陳永東，劉友波，沈曉東，許立雄，劉 進(jìn)，李利娟

（1. 四川大學(xué)電氣工程學(xué)院,四川省成都市 610044；2. 華電（寧夏）能源有限公司,寧夏回族自治區(qū)銀川市 750004；3. 湘潭大學(xué)自動(dòng)化與電子信息學(xué)院,湖南省湘潭市 411105）

0 引言

隨著分布式智能電網(wǎng)的演進(jìn)與能源政策的更迭,打造更加智能、高效、綠色的城市能源系統(tǒng)（urban energy systems,UES）,成為優(yōu)化城市能源結(jié)構(gòu)和資源配置的必然選擇［1-2］。UES 逐步演變?yōu)橐钥稍偕茉礊橹鲗?dǎo),高度融合微網(wǎng)、園區(qū)、光儲(chǔ)充等能源要素,全面集成5G、人工智能（artificial intelligence,AI）、超算等技術(shù)要素,多能協(xié)同、靈活互動(dòng)、廣泛參與的新型能源生態(tài)系統(tǒng)［3］。

新技術(shù)和新模式的涌現(xiàn)使得UES 資源稟賦耦合愈加緊密,其功能定位、技術(shù)支撐和市場(chǎng)機(jī)制發(fā)生了深刻變化,“弱可觀、強(qiáng)隨機(jī)、高要求”矛盾凸顯［4-5］。分布式智能終端和用能設(shè)備時(shí)空分布相較以往更加分散,系統(tǒng)感知能力較弱、底層運(yùn)行數(shù)據(jù)缺失、區(qū)域信息交互水平有限。基于云計(jì)算的集中式運(yùn)行調(diào)控機(jī)理模型刻畫難度、海量數(shù)據(jù)處理需求、網(wǎng)絡(luò)時(shí)延帶寬壓力和安全隱私問(wèn)題持續(xù)增長(zhǎng),難以實(shí)現(xiàn)資源的遠(yuǎn)程聚合管理與廣域優(yōu)化利用,系統(tǒng)運(yùn)行調(diào)控面臨巨大考驗(yàn)［6］。為緩解云端調(diào)度中心運(yùn)行調(diào)控壓力,以往上傳至云端的數(shù)據(jù)信息應(yīng)能于本地進(jìn)行處理,這就要求智能終端應(yīng)具備一定數(shù)據(jù)處理、計(jì)算和分析能力,終端間應(yīng)能通過(guò)信息交互實(shí)現(xiàn)協(xié)同,并依賴邊緣感知、通信、優(yōu)化、控制等技術(shù),以適應(yīng)UES 運(yùn)行控制、能量管理、需求響應(yīng)、市場(chǎng)交易等場(chǎng)景需求。邊緣智能（edge intelligence,EI）的分布式特征更加貼近分布式資源分布空間,為其提供了從云端下沉至邊緣的解決方案,在數(shù)據(jù)源頭完成任務(wù)分析與決策反饋,就近向終端用戶提供存儲(chǔ)、計(jì)算、通信等服務(wù),緩解云端調(diào)度中心管控壓力,滿足差異化能源應(yīng)用場(chǎng)景要求［7］。

如何運(yùn)用邊緣智能重構(gòu)集中式管控鏈路,是助力UES 運(yùn)行調(diào)控的關(guān)鍵。本文立足于新型電力系統(tǒng)建設(shè)對(duì)城市能源發(fā)展提出的新需求,以邊緣智能技術(shù)理念作為分布式資源廣泛融合、交互、協(xié)調(diào)和優(yōu)化的基礎(chǔ),圍繞面向UES 分布式資源的邊緣智能理念、發(fā)展驅(qū)動(dòng)、關(guān)鍵技術(shù)及架構(gòu)、應(yīng)用場(chǎng)景、發(fā)展挑戰(zhàn)和未來(lái)前景等問(wèn)題進(jìn)行了分析和探討,希望能夠?yàn)閁ES 運(yùn)行調(diào)控提供理論指導(dǎo)和路徑參考。

1 UES 分布式資源與挑戰(zhàn)

1.1 分布式資源優(yōu)勢(shì)

能源供給側(cè)結(jié)構(gòu)性改革推動(dòng)能源發(fā)展由粗放向精細(xì)轉(zhuǎn)變,分布式資源近用戶優(yōu)勢(shì)開始顯現(xiàn)［8］。由于其以清潔能源為主,在減小污染物排放的同時(shí),也避免因線路建設(shè)帶來(lái)的土地占用及環(huán)境破壞；同時(shí)也有效延緩網(wǎng)架投資建設(shè)壓力,降低遠(yuǎn)距離送電產(chǎn)生的電能損耗,減少對(duì)集中供能的依賴［9］；另外,其有機(jī)融合冷、熱、電、儲(chǔ)等技術(shù),實(shí)現(xiàn)多能互補(bǔ)和綜合梯級(jí)利用,限制系統(tǒng)冗余,平抑負(fù)荷峰谷差,緩解調(diào)峰調(diào)頻壓力［10］。

