水光储智慧监控系统探讨

孙永凯，何飞跃，唐 黎，赵 泽

（中国水利水电科学研究院自动化所，北京 100038）

新能源发电由于存在波动性大、低惯量支撑、发电预测困难等弊端，给电网安全运行带来风险，很难大规模直接并网运行，学者提出水光储联合运行的发电模式，提升了新能源发电的并网规模和经济效益[1-3]。水光储联合运行虽优化了系统发电结构，但其存在复杂的设备监视和控制、海量的数据处理、算法运算等问题，给发电系统的生产运行管理和优化调度带来巨大困难。随着计算机信息、云边协同和自治控制等技术发展，新型综合能源信息智慧管理系统（简称：智慧监控系统）具有良好的数据转发能力、自治控制能力、超大的数据存储容量、设备与视频联动能力和生产信息管理一体化的能力，并在大型数据计算与优化方面获得快速发展，智慧监控平台已然成为未来电力监控系统的发展趋势。

1 智慧监控平台需求分析

智慧监控平台是面向水电、光伏发电并配置一定比例储能容量的联合发电系统，必须具有不同发电类型的设备管理边界、设备信息标签、数据信息融合和高等决策系统等功能需求。智慧监控系统注重智能化、大规模化、互补协同的理念，力争减少监盘人员的数量和工作量，达到场站侧“无人值班”（少人值守）的监控水平，提高设备的安全运行水平，提高组合发电系统的经济效益。具体目标如下：

（1）运行调度决策的智能化：水光储智慧监控系统可根据机组实时运行状态、约束条件和任务目标，自动决策并优化经济效益最好的机组进行组合发电，涵盖水电机组、光伏发电和必要的储能设备。

（2）生产过程预警监视的智能化：系统可具备高数量级的设备接入能力和对应点位的调控和监视能力，数据上行至云数据中心可提供实时预测、事故预警和故障快速捕捉及定位的能力。

（3）数据信息融合交互的智能化：系统数据可分布式存储计算，靠近被控设备端并提供可靠的数据访问和存储服务，各类数据可根据访问者权限被上层访问分享。

（4）区域控制过程的智能化：水光储联合发电机组在控制划分区域内，可实现自治控制和传统闭环控制两种模式，控制方法向大数据驱动的智能算法方向发展。

2 系统总体架构设计

2.1 系统设计思路

部署方式。分布式能源电站多表现为地理位置分布广、站点数量较多、监控数据量大等特点，基于边缘计算理论，将智慧监控系统的计算、调控与数据存储等服务，作为系统设计结构中的一个边缘节点，即靠近数据源头侧就地计算、存储、控制的部署方式。为满足电站之间的联合运行与实时调控的需求，将一个电站作为一个边缘节点，赋予计算调控与数据存储能力。

控制模式。各电站作为系统的边缘节点分散部署，提高系统整体的设备接纳与数据处理能力，但系统上层数据获取的实时性与数据融合能力受到严重影响。因此，将云边协同与自治控制引入系统的总体设计之中，以数据驱动和自治控制的方式实现边缘自动化、云端分析与优化、数据交互融合目的[4]。边缘自动化，一些指定的边缘发电节点之间建立联系，作为自治控制的一个划分区域，添加控制目标与约束实现自动调控的功能。云端分析与优化，利用高性能计算设备对数据进行分析优化，为系统应用层智能化软件开发提供平台支撑。数据交互融合，不同电站的各类信息打包并上传的机制，不同于传统的集中式数据处理方式，该方式可提高数据的处理速度与处理能力。

2.2 系统架构设计

如图1总体架构设计示意图，系统依据云边协同控制理论主要分成4层分布式设计，即现场设备层、边缘层、云数据中心、应用层。各层间在地理位置部署和提供服务功能等方面，依据需求承担各自的设计标准，但通信和数据交互访问方面，满足从上至下的贯穿访问以及同层数据交互的设计要求，只是在获取时间和资源权限方面有所差异。

