基于边缘计算的主动配电网配电大数据技术

李芙蓉，易映萍，石 伟

（1.上海理工大学 机械工程学院，上海 200093；2.许继电源有限公司，河南 许昌 461000）

0 引言

改革开放以来，中国经济快速增长的同时，能源问题日趋严峻。能源结构调整和电力体制改革的部署，使得大量配电设备和传感器进入配电网，并且产生海量异构数据。高压输电系统已经具备了数据采集与监控系统（Su⁃pervisory Control And Data Acquisition，SCADA）和同步相量测量装置（Phasor Measurement Unit，PMU），并且通过光纤通信和各种状态监测系统，基本形成信息流、物理流互联互通的泛在电力物联［1］。

然而，传统配电网通过各种终端采集设备实现数据采集，再将采集的数据送入数据管理分析平台，信息流单一、能源消纳能力弱［2］、网络连接多样、用户设备数量庞大且电压等级各异，没有大范围铺设光纤，信息之间的交互不完善，无法实现广泛的设备低延时通信和用户互动。

随着分布式电源、储能和电动汽车等新型电力设备的不断接入，整个配电网对象庞大、任务复杂，离散状态和连续过程混合，能量和信息流混合。依托先进的电力电子技术、通信技术和自动控制技术［3］，未来配电网将逐步发展具有主动调节能力的配电网。随着需求响应业务、电能质量管理系统、能源管理系统的发展应用，主动配电网面对数据异构严重、数量庞大导致的配电数据采集、传输、计算困难等问题亟待解决。当前，配电大数据的异构化主要表现为：数据类别、电压等级不同，采样点和采样尺度差别巨大；数据缺失；数据库系统不兼容。异构配电大数据的集中采集计算给通信和存储带来拥堵，云端处理延迟，不利于可再生能源发展，影响能源结构改善进度。

针对上述问题，本文提出通过边缘计算（Edge Comput⁃ing）技术和大数据技术提高数据处理速度，减小云端主站的通信、计算和存储压力。边缘计算的定义最早由美国韦恩州立大学施巍松教授团队提出：边缘计算指在网络边缘执行计算的一种新型计算模型，边缘计算操作对象包括来自于云服务的下行数据和来自于万物互联服务的上行数据，而边缘计算的边缘指从数据源到云计算中心任意路径之间的计算和网络资源［4］。早在2003 年，CDN 服务商与IBM 合作推出边缘计算；2015 年思科、微软等科技巨头与普林斯顿大学共同创办OpenFog 雾计算项目［5］；次年华为举办边缘计算顶级年会，由工业、信息通信业、互联网等领域共同成立边缘计算产业联盟；经过几年的相关研究，如今边缘计算已经进入发展的快速期。边缘计算着重解决传统云计算模式下高延迟、网络不稳定和低带宽的问题，目标是在靠近数据输入或用户的地方提供计算、数据存储和网络带宽。边缘计算是一种分布式计算架构，将应用程序、数据资料和服务运算，由网络中心节点移向网络逻辑的边缘节点处理。边缘计算更靠近数据源头，可以加快数据处理、减小延迟、降低能耗、保护用户隐私。

国内外对边缘计算和大数据技术进行了相关研究。文献［6］提出基于欧洲电信标准化协会的边缘计算框架，提出了自动需求响应边缘计算节点的分层物理模型，模型详细定义了边缘计算节点的功能、信息和通信的关键技术；文献［7］和文献［8］详细介绍了边缘计算雾计算项目的结构、功能，并对雾节点进行全面定义，通过详细场景提出了雾计算的架构拓扑结构，进一步深度研究了雾计算的适用性和具体应用场景；文献［9］融合了泛在电力物联网和分布式智能电网，提出了基于深度强化学习的移动边缘计算，建立了多维异构信息物理高度融合模型，增强了电力物联网体系的边缘计算层级，实现边缘计算和强化学习的协同自治和智能决策；文献［10］引入边缘计算技术，重新定义智能感知系统框架，通过数据统一、数据辨识和分布式集群等几个方面，实现了面向多参量的边缘计算设计；文献［11］提出了基于PTN 架构的主动配电网云边协同模型，并通过算例验证模型实现了边缘节点数据存储和数据处理；针对配电网信息物理模型提出了基于边缘计算的CROSS 模型指标体系，进一步量化基于边缘计算和主动配电网传输架构稳定性、实时性、融合性的评级指标；文献［12］构建了基于边缘计算的配网雷电过电压在线监测系统，实现对边缘节点的在线监测，并采用数据服务器，通过前端用户界面展示了基于边缘计算雷电过电压在线监测系统的数据分析和故障判定等功能。上述文献表明，边缘计算能够在需求响应、分布式智能电网、物联网、智能监测中开发应用，并取得了阶段性成果，但是未将边缘计算和大数据技术应用于主动配电网，结合配电网层次架构进行配网大数据系统设计，对边缘计算节点的数据交互、云边协同相关领域的研究需要进一步深化。

