梁哲恒， 何恒靖， 張樂平， 周尚禮， 林俊宏， 劉碧波

(1.廣東電網(wǎng)有限責(zé)任公司信息中心，廣東 廣州 510062； 2.南方電網(wǎng)數(shù)字電網(wǎng)研究院有限公司，廣東 廣州 510062； 3.合肥工業(yè)大學(xué) 電氣與自動化工程學(xué)院，安徽 合肥 230009)

隨著各類數(shù)據(jù)方法在配電網(wǎng)中的應(yīng)用，配電網(wǎng)正逐步實現(xiàn)自動化與智能化的轉(zhuǎn)變，對數(shù)據(jù)處理能力的要求與日俱增。從萬物互聯(lián)的時代背景來看，各類網(wǎng)絡(luò)中接入的邊緣設(shè)備數(shù)量也越來越多，由此帶來的數(shù)據(jù)吞吐量已達到澤字節(jié)(ZB)級別；同時，通信網(wǎng)絡(luò)的快速迭代也對數(shù)據(jù)的上下行速率提出了更高的要求。而在智能電網(wǎng)中，對各終端數(shù)據(jù)進行快速采集和數(shù)據(jù)融合是智能化的重要途徑，因此有必要對一些傳統(tǒng)電能設(shè)備進行智能化改進，并引入新的數(shù)據(jù)處理方式。

近年來，隨著電網(wǎng)發(fā)展由分散式、區(qū)域調(diào)度到智能電網(wǎng)階段，云計算由于其一體化、集約化特點，開始成為智能電網(wǎng)建設(shè)的一大熱點。云計算將信息技術(shù)從產(chǎn)品化向服務(wù)化進行轉(zhuǎn)變，作為互聯(lián)網(wǎng)主流技術(shù)趨勢，云計算已經(jīng)在不斷改變?nèi)藗兊墓ぷ骱蜕睢?/p>

相比云計算技術(shù)，邊緣計算技術(shù)的數(shù)據(jù)處理方式更接近終端，因此在低時延處理上更具優(yōu)勢[1]。因此，在當(dāng)前的電網(wǎng)智能化過程中，采用邊緣計算技術(shù)的方案不斷涌現(xiàn)，如文獻[2]設(shè)計開發(fā)了一套基于邊緣計算技術(shù)的電力末端融合系統(tǒng)，文獻[3]提出了一套基于邊緣計算的多芯模組化電能表設(shè)計方案，文獻[4]提出了一類基于邊緣計算技術(shù)的電工裝備集成接入方案。

在電能計量系統(tǒng)中，集中器作為一類典型的邊緣設(shè)備，是存在于集中式抄表系統(tǒng)中連接主站和電表設(shè)備的樞紐，目前多用于底層電能表數(shù)據(jù)的采集、存儲和轉(zhuǎn)發(fā)，不參與數(shù)據(jù)處理工作。但隨著系統(tǒng)主站的數(shù)據(jù)處理壓力日漸增加，電能計量系統(tǒng)對集中器提出了更多的智能化要求。為了滿足智能化要求，文獻[5]提出了一類基于單片機的智能遠程集抄方案，文獻[6]提出了一種基于無線射頻和GPRS 技術(shù)的智能抄表系統(tǒng)集中器的設(shè)計和實現(xiàn)方案，文獻[7]提出了一種基于有限狀態(tài)機的智能抄表集中器的設(shè)計與實現(xiàn)方案，并進行了實際系統(tǒng)測試。

上述有關(guān)智能集中器的文獻，著重于智能集中器抄表功能的實現(xiàn)，而忽略了其在電能計量系統(tǒng)中的定位。智能集中器是典型的邊緣設(shè)備，是電能計量系統(tǒng)中較為靠近傳感器與用戶的分布式節(jié)點，不僅需要實現(xiàn)簡單的電能表數(shù)據(jù)采集功能，也應(yīng)進一步實現(xiàn)快速的數(shù)據(jù)處理，以實現(xiàn)對云計算數(shù)據(jù)中心的計算分流，降低系統(tǒng)壓力。

