基于邊緣計算的主動配電網配電大數據技術

李芙蓉，易映萍，石 偉

（1.上海理工大學 機械工程學院，上海 200093；2.許繼電源有限公司，河南 許昌 461000）

0 引言

改革開放以來，中國經濟快速增長的同時，能源問題日趨嚴峻。能源結構調整和電力體制改革的部署，使得大量配電設備和傳感器進入配電網，并且產生海量異構數據。高壓輸電系統已經具備了數據采集與監控系統（Su?pervisory Control And Data Acquisition，SCADA）和同步相量測量裝置（Phasor Measurement Unit，PMU），并且通過光纖通信和各種狀態監測系統，基本形成信息流、物理流互聯互通的泛在電力物聯［1］。

然而，傳統配電網通過各種終端采集設備實現數據采集，再將采集的數據送入數據管理分析平臺，信息流單一、能源消納能力弱［2］、網絡連接多樣、用戶設備數量龐大且電壓等級各異，沒有大范圍鋪設光纖，信息之間的交互不完善，無法實現廣泛的設備低延時通信和用戶互動。

隨著分布式電源、儲能和電動汽車等新型電力設備的不斷接入，整個配電網對象龐大、任務復雜，離散狀態和連續過程混合，能量和信息流混合。依托先進的電力電子技術、通信技術和自動控制技術［3］，未來配電網將逐步發展具有主動調節能力的配電網。隨著需求響應業務、電能質量管理系統、能源管理系統的發展應用，主動配電網面對數據異構嚴重、數量龐大導致的配電數據采集、傳輸、計算困難等問題亟待解決。當前，配電大數據的異構化主要表現為：數據類別、電壓等級不同，采樣點和采樣尺度差別巨大；數據缺失；數據庫系統不兼容。異構配電大數據的集中采集計算給通信和存儲帶來擁堵，云端處理延遲，不利于可再生能源發展，影響能源結構改善進度。

針對上述問題，本文提出通過邊緣計算（Edge Comput?ing）技術和大數據技術提高數據處理速度，減小云端主站的通信、計算和存儲壓力。邊緣計算的定義最早由美國韋恩州立大學施巍松教授團隊提出：邊緣計算指在網絡邊緣執行計算的一種新型計算模型，邊緣計算操作對象包括來自于云服務的下行數據和來自于萬物互聯服務的上行數據，而邊緣計算的邊緣指從數據源到云計算中心任意路徑之間的計算和網絡資源［4］。早在2003 年，CDN 服務商與IBM 合作推出邊緣計算；2015 年思科、微軟等科技巨頭與普林斯頓大學共同創辦OpenFog 霧計算項目［5］；次年華為舉辦邊緣計算頂級年會，由工業、信息通信業、互聯網等領域共同成立邊緣計算產業聯盟；經過幾年的相關研究，如今邊緣計算已經進入發展的快速期。邊緣計算著重解決傳統云計算模式下高延遲、網絡不穩定和低帶寬的問題，目標是在靠近數據輸入或用戶的地方提供計算、數據存儲和網絡帶寬。邊緣計算是一種分布式計算架構，將應用程序、數據資料和服務運算，由網絡中心節點移向網絡邏輯的邊緣節點處理。邊緣計算更靠近數據源頭，可以加快數據處理、減小延遲、降低能耗、保護用戶隱私。

國內外對邊緣計算和大數據技術進行了相關研究。文獻［6］提出基于歐洲電信標準化協會的邊緣計算框架，提出了自動需求響應邊緣計算節點的分層物理模型，模型詳細定義了邊緣計算節點的功能、信息和通信的關鍵技術；文獻［7］和文獻［8］詳細介紹了邊緣計算霧計算項目的結構、功能，并對霧節點進行全面定義，通過詳細場景提出了霧計算的架構拓撲結構，進一步深度研究了霧計算的適用性和具體應用場景；文獻［9］融合了泛在電力物聯網和分布式智能電網，提出了基于深度強化學習的移動邊緣計算，建立了多維異構信息物理高度融合模型，增強了電力物聯網體系的邊緣計算層級，實現邊緣計算和強化學習的協同自治和智能決策；文獻［10］引入邊緣計算技術，重新定義智能感知系統框架，通過數據統一、數據辨識和分布式集群等幾個方面，實現了面向多參量的邊緣計算設計；文獻［11］提出了基于PTN 架構的主動配電網云邊協同模型，并通過算例驗證模型實現了邊緣節點數據存儲和數據處理；針對配電網信息物理模型提出了基于邊緣計算的CROSS 模型指標體系，進一步量化基于邊緣計算和主動配電網傳輸架構穩定性、實時性、融合性的評級指標；文獻［12］構建了基于邊緣計算的配網雷電過電壓在線監測系統，實現對邊緣節點的在線監測，并采用數據服務器，通過前端用戶界面展示了基于邊緣計算雷電過電壓在線監測系統的數據分析和故障判定等功能。上述文獻表明，邊緣計算能夠在需求響應、分布式智能電網、物聯網、智能監測中開發應用，并取得了階段性成果，但是未將邊緣計算和大數據技術應用于主動配電網，結合配電網層次架構進行配網大數據系統設計，對邊緣計算節點的數據交互、云邊協同相關領域的研究需要進一步深化。