本文提出一种基于边缘计算的主动配电网层次架构模型，根据边缘计算节点框架，概述了数据交互协议以及云边协同方式，并设计了大数据技术基础上针对边缘计算技术在实际配电典型应用场景的技术方案，实时、准确、低能耗地实现了对配电设备运行状态、投运环境、电气量数据等配电数据的采集、交互和监测功能。

1 边缘计算框架

1.1 分层边缘计算节点框架

边缘计算节点框架是实现边缘计算的关键，本文基于工业物联网标准边缘计算框架，构建了区别于传统物联网三层架构的分层边缘计算节点框架。边缘计算节点框架在功能架构上共分为云平台、网络管理层、边缘计算网关和终端设备层。其中，网络管理层包括设备管理、边缘管理、数据处理、网络安全等功能；边缘计算网关包括边缘应用层、边缘软件层和边缘平台层；终端设备层包括场景APP、分析APP、采集APP 等。云平台是云化的主站，网络管理层是端和云平台之间的数据传输通道，边缘计算网关是边缘计算节点框架的核心，在网络边缘侧提供就近服务及APP 应用。边缘计算架构如图1 所示。

Fig.1 Hierarchical edge computing node framework图1 分层边缘计算节点框架

基于2018 年工业互联网产业联盟发布的边缘计算与云计算协同白皮书，边缘计算具有以下特点：①连接功能，即需充分利用现有网络研究域最新成果，且实现与工业物理域的关联和共享操作；②数据桥梁，即边缘计算式数据的首要关口，是大量实时数据的第一入口，位于边缘节点的数据相对而言完整、实时、准确、多样；③边缘设备要适应系统环境和现场运行条件；④分布式计算，即分布性和融合性兼备。

基于以上特点，边缘计算网关层根据配电物联网云、管、边、端四层架构的设计理念，设计了以边缘计算为核心的分层式架构。

边缘平台层是边缘计算节点的基础服务平台层，可以在移动设备附近提供存储和计算资源。边缘存储实现的两个必要条件为：①边缘设备处理能力强；②有成熟可行的技术方案与边缘节点进行通信。

边缘计算的基础资源有计算、网络、存储和虚拟化［13］，平台层提供了数据缓存、数据存储、模型存储和设备控制等功能，包括开发平台、Docker 平台、衔接平台、操作系统，提高了计算、存储、通信能力。

边缘容器层将客户对象封装成容器对象，通过容器技术实现了灵活启停服务，可以进行扩容和缩容操作，是虚拟化服务技术的代表。为边缘计算节点提供强大的分析能力，将不同终端设备模型进行规范性描述，实现边缘计算节点对终端设备上传的数据进行效验和预处理、深度处理，形成高级应用。

边缘软件层实现数据的交互和管理，包括数据中心、APP 管理和数据安全中心，提供数据分析与呈现、数据聚合与互操作、数据安全等功能，实现即插即用式边缘网关。数据中心是边缘计算的重要组成部分；设计与配网完整实现数据交互的数据中心和数据交互方式，可以实现边缘计算节点的互联互通、数据互操作、协同控制、监视与诊断等功能，提高边缘计算资源利用率。

边缘应用层将采集数据和业务应用解耦，包括边缘行业应用和边缘业务运营。

1.2 数据交互协议

数据中心的数据交互是基于标准化的交互服务，规范云与边缘计算节点、边缘计算节点内部的传输层协议、应用层协议等内容，实现配网数据的互联互通和数据共享。数据交互协议内容包括消息类别、消息序列、参数列表、响应时序、设备激活、设备接入、远程升级、远程配置、监视物联代理、物联控制、应用管理、子设备管理。

用基于消息队列遥测传输协议MQTT 消息总线的交互方式实现边缘计算节点内部数据交互，以JavaScript 对象作为数据交互的信息格式；这种协议模式对框架依赖程度低、支持异步传输、轻量且灵活。边缘计算节点内部的MQTT 协议模型如图2 所示。

