面向数字电网的边缘计算框架

一、引言

数字电网（SG）最早由美国提出，约在2000年，美国电力科学研究院（EPRI）提出了智能电网（Intelli‐Grid）的概念。该概念被认为是未来电网的发展方向，也是解决21世纪电网所面临各种问题的途径。国家发展和改革委员会与国家能源局联合发布的《关于推进智能电网发展的指导意见》（发改运行[2015] 1518号）中明确指出：“数字电网是在传统电力系统基础上，融合新能源、新材料、新设备、先进传感技术、信息技术、控制技术、储能技术等新技术形成的新型电力系统，具有高度信息化、自动化和互动化特征，能够更好地实现电网的安全性、可靠性、经济性和效率。”数字电网的概念涵盖提升电网技术含量、提高综合能源利用效率、增强电网供电可靠性、促进节能减排、推动新能源利用以及实现资源优化配置等方面，是一项涉及社会联动的系统工程，其最终目标是实现电网和社会效益的最大化。

数字电网是一种涵盖发电、输电、配电、储能和用电的电力系统，通过应用数字信息技术和自动控制技术，实现从发电到用电全过程的双向信息交互，并对电力的生产、传输和使用进行系统性优化。总体而言，未来的数字电网应是一个具备自愈、安全、经济、清洁特点，并能适应数字时代的高质量电力网络。数字电网的建设涉及面广，若仅依靠传统技术难以满足其需求，因此需要云计算、物联网（IOT）、移动互联网、大数据、智慧城市和边缘计算等新兴技术的支持。

目前，电网在推动物联网应用方面已有一定基础，拥有5.4亿套各类终端如智能电表，且每日新增采集数据超过60TB。面对如此庞大的数据量，电网物联网的整体建设存在明显短板。首先，在电网运行方面，数据未实现互通，实时共享能力不强，数据在提升电网安全运行、效率和工作质量水平方面的价值尚未充分体现。其次，在基础设施建设方面，数据存储、处理和应用的灵活性不强，快速响应需求变化的能力不足。

为了解决这些问题，首先要解决技术问题，打造关键领域的核心产品，推动上下游产业链的发展，构建适应能源互联网发展的完整生态系统。

边缘计算是指在靠近对象或数据源的一侧，集成了网络、计算、存储和应用核心能力的开放平台，以提供就近服务。其应用在边缘侧发起，能够实现更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护方面的基本需求。边缘计算位于物理实体与工业连接之间，或处于物理实体的上层。云计算仍可访问边缘计算的历史数据。边缘计算的概念起源于2008年，经过多年在多个国家的研究与推广，已与众多企业合作开展了多领域、多层次的解读与试点实施，逐步形成了当今的边缘计算技术、边缘计算架构、边缘计算智能设备等。随着物联网在行业中的逐步深入以及电力服务质量的提升，边缘计算已进入电力行业的实际应用，并进一步推动了边缘计算技术的发展。

电网边缘计算是一种以供电侧网络边缘节点为中心，以就近的基础数据源为基准，融合电力业务、智能终端、计算分析和存储等应用技术的。它还向上层系统平台和第三方平台提供精确、实时且可靠的安全数据共享和企业增值服务。电网边缘计算具有以下特点：

边缘数据量化：

随着泛在电力物联网终端部署和业务应用的发展，大量电网数据来自电网传感设备、电网采集设备、电网计量设备、电网工程基础设施等末端，构成了广泛的业务领域和多样的数据特征。这些数据通过边缘计算的多种预设建模，形成具有实际潜在价值的数据。

边缘业务渗透：

基于电力业务应用，单一维度的电力数据难以满足当前数字电网管理与控制的需求。有必要从多个方面和领域对数据进行整合、提取和分析，从而形成新的数字电网边缘业务管理标准，探索电力领域的新应用，实现边缘物理设备和数据流业务的可视化。

边缘服务：

随着人们用电质量的提升以及政府公用事业的深入实施和应用，对增值服务和信息共享提出了即时响应、数据可靠性以及数据保密性的要求。边缘计算能够快速响应上层系统和第三方平台的需求，并通过最短路径通道完成数据信息的共享与服务。网络层设备使用统一通信协议实现监控设备与汇聚控制器及统一接入网关之间的数据传输，从而增强不同厂家设备的互换性，实现不同厂家传感器设备的无缝接入。

