魏文震，崔冬曉，楊增健，劉海萍，李 強

（國網(wǎng)山東省電力公司淄博供電公司，山東 淄博 255000）

0 引言

近年來，國家電網(wǎng)有限公司提出了集控站建設方案，目的是建設基于主輔一體化基礎平臺的新一代集控站設備監(jiān)控系統(tǒng)（以下簡稱集控系統(tǒng)）。集控系統(tǒng)是在變電站原有集控基礎上［1］，增加和完善機器人軌道巡視，通過大量部署的攝像機、傳感器、輔助設施監(jiān)控裝置將變電站的設備和輔助設施信號上傳到集控系統(tǒng)后臺，運維人員成立監(jiān)控班對信號實時監(jiān)控［2-4］。然而，變電站內主設備監(jiān)控及輔控信號的海量接入必將給集控系統(tǒng)建設中的信息存儲和傳輸帶來壓力。

云計算技術在現(xiàn)實中應用越來越廣泛，該技術已經(jīng)很成熟［5-6］。將云計算技術引入到集控站中能夠很好地將站內資源整合，對資源進行集中式管理。然而，變電站復雜的應用場景、海量的視頻傳輸和主輔設備的信號接入將消耗云計算中心的大量資源，也會給監(jiān)控數(shù)據(jù)的實時性帶來一定影響。

基于上述問題，提出在變電站集控系統(tǒng)中，引入邊緣計算技術［7］，通過搭建邊緣計算模型，利用邊緣節(jié)點研究視頻幀過濾算法，對站內機器人、攝像頭、傳感器等邊緣設備等采集的視頻流和信號進行檢測和定位，緩解數(shù)據(jù)存儲和傳輸壓力，減少數(shù)據(jù)冗余性。解決設備監(jiān)控強度不足、智能化支撐力不夠等問題。利用監(jiān)控協(xié)作計算優(yōu)化算法，提高集控系統(tǒng)處理速度、縮減處理時延，緩解監(jiān)控后臺數(shù)據(jù)傳輸和網(wǎng)絡帶寬壓力，更好地獲取邊緣計算節(jié)點的信息狀態(tài)，從而提高集控系統(tǒng)的整體性能。

1 技術分析

1.1 邊緣計算

人工智能的發(fā)展，對數(shù)據(jù)的存儲和處理技術要求越來越高。以集中式數(shù)據(jù)處理為核心的云計算技術已漸漸無法滿足海量數(shù)據(jù)處理的要求，針對以上現(xiàn)狀，以“靠近物或數(shù)據(jù)源頭”為處理理念的邊緣計算技術成為研究的熱點［8］。

邊緣計算（Edge Computing，EC）是指在網(wǎng)絡邊緣側，即在靠近設備或數(shù)據(jù)的源頭端，融合通信網(wǎng)絡、算法、存儲和應用為一體的計算平臺，為附近的設備提供邊緣計算服務，實現(xiàn)數(shù)字化連接、實時監(jiān)測、智能識別、數(shù)據(jù)優(yōu)化與存儲、信息安全等功能［9］。邊緣計算是物理和數(shù)字化的連接紐帶，為設備和系統(tǒng)提供智能化服務。

1.2 集控站監(jiān)控系統(tǒng)

集控站監(jiān)控系統(tǒng)基于一體化基礎平臺，實現(xiàn)各類應用功能。按照業(yè)務需求對各類應用功能進行邏輯鏈接、靈活組合［10］。系統(tǒng)能提供日常運行監(jiān)視、故障及缺陷告警，遠程倒閘操作等業(yè)務場景，支撐監(jiān)控、運維人員更好地掌握設備運行狀況。集控站監(jiān)控系統(tǒng)總體架構如圖1所示。