（1）现场设备层，在数据方面承担数据采集、就地存储、指令解析与执行的任务，在通信方面可支持多种通信协议标准，并提供外部移动终端通信接口，降低硬件维护和调试的工作难度。

（2）边缘层，一般代表所有电站即边缘节点的集合，拥有全部的发电控制资源。在数据处理方面承担数据预处理工作，例如数据标准化、数据修正、数据集成融合等，在控制方面部署有自治控制系统，实现对控制区域划分与实时控制功能，在通信方面承担协议转换和数据传输等工作。

（3）云数据中心，该层主要承担各类数据提取、存储功能和人机交互界面功能，以及为应用层提供API接口访问功能和各类模型训练发布的功能，部署大量的数据库服务器和高性能运算服务器。另外，云边协同管理组件服务为连接协同、数据协同、任务协同、管理协同和安全协同提供保障。

（4）应用层，该层为工程师提供高级软件开发平台，可利用API接口获取底层数据进行数据建模和控制参数优化，通过各层的通信直连控制服务将优化模型参数写入至对应的数据库，达到二次开发优化控制的目标。

图1 总体架构设计示意图

3 技术实现与分析

如图2水光储智慧监控系统的结构示意图，初步表明各层间的通信方式、数据流向和控制拓扑。以下将从云边协同部署、数据管理与控制方法进行技术分析探讨：

图2 水光储智慧监控系统的结构示意图

3.1 云边协同设计

水光储智慧管理系统通过分层多网部署方式确保系统信息稳定传输和安全存储，将系统监控信息云边协同部署分为边缘感知层、边缘节点层、发电运行维护公司、调度数据中心。

边缘感知层。边缘层主要部署在电站内部设备上，一般为最小的数据采集单元和命令控制单元，负责点表具体点位的采集与控制工作，例如现场的气候条件、机组运行状态、站内视频通话数据、报警与命令执行记录等。

边缘节点层。边缘节点层为某电站的数据集合，具备5G通信接入点、数据存储、命令解析执行、高性能数据计算处理，特别是自治控制系统的对象，边缘节点层有且仅有唯一的识别编号，自治控制系统可在其上层进行不同边缘节点的划分聚合，使其成为一个可联合发电运行的自治控制区。

发电运行维护公司。负责水光储的互补自治控制相关的配置与管理工作，核实电站上传数据与实际工况的真实性，维护自制控制数据库，并可按照实际运行工况手动设置自治控制机组的划分区，除此之外，接收调度下达的负荷任务。

调度数据中心。作为智慧监控系统的顶层云平台，一方面汇总上传的各类数据，并写入历史数据库供相应的大数据服务，为系统高级交互应用及开发提供强大的数据支撑，例如功率预测、自治控制方案优化、经济计算、故障预测等。另一方面，将必要的控制信息汇总至实时数据库，为给自治控制系统下发工作任务提供实时服务，同时兼顾事故追忆、报警、实时运行曲线等人机交互功能。

3.2 数据管理设计

边缘层数据预处理有效提高数据质量，并压缩降低数据规模，电力监控系统数据多分为结构化数据和半结构化数据[5]。水光储系统面向分布式能源发电系统，在区域负荷检测、电能互补传输、安全巡检等高级应用业务方面发展，涉及较多的文本信息、音频信息等非结构化数据。

数据标签化。将系统中的各类型数据结构通过统一的数据格式进行定义，建立统一标准的设备表述信息，在数据库内生成唯一的设备ID使数据标准化。同时，针对各类数据需要进行标签化，可通过机器学习等方法识别数据信息并自动设定相应标签，方便对数据的分流传输和利用。

数据修正。智慧监控系统底层硬件设备众多，并且数据通信方式和采集方式繁杂，不可避免的造成错误值和缺失值，因此，根据离群点检测技术剔除奇异值或者根据数据的标准范围修改错误值，对于缺失数值可根据取平均插值法进行补充，确保数据的质量。