本文提出一種基于邊緣計算的主動配電網層次架構模型，根據邊緣計算節點框架，概述了數據交互協議以及云邊協同方式，并設計了大數據技術基礎上針對邊緣計算技術在實際配電典型應用場景的技術方案，實時、準確、低能耗地實現了對配電設備運行狀態、投運環境、電氣量數據等配電數據的采集、交互和監測功能。

1 邊緣計算框架

1.1 分層邊緣計算節點框架

邊緣計算節點框架是實現邊緣計算的關鍵，本文基于工業物聯網標準邊緣計算框架，構建了區別于傳統物聯網三層架構的分層邊緣計算節點框架。邊緣計算節點框架在功能架構上共分為云平臺、網絡管理層、邊緣計算網關和終端設備層。其中，網絡管理層包括設備管理、邊緣管理、數據處理、網絡安全等功能；邊緣計算網關包括邊緣應用層、邊緣軟件層和邊緣平臺層；終端設備層包括場景APP、分析APP、采集APP 等。云平臺是云化的主站，網絡管理層是端和云平臺之間的數據傳輸通道，邊緣計算網關是邊緣計算節點框架的核心，在網絡邊緣側提供就近服務及APP 應用。邊緣計算架構如圖1 所示。

Fig.1 Hierarchical edge computing node framework圖1 分層邊緣計算節點框架

基于2018 年工業互聯網產業聯盟發布的邊緣計算與云計算協同白皮書，邊緣計算具有以下特點：①連接功能，即需充分利用現有網絡研究域最新成果，且實現與工業物理域的關聯和共享操作；②數據橋梁，即邊緣計算式數據的首要關口，是大量實時數據的第一入口，位于邊緣節點的數據相對而言完整、實時、準確、多樣；③邊緣設備要適應系統環境和現場運行條件；④分布式計算，即分布性和融合性兼備。

基于以上特點，邊緣計算網關層根據配電物聯網云、管、邊、端四層架構的設計理念，設計了以邊緣計算為核心的分層式架構。

邊緣平臺層是邊緣計算節點的基礎服務平臺層，可以在移動設備附近提供存儲和計算資源。邊緣存儲實現的兩個必要條件為：①邊緣設備處理能力強；②有成熟可行的技術方案與邊緣節點進行通信。

邊緣計算的基礎資源有計算、網絡、存儲和虛擬化［13］，平臺層提供了數據緩存、數據存儲、模型存儲和設備控制等功能，包括開發平臺、Docker 平臺、銜接平臺、操作系統，提高了計算、存儲、通信能力。

邊緣容器層將客戶對象封裝成容器對象，通過容器技術實現了靈活啟停服務，可以進行擴容和縮容操作，是虛擬化服務技術的代表。為邊緣計算節點提供強大的分析能力，將不同終端設備模型進行規范性描述，實現邊緣計算節點對終端設備上傳的數據進行效驗和預處理、深度處理，形成高級應用。

邊緣軟件層實現數據的交互和管理，包括數據中心、APP 管理和數據安全中心，提供數據分析與呈現、數據聚合與互操作、數據安全等功能，實現即插即用式邊緣網關。數據中心是邊緣計算的重要組成部分；設計與配網完整實現數據交互的數據中心和數據交互方式，可以實現邊緣計算節點的互聯互通、數據互操作、協同控制、監視與診斷等功能，提高邊緣計算資源利用率。

邊緣應用層將采集數據和業務應用解耦，包括邊緣行業應用和邊緣業務運營。

1.2 數據交互協議

數據中心的數據交互是基于標準化的交互服務，規范云與邊緣計算節點、邊緣計算節點內部的傳輸層協議、應用層協議等內容，實現配網數據的互聯互通和數據共享。數據交互協議內容包括消息類別、消息序列、參數列表、響應時序、設備激活、設備接入、遠程升級、遠程配置、監視物聯代理、物聯控制、應用管理、子設備管理。

用基于消息隊列遙測傳輸協議MQTT 消息總線的交互方式實現邊緣計算節點內部數據交互，以JavaScript 對象作為數據交互的信息格式；這種協議模式對框架依賴程度低、支持異步傳輸、輕量且靈活。邊緣計算節點內部的MQTT 協議模型如圖2 所示。

