基于边缘计算的交直流配电网信息物理系统

孔令生，王志远，范心明，彭元泉，曾庆辉

(1.广东电网有限责任公司佛山供电局，广东 佛山 528000；2. 北京四方继保自动化股份有限公司，北京 100085)

在此背景下，边缘计算技术的出现受到了国内外相关专家和研究人员的广泛关注，并对其开展研究。边缘计算技术与配电网系统深度技术融合，集存储、计算、通信等功能于一体，在终端侧提供智能服务，就地高效处理数据。这不仅能减轻云端数据的计算压力，还能实现海量数据复杂需求的实时网络服务响应，有效提升系统运行效率，为配电网信息物理系统的智能化建设提供有力支撑[9-12]。文献[13]讨论了边缘计算在构建智慧电网平台方面的优势，介绍了各类应用场景相应的边缘计算解决方案；文献[14]分析了边缘计算在智能配电中的发展现状及适用性，并介绍了边缘计算在智能低压区域管理、用户用电管理、配电网风险监测3种典型场景中的应用；文献[15]提出基于云雾技术的智能电网能源管理模型，构建云雾计算层次结构，为能源管理提供不同类型的计算服务；文献[16]基于边云协同数据处理结构的电力物联网构架，以边缘计算组为基本单元分层自治，建立集中-分布联合控制电力信息物理系统；文献[17]阐述了基于数据中心边云协同机制，与新一代配电自动化云主站协同实现配电台区自治，并列举实际配电业务中边云协同典型设计；文献[18]将边缘计算技术引入配电网系统，提出新型配电台区设计理念，重点阐述低压设备接入和电动汽车充电桩案例。

本文考虑到交直流混合配电网中分布式电源渗透率逐步提高、直流负荷密度不断攀升、储能设备和智能用电终端大量接入的特征，将边缘计算技术引入交直流混合配电网，对基于边缘计算的交直流混合配电网信息物理系统展开研究。首先介绍边缘计算技术和交直流配电网结构；其次研究交直流配电网中边缘计算架构及特征，并对边缘计算的数据交互机制进行分析；最后列举边缘计算在交直流混合配电网信息物理系统中的几种典型应用场景，旨在为相关工作的开展及深入提供参考。

1 交直流配电网与边缘计算

在配电网系统中，分布式能源渗透率不断提高，直流负荷密度和比例不断攀升，“即插即用”的柔性负荷与日俱增，交直流配电网的技术特征和功能结构在逐步发生转变，由原来的传统电能分配角色转变成集电能收集、分配和储输于一体的新型配电网系统。图1展示了交直流混合配电网的典型结构，其中“主变”为“主变压器”的简称。配电系统的不确定性和复杂性剧增，亟待引入新技术，进一步推进配电网系统的智能化建设，在灵活配电网结构下协调分布式能源、储能和负荷的运行，实现资源的统筹调配和科学利用，优化电网运行。

图1 交直流配电网典型结构Fig.1 Typical structure of AC-DC distribution network

云计算技术能够有效整合和管理系统各类资源，通过将数据源汇集到云端，利用服务器群统一进行中心化的集中式计算、分析和处理，再将结果返回给终端。但海量数据计算和复杂的逻辑操作执行会增加响应时间，无法有效满足对海量异构配用电数据储输和计算的实时性要求[19]。边缘计算技术将具有计算、存储、应用等功能的部分智能平台从原有的云端部署分配在靠近的网络终端，提供就近意义上的智能服务：一方面，边缘计算给云端上送过滤后的高价值成熟数据，减少了网络带宽和云平台的计算和存储压力；另一方面，云平台产生的计算结果发送到端侧，提高了终端的业务分析处理能力[20]。

传统的网络服务模式是集中在大型的核心节点进行处理，随着配电网系统的复杂化和需求终端设备的增多，中心化数据处理模式即将成为配电网系统数字化进程的技术瓶颈。边缘计算架构是去中心化的，在近数据源的网络边缘对数据进行分析处理，为构建弹性、灵活的供需互动配电系统提供技术支持[21]。

在配电系统中有很多业务场景对智能性和实时性的要求较高，如果所有控制逻辑和数据分析均在云端执行，业务响应的实时性要求将很难满足。在边缘计算的模式下，数据的融合与分析可以极大缩短延迟，满足配电系统的性能和功能要求。表1给出了交直流配电网中不同应用场景与边缘计算特点的对应关系。

表1 边缘计算特点及应用场景Tab.1 Features and applicable scenes of edge computing

2 基于边缘计算的交直流配电网信息物理系统

配电网信息物理系统是配电网系统数字化、智能化的产物，通过借助大量终端设备采集海量数据，并通过复杂的通信网络上传至数据处理平台，进而对配电网系统做出控制决策，使配电网系统成为能够快速感知、实时控制和信息分析处理的多维异构复杂网络。随着电力物联网的飞速发展和配电服务需求的不断提高，传统中心化控制式的电力信息物理系统因数据过于庞杂，在消耗大量内存资源的情况下也很难保证实时控制和信息安全，已无法适应配电网系统庞杂的数据规模和灵活的供电结构。而边缘计算技术是在靠近设备终端的网络边缘侧增加了边缘数据服务节点，就近提供数据服务，在满足控制实时性的同时，将过滤优化后的数据上传云平台，实现统一调度，将边缘计算技术引入到智能配电网系统数据处理中势在必行[22]。