1.2 UES 面臨的挑戰(zhàn)

分布式資源布局區(qū)域廣闊、點(diǎn)多、量小,細(xì)粒度信息難以獲取,實(shí)際配置完整且精確的“四遙”饋線仍屬少數(shù),計(jì)量布點(diǎn)與精度離系統(tǒng)完全可觀還有相當(dāng)距離［11-12］。物理機(jī)理模型精細(xì)刻畫尚難,而現(xiàn)有研究對(duì)模型觀測(cè)精度要求又較高,使得機(jī)理模型分析方法難以完全適應(yīng)新型系統(tǒng)級(jí)物理對(duì)象［13］。雖有針對(duì)性方法予以解決,但仍面臨邊界條件無(wú)法保證、計(jì)算效率低下、容易陷入局部最優(yōu)等問(wèn)題［14-16］。信息不全與精確建模之間的矛盾,以及實(shí)際系統(tǒng)中的現(xiàn)實(shí)問(wèn)題,制約了模型驅(qū)動(dòng)方法的適用性和實(shí)用性。大量邊緣終端接入,動(dòng)輒TB 級(jí)甚至PB 級(jí)數(shù)據(jù)流涌向云端,將給云端調(diào)度中心帶來(lái)通信時(shí)延、帶寬占用、能源消耗、隱私安全、算力開銷、單點(diǎn)故障等問(wèn)題,難以有效適應(yīng)高滲透分布式資源的即插即用與協(xié)調(diào)優(yōu)化［17］。

AI 通過(guò)挖掘數(shù)據(jù)潛在規(guī)律與價(jià)值,從數(shù)據(jù)層面解決物理機(jī)理模型因簡(jiǎn)化近似造成的規(guī)律丟失問(wèn)題,提高系統(tǒng)安全態(tài)勢(shì)感知能力,降低二次設(shè)備投資范圍與成本［18-19］。邊緣計(jì)算（edge computing,EC）利用本地部署優(yōu)勢(shì),降低通信時(shí)延與帶寬占用壓力,縮短攻擊時(shí)限,增加有效攻擊總面積,系統(tǒng)安全系數(shù)與經(jīng)濟(jì)性能得到提升［20-21］。如何合理利用上述技術(shù),是UES 安全經(jīng)濟(jì)運(yùn)行的關(guān)鍵。

2 數(shù)據(jù)驅(qū)動(dòng)的邊緣智能關(guān)鍵技術(shù)

2.1 邊緣智能理念

邊緣智能是邊緣計(jì)算和AI 深度融合的嶄新范式,不是機(jī)械的本地化AI 計(jì)算,涉及多業(yè)務(wù)領(lǐng)域交叉,高度依賴實(shí)際應(yīng)用場(chǎng)景,目前尚未形成公認(rèn)的學(xué)術(shù)定義。傳統(tǒng)觀點(diǎn)認(rèn)為邊緣智能是在邊緣側(cè)運(yùn)用AI 的范式,但不能完全體現(xiàn)邊緣智能內(nèi)涵與外延,其范圍不應(yīng)局限于邊緣,還應(yīng)包含云-邊協(xié)同機(jī)制［22-23］。文獻(xiàn)［24］將邊緣智能分為AI for edge 和AI on edge,前者側(cè)重于借助AI 解決EC 中的優(yōu)化問(wèn)題,后者則側(cè)重于如何在邊緣部署AI 算法。文獻(xiàn)［25］指出邊緣智能是計(jì)算節(jié)點(diǎn)在邊緣側(cè)提供的高級(jí)數(shù)據(jù)分析、實(shí)時(shí)決策等相關(guān)服務(wù)。文獻(xiàn)［26］則認(rèn)為邊緣智能是基于EC 運(yùn)行機(jī)制和網(wǎng)絡(luò)結(jié)構(gòu),依托其低時(shí)延、分布式特性,驅(qū)動(dòng)AI 自主學(xué)習(xí)、決策能力下沉,為智能應(yīng)用提供多層次的資源支持和性能優(yōu)化。AI 為EC 提供技術(shù)和方法,通過(guò)EC 擴(kuò)展其適用性。EC 為AI 提供應(yīng)用場(chǎng)景和平臺(tái),通過(guò)AI 釋放其潛力和可擴(kuò)展性。邊緣智能尚處于初級(jí)階段,關(guān)鍵技術(shù)難關(guān)有待攻克?，F(xiàn)有研究更多是從信息領(lǐng)域視角探索AI 模型訓(xùn)練推理優(yōu)化策略,面向UES 分布式資源的邊緣智能理念和技術(shù)還鮮有提出。

