FOGNITE: Federated Learning-Enhanced Fog-Cloud Architecture
FOGNITE提出一种雾-云框架，结合联邦学习、强化学习和数字孪生验证，在Raspberry Pi测试平台上实现负载均衡准确率提升93.7%、能源浪费减少63.2%，推动智能电网从被动纠错转向主动优化。
2025-07-22 cs.DC
Edge, Fog, and Cloud Computing : An Overview on Challenges and Applications
随着物联网（IoT）和各种移动设备的快速增长，传统的云计算范式面临着重大挑战（高延迟、带宽成本等）。受这些限制和对物联网未来的担忧的推动，现代架构正朝着将云计算资源分布到大多数终端设备所在的远程位置的方向发展。边缘和雾计算被认为是集中式云解决方案不适合的应用程序的关键推动因素。在本文中，我们回顾了边缘、雾、云计算的高级定义，以及它们在各种物联网场景中的配置。我们进一步讨论了它们在许多应用中的交互和协作，例如云卸载，智能城市，医疗保健和智能农业。虽然在开发这种分布式系统方面仍然存在挑战，但解决这些限制的早期研究也已经浮出水面。
2022-11-03 cs.DC
Positioning Fog Computing for Smart Manufacturing
Aalto University（阿尔托大学）
我们研究用于实时工业质量控制的机器学习系统。在许多工厂系统中，生产过程必须连续控制，以保持产品质量。特别具有挑战性的是必须在严格的资源消耗限制和最终产品缺陷风险之间实时平衡的系统。需要自动化的质量控制系统，因为人工控制是繁琐且容易出错的。我们将机器学习视为开发自动化质量控制系统的可行选择，但将此类系统与现有工厂自动化集成仍然是一个挑战。在本文中，我们建议引入一个新的雾计算层的标准层次的自动化控制，以满足机器学习驱动的质量控制的需要。
2022-05-22 cs.DC cs.LG
Fog Computing Approaches in Smart Cities: A State-of-the-Art Review
如今，智能城市的发展，特别是在位置感知、延迟敏感和安全关键应用（如紧急火灾事件、患者健康监测或实时制造）中，在很大程度上取决于能够满足这些要求的更先进的计算模式。在这方面，雾计算，一个强大的云计算的补充，发挥了优势的作用，凭借定位更接近终端设备。尽管如此，智能城市中使用的方法通常是基于云的，这不仅会导致安全性和时间敏感的服务受到影响，而且其灵活性和可靠性也受到限制。为了克服云和其他相关计算范式（如边缘计算）的局限性，本文对智能城市中最先进的基于雾的方法进行了系统的文献综述（SLR）。在此基础上，根据研究的内容，提出了一种分类方法，将其分为基于服务、基于资源和基于应用的三大类。本SLR还调查了每个类的评价因素、使用的工具、评价方法、优点和缺点。在每一类中提出的算法的类型也被提到。最重要的是，通过考虑各种观点，通过将未来趋势和问题划分为实际的子类，提供了全面和独特的开放问题和挑战。
2020-12-01 cs.DC cs.NI
FOCAN: A Fog-supported Smart City Network Architecture for Management of Applications in the Internet of Everything Environments
智慧城市愿景将雾计算（FC）等新兴异构通信技术结合在一起，大幅降低运行各种应用的万物互联（IoE）设备的延迟和能耗。区分智能城市的FC范例的关键特征是，它通过有线/无线接入网络（例如，邻近接入点和基站）以提供资源增强（例如，网络搜寻）用于资源和能量有限的有线/无线（可能是移动的）事物。此外，开发智慧城市应用的目标是改善城市流量的管理，并允许对用户交易关系中可能出现的挑战做出实时响应。本文提出了一种支持雾的智能城市网络架构，称为雾计算架构网络（FOCAN），这是一种多层结构，其中运行在事物上的应用程序通过智能城市环境联合计算，路由和相互通信，以减少延迟，提高能源供应和具有不同功能的事物之间的服务效率。引入FOCAN后出现的一个重要问题是需要避免将数据传输到/从远处传输，而是覆盖物联网应用的最近区域。我们定义了FOCAN设备之间的三种类型的通信（例如，主间通信、主通信和辅助通信）来以满足IoE的服务质量标准的方式管理应用。FOCAN的主要优点之一是设备可以以低能耗和高效的方式提供服务。选定案例研究的仿真结果证明了FOCAN节能解决方案对智慧城市中各种类型事物的通信性能的巨大影响。
