邊緣計算在電廠自動發電控制考核中的應用

盧偉輝，和識之，王皓懷，宋興光

（中國南方電網電力調度控制中心，廣州 510623）

隨著堅強智能電網和泛在電力物聯網的建設的逐步推進，電網對發電機組參與自動發電控制AGC（automatic generation control）提出了更高要求，與之相應的電網公司對發電廠AGC機組的二次調頻輔助服務考核的準確性與可靠性需求也隨之愈加迫切[1]。根據兩個細則，目前發電廠AGC考核系統已經形成了包含可用率、調節速率、調節精度、響應時間等指標的評價體系[2-3]。傳統的AGC考核方式是發電廠機組將遠控終端采集到的海量數據傳送至電網公司主站，通過電網公司主站集中運算得到發電廠機組的AGC考核結果。目前，電網調度中心已有比較成熟的AGC考核服務云平臺投入使用，但隨著發電廠的智能化改造，分布式智能采集終端設備的數量、種類與日俱增，如果海量的異構數據集中傳輸到電網公司云端，一方面會造成主站計算與存儲壓力過大，另一方面會給網絡帶寬資源帶來了巨大的負擔，容易造成數據傳輸通道的堵塞[4]，而邊緣計算技術的興起正好為解決這些問題提供了有效思路。

邊緣計算是將靠近產生數據的源頭看作網絡的邊緣側，在融合網絡、計算、存儲等能力的基礎上，在網絡邊緣側就近向用戶提供服務，對于具有海量實時數據特征的實時業務、安全與隱私保護業務有很好的應用場景[5-7]。2017年邊緣計算產業聯盟ECC（edge computing consortium）聯合工業互聯網產業聯盟 AII（alliance of industrial internet）更新了初代的邊緣計算參考框架，并給出了邊緣計算架構每層的具體功能設計[8]。在我國“十三五”規劃中也明確指出了信息通信技術的未來方向之一是邊緣計算技術[9]。隨著集中式云計算的弊端逐漸顯露，許多學者都針對邊緣計算開展了廣泛的研究。文獻[10]系統地介紹了邊緣計算的概念，并通過對云計算任務遷移、視頻分析等現有研究工作的介紹具體地分析了邊緣計算的優勢。在邊緣計算的應用方面，文獻[11]將網絡切片和邊緣計算融合，提出了基于邊緣計算的接入網絡切片，分析了邊緣計算可以用于滿足5G中的商業模型；文獻[9]將邊緣計算技術應用于電網的自動需求響應業務，分析了自動需求響應邊緣計算節點的分層架構模型相較于云計算自動需求響應模型的優勢。

在現有文獻中，針對邊緣計算技術在電廠AGC考核系統中的應用尚鮮見報道。本文研究了邊緣計算在電廠AGC考核中的應用方法。首先，根據邊緣計算與AGC考核的融合模式分析，構建了基于邊緣計算的電廠AGC考核系統框架模型；在此基礎上，提出了調度中心云端、電廠邊緣、機組邊緣和終端設備層次化部署方法，然后探討了考核中數據管理和異常數據檢測的關鍵技術；最后通過實際電廠AGC考核算例驗證了應用邊緣計算在減小數據處理量和數據存儲空間方面的優越性。

1 邊緣計算與AGC考核系統

1.1 邊緣計算

面對物聯網時代下海量的異構數據，云計算難以保證數據分析、處理與響應的準確性和實時性。對于電力系統來說，信息流處理的延時性與不準確性可能會影響到電網能量流的穩定性與電力系統的可靠性[12]。此外，隨著在云端運行的應用程序越來越多，云端的計算需求越來越大，造成的能耗需求也會越來越高[10]。在云計算中心的能耗優化方面，目前的研究內容主要集中在海量數據已經傳輸過來的情況下如何提高能源使用效率方面，以達到節省能耗的目的[13]。

為了解決這些難題，邊緣計算模型提出將原有云計算中心上運行的一些任務進行分解，然后將部分任務遷移到邊緣節點進行計算處理[14]，以此達到降低云計算中心的計算與存儲壓力，降低云計算中心能耗的目的。邊緣計算示意如圖1所示。同時，邊緣計算充分利用本地的網絡、計算、存儲等能力，在網絡邊緣對數據進行計算處理，既提高了系統的響應速度，又降低系統傳輸的帶寬壓力，以及云端節點成為性能瓶頸節點或者潛在的風險點的可能性。邊緣計算可協同當前集中式云計算為用戶更好地服務。

