基于边缘计算算法的区域电网智能操作管理系统设计

摘 要：传统的电网操作管理系统以中心化模型为核心，难以满足现代区域电网的智能化需求。该文提出了基于边缘计算算法的区域电网智能操作管理系统设计，在系统总框架设计的基础上，分别对数据采集和处理模块、智能决策支持模块以及区域电网拓扑优化模块3个关键模块进行详细设计。采用边缘计算技术，构建一个现代化区域电网智能操作管理系统，提高电力信息的实时性和可靠性，使电力运营者动态掌握电网运行情况，使智能电网操作与电力数据高效融合，为电力行业的可持续发展提供有力支持。

关键词：边缘计算算法；区域电网；边缘预测；智能监控

中图分类号：TP 31 " " " " " " 文献标志码：A

目前，能源行业正经历前所未有的变革和挑战。为应对不断增长的电力需求、提高能源效率以及减少环境影响，电力系统应该更智能、更高效。由于传统的电力系统过于集中，缺少实时响应和适应性，因此不能满足不断变化的需求。这种情况下，采用区域电网智能操作管理系统具有重要的意义。该系统利用边缘计算技术，将计算资源更接近电力设备和终端，使数据处理速度更快，制定决策更灵活，不仅可以提高电力系统的韧性，而且可以减少能源浪费，降低运营成本[1]。因此，该文探讨了基于边缘计算算法的电网智能操作管理系统设计，分别从数据采集和处理模块、智能决策支持模块以及区域电网拓扑优化模块3个方面进行详细规划，旨在提供高效、安全、智能的区域电网智能操作管理解决方案。试验结果表明，该文设计的区域电网智能操作管理系统能够降低电力系统运行风险，减少设备故障和数据不一致的现象，同时提供更多智能数据，协助运营人员更好地管理电力网络。同时，该系统符合电力行业的数字化转型趋势，提高了能源供应的可靠性。

1 系统架构设计

基于边缘计算算法的区域电网智能操作管理系统总框架设计分为数据采集和处理模块、智能决策支持模块以及区域电网拓扑优化模块，具体系统架构如图1所示。

区域电网智能操作管理系统展示了先进的电力管理技术的崭新范式，其核心功能模块集成了创新性与智能性。首先，数据采集和处理模块负责收集光伏发电、储能、充电桩以及交直流负载子系统的实时数据，通过传感器网络采集子系统信息。其次，智能决策支持模块涵盖了边缘预测模型和决策算法设计，用于分析数据和进行实时预测，制定最佳电网操作策略[2]。最后，区域电网拓扑优化模块用于优化电网结构，提高电能交换效率、减少能源损耗，保证电网的稳定性和可维护性。以上3个模块协同工作，实现了电能系统的智能化管理，提高了能源利用效率，保证电网可靠、高效地运行。

2 区域电网智能操作管理系统的功能模块设计

2.1 数据采集和处理模块

在基于边缘计算算法的区域电网智能操作管理系统设计中，数据采集和处理模块可以对数据高效、实时地进行采集和处理，以支持电网的智能操作和管理[3]。在这个系统中，数据采集节点位于关键位置，用于采集来自光伏发电、储能、充电桩、交直流负载等子系统的重要数据，以支持电网的智能决策。

光伏发电是区域电网的重要组成部分，为实时监测和管理光伏发电数据，在光伏电池板上安装太阳能传感器和温度传感器，定期采集太阳能辐射、温度和电能输出等数据，然后通过MQTT通信协议传输到数据采集节点，以便后续处理和分析；储能系统对区域电网的平稳运行至关重要，在储能设备中部署电池电压传感器和电流传感器，实时监测电池状态和能量存储情况；充电桩数据采集也是不可或缺的，每个充电桩将配备电流传感器和电压传感器，以监测充电过程中的电流和电压变化，这些数据将实时传输到数据采集节点；需要实时监测电网中的交流和直流等负载，部署电流传感器和电压传感器在负载端口上，以监测负载电流和电压，然后通过MQTT通信协议传输到数据采集节点。为了保证数据采集更全面，需要建立一个密集的传感器网络，覆盖整个电网区域，传感器节点将互相通信，并将数据传输到数据采集节点，利用5G无线通信技术，确保高效的数据传输和覆盖范围。一旦数据由传感器采集，数据采集节点将经历以下步骤，以确保数据的质量和完整性，从而支持区域电网的智能操作和管理。区域电网数据采集与处理流程如图2所示。首先，数据整理阶段将合并来自电流、电压、温度和光照强度等不同传感器的各种参数数据，汇聚到1个集中的数据池中。其次，利用孤立森林算法检测传感器数据中的异常值，并实时应用异常检测算法，识别可能的异常数据点。一旦检测到异常情况，实时纠正或标记这些数据，保证数据的准确性。数据清洗的过程是至关重要的，它涵盖了检测和修复可能由传感器误差或干扰引起的错误数据，包括传感器漂移和缺失值填充。数据清洗操作通过均值漂移校正将保证数据具有相似的数值尺度[4]。异常值的检测和处理阶段有助于保证数据的准确性，可以替换异常值或将其删除。最后，在数据整合阶段，已清洗和标准化的数据被整合成一个统一的数据集。整合后的数据可用于深入分析电网性能、能源使用和设备健康状态。结合边缘计算算法对数据采集和处理模块进行详细设计，以期为未来智能电网的可持续发展奠定坚实基础。