圖1 集控站監(jiān)控系統(tǒng)總體架構

1.3 變電站邊緣計算的架構

將邊緣計算引入變電站集控系統(tǒng)中，構建以邊緣為核心的“感知層、網(wǎng)絡層、平臺層、應用層”的監(jiān)控系統(tǒng)架構［11］。其中，感知層是站內機器人、攝像頭、傳感器等狀態(tài)感知設備，對變電站環(huán)境、設備運行狀態(tài)和設備電氣量等數(shù)據(jù)進行監(jiān)測和感知。網(wǎng)絡層基于4G 傳輸通道，實現(xiàn)視頻、圖片的毫秒級傳輸。平臺層將接收的數(shù)據(jù)進行人工智能（Artificial Intelligence，AI）分析，支持設備、人員、環(huán)境等AI 算法的融合識別處理。應用層是運維業(yè)務的載體，以多維度、可視化的方式展示給運維人員，實現(xiàn)了電腦（Personal Computer，PC）和移動終端的“多端應用”。變電站的邊緣計算架構如圖2所示。

圖2 變電站邊緣計算架構

2 集控系統(tǒng)需求

2.1 數(shù)據(jù)交互機制

數(shù)據(jù)交互是在建立的設備標準化信息模型的基礎上，結合數(shù)據(jù)間的交互方法，實現(xiàn)站內端設備及邊緣節(jié)點內部數(shù)據(jù)和對外數(shù)據(jù)的雙向交換，使站內不同監(jiān)測設備的數(shù)據(jù)實現(xiàn)共享和流通，打破數(shù)據(jù)壁壘，有利于變電站在線智能巡視系統(tǒng)的建設。數(shù)據(jù)交互應具備數(shù)據(jù)統(tǒng)一管理、模型廣泛化、通信協(xié)議開放和數(shù)據(jù)接口可擴充等功能。

2.1.1 內部交互機制

邊緣計算節(jié)點通過消息隊列遙測傳輸（Messenge Queuing Telemetry Transport，MQTT）總線來實現(xiàn)內部數(shù)據(jù)的交互。集控系統(tǒng)的數(shù)據(jù)分為電氣設備和輔助設施兩類，統(tǒng)一由數(shù)據(jù)中心匯集管理。集控系統(tǒng)數(shù)據(jù)中心由數(shù)據(jù)管理、數(shù)據(jù)代理、歷史數(shù)據(jù)庫、實時數(shù)據(jù)庫及非結構化數(shù)據(jù)模塊構成，對數(shù)據(jù)進行采樣、處理、維護、初始化，為各類監(jiān)測數(shù)據(jù)交互和應用程序（Application，APP）使用提供基礎。圖3為集控系統(tǒng)數(shù)據(jù)中心的總體架構。

圖3 集控系統(tǒng)數(shù)據(jù)中心總體架構

集控系統(tǒng)根據(jù)運行監(jiān)控以及設備狀態(tài)分析需要選擇采集并存儲相應數(shù)據(jù)。數(shù)據(jù)管理模塊上傳的數(shù)據(jù)進行優(yōu)化和轉存，其中，事故、異常、越限、變位類數(shù)據(jù)需要實時上傳并存儲在實時數(shù)據(jù)庫中，告知類信息根據(jù)實際需要選擇是否上傳，其相關數(shù)據(jù)通過保護、測控、故障錄波等裝置存儲形成歷史數(shù)據(jù)庫，記錄型文件、模型等存儲在非機構化數(shù)據(jù)庫中。數(shù)據(jù)代理為APP 提供訪問數(shù)據(jù)庫的接口。集控系統(tǒng)具體的采集存儲數(shù)據(jù)內容如表1所示。

表1 集控系統(tǒng)數(shù)據(jù)存儲內容

數(shù)據(jù)中心各部分功能內部間存在APP 與數(shù)據(jù)庫間、實時數(shù)據(jù)與歷史數(shù)據(jù)間兩種訪問關系。

APP 能夠根據(jù)設定的數(shù)據(jù)采集周期和內容完成歷史、實時等數(shù)據(jù)的采集和分析，并通過數(shù)據(jù)代理傳至相應數(shù)據(jù)庫，還能遠程設置相關參數(shù)和數(shù)據(jù)采集、處理規(guī)則，對集控系統(tǒng)的內部數(shù)據(jù)進行處理和交互。

