信数据空间服务平台在国家数据基础设施架构中的定位是业务节点，在满足业务节点基本要求上结合自 身技术特征扩展了相应功能组件：如数字合约、空间管理等部分；接入连接器在接入可信数据空间时需 3 在通用功能基础上扩展使用控制、数字合约等部分。另一方面，从互联互通的角度，可信数据空间是国 家数据基础设施的一部分，应按照统一目录标识、统一身份登记、统一接口要求，接入区域/行业功能 节点，实现与其他业务节点的互联互通，以及与其他数据基础设施的互信互认及互操作。用户可通过数 识，并可在使用控制技术中融合区块链、数据沙箱、隐私保护计算等技术，保证数据的流通和使用过程 如约执行；跨域跨空间的数据互联互通，可信数据空间符合国家数据基础设施参考架构并与区域/行业 业务节点对接，能够通过数据基础设施统一底座便捷、有效地发现、定位和使用其他可信数据空间及业 务节点中的数据产品。多方参与的数据价值共创，可信数据空间在支持参与方之间数据可信流通的基础 上，支持算力服务、人工智能服务、数据治理服务、数据开发服务等增值服务提供方加入可信数据空间， 空间服务平台以及与服务平台对接的接入连接器。在继 承国家数据基础设施业务节点、接入连接器基本要求的基础上，可信数据空间结合自身技术特征进行了 一定的功能扩展，整体架构见图1。 图 1 可信数据空间在数据基础设施中的位置 4 功能架构 5.2.1 概述 功能架构描述了可信数据空间服务平台作为一类国家数据基础设施业务节点应具备的功能集合，以 及接入连接器在与可信数据空间服务平台对接时应进行

电力的时间价值 电力生产流程与 特点 负荷中心发电资源稀缺， 发电成本高， 电源中心发电 资源富裕， 发电成本低， 电力具有空间价值 • 不同地区的电力资源供求关系不同 • 节点 / 分区电价反应不同地区的边际机组发电价格 电力的空间价值 电力生产流程与 特点 潮流方向出现阻塞 发电资源稀缺 发电资源富裕 价 格 下 降 价 格 上 调 上海 安徽 w v 收益： 上限 / 成本加成 质量： 可靠 性 / 电压 市场力： 事 前 / 事 中 / 事 后 2 产品体 系 环节： 发输 配售 时间： 年 / 月 / 日 / 时 / 分 空间： 节点 / 分区 / 统一 市场目标 公平 安全 电力市场 架构 电 力 市 场 体 系 政治经济环境 电力系统结构 效率 环保 价格 （元 / kWh ） 日前市场 { + = 5 电力现货市场 电力现货市场——节点边际定价概念 u “ 节 点 边 际 电 价 ” 指 在 满 足 当 前 输 电 网 络 设 备 约 束 条 件 和 各 类 其 它 资 源 的 限 制 的 情 况 下 ， 在 某 一 节 点 增 加 单位负荷需求时的边际成本 ， 简称 “ 节点电价 ” 。 节点电价 = 系统边际价格

版权所有 © 华为技术有限公司 4 星闪无线通信系统 星闪接入层根据实现功能的不同分为管理节点（G 节点）和终端节点（T 节点），其中 G 节点为其覆 盖下的 T 节点提供连接管理、资源分配、信息安全等接入层服务。星闪接入层实现了 G 节点和 T 节点的 上层业务数据在空口的传输交互。考虑到业务场景对于无线短距离通信存在着差异化的传输需求，目前 星闪接入层为星闪上层提供 于星闪无线通信节点的注册感知、QoS 策略管理以及通信状态监控，实现 5G 核心网对其覆盖下的星闪 无线通信网络的统一管理和维护。 1.2.2 星闪通信场景与系统架构 1.2.2.1 通信场景 星闪无线通信系统可支持的短距离通信场景见下图。根据通信双方的星闪底层节点类型不同，可以 分为： a）节点和 T 节点之间的通信； b）不同 G 节点之间的通信； c）不同 T 节点之间通过 节点之间通过 G 节点进行中继通信。 星闪无线通信系统支持的短距离通信场景 注 1：对于 G 节点之间进行多域协调与管理的通信场景，在连接建立过程中，需要其中一个 G 节点 退回到 T 节点的身份模式并发起向另一个 G 节点的连接； 注 2：G 节点和 T 节点之间通信可以采用 SLB 和/或 SLE。 华为园区网络星闪 SLE 物联数采技术白皮书 版权所有 © 华为技术有限公司

