基于邊緣計算技術的多元負荷管理系統設計

岳鵬, 夏峰

(1.南瑞集團(國網電力科學研究院)有限公司, 江蘇, 南京 211106;2.國電南瑞科技股份有限公司, 江蘇, 南京 211106)

0 引言

近年來我國的電力能源總量逐步增加,能源結構逐步優化,截止到2021年我國全年發電量超過75 030億千瓦,從裝機容量角度來看,發電裝機累積容量超過20億千瓦[1],當前能源結構中火電仍為電力的主要能源,但清潔能源的發電量逐漸增加。光伏、風能發電組件等分布式清潔能源的接入可能會影響大電網的運行穩定性,給能源協調控制優化帶來挑戰[2]。

在當前研究中,文獻[3]方法利用均勻分布概率模型表示電力負荷的不確定性,計算光伏電站的出力曲線。文獻[4]系統將風電出力表示為魯棒區間模型,考慮到了風電出力波動場景下發電機組的組合優化調度問題。文獻[5]系統中對人工神經網絡進行了改進,對氣溫因素、負荷特性之間的相關性進行了分析。現有文獻中存在的技術雖然提高了電力負荷批量控制能力,但具體采用的技術方案薄弱,電力負荷控制管理終端運行過程中多元負荷調度能力較差,數據信息分析能力弱。

1 多元負荷管理系統設計

本文進行多元負荷管理系統的設計,對電力負荷進行研究,根據不同類型負荷的特性對主要負荷進行分類和管理,解決電力供需不平衡的問題。通過系統完成電網資源數據、空間資源數據、電力負荷歷史使用數據的數據交換和共享[6-7],使各個區域內的電力負荷管理中心互通互聯,開展電網資源調度工作,提高了業務辦理效率。

多元負荷管理系統架構如圖1所示。

圖1 多元負荷管理系統架構

本文系統從整體上可分為3層架構:計算層、數據層和應用層,計算層中具有多個邊緣計算服務器作為邊緣節點分布在各個地區,用戶可以將大多數計算任務和存儲需求卸載到距離較近的邊緣服務器上處理,在執行計算任務時具有較好的實時性,減少了網路中的數據延遲。計算層通過邊緣緩存提高網絡帶寬效率,將電力負荷管理中心的數據緩存到邊緣節點交換網絡中的帶寬資源。數據層中用來存儲歷史電力負荷、電網設備、電網拓撲結構、資源屬性等數據,大數據框架中的MAPREDECE模塊將過濾的數據集轉換為另一種格式,再將映射過程中創建的數據組合起來。應用層給電力企業的管理人員提供多個模塊的應用服務,有利于進行電力資源調度[8]。為保證系統中各應用模塊數據的一致性,采用MULTI-RAFT協議解決分布式事務日志的同步問題,通過QUORUM機制保證系統的數據查詢、電力負荷數據統計、電力空間數據計算等服務的高可用性。

2 多元負荷管理模塊硬件設計

多元負荷管理模塊具有集中器中繼的功能,可連接多個電力負荷采集設備。計量模塊采用高集成度、高精度、低功耗的SOC RN2026A64芯片,并集成ARMCortex-M0微處理器、多路復用ASRADC、獨立供電硬件溫補RTC,具有多路閃存,支持計量測量、精度自檢、事件上報等多種功能,保證測量精度的電壓范圍為2.8～5.5 V。多元負荷管理模塊主要由供電電源模塊、計量模塊、管理模塊、接線端口、同步采樣模塊、數據處理模塊、實時時鐘模塊等組成,多元負荷管理模塊整體結構如圖2所示。

圖2 多元負荷管理模塊整體結構

多元負荷管理模塊中加入了數據隔離模塊,使用增強型高速四通道隔離芯片ISO7742FDW,工作電壓為2.25～5.5 V,傳輸速率高達100 Mbs,具有較好的隔離效果,傳播時延低至10.7 ns。AVCC1作為負荷計量模塊的電源輸入,使用10 Ω的電阻與AVCC2進行隔離,并外接一個1 μF的電容并聯一個0.1 μF的電容去耦。電流采集通道為IAN-ICN和IAP-ICP,電壓采集通道為UAN-UCN和UAP-UCP,采用完全差分輸入方式作為負荷計量芯片的輸入,直接與多路電流、電壓采樣電路連接。計量單元中具有7路ADC瞬時采樣數據寄存器,放大倍數可配置,內置1.25 V±1%ADC基準電壓。負荷采集模塊采用多路高精度同步采樣的方式,采集同一條線路多個支路的電壓、電流信號,具有更多的負荷參量采集通道,負荷采樣電路如圖3所示。