本文認(rèn)為面向UES 分布式資源的邊緣智能理念,是利用“智能+X（以AI、超算為基礎(chǔ),以5G 為通信骨干,以聯(lián)邦學(xué)習(xí)打破數(shù)據(jù)孤島,以區(qū)塊鏈建立安全可信屏障,以AI 芯片為智能應(yīng)用承載媒介的多維技術(shù)集大成者）”技術(shù),引導(dǎo)云端服務(wù)下沉,在邊緣提供數(shù)據(jù)分析處理、進(jìn)化趨優(yōu)決策、自組織與協(xié)同、安全隱私保護(hù)等高級(jí)服務(wù),實(shí)現(xiàn)能量流、信息流與業(yè)務(wù)流的高度融合,為城市能源應(yīng)用提供多層次資源支持和性能優(yōu)化,集多端協(xié)同、軟硬兼容、可遷移可擴(kuò)展的高級(jí)城市能源服務(wù)形態(tài)于一體。

2.2 邊緣智能體系架構(gòu)及關(guān)鍵技術(shù)

邊緣智能以云-邊-端為層次劃分,形成全鏈路資源聯(lián)合與技術(shù)應(yīng)用體系,其架構(gòu)如圖1 所示。

圖1 面向UES 分布式資源的邊緣智能體系架構(gòu)Fig.1 EI architecture for UES distributed resources

云端調(diào)度中心從全局視角明確UES 頂層設(shè)計(jì)內(nèi)容,對(duì)各環(huán)節(jié)組成要素統(tǒng)籌規(guī)劃與綜合利用,兼顧全局與局部、長(zhǎng)期與短期利益,對(duì)邊緣數(shù)據(jù)進(jìn)行集中處理,回傳邊緣分布式執(zhí)行,并保存邊緣決策結(jié)果。

邊緣節(jié)點(diǎn)位于云-端之間,物理上更加靠近終端,對(duì)終端原始數(shù)據(jù)分析決策,將結(jié)果上傳、下發(fā)和保存。智能變電站可充當(dāng)邊緣節(jié)點(diǎn),分別與主站中心、鄰域變電站交互形成云-邊協(xié)同、邊-邊協(xié)同模式,實(shí)現(xiàn)多個(gè)邊緣節(jié)點(diǎn)的協(xié)同自治與分布式資源的安全管理,讓AI 在云-端之間按需流動(dòng)。

終端設(shè)備主要包含分布式電源、電動(dòng)汽車、新型負(fù)荷等,通過(guò)將AI 推理或訓(xùn)練任務(wù)卸載至鄰近邊緣節(jié)點(diǎn),以完成終端設(shè)備的本地計(jì)算與邊緣節(jié)點(diǎn)較強(qiáng)算力的協(xié)同互補(bǔ),進(jìn)而降低終端設(shè)備自身資源消耗。云-邊-端全鏈路體系為集中式管控時(shí)延、帶寬、隱私等剛性約束提供解決方案,其關(guān)鍵技術(shù)如下。

2.2.1 自感知決策技術(shù)

自感知決策依托新型計(jì)量傳感獲取細(xì)粒度資源數(shù)據(jù)特征。借助AI 在數(shù)字層面提供態(tài)勢(shì)感知、狀態(tài)推理手段,各能源主體動(dòng)態(tài)調(diào)整自身運(yùn)行狀態(tài),閉環(huán)作用于物理系統(tǒng),實(shí)現(xiàn)末端資源有序管控與系統(tǒng)全景信息感知,提升系統(tǒng)實(shí)時(shí)快速響應(yīng)能力［27］。目前,多參量高靈敏感知機(jī)理與芯片化集成設(shè)計(jì)尚不清晰,物理數(shù)據(jù)特征時(shí)空演變規(guī)律認(rèn)知尚淺,數(shù)據(jù)驅(qū)動(dòng)的感知理論體系亦不完善。

2.2.2 異質(zhì)數(shù)據(jù)管理技術(shù)