数据集成与融合。随着接入的检测和控制设备的增多，数据信息量成指数型增长，因此数据的集成与融合技术，不仅可将数据根据需求进行打包处理提升可读性，而且数据的特征提取有效压缩了数据规模。常用的融合方法有数据级融合，即将多次测量值取平均或去一段数据的某值代替的方式；特征级融合，即利用深度学习、k-邻近、聚合算法等进行数据特征提取的方式；决策级融合，即多信息量输入到一个或几个决策变量输出的转化，压缩效果明显。

水光储平台的数据流过程讨论。数据协同原理图如图3所示。数据传输流由下至上传输，通过现场设备采集数据后，就地存储和数据预处理计算，并将数据上行传输至边缘层。边缘层接收数据后，一方面，将自治控制数据库内的控制约束和负荷任务读取至控制算法内，根据自治划分区域内的可调用发电资源，算法做智能优化调控运算，将计算的结果输入至命令预处理模块，而后转化成控制调节命令下发至电站通信总线，循环往复进行闭环调节控制；另一方面，根据数据平台的控制指令，将所需的数据资源和命令记录上传至云端数据中心，供上层服务调用。

图3 数据协同原理图

3.3 控制管理设计

控制方面传统监控平台具有AGC、AVC进行负荷分配和发电机组自动调控功能[6]。水光储智慧平台可在水电、光伏、储能站三者之间任意组合联合运行发电控制，相关的控制策略和优化方法众多，主要围绕以集群发电经济性指标进行研究[7]。

本文着重讨论基于动态分区的自治控制系统，如图4自治控制区域划分示意图，将发电设备分为4个自治控制区域单元。水光储智慧监控系统边缘层采用自治控制和直接控制两种方式，直接控制较简单不再进行赘述，自治控制的控制原则是在满足约束条件的前提下，水光储发电系统的发电效益最高。

图4 自治控制区域划分示意图

自治控制区域划分。本文规定自治区域为：由选定的若干个发电设备至馈线端的逻辑总和均为一个自治单元。因此，自治控制区域划分可从不同能源发电设备的种类和设备的数量两个维度进行优化选择，保证水光储发电能源互补联合运行的安全性、经济型和协同控制性。

自治控制算法。系统算法模型构建涉及数据调用、约束条件库的配置、算法参数优化、可靠性分析和参数调整。数据调用利用云端的API接口对历史数据库进行访问，提取特定对象信息；约束条件库配置采用线上与线下数据同步的方式，线下为一线工作人员，针对现场机组的运行与检修状况进行配置，线上为调度人员根据规划进行相关数据配置；算法参数在云端高性能计算服务器的帮助下对模型求解；可靠性分析与参数调整，通过不同发电设备的性能指标进行模型评估。

水光储平台控制流过程讨论。控制方法由传统的集中控制，改为自治控制参与的分散区域自治控制。系统根据云端历史库数据进行模型训练和定时发布，将模型写入自治控制数据库内，此时，现地设备层各类数据就地进行标签化、修正、集成和融合，而后数据通信传输至边缘层，边缘层接收数据并进行预处理分析，调用自治数据库的模型进行计算得出控制信息，将控制信息下发回传至现地设备层，并将记录备份上传云端数据库，此时完成了一个控制周期。

4 结语

根据现有电力计算机监控系统和相关的物联网理论，本文给出了新能源互补联合运行监视系统的架构设计和技术实现框架，并对关键技术进行探讨。水光储智慧监控系统利用云边协同和自治控制相关技术，力争解决水光储联合经济运行过程中的统一监控、数据融合、多设备接入、信息预测等安全生产方面的问题。探讨了利用边缘计算和云计算协同的方式提升系统数据处理规模和多设备接入的问题，其满足多模型训练、多区域控制和其他高级应用开发的能力。讨论了自治控制的关键技术，对自治控制区域划分给出了明确的规范，同时也对控制算法进行相关的介绍，并简单分析了系统的控制过程，为未来相关产品和技术发展提供了一种设计思路。