劉 昊， 張景超， 毛萬登， 馬士棋， 姜 欣， 金 陽

(1.國網(wǎng)河南省電力公司 電力科學研究院，河南 鄭州 450052；2.國網(wǎng)河南省電力公司，河南 鄭州 450052；3.鄭州大學 電氣工程學院，河南 鄭州 450001)

0 引言

隨著泛在電力物聯(lián)網(wǎng)[1]建設(shè)的推進以及狀態(tài)監(jiān)測技術(shù)的發(fā)展，換流站產(chǎn)生了規(guī)模龐大的監(jiān)測數(shù)據(jù)。受換流站本地軟硬件資源的限制，這些監(jiān)測數(shù)據(jù)蘊含的價值未能充分發(fā)掘。云邊協(xié)同技術(shù)[2]的發(fā)展，為上述問題的解決提供了思路。在靠近設(shè)備側(cè)，部署邊緣物聯(lián)代理，對采集終端監(jiān)測的數(shù)據(jù)進行簡單處理，提高數(shù)據(jù)處理的實時性。經(jīng)過處理的數(shù)據(jù)進一步上傳至遠程云端，依托云平臺豐富的軟硬件資源，可以對數(shù)據(jù)進行深度挖掘和規(guī)?；幚?，進一步提升換流站的運行效率。

20世紀90年代，Akamai公司提出的“內(nèi)容分發(fā)網(wǎng)絡(luò)”可視為邊緣計算的起源[3]。自2015年邊緣計算首次進入到高德納公司的技術(shù)成熟度曲線(hype cycle)，邊緣計算技術(shù)在通信、制造業(yè)高速發(fā)展起來[4]。2017年，豐田、英特爾等公司成立了汽車邊緣計算聯(lián)盟(automotive edge computing consortium，AECC)，為構(gòu)建汽車互聯(lián)網(wǎng)奠定了技術(shù)和產(chǎn)業(yè)基礎(chǔ)，包括智能駕駛、實時地圖和基于云計算的駕駛輔助，幫助汽車大數(shù)據(jù)管理更加智能和高效[5]。

相比于邊緣計算技術(shù)在通信制造行業(yè)的快速發(fā)展，直到近年，關(guān)于邊緣計算與云邊協(xié)同技術(shù)在構(gòu)建電網(wǎng)智慧物聯(lián)體系作用的研究才逐漸增加。孫浩洋等[6]闡述了邊緣計算在構(gòu)建配電物聯(lián)網(wǎng)中的重要作用；王振剛等[7]從分布式控制的角度，構(gòu)建微電網(wǎng)CPS模型，并提出評估其穩(wěn)定性的指標；龔鋼軍等[8]提出了基于邊緣計算的主動配電網(wǎng)PTN物理架構(gòu)模型；面向智慧物聯(lián)體系的邊緣節(jié)點感知自適應(yīng)數(shù)據(jù)處理方法，蔡月明等[9]提出了感知自適應(yīng)數(shù)據(jù)處理方法；白昱陽等[10]分析了邊緣計算技術(shù)在解決電力系統(tǒng)面臨的實時性高、數(shù)據(jù)周期短、任務(wù)復(fù)雜等難題可行性與實用性，總結(jié)了相應(yīng)方案。但是，基于云邊協(xié)同技術(shù)，尚缺乏對換流站監(jiān)測數(shù)據(jù)進行深度挖掘以提升換流站數(shù)據(jù)交互能力方面的研究。

本文針對上述問題，提出了一種面向智慧換流站建設(shè)的數(shù)據(jù)交互方法。首先，以邊緣計算與容器化技術(shù)為基礎(chǔ)，以時延最短為目標，結(jié)合基于權(quán)值算法的本地通用服務(wù)器計算資源分配策略，提出一種邊緣物聯(lián)代理模型。在此基礎(chǔ)上以時延最短為目標提出基于任務(wù)規(guī)模大小的邊緣計算任務(wù)卸載至云端的任務(wù)卸載策略，確定云邊協(xié)同策略。最后以河南省內(nèi)某換流站監(jiān)測系統(tǒng)為例，油色譜數(shù)據(jù)經(jīng)站內(nèi)邊緣物聯(lián)代理預(yù)處理后，傳輸至遠程云平臺，通過本地數(shù)據(jù)預(yù)處理與遠程數(shù)據(jù)分析與挖掘，最終開發(fā)出掌上油色譜微應(yīng)用，數(shù)據(jù)傳輸時延控制在150 ms左右，驗證了本文所提方案的準確性。