2.2 智能决策支持模块

2.2.1 边缘预测模型

在智能决策支持模块中，边缘预测模型的构建是关键步骤之一，它有助于系统预测光伏发电、储能、充电桩和各种交直流负载在区域电网中的行为，以支持智能运营和管理决策。模型的建立始于影响因子的关联分析，通过提取相关指标来建立各因素之间的关联模型，以更好地理解电网行为与各种影响因素之间的关系。采用多元回归分析方法，将影响因子中的各自变量与电网行为的因变量进行分析，以揭示各因素对电网行为的贡献程度，并建立它们之间的数学模型，以量化描述这些因素与电网行为之间的关系[5]。将电网运行结果作为因变量，建立因变量y序列，如公式（1）所示。

y=γ0+γ1x1+γ2x2+...+γpxp+ε " " " " " " （1）

式中：y为光伏发电、储能、充电桩或负载的预测结果；γ为估计系数；x1，x2，…，xp为影响因子系数；ε为误差项。

这个模型反映了各影响因子与电网行为之间的关联性，但是不同的因素对于光伏发电、储能、充电桩和负载的影响程度不同。因此，引入XGBoost对每个预测因素的影响进行分类计算，设第i个影响因子位置为yi，f（xi），该位置的XGBoost计算过程如公式（2）所示。

（2）

式中：L为损失函数，用于衡量模型的预测误差；k为模型迭代次数；n为训练数据的样本数量；λ为正则化项的权重。

在这个公式中，第一项表示模型对训练数据的拟合误差；第二项代表正则化项，用于控制模型的复杂度。通过调整参数λ，可以灵活地控制正则化程度，以更好地适应不同的电网行为和资源分配需求，为实现后续更准确的智能决策提供支持。

2.2.2 智能监控算法设计

在区域电网智能操作管理系统的智能监控算法设计中，关键的目标是实现对电网设备和参数的智能监测和实时决策支持。其中，主要设备包括变电站、输电线路以及开关设备等，参数包括电流、电压以及负载等电网环境参数。通过采用边缘计算算法，系统可以基于历史数据分析和实时数据读取，计算每个设备和参数的预测值。当某个设备或参数的实际值超过预设的安全阈值时，系统将发出报警信号，以便于及时采取措施，防止潜在的问题。在智能监控算法的设计过程中，需要明确监控的需求，确立所需监控的电网设备和参数以及监控精度。系统将收集和分析过去的电网数据，了解设备和参数的正常范围和变化趋势。基于历史数据，电网智能操作管理系统的电流、电压、负载、温度和湿度等监控参数，其阈值范围在系统中被明确定义。当电网环境中的传感器检测到异常情况时，基于边缘计算算法的区域电网智能操作管理系统会触发报警机制，具体流程如图3所示。首先，系统按照预定的时间间隔进行传感器数据读取，以获取当前电网环境参数的实际值。其次，这些数据被送入异常检测阶段，与预测值和设定的阈值进行比较，用于检测是否存在异常情况。一旦异常情况被检测到，系统将触发报警机制。再次，报警信息将根据异常情况的严重程度分配相应的优先级，以确保紧急情况得到及时处理。最后，这些报警信息将被上传到中央监控服务器，为操作人员提供及时了解和处理异常情况的机会。操作人员可以通过历史数据分析传感器之间的关联，查找趋势并进行数据挖掘，以确定异常情况的原因和根本问题，并获得关于如何应对异常情况的建议和决策支持。这个全面的监测和反应系统有助于保障电网环境安全，并提供及时的决策支持应对各种异常情况和紧急事件。通过物联网技术和边缘计算算法的结合，区域电网得以更智能、更高效地运行和管理。

2.3 区域电网拓扑优化模块

为优化区域电网的拓扑结构，提高其运行效率和可靠性，采用边缘计算算法中的数据重放技术，保证系统的稳定性和有效性。该模块的任务是根据历史数据和实时信息来优化区域电网的拓扑结构，以实现更有效的电力分配、故障处理和资源利用。

