配電物聯數據驅動業務以及邊云協同功能研究

葛永高　李澄　潘詩強　王伏亮　陸玉軍　王江彬

摘? ?要：當前配電物聯數據驅動業務中數據資源分配均衡性差、規劃效率低，影響協同功能的實現。本文改進了配電物聯數據驅動業務以及邊云協同功能。通過事件驅動收集底層用電數據，經過預處理生成區間數據，將數據統一支配實現數據驅動業務。采用API技術使計算機與具有socket接口的設備保持通信，設計云計算中心與邊緣設備的通信功能，設置配電網中控制模塊功能，從而實現邊云協同功能，保障配電網全局運行。實驗結果表明：在相同的測試條件下，與傳統的配電物聯數據驅動業務及協同功能相比，提出的配電物聯數據驅動業務中數據資源分配均衡性較高，有效提高配電物聯數據資源規劃效率，保證了邊云協同功能的正常運行，滿足實際應用需求。

關鍵詞：物聯網;數據驅動;數據處理;邊云協同;

中圖分類號：TP391? ? ?文獻標識碼：A

Research on Data-driven Business of Distribution IoT

and Edge Cloud Collaboration

GE Yong-gao1，LI Cheng1，PAN Shi-qiang2，WANG Fu-liang1，LU Yu-jun1，WANG Jiang-bin1

（1. Jiangsu Frontier Electric Power Technology Co.，Ltd.，Nanjing，Jiangsu 211100，China;

2. Jiangsu Hoperun Zhirong Technology Co.，Ltd.，Nanjing，Jiangsu 210012，China）

Abstract：In the current distribution-driven IoT data-driven business，the distribution of data resources is poorly balanced and planning efficiency is low，which affects the realization of collaborative functions. This paper improves the data-driven business of distribution IoT and the collaborative function of edge cloud. Event-driven collection of bottom-level electricity data，pre-processing to generate interval data，and unified data control to achieve data-driven business. The API technology is used to keep the computer in communication with devices with socket interfaces，the communication function between the cloud computing center and the edge devices is designed，and the control module function in the distribution network is set up，so as to realize the collaborative function of the edge cloud and ensure the global operation of the distribution network. The test results show that：under the same test conditions，compared with the traditional distribution IoT data-driven business and collaborative functions，the proposed distribution IoT data-driven business has a higher balance of data resource allocation and effectively improves the distribution of electricity The efficiency of connected data resource planning ensures the normal operation of the edge cloud collaboration function and meets actual application needs.

Key words：internet of things;data-driven;data processing;edge cloud collaboration

在現代人類社會中，最不可或缺的能源就是電力能源，該能源是使用最廣泛的清潔能源，并且廣泛應用在人們賴以生存的各種相關產業及日常生活中[1]。將物聯網技術應用在配電網中，將用電設備的各種狀態信息以及各項環境參數等數據發送到物聯網節點，通過通信傳輸模塊將數據再傳送到服務器上，達到對配電設備的全面感知的目的[2]。

目前相關領域不同學者對配電物聯數據驅動業務以及邊云協同功能進行了研究，并取得了一定的研究成果，文獻[3]采用配電物聯網技術，構建邊云協同、管理傳輸、感知層終端的配電物聯網體系架構，提升了配電網的智能化管控能力，同時形成相應的新型應用模式，依據試點成果，完成配電物聯網對電力系統的實施效果。該方法的數據資源分配均衡性較好，但該方法應用于配電物聯數據資源規劃時間較長，導致數據資源規劃效率較低。文獻[4]運用邊緣計算技術，定義云主站與端側之間的關系，構建邊緣計算的標準架構，完成輕量級數據處理，建立數據中心交互機制，并協同配電自動化，實現邊云協同機制。該方法的數據資源規劃時間較短，能夠有效提高配電物聯數據資源規劃效率，但該方法的數據資源分配均衡性較差，影響邊云協同功能的正常運行。