1 智慧換流站數(shù)據(jù)通信架構(gòu)

智慧換流站建設(shè)已有一定基礎(chǔ)，即國家電網(wǎng)公司先前推進的智能換流站建設(shè)工程。典型的智能換流站架構(gòu)是3層2網(wǎng)架構(gòu)[11]，如圖1所示。

圖1 智慧換流站3層2網(wǎng)架構(gòu)Figure 1 Three-lay two-network architecture of intelligent converter station

由圖1可知，站控層包括各種監(jiān)控主機，用以匯集全站各類量測信息，加以分析處理；間隔層包括各種二次設(shè)備，具有保護、量測、控制等功能；過程層包括各種一次設(shè)備，例如開關(guān)、刀閘、傳感器等。2網(wǎng)包括站控層網(wǎng)絡(luò)與過程層網(wǎng)絡(luò)。站控層網(wǎng)絡(luò)負責站控層與間隔層以及站控層內(nèi)部的通信;過程層網(wǎng)絡(luò)負責過程層與間隔層之間的通信[11]。

3層2網(wǎng)架構(gòu)實現(xiàn)了站內(nèi)數(shù)據(jù)及時高效流動，但仍存在以下不足：監(jiān)測數(shù)據(jù)不全面，主要監(jiān)測換流站各主輔設(shè)備運行狀態(tài)；數(shù)據(jù)僅局限在站內(nèi)流動，未能實現(xiàn)共享；數(shù)據(jù)價值未能充分發(fā)掘[12]。

基于以上分析，參考一般物聯(lián)網(wǎng)架構(gòu)，并根據(jù)換流站感知內(nèi)容可大致分為設(shè)備監(jiān)測、環(huán)境監(jiān)測以及人員作業(yè)監(jiān)測3類特點，本文制定如圖2所示的智慧換流站數(shù)據(jù)通信架構(gòu)，自下至上分別為感知層、網(wǎng)絡(luò)層、平臺層、應(yīng)用層[13]。數(shù)據(jù)傳輸過程如下：感知層中的采集終端負責監(jiān)測換流站中主輔設(shè)備、人員作業(yè)、內(nèi)外環(huán)境等信息，將監(jiān)測得到的數(shù)據(jù)向上傳輸至感知層中的邊緣物聯(lián)代理，經(jīng)過邊緣物聯(lián)代理本地處理完成部分決策，數(shù)據(jù)經(jīng)邊緣物聯(lián)代理通過網(wǎng)絡(luò)層傳輸至平臺層與應(yīng)用層，完成遠程云端的設(shè)備管理、數(shù)據(jù)存儲與應(yīng)用開發(fā)等高級功能。

基于圖2智慧換流站的整體數(shù)據(jù)架構(gòu)，在數(shù)據(jù)傳輸過程中需對以下兩方面加以分析：①構(gòu)建恰當?shù)倪吘壩锫?lián)代理模型以減少處理來自采集終端的多任務(wù)時延；②在邊緣物聯(lián)代理向云平臺傳輸數(shù)據(jù)的過程中，確定適用于智慧換流站的云邊協(xié)同機制以減小數(shù)據(jù)傳輸時延。

圖2 智慧換流站整體數(shù)據(jù)架構(gòu)Figure 2 Architecture of intelligent converter station

2 邊緣物聯(lián)代理模型

2.1 邊緣計算與容器

智慧換流站中，邊緣物聯(lián)代理[14]部署在通用服務(wù)器架構(gòu)上，結(jié)合邊緣計算與容器技術(shù)調(diào)配服務(wù)器軟硬件資源，實現(xiàn)監(jiān)測數(shù)據(jù)就地處理，縮短處理時延，提高運行效率，邊緣物聯(lián)代理架構(gòu)如圖3所示。

圖3 邊緣物聯(lián)代理架構(gòu)Figure 3 Framework of edge Internet of Things agent

容器可將操作系統(tǒng)資源合理劃分并打包，與APP概念相結(jié)合，通過把各功能模塊運行在不同的容器里，使各個APP之間相對獨立，可以縮短單個功能的響應(yīng)時間，減少資源使用[15]。

