【亲测免费】 CMS61850 开源项目使用教程
1、项目介绍
CMS61850 是一个国产的 IEC 61850 协议实现项目,旨在取代国际版的 IEC 61850 协议。该项目在架构上更为简洁,性能有较大提升,摒弃了 MMS(Manufacturing Message Specification),直接基于 TCP 协议,并结合国密算法(如 SM2、SM3、SM4)实现安全通讯。CMS61850 项目目前处于初始阶段,仅开源了服务端的部分代码,后续会逐步更新。用户可以基于此框架迅速开发和部署 CMS61850 相关服务,缩短开发周期。
2、项目快速启动
2.1 环境准备
- 操作系统:Linux(支持 x86 及 aarch64 架构)
- 依赖工具:CMake(建议版本不低于 3.0)
2.2 编译项目
-
克隆代码库到本地:
git clone https://github.com/LinuxZQ93/CMS61850.git -
进入项目目录并执行编译脚本:
cd CMS61850 ./build.sh默认编译的是 x86 架构,如果需要编译 aarch64 架构,可以使用以下命令:
./build.sh aarch64
2.3 运行项目
编译成功后,进入项目目录下的 Run 目录,执行 run.sh 脚本即可启动服务端:
cd Run
./run.sh
注意:由于程序做了证书加密处理,运行需要 license 认证,可联系作者获取 license。
3、应用案例和最佳实践
3.1 电力系统监控
CMS61850 可以用于电力系统的监控和管理,包括变电站、开关设备、保护设备、计量设备等。通过 CMS61850 服务端,可以实时监控设备状态、数据变化、告警等信息,并进行相应的数据管理和设备管理。
3.2 工业自动化
在工业自动化领域,CMS61850 可以用于设备之间的通讯和数据交换。通过 CMS61850 客户端和服务端的配合,可以实现设备状态的实时监控和远程控制,提高生产效率和设备管理水平。
4、典型生态项目
4.1 国密算法库
CMS61850 项目结合了国密算法(如 SM2、SM3、SM4),确保通讯的安全性。国密算法库是一个开源项目,提供了国密算法的实现,可以与 CMS61850 项目配合使用,增强系统的安全性。
4.2 ASN.1 编码库
CMS61850 项目中的 APER 编码基于 ASN.1 标准,ASN.1 编码库是一个开源项目,提供了 ASN.1 编码和解码的实现,可以与 CMS61850 项目配合使用,实现数据的编码和解码。
通过以上模块的介绍和实践,用户可以快速上手 CMS61850 项目,并将其应用于实际的电力系统和工业自动化场景中。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08