配電物聯網的使用使得對用電設備的各種數據的采集和處理更為方便統一，但是隨著配電物聯網的逐漸增大，用戶數量的增加，感知層收集的數據量越來越多，通過數據驅動業務使用，使其在數據量爆炸的情況也能始終保持穩定狀態[5-7]。同時由于現階段配電網采取的多電源網絡管理模式，更加注重跨區域資源間的協同優化配置，向下協調區域內電能分配以及電源資源平衡。但是傳統的配電網物聯數據驅動業務存在數據資源分配均衡性差、規劃效率低的問題，影響后續的跨資源間的協同優化[8-10]。因此，提出配電物聯數據驅動業務以及邊云協同功能研究，解決傳統的數據驅動業務中存在的數據資源分配不平衡的問題。

1? ?配電物聯數據驅動業務以及邊云協同功

能研究

1.1? ?基于事件驅動的數據收集

配電物聯數據的收集主要利用物聯網智能節點對需要處理的數據進行收集，在配電物聯數據驅動業務中，需要根據不同的工作環境，確定不同的數據收集模式[11-13]。常見的收集方式有2種，分別是周期性匯報式數據收集和事件驅動式數據收集。根據配電網的實際需求，事件驅動式是最好的選擇。

當需要處理的事件發生時，設置在感知層的終端模塊主動采集與事件觸發時間相關的數據，并通過設置的無線網絡傳輸模塊將數據傳輸至網絡節點[14-15]。物聯網智能節點對獲取的來自感知層終端設備的相關用電數據進行解析，根據事件的性質不同，分類為不同類別的事件。事件分類如圖1所示。

根據事件的性質，將其分為外部事件和內部事件。外部事件負責管理傳輸指令以及數據反饋，內部事件負責從底層終端主動上傳數據[16-17]。成功分類后，根據事件不同的類別分類保存事件數據，在確定存儲之前，考慮事件內容數據以及基于動態變化的數據，按照不同事件類型所包含的數據格式、時效、數據量以及后續預處理來確定最終的存儲命令[18]。

同時考慮物聯網節點的空間資源比較小，需要對物聯網節點所存儲的數據的時效以及存儲量進行限制，最有效的手段就是根據不同事件類型的數據采取不同的存儲時效及存儲數據量，以此來盡可能實現物聯網節點空間資源的合理利用[19]。完成數據收集后，利用預處理手段處理數據，并統一數據。

1.2? ?數據預處理

對于日常狀態實時采集配電數據的統計計算，假設需要處理第u天收集的數據，首先計算其樣本數據均值wu和樣本數據標準差εu分別表示為：

wu = ∑nu? ? v=1■? ? ? ? ? ? ?（1）

εu = ∑nu? ? v=1■ ? ? （2）

其中datau，v表示為第u天收集的配電物聯網中第 個用電數據，ni表示第u天收集的配電物聯網中用電數據總量，。以上收集的數據，需要判斷其是否滿足下述方程：

datau，v - wu ≤ β*εu ? ? （3）

公式中β的取值依據具體問題而定。如果數據datau，v 滿足公式3，則接受;否則將被剔除。經過上述過程后，在第u天內的數據將被留下n′u（n′u≤nu）個，則n天內所有留下數據的樣本均值w和樣本標準差ε：

w = ■ ? ? （4）

ε = ■ （5）

在收集的以天為單位的所有數據中，篩選出最大值和最小值組成日常區間，用來映射當日的用電設備數據，通過該區間來表示當日用電設備的實際狀態，便于統計分析和處理[20]。則第u天的區間計算為：

[au，bu] = [■datau，v，■datau，v] ? ? （6）

其中U表示經過預處理后留下的配電物聯網中日常數據數量，au，bu表示第u天的區間。通過上述過程獲取的區間數據，其內部往往存在部分異常值、容限值以及不合理數據[21-23]。對于異常值的處理，使用Box和whisker測試，計算au與bu的差值，若差值小于1.0，則保留該區間，否則剔除掉區間。經過異常值處理后，如果被保留的區間個數符合w′≤n，則重新計算au，bu和差值的樣本均值和標準差[24]。