通過設定的數(shù)據(jù)處理規(guī)則，將實時數(shù)據(jù)存儲到歷史數(shù)據(jù)庫中，通過系統(tǒng)內部的數(shù)據(jù)保護機制實現(xiàn)統(tǒng)計數(shù)據(jù)到歷史數(shù)據(jù)庫的轉存，防止因監(jiān)測設備復位、重啟等異常狀況導致數(shù)據(jù)丟失。

2.1.2 對外交互機制

邊緣計算節(jié)點對外數(shù)據(jù)交互流程如圖4所示。

圖4 中邊緣APP 為部署在邊緣計算節(jié)點上的微應用。能夠對巡視過程中需要記錄的實時環(huán)境數(shù)據(jù)（溫度、濕度）、設備狀態(tài)（電流、負荷、有功無功）、輔助設施數(shù)據(jù)（消防、安防）進行采集，自動生成巡視報表；具備定值修改、命令下發(fā)等功能；能夠訪問數(shù)據(jù)庫，查看所需數(shù)據(jù)，接收邊緣計算節(jié)點上傳的異常信號，并將記錄的數(shù)據(jù)上傳至遠程數(shù)據(jù)監(jiān)控系統(tǒng)。集控系統(tǒng)的外交互流程包括以下4種。

1）邊云互交。

根據(jù)集控系統(tǒng)業(yè)務需求，數(shù)據(jù)的交互包括云主動和邊主動兩種方式。云主動是云主站根據(jù)需求自動下發(fā)喚醒指令到邊緣計算節(jié)點，進而喚醒相應的端設備。邊主動是邊緣計算節(jié)點和云平臺的數(shù)據(jù)交互，其中的交互數(shù)據(jù)包括：設備運行的監(jiān)測數(shù)據(jù)、保護動作及告警信號、運維人員的巡視和設備缺陷記錄等信息。

2）邊邊互交。

邊邊互交是多個邊緣計算節(jié)點間的數(shù)據(jù)交互流程，由數(shù)據(jù)代理和云平臺來實現(xiàn)。站內設備種類多，數(shù)據(jù)處理壓力大，需要部署多個邊緣計算節(jié)點。圖4 中若將邊緣計算節(jié)點一的數(shù)據(jù)傳送到邊緣計算節(jié)點二，需要先對云平臺發(fā)送請求，云平臺通過分析邊緣節(jié)點的安裝部署等情況后，將請求命令下發(fā)給節(jié)點二，節(jié)點二才能將數(shù)據(jù)經(jīng)過云平臺傳送給節(jié)點一。

圖4 集控系統(tǒng)對外數(shù)據(jù)交互流程

3）邊端互交。

根據(jù)邊緣APP 通過邊緣計算節(jié)點獲取端設備的狀態(tài)數(shù)據(jù)，邊緣計算節(jié)點同時將本身或云平臺、邊緣APP的指令下發(fā)到端設備，實現(xiàn)邊端的雙向數(shù)據(jù)交互。

4）云云互交。

云主站具備標準化接口，在統(tǒng)一的規(guī)范化數(shù)據(jù)共享機制下，通過標準化接口實現(xiàn)不同云主站系統(tǒng)間的數(shù)據(jù)交互，挖掘有價值數(shù)據(jù)，提高在線智能巡視的質量和效率。

2.2 監(jiān)控盲區(qū)與數(shù)據(jù)處理

2.2.1 監(jiān)控盲區(qū)處理

變電站遠程智能巡檢系統(tǒng)以巡檢機器人為主，對于機器人的巡檢盲區(qū)，輔以高清視頻攝像機作為補充。由于高清攝像機采用有源有線布置，安裝不便，且成本高，導致布設點位不足［12-13］。

