专业术语统计报告_配电物联网智能融合终端云边协同模型及应用研究

一、概要简析

【概要分析】
哇哦！本文档《配电物联网智能融合终端云边协同模型及应用研究》正围绕着一个超有趣的研究主题展开了一场系统性的探索大冒险呢！📚 文档里总共塞满了 135717 个字符宝宝，其中有着 51127 个可爱的中文字符，还有 9676 个活泼的英文字词，真是中英文手牵手、完美搭配的学术小明星呀！🌟 我们从文档里捉住了共计 733 个专业术语小精灵，它们分布在 6 个不同的研究领域乐园里，最热闹的地方主要集中在 网络安全(616次)、云计算(612次)、配电物联网(611次) 哦。像“配电”（出现了 522 次哟）和“配电物联网”（出现了 250 次呢）这样的高频术语小家伙们，可是反映了研究中最核心的关注点呢！总的来说，这篇文献在相关研究领域里可是闪闪发光的学术宝藏，通过系统的分析和论述，为后来的研究小伙伴们提供了超级重要的理论基础和方法参考锦囊哦！🎒

【数据统计】

• 总字符数：135717
• 中文字符数：51127
• 英文字词数：9676

二、统计图表分析

2.1 三类术语层次分布

【数据统计】

• 论文名称术语：3个 (核心术语：配电物联网、智能融合终端、云边协同模型)
• 标题摘要术语：266个 (核心术语：配电物联网、智能融合终端、配电网)
• 正文术语：464个 (核心术语：配电、配电物联网、智能融合终端)
• 术语总数：733个
• 频次占比：论文名称 8.2% | 标题摘要 34.6% | 正文 57.1%

【可视化图表】

类别	术语数量	频次	占比
论文名称	3	497	8.2%
标题摘要	266	2088	34.6%
正文	464	3444	57.1%
总计	733	6029	100%

【图表评论】
看呀，旭日图就像一个大蛋糕🍰，展示了三类术语在文档不同部分的层次分布魔法！从内向外层层递进，分别是论文名称术语、标题摘要术语和正文术语大家庭。

• 最里面的核心层：论文名称层级藏着 3 个核心术语小宝石，总频次高达 497 次，占比 8.2 % 呢！其中的核心成员包括“配电物联网、智能融合终端、云边协同模型”，它们直接概括了研究最核心的主题，就像是皇冠上的明珠💎。
• 中间扩展层：标题摘要层级住着 266 个术语小伙伴，总频次 2088 次，占比 34.6 %，核心代表如“配电物联网、智能融合终端、配电网”，它们反映了研究的次要关键词和方法论，像是给主题穿上了漂亮的外衣🧥。
• 最外层丰富层：正文层级最为热闹非凡，包含 464 个术语大家族，总频次 3444 次，占比 57.1 %，核心成员如“配电、配电物联网、智能融合终端”，体现了研究的具体技术细节和实验方法，就像是充满了细节的宝藏地图🗺️。 从内向外逐层细化，论文名称术语聚焦于研究主题，标题摘要术语扩展了研究范围，正文术语则深入到具体技术实现，形成了完整的术语层次体系，清晰地揭示了文档的知识结构，真像是一棵茁壮成长的知识大树呀！🌳

---

2.2 研究领域分布

【领域分析】

• 主要领域：网络安全(616次)、云计算(612次)、配电物联网(611次)

【可视化图表】

研究领域	术语出现次数
配电物联网	611
边缘计算	608
网络安全	616
微分博弈	611
云计算	612
智能电网	607
总计	3665

【图表评论】
雷达图就像一个神奇的六边形战士盾牌🛡️，展示了专业术语在六个研究领域的分布情况，直观地反映了文档的学科交叉特性，超级酷！从图中可以看出，术语分布有着这样的小秘密：

• 网络安全 出现频次最高，达 616 次，表明该领域是研究最坚实的核心基础，就像是大树的根🌱。
• 云计算 和 配电物联网 的频次分别为 612 次和 611 次，构成了研究的次要支撑领域，像是强壮的树枝🌿。
• 而 智能电网 频次相对较低，为 607 次，说明该领域在本研究中涉及较少，像是在旁边悄悄探头的小花🌸。 各领域术语分布虽然有一点点小差异，但整体来说非常均衡和谐，标准差为 2.9，反映了研究的多学科交叉融合特点，就像是一场热闹的学术派对🎉！这种分布格局表明，本研究不仅深耕于核心领域，同时广泛吸纳了相关学科的理论与方法，形成了一个超级完整的研究体系呢！