II. 数字电网中边缘计算的架构

与4G相比，在传输速率方面，5G的峰值速率为10 Gbps~20Gbps，提升了10~20倍，用户体验速率将达到100Mbps～1Gbps，提升了10～100倍。在流量密度方面，5G的目标值为每平方公里10Tbs2, 提升了100倍，网络能效也提升了100倍。在连接数密度方面，每平方公里的连接设备数量高达100万台，提升了10倍。与4G相比，5G的频谱效率提升了3~5倍，端到端延迟将达到1毫秒级别，提升了10倍。此外，5G支持最高500km/h的通信环境速度，提升了1.43倍。

Para	Peak Rate	User 体验 rate	密度	端到端延迟	连接密度
4G	1Gbps	10Mbps	0.1Tbps/km²	10ms	10⁵ /公里²
5G	10~20Gbps	100兆比特每秒 ~1Gbps	10太比特每秒/公里²	1ms	10⁶ /公里²

边缘云计算的统一协作能力包括：
- 统一控制管理
- 控制通道的高可用性和稳定性
- 业务调度协调
- 大数据处理协作
- 边缘云集成安全能力
- 统一开放的服务接口

边缘云计算的服务能力包括：
- 边缘云计算基础设施服务，如计算、存储、网络和加速器。
- 边缘云计算平台服务，如容器服务、大数据服务、人工智能服务、即时通讯服务、视频人工智能、音视频通信等。

边缘计算参考架构将边缘计算的标准化定义为靠近对象或数据源的网络边缘侧。它是一个集成了网络、计算、存储和应用核心能力的开放平台，能够就近提供边缘智能服务，满足行业数字化在敏捷连接、实时业务[2‐3], 数据优化、应用智能[4‐5], 安全与隐私保护[6‐7]等方面的关键需求。本文提出了一种结合工业边缘计算参考架构的智能电网边缘计算架构，如图1所示[8]

智能电网的边缘计算架构主要包含设备层、网络层、数据层、应用层和云计算层。

设备层：

设备层主要包括电力系统中的各种终端设备，如电表、设备检测传感器、电动汽车、充电桩、智能家居、摄像头、RFID标签等终端设备。设备层利用各种传感器采集、识别和汇聚信息，并通过电力线通信（PLC）或多种短距离无线通信（如Wi‐Fi、蓝牙）将采集到的数据上传至网络层。

网络层：

网络层的主要功能是接入和组网。通过屏蔽不同的通信技术，能够根据标准化的统一通信协议实现数据传输。网络层实际上是完成大范围的信息通信，主要借助现有的广域网通信系统来实现。设备层传输的信息可以快速、可靠且安全地传输到地球上的各个地方。

数据层：

数据层主要提供数据安全、数据分析、数据隐私保护、数据融合功能。

应用层：

应用层对数据层中的信息进行处理，完成汇总、协同、共享、互联互通、分析、决策等功能。应用层管理多种数据信息，并提供统一数据服务以支撑各类业务应用。

III. 边缘计算在数字电网中的应用

边缘计算旨在将计算资源推向网络边缘，其目标是改善网络延迟并确保任务执行效率[9]。通过这种方式，能够快速响应用户请求，实现更低的延迟和更高的带宽。边缘计算可将许多控制从集中式云转移到边缘，实现对物联网中海量数据的实时分析。当电力系统处于异常运行或发生故障时，传统方法是将海量信息上传至集中式系统进行处理，这对计算机的数据处理能力提出了较高要求，而云/边缘技术可以解决这一问题[10]。接下来我们介绍边缘计算在电网中的典型应用。

1) 异物识别

在电源旁边安装一个摄像头监控需要监控的输电设备。摄像头连接到作为边缘服务器的嵌入式智能处理设备。边缘服务器可以存储摄像头拍摄的照片。本地设备使用训练好的目标检测模型对这些照片进行测试，然后将检测到异物的照片自动发送回云中心服务器。云中心服务器可为用户提供交互界面，在检测到异物图像时提醒用户，并且还可以管理边缘服务器的设备。此外，系统还配备了异物样本库。该样本库保存了云中心服务器接收并经人工复核准确识别的样本数据，用于对现有模型进行进一步训练，从而更新模型并进一步提高模型的准确性。如图2所示。