首先討論了智能集中器在智能電網(wǎng)中的應(yīng)用背景，整理了智能電能計量系統(tǒng)框架，明確了智能集中器在電能計量系統(tǒng)中的邊緣設(shè)備定位；然后，分析了邊緣計算的邏輯結(jié)構(gòu)及其典型實現(xiàn)方案，提出了一類采用邊緣計算技術(shù)的智能化集中器設(shè)計方案；最后，考慮了一些采用該類智能集中器實際應(yīng)用場景，提供了相關(guān)的應(yīng)用方法和運行策略。目前來看，采用邊緣計算技術(shù)的智能集中器不但能夠分擔(dān)云計算數(shù)據(jù)中心的流量壓力、承擔(dān)部分?jǐn)?shù)據(jù)處理工作，而且不需要過多的人工干預(yù)，可以自動實現(xiàn)電能表集抄、數(shù)據(jù)融合處理，有效提高電能計量系統(tǒng)運維效率?，F(xiàn)有方法中對集中器的改進主要有兩類，一類是硬件方面的改進，一類是軟件框架的改進，本文主要采用第二類改進方法。

對比早期同類文獻的優(yōu)化思路(如參考文獻[7])，本文主要優(yōu)勢在于更加匹配邊緣計算的應(yīng)用場景。首先是參考了思科5G解決方案，采用霧計算的分布式部署，與5G新基建的聯(lián)系更緊密；然后采用了目前較為流行的多線程思路，該思路已在網(wǎng)絡(luò)售票、網(wǎng)絡(luò)訂餐等互聯(lián)網(wǎng)領(lǐng)域廣泛使用，具有良好的效果。

1 邊緣計算技術(shù)

在過去數(shù)年中，大數(shù)據(jù)處理主要在云端進行，即采用云計算技術(shù)。此類方式在終端設(shè)備未實現(xiàn)智能化，即不具備運算能力或在運算能力較差的情況下能夠?qū)崿F(xiàn)數(shù)據(jù)采集與融合處理，但仍然存在一些劣勢[8]。云計算平臺負載能力有限，網(wǎng)絡(luò)延遲較高，安全性較差，對冗余數(shù)據(jù)的處理容易形成算力浪費。

由此可見，集中式云計算方式的關(guān)鍵技術(shù)在處理邊緣設(shè)備數(shù)據(jù)時不夠高效，也未能匹配邊緣設(shè)備智能化和通信速率提高的時代背景，具有一些自身無法解決的弊病。要分擔(dān)數(shù)據(jù)中心的數(shù)據(jù)負擔(dān)，在集中式云計算的基礎(chǔ)上引入邊緣計算技術(shù)就很有必要。

典型的邊緣計算具有如圖1所示的邏輯結(jié)構(gòu)。邊緣計算技術(shù)是一種采用多個小型數(shù)據(jù)中心或數(shù)據(jù)節(jié)點方式，減少核心網(wǎng)絡(luò)負載，降低數(shù)據(jù)傳輸時延的分布式數(shù)據(jù)處理方案[9]。作為一種有別于集中式云計算的部署方案，邊緣計算通過在網(wǎng)絡(luò)邊緣部署了數(shù)量很多、帶有緩存和計算處理能力的系統(tǒng)計算節(jié)點，從而實現(xiàn)與終端設(shè)備、傳感器和用戶之間更為緊密、快速的數(shù)據(jù)交換。通常情況下，這些計算節(jié)點可能是路由、終端、服務(wù)器或其他接入網(wǎng)絡(luò)的智能設(shè)備。

圖1 邊緣計算的典型邏輯結(jié)構(gòu)

進一步，通過對計算節(jié)點進行分布式部署，能將大量的數(shù)據(jù)處理工作分配給邊緣設(shè)備完成，一方面充分利用了智能設(shè)備的算力，另一方面也能有效提升數(shù)據(jù)處理效率。正因為邊緣計算存在與集中式云計算方式的互補特性，業(yè)界普遍認可邊緣計算技術(shù)的應(yīng)用前景，并設(shè)計了如下三類模式[10]。

① 霧計算(Fog Computing)模式：此模式由思科(Cisco)提出，主要將數(shù)據(jù)及其處理集中在邊緣設(shè)備中；

② 移動邊緣計算(Mobile Edge Computing，MEC)模式：通過布置大量無線接入網(wǎng)絡(luò)，使用戶能夠就近接入云端計算，達到高性能和低時延；

