基于边缘智能技术的智慧能源综合服务平台

姜宏图 柴有国 徐瑞博 刘伟

【摘 要】综合能源服务是近年来新兴的产业领域，目的是实现分布式电源的接入、高效应用，解决大量不同类型的分布式电源并网和管理问题。开发和延伸综合能源服务能够充分促进分布式电源与可再生能源的大规模接入，实现对多种负荷的管理及高可靠性能源供给。通过“互联网+智慧能源”打造新型能源体系模式的智慧能源综合服务平台，可有效解决传统供能方式存在的问题，提供多种能源供给、多能协同互补、能源精细运维、区域能源联网、能源生产安全的解决方案。打造“物联网+智慧能源+精细运维+安全供用能”的能源发展新业态，实现能源系统安全、高效、低碳、可持续运行。

【关键词】综合能源服务;边缘智能;边缘计算;人工智能;物联网;模型;视觉识别

【中图分类号】TP393.072 【文献标识码】A 【文章编号】1674-0688（2021）04-0056-04

1 概述

1.1 背景

综合能源服务是电、冷、热等的多元化能源供应和多样化增值服务模式。根据不同投资项目区的特点，因地制宜，通过冷、热、电多种能源形式的高效、综合利用，以开放的信息—能源一体化架构最大限度地适应分布式可再生能源的接入，构建智慧化的综合能源服务，即智慧能源综合服务，真正实现自下向上的能量对等分享。

园区能源生产安全是管控重点。在生产区发生火灾或爆炸等事故的情况下，势必会造成重大的人员伤亡，以及财产的重大损失。因此，制定和采取安全有效的防范措施，加强整个园区的安全管理势在必行，其中全面的视频监控是安全防范的重要手段之一。

随着边缘计算、人工智能（即边缘智能）等技术的快速发展，以及各种应用场景的不断成熟，在综合能源服务领域，存在大量的生产实时數据需要上传到云端进行处理，给云计算带来了更多的处理压力且未来对反应速度会有越来越高的要求。根据Machina Research的数据预测，至2025年，全球物联网连接数将增长至270亿个，蜂窝连接个数将达到220亿个，将会有海量的边缘端设备接入[1]。

1.2 必要性分析

建设区域智慧能源是能源互联网发展的大势所趋，整合制冷（供暖）设备后台监控系统、光伏监控系统、储能远程监控系统及充电桩平台，实现各平台的大数据化分析和多种能源间的耦合，逐步为整个园区起到节能、减排、降耗的作用[2]。

物联网时代将会有数以百亿的联网设备且数据具有分散性、碎片化的特点，有着强大数据处理能力的云计算在面对海量的数据及网络带宽带来的限制时，也不能实现全面的计算覆盖[3]。

综合考量，边缘计算在面临大量数据、综合决策上具有无可比拟的优势，既靠近数据源头，又有一定的数据处理能力。而且在现实业务中并不是所有的数据都需要上传到云端，但是这些数据又对本地的设备有用。“思科公司”2015—2020年全球云指数显示，2020年全球产生的设备数据只有10%是有价值的数据，其余90%无须长期存储。应用边缘计算技术可以有效缓解网络带宽和云计算中心的压力，增强本地应用响应效率。

1.3 建设目标

为了实现多能互补集成综合利用、多能源协同运行优化及削峰填谷等目标，建设基于边缘智能的综合能源服务平台，具体目标如下：实现新能源的合理利用;实现多能互补集成应用;实现安全稳定优化运行;体现能源利用经济性;实现削峰填谷和能效综合服务。

2 需求分析

2.1 业务需求

在市场竞争环境下，能源供需会呈现双侧随机性波动特征，为了解决这一问题，需要制定应对措施，实行需求侧管理服务模式[4]。

（1）节能服务与合同能源管理。合同能源管理是一种基于市场的节能机制，节能技术改造、升级、换代是以未来的节能收益为前提，从而实现降低能源支出成本、提高能源使用效率的目的。

（2）优化用能服务。通过物联网、大数据分析技术，针对需求侧管理的用能设备进行分析，优化用户用能方案，实现用户用能成本最优。站在用户视角提供服务，提升用户用能体验[5]。