圖1 邊緣計算示意Fig.1 Schematic of edge computing

1.2AGC考核系統

一般來說，發電廠AGC考核系統由調度側和電廠側兩部分構成，通過將電廠側遠控終端RTU（re?mote terminal unit）和同步向量測量單元PMU（pha?sor measurement unit）采集的數據傳輸到調度側，完成AGC相關數據的處理和考核統計功能[2]。發電廠AGC考核系統架構如圖2所示。

圖2 AGC考核系統架構Fig.2 Framework of AGC assessment system

圖2中，電廠側RTU執行調度側下發的AGC遙調指令，機組運行在AGC模式。同時，RTU上送電廠各機組的出力等信息至調度側的數據采集與監視系統SCADA（supervisory control and data acquisi?tion）；PMU則實時采集電廠側的相位等信息，存儲在時間序列數據庫中并上送至調度側的廣域相量監測系統WAMS（wide area measurement system）。調度側的主站接收和處理電廠側RTU、PMU傳輸的機組相關數據，計算電廠各機組AGC調節性能指標，將統計結果存入歷史數據庫并在第2個月下發給各發電廠。

根據兩個細則，AGC調節性能指標一般包括調節速率、調節精度和響應時間。

（1）調節速率是發電廠AGC機組響應主站下發的設點指令的速率，按調節方向可分為上升速率和下降速率[15]。調節速率指標的計算公式為

式中：i表示機組編號；j表示AGC指令編號；Vi,j為機組i在響應第j次設點指令時的實際調節速率；PE,i,j為調節過程結束時的機組輸出功率；PS,i,j為調節過程開始時的機組輸出功率；TE,i,j、TS,i,j分別為AGC調節過程結束和開始的時刻；Pd,i,j為AGC調節過程中可能到達的機組啟停磨臨界點功率；Td,i,j為啟停磨過程消耗的時間；VN,i為事先規定的標準調節速率；Ki,j1為AGC考核的調節速率指標，由機組實際調節速率與標準調節速率的比值得到。

（2）調節精度是機組在響應AGC指令過程中輸出功率穩定后機組出力和主站設點出力之間的差值[15]。調節精度指標的計算公式為

（3）響應時間是電網公司主站向電廠發出AGC指令之后，機組出力跨出與AGC調節方向相同的調節死區所花費的時間[15]。響應時間指標的計算公式為

式中：ti,j為機組跨出調節死區的時間；tST為結合機組類型事先規定好的標準響應時間；Ki,j3為AGC考核的響應時間指標，與機組的響應時間占標準響應時間的比值有關，設定若Ki,j3小于0.1，則取0.1[15]。

因此，當電網公司主站計算機組響應AGC指令時，AGC綜合調節性能Ki,jp的計算公式為

1.3 邊緣計算與AGC考核系統的關系

隨著泛在電力物聯網的建設，發電廠和機組端將逐漸接入大量的智能數據采集裝置，發電廠AGC考核相關數據也將急劇增長，受網絡帶寬與電網公司主站計算、存儲能力的限制，以往主站基于云計算的集中式數據處理模式將不適應電力物聯網時代中發電廠AGC考核的要求。此外，發電廠將未經處理的與AGC考核相關的數據全部傳輸到電網公司主站，風險性會增大，諸如通訊中斷、服務宕機等故障可能會使電網公司主站失去AGC機組的實際功率等遙測數據，導致AGC考核結果不準確，進而影響發電廠參與AGC的積極性。

根據邊緣計算的特點，通過對現有的電網公司主站基于云計算的集中式數據處理模式進行相應的調整，將主站的部分AGC調節性能計算任務遷移到發電廠邊緣可計算設備上，可以在減緩網絡帶寬壓力、減小主站的計算和存儲壓力的同時，降低了由于主站或傳輸通道的性能限制導致電網公司主站成為性能瓶頸節點或者潛在的風險點的可能性，從而滿足未來發電廠AGC考核的需求。因此，可基于邊緣計算參考架構定義的4個域——設備域、網絡域、數據域與應用域，結合現有發電廠AGC考核系統的架構進行兩者的融合分析，其融合應用模式及關系如圖3所示。