③ 微云(Cloudlet)模式：微云是面向移動終端的、邊緣化的小型數(shù)據(jù)云中心，能有選擇性地提供低時延計算功能。

邊緣計算節(jié)點的引入能彌補云計算的缺陷(如表1所示)，能加快云計算中心與終端設(shè)備的數(shù)據(jù)打包、數(shù)據(jù)轉(zhuǎn)發(fā)與數(shù)據(jù)處理。通過引入邊緣計算節(jié)點，可以有效降低云計算中心的數(shù)據(jù)流量負荷，加快數(shù)據(jù)處理速度，不僅可以為服務(wù)商節(jié)省數(shù)據(jù)傳輸和處理成本，也可以為客戶提供更快捷的服務(wù)體驗。

表1 邊緣計算與云計算的需求區(qū)別

2 集中器

在配電網(wǎng)中，電表數(shù)據(jù)集中器的主要作用是連接多臺電表，并轉(zhuǎn)發(fā)抄表數(shù)據(jù)到數(shù)據(jù)中心，在自動抄表系統(tǒng)有重要作用。通常，集中器采用MCU、ARM、PLC等計算核心[11-13]，包含通信、數(shù)據(jù)存儲和能源控制等功能，并采用總線或無線等集抄方案連接終端和數(shù)據(jù)中心，其典型系統(tǒng)結(jié)構(gòu)如圖2所示。

圖2 遠程抄表系統(tǒng)結(jié)構(gòu)示意圖

盡管接入了運營商網(wǎng)絡(luò)，現(xiàn)有的傳統(tǒng)集中器大多只具備數(shù)據(jù)抄錄和上載功能，對數(shù)據(jù)中心的計算性能依賴很大。如果在邊緣計算的應(yīng)用場景下，一方面提高集中器的硬件水平，另一方面采用邊緣計算方法提高集中器的智能化程度，就可以將集中器作為邊緣網(wǎng)絡(luò)的計算節(jié)點，分流數(shù)據(jù)中心的數(shù)據(jù)壓力，從而提升運維效率。

3 基于邊緣計算技術(shù)的集中器智能化思路

將邊緣計算技術(shù)應(yīng)用于集中器，能夠顯著提高集中器的智能化程度，實現(xiàn)電能測量數(shù)據(jù)分流。為保證邊緣計算的性能充足，本文選用的智能集中器基于工業(yè)級ARM架構(gòu)芯片進行構(gòu)建，采用開放式標(biāo)準(zhǔn)和模塊化設(shè)計。

智能集中器由核心計算處理模塊和通信接口模塊構(gòu)成，核心計算處理模塊承擔(dān)末端電力業(yè)務(wù)的邊緣計算功能，并對用戶提供顯示和交互功能，內(nèi)置安全模塊接口，通過在核心計算處理模塊中增加安全模塊，可實現(xiàn)對上行業(yè)務(wù)和對下行業(yè)務(wù)的安全防護，同時將強化存儲和通信能力。

通信接口模塊對上采用通過統(tǒng)一的互聯(lián)總線與核心的計算處理模塊互聯(lián)，對下則對接不同類型的通信模塊；模塊設(shè)計統(tǒng)一硬件接口、結(jié)構(gòu)尺寸等，實現(xiàn)即插即用，靈活組合，滿足多樣化、多場景的應(yīng)用需求。對于上行通信方面，采用GPRS方式通過運營商無線公網(wǎng)與計量主站進行通信；下行通信方面，本文采用寬帶電力線載波(Broadband Power Line Carrier,BPLC)通信方式，增加通信帶寬，提高網(wǎng)絡(luò)整體的吞吐量。

