LPWAN与边缘计算融合在电力物联网中的应用研究

邱曙光 庞成鑫 贾佳

摘 要：电力物联网是推动能源互联网发展的重要技术支撑之一，是获取电力能源信息的有效途径。文中提出将低功耗广域网（LPWAN）技术和边缘计算（EC）融合应用在电力物联网中，构建云边端一体化管控的平台架构，实现对电力数据的全面、深度感知，并将云服务下沉，提高现有电力系统信息智能化水平，为能源互联网建设提供新的思路。

关键词：能源互联网;低功耗广域网;边缘计算;电力物联网;一体化管控;云服务

中图分类号：TP393文献标识码：A文章编号：2095-1302（2019）07-00-04

0 引 言

能源互联网是未来能源系统的发展趋势，通过开放性信息共享平台，将供电、供热、供气以及可再生能源等能源体系互联起来，以清洁可再生能源优先，以电力能源为中心，实现多能源体系优势互补[1]，形成一个互联互通的智慧能源系统。电力物联网通过在电力系统中部署各类感知设备、智能终端和通信装置等，实现电力信息的有效感知、获取与处理，经有线与无线网络进行可靠传输，并对获取信息進行存储、分析与处理[2]。电力物联网是能源互联网的关键技术之一。

随着能源互联系统的不断扩大，现有电力物联网必然存在诸多问题与挑战。一方面，电力物联网通过电力专网方式通信基本实现了电力生产业务中某些关键节点的数据连接，且业务相关性强;连接难、分布广、分散性强且不易供电;数据价值密度低，需要大数据技术支撑;状态变化缓慢稳定，采集频次低;日常关注度低的海量“小数据”连接不全面[3-4]，如电力设备的环境参数（温度、湿度、气压、酸碱度等）及电力设备状态参数（电力塔杆姿态、设备绝缘程度等）。

另一方面，物联终端“大连接、低延时”是能源互联网发展的必然需求。海量部署的电力物联终端设备会产生庞大的数据，对网络带宽和电力云端数据计算中心的运算能力提出了更高要求。传统云技术数据处理机制将面临处理庞大规模数据乏力、时效性差等问题，直接影响电力业务的安全和经济效益。

本文提出将LPWAN技术和边缘计算融合应用到电力物联网中。首先，结合LPWAN技术，借助其超低功耗、低宽带、低速率、覆盖广以及支持海量连接的特点，更好地解决电力系统中海量“小数据”的连接获取问题。对于实时性要求高，传输量大的数据采用电力物联网中的高速通信网络传输，如电力光纤、电力载波、3G/4G等。两者优势互补，实现数据的全面感知。其次，结合边缘计算，将电力云中心的部分计算任务迁移至网络边缘侧，在靠近数据的源头进行数据处理，提高数据处理的实时性、安全性，并降低数据传输的网络带宽要求。

1 关键技术及其融合

1.1 LPWAN技术

LPWAN是近年来物联网发展的新热点，与ZigBee，WiFi，Bluetooth等通信技术致力于高速率不同，其更关注低功耗、远距离、低带宽、易于部署等方面。其中，NB-IoT和LoRa是LPWAN技术的典型代表[5]。NB-IoT采用蜂窝通信技术，工作在授权频段，由电信运营商主导建设[6];LoRa采用线性扩频技术，工作在非授权频段，由使用者自行组网，可工作在移动蜂窝网络无法覆盖的偏远地区[7]。几种通信技术的比较见表1所列。由表1可知，LoRa和NB-IoT在功耗上有明显优势，且组网节点数目庞大，传输距离远，适合终端设备的海量部署和连接。LPWAN的众多优点是以牺牲通信速率为代价的，但在“小数据”监测的应用场景下，对数据通信速率要求不高，因此适用。

1.2 边缘计算

边缘计算（EC）是在物联网、人工智能、大数据及云计算快速发展，产业快速转型、变革形势下提出的新计算模式，可将具有计算、存储、应用等能力的智慧平台部署在靠近数据源头的网络侧，提供边缘意义上的智能服务[8]。边缘计算基本模型如图1所示。在边缘计算中，智能边缘设备充当数据“生产者”和“消费者”的联合体，传统云集中式计算服务中心的部分计算迁移至边缘设备。边缘设备作为数据的第一入口，对数据进行加工、处理、存储以及分析，对要求响应速度较快的场合，可以直接对业务进行决策，最终将处理结果上传云端，减少网络带宽的要求和云端计算的压力。

1.3 LPWAN与边缘计算融合

LPWAN技术和边缘计算是物联网、大数据、云计算、智能技术快速发展形势下演变出的新技术，都为解决互联网产业变革中所产生的难题提供了技术支撑。LPWAN与边缘计算都有其自身的技术优势，将两个技术融合应用到电力物联网中，在特定场合下将展现出独特优势。