基于邊緣計算的變電站視頻監(jiān)控系統(tǒng)采用物聯(lián)微拍裝置，如圖5 所示，通過底座上的膠貼、磁鐵或者螺釘對微拍裝置進行固定，采用內置磷酸鋰電池供電以及無線通信技術，無需外接電源線和通信數(shù)據(jù)線即可實現(xiàn)快速部署，避免了現(xiàn)場安裝時布線、開槽、挖溝，極大降低了現(xiàn)場施工難度和施工成本，縮短了施工周期。

圖5 變電站物聯(lián)微拍裝置

2.2.2 數(shù)據(jù)分析處理

基于邊緣計算的變電站視頻監(jiān)控技術采用“多端合一”的物聯(lián)分析終端，將傳統(tǒng)部署方式下的機器人主機、視頻主機、輔控主機、消防主機等多機合一，把數(shù)據(jù)采集、視頻采集、智能分析功能融合為一，采用前端智能分析模式，對微拍裝置上傳的視頻及圖像數(shù)據(jù)進行實時分析，調用最優(yōu)的模型進行AI分析，實現(xiàn)多維度場景管控。在前端自動過濾掉無效、重復隱患目標，進行邊緣計算處理，減少數(shù)據(jù)上傳壓力，主站平臺根據(jù)分析終端的上傳數(shù)據(jù)信息進行二次確認。

2.3 存儲與網(wǎng)絡帶寬

2.3.1 攝像機碼流分析

為滿足集控系統(tǒng)的建設要求，目前在變電站高壓室、保護室、變壓器、走廊等位置已布置了高清規(guī)格的攝像機。按照集控站的部署要求，接下來需要完善現(xiàn)有的軌道機器人，在此基礎上針對機器人盲點補填相應的攝像機，最終替代運維人員的例行巡視。然而，攝像機數(shù)據(jù)量的產生情況因型號不同而各不相同。例如變電站內安裝的槍機攝像機，其碼流如果為2 048 kbit/s，那么每臺每小時將會產生900 MB 左右的監(jiān)測數(shù)據(jù)，每天就會有21 GB 的監(jiān)測數(shù)據(jù)。目前，變電站安裝攝像機產生的數(shù)據(jù)情況見表2

表2 變電站安裝攝像機產生的數(shù)據(jù)情況

2.3.2 視頻數(shù)據(jù)傳輸與存儲分析

物聯(lián)微拍裝置和物聯(lián)分析終端之間采用寬窄帶融合通信技術。窄帶采用RF433 傳輸信號和數(shù)據(jù)，當需要傳視頻和圖片時，開啟WiFi寬帶傳輸，如圖6所示。寬窄帶融合通信，降低傳輸功耗，減少運維成本。采用4G/VPN 傳輸將物聯(lián)分析終端的信息上傳至遠程后臺，創(chuàng)新采用高速點對點接口傳輸協(xié)議（China Standard Point-to-Point Interface，CSPI），實現(xiàn)數(shù)據(jù)信號的高速傳輸，保證網(wǎng)絡信息安全。

圖6 邊緣計算部分的數(shù)據(jù)傳輸方式

以220 kV 朱臺變電站為例，經(jīng)統(tǒng)計站內共安裝槍機28 個，球機32 個，微拍裝置46 個。系統(tǒng)正常運行時，每個監(jiān)控設備會存在兩個數(shù)據(jù)流，即監(jiān)控站內環(huán)境、設備和人員情況的實時視頻數(shù)據(jù)流和上傳至物聯(lián)分析終端的存儲數(shù)據(jù)流。當站內出現(xiàn)異?；蚋婢瘯r，監(jiān)控中心的監(jiān)控人員會調用站內監(jiān)控設備數(shù)據(jù)，物聯(lián)分析終端也會對數(shù)據(jù)信息進行實時存儲，此時對網(wǎng)絡帶寬的需求達到最大。

