边缘计算在电厂自动发电控制考核中的应用

2021-10-22卢伟辉和识之王皓怀宋兴光

电力系统及其自动化学报 2021年9期

卢伟辉，和识之，王皓怀，宋兴光

（中国南方电网电力调度控制中心，广州 510623）

随着坚强智能电网和泛在电力物联网的建设的逐步推进，电网对发电机组参与自动发电控制AGC（automatic generation control）提出了更高要求，与之相应的电网公司对发电厂AGC机组的二次调频辅助服务考核的准确性与可靠性需求也随之愈加迫切[1]。根据两个细则，目前发电厂AGC考核系统已经形成了包含可用率、调节速率、调节精度、响应时间等指标的评价体系[2-3]。传统的AGC考核方式是发电厂机组将远控终端采集到的海量数据传送至电网公司主站，通过电网公司主站集中运算得到发电厂机组的AGC考核结果。目前，电网调度中心已有比较成熟的AGC考核服务云平台投入使用，但随着发电厂的智能化改造，分布式智能采集终端设备的数量、种类与日俱增，如果海量的异构数据集中传输到电网公司云端，一方面会造成主站计算与存储压力过大，另一方面会给网络带宽资源带来了巨大的负担，容易造成数据传输通道的堵塞[4]，而边缘计算技术的兴起正好为解决这些问题提供了有效思路。

边缘计算是将靠近产生数据的源头看作网络的边缘侧，在融合网络、计算、存储等能力的基础上，在网络边缘侧就近向用户提供服务，对于具有海量实时数据特征的实时业务、安全与隐私保护业务有很好的应用场景[5-7]。2017年边缘计算产业联盟ECC（edge computing consortium）联合工业互联网产业联盟 AII（alliance of industrial internet）更新了初代的边缘计算参考框架，并给出了边缘计算架构每层的具体功能设计[8]。在我国“十三五”规划中也明确指出了信息通信技术的未来方向之一是边缘计算技术[9]。随着集中式云计算的弊端逐渐显露，许多学者都针对边缘计算开展了广泛的研究。文献[10]系统地介绍了边缘计算的概念，并通过对云计算任务迁移、视频分析等现有研究工作的介绍具体地分析了边缘计算的优势。在边缘计算的应用方面，文献[11]将网络切片和边缘计算融合，提出了基于边缘计算的接入网络切片，分析了边缘计算可以用于满足5G中的商业模型；文献[9]将边缘计算技术应用于电网的自动需求响应业务，分析了自动需求响应边缘计算节点的分层架构模型相较于云计算自动需求响应模型的优势。

在现有文献中，针对边缘计算技术在电厂AGC考核系统中的应用尚鲜见报道。本文研究了边缘计算在电厂AGC考核中的应用方法。首先，根据边缘计算与AGC考核的融合模式分析，构建了基于边缘计算的电厂AGC考核系统框架模型；在此基础上，提出了调度中心云端、电厂边缘、机组边缘和终端设备层次化部署方法，然后探讨了考核中数据管理和异常数据检测的关键技术；最后通过实际电厂AGC考核算例验证了应用边缘计算在减小数据处理量和数据存储空间方面的优越性。

1 边缘计算与AGC考核系统

1.1 边缘计算

面对物联网时代下海量的异构数据，云计算难以保证数据分析、处理与响应的准确性和实时性。对于电力系统来说，信息流处理的延时性与不准确性可能会影响到电网能量流的稳定性与电力系统的可靠性[12]。此外，随着在云端运行的应用程序越来越多，云端的计算需求越来越大，造成的能耗需求也会越来越高[10]。在云计算中心的能耗优化方面，目前的研究内容主要集中在海量数据已经传输过来的情况下如何提高能源使用效率方面，以达到节省能耗的目的[13]。