2017-10-04 cs.DC cs.NI
Serving Graph Neural Networks With Distributed Fog Servers For Smart IoT Services
Sun Yat-sen University（中山大学）
本文提出分布式实时GNN推理框架Fograph，利用多雾节点异构资源与GNN特定压缩技术，解决云端服务通信开销大的问题，实现最高5.39倍执行加速和6.84倍吞吐量提升。
2023-07-04 cs.AI cs.DC cs.LG
Resource Management in Fog/Edge Computing: A Survey
与使用远程和集中的云数据中心资源相反，在网络边缘采用分散的资源来处理更靠近用户设备（例如智能手机和平板电脑）的数据是即将到来的计算范例，称为雾/边缘计算。与云相比，雾/边缘资源通常是资源受限的、异构的和动态的，从而使资源管理成为需要解决的重要挑战。本文回顾了早在1991年的出版物，其中85%的出版物在2013-2018年之间，以识别和分类雾/边缘计算中管理资源的架构，基础设施和底层算法。
2018-09-30 cs.DC
Fog Function: Serverless Fog Computing for Data Intensive IoT Services
雾计算可以通过将计算从云移动到边缘设备来支持具有快速响应时间和低带宽使用的物联网服务。然而，现有的雾计算框架具有有限的灵活性，以支持动态服务组合与面向数据的方法。FaaS（Function-as-a-Service）是一种很有前途的雾计算编程模型，可以增强灵活性，但目前基于事件或主题的功能触发设计以及数据管理和功能执行的分离导致数据密集型物联网服务效率低下。为了实现灵活性和效率，我们提出了一个以数据为中心的编程模型，称为雾函数，并介绍了其底层的编排机制，利用三种类型的上下文：数据上下文，系统上下文和使用上下文。此外，我们还展示了一个智能停车的具体用例，其中Fog Function允许服务开发人员轻松地对其服务逻辑进行建模，与静态服务拓扑相比，减少了学习工作量。我们的性能评估结果表明，雾功能可以扩展到数百个雾节点。雾功能可以通过云功能节省95%的内部数据流量来提高系统效率，并且可以通过边缘功能减少30%的服务延迟。
2019-07-18 cs.DC
HealthFog: An Ensemble Deep Learning based Smart Healthcare System for Automatic Diagnosis of Heart Diseases in Integrated IoT and Fog Computing Environments
云计算通过互联网提供资源，并允许部署过多的应用程序来为不同的行业提供服务。这些云框架目前面临的主要瓶颈是其有限的可扩展性，因此无法满足基于集中式物联网（IoT）的计算环境的要求。其主要原因是，像健康监测和监控系统这样的延迟敏感型应用程序现在需要对传输到集中式数据库以及从数据库到云数据中心的大量数据（大数据）进行计算，这导致此类系统的性能下降。雾和边缘计算的新范式通过将资源更接近用户来提供创新解决方案，并为数据处理提供低延迟和高能效的解决方案。尽管如此，当前的雾模型仍有许多局限性，并且从有限的角度关注结果的准确性或减少的响应时间，而不是两者。我们提出了一个名为HealthFog的新框架，用于在边缘计算设备中集成集成深度学习，并将其部署到自动心脏病分析的实际应用中。HealthFog使用物联网设备将医疗保健作为雾服务提供，并有效地管理心脏病患者的数据，这些数据是根据用户请求提供的。FogBus是一个支持Fog的云框架，用于部署和测试所提出的模型在功耗，网络带宽，延迟，抖动，准确性和执行时间方面的性能。HealthFog可配置为各种操作模式，在不同的雾计算场景和不同的用户要求中，根据需要提供最佳的服务质量或预测准确性。