圖3 邊緣計算與AGC考核系統的關系Fig.3 Relationship between edge computing and AGC assessment system

2 基于邊緣計算的發電廠AGC考核架構

為應對電力物聯網背景下發電廠AGC考核系統中海量數據的異構聯接、電網公司主站計算和存儲壓力過大、網絡帶寬受限等問題，需要建立基于邊緣計算的發電廠AGC考核系統框架。通過將電網公司主站基于云計算的部分AGC調節性能計算任務遷移到發電廠和機組邊緣節點的可計算設備上，減小電網公司主站計算和存儲壓力，減緩網絡帶寬壓力，從而高效靈活地服務于電力物聯網背景下發電廠的AGC考核應用。

本文結合邊緣計算的概念和發電廠AGC考核系統的特點，從計算、存儲、網絡3部分提出基于邊緣計算的發電廠AGC考核系統架構模型，融合計算、存儲、網絡資源對電網公司主站-發電廠邊緣-機組邊緣-終端設備進行了層次化部署，如圖4所示。

圖4 基于邊緣計算的發電廠AGC考核系統架構Fig.4 Framework of AGC assessment system for power plant based on edge computing

圖4中，最下面一層為邊緣終端設備，對應于發電廠AGC考核系統中的采集機組相關運行數據的各類終端設備，具備了可感知、可交互、可延展的功能[16]。邊緣終端設備主要實現對機組相關運行數據的采集，并將數據信息上傳到上一級機組邊緣進行邊緣計算。

中間兩層為數據預處理功能與匯聚、轉發功能的轉發層，對應于發電廠AGC考核系統中的機組邊緣代理和發電廠邊緣代理。機組邊緣代理主要實現本臺機組的邊緣終端設備的數據匯集、處理和通信監視等功能，計算每次AGC動作時本臺機組的AGC調節性能，并將計算結果存儲后轉發給上一級發電廠邊緣。發電廠邊緣代理主要實現發電廠范圍內的機組邊緣代理的數據匯集、處理和通信監視等功能，計算廠級AGC調節性能，并將計算結果存儲后轉發給調度中心云端。機組邊緣與發電廠邊緣需要相應的邊緣計算設備，設備應包含邊緣側數據采集、智能運算，決策反饋等功能。邊緣計算設備在未來的普及需要高性能的數據采集硬件平臺、模塊化的IO接口和開放的系統架構等技術的結合，實現將設備連接至任意種類的傳感設備、執行器及第3方系統。

頂層相當于核心的云計算中心，對應于發電廠AGC考核系統中的電網公司主站，在AGC考核全局范圍內實現信息全面感知、深度分析、科學決策和精準執行[17]。電網公司主站接收通過發電廠邊緣代理轉發過來的廠級AGC調節性能數據，利用這些信息進行區域內各發電廠AGC調節性能考核的結算，將計算結果存入歷史數據庫并下發給各發電廠。具體數據交互過程如下。

步驟1邊緣側數據采集設備根據配置的AGC考核規則收發數據，若為本地處理數據，則直接交由邊緣代理上的應用APP（application）處理；若需要上報電網云平臺的數據，則上報云平臺；若需要下發終端設備的數據，則下發給終端設備。

步驟2電網云平臺收到數據后，更新終端設備信息，并根據AGC考核規則進行指標計算。

步驟3邊緣代理本地APP接收數據，解析并開展應用處置。數據處理完成后，對數據進行本地存儲，或者將處理結果反饋給終端或電網云平臺。

3 基于邊緣計算的發電廠AGC考核關鍵技術

從第2節基于邊緣計算的發電廠AGC考核系統架構可以看出，邊緣計算具有主站、發電廠邊緣、機組邊緣、終端設備層次化部署的特性，其中多級邊緣的海量多源異構性數據的管理與處理顯得尤為重要，關系到AGC考核系統的高效性與考核結果的精確與否。本節介紹基于邊緣計算的發電廠AGC考核系統中數據管理與異常數據檢測的關鍵技術，為邊緣計算在發電廠AGC考核中的應用提供技術思路。

