层级	组件	功能
感知层	电压/电流互感器、温度/振动传感器	原始数据采集
边缘层	IoT边缘网关（Raspberry Pi/工业网关）	数据接入、协议转换、本地处理
应用层	Simulink数字孪生模型、云端服务器	数据接收、可视化、高级分析

✅ 核心目标：在边缘侧完成数据“采集 → 处理 → 决策 → 上传”闭环，实现高效、智能、低带宽的数据采集。

三、建模过程详解

第一步：模拟物理电网与传感器数据

matlab

深色版本

% 创建主模型
modelName = 'IoT_Edge_Data_Acquisition';
new_system(modelName);
open_system(modelName);

1. 电网信号生成

电压/电流信号：50Hz正弦波 + 谐波 + 噪声
故障注入：模拟电压暂降、短路电流

matlab

深色版本

% 在 Simulink 中使用：
% - Sine Wave: 基波
% - Chirp Signal: 谐波
% - Random Number: 噪声
% - Relay + Step: 故障注入

2. 非电气量传感器

温度传感器：模拟变压器油温（随负荷变化）
振动传感器：模拟铁芯松动（100Hz振动）
局放传感器：模拟绝缘缺陷（随机脉冲）

使用 MATLAB Function 或 Stateflow 生成这些信号。

第二步：构建IoT边缘设备模型

1. 边缘设备功能

多协议接入：支持 Modbus、MQTT、IEC 61850
数据预处理：
- 数字滤波（低通、带阻）
- 特征提取（RMS、FFT、小波变换）
- 异常检测（阈值、统计过程控制）
智能上传决策：
- 正常数据：压缩后定时上传（如每5分钟）
- 异常数据：实时上传 + 告警

2. 在 Simulink 中实现

创建子系统 Edge_Gateway，包含：

matlab

深色版本

% 示例：数字滤波（低通）
add_block('simulink/Continuous/Transfer Fcn', 'IoT_Edge_Data_Acquisition/Edge_Gateway/Lowpass_Filter');
set_param('IoT_Edge_Data_Acquisition/Edge_Gateway/Lowpass_Filter', 'Denominator', '[0.01 1]');

% 示例：RMS计算
add_block('simulink/Math Operations/RMS', 'IoT_Edge_Data_Acquisition/Edge_Gateway/RMS_Calc');

% 示例：FFT分析（使用Buffer + FFT模块）
add_block('simulink/Signal Attributes/Buffer', 'IoT_Edge_Data_Acquisition/Edge_Gateway/Buffer');
add_block('DSP System Toolbox/Transforms/FFT', 'IoT_Edge_Data_Acquisition/Edge_Gateway/FFT');

第三步：实现边缘智能决策逻辑

使用 `Stateflow` 建模决策状态机

matlab

深色版本

% 状态：Normal, Warning, Fault
% 事件：temp > 80°C, vibration_rms > 0.2g, voltage_sag < 0.8p.u.

% 状态转移逻辑：
% Normal → Warning: 温度>80 或 振动>0.15
% Warning → Fault: 持续10s 或 电压暂降
% Fault → Normal: 人工复位 或 自动恢复

上传策略

Normal：发送摘要（平均值、最大值）
Warning：发送1分钟历史数据 + 告警标志
Fault：发送故障前后10秒高采样率数据 + 告警

第四步：模拟通信与协议

1. 使用 MQTT 协议上传数据

Broker: test.mosquitto.org（测试用）
Topic: grid/sensor_data, grid/alerts

2. 在 Simulink 中配置

使用 IoT Support Package for MQTT 的 MQTT Publish 模块
消息格式：JSON

json

深色版本

{
  "device_id": "DTU_001",
  "timestamp": "2025-09-05T23:58:00Z",
  "voltage_rms": 10.2,
  "current_rms": 150.3,
  "temperature": 78.5,
  "vibration_rms": 0.12,
  "status": "normal",
  "upload_mode": "summary"
}

3. 模拟带宽限制

使用 Rate Transition 模块限制上传频率
模拟4G网络延迟（100~500ms）

第五步：数据处理与验证

1. 本地处理示例

matlab

深色版本

% MATLAB Function: 边缘特征提取
function [rms_v, fft_mag, alert] = edge_processing(voltage_signal)
    % RMS计算
    rms_v = sqrt(mean(voltage_signal.^2));
    
    % FFT分析（找谐波）
    N = length(voltage_signal);
    Y = fft(voltage_signal);
    fft_mag = abs(Y(1:N/2+1));
    f = (0:N/2)*50/N; % 假设采样率
    
    % 异常检测
    if rms_v < 8.0 || rms_v > 12.0
        alert = 1; % 电压异常
    else
        alert = 0;
    end
end

2. 数据压缩（可选）

使用 小波压缩 或 简单平均降采样
压缩比可达 10:1（正常数据）

四、仿真运行与结果分析

仿真场景

时间	事件
t=0~10s	正常运行，边缘设备发送摘要
t=10s	温度升至82°C → 边缘检测为"Warning" → 发送详细数据
t=15s	电压暂降至0.7p.u. → 边缘检测为"Fault" → 实时上传故障录波
t=20s	恢复正常 → 返回摘要上传

结果对比

指标	传统直传模式	边缘智能上传
平均上传频率	10Hz	0.1Hz（摘要） + 事件触发
带宽占用	高（持续）	低（峰值仅异常时）
异常响应延迟	500ms（云端处理）	50ms（本地处理）
云端计算负载	高	低
数据隐私	原始数据外传	敏感数据本地处理