以表2 中攝像機規(guī)格為例，當站內出現(xiàn)異常時，站內實時產生的最大視頻數(shù)據(jù)流和最大存儲數(shù)據(jù)流均為：4 Mbit/s×78 路+2 Mbit/s×28 路=368 Mbit/s。因此，變電站最大網(wǎng)絡帶寬需求為368 Mbit/s，對物聯(lián)分析終端存儲寫入的最大速率要求為368 Mbit/s。

3 方案設計

3.1 邊緣計算下的變電站監(jiān)控系統(tǒng)模型

邊緣計算下的變電站監(jiān)控系統(tǒng)將數(shù)據(jù)的采集、分析、預處理等功能放在物聯(lián)微拍裝置中，物聯(lián)微拍裝置位于系統(tǒng)邊緣，對監(jiān)測設備的圖像有選擇性地進行分析、去除冗余信息。邊緣側所有的監(jiān)測裝置包括物聯(lián)微拍裝置獲得視頻最終全部上傳到物聯(lián)分析終端進行匯總、計算、分析和存儲，如圖7 所示。讓具備人臉識別、環(huán)境分析、行為感知、異常報警和紅外成像等功能的設備網(wǎng)絡服務響應更快，降低帶寬需求和能源消耗，提高信息安全和存儲效率［14］。

圖7 邊緣計算下的變電站監(jiān)控系統(tǒng)模型

目前，變電站邊緣計算側通常使用高清攝像頭、機器人、安防、消防等多為智能傳感器完成對視頻數(shù)據(jù)的采集。通過寬窄帶融合通信技術實現(xiàn)將采集數(shù)據(jù)統(tǒng)一匯集到物聯(lián)分析終端［15］。邊緣側物聯(lián)分析終端是邊緣側和云平臺雙向“溝通式”橋梁，不僅向云中心服務器發(fā)送數(shù)據(jù)請求實現(xiàn)數(shù)據(jù)實時傳輸和共享，還和部署的其他邊緣設備進行算法的混跑，實現(xiàn)數(shù)據(jù)的分析、處理。分析終端內構建神經(jīng)網(wǎng)絡模型，提供多種AI 識別算法和云邊系統(tǒng)技術，自動篩選設備運行狀態(tài)的主要參數(shù)，減少數(shù)據(jù)冗余。同時，負責邊緣設備的調配和管控，保證數(shù)據(jù)傳輸安全、可靠。

前端邊緣設備和物聯(lián)分析終端對視頻數(shù)據(jù)進行預處理，減少數(shù)據(jù)冗余，緩解系統(tǒng)存儲壓力，降低存儲空間的要求，從而提升系統(tǒng)數(shù)據(jù)的保存效率。此外，還能減少復雜數(shù)據(jù)傳輸對網(wǎng)絡帶寬帶來的壓力，降低數(shù)據(jù)傳輸產生的“時延”效應，避免網(wǎng)絡擁堵引發(fā)的數(shù)據(jù)安全問題，提升數(shù)據(jù)傳輸?shù)陌踩浴⒖煽啃浴?/p>

3.2 邊緣計算下的監(jiān)控協(xié)作計算優(yōu)化方法

提出一種邊云計算下的最優(yōu)化高速合作計算關系——協(xié)作計算優(yōu)化法。通過邊緣側物聯(lián)分析終端合理分配視頻數(shù)據(jù)資源任務，將任務分發(fā)于端設備，如具有視頻處理功能的傳感器、機器人和攝像頭等。讓邊側的各類端設備和物聯(lián)分析終端，通過優(yōu)化分配方法對數(shù)據(jù)進行協(xié)作處理，從而提高集控系統(tǒng)的處理速度、降低時延，緩解后臺數(shù)據(jù)傳輸和網(wǎng)絡帶寬的壓力。站內需要處理的視頻數(shù)據(jù)資源表達式為