3.1 數據管理

為應對電網公司主站及發電廠邊緣、發電機組端的異構性及軟件服務數據的多樣性等問題，可以采用公共信息模型CIM（common information model）標準架構，在數據定義、傳輸語法模型中采用過程控制對象鏈接與嵌入統一架構OPC-UA（OLE for process control-unified architecture）的面向對象建模技術。在邊緣端、云端、發電機組端3個層面，管理包括機組模型數據、實時考核和歷史考核數據等各類數據，通過OPC-UA獨特的安全訪問機制提升數據獲取安全性與可靠性。此外，OPC-UA由于支持多編碼和多協議能夠進行高效、便捷的數據傳輸[18]。OPC-UA從標準層面為發電廠AGC考核過程中安全、高效、便捷、標準化的數據訪問提供良好的支撐。

通過安全的數據傳輸、自動糾錯和故障后及時自動恢復等技術，基于OPC-UA的發電廠AGC考核邊緣計算架構具有模型統一管控、數據可靠傳輸、客戶訪問便捷、平臺擴展性好等技術優勢[19]。發電廠AGC考核數據實現的OPC-UA服務器采用如圖5所示的標準OPC-UA分層應用架構，其中，數據訪問服務應用程序接口API（application programming interface）表示發電廠AGC考核相關的應用服務程序編程接口。將符合CIM標準架構規范的發電廠AGC考核機組模型數據、實時考核和歷史考核數據等各類數據，按規則映射到OPC-UA地址空間后進行標準化管理，并以OPC-UA服務發布，經由OPCUA通信棧同時向電網公司主站和發電廠提供安全可靠的OPC-UA應用服務支持。

圖5 AGC考核數據OPC-UA平臺應用架構Fig.5 Application architecture of OPC-UA platform for AGC assessment data

由于OPC-UA并非專門針對發電廠AGC考核系統應用而設計，原本所使用的地址空間映射模型強調云端數據訪問的通用性，與直接應用發電廠AGC考核系統所要采用的CIM可能存在一些差異。因此，在OPC-UA實現中建立的CIM與OPCUA地址空間模型之間的映射，需要實現AGC考核發電機組模型數據、實時考核和歷史考核數據的OPC-UA地址空間標準化管理，并基于此通過OPCUA服務與電網公司主站和發電廠交換符合CIM規范的AGC考核相關數據。具體的實現過程如下。

步驟1OPC-UA服務部署在中心云上，負責向邊、端發布數據交互接口。

步驟2電網應用將電網考核指令或者需要收集的數據告知OPC-UA服務，OPC-UA服務通過消息隊列遙測傳輸MQTT（message queuing telemetry transport）等協議，以JavaScript對象簡譜JSON（Ja?vaScript object notation）或可擴展標記語言XML（ex?tensible markup language）格式，經加密后進行發布。

步驟3邊緣云上的應用APP調用OPC-UA解密組件，獲得原有指令格式后發送給終端。

步驟4終端設備接受指令后，執行指令，完成數據交互。

3.2 數據異常檢測

在發電廠AGC調節性能考核場景中，機組邊緣中的遠動裝置在機組運行數據采集與傳輸以及邊緣代理在AGC調節性能指標傳輸的過程中，可能會出現一些意想不到的異常數據。一般來說，量測數據異常檢測方式主要是利用云計算模型將各種量測設備所采集的數據直接傳輸到主站進行數據存儲，并利用主站的計算能力完成數據異常檢測工作[20]。但是隨著發電廠以及發電廠機組智能數據采集裝置的增多，AGC考核相關數據爆發式增長，電網公司主站的異常數據檢測壓力過大。因此，可以通過發電廠邊緣和機組邊緣部署邊緣計算節點，對終端采集的原始數據進行異常檢測來保證AGC考核相關數據的準確性，可有效應對數據爆炸，降低數據傳輸帶寬及主站計算處理壓力，為后續的AGC考核數據計算與統計工作提供高質量的來源數據。

在發電機組邊緣計算節點上的部署基于Storm的流數據異常處理結構，在接收機組邊緣終端設備采集的發電機組運行數據的同時，對數據進行異常檢測。從數據時序連續性檢測TCD（temporal conti?nuity detection）和數據相關性檢測DCD（data corre?lation detection）兩個方面[21]，對AGC模式下發電機組運行數據的異常進行發電機組邊緣層級的檢測，拓撲結構如圖6所示。