2.1 配电物联网边缘计算架构

配电物联网(Internet of things，IOT)遵循“云-管-边-端”的4层架构设计理念，基于边缘计算的配电物联网架构如图2所示。云平台汇集了整个配电网系统的重要信息，包括各类电气量数据和控制命令等，负责训练数据得到学习模型，实现配电网系统的统一调度规划；信息传输介质主要是电缆和光缆，也包括交换机、远动机等协议转换设备；边缘计算平台主要部署在近数据源侧，具备数据处理功能以及局部控制功能，分担云端平台计算服务和数据传输压力；数据采集和命令执行设备主要包括被执行控制的一次设备和各类起到测控保护功能的二次设备，如电压互感器和电流互感器等，用于实现物理侧和信息侧的数据传输。

3.利用大数据分析等现代信息技术，实现精准供给。“互联网+教育”时代，不同的学习群体，其学习需求也不尽相同，但较为明确的是对数字教学资源的质量和匹配性要求很高。这就要求在继续教育资源建设中力求做到精准供给，针对不同的学习群体，建设符合他们潜在需求的高质量数字化资源。比如区块链技术的运用，通过对学习者检索的关键词频率、以往的学习资料，运用大数据分析技术，推演测算其潜在的学习需求，进而有针对性地进行资源的推送，便于学习者在浩如烟海的各类资源中迅速找到合适的学习资源。

边缘计算是在网络边缘侧，凭借近数据源的优势，融合了计算、存储、网络、应用等核心功能的分布式开放平台，用于满足配电系统实时业务和智能服务的关键需求。边缘计算的理念是将内生性和重复性的分析计算任务下沉到近数据源的网络边缘侧，大量数据只需就地化智能管控并快速决策，无需全部上传云端主站。而外延性和创造性的任务放在云端平台实现，缓解云端主站压力的同时满足部分业务的实时性要求，提升配电网系统运维服务的质量和速度。

图2 基于边缘计算的配电物联网架构Fig.2 Distribution IoT structure based on edge computing

边缘计算的参考架构由设备感知层、网络传输层、数据中心层和应用服务层构成，如图3所示，其中边缘计算融合在数据中心层。设备感知层是数据信息采集的来源，包括各种传感设备和智能终端，随时随地感知并采集配电设备的电气量、设备状态和运行环境信息；网络传输层用于将数据信息汇集传输和上送，同时通过通信协议转换提供异构网络转换服务；数据中心层主要对数据进行存储，并通过算法模型根据数据分析处理结果做出决策；应用服务层根据应用规范提供实现跨平台、跨系统的信息协同、共享和智能化管理。

2.2 边缘计算数据交互机制

边缘计算是云计算在云端平台中心之外计算节点的演进和延伸，是“去中心化”模式的落地形态，兼具了数据采集、分析与计算、网络通信、控制等业务功能。位于端侧的边缘计算节点可以与其他异构边缘节点连接，实现端到端的业务流，支持不同边缘计算节点之间资源服务和业务需求的智能协同。同时又可以主动屏蔽与其他节点的架构连接，利用本地资源，满足个性化需求。

边缘节点的选择可以通过集群理论[23]来确定，将交直流配电网系统按照运行特点或地域划分，在每个节点中所有电网侧一次设备、二次设备、通信元件与边缘数据服务平台组成集数据存储、计算、网络和应用需求等核心功能于一体的边缘节点服务平台，提供端侧区域内本地化的智能服务，并通过网络完成与其他节点和云平台的数据互通。

边缘计算对内、对外数据交互如图4所示。数据在边缘计算节点内部交互时，终端海量数据由节点的数据管理模块承担历史数据库维护、实时数据库更新和数据访问功能，为数据交互、算法模块和应用提供支撑。完成云端主站下发的计算结果和信息模型在边缘计算节点的实例化以及端侧信息的上报。端侧获得的实时数据被定期采样存储在历史数据库，以防数据丢失。数据管理模块会提供数据库的访问接口，供具有相应访问权限的应用和外部节点执行合法读写数据操作。

图3 边缘计算参考架构Fig.3 Reference architecture of edge computing

图4 边缘计算对内、对外数据交互示意图Fig.4 Internal and external data interaction of edge computing