多源異構(gòu)數(shù)據(jù)持續(xù)匯聚,云-邊-端協(xié)同管理十分重要。終端存放數(shù)據(jù)標(biāo)識(shí)和許可信息,通過(guò)安全訪問(wèn)機(jī)制驗(yàn)證數(shù)據(jù)一致性和完整性；邊緣節(jié)點(diǎn)對(duì)終端數(shù)據(jù)進(jìn)行加密、簽名、存儲(chǔ)與上鏈；云端存儲(chǔ)數(shù)據(jù)加密映射關(guān)系,通過(guò)共識(shí)機(jī)制,實(shí)現(xiàn)數(shù)據(jù)跨域共享與隱私保護(hù)［28］。其核心價(jià)值在于高密度知識(shí)生成、理解與表達(dá),更好地串聯(lián)和呈現(xiàn)知識(shí),提升海量終端精細(xì)化管理與高并發(fā)能力［29］。異構(gòu)數(shù)據(jù)的跨域集成、深度可信融合、知識(shí)動(dòng)態(tài)推理與表達(dá)依然是數(shù)據(jù)管理過(guò)程中的巨大難題。

2.2.3 自趨優(yōu)進(jìn)化技術(shù)

自趨優(yōu)指能源主體自主調(diào)節(jié)自身運(yùn)行狀態(tài)向更優(yōu)態(tài)過(guò)渡的過(guò)程［30-32］?，F(xiàn)有研究主要集中于自趨優(yōu)指標(biāo)邊界定義與算法運(yùn)用,如何建立自趨優(yōu)驅(qū)動(dòng)機(jī)制與響應(yīng)規(guī)則,實(shí)現(xiàn)單體決策與全局目標(biāo)相容一致還須探索。以強(qiáng)化學(xué)習(xí)為代表的趨優(yōu)算法因高試錯(cuò)成本制約了其實(shí)際應(yīng)用可能［33］,利用機(jī)器學(xué)習(xí)和專家經(jīng)驗(yàn)構(gòu)建虛擬學(xué)習(xí)環(huán)境,結(jié)合遷移、增量學(xué)習(xí)實(shí)現(xiàn)知識(shí)廣度繼承和深度生長(zhǎng),大幅降低資源開銷及試錯(cuò)代價(jià),形成閉環(huán)式自趨優(yōu)進(jìn)化全棧學(xué)習(xí)框架已成為熱點(diǎn)。

2.2.4 多態(tài)協(xié)同技術(shù)

僅依賴邊緣智能將面臨算力需求與資源受限、服務(wù)質(zhì)量與安全隱私等多對(duì)矛盾,云-邊-端全局性協(xié)同是解決上述矛盾的關(guān)鍵［28］。云-邊協(xié)同:邊緣負(fù)責(zé)本地?cái)?shù)據(jù)處理,云端負(fù)責(zé)知識(shí)挖掘和模型訓(xùn)練升級(jí)；邊-邊協(xié)同:邊緣節(jié)點(diǎn)協(xié)同配合,解決單節(jié)點(diǎn)資源限制；邊-端協(xié)同:增強(qiáng)邊緣節(jié)點(diǎn)能力；云-邊-端協(xié)同:利用整個(gè)鏈路資源,解決能源主體矛盾。模型壓縮、模型分割、聯(lián)邦學(xué)習(xí)等模型優(yōu)化技術(shù),大數(shù)據(jù)治理、聯(lián)盟區(qū)塊鏈、任務(wù)調(diào)度優(yōu)化等系統(tǒng)級(jí)優(yōu)化技術(shù),AI芯片承載、嵌入式開發(fā)等硬件優(yōu)化技術(shù)尚待突破［34］。

2.2.5 通信安全技術(shù)

電力通信安全主要依賴寬帶電力線載波、光纖復(fù)合電纜等有線通信與衛(wèi)星、蜂窩、個(gè)人局域等無(wú)線通信技術(shù),以網(wǎng)絡(luò)邊界隔離保護(hù)為主的安全分區(qū)、橫向隔離、縱向認(rèn)證主被動(dòng)安全防護(hù)體系［35］。然而,邊緣智能分布式、離散化特征使得安全防護(hù)加固難以實(shí)施,高級(jí)定制化、特征多樣化攻擊手段可能會(huì)弱化終端安全能力［36］。如何平衡抵御攻擊有效性和數(shù)據(jù)可用性,實(shí)現(xiàn)異常威脅感知、隔離和阻斷,形成以芯片為核心的通信安全免疫體系,解決信息物理攻擊實(shí)時(shí)發(fā)現(xiàn)和防滲透難題愈加重要。

2.2.6 硬件支撐技術(shù)

芯片是部署AI 的關(guān)鍵,AI 芯片包括圖形處理單元（graphics processing unit,GPU）、半定制化現(xiàn)場(chǎng)可編程門陣列（field programmable gate array,FPGA）、定制化專用集成電路（application specific integrated circuit,ASIC）和類腦計(jì)算芯片［37-38］,主流廠商及其產(chǎn)品如表1 所示。