（1）提高网络拓扑的灵活性

大多数LPWAN拓扑方案均采用星型拓扑结构，通过单跳方式直接与网关或基站通信，简化了协议栈，便于集中管理[9]。但LPWAN中的大部分终端节点均采用电池供电，在远离网关或者基站时，必须以高功率电平进行数据传输，加快了电池电量消耗。利用边缘计算对LPWAN组网中节点、路由、带宽等关键网络参数进行优化，动态重构网络，实现智能路由，从而降低各节点的能耗，保证LPWAN应用在电力物联网中进行数据通信时的可靠性。

（2）提高数据分析质量

现有电力物联网对“小数据”的连接不够全面，数据源采集的数据包含大量无用数据，使得服务器性能下降，且随着终端数量不断增加，服务的实时性也无法得到保证。LPWAN技术可与现有电力通信网络进行优势互补，实现对边缘数据的全面感知，而且通过边缘计算，可以在数据源头对数据进行过滤和处理，去除大部分临时数据，只将部分关键数据上传云端。服务器只需集中处理这些关键数据即可，提高数据分析质量，及时响应业务需求。

（3）提供安全与隐私保护

传统电力云大数据中心向电力用户提供服务时，需要收集用户侧上传的所有数据。随着网络的日益复杂和计算机病毒的不断升级，势必会给网络信息的传输带来威胁。LPWAN终端设备具备一定的运算能力，能够部署轻量级加密算法，如基于LoRa的终端设备，通信协议中使用多个密钥以及双重128AES加密机制，以提供通信安全保障[10];如基于NB-IoT的终端设备，支持双向鉴权和空口加密机制，可确保终端设备在发送接收数据时的空口安全性。同时，边缘计算网关可对终端设备上传的数据进行深入封装和加密，部分敏感数据可直接在网络边缘进行处理，不必上传网络，以保证数据安全及隐私。

2 融合LPWAN与边缘计算的电力物联网架构

融合LPWAN技术和边缘计算的电力物联网架构可以划分成感知层、边缘层、云计算层、应用层，如图2所示。其中感知层加入基于LPWAN的监控终端设备，在信息获取上相比传统的电力物联网具有独特优势。此外，在云集中式处理数据的传统模式下加入边缘层，将云服务下沉至边缘，使数据处理更靠近数据源头，构建“云-边-端”一体化管控的平台架构。

2.1 感知层

感知层包括部署在电力系统中的各类型传感器和监控设备、控制设备及智能终端等。感知层的各类设备通过电力光纤、电力载波、LPWAN等通信方式实现与边缘层的连接，或直接与云计算层中各类服务器进行连接。通信网络可以使用不同的拓扑结构，通过边缘网关连接至广域网络。

2.2 边缘层

边缘层接收、处理和转发来自感知层的数据流，实现边缘智能计算、数据分析，提供数据存储、实时控制等时间敏感服务。边缘层由边缘节点和边缘管理器组成。边缘节点是边缘计算的核心，包括以网络协议处理和转换的边缘网关、支持实时闭环控制的边缘敏捷控制器、集中处理边缘大数据的边缘云等。边缘管理器的核心是软件，主要对边缘节点进行统一管理。

2.3 云计算层

云计算层是由数据采集服务器、数据运算服务器、数据存储服务器、应用服务器等各类型服务器组成的集群。云计算层从感知层和边缘层接收数据流，向感知层发出控制信息，同时根据业务需求，云计算层可以和边缘层协同合作，最终实现从全局范围内对资源进行调度，向电力行业提供服务。

2.4 应用层

应用层包括中间件和应用基础设施，提供计算、信息处理、资源调度等功能接口。利用模式识别、智能计算等技术实现电网信息的处理和综合分析与智能化控制与决策服务，提高发电、配电、输电、用电等应用环节的智能化水平。

3 LPWAN与EC融合在电力物联网中的应用

在能源互联网“泛感知”的需求下，LPWAN技术与EC的融合应用到电力物联网中，可为电力行业发展中出现的问题提供解决方案。

3.1 电力设备环境监测

电力能源系统发电、配电、输电、用电等环节中设备数量庞大，每个设备的工作环境状态是否在正常范围内对电力系统运行的可靠性影响巨大。如电力设备周围温度、气压、湿度、酸碱度等，如电力塔杆倾斜、移动、震动等。由于数据监测点多，分布范围广，高度分散，监测设备不易供电，传统电力系统无法对这些数据进行有效连接和管理。如果对边缘小数据进行分析和处理，则可以提高电力巡检的效率，预防电力事故的发生。图3所示为LPWAN技术和EC融合到电力设备环境监测中的应用场景示意。通过LPWAN技术，各环境监测节点可使用电池供电，灵活部署在各环境监测点，使电力设备环境监测的广泛普及成为可能。分布式边缘计算网关在网络边缘对海量环境数据进行多协议解析、实时分析和管理，并与电力监控中心协同，向电力检修平台以及在偏僻地区进行电力检修的工作人员提供智能服务。