2019-11-15 cs.DC eess.SP
Edge-Fog Cloud: A Distributed Cloud for Internet of Things Computations
物联网通常涉及大量智能传感器，从环境中感知信息并将其共享给云服务进行处理。已经提出了各种架构抽象，如雾和边缘计算，以将一些处理定位在传感器附近，远离中央云服务器。在本文中，我们提出了边缘雾云，它分布在网络中的参与云资源的任务处理。我们开发的最小处理成本第一（LPCF）的方法分配的处理任务，提供最佳的处理时间和接近最佳的网络成本的节点。我们评估LPCF在各种情况下，并证明其有效性，找到处理任务分配。
2017-03-07 cs.DC
FogBus: A Blockchain-based Lightweight Framework for Edge and Fog Computing
同时支持延迟敏感型和计算密集型物联网（IoT）应用的需求不断提高了集成边缘、雾和云基础设施的必要性。虽然有许多真实世界的框架试图支持这样的集成，他们有许多限制，从各种角度，包括平台独立性，安全性，资源管理和多应用程序的援助。为了解决这些限制，我们提出了一个简化但有效的框架，名为FogBus，用于促进端到端的物联网-雾（边缘）-云集成。FogBus为IoT应用程序和计算实例提供了一个独立于平台的接口，用于执行和交互。它不仅帮助开发人员构建应用程序，还帮助用户一次运行多个应用程序，并帮助服务提供商管理其资源。此外，FogBus应用区块链、身份验证和加密技术来保护敏感数据的安全操作。由于其轻量级和跨平台的软件系统，易于部署，可扩展性和成本效益。我们通过创建一个计算环境来证明我们的框架的有效性，该计算环境将手指脉搏血氧仪作为物联网设备与基于智能手机的网关和基于Raspberry Pi的Fog节点集成，用于睡眠呼吸暂停分析。我们还在此计算环境上运行了几个实验，改变FogBus设置。实验结果表明，不同的FogBus设置可以改善计算基础设施的延迟，能源，网络和CPU使用率。
2018-11-29 cs.DC
Application Management in Fog Computing Environments: A Taxonomy, Review and Future Directions
物联网（IoT）模式正在迅速被用于在各个领域创建智能环境。与智慧城市、医疗保健、工业4.0和Agtech相关的物联网网络物理系统（CPS）处理大量数据，并需要来自不同类型应用程序的实时数据处理服务。物联网应用程序的以云为中心的执行几乎无法满足这些要求，因为云计算中心与物联网设备之间存在多跳距离。\textit{Fog computing}是云在边缘网络上的扩展，可以在更靠近数据源的地方执行这些应用程序。因此，雾计算可以提高应用服务的交付时间，抵抗网络拥塞。然而，雾节点是高度分布，异构和大多数的资源和空间共享的限制。因此，有效管理应用程序是充分利用雾节点功能的必要条件。在这项工作中，我们调查了雾计算中现有的应用程序管理策略，并在架构，放置和维护方面对其进行了审查。此外，我们提出了一个全面的分类，并强调了基于雾的应用程序管理的研究差距。我们还讨论了一个前景模型，并提供了未来的研究方向，进一步改善雾计算中的应用程序管理。
2020-05-21 cs.DC eess.SP
From Zero to Fog: Efficient Engineering of Fog-Based Internet of Things Applications
在物联网数据处理中，由于延迟约束、带宽限制和隐私问题，单独的云计算是不够的。通过引入更靠近网络边缘的中间节点，在物联网设备附近提供计算服务，雾计算可以减少网络压力和应用服务的高访问延迟。虽然这是实现高效物联网应用的唯一可行方法，但雾中云和中间节点之间的组件放置问题为系统设计增加了一个新的维度。这个问题的最先进的解决方案依赖于模拟或通过启发式算法解决形式化的分配问题，这两者都是不准确的，并且无法随着解空间呈指数级增长而扩展。在本文中，我们提出了一个设计实用的基于雾的物联网应用程序的三步过程，该过程使用最佳实践，模拟和测试床分析来收敛到一个高效的系统架构。然后，我们将此流程应用于智能工厂案例研究中。通过部署过滤选项的物理测试平台，我们表明，我们的过程中的每一步收敛到更有效的应用程序设计。