表1 AI 芯片信息Table 1 Information of AI chip

針對(duì)特定場(chǎng)景進(jìn)行針對(duì)性設(shè)計(jì)、軟硬件定制和性能優(yōu)化是解決場(chǎng)景與芯片不匹配的有效方案［39-40］,如何從技術(shù)角度對(duì)其進(jìn)行分類與選擇亟須解決。此外AI 機(jī)理尚不清晰,芯片實(shí)現(xiàn)原理亦在探索,這也是指導(dǎo)芯片優(yōu)化設(shè)計(jì)和通用的基本前提。近年來(lái),中國(guó)在電力芯片研發(fā)方面取得了較大突破與進(jìn)展,主要包括主控芯片、傳感芯片、通信芯片、安全芯片和射頻識(shí)別芯片,并在發(fā)、輸、變、配、用、調(diào)等環(huán)節(jié)實(shí)現(xiàn)了落地應(yīng)用。如:南方電網(wǎng)數(shù)字研究院研發(fā)的“伏羲FUXI-H”主控芯片已應(yīng)用于繼電保護(hù)、配電自動(dòng)化、計(jì)量自動(dòng)化領(lǐng)域；北京智芯微電子科技研發(fā)的電力傳感芯片已在源網(wǎng)荷側(cè)得到了大規(guī)模應(yīng)用；深圳力合微電子研發(fā)的物聯(lián)網(wǎng)通信芯片已應(yīng)用于電網(wǎng)終端信息采集、多表集抄、能效管理方面；華為研發(fā)的“鯤鵬”系列安全芯片已在南方電網(wǎng)輸電線路巡檢方面得到試點(diǎn)應(yīng)用等。

2.2.7 軟件支撐技術(shù)

傳統(tǒng)固化的軟件結(jié)構(gòu)難以適應(yīng)UES 大規(guī)模定制生產(chǎn)需求,不同軟件平臺(tái)因標(biāo)準(zhǔn)與技術(shù)相異難以兼容,信息傳輸?shù)托Ш臅r(shí),且需停機(jī)調(diào)試給系統(tǒng)帶來(lái)安全風(fēng)險(xiǎn),無(wú)法應(yīng)對(duì)時(shí)變場(chǎng)景。邊緣智能軟件平臺(tái)包含面向終端、面向邊緣、面向云-邊-端協(xié)同的開源平臺(tái)［28］,終端平臺(tái)注重解決終端應(yīng)用開發(fā)及部署難題,邊緣平臺(tái)著眼于優(yōu)化和重建網(wǎng)絡(luò)邊緣基礎(chǔ)設(shè)施,云-邊-端協(xié)同平臺(tái)將云端服務(wù)拓展至終端末梢,主流廠商及其平臺(tái)如表2 所示。如何系統(tǒng)化支持能源應(yīng)用需求是邊緣智能軟件平臺(tái)未來(lái)發(fā)展趨勢(shì)之一。近年來(lái),北京智芯微電子科技研發(fā)的樞紐4.0、湖南麒麟信安科技研發(fā)的麒麟系列、安科瑞研發(fā)的Acrelcloud 系列、深圳宏電研發(fā)的Smart 2000、廣州虹科電子科技研發(fā)的Edge Xpert 等操作系統(tǒng)得到了廣泛部署與應(yīng)用。

表2 邊緣智能開源平臺(tái)Table 2 EI open source platform

3 邊緣智能在UES 的應(yīng)用場(chǎng)景

UES 背景下邊緣智能應(yīng)用場(chǎng)景得到了極大豐富,具體如表3 所示。

表3 邊緣智能應(yīng)用場(chǎng)景及關(guān)鍵技術(shù)Table 3 Application scenarios and key technologies of EI

3.1 有源配電網(wǎng)的分布式運(yùn)行控制

分布式資源增加了有源配電網(wǎng)運(yùn)行控制難度,一致性、交替方向乘子等分布式協(xié)同控制方法因參數(shù)獲取困難、假設(shè)性較強(qiáng)難以適配有源配電網(wǎng)的實(shí)際特性［41］。多智能體深度強(qiáng)化學(xué)習(xí)結(jié)合邊緣計(jì)算成為當(dāng)前及未來(lái)分布式協(xié)同控制的主流方法,主要用于配電網(wǎng)分布式電源調(diào)度、無(wú)功優(yōu)化、故障恢復(fù)等方面［42］,其技術(shù)架構(gòu)如圖2 所示。

圖2 有源配電網(wǎng)的分布式運(yùn)行控制技術(shù)架構(gòu)Fig.2 Distributed operation control technology architecture of active distribution network