3.2 新能源发电监测

清洁新能源发电在能源互联网体系中占有重要地位，是电力系统能源转型的关键，对分布式能源、储能设备的实时监控是电力能源供需领域互动的重要技术支撑[11-12]。各种新能源发电资源，如风能、太阳能、潮汐能等分散性强且地域偏僻，数据采集存在一定的困难。LPWAN和EC融合在新能源发电数据监测中的应用如图4所示。电力数据监测可使用“电力通信专网+LPWAN组网”方式通信，实现电力数据的全面感知。对于时间敏感型业务采用高速电力通信专网;对实时性要求不高，数据采集量不大的业务采用LPWAN组网方式通信，以提高电力通信网络的灵活性，降低电力通信基础设施的部署成本。

分布式发电能源并网后，电力数据量庞大，能源管理与需求响应的实时性要求高。通过部署边缘计算将传统电力云中的部分计算任务迁移至边缘云。分布式边缘云根据电力业务和功能需求进行任务划分，并使计算节点更靠近数据采集点。分布式边缘云和电力中心云协同合作，为电力管理部门和电力用户提供实时高效的服务。

4 结 语

LPWAN是物联网通信技术的重要突破，其拥有的优势能够填补电力能源领域中“小数据”获取的空白，实现电力信息数据的全面深入感知。边缘计算将云端的计算任务有效分配到网络边缘侧，降低数据传输带宽要求和云计算中心的计算负荷，提高电力系统业务需求响应的速度。能源互联网是未来发展的趋势，两个技术融合应用，在构建互联互通的智慧能源体系过程中将发挥重要作用。

除了电力领域，LPWAN技术与边缘计算融合的应用还可以延伸至梯联网、车联网、智慧水务、智慧交通等领域，其边缘计算的节点选择灵活多变。随着边缘计算的标准规范不断完善以及计算芯片与存储设备成本的下降，以深度学习为代表的新一代AI可以实现边缘化的部署[13]，为各行各业提供更加优质、便捷、灵活的服务。

注：本文通讯作者为庞成鑫。

参 考 文 献

[1]曾鸣，杨雍琦，刘敦楠，等.能源互联网“源-网-荷-储”协调优化运营模式及关键技术[J].电网技术，2016，40（1）：114-124.

[2]欧海清，曾令康，李祥珍，等.电力物联网概述及发展现状[J].数字通信，2012，39（5）：62-64.

[3]陈永波，汤奕，艾鑫伟，等.基于LPWAN技术的能源电力物联专网[J].电信科学，2017，33（5）：143-152.

[4]陈永波，刘建业，陈继军.智慧能源物联网应用研究与分析[J].中兴通讯技术，2017，23（1）：37-42.

[5]吴毅，夏婷婷，李润青.基于NB-IoT及LoRa的技术分析和应用展望[J].中国管理信息化，2018，21（3）：162-164.

[6] MANGALVEDHE N，RATASUK R，GHOSH A.NB-IoT deployment study for low power wide area cellular IoT [C]// 2016 IEEE 27th Annual International Symposium on Personal，Indoor，and Mobile Radio Communications. Valencia，Spain：IEEE，2016：2166-9589.

[7] WIXTED A J，KINNAIRD P，LARIJANI H，et al. Evaluation of LoRa and LoRaWAN for wireless sensor networks[C]// 2016 IEEE SENSORS. Orlando FL，USA：IEEE，2017：1-3.

[8] SHI W，CAO J，ZHANG Q，et al.Edge computing：vision and challenges[J].IEEE internet of things journal，2016，3（5）：637-646.

[9]李敬兆， 萬露，杨大禹，等.LPWAN上行多跳通信在输电线路监测应用研究[J].电测与仪表，2018，55（5）：132-136.

[10]李彤，李博，常成，等. LoRaWAN协议分析及安全性研究现状[J].单片机与嵌入式系统应用，2018（11）：21-25.

[11]曾鸣，杨雍琦，李源非，等.能源互联网背景下新能源电力系统运营模式及关键技术初探[J].中国电机工程学报，2016，36（3）：681-691.

[12]李彬，贾滨诚，陈宋宋，等.边缘计算在电力供需领域的应用展望[J].中国电力，2018（8）：1-8.

[13]王莹，王金旺.AI在边缘设备上的发展机会[J].电子产品世界，2018，25（5）：13-17.