2021-07-02 cs.DC
Demystifying Fog Computing: Characterizing Architectures, Applications and Abstractions
物联网（IoT）通过智慧城市基础设施和生活方式设备加速了网络边缘数百万个传感器的部署。云计算平台的任务通常是处理来自边缘的大量快速数据流。最近，雾计算已经成为这些观察流的低延迟和资源丰富处理的概念，以补充边缘和云计算。在本文中，我们回顾了系统架构，应用程序特性和平台抽象的各个方面，这些方面在边缘，雾和云生态系统中表现出来。我们强调了Edge和Fog层的新功能，例如物理和应用程序移动性，隐私敏感性和新生的运行时环境。基于不同领域第一手经验的物联网应用案例研究推动了这一分类。我们还强调了雾计算的潜力和现实之间的差距，并确定了解决方案可持续发展需要克服的挑战。总之，我们的文章可以帮助平台和应用程序开发人员弥合差距，使雾计算可行。
2017-02-21 cs.DC
Towards a Cloud Fog Edge System for Smart Building
University Sorbonne Paris Nord（巴黎北索邦大学）；CNRS（法国国家科学研究中心）；INRIA（法国国家信息与自动化研究所）；National institute of Informatics（国立信息学研究所）
本文提出将建筑物作为数据中心的去中心化系统，利用边缘计算和轻量级Kubernetes-like框架，在低功耗微控制器上部署AI算法，实现可持续、保护隐私的智能环境，并评估了两种新在线算法。
2026-10-02 cs.DC cs.LG
Resilient Execution of Data-triggered Applications on Edge, Fog and Cloud Resources
物联网（IoT）正在导致物理世界的流数据的普遍可用性，再加上作为智能城市和5G部署的一部分部署的边缘计算基础设施。这些受限的、不太可靠但便宜的资源由雾资源补充，雾资源提供联合管理和加速计算，以及按需付费的云资源。缺乏直观的方法来部署应用程序管道以使用这些不同的流，并在边缘和雾资源上可靠地执行它们。我们提出了一个创新的应用程序模型，声明式地指定查询，以匹配来自流源的微批数据流，并触发数据管道的分布式执行。我们还设计了一个弹性的调度策略，使用先进的保留可靠的雾，以保证在最后期限内，同时最大限度地减少执行成本的低完成。我们对100多个虚拟物联网资源和$\approx 10k$任务执行进行了详细的实验，并与基线调度策略进行了比较，说明了我们框架的成本效益，弹性和可扩展性。
2022-03-24 cs.DC
LEAF: Simulating Large Energy-Aware Fog Computing Environments
尽管效率不断提高，但今天的数据中心和网络消耗了大量的能源，预计这一需求将进一步增长。一个重要的研究问题是雾计算是否以及如何遏制这一趋势。由于雾基础设施的实际部署仍然很少，因此很大一部分研究依赖于模拟。然而，现有的功耗模型通常仅针对特定组件，例如计算节点或电池受限的边缘设备。结合分析和离散事件建模，我们开发了一个整体但粒度的能耗模型，可以确定计算节点的功耗以及网络流量和应用程序随着时间的推移。模拟可以包含数千台设备，这些设备在分布式、异构和资源受限的基础设施上执行复杂的应用程序图。我们在智能城市交通场景中评估了我们公开的原型LEAF，证明它可以研究节能雾计算架构，并可用于评估动态任务放置策略和其他节能机制。
2021-03-01 cs.DC
Autonomic Management of Power Consumption with IoT and Fog Computing