邊緣計算負責完成本地決策處理，實現(xiàn)中小規(guī)模數(shù)據(jù)本地處理[16]。由于采集終端數(shù)量眾多，在一段時間內(nèi)，邊緣物聯(lián)代理會接收到大量數(shù)據(jù)處理任務(wù)，故其核心在于多任務(wù)處理過程中的計算資源分配策略，恰當?shù)挠嬎阗Y源分配策略會減少數(shù)據(jù)處理時間，提升換流站運行效率。

2.2 基于權(quán)值算法的本地通用服務(wù)器計算資源分配策略

智慧換流站內(nèi)監(jiān)測終端眾多，以換流站中油色譜監(jiān)測系統(tǒng)為例，各主變、備用主變、換流變等各裝備上均配有相應(yīng)監(jiān)測系統(tǒng)，實際測點可達幾百個，需制定合理的本地服務(wù)器計算資源分配策略以減小任務(wù)計算時間以及傳輸時延，故本節(jié)提出如下假設(shè)：

設(shè)換流站內(nèi)有一組采集終端，共n+1個，在某段時間內(nèi)，每個采集終端向邊緣物聯(lián)代理發(fā)送一個計算任務(wù)，總計n+1個任務(wù)，可表示為M={M0,M1,…,Mn}，根據(jù)換流站實際運行需求可得到n+1個任務(wù)基于優(yōu)先級的排序序列Acλ，c為任務(wù)序號，λ為計算任務(wù)的優(yōu)先級，對n+1個任務(wù)進行優(yōu)先級排序，λ為0～n的自然數(shù)，并且0代表優(yōu)先級最高，n為最低，則優(yōu)先級序列可記為{Aa10,Aa21,…,Aaxn}，計算資源為Rc，則有[17]

(1)

式中：Rcn為第n+1個優(yōu)先級任務(wù)得到的計算資源。

根據(jù)式(1)可知，采集終端產(chǎn)生的任務(wù)最終分配得到的計算資源由λ決定，故通過引入權(quán)值算法以計算系數(shù)λ的大小。由前述可知，對于λ系數(shù)，可以有以下結(jié)論：

(2)

式中：δ為λk的歸一化系數(shù);k∈[0,n]且k∈N。

根據(jù)上述的計算就可以對計算的資源進行合理的分配，達到資源的最大使用率。

任務(wù)所需時間表示為

tc=max{tc0,tc1,…,tcn}。

(3)

式(3)中沒有計及算取排序序列和調(diào)取任務(wù)的時間。

由于各功能模塊在不同容器中運行，各容器相對獨立，因此各計算任務(wù)也相對獨立，這樣，減小計算任務(wù)處理時間問題可轉(zhuǎn)化為目標集合內(nèi)最優(yōu)解問題,所以，時延的數(shù)學模型可以表示為

(4)

本節(jié)的思想是通過上述約束，為換流站采集終端產(chǎn)生的計算任務(wù)分配恰當?shù)臋?quán)值計算資源來達到總?cè)蝿?wù)處理最小化時延的結(jié)果,具體步驟如下。

(1)由換流站運行經(jīng)驗或?qū)I(yè)人員計算得到優(yōu)先級序列和任務(wù)數(shù)據(jù)量參數(shù)。

(2)采用歸一化系數(shù)結(jié)合有關(guān)參數(shù)來設(shè)定任務(wù)的加權(quán)值。

(3)基于權(quán)值算取各任務(wù)分配的計算資源。

3 云邊協(xié)同策略

將部分邊緣計算任務(wù)卸載至云端，是為了利用云端豐富的計算資源縮短任務(wù)處理時延?；诖耍竟?jié)提出了基于時間尺度的邊緣計算任務(wù)是否卸載至云端的判定方法。設(shè)在某段運行時間內(nèi)，邊緣物聯(lián)代理有一待執(zhí)行任務(wù)T，在邊側(cè)執(zhí)行任務(wù)計算需用時間為tT；若任務(wù)卸載到云平臺執(zhí)行，所需運算時間為tc；自邊側(cè)任務(wù)卸載組件進行卸載至邊側(cè)收回云端計算結(jié)果為tr，當上述變量滿足式(5)關(guān)系式時可以選擇對本地任務(wù)進行計算卸載調(diào)用[18]：

tT>tc+tr。

(5)