分布式電源優(yōu)化調(diào)度是提升系統(tǒng)新能源消納能力、實(shí)現(xiàn)經(jīng)濟(jì)運(yùn)行的重要手段。文獻(xiàn)［43］考慮源荷不確定性,設(shè)計(jì)了基于多智能體近端策略優(yōu)化（MAPPO）的分布式電源優(yōu)化調(diào)度框架。配電網(wǎng)運(yùn)行方式、無(wú)功功率受新能源出力波動(dòng)影響,容易造成饋線電壓越限,如何協(xié)調(diào)不同響應(yīng)尺度控制資源應(yīng)對(duì)電壓波動(dòng)是配電網(wǎng)運(yùn)行控制主要研究方向。文獻(xiàn)［44］利用多智能體深度確定性策略梯度（MADDPG）實(shí)現(xiàn)了弱通信條件下的配電網(wǎng)自主電壓控制。極端天氣增加了配電網(wǎng)故障蔓延的可能,如何利用現(xiàn)有可控資源實(shí)現(xiàn)故障快速恢復(fù),提高系統(tǒng)韌性響應(yīng)是亟須解決的問(wèn)題。文獻(xiàn)［45］提出了計(jì)及拓?fù)渥兓呐潆娋W(wǎng)故障恢復(fù)方法,但是在拓?fù)渥兓^大時(shí)模型泛化能力較弱。上述研究尚未考慮分布式資源的聚合效應(yīng),將協(xié)調(diào)控制對(duì)象上升至集群級(jí)別,實(shí)現(xiàn)有源配電網(wǎng)集群間的協(xié)同運(yùn)行控制。

3.2 多主體自趨優(yōu)能量管理

新邊界條件下,能源主體產(chǎn)用能關(guān)系發(fā)生了深刻變化,決策機(jī)制由集中調(diào)度向自趨優(yōu)協(xié)調(diào)變革,能量管理依賴集群自律、分級(jí)協(xié)調(diào)的分層遞階式結(jié)構(gòu)［46-47］,以滿足用戶電能質(zhì)量要求和系統(tǒng)供電可靠性要求。涉及主體主要包括家庭、建筑、微網(wǎng)、電動(dòng)汽車、儲(chǔ)能等,邊緣控制器部署于各自能量管理系統(tǒng)當(dāng)中,其技術(shù)架構(gòu)如圖3 所示。

圖3 多主體自趨優(yōu)能量管理技術(shù)架構(gòu)Fig.3 Technology architecture of multi-agent selfoptimizing energy management

大量家庭柔性負(fù)荷增加了運(yùn)行管理復(fù)雜性,文獻(xiàn)［48］對(duì)比了不同情境下家庭用戶與電網(wǎng)間的優(yōu)化調(diào)度效果。建筑能耗占總能耗的1/3,其能耗管理愈加重要,文獻(xiàn)［49］更加注重建筑能耗管理的經(jīng)濟(jì)性,忽略了對(duì)建筑負(fù)荷的控制。電動(dòng)汽車無(wú)序充電將對(duì)系統(tǒng)穩(wěn)定、交通狀況造成影響,文獻(xiàn)［50］利用雙重深度Q 網(wǎng)絡(luò)（DDQN）優(yōu)化電動(dòng)汽車充電行為,緩解車-站-網(wǎng)-路協(xié)調(diào)壓力。挖掘儲(chǔ)能的雙向調(diào)節(jié)潛力是輔助系統(tǒng)正常運(yùn)行的重要舉措,文獻(xiàn)［51］通過(guò)DDQN 優(yōu)化共享儲(chǔ)能實(shí)時(shí)控制策略實(shí)現(xiàn)動(dòng)態(tài)經(jīng)濟(jì)運(yùn)行。上述研究側(cè)重個(gè)體趨優(yōu)自治,未考慮全局相容關(guān)系,或是僅考慮整體特性,忽略個(gè)體交互行為,且僅針對(duì)單一能量形態(tài),尚未解決冷熱電聯(lián)產(chǎn)間的耦合優(yōu)化。

3.3 廣域靈活需求響應(yīng)

充分挖掘分布式電源、柔性負(fù)荷、儲(chǔ)能等需求側(cè)資源響應(yīng)潛力,通過(guò)價(jià)格信號(hào)或激勵(lì)機(jī)制引導(dǎo)和鼓勵(lì)用戶主動(dòng)優(yōu)化電力消費(fèi)模式與市場(chǎng)參與行為,是實(shí)現(xiàn)供需動(dòng)態(tài)平衡的關(guān)鍵［52］。響應(yīng)資源辨識(shí)與潛力分析是開展需求響應(yīng)的前提,可為調(diào)度中心提供較為直接的量化參考。此外用戶應(yīng)能在本地對(duì)市場(chǎng)信號(hào)做出反應(yīng),根據(jù)市場(chǎng)信息實(shí)現(xiàn)自身用能行為優(yōu)化和市場(chǎng)行為策略選擇,其技術(shù)架構(gòu)如圖4 所示。文獻(xiàn)［53］假設(shè)目標(biāo)域與源域分布相似,提出基于遷移學(xué)習(xí)的響應(yīng)潛力評(píng)估方法。文獻(xiàn)［54］考慮分時(shí)電價(jià)利用DDQN 優(yōu)化用戶用能行為。文獻(xiàn)［55］提出了云-邊協(xié)同需求響應(yīng)方法,云端負(fù)責(zé)模型離線訓(xùn)練,邊緣定期復(fù)制更新、在線推理和決策。