我们介绍了一种用于在涉及物联网（IoT）和雾计算的设置中自主管理功耗的系统。中央物联网（CIoT）是一种基于雾计算的解决方案，提供先进的编排机制来管理动态占空比，以节省额外的能源。该解决方案通过基于上下文信息（例如环境条件、用户行为、行为变化、关于能量和网络资源利用的规定等）调整归属（H）和离开（A）周期来工作。通过概念验证进行的性能分析显示，平均节能58.4%，在增加调度系统和可变长睡眠周期（LS）时，节能率高达61.51%。然而，不存在增加LS时间和更多节省的线性关系。这项研究的意义是促进自主管理作为一种解决方案，以发展更节能的建筑和更智能的城市，实现可持续发展的目标。
2021-05-12 cs.DC
An Adaptive Nature-inspired Fog Architecture
在过去的十年中，云计算通过在互联网上提供低成本的计算和存储资源来有效地利用规模经济，最终导致将计算资源整合到大型数据中心中。然而，高度分散的物联网（IoT）技术的出现无法有效地利用集中式云基础设施，将计算推向资源分散。雾计算通过将计算和存储资源分散在网络边缘，非常接近数据生成的位置，扩展了云模式。从本质上讲，雾计算促进了物理上位于边缘设备附近的有限计算，存储和网络资源的操作。然而，雾的共同复杂性以及最近物联网趋势的影响，即部署和互连非常大的普及设备和传感器，需要探索自适应雾架构方法，这些方法能够适应和扩展以响应分布式物联网应用的不可预测的负载模式。在本文中，我们介绍了一个有前途的新的自然启发雾架构，命名为SmartFog，能够提供低决策延迟和自适应资源管理。通过利用新的算法和技术，从多标准决策，图论和机器学习领域，我们模拟雾作为一个分布式智能处理系统，因此模仿人脑的功能。
2018-03-09 cs.DC
MockFog 2.0: Automated Execution of Fog Application Experiments in the Cloud
雾计算是一种新兴的计算范式，它使用位于边缘、云中以及可能介于两者之间的处理和存储功能。然而，测试和基准测试雾应用程序是很困难的，因为运行时基础设施通常会被使用，或者可能还不存在。虽然基础设施测试台的仿真方法确实存在，但它们的重点通常是边缘设备的仿真。其他方法也可以模拟核心网络或云中的基础设施，但它们不支持自动化实验编排。在本文中，我们建议评估雾应用程序在云中创建的模拟基础设施测试平台上，可以根据预定义的编排时间表进行操作。开发人员可以自由地设计基础设施、配置性能特征、管理应用程序组件以及编排他们的实验。我们还介绍了我们的概念验证实现MockFog 2.0。我们使用MockFog 2.0来评估基于雾的智能工厂应用程序，并展示如何使用其功能来研究基础设施变化和工作负载变化的影响。通过这些实验，我们还表明，即使在公共云环境中，MockFog也可以实现良好的实验再现性。
2021-05-11 cs.DC
WSN and Fog Computing Integration for Intelligent Data Processing
具有传感、计算、控制和通信能力的网络嵌入式系统允许开发各种应用场景，并代表物联网（IoT）范式的构建块。传统的数据汇集方法包括多个现场级物联网系统，这些系统可以将来自分布式地面传感器网络的数据直接中继到云平台进行存储、分析和处理。然而，在这样的应用中，在非结构化环境中的快速传感器部署代表了对系统的整体鲁棒性的挑战。我们讨论了雾和薄雾计算方法，分层处理数据沿其路径从源到目的地。中间数据处理的几个阶段以渐进的方式减少了计算和通信工作。因此，提出并说明了一种用于智能数据监测和处理的三层拓扑结构，以提高参考场景中的信息噪声比。
2019-03-22 cs.DC
Achieving Observability on Fog Computing with the use of open-source tools
本文针对资源受限的雾计算环境，形式化定义雾可观测性，并基于智慧城市真实测试床评估开源工具，证明在调整默认配置、控制开销后可实现可观测性。
2024-05-25 cs.DC
Fog Computing Architecture: Survey and Challenges