圖3 負荷采樣電路

電路中使用了AIT300-5V高精度電流傳感器,將直流大電流轉換為5 V的直流小電壓,通過9個電阻串聯的方式,將輸入的大電壓信號轉換為小電壓信號,電阻阻值設為300 kΩ。接收到系統發生的采集任務時,多元負荷管理模塊將啟動AD數據采集的時間信號轉發給計量模塊,計量模塊接收到時間信號后開始倒計時,倒計時接收啟動DMA中斷,并保存開始時刻對應的電力負荷數據。計量模塊存儲完一個周波的數據后,使用外部引腳通知管理模塊,管理模塊通過SPI讀取已經緩存好的負荷數據。

3 多元負荷調度優化

多元負荷構成較為復雜,在普通建筑型負荷的應用場景下可分為:照明負荷、辦公負荷、生活負荷等,在工業園區的應用中電機負荷的成分較高。在對電力負荷特性進行分析時,要考慮到自身用電量的變化規律,和天氣條件、工作日等外界因素引起的負荷變化、電價政策等因素造成負荷波動的情況。對一個地區的電力負荷進行分析能夠得出當地負荷在不同周期內的發展情況,了解實際用電情況,從各角度各時段內表示負荷變化情況。本研究對電網各模塊進行優化,保證電網以更高效率、更安全的方式運行。具體步驟如下。

步驟一:輸出不同的數據信息,電網分布式電源中,光伏發電的發電功能受溫度、輻射條件等多個因素的影響,輸出功率可表示為

(1)

式(1)中,Ppv表示光伏發電功率,Pstc表示最大輸出功率,Gac表示輻射強度,Gstc表示最大輻射強度,K表示溫度系數,Tc、Tr表示光伏電池溫度。風電機組的輸出功率受到風速影響,具有不確定性,可表示為

(2)

步驟二:儲能單元的電荷狀態分析,當風速超過一定閾值后,風電機組開始運行,使用控制器調節發電機組保證機組以最大功率運行,使風能利用系數達到較高的水平。在電網中的儲能單元能夠有效抵消負荷與其他能源出力的波動,保證電網處于穩定狀態,實現電力能源的跨時段轉移,解決電力負荷的供需不平衡問題。儲能單元的電荷狀態可表示為

SOC(t)=SOC(t-1)+Pcsb(t)ηc-Pdcsb(t)/ηd

(3)

式(3)中,SOC(t)表示電荷狀態,Pcsb表示充電能力,Pdcsb表示放電能量,ηc表示充電效率,ηd表示放電效率。多元負荷優化調度模型如圖4所示。

圖4 多元負荷優化調度模型

步驟三:劃分負荷調度時段,電力需求側負荷單元集合為U={1,2,…,N},電力負荷優化需要對每個負荷單元進行有效的控制,在每個調度時間段內工作狀態的集合與售電功率的集合可表示為

(4)

式(4)中,Li(t)表示負荷單元完成工作的標志,Psell(t)表示售電功率,T表示調度周期劃分的時段數,N表示電力負荷單元總數。優化調度模型的目標函數為在確保電力負荷單元滿足的情況下,通過調度可控單元制定合理的工作計算,調度分布式電源和儲能單元使運行成本最低,目標函數可表示為

(5)

式(5)中,M表示分布式電源數量,PGi(t)表示分布式電源的輸出功率,BGi(t)表示電量報價,Pb(t)表示買入的功率,Bb(t)表示購電價格,Ps(t)表示出售的功率,Bs(t)表示出售電價。當光伏發電和風力發電的輸出功率超過電力負荷單元的總功率時,把超出的功率輸送給電網,同時儲能單元向電網供電,在滿足電力負荷需求的同時,出售多余的電能,并緩解了電網高峰時段的用電壓力。