圖4 廣域靈活需求響應(yīng)技術(shù)架構(gòu)Fig.4 Technology architecture of wide-area flexible demand response

現(xiàn)有研究大多假設(shè)完美通信,當(dāng)通信質(zhì)量不佳時(shí),達(dá)到納什均衡需要更多迭代次數(shù)和收斂時(shí)間,會(huì)對(duì)系統(tǒng)產(chǎn)生較大延時(shí)影響。為滿足靈活高效、安全可靠的需求響應(yīng)要求,響應(yīng)服務(wù)平衡與優(yōu)化技術(shù)不斷涌現(xiàn)。文獻(xiàn)［56］提出了一種邊緣云部署方法,緩解需求響應(yīng)管理平臺(tái)業(yè)務(wù)處理壓力。文獻(xiàn)［57］利用邊緣緩存與分發(fā)機(jī)制,有效提高用戶實(shí)際響應(yīng)能力。邊緣云部署與邊緣緩存須基于具體骨干網(wǎng)架進(jìn)行部署設(shè)計(jì),既要考慮通信服務(wù)質(zhì)量和業(yè)務(wù)可靠性,也要避免邊緣節(jié)點(diǎn)處理計(jì)算壓力過(guò)大。

3.4 多模式電力能源市場(chǎng)

電力市場(chǎng)放松監(jiān)管推動(dòng)市場(chǎng)模式逐漸由計(jì)劃經(jīng)濟(jì)轉(zhuǎn)向市場(chǎng)經(jīng)濟(jì)。前者需以完全信息、充裕算力、社會(huì)福利最大化為前提,集中確定資源配置方案,其自上而下的量?jī)r(jià)模式無(wú)法滿足市場(chǎng)主體商業(yè)訴求,難以完全適應(yīng)新型市場(chǎng)形態(tài)［58］；后者通過(guò)市場(chǎng)力自適應(yīng)市場(chǎng)局部可觀特性,降低市場(chǎng)準(zhǔn)入門檻。無(wú)論是計(jì)劃經(jīng)濟(jì)還是市場(chǎng)經(jīng)濟(jì),以往主要利用雙層優(yōu)化、博弈論等刻畫市場(chǎng)主體交易行為,求解復(fù)雜難以保證納什均衡和反映市場(chǎng)主體間的動(dòng)態(tài)交互行為［59］。

源荷分散化使得能源交易向無(wú)中心定價(jià)和端對(duì)端交易發(fā)展,無(wú)中心定價(jià)須根據(jù)實(shí)際情況設(shè)計(jì)合適的定價(jià)機(jī)制,端對(duì)端交易被視為“共享經(jīng)濟(jì)”的實(shí)例。文獻(xiàn)［60］提出基于深度確定性策略梯度（DDPG）的社區(qū)能源定價(jià)策略,文獻(xiàn)［61］借助Qlearning 刻畫產(chǎn)銷用戶端對(duì)端交易行為。區(qū)塊鏈解決了市場(chǎng)主體間協(xié)調(diào)困難、信任缺失、信息不對(duì)稱等問(wèn)題［62］?，F(xiàn)有研究側(cè)重于對(duì)市場(chǎng)交易行為的局部細(xì)節(jié)探討,對(duì)定價(jià)機(jī)制選擇分析鮮有系統(tǒng)性研究［63］。市場(chǎng)經(jīng)濟(jì)雖然靈活簡(jiǎn)單,但其假設(shè)競(jìng)爭(zhēng)充分、無(wú)外部性。計(jì)劃經(jīng)濟(jì)和市場(chǎng)經(jīng)濟(jì)并不完全獨(dú)立,在具體交易環(huán)節(jié)設(shè)計(jì)時(shí),應(yīng)綜合考慮市場(chǎng)影響因素,完善市場(chǎng)價(jià)格形成機(jī)制,引導(dǎo)市場(chǎng)主體參與能源交易,其技術(shù)架構(gòu)如圖5 所示。

圖5 多模式電力能源市場(chǎng)技術(shù)架構(gòu)Fig.5 Technical architecture of multi-mode power energy market

3.5 邊緣流數(shù)據(jù)學(xué)習(xí)