生成大量数据的新兴技术（如物联网（IoT）服务）需要延迟感知计算平台来支持时间关键型应用程序。由于云计算的按需服务和可扩展性特征，大数据应用处理在云基础设施中完成。仅在云中管理大数据应用程序对于与智能交通系统、医疗保健解决方案、应急响应系统和内容交付应用程序相关的延迟敏感型应用程序来说并不是一种有效的解决方案。因此，允许应用程序在云和终端设备之间执行计算操作的雾计算范例已经出现。在雾架构中，物联网设备和传感器连接到位于用户附近的雾设备，它还负责中间计算和存储。大多数计算将通过消除对云资源的完全依赖而在边缘上完成。在这一章中，我们调查和调查雾计算架构已提出在过去几年中。此外，我们还研究了物联网应用程序和平台的要求，以及云系统在执行物联网应用程序时所面临的限制。最后，我们回顾了当前的研究工作，特别是专注于大数据应用程序执行雾和解决几个开放的挑战，以及未来的研究方向。
2018-11-22 cs.DC
Outlier Detection in Smart Grid Communication
工业控制系统（ICS）网络在智能电网等关键环境中传输控制和监控数据。对智能电网通信的网络攻击可能会对能源生产、分配以及最终对人们的生活造成致命的后果。由于攻击可以从网络内部和外部发起，因此传统的智能电网安全工具，如防火墙或入侵检测系统（IDS），通常部署在网络边缘，无法检测内部威胁。因此，我们还需要分析内部ICS通信的行为。
2021-08-29 cs.DC
Edge Offloading in Smart Grid
本文综述智能电网中的边缘卸载，分析边缘-雾-云等架构及优化算法，并通过SWOT分析支持决策，以应对低延迟和高可靠性挑战。
2024-01-15 cs.DC cs.NI
A Scalable Architecture for Monitoring IoT Devices Using Ethereum and Fog Computing
随着物联网（IoT）的近期显著发展，数十亿资源受限的设备通过互联网互连。监控大量在底层通信协议和数据格式方面异构的物联网设备具有挑战性。大多数现有的物联网设备监控解决方案严重依赖于集中式架构。由于使用集中式架构是以信任权威为代价的，因此它有几个固有的缺点，包括易受安全攻击，缺乏数据隐私和未经授权的数据操纵。因此，一种新的去中心化方法对于弥补这些缺陷至关重要。被广泛用于提供去中心化的最有前途的技术之一是区块链。此外，为了减轻资源受限的物联网设备上的通信开销和计算能力的负担，可以利用雾计算来减少通信延迟并提供更好的网络可扩展性。在本文中，我们提出了一种可扩展的基于区块链的架构，用于使用雾计算监控物联网设备。为了证明所提出的解决方案的可行性和可用性，我们利用以太坊智能合约实现了一个概念验证原型。最后，进行了综合评价。评估结果表明，所提出的解决方案具有显著的可扩展性，并与资源受限的物联网设备兼容。
2020-11-11 cs.DC
Smart Grid Communications: Overview of Research Challenges, Solutions, and Standardization Activities
未来智能能源网络（或智能电网）中的能耗优化将基于发电、输电、配电和负荷中各种电网元件之间的电网集成近实时通信。本文讨论了智能电网和智能计量领域通信研究的一些挑战和机遇。特别是，我们专注于实现可互操作和面向未来的智能电网/计量网络，智能电网安全和隐私的一些关键通信挑战，以及如何将现有的一些网络技术应用于能源管理。最后，我们还讨论了在欧洲协调标准化的努力，以协调通信标准和协议。
2011-12-15 cs.DC cs.NI
Autonomous Smart Grid Fault Detection
智能电网对智能社会和即将到来的碳中和社会起着至关重要的作用。实现智能电网的自主故障检测是智能电网系统状态感知、维护和运行的关键。本文重点介绍了智能电网中的故障监测，并讨论了固有的技术挑战和解决方案。特别是，我们首先介绍了智能电网故障检测的基本原理。然后，我们解释了自主智能电网故障检测的新要求，技术挑战和可能的解决方案。介绍了一个案例研究，作为自主智能电网故障检测的初步研究。此外，我们强调了未来研究的相关方向。
2022-05-27 cs.DC cs.SY eess.SY
Sustainable Cloud-Fog-Edge Systems for Smart Buildings: Algorithmic Adaptation under Memory Constraints and Dynamic Orchestration Strategies