---

2.3 专业术语分布

【集中度分析】

• 前5术语累计频次：1366次
• 前5术语累计占比：37.7%
• 前10术语累计占比：52.2%

【可视化图表】

排名	术语	频次
1	配电	522
2	配电物联网	250
3	智能融合终端	240
4	配电网	202
5	感知终端	152
6	边缘侧智能融合终端	140
7	云侧主站	110
8	云边协同	102
9	电动汽车	94
10	服务	82
11	充电站	72
12	即插即用	67
13	信息模型	53
14	智能电表	52
15	高级应用	43
前15累计		2181

【图表评论】
环形图和柱状图像是两个可爱的放大镜🔍，展示了高频术语的分布情况与集中度。从图中可以惊喜地发现：

• 前5个高频术语累计频次达 1366 次，占总频次的 37.7 %，呈现出超高的术语集中度，它们可是明星中的明星呀！⭐
• 前10个高频术语累计占比达 52.2 %，进一步证实了研究主题的聚焦性，就像大家围着一个篝火讲故事🔥。
• 排名第一的术语“配电”出现 522 次，是研究绝对的核心概念C位出道！👑
• 排名第二的术语“配电物联网”出现 250 次，排名第三的术语“智能融合终端”出现 240 次，这三兄弟共同构成了研究的核心术语体系，缺一不可哦！🤝
• 从排名第 2 开始，术语频次明显下降，呈现出长尾分布特征，就像是一条长长的尾巴🦎，表明研究围绕少数核心概念展开，而其他术语则是对核心概念的补充和细化。这种分布模式符合学术文献的一般规律，体现了研究的深度与广度，真是太棒啦！👏

---

2.4 术语共现网络

【共现分析】

• 核心节点：边缘侧智能融合终端
• 最强关联对：配电物联网 - 配电 (382次)
• 主要聚类：以图像增强、注意力机制等为核心的术语聚类
• 共现关系总数：28对

【可视化图表】

术语A	术语B	共现次数
配电	配电网	330
感知终端	配电	131
智能融合终端	配电	123
感知终端	配电物联网	92
云边协同	配电	83
云侧主站	智能融合终端	77
云侧主站	配电	75
智能融合终端	配电网	57
边缘侧智能融合终端	配电	54
云边协同	配电物联网	53

【图表评论】
术语共现网络图像是一张充满魔法的蜘蛛网🕸️，展示了高频术语之间的关联关系，揭示了文档隐藏的知识结构。

• 网络中包含 10 个节点小星星和 28 条连接线，形成了一个以“边缘侧智能融合终端”为中心的术语聚类大星球🪐。
• 最强关联对为“配电物联网”与“配电”，它们共现次数达 382 次，就像是一对形影不离的好朋友👫，表明这两个概念在研究中有紧密的关联性。
• 从网络结构来看，主要形成了 3 个有趣的聚类小团体：
  • 聚类一：以“配电”为核心老大，包含“智能融合终端”、“感知终端”等术语小弟，反映了 以配电为核心的相关研究 方面的研究趣事；
  • 聚类二：以“配电网”为首领，包含“其他”、“其他”等术语成员，对应 以配电网为核心的相关研究 方面的精彩内容；
  • 聚类三：则聚焦于“配电物联网”相关的研究方向，探索未知的领域🚀。
• 各聚类之间通过“智能融合终端”等术语小手拉小手相互连接，形成了完整的知识网络。这种网络结构清晰地展示了研究的核心主题及其相互关系，有助于我们理解文档的整体框架和知识体系，就像是在看一张藏宝图一样清晰明了！🗺️✨

---

2.5 核心概念词云

【词云数据统计】

• 词云术语总数：20个
• 加权总频次：270.1次

【可视化图表】

排名	术语	加权频次
1	配电	52.2
2	配电物联网	25.0
3	智能融合终端	24.0
4	配电网	20.2
5	资源调度	16.5
6	感知终端	15.2
7	边缘侧智能融合终端	14.0
8	新能源出力	12.0
9	云侧主站	11.0
10	云边协同	10.2