在应对低空场景特有的高动态性、异构性及跨域 协同需求时, 暴露出显著局限性. 首先, 全局态势感知能力缺失. 传统网元移动性管理机制难以捕捉低 空网络三维拓扑的秒级动态变化 [4], 且无法实时获取无人机节点的能源状态、三维坐标等关键参数, 严重制约资源优化决策的时效性. 其次, 资源调度机制僵化. 传统 “容量规划 + 固定配置” 模式难以 适应低空场景中通信、计算、频谱资源的动态耦合需求 [5]. 再次 架构分为低空网络层、数字孪生层和自智管控层, 3 个层级进行分工与协 同, 支撑自智管控闭环稳定高效运行. 自智管控闭环如图 2 所示. 低空网络层通过多模态感知设备实时采集飞行器状态、网络状态及环 境状态等动态数据, 经边缘计算节点预处理后上传至数字孪生层的数据池. 数字孪生层构建动态更新 的数字孪生模型, 保持虚拟与真实物理环境的状态同步. 随后, 数字孪生层选择性上传孪生模型至自智 管控层的管控智能体, 作为其算法输入参数 系统的闭环控制、全局优化与多场景仿真, 赋能低空网络实现自智化管控. 该层核心功能模块包括数 据池、孪生体管理与仿真平台. 数据池负责聚合与存储低空网络层采集的多源异构数据, 包括通信网络数据, 如网络拓扑、节点 资源负载、频谱效率、链路质量等; 还有飞行器动态数据, 如实时位置、航线轨迹、剩余能量等. 由于 低空网络存在实体类型复杂化与资源维度多元化的特性, 构建统一语义规范、支持高效共享的数据中 枢非常具有挑战性

WS_BUGUSER 大用户管理 WA 44 WD WS_DYNAMICANNOTION 动态标注 WD 45 WF WS_FILESYSTEM 文件管理 WF 46 WH WS_HOMENODE 入户节点管理 WH 47 WP WS_PIPE 管段管理 WP 48 WPS WS_PRESSURE_SPOT 压力点 WPS 49 WPP WS_PUMPSTATION 加压泵站管理 WPP 50 分类显示地图中的管线（分类依 据有不同管径、材质），以及会签和切水分析。 地图中展示的供水管网业务相关的对象包括管段、阀门井、阀门、转点、 水鹤、压力点、水厂、供水管理部门、大用户、仪表、入户节点、加压泵站、 水源地等 15 个对象。 二维地理信息模块将包括地图浏览、图层控制、管网标注、净距计算、地 图查询、管网输出功能、彩色图形显示、会签、切水分析等功能： （1）地图浏览功能 提 基础数据查询模块可供用户查询的对象包括管段、阀门井、阀门、转点、 水鹤、压力点、水厂、供水管理部门、大用户、仪表、入户节点、加压泵站、 水源地等 15 个对象。各对象可供查询的属性内容具体如下： （1）管段查询 对管段的查询包括管段的编号、长度、管径、材质、所属街道、终点编号、 铺设年代、入户管线节点、所属供水管理部门、备注。 23 （2）阀门井查询 对阀门井的查询包括阀门井的编号、井盖类型、坐标、埋深、井型、管底

.....................................................................................96 6.2.1 边缘计算节点部署................................................................................................. 采用动态负载均衡架构确保高并发场景下的服务质量，通过以 下技术路径实现： 1. 基于 DeepSeek-V3 模型构建领域知识蒸馏框架，将通用语料库 压缩至原有体积的 40% 2. 部署分层缓存机制，对高频问答内容实施边缘节点预加载 3. 建立多模态反馈闭环，通过用户行为数据持续优化意图识别模型 预期产生的公共服务效益包括：降低人工讲解成本约 60%，使 残障人士服务覆盖率提升至 100%，游客平均停留时长预计增加 采用混合存储方案，结合关系型数据库与分布式文件系统，满足结 构化与非结构化数据的处理需求。 系统分为以下核心层次： 1. 接入层 o 支持 HTTP/HTTPS、WebSocket 等多协议接入 o 实现负载均衡与流量控制，单节点支持 2000+并发请求 o 设备鉴权采用双向 SSL 证书+动态令牌机制 2. 业务逻辑层 关键组件包括： o 语音处理引擎：实时转写准确率≥98%（中文普通话） o 意图识别模块：基于深度学习的多标签分类模型

海南 利用率降低↓ 2024 年全国风、光利用率分别为 95.9% 、 96.8%, 弃电量约 700 亿 kWh 垂委鑫 新型电力系统需要人工智能 ■ 资源多变量 ■ 组合爆炸 千节点规模百机组变量 优化耗时 > 2 小 时 电力人工智能 系统 (AI EPS) 220kV 及以上 4 . 6 × 1 0³ 等 值节 点 五 省 系 统 运 行 1.5×10⁵ 电力系统人工智能大模型蓬勃发展，众多企业和机构积极投入研发：电力企业、高校、研究单位… 国家电网： 口 2023 年 5 月，国网信通产业集团发布“思极 GPT” 。 口 2024 年 7 月，国网湖南电科院发布 10 亿节点配网视觉大模型。 口 2024 年 12 月，国网长沙供电公司研发人工智能“配网调度员”“光明”。 口 2024 年 12 月 19 日，国家电网发布千亿级多模态行业大模型“光明电力大模型”。 据 集 关键技术 3 系统分析与智能推演 数字平衡智 能 体 中国南方电网 CHINA SOUTHERN POWER GRID 32 ■ 底层： 通过对功率、电压、频率等节点参数形成“测点” , 进而学习节点耦合关系形成“测网” ■ 中层：在“测网”的基础上构建通用 Agent , 基于 MoE 架构实现调频、调压等多任务兼容 ■ 上层： 进一步构建网级 Agent , 基于思维链实现复杂任务的分解与上下级多