Fig.2 MQTT protocol model of edge computing nodes图2 边缘计算节点的MQTT 协议模型

边缘计算节点内部的数据传输以MQTT 为总线，管理控制灵活，实现控制边缘计算节点内部APP 之间的信息交互内容。边缘计算节点内部APP 按开发类型分类主要有规则引擎开发APP 和框架接入开发APP 两种，包括采集APP、控制指令APP、分析APP、场景APP、高级APP 等微应用。规则引擎开发将业务决策从应用程序代码中分离出来，并使用预定义语义模块编写业务决策，多为场景APP和高级APP；其中高级APP 可以通过总线访问数据中心，对边缘计算节点重要数据进行处理、计算，是边缘计算的核心部分。APP 在主题范围内发布读数，并进行主题订阅设置更改。将APP 数据保存到数据中心，即数据存储单元，数据按照业务类型进行分类，并统一至数据中心进行管理［14］，同时数据中心会订阅信息主题。管理控制台接收管理平台的命令以调整边缘计算节点配置，数据代理将订阅设置更改发布到相关端设备APP，实现相关主题消息的更改。由于MQTT 传输协议是轻量型协议，协议包含的基本参数只有3 个：消息类型、文本主题和任意二进制的有效负载。本文采取JSON 作为有效负载即数据交互的信息格式。

多个边缘计算节点之间的数据交互由数据代理和云主站实现，一个边缘计算节点获取另一个边缘计算节点的数据需要先向云主站发布数据请求，云主站根据DNS 解析判断域名部署的具体边缘计算节点，另一个边缘计算节点响应后将数据通过主站传输给该边缘计算节点，边缘计算节点之间的数据交互过程如图3 所示。

Fig.3 Data exchange among edge computing nodes图3 边缘计算节点间数据交互

边缘计算节点与端设备之间的数据交互即边缘计算节点中各APP 与端设备之间的数据交互，交互方式与边缘节点与云主站之间类似；APP 控制命令下发端设备，端设备进行相关数据响应，实现分布式一致性管理机制和数据双向交互。

1.3 云边协同

边缘计算与云计算不是替代关系，边缘计算紧密结合云计算才能使系统环境更安全高效。边缘计算的应用分为自顶向下的应用模式和自底向上的应用模式。自顶向下的边缘侧应用将云中构建和训练的机器学习模型进行压缩、降维等操作后，在边缘侧预测和执行小样本机器学习。这种互动方式下，边缘侧和云平台都有各自的技术参数、资源调度方式；云部署并下发模型，可以实现群智能和提高数据利用率。自底向上的边缘侧应用重新定义面向边缘侧的算法架构，再嵌入系统环境。这种互动方式下，边缘侧利用自身硬件资源，实现数据存储计算和数据整合，降低云资源消耗。边缘计算与云计算协同模型如图4所示。

Fig.4 Cloud edge collaboration model图4 云边协同模型

传统的配电数据主要通过RS485 等通信方式上传到云端之后集中处理，但是随着用户数量激增和大量异构多样数据涌入，从终端直接传输数据到配电通信压力大、延时多，不能完成实时交互相关服务。因此，引入边缘计算和本地处理模式，解决当下主动配电网大数据的实时处理问题至关重要，将大量端设备进行边缘计算节点分配，实现区域数据处理和云端数据处理协同高效工作。

2 主动配电网层次架构模型

传统配电网的架构为配电主站、配电子站和配电终端三层架构形式，主动配电网和传统配电网相比扩展了传统配电网的构成，具有大规模、多目标、多约束、连续和离散混合、规划运行和设计强耦合等特点，是个典型的信息物理系统［15］。基于信息物理系统（Cyber-Physical Systems，CPS）设计主动配电网层次架构模型时需要充分考虑以下特点：①各种新型设备的接入，使得主动配电网的网络结构和运行方式多变，需要充分考虑系统运行时工况的影响；②分布式能源和需求侧管理带来不确定性，空间负荷预测与规划设计难度增大；③除基本的安全、经济、可靠目标外，还需考虑综合能源利用效率和环境污染最小化；④控制模型采用融合模型时，需考虑物理系统和信息系统的协调控制；⑤考虑采用分层的控制架构模型，实现系统与边缘计算节点、边缘计算节点之间的统一控制，使得配电系统完成高级测量、快速分析和评估，实现灵活控制。

结合以上要点，构建基于边缘计算的主动配电网高度融合的信息物理系统如图5 所示。

Fig.5 Edge computing hierarchical architecture model of active distribution network图5 主动配电网的边缘计算层次架构模型