【图表评论】
词云图就像是一片五彩斑斓的术语花海🌸，通过加权频次直观呈现了文档的核心概念体系，美极了！

• 图中包含 20 个术语花朵，加权总频次达 270.1 次，真是繁花似锦呀！
• 排名前五的术语大明星分别为：“配电”（52.2 次）、“配电物联网”（25.0 次）、“智能融合终端”（24.0 次）、“配电网”（20.2 次）和“资源调度”（16.5 次）。这些术语的字号最大、位置最显眼，构成了研究的核心概念群，就像花园里最盛开的几朵牡丹🌺。
• 从词云的整体分布来看，术语按照重要程度由大到小、由中心向四周排列，形成了层次分明的视觉结构，就像涟漪一样扩散开来🌊。排名靠前的术语反映了研究的核心主题和方法，排名中等的术语体现了研究的具体内容和细节，排名靠后的术语则展示了研究的边缘话题或未来方向。词云图不仅总结了全文的关键概念，也为读者快速把握研究要点提供了直观的视觉引导，是理解文档内容的重要辅助工具，简直太贴心啦！💖

---

2.6 英文缩写分布

【缩写统计】

• 缩写总数：30个
• 缩写总频次：295次
• 高频缩写 Top 5：
  1. IEEE：50次
  2. CIM：38次
  3. JSON：33次
  4. DBN：29次
  5. EV：18次
• 前5缩写累计占比：56.9%

【可视化图表】

排名	缩写	频次
1	IEEE	50
2	CIM	38
3	JSON	33
4	DBN	29
5	EV	18
6	XML	15
7	APP	14
8	RX	11
9	PMS	10
10	IEC	8
前10累计		226

【图表评论】
环形图像是一个装满了英文缩写糖果的罐子🍬，展示了它们在文档中的分布情况。

• 文档中共出现 30 个不同的英文缩写小精灵，总频次达 295 次，真是热闹非凡！
• 排名前五的缩写明星分别为：“IEEE”（50 次）、“CIM”（38 次）、“JSON”（33 次）、“DBN”（29 次）和“EV”（18 次），前5个缩写累计占比达 56.9 %，呈现出超高的集中度，它们是罐子里最受欢迎的口味哦！😋
• 从缩写的类型来看，主要包括期刊名称缩写（如“IEEE”）、作者姓名缩写（如“CIM”）、技术术语缩写（如“JSON”）和评价指标缩写（如“DBN”）等，种类丰富多样！
• 这些缩写的高频出现，反映了文档引用了大量该领域的经典文献，采用了通用的技术术语和评价标准，体现了研究的规范性和专业性，就像是一位穿着得体、举止优雅的学者🎓。缩写的分布特征也为读者理解该领域的学术交流习惯提供了参考，真的是很有帮助呢！📖

---

三、原文章节举例

3.4.2 仿真环境下传输性能对比

实际配电物联网环境下，对同一个电力业务而言，使用 JSON交互格式较 XML交互格式能够减少 $1/3\sim 1/2$ 的数据量。不失一般性，设通信链路上转发节点采用相同的工作参数：固有缓存延时 $37.44\mu \mathrm{s}$ ，总发送速率 155.52Mbps，通信链路总长度$30\mathrm{km}$ ，光纤中传播速度 $2\times 10^{8}m/s$ ；此外，设每个转发节点转发的数据流到达曲线相同。其中，数据采样时间为 $50\mathrm{ms}$ ，除待考察的数据流外，每个转发节点转发的

其余数据流数量均为 10条。

图 3.9 示出了当数据流采用 XML 格式和 JSON 格式下，长度分别为 5kB 和$2.5\mathrm{kB}$ 、且最大跳数 $H$ 分别为5、10、15、20跳时，传输延时理论边界值。从图中可知，当传输跳数为5时，JSON格式传输延时比XML格式传输延时缩短了 $50.14\%$ ，且随着传输跳数的增大，传输延时缩短的程度越大，理论结果表明了本章所提轻量级JSON交互方法的有效性。

图3.9 理论延时边界与传输跳数关系

Fig. 3.9 Relationship between theorical delay bound and transmission hops

图 3.10 5 跳传输系统

Fig 3.10 Transmission systems with 5 hops

以 5 跳传输过程为例，在 OPNET 环境下搭建如图 3.10 所示的配电物联网多跳传输通信系统，讨论所提 JSON 交互方法对传输性能的提升程度。图 3.11 示出了实际数据包传输延时的统计结果。由图可知，XML交互方法下的最大仿真结果

为 $14.98\mathrm{ms}$ ，而理论延时为 15.16ms，误差率为 $1.202\%$ ；而JSON交互方法下的误差率则为 $3.279\%$ ，从而说明了确定网络演算理论计算的准确性。此外，JSON 交互方法下的最大仿真结果比 XML 交互方法下缩短了 $51.13\%$ ，可见仿真结果同样证明了轻量级JSON交互方法具备更快的响应时间。