在上述變量中，tT和tr與邊緣物聯(lián)代理實時運行狀態(tài)和通信網(wǎng)絡(luò)實時狀況息息相關(guān)，無法提前確定數(shù)值用于式(5)的計算以判定是否進行邊緣計算任務(wù)卸載。因此，本節(jié)通過尋找基準函數(shù)，設(shè)邊側(cè)設(shè)備的CPU時鐘周期為C，邊緣物聯(lián)代理對任務(wù)T計算所需時鐘周期數(shù)為CT；計算參考任務(wù)R的運算時間為tR，計算任務(wù)R所需時鐘周期數(shù)為CR，有

(6)

式(6)中兩式相除得

(7)

設(shè)Ra為邊緣物聯(lián)代理計算任務(wù)T與計算任務(wù)R所需時鐘周期數(shù)之比，得

tT=tRRa。

(8)

換流站運行時，邊緣物聯(lián)代理執(zhí)行任務(wù)卸載至收到云端計算結(jié)果時間Tr可通過預(yù)演得到，比值Ra可通過基準函數(shù)確定單元計算得到。由此，tT可計算得到估測值；同理，參考任務(wù)R的運算時間tR可計算得到估測值，最后通過式(5)判斷是否進行邊緣計算任務(wù)卸載至云端進行。

4 算例分析

衡量數(shù)據(jù)通信質(zhì)量的指標主要包括數(shù)據(jù)傳輸速率及誤碼率[19]，本節(jié)參考以上指標，并以計算簡便為原則，提出下述衡量本文數(shù)據(jù)交互方法可行性的標準并對本文框架下數(shù)據(jù)傳輸?shù)男Ч右苑治觥?/p>

4.1 準確性

為驗證本文數(shù)據(jù)交互方案的準確性，定義以下2個公式對數(shù)據(jù)傳輸質(zhì)量進行評估。

數(shù)據(jù)完整率[19]：

(9)

式中:xi表示第i臺設(shè)備上傳至物管平臺的數(shù)據(jù)量；ri表示第i臺設(shè)備本地產(chǎn)生的原始數(shù)據(jù)總量；B表示系統(tǒng)上傳數(shù)據(jù)的完整率。

數(shù)據(jù)完整率表征的是數(shù)據(jù)傳輸過程中數(shù)據(jù)本身有無丟包現(xiàn)象，數(shù)據(jù)完整率越高，表明數(shù)據(jù)傳輸質(zhì)量越高。

數(shù)據(jù)準確率[19]：

(10)

式中:ni表示第i種氣體上傳至物管平臺準確的數(shù)據(jù)量；N表示所有監(jiān)測氣體上傳至物管平臺的數(shù)據(jù)總量；A表示某一設(shè)備的數(shù)據(jù)準確率。數(shù)據(jù)準確率表征的是數(shù)據(jù)傳輸過程中抵抗干擾的能力，準確率越高，表明傳輸過程抗干擾能力越強，數(shù)據(jù)傳輸質(zhì)量越高。

圖4為編號17M00000000061978的油色譜設(shè)備在某段時間氫氣邊側(cè)與云端數(shù)據(jù)對比圖，計30條數(shù)據(jù)。經(jīng)對比，邊緣物聯(lián)代理裝置發(fā)出的數(shù)據(jù)與云平臺所收到的數(shù)據(jù)量相同，因此數(shù)據(jù)完整率達到了百分之百。邊緣物聯(lián)代理裝置發(fā)出的數(shù)據(jù)與物聯(lián)管理平臺所收到的數(shù)據(jù)信息也相同，因此數(shù)據(jù)準確率也達到了百分之百。

圖4 編號17M00000000061978數(shù)據(jù)Figure 4 Data of Id 17M00000000061978

在該換流站內(nèi)隨機抽取50臺油色譜設(shè)備，利用式(9)、式(10)對每臺設(shè)備某一時段內(nèi)數(shù)據(jù)傳輸?shù)臄?shù)據(jù)完整率與數(shù)據(jù)準確率進行計算，得到如圖5所示的計算結(jié)果。由圖5中結(jié)果可知，50臺油色譜設(shè)備的數(shù)據(jù)完整率與數(shù)據(jù)正確率均為百分之百,數(shù)據(jù)的準確性得到了可靠的保證。