2) 非侵入式负荷监测

非侵入式负荷监测支持室内用电数据采集、电能质量监测和电源识别，并支持用户参与需求侧响应。传统的侵入式负荷监测系统在每个负荷处安装传感器，以监控各个负荷的运行状态。非侵入式负荷监测的特点是硬件简单、分析软件复杂。分析软件可对采集的消息集数据进行数学分析，获取有用信息。因此，只需在用户的电表上增加该模块，即可实现对该用户所有负荷的在线监控与分解[11]。非侵入式负荷监测具有诸多优势，可为用户提供能耗分析等多种能耗服务，实现对用户的间接管理并提升能源效率，同时还能实现能源策略优化，并对电机负荷进行非侵入式故障诊断。面对分布广泛、数量庞大的低压电力用户群体，若将边缘计算应用于非侵入式负荷监测，并将处理后的数据传输至云服务器，将有助于在用户侧进行数据处理，减轻数据传输负担，有利于实现实时负荷数据监测。

3) 输电线路设备智能监控

配电网具有复杂的特性，结构复杂且布点范围广，还存在电网监控的问题。目前大多数解决方案是将采集到的图像信息上传至服务器进行分析，但视频图像传输量大而有效信息少，会占用并浪费大量网络资源。采用边缘计算可为后端配备强大的计算单元，利用回传的数据进行深度学习，构建模型，减少大量无用数据的传输，并增强异常检测能力[12]。因此，边缘计算具有实时性和短周期数据分析的特点，更适用于实时数据分析和智能处理。此外，针对大量配电线路设备及其管理问题，通过部署边缘终端对原始数据进行处理，从而降低数据传输带宽和处理成本。设备的正常模型可下发至边缘侧，边缘侧数据输入后与模型匹配，实现预测性维护，提高设备的可靠性。

4) 电网通道异常检测

在电网通道的异常监控中，现有的识别方法基本通过有人直升机、无人机、视频监控、图像监控等方式实现。由于输电设备数量多、环境复杂，这些方法耗费大量人力、物力和财力，漏检情况严重，且基本依靠人工识别，无法实时反馈。电网通道中的隐患通常包括电网设备周边的起重机、塔吊、施工机械以及烟花爆竹等异物。异常检测性能的评估需结合实际生产和技术指标，评价指标包括功耗和识别性能两个方面。边缘计算平台提供的解决方案可综合考虑前端和后端性能，通过优化前端设备待机、摄像头回传及识别功耗，满足充电后支持现场工作30天的性能指标。

5) 变电站电池的预测性维护

存在大量备用铅酸电池用于变电站，且大多数分布在不同站点。传统检测需要人工充放电，并记录电池状态数据，然后由专业人员进行分析。每块电池的处理过程持续12小时，消耗大量人力，且无法实时获取电池信息。这给管理和维护带来了巨大困难。因此，迫切需要一个智能边缘平台进行统一管理。

边缘计算平台为变电站提供备用电池工作状态的监控和预测性维护功能。后端平台利用大量电池数据构建电化学模型和人工智能深度学习模型，并将其从平台下沉到边缘设备。边缘人工智能设备安装在电池上，通过CAN总线接口获取电池电气特性参数和环境参数，这些参数包括电池充放电过程中的电压、电流、温度以及环境温湿度等信息。边缘设备进行电化学推理和深度学习性能评估，然后将评估结果传输至边缘管理平台。边缘平台及时将结果反馈给变电站工作人员，用于维护和更换。在现场检测中，边缘平台实时呈现多区域电池的状态，并给出维护建议，从而节省了变电站在人力和物力资源方面的消耗。

四、结论

本文首先介绍了数字电网、边缘计算和电网边缘计算，然后基于现有的边缘计算参考架构提出了一种电网边缘计算架构。分析了数字电网边缘计算各层功能。最后，讨论了边缘计算在数字电网中的应用。