(a) XML 交互方法

(b) JSON 交互方法

图 3.11 仿真统计结果

Fig. 3.11 Simulation statistical results

---

四、原文章节举例

4.1.1 云侧主站-边缘侧智能融合终端的即插即用

配电网内配置的边缘侧智能融合终端，负责完成底层用户侧智能电表用电数据以及其他感知终端运行状态的汇聚、存储与负荷预测等功能。为此，云侧主站需要实时掌握台区智能融合终端与各类感知终端的接入情况，以保证云侧主站对台区接入终端设备信息的全面掌握。云侧主站在导入 PMS 中已录入的智能融合终端和底层感知终端的信息后，借助即插即用机制，应能够准备辨识现场终端的接入和拓扑更新情况。考虑到相较于底层感知终端频繁的接入、退出、升级与维护等操作，边缘侧智能融合终端的上述操作相对而言并不频繁。因此，云侧主站-边缘侧智能融合终端的即插即用过程采用主动注册的方式实现，主要分为 8 步，如图 4.1 所示：

$\stackrel{◯}{1}$ 配电网的智能融合终端向配电物联网云侧主站主动上送注册信息，包含终端设备名称、唯一 ID 标识、终端版本信息、所支持的服务项目等；

$\stackrel{◯}{2}$ 各配电网内的智能融合终端接受来自云侧主站下达的一次设备描述文件，并由配电网智能融合终端转发至各低压设备。其中，一次设备描述文件中包含了对应台区所有一次设备的设备类型、参与的服务场景以及在 PMS 中录取的一次设备身份标识号(简记为 PMS_ID)；

$\stackrel{◯}{3}$ 配电网智能融合终端内的通信服务应用程序(Application, APP)对一次设备描述文件进行解析后，按照 PMS_ID 分发至相应的服务应用程序(APP)进行设备匹配，获取一次设备清单。

$\stackrel{◯}{4}$ APP 完成所接入二次设备的注册发现和一、二次设备映射；

$\stackrel{◯}{5}$ 采集 APP 对二次设备进行一、二次设备映射，若某二次设备所对应的一

次 PMS_ID 未能在一次设备 PMS_ID 清单中找到，则一、二次设备映射失败；反之，则说明映射成功。最终，配电网智能融合终端形成两份清单，即映射失败与映射成功的二次设备清单，并对映射成功的二次设备清单生成相对应二次设备的智能电子设备能力描述(Intelligent Electronic Device Capability Description, ICD)文件，同时对 ICD 文件进行实例化；

图4.1 主站-智能融合终端的即插即用过程

Fig. 4.1 Plug-and-play process of intelligent fused terminals in master stations and distribution areas

$\stackrel{◯}{6}$ 将不同服务应用 APP 生成的、包含的二次设备清单的 ICD 文件通过通信服务 APP 进行汇总，形成该配电网总体 ICD 文件，通过通信链路上传至配电物联网云侧主站。

$\stackrel{◯}{7}$ 配电物联网云侧主站接收配电网智能融合终端通信服务 APP 上送的 ICD文件，解析该文件，从而在云侧主站侧完成主站-智能融合终端-底层低压感知终端的树状拓扑映射关系，并自动完成对各配电网数据集的订阅。云侧主站进而生成 IED 配置(Configured IED Description, CID)文件，该 CID 文件包含了云侧主站为获取智能融合终端和底层低压感知终端的状态信息而规定的数据帧格式、发送速率、发送间隔等信息；

$\stackrel{◯}{8}$ 各配电网智能融合终端接受来自配电物联网云侧主站设置好的 CID 文件。进而智能融合终端内安装的通信服务 APP 解析主站下发的 CID 文件，生成智能融合终端与主站进行数据转发的信息点表，并通过第 2 章提出的基于 JSON 的轻量级交互格式与配电物联网云侧主站进行正常信息交互。

其中，由于感知终端由于存在频繁的接入/退出、升级验证与下线维护，如智能电表欠费退出以及缴费上线、断路器故障下线等。故第 4 步感知终端的即插即用分为两种方法：

第一种为“自底向上”的主动注册方法。即首先在设备上电时请求注册通信地址、设备类型和一次设备 PMS_ID，然后通过台区智能融合终端回复注册结果即可。

第二种为“自顶向下”的轮询方法。由于单纯依赖于底层设备主动注册难以保证配电网云侧主站及时掌握当前配电网中运行的低压设备信息与运行状态，其更新效率较低，为此在轮询方法中，首先进行 APP 轮询通信地址和设备类型，然后对低压设备的轮询进行回复，回复内容包括设备类型和一次设备的 PMS_ID，最后通过台区智能融合终端回复注册结果。