（3）能效诊断服务。针对用户用能过程中遇到的问题，例如电量大但效率低，峰谷电使用分配不合理等情况，为用户提供全面有效的用能分析，并提出专业化能效诊断建议。包含数据采集、数据分析及诊断建议的全过程。

（4）能源安全服务。综合能源园区周边环境比较复杂，人员流动性大，园区的安全管理制度逐步健全，安防产品在园区的普及，大大提升了园区的技防水平。随着安防意识的不断提升，园区安防逐步向技防迈进。

2.2 技术需求

针对综合能源园区的能源安全需要，视频监控将数据分流到边缘端，降低网络传输压力和业务端到端时延，实现本地分析、快速处理、实时响应。在云端执行训练任务，在边缘计算节点执行逻辑推理，边云协同实现实时响应、决策，以及人脸识别、行为检测、越界检测、火焰识别等多种人工智能应用场景。边缘智能技术需要具有如下特点。

（1）数据处理实时性。实时性是边缘智能需要具有的最重要的技术特点，由于靠近物与数据的源头，可以在一定程度上避免数据上传下达的时延，有效提升本地设备的处理能力和响应速度。

（2）业务数据可靠性。安全可靠的数据是业务正常开展的有效保障，只有对边缘计算服务进行加密处理，设备之间的数据传输才会有安全保障。在广域网发生故障的情况下，通过边缘计算服务，可实现本地业务的可靠运行。

（3）应用开发多样性。应用边缘智能技术后，会有大量的数据在其边缘端处理，除了安防监控视频处理，还有其他的应用场景，如操作规范、设备异常监控等。可根据实际的业务需求定义边缘智能应用。

3 方案设计

3.1 功能介绍

以满足能源供求关系为基本出发点的传统能源规划已不能适应当前的经济发展方式和能源结构调整需求，制定以科学的理念为基础的综合能源服务是大势所趋。为了最大限度地节约资源及实现资源互补、实现能源生产与消费结构的调整、能源效益的最大化，并获得最佳社会效益与经济效益，智慧能源综合服务平台总体共包含3个部分，分别为基于智能边缘的OT系统、智能计算IT管理、基于人工智能的决策支持。

（1）基于智能边缘的OT系统。实现对微电源、逆变器、中央控制器的集成，组成微网系统，实现数据采集和微网网络通信管理，中央控制器功能包括来电自动并网、断电或故障自动进入孤岛运行的远程控制，以及进行能量综合管理、控制和需求侧管理等。

（2）智能计算IT管理。①能量交易服务。此平台提供集冷、热、气、水、电等多种能源的购能管理、售能管理、电价套餐及费用管理、能源增值服务等功能，实现能源的购、售一体化交易管理。②能源安全管理。从园区人员车辆进出频繁、人员流动性大、园区公共物资多及生产区域安全要求高等特点出发，利用物联网、边缘计算、视频分析、深度学习、人工智能技术，进行智能计算平台、边云协同AI应用系统和边缘智能EIBox研制的应用研究。智能计算平台研究内容是对人员行为、车辆、园区环境等现场的计算分析下放到边缘端执行，模型深度学习训练放在云端，具体做法是将训练好的模型下发到边缘端，边缘端计算结果反馈给云端进行训练，循环往复不断进行模型的训练，实现模型对实际业务的深入理解。边云协同AI应用系统研究内容是管理模型训练、模型转换、模型部署、数据回传和模型再优化等。边缘智能EIBox研制内容是制造智能控制器，在该设备中针对人员行为分析、车辆识别、综合环境分析等进行模型构建，然后通过边云协同平台和视频采集设备进行智能视频分析，实现园区安全防控。

（3）基于人工智能的决策支持对能源生产、能源调度、用能管理进行能效分析和节能诊断，决策支持分为领导决策和企业级决策。领导决策对企业经营绩效、客户服务、内部运营与成长发展四大方面进行总结、提炼，这也是领导最为关注的核心内容，是战略驾驶舱重点把控与深入分析的企业经营特征表征点。企业级决策事项从企业整体战略的承接与落实上进行全面梳理与总结。涵盖资源（人、财、物）规划、计划分解执行、风险管控、发展创新各个层面的决策内容。利用数理统计与分析技术，自动构建关注指标变化情况决策简报，方便领导一站式获取指标的总体情况。