Fig.2 MQTT protocol model of edge computing nodes圖2 邊緣計算節點的MQTT 協議模型

邊緣計算節點內部的數據傳輸以MQTT 為總線，管理控制靈活，實現控制邊緣計算節點內部APP 之間的信息交互內容。邊緣計算節點內部APP 按開發類型分類主要有規則引擎開發APP 和框架接入開發APP 兩種，包括采集APP、控制指令APP、分析APP、場景APP、高級APP 等微應用。規則引擎開發將業務決策從應用程序代碼中分離出來，并使用預定義語義模塊編寫業務決策，多為場景APP和高級APP；其中高級APP 可以通過總線訪問數據中心，對邊緣計算節點重要數據進行處理、計算，是邊緣計算的核心部分。APP 在主題范圍內發布讀數，并進行主題訂閱設置更改。將APP 數據保存到數據中心，即數據存儲單元，數據按照業務類型進行分類，并統一至數據中心進行管理［14］，同時數據中心會訂閱信息主題。管理控制臺接收管理平臺的命令以調整邊緣計算節點配置，數據代理將訂閱設置更改發布到相關端設備APP，實現相關主題消息的更改。由于MQTT 傳輸協議是輕量型協議，協議包含的基本參數只有3 個：消息類型、文本主題和任意二進制的有效負載。本文采取JSON 作為有效負載即數據交互的信息格式。

多個邊緣計算節點之間的數據交互由數據代理和云主站實現，一個邊緣計算節點獲取另一個邊緣計算節點的數據需要先向云主站發布數據請求，云主站根據DNS 解析判斷域名部署的具體邊緣計算節點，另一個邊緣計算節點響應后將數據通過主站傳輸給該邊緣計算節點，邊緣計算節點之間的數據交互過程如圖3 所示。

Fig.3 Data exchange among edge computing nodes圖3 邊緣計算節點間數據交互

邊緣計算節點與端設備之間的數據交互即邊緣計算節點中各APP 與端設備之間的數據交互，交互方式與邊緣節點與云主站之間類似；APP 控制命令下發端設備，端設備進行相關數據響應，實現分布式一致性管理機制和數據雙向交互。

1.3 云邊協同

邊緣計算與云計算不是替代關系，邊緣計算緊密結合云計算才能使系統環境更安全高效。邊緣計算的應用分為自頂向下的應用模式和自底向上的應用模式。自頂向下的邊緣側應用將云中構建和訓練的機器學習模型進行壓縮、降維等操作后，在邊緣側預測和執行小樣本機器學習。這種互動方式下，邊緣側和云平臺都有各自的技術參數、資源調度方式；云部署并下發模型，可以實現群智能和提高數據利用率。自底向上的邊緣側應用重新定義面向邊緣側的算法架構，再嵌入系統環境。這種互動方式下，邊緣側利用自身硬件資源，實現數據存儲計算和數據整合，降低云資源消耗。邊緣計算與云計算協同模型如圖4所示。

Fig.4 Cloud edge collaboration model圖4 云邊協同模型

傳統的配電數據主要通過RS485 等通信方式上傳到云端之后集中處理，但是隨著用戶數量激增和大量異構多樣數據涌入，從終端直接傳輸數據到配電通信壓力大、延時多，不能完成實時交互相關服務。因此，引入邊緣計算和本地處理模式，解決當下主動配電網大數據的實時處理問題至關重要，將大量端設備進行邊緣計算節點分配，實現區域數據處理和云端數據處理協同高效工作。

2 主動配電網層次架構模型

傳統配電網的架構為配電主站、配電子站和配電終端三層架構形式，主動配電網和傳統配電網相比擴展了傳統配電網的構成，具有大規模、多目標、多約束、連續和離散混合、規劃運行和設計強耦合等特點，是個典型的信息物理系統［15］?；谛畔⑽锢硐到y（Cyber-Physical Systems，CPS）設計主動配電網層次架構模型時需要充分考慮以下特點：①各種新型設備的接入，使得主動配電網的網絡結構和運行方式多變，需要充分考慮系統運行時工況的影響；②分布式能源和需求側管理帶來不確定性，空間負荷預測與規劃設計難度增大；③除基本的安全、經濟、可靠目標外，還需考慮綜合能源利用效率和環境污染最小化；④控制模型采用融合模型時，需考慮物理系統和信息系統的協調控制；⑤考慮采用分層的控制架構模型，實現系統與邊緣計算節點、邊緣計算節點之間的統一控制，使得配電系統完成高級測量、快速分析和評估，實現靈活控制。

結合以上要點，構建基于邊緣計算的主動配電網高度融合的信息物理系統如圖5 所示。

Fig.5 Edge computing hierarchical architecture model of active distribution network圖5 主動配電網的邊緣計算層次架構模型