为了解决这些难题，边缘计算模型提出将原有云计算中心上运行的一些任务进行分解，然后将部分任务迁移到边缘节点进行计算处理[14]，以此达到降低云计算中心的计算与存储压力，降低云计算中心能耗的目的。边缘计算示意如图1所示。同时，边缘计算充分利用本地的网络、计算、存储等能力，在网络边缘对数据进行计算处理，既提高了系统的响应速度，又降低系统传输的带宽压力，以及云端节点成为性能瓶颈节点或者潜在的风险点的可能性。边缘计算可协同当前集中式云计算为用户更好地服务。

图1 边缘计算示意Fig.1 Schematic of edge computing

1.2AGC考核系统

一般来说，发电厂AGC考核系统由调度侧和电厂侧两部分构成，通过将电厂侧远控终端RTU（re⁃mote terminal unit）和同步向量测量单元PMU（pha⁃sor measurement unit）采集的数据传输到调度侧，完成AGC相关数据的处理和考核统计功能[2]。发电厂AGC考核系统架构如图2所示。

图2 AGC考核系统架构Fig.2 Framework of AGC assessment system

图2中，电厂侧RTU执行调度侧下发的AGC遥调指令，机组运行在AGC模式。同时，RTU上送电厂各机组的出力等信息至调度侧的数据采集与监视系统SCADA（supervisory control and data acquisi⁃tion）；PMU则实时采集电厂侧的相位等信息，存储在时间序列数据库中并上送至调度侧的广域相量监测系统WAMS（wide area measurement system）。调度侧的主站接收和处理电厂侧RTU、PMU传输的机组相关数据，计算电厂各机组AGC调节性能指标，将统计结果存入历史数据库并在第2个月下发给各发电厂。

根据两个细则，AGC调节性能指标一般包括调节速率、调节精度和响应时间。

（1）调节速率是发电厂AGC机组响应主站下发的设点指令的速率，按调节方向可分为上升速率和下降速率[15]。调节速率指标的计算公式为

式中：i表示机组编号；j表示AGC指令编号；Vi,j为机组i在响应第j次设点指令时的实际调节速率；PE,i,j为调节过程结束时的机组输出功率；PS,i,j为调节过程开始时的机组输出功率；TE,i,j、TS,i,j分别为AGC调节过程结束和开始的时刻；Pd,i,j为AGC调节过程中可能到达的机组启停磨临界点功率；Td,i,j为启停磨过程消耗的时间；VN,i为事先规定的标准调节速率；Ki,j1为AGC考核的调节速率指标，由机组实际调节速率与标准调节速率的比值得到。

（2）调节精度是机组在响应AGC指令过程中输出功率稳定后机组出力和主站设点出力之间的差值[15]。调节精度指标的计算公式为

（3）响应时间是电网公司主站向电厂发出AGC指令之后，机组出力跨出与AGC调节方向相同的调节死区所花费的时间[15]。响应时间指标的计算公式为

式中：ti,j为机组跨出调节死区的时间；tST为结合机组类型事先规定好的标准响应时间；Ki,j3为AGC考核的响应时间指标，与机组的响应时间占标准响应时间的比值有关，设定若Ki,j3小于0.1，则取0.1[15]。

因此，当电网公司主站计算机组响应AGC指令时，AGC综合调节性能Ki,jp的计算公式为

1.3 边缘计算与AGC考核系统的关系

随着泛在电力物联网的建设，发电厂和机组端将逐渐接入大量的智能数据采集装置，发电厂AGC考核相关数据也将急剧增长，受网络带宽与电网公司主站计算、存储能力的限制，以往主站基于云计算的集中式数据处理模式将不适应电力物联网时代中发电厂AGC考核的要求。此外，发电厂将未经处理的与AGC考核相关的数据全部传输到电网公司主站，风险性会增大，诸如通讯中断、服务宕机等故障可能会使电网公司主站失去AGC机组的实际功率等遥测数据，导致AGC考核结果不准确，进而影响发电厂参与AGC的积极性。