................ 33 11.1.2 中间服务平台功能 ................................................ 35 11.1.3 用户节点功能 .................................................... 36 11.2 可信数据空间系统技术 ...................... 内对数据进行分析处理。 3.29 用户节点 user node 分布式部署于用户终端，为用户提供主体登录、元数据上传、可信管控、日志采集等能力， 确保用户能够安全、高效接入和使用数据。 3.30 中间服务平台 intermediary service platform 作为中间枢纽，负责协调和管理整个系统的运行，为各节点提供资源检索、身份管理、日志 溯源等基础能力，支持 ——技术系统是指可信数据空间的技术支撑底座，包括可信数据空间用户节点、中间服务 平台以及内嵌的一系列自动化履约组件等，保障可信管控、资源交互、价值共创能力实现，支撑 数据可信受控流通。展开逻辑是从基础共性标准的安全技术支撑，到资源交互、可信管控中的各 类技术应用，如加密传输、多方安全计算等，再到建设运营标准里的中间服务平台、用户节点和 网络架构规范，打造一个安全可靠、互联互通、高效运行的技术环境，支撑可信数据空间各项功

内的发展需求。 系统的各个组成部件选用标准的硬件和软件，各个子系统的设计模块化， 使系统可以通过模块堆叠的方式进行扩展；各部分、各小系统的接口规范化， 从而使软、硬件能够平滑升级或更新，网络节点的增减对网络性能的影响不大。 系统的可扩展性主要表现在以下几个方面：  管理系统的可扩展性  存储系统的可扩展性  网络系统的可扩展性  数据库系统的可扩展性  智能分析系统的可扩展性 主要用于由多个节点构成的环网，其中一个为主节点，其他节点为 传输节点，主节点在环上的两个端口分为主端口和从端口，主节点通常周期性 从主端口发送环的 HELLO 报文，环完整的情况主节点就会在从端口上接收到 自己发送的 HELLO 报文，这样主节点认为环网处于完整状态，则立刻阻断从 端口保证没有环路；若在一定周期内主端口收不到自己发送的 HELLO，则认为 环网处于故障状态，主节点会打开从端口使其正常转发。 down，故障相邻的节点或端口上会通过中断立刻检 测到故障，并立刻向主节点发送 Link_down 报文，主节点接收到该报文则认为 环处于故障状态，立刻打开从端口，同时发送报文通知其他传输节点更新转发 表，传输节点更新转发表后数据流则切换到正常的链路上。 若故障恢复，故障节点或端口会 UP 起来，这时故障节点会临时阻塞该端 口，但该端口还能透传 RRPP 协议报文，主节点发送的 HELLO

码等基础处理需求，致使单平台日均算力消耗超250PFlops；二是用户对高清画质与低延迟播放的要求，让带宽成本在算力中心运营支出中的占比升至43%。用户 对实时渲染、内容分发网络的算力需求迫使企业加速部署边缘计算节点，直接驱动数据中心建设进入快车道，服务于移动互联网业务的智能算力设施占比显著提升。 移动互联网接入流量 33.9% 26.0% 6.8% 5.8% 5.5% 22.0% 移动视频 移动社交 承载大模型厂商算力中心需求的主流模式。 20 大模型训练带来的算力中心需求将由定制批发模式承接 • 为保证大模型训练效率，大模型厂商对算力中心提出更高要求 算力中心 ✓ 网络通信：集群内部节点之间更高的网 络带宽与更低的网络延迟 ✓ 能源供应：稳定的大规模电力供应 • 算力中心定制批发模式有效满足大模型训练需求 ✓ 运维管理：专业的、7*24小时的运维服务 • 训练时间是大模型厂商的关键竞争要素 这吸引力更多企业加入到AI应用的开发，促进了AI应用的创新性与多样化发展，同时加速了AI 应用的市场商业化进程。 • 针对时延敏感型AI应用（如自动驾驶、实时金融交 易），企业需优先选择城市群内部及周边算力节点 部署推理服务，以满足毫秒级响应需求。 • AI应用推理需求的爆发将驱动算力中心零售业务的 下游需求持续增长。 智能客服 ✓ 头部流量应用接入DeepSeek， 显著推动了AI大模型技术向日