3.2 功能架构

功能架构如图1所示。

（1）基于边缘智能的OT系统。经过边缘智能终端处理实时数据，无缝的对接已安装的各分布式源系统[6]，通过数据中心储能、集中式电储能、需求侧响应及电动汽车充放电管理等可调控负荷手段，能够平抑用电峰谷差。

（2）智能计算IT管理。信息系统通过高带宽光纤，实现多种数据采集和通信，信息流与能量流融合情况。系统的高效运行需要通过能量管理系统支撑。一方面，通过数据采集、信息分析处理、智能化调控功能实现分布式能源的上网、调度;另一方面，运用网络系统关键技术分析用户的用电特性、用能特征，实现需求侧管理及用户用能优化，最终达到供需双侧的互动。

系统融合情况如图2所示。

（3）基于人工智能的決策支持。本项目考虑结合商用数值天气预报（Numerical Weather Prediction）和神经网络法，实现功率预测和负荷预测，用电行为可以通过应用各类先进的数据分析及机器学习技术，挖掘智能电表数据实现。整个系统可存在多种能源转换装置，其中常见的有含内燃机的CCHP系统、热泵、电动制冷机等。支持能源生产、传输、存储、消费及能源市场深度融合的数据分析。

3.3 技术架构

（1）架构组成。为实现不同综合能源服务中能源的精益化管理，提高分布式冷热电联产、余热利用、地热资源利用、光伏发电等清洁能源的利用效率，实现多能互补集成综合利用和多能源协同运行优化等目标，需要建设智慧能源综合服务平台，平台依托云计算、大数据与移动互联技术，支持公有云、私有云模式部署，并可扩展相关高级应用、集成外部应用系统。

（2）技术架构。技术架构满足分布式数据采集、存储、基于大数据的数据挖掘等，向下采集来源于电源设备、配电设备、智能仪表、供冷站、换热站、视频监控等多种数据。通过大数据技术的架构存储和模型分析，支撑上层应用（如图3所示）。

在边云协同上，选择“轻边缘”架构，即边缘侧的容器引擎和设备管理agent尽量轻量化，管理面运行在云端且构建在K8S的调度能力之上，100%兼容K8S原生API。all in K8S的设计理念使得用户可以围绕K8S的标准API定制需求或者轻松集成云原生生态中的成熟项目。

（3）网络拓扑。网络结构按照安全防护的要求，从物理结构、网络隔离等方面进行区分。①控制区：生产类设备、系统、车间。②非控制区：园区内用户的智能电表、供热/冷计量表及系统数据库、存储、计算分析服务器。③管理区：系统展示层，与管理局域网在同一网络层的设备，例如镜像数据库服务器、发布服务器及边缘计算服务器。在不同区之间采用单向物理隔离器，保护生产运行安全;在局域网与广域网之间采用防火墙，通过配置规则允许合法信息交互，防止外部威胁影响系统内的数据安全。

4 结语

利用边缘智能技术建设智慧能源综合服务平台，实现供热（采暖和供热水）、制冷及发电过程一体化的能源综合利用管理，包括数据中心储能、集中式电储能、需求侧响应及电动汽车充放电管理等可调控负荷手段，平抑用电峰谷差。测算各类可调控负荷的技术经济性，给出各类可调控负荷的合理容量及可盈利价格方案，提供更有效的综合能源服务。

参 考 文 献

[1]赵磊.人工智能技术在电力调度自动化系统中的运用分析[J].山东工业技术，2019（11）：164.

[2]杨锦成，骆建波，康丽惠，等.区域能源互联网框架下的综合能源服务[J].上海节能，2017（3）：137-146.

[3]林宪平，李正哲，王天祥，等.基于泛在电力物联网的综合能源服务商业模式研究[J].电气时代，2020（7）：68-71.

[4]蔡建华.我市电力需求侧管理的现状分析及建议[J].科技创新与应用，2019（10）：185-186.

[5]孔晓波.物联网概念和演进路径[J].电信工程技术与标准化，2009（12）：12-14.

[6]李肯立，刘楚波.边缘智能：现状和展望[J].大数据，2019，5（3）：69-75.