根据边缘计算的特点，通过对现有的电网公司主站基于云计算的集中式数据处理模式进行相应的调整，将主站的部分AGC调节性能计算任务迁移到发电厂边缘可计算设备上，可以在减缓网络带宽压力、减小主站的计算和存储压力的同时，降低了由于主站或传输通道的性能限制导致电网公司主站成为性能瓶颈节点或者潜在的风险点的可能性，从而满足未来发电厂AGC考核的需求。因此，可基于边缘计算参考架构定义的4个域——设备域、网络域、数据域与应用域，结合现有发电厂AGC考核系统的架构进行两者的融合分析，其融合应用模式及关系如图3所示。

图3 边缘计算与AGC考核系统的关系Fig.3 Relationship between edge computing and AGC assessment system

2 基于边缘计算的发电厂AGC考核架构

为应对电力物联网背景下发电厂AGC考核系统中海量数据的异构联接、电网公司主站计算和存储压力过大、网络带宽受限等问题，需要建立基于边缘计算的发电厂AGC考核系统框架。通过将电网公司主站基于云计算的部分AGC调节性能计算任务迁移到发电厂和机组边缘节点的可计算设备上，减小电网公司主站计算和存储压力，减缓网络带宽压力，从而高效灵活地服务于电力物联网背景下发电厂的AGC考核应用。

本文结合边缘计算的概念和发电厂AGC考核系统的特点，从计算、存储、网络3部分提出基于边缘计算的发电厂AGC考核系统架构模型，融合计算、存储、网络资源对电网公司主站-发电厂边缘-机组边缘-终端设备进行了层次化部署，如图4所示。

图4 基于边缘计算的发电厂AGC考核系统架构Fig.4 Framework of AGC assessment system for power plant based on edge computing

图4中，最下面一层为边缘终端设备，对应于发电厂AGC考核系统中的采集机组相关运行数据的各类终端设备，具备了可感知、可交互、可延展的功能[16]。边缘终端设备主要实现对机组相关运行数据的采集，并将数据信息上传到上一级机组边缘进行边缘计算。

中间两层为数据预处理功能与汇聚、转发功能的转发层，对应于发电厂AGC考核系统中的机组边缘代理和发电厂边缘代理。机组边缘代理主要实现本台机组的边缘终端设备的数据汇集、处理和通信监视等功能，计算每次AGC动作时本台机组的AGC调节性能，并将计算结果存储后转发给上一级发电厂边缘。发电厂边缘代理主要实现发电厂范围内的机组边缘代理的数据汇集、处理和通信监视等功能，计算厂级AGC调节性能，并将计算结果存储后转发给调度中心云端。机组边缘与发电厂边缘需要相应的边缘计算设备，设备应包含边缘侧数据采集、智能运算，决策反馈等功能。边缘计算设备在未来的普及需要高性能的数据采集硬件平台、模块化的IO接口和开放的系统架构等技术的结合，实现将设备连接至任意种类的传感设备、执行器及第3方系统。

顶层相当于核心的云计算中心，对应于发电厂AGC考核系统中的电网公司主站，在AGC考核全局范围内实现信息全面感知、深度分析、科学决策和精准执行[17]。电网公司主站接收通过发电厂边缘代理转发过来的厂级AGC调节性能数据，利用这些信息进行区域内各发电厂AGC调节性能考核的结算，将计算结果存入历史数据库并下发给各发电厂。具体数据交互过程如下。

步骤1边缘侧数据采集设备根据配置的AGC考核规则收发数据，若为本地处理数据，则直接交由边缘代理上的应用APP（application）处理；若需要上报电网云平台的数据，则上报云平台；若需要下发终端设备的数据，则下发给终端设备。