边缘计算对外数据交互对象主要包括终端设备、云端主站和其他边缘节点。边缘计算节点采集终端设备数据，同时转发云端主站或边缘计算节点的控制指令到端侧，完成数据交互；在与云端主站的数据交互过程中，主站侧可根据自身需求主动召唤边缘节点侧数据和信息模型，也可配置规则定时向边缘节点侧请求数据。边缘节点侧也可根据业务需求向云端侧请求数据、控制指令和定值的下发，或定时请求数据下发。对系统级的统一业务和综合数据业务进行处理时，边缘计算服务平台将汇集的数据优化后通过主干网上送云端数据处理中心平台，然后云平台将数据分析后得到的统一控制指令下发给边缘计算服务平台执行；在与其他边缘节点的数据交互时，单个边缘计算节点仅服务于本地区域，与其他边缘节点进行数据交互，需向云端主站发送数据请求，其他边缘节点响应并传回数据给该边缘节点。通过各个边缘计算服务平台建立动态的数据库模型，再利用复杂的通信网络连接，将多个边缘计算服务平台之间的拓扑关系和数据库信息建立统一模型，实现与其他多个边缘计算服务平台互通和协同自治。

3 边缘计算在交直流配电网中的典型应用场景

3.1 电源管理

分散、多节点的分布式光伏的接入，因具有间歇性、随机性特点会实时产生海量数据信息，对配电网系统的通信能力提出了更高的要求。边缘计算能够解决海量数据分析难、预测难的问题，通过构建多节点、多层次的神经网络模型(如长短期记忆网络、卷积神经网络等)对光伏出力预测曲线实时拟合评估，实现对光伏发电的监控和预测，有助于将可再生能源整合到能源分配系统，为配电网系统动态协调配电、平衡能源负荷提供依据。

在边缘数据服务平台构建电动汽车充电管理系统，通过负荷监测收集数据，对该区域进行负荷预测，获得该节点区域用户用电习惯以及用电超负载与轻负载时段。边缘计算服务平台结合负荷预测曲线和电动汽车接入情况，利用人工智能算法对构建的模型进行训练，获得最优充电策略。边缘计算服务平台也会根据实时电价、用户充电申请和当前时段的负荷峰谷特性，有序调节充电桩的充电功率和充电时间，协调配电，提高电网负荷效率。

3.2 智能自动化配电

a)拓扑辨识。拓扑结构辨识是配电网系统实现智能自动化的基础，交直流配电系统支路多、结构复杂、节点功能灵活多变，难以进行电力统一调配。而边缘计算技术可以通过感知线路单元的站标识符进行拓扑结构识别。位于线路单元的站标识符启动信号与上一级线路或母线单元的站标识符通信，以此类推，直到信号到达网络顶端被监控单元感知，从而建立该边缘计算节点的整体拓扑结构，存储在数据库，并定时更新。

b)精准负荷控制。利用具有非侵入式监测技术的智能电表监测跟踪用电负荷，只需采集用户电力入口处的电气量，通过数据处理、特征提取和匹配完成负荷识别并上报边缘云平台。边缘计算平台进行深度学习模型训练，根据得到的负荷预测曲线分析用户用电习惯，再将分析整理得到的负荷模型上送到云平台，不仅减轻了数据传输压力，还提高了负荷预测模型的预测精度。结合实时电价和历史时间用电数据，合理引导用户设计最优用电策略，提高配电网系统运行的经济性和稳定性。

c)变电站控制与保护。变电站的调控运行具有控制实时性要求高、流式计算数据量大的特性，适于应用边缘计算，图5所示为边缘计算在变电站系统中的结构。

变电站监测的电气量、开关量、状态量信息数量巨大，通过过程层的合并单元与智能终端利用采样值(sampled value，SV)报文和面向通用对象的变电站事件(generic object oriented substation event，GOOSE)报文以IEC 61850通信协议的标准规约格式，上传至间隔层的测控和保护装置，再以制造报文规范(manufacturing message specifcation，MMS)的格式上送给站控层监控系统和远动机，通过远动机上传给调度中心，并等待调度中心的数据分析结果和控制命令。传统的继电保护根据电气特性分析结果执行对应的保护操作，相关数据通过网络协议传输至后台调度主站进行分析处理，后台主站的处理结果和控制指令需要经过同样的路径下发到指定设备执行，此过程在实时性方面存在不足；数据传输的繁琐与变电站低延时的保护要求产生矛盾。部署边缘计算平台在站控层，将部分信息和任务本地化处理和存储，在减少远动通信的压力的同时保证响应的实时性；同时，边缘计算平台与远动主机进行信息交互，上传过滤后数据信息、辅助决策和分析结果，根据接收调度中心下发的指令和数据，更新任务需求、算法和数据库。

图5 边缘计算在变电站系统中的结构Fig.5 Structure of edge computing in substation

4 结束语

为了缓解大量终端设备接入产生的海量数据给云端主站带来的计算压力，本文提出基于边缘计算的交直流配电网信息物理架构，研究了边缘计算在配电物联网中的计算架构，以及边缘计算的数据交互机制；最后就边缘计算在交直流配电网系统中的典型应用场景进行解析，旨在推进该技术的深度运用。结论表明：具备灵活拓展性的边缘计算完全适用于日益庞杂的交直流配电网，并激发其向着灵活、高效、互动、智能的新型供用电服务模式不断发展。未来在交直流配电网系统中可考虑结合“去中心化”的区块链技术用以加强数据安全和隐私保护；结合5G高速通信技术，进一步优化资源配置和提高数据的传输效率。