目前低壓窄帶電力線載波(Power Line Carrier,PLC)通信是集中器與底層電能表的主用通信方式，但目前低壓窄帶電力線載波通信方式存在諸多問題，一方面是通信速率較慢，在用戶數(shù)據(jù)高頻次采集、臺區(qū)識別、線損計算等業(yè)務(wù)方面難以支撐，另外一方面則是不同品牌廠家的PLC之間不能互聯(lián)互通，導(dǎo)致單個臺區(qū)存在異構(gòu)網(wǎng)絡(luò)問題，使臺區(qū)集中器下行網(wǎng)絡(luò)的可用性和可維護性降低。本文提出的智能集中器對現(xiàn)存窄帶PLC通信方式進行優(yōu)化，采用多制式通信模塊，在智能集中器硬件平臺上集成多種不同制式的PLC模塊，充分挖掘窄帶信道的效率，并預(yù)備在核心計算平臺層以軟件方式解決異構(gòu)網(wǎng)絡(luò)互聯(lián)互通問題。

在軟件結(jié)構(gòu)上，智能集中器采用基于開源Linux的操作系統(tǒng)，一方面可以更容易地實現(xiàn)軟件擴展，另一方面可以結(jié)合SSH(Secure Shell)遠程訪問技術(shù)進行數(shù)據(jù)管理，簡化運維流程。

4 數(shù)據(jù)采集與處理方法

在智能集中器中，通過在Linux中采用邊緣計算和信息管理，能夠快速進行數(shù)據(jù)采集，并進行簡單的數(shù)據(jù)處理。為充分利用ARM算力，本算例采用分布式管理策略，智能終端的數(shù)據(jù)系統(tǒng)主要由4個部分組成。

① 智能電表：其存在的主要作用是監(jiān)測使用電量的多少；

② 智能集中器：對電表信息進行收集，并采用邊緣計算技術(shù)進行數(shù)據(jù)融合，以期達到更加高效的工作狀態(tài)；

③ 信息管理系統(tǒng)：對采集到的電能數(shù)據(jù)進行信息管理，可以分臺區(qū)進行數(shù)據(jù)統(tǒng)計與界面展示；

④ 云計算平臺：通過信息管理系統(tǒng)和云計算平臺進行交互，可以綜合多臺區(qū)數(shù)據(jù)，充分挖掘數(shù)據(jù)潛力，最終進行運維決策。

4.1 基于邊緣計算技術(shù)的數(shù)據(jù)采集方法

針對智能集中器的數(shù)據(jù)采集階段，筆者提煉為建立數(shù)據(jù)庫、數(shù)據(jù)篩選和數(shù)據(jù)清洗步驟，對在線數(shù)據(jù)進行修正入庫。

其中，數(shù)據(jù)篩選的思想是濾去錯誤數(shù)據(jù)，數(shù)據(jù)清洗的思想是針對傳感器可能出現(xiàn)的錯誤數(shù)據(jù)和測量誤差，進行算法修正，來排除故障預(yù)測的不利因素。

4.1.1 數(shù)據(jù)庫構(gòu)建

本算例采用在Linux系統(tǒng)中能良好運行的MySQL開源關(guān)系型數(shù)據(jù)庫進行數(shù)據(jù)庫構(gòu)建。軟件是目前比較流行的數(shù)據(jù)庫解決方案，具有以下優(yōu)點：

① 多線程、多用戶；

② 基于C/S(客戶端/服務(wù)器)架構(gòu)；

③ 高性能、高可靠、易于使用。

同時，針對集中器持續(xù)采集的特性，MySQL對大型數(shù)據(jù)庫支持較好，目前已支持 5000 萬條記錄的數(shù)據(jù)倉庫，32 位系統(tǒng)表文件最大可支持4 GB，64 位系統(tǒng)表文件最大可支持8 TB；另外，MySQL可以很容易地進行多系統(tǒng)訪問，支持多種編程語言配置，包括 C、C++、Python、Java、Perl、PHP、Eiffel、Ruby 和 Tcl 等。

在此基礎(chǔ)上，針對智能集中器的數(shù)據(jù)特點，整理出如表2所示的數(shù)據(jù)采集方法。

表2 智能集中器的數(shù)據(jù)采集方法設(shè)計

4.1.2 數(shù)據(jù)篩選

在智能集中器數(shù)據(jù)采集中加入數(shù)據(jù)篩選，目的是過濾數(shù)據(jù)中可能出現(xiàn)的非電能表來源的異常數(shù)據(jù)，對數(shù)據(jù)進行粗篩，進而滿足可用性要求。