圖5 油色譜數(shù)據(jù)傳輸正確性分析Figure 5 Analysis of oil chromatography data transmission

4.2 時延

數(shù)據(jù)傳輸過程的另一主要指標為時延，本文定義以下公式對數(shù)據(jù)傳輸時延進行分析。

最大時延：

tmax=max(t1,t2,…,tn)。

(11)

式中:t1,t2,…,tn為這組數(shù)據(jù)中傳輸每項數(shù)據(jù)的時延大小，取其中最大值得到最大時延tmax。最大時延用以表征數(shù)據(jù)傳輸過程中所需的最大時間。最大時延越小，數(shù)據(jù)傳輸所用時間越短。

平均時延：

(12)

式中:ti為這組數(shù)據(jù)中傳輸每項數(shù)據(jù)的時延大??；k為數(shù)據(jù)量。平均時延tave表征的是傳輸一組數(shù)據(jù)所用時延的平均值，平均時延值越小，數(shù)據(jù)傳輸?shù)乃俾试礁摺?/p>

時延標準差：

(13)

時延標準差ts表征的是在傳輸一組數(shù)據(jù)過程中，傳輸單個數(shù)據(jù)時延偏離平均時延程度的大小，時延標準差越小，數(shù)據(jù)傳輸?shù)姆€(wěn)定性越好。

圖6是一油色譜設(shè)備傳輸數(shù)據(jù)一組數(shù)據(jù)時延分布圖。邊緣物聯(lián)代理裝置傳輸數(shù)據(jù)的時延分布在150～200 ms之間，可以滿足數(shù)據(jù)實時處理的需求。

圖6 編號17M00000000061978傳輸時延Figure 6 Transmission delay of Id 17M00000000061978

對該組數(shù)據(jù)傳輸時延的最大時延、平均時延與時延標準差進行計算得到如表1所示的結(jié)果，數(shù)據(jù)傳輸速率與穩(wěn)定性均達到較高水平[20]。

表1 數(shù)據(jù)傳輸時延分析Table 1 Cloud edge interactive theme ms

隨機抽取30臺油色譜設(shè)備，分別對某段時間內(nèi)的平均時延與時延標準差進行計算，得到如圖7所示結(jié)果。根據(jù)圖7中結(jié)果顯示，30臺設(shè)備的平均時延分布在149～160 ms，時延標準差分布在9～15 ms，可滿足數(shù)據(jù)傳輸實時性與穩(wěn)定性的要求。

圖7 30臺設(shè)備時延分布Figure 7 Delay distribution of 30 devices

4.3 掌上油色譜APP應(yīng)用

如圖8所示，掌上油色譜應(yīng)用主要功能包含了油色譜在線監(jiān)測數(shù)據(jù)展示和對在線監(jiān)測數(shù)據(jù)的歷史數(shù)據(jù)的曲線展示(灰色標注表示該氣體不在此設(shè)備監(jiān)測范圍)。

圖8 油色譜應(yīng)用界面Figure 8 Oil chromatography application interface

5 結(jié)論

本文研究了面向智慧換流站的信息交互技術(shù)。首先分析了適用于智慧換流站的邊緣物聯(lián)代理技術(shù)，提出基于邊緣計算與容器技術(shù)的邊緣物聯(lián)代理模型；確定以時延最小為目標的邊緣計算任務(wù)卸載至云端的云邊協(xié)同機制。本文研究的智慧換流站信息交互方法，有利于推進國家電網(wǎng)公司智慧物聯(lián)體系建設(shè)在變電側(cè)的應(yīng)用，提升換流站的綜合管理水平與效率。在未來智慧物聯(lián)體系建設(shè)中還需進一步研究邊緣物聯(lián)代理裝置的配置方式，云邊協(xié)同技術(shù)，深入展開適用于源網(wǎng)荷儲等電力系統(tǒng)各個組成部分的智慧物聯(lián)框架，推進相關(guān)場景的示范應(yīng)用，助力“碳達峰、碳中和”目標的實現(xiàn)[21]。