對于容限值處理，若經過上述處理過程后，保留的w′個數據區間的端點值滿足以下方程且差值小于1.0，則區間被保留，否則區間將被剔除。方程如下：

au∈[wa - εu，wa + εi]bu∈[wa - εu，wa + εi] ? ? （7）

經過篩選之后，w″≤n個數據區間被保留，再一次計算au，bu和差值的樣本均值和標準差。計算完成后進行合理性處理，在合理性處理過程中，當且僅當數據區間滿足下述方程時，區間被保留，否則將區間剔除。方程如下：

γ = ■ ? ? （8）

公式中wa和wb分別表示au，bu區間的樣本均值，εa和εb分別表示au，bu區間的標準偏差，γ表示中間量，滿足wa≤γ≤wb條件。經過合理性區間預處理后，對保留的數據區間重新編號，用于后續的配電物聯數據驅動業務。

1.3? ?實現數據驅動業務

將完成異常值處理、容限值處理和合理性處理的區間數據進行均值、右中心值和不確定度的計算，推導數據驅動業務的統計數據[25]。

計算處理后的區間數據的統計量，分別為：

wl = ∑n? ? u=1dlu/nwr = ∑n? ? u=1dru/n ? ? ? （9）

εl = ■εr = ■ ? ? ? （10）

以上公式中wl表示保留的區間數據的所有左端點的樣本均值，wr表示保留的區間數據的所有右端點的樣本均值，dlu表示保留的u個數據區間的左端點值，dru表示保留的u個數據區間的右端點值，εl表示保留的數據區間的左端點的標準差，εr表示保留的數據區間的右端點的標準差。基于以上參量，則區間數據的不確定度計算為：

y = ■ ? ? （11）

其中Δw是根據實際情況推導出的樣本均值。通過上述過程計算出區間數據的均值、右中心值以及不確定度和均值，設置右中心值及不確定度對應相等，構建出2個參數方程，以此實現配電物聯數據驅動。方程如下：

w = ■[wl + wr ] ? ? （12）

ε = （2■（1 - y）（wr - w））/（3y - 2y2）? ?（13）

配電物聯數據驅動業務只是負責將采集的繁雜的用電數據整理統一，為邊云協同功能做輔助。

1.4? ?云計算中心與邊緣設備的通信設計

在實現配電物聯數據驅動業務后，設置一種或多種網絡通信結構做基礎，能夠保證做邊緣計算時更快的將數據準確及時的傳輸至上層，因此使用TCP/IP協議支持，在此協議中有一個常用的API技術Socket，通過該技術使得計算機與其它具有socket接口的設備保持通信。

TCP/IP協議中到的端口號為16位的數字，客戶與服務器只有使用約定的端口，才能保證數據傳輸安全，設置服務器預留端口作為鏈接的接口，通過它們之間兩兩建立鏈路的方式實現網絡中點對點的安全通信，這就是socket。將該技術應用于兩個程序間的雙向通信，可以完成請求的接受和發送，安全傳輸數據。socket的通信過程如圖2所示。

當配電物聯網中的服務器啟動后，socket技術的調用通過socket（）函數來實現，通過該函數建立主機模式，在此基礎上，使用bind（）函數將本地IP地址和端口號與socket綁定，調用accept函數接收配電用電設備數據。此時，服務器與客戶端的連接通過connect（）函數建立完成，使用send（）和recv（）函數達到用電數據接收的目的，最后通過調用close（）函數關閉socket（）。

對于云計算中心，在配電物聯網實際工作時往往需要面對多個邊緣設備同時工作的情況，這時為了滿足實時通信的需求，建立一個多線程或者多進程的處理程序即可，通過這一手段就可以使每一個邊緣設備都能夠得到云計算中心的響應，實現云計算中心與邊緣設備的通信。