在每个时间步，当前电网拓扑状态和操作被捕获并记录，包括电网组件的连接状态、负载情况以及潜在的电力分配路径，这些数据经过存储和处理后形成粒子数据快照，被存储在数据存储区中，定期用于优化拓扑结构。在训练过程中，从数据存储区中随机抽样一批粒子数据，使用粒子群速度更新公式计算更新拓扑结构的效益，以打破拓扑操作的时间相关性，提高训练的稳定性。如公式（3）所示。

Vl（t+1）=w×Vlt+c1×r1×（pl-xlt）+c2×r2×（g-xlt） （3）

式中：Vlt为第l个粒子当代的速度；Vl（t+1）为第l个粒子在下一代的速度；w为惯性权重，c1和c2为学习因子；r1和r2为随机数；pl为第l个粒子的个体最佳位置；g为全局最佳位置；Vlt为第l个粒子在当前代的位置。同时，跟踪整个粒子群中效益最好的粒子位置g，其代表了整个电网系统中的最佳拓扑结构。通过不断迭代和优化，找到最适合当前电网需求和条件的拓扑结构，实现以下3个目标：1）电力分配的优化。通过改变拓扑结构，更好地分配电力，减少能量浪费，并确保供电的稳定性。2）故障处理的优化。拓扑优化提高电网的鲁棒性，减少故障对供电系统的影响。3）资源利用的优化。通过有效的拓扑结构能够更好地利用可再生能源和电池储能等资源，提高能源利用率。模块的关键目标是通过边缘计算算法和粒子群优化技术来提高区域电网的效率、可靠性和灵活性。通过合理的拓扑优化，更好地应对电力供需波动、故障情况和可再生能源集成等挑战，从而实现可持续电力分配和管理。

3 测试试验

3.1 试验环境准备

为评估基于边缘计算算法的区域电网智能操作管理系统的稳定性和可行性，对区域电网智能操作管理系统的性能进行模拟测试。在测试中，采用AMD Ryzen Threadripper PRO 5000 WX-Series处理器，其拥有64核128线程，能够同时处理如渲染、模拟、虚拟化和科学计算等大量线程密集型任务；配备32 MB的L2缓存和256 MB的L3缓存，减少内存访问的延迟，从而更快地执行任务；基础频率为2700 MHz，加速频率为4500 MHz，在需要更多性能时可以提供更高的时钟速度；支持八通道DDR4-3200内存，最大容量为2 TB，提供了128条PCIe 4.0通道，能够处理大规模数据集和内存密集型应用，并提供卓越的内存性能。操作系统选择了Windows 10，数据库系统采用MySQL。此外，利用5G无线通信技术保证数据高效地传输和处理，创建适宜数据传输的网络环境。

3.2 试验结果分析

选取5个不同节点资源值，测试基于边缘计算算法的区域电网智能操作管理系统的数据传输速率、稳定性、准确率，测试结果见表1。

试验数据表明，通过对5个不同数据节点的测验，得出该系统平均操作响应时间为8.24 ms，表明系统对于操作请求的响应速度非常快；系统平均数据传输速率为22.06 Mbit/s，表明系统数据传输效率较高，可以快速传输大量数据；且数据准确率达到98%以上，表明系统在处理数据的过程中非常精确，错误率低。综合来看，基于边缘计算算法的区域电网智能操作管理系统设计，有助于提高电网的管理效率、可靠性和实时性，能够更好地满足用户需求以及应对各种电力管理挑战。

4 结语

综上所述，该文从边缘计算算法在区域电网智能操作管理中的应用角度出发，对区域电网智能操作管理系统进行全面设计，对数据采集和处理模块、智能决策支持模块几个方面分别进行研究，通过边缘计算技术实现了电网数据的实时采集、分析和管理，提高了电网操作管理的效率和准确性。试验结果表明，基于边缘计算算法的区域电网智能操作管理系统在提高电网运行效率、降低风险以及应对突发事件方面取得了显著的成效。采用该系统能够更好地应对复杂多变的电力市场环境，为电力行业的可持续发展和智能化进程做出贡献。

参考文献

[1]陈天宇，孙仪，田跃军，等.基于故障树的智能电网调度防误操作拓扑分析[J].电工技术，2023（12）：198-200，203.

[2]陈根奇，黄振华，王少春，等.基于图数据库和图算法的转供电方案在配电网智能操作票系统的研究和应用[J].电力学报，2023，38（1）：73-82.

[3]肖成健.变电站智能操作关键技术研究与应用[J].云南电力技术，2023，51（1）：78-83.

[4]邱丹骅，吴龙腾，陈纯，等.电网设备状态智能校核及操作到位研判技术研究[J].电子设计工程，2022，30（24）：135-138，143.

[5]杨华，林先堪，廖柏程.人工智能与大数据在变电领域的实践与运用[J].设备管理与维修，2023（4）：128-130.

通信作者：谢枭楠（1986.10—），男，汉族，浙江杭州人，硕士，初级工程师，研究方向为微电网信息系统。

电子邮箱：xxn16@tsinghua.org.cn。