本算例主要通過驗證緩沖區(qū)和校驗碼的方式進行數(shù)據(jù)篩選，如圖3所示，程序通過BPLC接口定時發(fā)送功能碼，并對接收到的數(shù)據(jù)先后進行緩沖區(qū)和校驗碼驗證。

圖3 數(shù)據(jù)篩選流程圖

4.1.3 數(shù)據(jù)清洗

數(shù)據(jù)清洗的主要方式是噪聲清理和查錯。本算例采用高斯混合模型聚類算法可以用來處理數(shù)據(jù)集中的噪聲數(shù)據(jù)。高斯混合模型(Gaussian Mixed Model，GMM)聚類算法對傳感器數(shù)據(jù)進行噪聲數(shù)據(jù)檢查時，其主要優(yōu)勢在于高斯分布能符合更多數(shù)據(jù)集的實際情形，將類似數(shù)據(jù)組織成“數(shù)據(jù)簇”。GMM聚類算法的基本執(zhí)行步驟如下。

① 輸入輸出關(guān)系： 將觀測數(shù)據(jù)y1,y2,…,yN作為算法輸入，將GMM參數(shù)作為算法輸出。

② 建立模型：假設(shè)觀測數(shù)據(jù)y1,y2,…,yN滿足GMM要求：

(1)

③ 寫出完全數(shù)據(jù)的對數(shù)似然函數(shù)：有樣本集Y=(y1,y2,…,yN)，通過隱變量γjk(表示yj這個樣本來源于第k個模型)的引入，可以將數(shù)據(jù)展開成完全數(shù)據(jù)(yj,γj1,γj2,…,γjk)，j=1,2,…,N，其中：

(2)

于是可以通過式(2)寫出完全數(shù)據(jù)的對數(shù)似然函數(shù)：

(3)

其中,

(4)

④ 用EM算法求解θ的極大似然值：

(5)

通過反復(fù)運行EM算法，就能夠較大限度地削減噪聲影響。

4.1.4 程序流程圖

本軟件流程基于嵌入式Linux的ARM平臺開發(fā)，采用多線程設(shè)計，可以克服傳統(tǒng)類似硬件平臺下采用MS-DOS單用戶、單任務(wù)操作系統(tǒng)難以完成較為復(fù)雜分布式多任務(wù)應(yīng)用的缺點(如圖4所示)。

圖4 程序總體流程圖

本軟件首先經(jīng)過一個初始化流程，并建立主線程、定時采集線程和實時分析線程。主線程主要用于系統(tǒng)運維和維持多線程運行，定時采集線程會定時從BPLC串口中采集數(shù)據(jù)，經(jīng)過數(shù)據(jù)篩選后寫入原始數(shù)據(jù)庫，并通知實時分析線程接收。實時分析進程會在通知后接手?jǐn)?shù)據(jù)，進行數(shù)據(jù)清洗，形成抄表數(shù)據(jù)庫。抄表數(shù)據(jù)將由通信模塊上載到計量主站(服務(wù)器)。

為實現(xiàn)抄表數(shù)據(jù)的邊緣處理，軟件流程主要有如下改進。

① 多線程技術(shù)：多進程的處理方式比單線程更靈活，也能更充分地調(diào)用系統(tǒng)資源，例如在不需要實時分析時能直接停用分析功能，可以通過改變定時采集線程調(diào)節(jié)集中器計算壓力等。

② 多數(shù)據(jù)庫方案：軟件流程基于MySQL，采用包含原始數(shù)據(jù)庫、抄表數(shù)據(jù)庫等多數(shù)據(jù)庫的數(shù)據(jù)存儲方案，提供不同的訪問和存取權(quán)限，能夠滿足不同工作內(nèi)容的需要。

③ 定時采集和實時分析：通過定時采集和實時分析兩個分線程對電能表數(shù)據(jù)進行處理，對系統(tǒng)資源的利用更充分，同時通過主線程進行管理，更便于權(quán)限劃分，同時實現(xiàn)了數(shù)據(jù)處理的解耦化；