式中：W為站內需要監(jiān)測設備所有工作量總和；i為監(jiān)測設備的復雜度等級；n為閾值，1＜i＜n，i為正整數(shù)；wi為處理一次第i級監(jiān)測設備所需工作量；處理第i級監(jiān)測設備需執(zhí)行Ki次，則第i級監(jiān)測設備的工作量總和為Kiwi。

通過站內部署的邊緣側物聯(lián)分析終端和不同的監(jiān)控終端，結合站內監(jiān)控設備的合理分配方案，可以用矩陣（d，B，c，v）來表達邊緣計算中心和不同的監(jiān)控終端，d為傳輸距離，B為帶寬，c為數(shù)據(jù)容量，v為運算速度。則邊緣計算中心可以表達為

將監(jiān)控設備編號為j，監(jiān)控設備總個數(shù)為m，1＜j＜m，j取正整數(shù)；則第j個監(jiān)控設備的數(shù)據(jù)容量為cj，其到邊緣側物聯(lián)分析終端的距離為dj，帶寬為Bj，運算速度為vj。第j個監(jiān)控終端可以表達為

令監(jiān)控設備的合理分配方案為X，監(jiān)控設備處理數(shù)據(jù)所需時間的模型為

式中：T為總的監(jiān)控數(shù)據(jù)處理時間；argmin 為目標函數(shù)T最小時的X取值；向量w=(w1，w2，…，wn)T為待處理監(jiān)控設備總工作量，由單次處理第i級監(jiān)控設備的工作量構成；I為單位向量；k為監(jiān)測設備執(zhí)行次數(shù)向量。

同時令邊緣側物聯(lián)分析終端的數(shù)據(jù)容量為c0，處理速度為v0，光的傳播速度為s，令向量滿足式（5），矩陣滿足式（6）。

式中：xi0為分配給邊緣側物聯(lián)分析終端第i級監(jiān)控設備進行數(shù)據(jù)處理的執(zhí)行次數(shù)，即xi0=ki0；xij為第j個監(jiān)控終端處理第i級監(jiān)控設備所執(zhí)行的次數(shù)，即xij=kij。

根據(jù)監(jiān)控設備的合理分配矩陣X和數(shù)據(jù)處理的復雜程度，可以將待處理的監(jiān)控設備處理量總和W分為WB和WD，其中WB表為邊緣側物聯(lián)分析終端的視頻數(shù)據(jù)待處理量，WD為所有監(jiān)控終端的視頻數(shù)據(jù)待處理量，第j個監(jiān)控終端的視頻數(shù)據(jù)待處理量為WjD，其各自表達式為

3.3 協(xié)作計算優(yōu)化法仿真分析

將上述協(xié)作優(yōu)化算法進行實驗，分別分析服務器數(shù)量、監(jiān)控任務數(shù)量對系統(tǒng)延時和準確率的影響，實驗結果表明協(xié)作優(yōu)化法通過優(yōu)化分配監(jiān)控任務，可以有效提高系統(tǒng)處理速度、有效縮減處理時延。

3.3.1 服務器數(shù)量下的平均等待時延

邊緣計算服務器在同一路段下分別安裝1 個和3 個，計算得到的平均等待時延的理論值，與Matala仿真得到平均等待時延的仿真值進行比較，如圖8所示。在系統(tǒng)負荷相同時，多個服務器平均等待時延要低于單個服務器，且當系統(tǒng)負荷增大時，平均等待時延性能更好，因此協(xié)作計算優(yōu)化法更適應變電站復雜的監(jiān)控環(huán)境，通過在站端安裝邊緣計算服務器，對站內設備監(jiān)測數(shù)據(jù)預處理，然后上傳至后臺，能夠快速識別站內異常信號，有助于智能運維的發(fā)展。