步骤2电网云平台收到数据后，更新终端设备信息，并根据AGC考核规则进行指标计算。

步骤3边缘代理本地APP接收数据，解析并开展应用处置。数据处理完成后，对数据进行本地存储，或者将处理结果反馈给终端或电网云平台。

3 基于边缘计算的发电厂AGC考核关键技术

从第2节基于边缘计算的发电厂AGC考核系统架构可以看出，边缘计算具有主站、发电厂边缘、机组边缘、终端设备层次化部署的特性，其中多级边缘的海量多源异构性数据的管理与处理显得尤为重要，关系到AGC考核系统的高效性与考核结果的精确与否。本节介绍基于边缘计算的发电厂AGC考核系统中数据管理与异常数据检测的关键技术，为边缘计算在发电厂AGC考核中的应用提供技术思路。

3.1 数据管理

为应对电网公司主站及发电厂边缘、发电机组端的异构性及软件服务数据的多样性等问题，可以采用公共信息模型CIM（common information model）标准架构，在数据定义、传输语法模型中采用过程控制对象链接与嵌入统一架构OPC-UA（OLE for process control-unified architecture）的面向对象建模技术。在边缘端、云端、发电机组端3个层面，管理包括机组模型数据、实时考核和历史考核数据等各类数据，通过OPC-UA独特的安全访问机制提升数据获取安全性与可靠性。此外，OPC-UA由于支持多编码和多协议能够进行高效、便捷的数据传输[18]。OPC-UA从标准层面为发电厂AGC考核过程中安全、高效、便捷、标准化的数据访问提供良好的支撑。

通过安全的数据传输、自动纠错和故障后及时自动恢复等技术，基于OPC-UA的发电厂AGC考核边缘计算架构具有模型统一管控、数据可靠传输、客户访问便捷、平台扩展性好等技术优势[19]。发电厂AGC考核数据实现的OPC-UA服务器采用如图5所示的标准OPC-UA分层应用架构，其中，数据访问服务应用程序接口API（application programming interface）表示发电厂AGC考核相关的应用服务程序编程接口。将符合CIM标准架构规范的发电厂AGC考核机组模型数据、实时考核和历史考核数据等各类数据，按规则映射到OPC-UA地址空间后进行标准化管理，并以OPC-UA服务发布，经由OPCUA通信栈同时向电网公司主站和发电厂提供安全可靠的OPC-UA应用服务支持。

图5 AGC考核数据OPC-UA平台应用架构Fig.5 Application architecture of OPC-UA platform for AGC assessment data

由于OPC-UA并非专门针对发电厂AGC考核系统应用而设计，原本所使用的地址空间映射模型强调云端数据访问的通用性，与直接应用发电厂AGC考核系统所要采用的CIM可能存在一些差异。因此，在OPC-UA实现中建立的CIM与OPCUA地址空间模型之间的映射，需要实现AGC考核发电机组模型数据、实时考核和历史考核数据的OPC-UA地址空间标准化管理，并基于此通过OPCUA服务与电网公司主站和发电厂交换符合CIM规范的AGC考核相关数据。具体的实现过程如下。

步骤1OPC-UA服务部署在中心云上，负责向边、端发布数据交互接口。

步骤2电网应用将电网考核指令或者需要收集的数据告知OPC-UA服务，OPC-UA服务通过消息队列遥测传输MQTT（message queuing telemetry transport）等协议，以JavaScript对象简谱JSON（Ja⁃vaScript object notation）或可扩展标记语言XML（ex⁃tensible markup language）格式，经加密后进行发布。

步骤3边缘云上的应用APP调用OPC-UA解密组件，获得原有指令格式后发送给终端。

步骤4终端设备接受指令后，执行指令，完成数据交互。

3.2 数据异常检测

在发电厂AGC调节性能考核场景中，机组边缘中的远动装置在机组运行数据采集与传输以及边缘代理在AGC调节性能指标传输的过程中，可能会出现一些意想不到的异常数据。一般来说，量测数据异常检测方式主要是利用云计算模型将各种量测设备所采集的数据直接传输到主站进行数据存储，并利用主站的计算能力完成数据异常检测工作[20]。但是随着发电厂以及发电厂机组智能数据采集装置的增多，AGC考核相关数据爆发式增长，电网公司主站的异常数据检测压力过大。因此，可以通过发电厂边缘和机组边缘部署边缘计算节点，对终端采集的原始数据进行异常检测来保证AGC考核相关数据的准确性，可有效应对数据爆炸，降低数据传输带宽及主站计算处理压力，为后续的AGC考核数据计算与统计工作提供高质量的来源数据。