University Sorbonne Paris Nord（巴黎北索邦大学）；CNRS（法国国家科学研究中心）；INRIA（法国国家信息与自动化研究所）
针对智能建筑的可持续云-雾-边系统，提出含Arduino数据采集、KOptim编排框架及适配GHA算法的方案，经Tour Perret传感器数据验证可可靠识别两种运行状态。
2026-10-12 cs.DC cs.LG cs.NA
When Blockchain Meets Smart Grids: A Comprehensive Survey
近年来，人们对区块链技术越来越感兴趣，许多基于区块链的应用程序已经开发出来，以利用其分散性，透明度，容错和强安全性。在智能电网领域，已经出现了大量的建议，利用区块链来增强智能能源管理，能源交易，安全和隐私保护，微电网管理和能源汽车。与传统的集中式方法相比，基于区块链的解决方案能够利用区块链的优势，在智能电网中实现更好的功能。但区块链技术本身也有其处理吞吐量低、隐私保护弱的缺点。因此，研究如何以更有效的方式将区块链与智能电网相结合，从而最大限度地发挥区块链的优势，避免其缺点至关重要。本文调查了旨在将新兴区块链技术与智能电网集成的最先进的解决方案。本次调查的目的是讨论在智能电网的不同组成部分中应用区块链的必要性，确定当前解决方案遇到的挑战，并强调用于将区块链与智能电网集成的框架和技术。我们还从不同的角度对基于区块链的智能电网解决方案进行了全面的比较研究，旨在为不同的智能电网管理任务提供将区块链与智能电网集成的见解。最后，我们列出了当前的项目和计划，从实践方面展示了当前的努力。此外，我们提请注意尚未解决的现有解决方案的开放问题，并指出未来可能的研究方向。
2021-09-29 cs.CR cs.DC
Distributed Demand Response and User Adaptation in Smart Grids
提出了一种分布式智能电网需求响应和用户自适应框架。特别是，我们借用拥塞定价的概念，在互联网流量控制和定价信息是非常有用的，以调节用户的需求，从而平衡网络负载。用户偏好被建模为一个愿意支付参数，可以被看作是一个指标的差异服务质量。分析和仿真结果表明，该算法的动态和收敛行为。
2010-07-30 cs.DC cs.NI
Blockchain for Future Smart Grid: A Comprehensive Survey
智能电网的概念已被引入作为传统电网的新愿景，以找出整合绿色和可再生能源技术的有效方法。互联网智能电网，也称为能源互联网，也正在成为一种创新的方法，以确保随时随地的能源。这些发展的最终目标是建立一个可持续发展的社会。然而，集成和协调大量不断增长的连接对于传统的集中式网格系统来说是一个具有挑战性的问题。因此，智能电网正在经历从集中式拓扑结构向分散式拓扑结构的转变。另一方面，区块链具有一些优秀的特性，使其成为智能电网范例的一个有前途的应用。在本文中，我们的目的是提供一个全面的调查区块链在智能电网中的应用。因此，我们确定了可以通过区块链解决的智能电网场景的重大安全挑战。然后，我们提出了一些基于区块链的最新研究工作，这些研究工作在不同的文献中提出，以解决智能电网领域的安全问题。并总结了近年来出现的几个相关的实际项目、试验和产品。最后，我们讨论了将区块链应用于智能电网安全问题的基本研究挑战和未来方向。
2020-05-13 cs.CR cs.DC cs.NI
Systemic approach for modeling a generic smart grid
Laboratory LI-PaRAD University of Versailles Versailles France；Pole Universitaire L\'eonard de Vinci De Vinci Research Center La D\'efense France；Laboratory LI-PaRAD；Pole Universitaire L\'eonard de Vinci De Vinci Research Center
本文提出了一种面向通用智能电网的系统化建模方法，通过分布式优化实现生产和消费调度，以验证电网场景假设。
2025-11-21 cs.AI cs.DC cs.SY