基于邊緣計算的主動配電網模型，充分融合了配電網的層次架構、物理信息網絡的單元級—系統級—SoS 級層次結構和邊緣計算的各個域，實現被控對象模型的實時控制和更新操作。主動配電網的邊緣計算層次架構主要由物理系統、信息網絡系統和控制系統3 個層次結構組成：①主動配電網中的物理系統主要指各種電力設備，其中較傳統電網不同的是大量微電網、分布式電源、儲能裝置、柔性負荷，物理系統經過各傳感器節點將數據傳輸存儲至CPS 局域網，可對實時采集的信息和局部中心下發的控制立即執行；②CPS 局域網和CPS 網絡形成信息通信網絡系統，支撐了邊緣計算節點的分布式計算、云主站計算中心的集中式計算和控制中心的控制；③配網可以劃分為多個獨立運行的控制區域，通過不同邊緣計算節點與整體配電系統進行雙向信息通信和物理控制，實現既可以通過云主站進行集中控制、計算，也可以通過邊緣計算節點進行分散控制、計算的分層協調方式。

該模型引入信息物理系統技術，將主動配電網強耦合的信息系統和物理系統進行解耦、融合，實現了主動配電網信息感知和控制的快速模擬與仿真，各層間的開放式通信協議如表1 所示。

Table 1 Communication protocol of each layer表1 各層通信規約

主站與子站之間的信息交換是實現配電網監視和控制、故障定位等配網管理和監控的中心，存在大量數據交換，對通信接口和傳輸速率要求較高，一般使用光纖傳輸，通信可以采用IEC 標準協議中的MMS 報文。

主站與饋線層之間的通信為了實現一些快速保護功能，采用面向通用對象的變電事件GOOSE 服務進行通信［16］，通過光纖專網、無線專網或公網、載波等實現局部信息采集處理和監視。

終端設備之間存在多種通訊方式，接入層設備和環境相當復雜，本文主要考慮的終端設備包括開閉所DTU、柱上開關FTU、集中器、變壓器、TTU、智能電表等自動化設備，完成數據的測量采集、故障檢測、開關控制、充電管理、配網運行狀態評估、負荷預測等功能。

3 面向配電大數據的嵌入式邊緣計算系統

配電大數據技術［17］為云平臺提供了技術支撐，大數據處理模式可以分為流處理方式和批處理方式。流處理模式指直接處理，其中具有代表性的框架為Storm 分布式實時計算系統；該系統可以進行全內存計算，可滿足實時要求，主要用于實時分析、在線機器學習等。批處理模式指先存儲后處理，其中常用的框架為Map-Reduce 大數據并行計算軟件框架［18］，該框架主要用于大規模離線計算及數據分析。數據分析主要分為數據挖掘方法、統計分析方法和機器學習方法。在相關配電網的研究中，數據挖掘方法最常用，數據挖掘方法分類、關聯規則分析、聚類、異常監測。配電大數據技術可實現配電網安全可靠、經濟環保、清潔可持續、開放共享的發展需求。基于此，建立集數據采集、監測和分析的配網大數據嵌入式邊緣計算系統尤為重要。

結合配用電業務需求，對智能邊緣計算配電大數據系統進行用戶行為分析，基于邊緣計算和智能電表的區域用電用戶行為分析方案如圖6 所示。

Fig.6 User behavior analysis solution based on edge computing圖6 基于邊緣計算的用戶行為分析方案

考慮到配電和用電的采集耦合度高，對城市臺區進行邊和端的分離，用物聯代理實現了一個配電房一個邊的理念，滿足了不同的專業數據需求。

上述用戶用電行為方案中，采用帶有增加存儲模塊的智能電表作為數據采集設備，實現實時采集、預先采集、異步應答，保證數據的實時性和準確性。采集器聚合了用戶負荷數據、營銷業務數據、配網網架結構、電費臺賬等實時數據，通過高壓液相色譜HPLC 載波［19］實現集中器側多表多數據項的單次采集。邊緣計算節點支持臺區的狀態感知，拓展了云主站的計算能力，在提升用戶用電舒適度的同時，保持高效性、安全性和經濟性。

4 結語

本文研究了基于主動配電網的邊緣計算技術框架，深度解析了數據交互方式和邊緣計算實現方式，提出了基于主動配電網信息物理系統的邊緣計算框架，實現含有大量分散智能終端的配電快速自動化業務。然而，本文雖然基于國際IEC61850 標準給出了通訊協議框架，但在實際應用中存在一些關鍵技術問題尚未解決。此外，邊緣計算節點的存儲資源擴容、數據安全、卸載機制、智能管理等問題還需作進一步研究。