1.5? ?邊云協同功能的實現

在配電網中協同的關鍵要素旨在深化電網資源管理、促進配電物聯網整體的協同發展、提升配電網的智能決策分析能力。在云計算中心與邊緣設備的的合作下，將組織部門作為管理的主體，整體采用閉環管理，在配網物資管控模式下，通過組織協同和全壽命周期管理實現配電需求計劃管理;在業務流程管理方面，將業務協同和業務標準結合在一起，加強流程之間的銜接連貫性;在物聯網技術應用方面，通過信息實時收集和信息共享保證協同功能的實時性和全面性。

在物聯網環境下，以協同管理思想為指導，結合電網實際需求，實現配電網的集約化、精益化，實現全面協同。邊云協同主要目的是根據配電網的全局優化目標對整個配電網進行統籌、優化，協同的架構以第一子控制模塊為全局運行決策服務，實現配電網“全局統籌-分層管理”，利用第一子控制模塊，通過其他層次配合采集整個配電網絡的各項信息，結合間歇式能源的短期預測，實現配電網全局層面長時間尺度的優化運行計算，以此為基礎，配合協同交互控制器和分布式電源控制管理單元實現短時間尺度上的功率平衡跟蹤與優化運行。

將負責主動負荷管理的模塊作為第二子控制模塊，該模塊主要負責對單體用戶的調節潛力進行評估，分析用電能力，在保證用電需求的同時，生成控制功率值，實現配電的經濟性;另外，在控制中第二子控制模塊作為柔性負荷的統一管理單元與第一子控制模塊進行交互，一方面給第一子控制模塊提供負荷調節潛力指標，以供配電網全局運行優化;另一方面響應子模塊的控制目標，實現配電網的源-網-荷之間的有機互動。

通過上述內容可知，邊云協同功能的實現就是在云計算中心和邊緣設備的支持下，從配電網的管理到配電網的運行實現整體的協同，保證配電網高效率的工作質量。

2? ?仿真測試分析

2.1? ?配電網測試系統仿真

在配電網物聯數據驅動業務以及邊云協同功能仿真測試中，采用Multisim 14.0仿真軟件作為實驗平臺，使用IEEE30節點輸電網、IEEE33節點配電網和PG&E69節點配電網構成，其中IEEE33配電網網絡參數如表1所示。

經過上述過程仿真出用于測試的配電網測試系統，在此基礎上，根據配電網實際處理業務情況，設置5種測試中使用的業務，實現數據的交互。具體業務內容如表3所示。

在完成上述內容的設置后，測試提出的數據驅動業務和邊云協同功能，同時引入本方法與文獻[3]方法、文獻[4]方法的數據驅動業務和協同功能，依據測試數據資源分配情況，分析不同方法的數據資源分配均衡性。

2.2? ?測試結果及分析

采用本方法與文獻[3]方法、文獻[4]方法的配電物聯數據驅動業務及邊云協同功能中，對比獲取得數據資源分配結果如圖3所示。

分析圖3可知，使用仿真軟件統計的數據資源分配結果中，文獻[3]方法的配電物聯數據驅動業務及邊云協同功能數據資源分配結果中，再分配扁區最差為42，多余數據為1265，再分配事件計數為13，多余數據為2264，根據這些數據可以明顯看出，數據資源分配不平衡情況較嚴重;文獻[4]方法的配電物聯數據驅動業務及邊云協同功能數據資源分配結果中，再分配扁區最差為59，多余數據為1205，再分配事件計數為18，多余數據為2204，根據這些數據可以明顯看出，數據資源分配不平衡情況次之;本方法的配電物聯數據驅動業務及邊云協同功能數據資源分配結果中，再分配扁區最差為7，多余數據為24，再分配事件計數為2，多余數據為104。對比以上兩組結果，可以明顯看出，數據資源分配不平衡情況較好。由此可知，提出的配電物聯數據驅動業務及邊云協同功能，在仿真測試中的數據資源分配均衡性高于文獻[3]方法和文獻[4]方法的數據資源分配均衡性，說明提出的配電物聯數據驅動業務及邊云協同功能的數據資源分配均衡性較好。因為經過合理性區間預處理后，對保留的數據區間進行重新編號，能夠有效提高配電物聯數據驅動業務中數據資源分配均衡性。