圖6中，數據源流組件用于接收發電機組邊緣量測終端采集到的機組運行數據；TCD組件用于接收數據源流組件發送的機組運行數據并進行時序連續性檢測，如果接收到的數據量大且數據類型繁多，可以將數據進行相應的劃分，例如可以對發電機組的實際輸出功率、機組調節工況、AGC指令、一次調頻指令等不同類型的數據進行劃分，分別進行時序連續性檢測；數據關系集組件用于產生不同類型采集數據之間的關系模型集，然后將其發送給DCD組件，并對經過TCD組件時序連續性檢測的數據之間的關聯性進行檢測；融合組件對數據本身時序連續性檢查結果和數據之間的相關性檢測結果進行融合，完成最終的機組終端設備量測數據異常檢測；查詢請求組件接受發電廠和電網公司主站的結果查詢需求。

圖6 基于流的異常數據檢測拓撲結構Fig.6 Topology of storm-based abnormal data detection

4 算例研究

在邊緣計算框架下，發電廠AGC考核的相關數據在本地機組端進行處理計算，在發電廠邊緣處匯集并將必要數據上送給電網公司主站。下面以內蒙古某地區燃煤發電廠單臺機組2018年5月的實際AGC考核處理數據為例，對基于邊緣計算的發電廠AGC考核的優勢進行驗證。該燃煤發電廠AGC考核的結果按月度結算，機組為鍋爐型一次再熱式機組，機組容量為300 MW，機組DCS系統接收調度中心下發的AGC指令周期為5 s，具體指令情況如圖7（a）所示。機組RTU向調度中心主站上送機組出力數據的周期也是5 s，具體機組出力情況如圖7（b）所示。統計該電廠AGC考核的月度數據量如表1所示。

圖7 AGC指令曲線和機組出力曲線Fig.7 Curves of AGC command and unit output

電網公司主站根據機組上送的出力數據計算每次AGC指令變化時機組的調頻性能指標，并存儲相關數據。傳統計算方式與邊緣計算方式下機組上送電網公司主站的數據傳輸量與所占磁盤空間如表2所示。

由表1可知，相比于月度AGC指令數據量，AGC指令變化次數只占其中很少的一部分。傳統的AGC考核計算方式需要將每個指令周期的機組出力數據全部傳輸給電網公司主站，數據量龐大，而在邊緣計算框架下，利用機組本地邊緣節點的計算能力就可以進行數據預處理，在每次AGC指令變化時計算出機組響應該次AGC指令的3個調節性能指標，并只將每次AGC指令變化時的調頻性能指標值傳輸給電網公司主站。由表2可知，邊緣計算方式只在每次AGC指令變化時向主站傳輸3個調頻性能指標，數據傳輸量等于AGC指令變化次數的3倍，機組傳輸給電網公司主站的數據量減少了72%，間接地節省了傳輸網絡帶寬和數據傳輸時間；同時發電廠AGC考核數據量的減少意味著電網公司主站的計算和存儲壓力更小，在本地計算機上模擬考核數據的磁盤存儲空間大小變化情況，其中機組傳輸的數據在電網公司主站占據的磁盤存儲空間減少了67%，有利于減輕主站服務器的擴建負擔。

表1 機組AGC考核數據量Tab.1 Data volume of AGC assessment on unit

表2 邊緣計算與傳統計算對比Tab.2 Comparison between edge computing and traditional computing

5 結論

針對發電廠AGC考核中電網公司主站計算和存儲壓力過大、數據傳輸網絡帶寬受限、海量數據的異構聯接等問題，本文研究了邊緣計算在電廠自動發電控制考核中的應用方法，有以下結論：

（1）基于邊緣計算參考架構定義的設備域、網絡域、數據域與應用域，層次化部署電網公司主站、發電廠邊緣、機組邊緣和終端設備，實現發電廠AGC考核系統邊緣計算框架模型的構建；

（2）提出了邊緣計算架構下AGC考核中數據管理和異常數據檢測的關鍵技術，算例表明機組傳輸給電網公司主站的數據量能減少72%，數據所占磁盤存儲空間能減少67%，有效緩解了傳統AGC考核過程中集中式云計算的弊端。

隨著邊緣計算技術的不斷成熟，在發電廠AGC考核系統中如何大規模、高效地部署邊緣節點的運算和存儲能力等問題是以后需要進一步研究的內容。