圖8 1個和3個服務器在不同系統(tǒng)負荷下的平均等待時延

3.3.2 不同監(jiān)控任務數(shù)量下總體任務的時延

變電站設備復雜，現(xiàn)場監(jiān)控裝置多樣，監(jiān)控對象繁多。將協(xié)作優(yōu)化算法與傳統(tǒng)的視頻算法進行對比［15-17］，比較不同監(jiān)控任務數(shù)量下的時延，如圖9所示。

圖9 不同監(jiān)控任務下的總體時延

由圖9 可見，協(xié)作優(yōu)化法的總體時延明顯低于其他傳統(tǒng)算法，且隨著監(jiān)控任務數(shù)量的增加，其優(yōu)勢更加明顯。因此，試驗結果表明本人提出的協(xié)作優(yōu)化法能有效降低視頻處理的總體時延，提高視頻上傳速度和分析速度。

3.3.3 不同任務數(shù)量下的視頻準確率

將變電站內的網(wǎng)絡帶寬設置在50～100 Mbit/s范圍內，比較協(xié)作計算法和調度算法對目標識別的準確率，如圖10 和表3 所示。由圖10 可見，協(xié)作優(yōu)化法的目標識別準確率明顯高于調度法，且隨著網(wǎng)絡帶寬的增加，該方法的目標識別準確率也增加。由表3可見，對變電站已有監(jiān)控設備目標識別準確率的比較，在帶寬為100 Mbit/s 的條件下，協(xié)作優(yōu)化法目標識別的平均準確率可達90%。

表3 帶寬100 Mbit/s下各監(jiān)控裝置目標識別準確率 單位：%

圖10 不同帶寬下的目標識別率

4 典型應用

在變電站在線智能巡視大規(guī)模推進和集控站建設的條件下，變電站邊緣計算技術應用如表4所示。

表4 邊緣計算在變電站中的應用

在此，以110 kV 千峪站2020 年已完成的“視頻+機器人+”改造工程為例，以“SF6表計監(jiān)測”作為技術落地參考，表計監(jiān)測流程如圖11 所示。其中壓力傳感器和微拍裝置為前端SF6表計信息采集設備，壓力檢測和喚醒微拍裝置為邊緣計算節(jié)點（此處為物聯(lián)分析終端，終端硬件平臺配置為：8 核CPU 1.6G AI 處理器；存儲容量64 GB，2 GB DDR，內置2 GB SPI flash；支持百兆以太網(wǎng)；支持RS232、RS485、4G或5G 公/專網(wǎng)、電力線載波通信（Pouer Line Communication，PLC）、無線局域網(wǎng)（Wircless Fidelity，WiFi）、遠距離通信（Long Range，LoRa），軟件載體為APP，AI壓力監(jiān)測和壓力調節(jié)為遠程云平臺服務。

圖11 SF6表計監(jiān)測典型應用

受天氣、環(huán)境影響，SF6氣室壓力很容易引起變化，尤其在冬季很多壓力表計會頻發(fā)“氣室壓力低”告警信號。運維人員需要冒著天寒路滑的極端天氣現(xiàn)場檢查壓力表指示，進行特巡。

根據(jù)開關、隔離開關氣室的安裝位置情況，在原有高清攝像頭的基礎上布設微拍裝置，解決了巡視盲區(qū)的問題。變電站SF6壓力表的讀數(shù)有3 個區(qū)：正常壓力區(qū)、臨界區(qū)和低壓告警區(qū)。如果壓力低不及時補氣，設備滅弧能力降低，嚴重時會導致隔離開關爆炸。通過邊緣計算節(jié)點（物聯(lián)分析終端）引導，可將壓力傳感器的信號在邊端分析一次，將結果上傳云平臺，云平臺再簡單分析，將命令返回置邊緣計算節(jié)點喚醒微拍裝置，通過遠程監(jiān)控讀取SF6表計數(shù)據(jù)，解決了運維人員現(xiàn)場核實信息的麻煩，降低了補氣時間，保證設備安全運行?；谶吘売嬎愕腟F6表計監(jiān)控具體過程如下：

