температуры и напряжения вдоль линий, контроллеры в подстанциях и релейная защита, реагирующая за миллисекунды. Каждое устройство использует разные коммуникационные технологии и имеет свои требования по времени реакции и энергопотреблению. Одни подключены к сети и могут использовать много энергии; другие работают от крошечных батарей и должны жить месяцами или годами. Традиционные методы маршрутизации, которые просто ищут кратчайший путь, игнорируют эти различия. В результате они тратят энергию зря, вызывают задержки и начинают давать сбои, когда сеть растет до нескольких тысяч устройств.

Мышление на периферии

Чтобы справиться с этой сложностью, авторы предлагают многоуровневую систему, распределяющую интеллект по всей сети. Внизу находятся полевые устройства; выше — небольшие компьютеры, называемые edge-узлами, затем региональные «туманные» узлы и, наконец, облако. Edge-узлы располагаются близко к источникам данных и могут быстро решать, как должны перемещаться локальные сообщения, не дожидаясь удаленного центрального сервера. Они обнаруживают, какие устройства присутствуют, оценивают их загрузку и энергозапасы и выбирают маршруты, уравновешивающие скорость, надежность и срок службы батареи. Такое локальное принятие решений значительно сокращает время реакции на изменения в сети.

Цитирование: Zhang, Y., Zhang, S., Li, S. et al. Adaptive routing protocol for large-scale power internet of things based on edge computing and federated learning. Sci Rep 16, 12246 (2026). https://doi.org/10.1038/s41598-026-41074-5

Ключевые слова: умная сеть, интернет вещей, edge-вычисления, федеративное обучение, энергоэффективная маршрутизация