在发电机组边缘计算节点上的部署基于Storm的流数据异常处理结构，在接收机组边缘终端设备采集的发电机组运行数据的同时，对数据进行异常检测。从数据时序连续性检测TCD（temporal conti⁃nuity detection）和数据相关性检测DCD（data corre⁃lation detection）两个方面[21]，对AGC模式下发电机组运行数据的异常进行发电机组边缘层级的检测，拓扑结构如图6所示。

图6中，数据源流组件用于接收发电机组边缘量测终端采集到的机组运行数据；TCD组件用于接收数据源流组件发送的机组运行数据并进行时序连续性检测，如果接收到的数据量大且数据类型繁多，可以将数据进行相应的划分，例如可以对发电机组的实际输出功率、机组调节工况、AGC指令、一次调频指令等不同类型的数据进行划分，分别进行时序连续性检测；数据关系集组件用于产生不同类型采集数据之间的关系模型集，然后将其发送给DCD组件，并对经过TCD组件时序连续性检测的数据之间的关联性进行检测；融合组件对数据本身时序连续性检查结果和数据之间的相关性检测结果进行融合，完成最终的机组终端设备量测数据异常检测；查询请求组件接受发电厂和电网公司主站的结果查询需求。

图6 基于流的异常数据检测拓扑结构Fig.6 Topology of storm-based abnormal data detection

4 算例研究

在边缘计算框架下，发电厂AGC考核的相关数据在本地机组端进行处理计算，在发电厂边缘处汇集并将必要数据上送给电网公司主站。下面以内蒙古某地区燃煤发电厂单台机组2018年5月的实际AGC考核处理数据为例，对基于边缘计算的发电厂AGC考核的优势进行验证。该燃煤发电厂AGC考核的结果按月度结算，机组为锅炉型一次再热式机组，机组容量为300 MW，机组DCS系统接收调度中心下发的AGC指令周期为5 s，具体指令情况如图7（a）所示。机组RTU向调度中心主站上送机组出力数据的周期也是5 s，具体机组出力情况如图7（b）所示。统计该电厂AGC考核的月度数据量如表1所示。

图7 AGC指令曲线和机组出力曲线Fig.7 Curves of AGC command and unit output

电网公司主站根据机组上送的出力数据计算每次AGC指令变化时机组的调频性能指标，并存储相关数据。传统计算方式与边缘计算方式下机组上送电网公司主站的数据传输量与所占磁盘空间如表2所示。

由表1可知，相比于月度AGC指令数据量，AGC指令变化次数只占其中很少的一部分。传统的AGC考核计算方式需要将每个指令周期的机组出力数据全部传输给电网公司主站，数据量庞大，而在边缘计算框架下，利用机组本地边缘节点的计算能力就可以进行数据预处理，在每次AGC指令变化时计算出机组响应该次AGC指令的3个调节性能指标，并只将每次AGC指令变化时的调频性能指标值传输给电网公司主站。由表2可知，边缘计算方式只在每次AGC指令变化时向主站传输3个调频性能指标，数据传输量等于AGC指令变化次数的3倍，机组传输给电网公司主站的数据量减少了72%，间接地节省了传输网络带宽和数据传输时间；同时发电厂AGC考核数据量的减少意味着电网公司主站的计算和存储压力更小，在本地计算机上模拟考核数据的磁盘存储空间大小变化情况，其中机组传输的数据在电网公司主站占据的磁盘存储空间减少了67%，有利于减轻主站服务器的扩建负担。