1）SF6壓力傳感器將采集到的壓力信號實時上送到物聯(lián)分析終端，即邊緣計算節(jié)點。

2）物聯(lián)分析終端再通過邊緣APP 收集數(shù)據(jù)，將所獲數(shù)據(jù)與數(shù)據(jù)庫中開關刀閘設定的壓力值進行對比，智能分析壓力。

3）邊緣計算節(jié)點在邊端先進一次AI 分析，若壓力正常，邊緣計算節(jié)點無需將數(shù)據(jù)上傳云平臺，若壓力異常則邊緣計算節(jié)點通過VPN 專網(wǎng)上傳云平臺，并通過WiFi傳至邊緣APP。

4）云平臺將接受的異常數(shù)據(jù)進行二次人工智能模擬訓練，AI設計最優(yōu)的充氣策略。

5）云平臺根據(jù)制定的補氣策略，智能篩選出需要補氣的設備，發(fā)出壓力調節(jié)命令，省略現(xiàn)場核實環(huán)節(jié)。

6）云平臺將壓力調節(jié)命令下發(fā)到邊緣計算節(jié)點。

7）邊緣計算節(jié)點喚醒微拍裝置（或原有其他監(jiān)控設備），同時聯(lián)動燈光等輔助設施開啟，輔助微拍等監(jiān)控設備監(jiān)測。

8）微拍裝置開啟，將SF6表計監(jiān)控畫面?zhèn)髦吝h程監(jiān)控后臺，運維人員遠程讀取壓力數(shù)據(jù)。

目前，基于邊緣計算的SF6表計監(jiān)測典型應用已在淄博110 kV 變電站得到試點應用。在邊端增補物聯(lián)微拍裝置，通過邊緣計算節(jié)點對數(shù)據(jù)匯集、挖掘，并將異常在邊緣APP 中呈現(xiàn)。在SF6壓力檢測過程中，壓力異常自動喚醒和人為控制喚醒監(jiān)控成功率達到100%，實現(xiàn)了遠程在線智能巡視，減少了運維人員的巡視壓力，實現(xiàn)了主動運維。

上述典型應用可以推廣到站內消防、安防、設備信號獲取等運維巡視領域，通過邊緣APP 獲取站內數(shù)據(jù)和信號，自動生成運維巡視報表。物聯(lián)微拍裝置解決在線智能巡視遇到的巡視盲區(qū)多、成本高難推廣的問題，邊緣的物聯(lián)分析終端在邊緣側進行初步數(shù)據(jù)處理和AI 預測，實現(xiàn)了多系統(tǒng)的數(shù)據(jù)融合。邊緣計算節(jié)點只是初步計算、分析設備運行情況，將分析數(shù)據(jù)上傳至云平臺，更多功能還需要云平臺二次AI 處理并將控制指令下發(fā)給邊緣計算節(jié)點，控制微拍裝置運行，從而實現(xiàn)數(shù)據(jù)、智能、應用等協(xié)同功能，更好地服務于變電站在線智能巡視功能。

5 結語

研究基于邊緣計算的變電站視頻監(jiān)控系統(tǒng)，通過物聯(lián)微拍裝置和物聯(lián)分析終端來對監(jiān)控數(shù)據(jù)進行邊緣計算，在構建的基于邊緣計算的變電站監(jiān)控系統(tǒng)模型基礎上提出了一種優(yōu)化配置的協(xié)作計算法，通過仿真和理論值比較驗證了該方法的有效性，對促進邊緣計算技術在變電站中的應用，提升變電站集控站建設和在線智能巡視推廣速度具有重要意義。在未來智能運檢建設中還需進一步研究邊緣計算的智能識別算法，將所有的運維業(yè)務涵蓋其中，進而開發(fā)輸配電邊緣計算綜合業(yè)務APP，實現(xiàn)電網(wǎng)智能運檢。