步驟四:當電力負荷需求小于中輸出功率時,在判斷當前時段是否為電價高峰,當是電價高峰時,再判斷儲能單元是否達到放電功率最小值,當未達到電價高峰時,再判斷儲能單元是否充滿電。當儲能單元達到放電功率最小值,智能電源與剩余電源供給電網,當儲能單元未達到放電功率最小值,將多余輸出功率供給電網。當儲能單元充滿時,也可以將多余輸出功率供給電網,當儲能單元未充滿電時,像儲能單元充電。

4 應用測試

系統終端與基站通過無線網絡連接,系統終端產生的業務請求和負荷數據計算任務通過基站到達邊緣計算服務器中進行處理。邊緣計算實驗環境如圖5所示。

圖5 邊緣計算實驗環境

由于實驗過程中系統終端產生的任務大多數為電力負荷的統計和計算任務,計算量較大且數據量較小,每次計算任務的數據量范圍為1～5 MB,設定邊緣計算資源的仿真參數如表1所示。

表1 邊緣計算資源的仿真參數

邊緣計算實驗環境中系統終端為計算機客戶端,操作系統使用Windows 10,處理器使用Intel i5 10400F,內存使用XPG-ZI 16GB DDR4 2666,顯卡使用GTX 1660Ti GA OC6G。實驗計算機上有HBase、Flume、Kafka等組件,安裝有JDK1.8并完成環境變量的配置。

本文進行應用測試使用的實驗數據為某建筑工作日和節假日產生的用電負荷數據,通過對原始數據進行統計和疊加后,得到實際數據并統計分布式能源的用電實際負荷。電力負荷實驗數據如表2所示。

表2 電力負荷實驗數據

為驗證本研究系統的計算能力,模擬不同業務請求與網絡規模對業務請求完成時間的影響,設定每個任務所需的計算量為0.02FLOPS,任務達到率為2個/s,最大容忍時延設為0.5～1.5 s,文獻[3]系統和文獻[4]系統同時進行實驗作為對比,文獻[3]系統采用電力負荷批量控制的方法實現負荷批量控制,通過設置控制中心,實現對電力終端的管控,通過功率控制實現電力負荷控制,文獻[4]系統通過負荷控制,該系統通過遠程抄表的方式實現電力營銷管理分析。在實現與不同文獻進行對比分析時,每個業務請求下的平均完成時間如圖6所示。

圖6 業務請求完成時間

圖6中描述了系統在不同最大容忍時延的情況下,業務請求的平均完成時間變化情況,在最大容忍時延低于0.5 s時,系統的業務請求完成時間普遍較小。當最大容忍時延增加到0.9以上時,文獻[3]系統和文獻[4]系統對每個業務請求的完成時間增加到0.6 s以上,文獻[3]系統的最大平均完成時間高達0.92 s,文獻[4]系統的最大平均完成時間為0.84 s。

進行電力負荷優化調度測試時,以24 h為一個優化調度周期,分為96個時間段,每個時段的時長為15 min。其中電燈、冰箱等用電器作為基礎負荷、空調等用電器作為可中斷負荷,其他用電器作為連續負荷。隨機狀態下的電力負荷曲線作為優化前的數據,優化結果如圖7所示。

圖7 優化結果

對比優化前后的電力負荷變化曲線可知,本研究系統能夠有效優化電力負荷,在滿足各個負荷單元運行的同事,降低了負荷水平。在8～10 h用電高峰時段,優化前的電力負荷最高達到9.6 kW,并且此時電價較高,16～18 h時間段和20～22 h時間段內,電力負荷最高達到4 kW左右,不可中斷負荷的運行時段都為連續時段。經過優化后,在0～8 h電力負荷水平明顯降低,18～22 h負荷水平有所增加,負荷從電價較高時段向較低時段轉移,降低了家庭用電負荷使用的電力費用。

5 總結

本文設計出多元負荷管理系統,并應用了邊緣計算提高了系統的計算能力和數據存儲能力,在進行電力負荷計算和優化調度任務中能夠將計算任務發送到邊緣節點中處理,有效地滿足系統實時或延遲敏感應用程序的需求。本文在電力負荷優化調度研究中,不同類型電力負荷的運行受到人為因素影響,不同地區的用電行為存在較大的差異,還需采集用電大數據進行深入研究。