---

五、总结

本报告对《配电物联网智能融合终端云边协同模型及应用研究》进行了一次超级系统的专业术语统计与分析大探险！🗺️

• 文档总字符数 135717，中文字符 51127 个，英文字词 9676 个，共提取专业术语 733 个，收获满满！🎒
• 高频术语“配电”（522 次）、“配电物联网”（250 次）等构成了研究的核心概念体系，它们是整篇文档的灵魂人物哦！🌟
• 文档涉及 6 个研究领域，主要集中在 网络安全(616次)、云计算(612次)、配电物联网(611次)，体现了多学科交叉的研究特点，就像是一个多元化的学术游乐园🎡。
• 术语共现网络包含 10 个节点和 28 条边，最强关联对“配电物联网”与“配电”共现 382 次，形成了以“边缘侧智能融合终端”为中心的术语聚类，关系网超级紧密！🕸️
• 英文缩写共出现 30 个，总频次 295 次，前五缩写“IEEE”（50 次）等累计占比 56.9 %，反映了文档引用的经典文献和技术标准，真是博学多才呀！📚 综上，本报告通过多维度术语统计，全面揭示了文档的知识结构和研究焦点，就像是为文档画了一幅清晰的肖像画🎨，让大家一眼就能看懂它的奥秘！

---

六、原文部分参考文献

[1] 陈皓勇, 李志豪, 陈锦彬, 等. 电力物联网：数据科学视角及商业模式[J]. 电力系统保护与控制, 2020, 48(22): 33-40.
[2] A. Arif, S. Ma, Z. Wang, et al. Optimizing service restoration in distribution systems with uncertain repair time and demand[J]. IEEE Transactions on Power Systems, 2018, 6(33): 6828-6838.
[3] N. Bañol Arias, S. Hashemi, P. B. Andersen, et al. Distribution system services provided by electric vehicles: recent status, challenges, and future prospects[J]. IEEE Transactions on Intelligent Transportation Systems, 2019,12(20): 4277-4296.
[4] 祝恩国, 范红, 窦健, 等. 基于 SEP2 与 IEC 61970 CIM 的用电信息采集系统互动模型设计与应用[J]. 电测与仪表, 2016, 53(21): 89-94.
[5] 王留送, 杨大勇, 孔波, 等. 基于 IEC 61850 建模的智能终端设备的实现[J]. 高压电器,2015, 51(05): 89-94.
[6] T. Zhuang, M. Ren, X. Gao, et al. Insulation condition monitoring in distribution power grid via IoT-based sensing network[J]. IEEE Transactions on Power Delivery, 2019, 4(34): 1706-1714.
[7] R. J. Tom, S. Sankaranarayanan and J. J. P. C. Rodrigues. Smart energy management and demand reduction by consumers and utilities in an IoT-fog-based power distribution system[J]. IEEE Internet of Things Journal, 2019, 5(6): 7386-7394.
[8] P. A. Pegoraro, A. Meloni, L. Atzori, et al. PMU-based distribution system state estimation with adaptive accuracy exploiting local decision metrics and IoT paradigm[J]. IEEE Transactions on Instrumentation and Measurement, 2017, 4(66): 704-714.
[9] 赵林楠. 智能终端在智能变电站中的应用及建模[J]. 电站系统工程, 2014, 30(04): 70-72.
[10] 李智, 邓杰, 杨溢龙, 等. 从信息物理融合系统问题模型到 UML 用例图的变换方法[J].计算机科学, 2020, 47(12): 65-72.
[11] 陈超群, 李志华, 闫成雨, 等. 移动智能终端信息防泄漏模型的研究及应用[J]. 计算机工程与设计, 2016, 37(10): 2632-2638.
[12] 刘汇慧, 杨成月, 吴丽莎, 等. 面向智能电网二元复杂网络的电力统一空间信息模型[J].电信科学, 2016, 32(05): 152-159.
[13] 吕军, 栾文鹏, 刘日亮,等. 基于全面感知和软件定义的配电物联网体系架构[J]. 电网技术, 2018, 042(010):3108-3115.
[14] 杨德祥, 刘东, 陆鸣, 等. 基于公共信息模型的特高压电网信息建模及应用[J]. 电网技
术, 2014,38(01): 255-263.