④ 數(shù)據(jù)的解耦上載：通過相對健全的數(shù)據(jù)采集邏輯，在數(shù)據(jù)上載至智能集中器時能基本實現(xiàn)數(shù)據(jù)解耦化，承擔(dān)云服務(wù)器的部分工作，同時根據(jù)不同需要也能夠采集到處理前的原始數(shù)據(jù)。

⑤ 事件日志：對抄表數(shù)據(jù)的操作與系統(tǒng)錯誤等相關(guān)事件，都會即時寫入事件日志中，可以幫助維修人員實現(xiàn)故障定位、故障還原等。

4.2 基于邊緣計算技術(shù)的數(shù)據(jù)融合與決策管理方法

在數(shù)據(jù)融合與決策管理部分，由于算力有限，大部分要交付云計算平臺進行。而作為輔助，對于采用邊緣計算的智能集中器，主要工作制定如下。

① 數(shù)據(jù)可靠性保證校驗。在對清洗后數(shù)據(jù)傳遞至云平臺時進行，執(zhí)行MD5碼快速測算，與云計算平臺保證數(shù)據(jù)一致，防止數(shù)據(jù)損壞。

② 智能多模式數(shù)據(jù)傳遞。同時考慮基于GPRS無線網(wǎng)絡(luò)的無線傳輸方案，與低壓載波電力線通信方案，并能自主進行方案切換，保證數(shù)據(jù)連續(xù)性。

③ 決策方案同步。通過信息管理系統(tǒng)同步自身數(shù)據(jù)采集方案，達到分布式邊緣計算節(jié)點的參數(shù)同步與功能一致。

對基于邊緣計算技術(shù)的智能集中器中參與數(shù)據(jù)融合與決策管理的方案進行整理，如圖5所示。

圖5 智能集中器參與數(shù)據(jù)融合與決策管理

4.3 基于邊緣計算技術(shù)的智能運維方法

現(xiàn)有的抄表運維中采用排除法進行作業(yè)，不僅效率低而且依賴于終端、載波、電表廠家的最終判斷和問題解決。在文獻[14]中提出了一類針對智能集中器的用電采集運維方案，結(jié)合本文提出的采用邊緣計算的智能集中器方案，本文對文獻中針對帶有路徑組網(wǎng)的載波通信方式的用電采集運維方案進行改進，不再依賴載波路由，而是通過智能集中器的邊緣計算技術(shù)進行改進，進一步解決漏抄表問題。主要改進方向有：

① 通信節(jié)點故障整理：通過給定方案，判斷電能表抄送的載波報文中的數(shù)據(jù)是否正常，是否有漏抄送和重復(fù)抄送的情況，防止一些基于電能表改造的竊電行為，并檢測電能表損壞情況；

② 錯誤信息提交：將電能表的錯誤情況推送至運維人員的智能終端，協(xié)助運維人員精準(zhǔn)定位錯誤位置并及時糾錯，減少損失；

③ 連接檢測：檢測智能集中器與電能表、采集終端的連接是否穩(wěn)定，向服務(wù)商實時提供信號質(zhì)量信息；

④ 信道報警：結(jié)合事先設(shè)計的臺區(qū)拓撲結(jié)構(gòu)，定時驗證上下行信道是否通常，并向運維人員提供信道報警。

參考上述改進方向，制定如圖6所示的智能運維方法。

圖6 智能集中器參與的智能運維方法

5 結(jié)束語

在新一代抄表方案中，智能集中器是智能電網(wǎng)中邊緣計算技術(shù)應(yīng)用的代表。盡管目前市面上采用邊緣計算技術(shù)的智能集中器還較少，但目前來看，采用此類方案，不但能夠分擔(dān)云計算數(shù)據(jù)中心的流量壓力、承擔(dān)部分?jǐn)?shù)據(jù)處理工作，而且不需要過多的人工干預(yù)，大幅提升了運維效率。因此，在智能電網(wǎng)日趨成熟的今天，采用邊緣計算技術(shù)對集中器進行智能化升級，是一種有效、可行的應(yīng)用方案，并具有良好的應(yīng)用前景。后期將結(jié)合實驗樣機和運行數(shù)據(jù)進一步進行仿真和實驗分析，以改進相關(guān)方案。