基于边缘计算的主动配电网模型，充分融合了配电网的层次架构、物理信息网络的单元级—系统级—SoS 级层次结构和边缘计算的各个域，实现被控对象模型的实时控制和更新操作。主动配电网的边缘计算层次架构主要由物理系统、信息网络系统和控制系统3 个层次结构组成：①主动配电网中的物理系统主要指各种电力设备，其中较传统电网不同的是大量微电网、分布式电源、储能装置、柔性负荷，物理系统经过各传感器节点将数据传输存储至CPS 局域网，可对实时采集的信息和局部中心下发的控制立即执行；②CPS 局域网和CPS 网络形成信息通信网络系统，支撑了边缘计算节点的分布式计算、云主站计算中心的集中式计算和控制中心的控制；③配网可以划分为多个独立运行的控制区域，通过不同边缘计算节点与整体配电系统进行双向信息通信和物理控制，实现既可以通过云主站进行集中控制、计算，也可以通过边缘计算节点进行分散控制、计算的分层协调方式。

该模型引入信息物理系统技术，将主动配电网强耦合的信息系统和物理系统进行解耦、融合，实现了主动配电网信息感知和控制的快速模拟与仿真，各层间的开放式通信协议如表1 所示。

Table 1 Communication protocol of each layer表1 各层通信规约

主站与子站之间的信息交换是实现配电网监视和控制、故障定位等配网管理和监控的中心，存在大量数据交换，对通信接口和传输速率要求较高，一般使用光纤传输，通信可以采用IEC 标准协议中的MMS 报文。

主站与馈线层之间的通信为了实现一些快速保护功能，采用面向通用对象的变电事件GOOSE 服务进行通信［16］，通过光纤专网、无线专网或公网、载波等实现局部信息采集处理和监视。

终端设备之间存在多种通讯方式，接入层设备和环境相当复杂，本文主要考虑的终端设备包括开闭所DTU、柱上开关FTU、集中器、变压器、TTU、智能电表等自动化设备，完成数据的测量采集、故障检测、开关控制、充电管理、配网运行状态评估、负荷预测等功能。

3 面向配电大数据的嵌入式边缘计算系统

配电大数据技术［17］为云平台提供了技术支撑，大数据处理模式可以分为流处理方式和批处理方式。流处理模式指直接处理，其中具有代表性的框架为Storm 分布式实时计算系统；该系统可以进行全内存计算，可满足实时要求，主要用于实时分析、在线机器学习等。批处理模式指先存储后处理，其中常用的框架为Map-Reduce 大数据并行计算软件框架［18］，该框架主要用于大规模离线计算及数据分析。数据分析主要分为数据挖掘方法、统计分析方法和机器学习方法。在相关配电网的研究中，数据挖掘方法最常用，数据挖掘方法分类、关联规则分析、聚类、异常监测。配电大数据技术可实现配电网安全可靠、经济环保、清洁可持续、开放共享的发展需求。基于此，建立集数据采集、监测和分析的配网大数据嵌入式边缘计算系统尤为重要。

结合配用电业务需求，对智能边缘计算配电大数据系统进行用户行为分析，基于边缘计算和智能电表的区域用电用户行为分析方案如图6 所示。

Fig.6 User behavior analysis solution based on edge computing图6 基于边缘计算的用户行为分析方案

考虑到配电和用电的采集耦合度高，对城市台区进行边和端的分离，用物联代理实现了一个配电房一个边的理念，满足了不同的专业数据需求。

上述用户用电行为方案中，采用带有增加存储模块的智能电表作为数据采集设备，实现实时采集、预先采集、异步应答，保证数据的实时性和准确性。采集器聚合了用户负荷数据、营销业务数据、配网网架结构、电费台账等实时数据，通过高压液相色谱HPLC 载波［19］实现集中器侧多表多数据项的单次采集。边缘计算节点支持台区的状态感知，拓展了云主站的计算能力，在提升用户用电舒适度的同时，保持高效性、安全性和经济性。

4 结语

本文研究了基于主动配电网的边缘计算技术框架，深度解析了数据交互方式和边缘计算实现方式，提出了基于主动配电网信息物理系统的边缘计算框架，实现含有大量分散智能终端的配电快速自动化业务。然而，本文虽然基于国际IEC61850 标准给出了通讯协议框架，但在实际应用中存在一些关键技术问题尚未解决。此外，边缘计算节点的存储资源扩容、数据安全、卸载机制、智能管理等问题还需作进一步研究。