傳統(tǒng)隱患排查、缺陷治理、安全管控因識(shí)別、輔控置信度較低,主要依賴人工排查和事后處理。文本、圖像、音視頻等數(shù)據(jù)流激增使得數(shù)據(jù)分析、人力投入、反應(yīng)滯后問(wèn)題突出,增加了運(yùn)維管理難度、系統(tǒng)安全隱患與故障恢復(fù)時(shí)間［64］。邊緣智能推動(dòng)算力算法向攝像頭、無(wú)人機(jī)、便攜式穿戴等前端感知設(shè)備遷移,幫助運(yùn)維人員厘清設(shè)備狀態(tài)和故障來(lái)由,并將分析結(jié)果推送至個(gè)人終端,為智能運(yùn)檢、應(yīng)急保障、協(xié)同作業(yè)、實(shí)景指揮、遠(yuǎn)程會(huì)商提供技術(shù)支撐,其架構(gòu)如圖6 所示。

圖6 邊緣流數(shù)據(jù)學(xué)習(xí)技術(shù)架構(gòu)Fig.6 Technology architecture of edge stream data learning

設(shè)備狀態(tài)分析囊括文本信息挖掘與圖像特征識(shí)別,其本質(zhì)在于利用AI 算法提取設(shè)備狀態(tài)數(shù)據(jù)關(guān)聯(lián)關(guān)系,解決“看得懂”的問(wèn)題。文獻(xiàn)［65］考慮缺陷文本信息內(nèi)在邏輯,提出缺陷記錄自動(dòng)檢索方法；文獻(xiàn)［66］利用YOLO3 實(shí)現(xiàn)輸電線路螺栓缺陷實(shí)時(shí)檢測(cè)；文獻(xiàn)［67］提出了輕量級(jí)輸電線路覆冰厚度終端級(jí)辨識(shí)方法。然而,電力健康管理知識(shí)圖譜構(gòu)建、安全管控標(biāo)準(zhǔn)劃分、設(shè)備狀態(tài)數(shù)據(jù)集制定還相當(dāng)匱乏,設(shè)備狀態(tài)演化機(jī)理尚不清晰,狀態(tài)評(píng)估理論體系亦不完善,設(shè)備微弱特征信號(hào)提取仍然困難,亟待借助專家系統(tǒng)和多維智能手段進(jìn)行運(yùn)維管理認(rèn)知及風(fēng)險(xiǎn)智慧識(shí)別。

3.6 設(shè)備應(yīng)用

AI 芯片為管理智能終端設(shè)備、搭載AI 算法提供技術(shù)支撐,其已成為邊緣智能落地的迫切需要和必然趨勢(shì),其選型策略亦是加持UES 運(yùn)行控制、能量管理、需求響應(yīng)、市場(chǎng)交易等應(yīng)用場(chǎng)景的關(guān)鍵。文獻(xiàn)［67］將卷積神經(jīng)網(wǎng)絡(luò)（CNN）部署于華為Atlas 200 DK,并搭載Ascend 310 智能芯片和Hi3559 攝像頭,在線識(shí)別輸電線路覆冰厚度。英偉達(dá)最近正在合作開發(fā)特定軟件定義智能電網(wǎng)芯片,該芯片需要連接一個(gè)由ARM CPU 和Nvidia GPU 組成的Nvidia Jetson 輔助模塊,在其上固化AI 模型,整體嵌入智能電表,以增強(qiáng)電網(wǎng)彈性［68］。目前,電力能源領(lǐng)域針對(duì)邊緣智能的嵌入式應(yīng)用和裝置開發(fā)還鮮有研究,尚處于技術(shù)框架和AI 模型優(yōu)化的探索階段。

4 UES 邊緣智能研究展望

邊緣智能在實(shí)際落地過(guò)程中,仍然存在大量應(yīng)用難點(diǎn)與痛點(diǎn)有待繼續(xù)突破和完善,如圖7 所示,具體主要包含如下6 個(gè)方面。

圖7 面向UES 分布式資源的邊緣智能研究展望Fig.7 Research prospect of EI for distributed energy resources in USE

1）通信模式方面:通信質(zhì)量是保證精準(zhǔn)感知、決策的前提,邊緣智能背景下UES 計(jì)算任務(wù)從骨干網(wǎng)下沉至接入網(wǎng),設(shè)備交互愈加頻繁,傳統(tǒng)通信模式難以滿足具體應(yīng)用需求。后續(xù)研究應(yīng)考慮通信范圍、帶寬、頻段、協(xié)議、拓?fù)涞纫蛩?形成面向全局的自適應(yīng)通信優(yōu)化方法,為不同應(yīng)用場(chǎng)景提供按需應(yīng)變的通信服務(wù),滿足實(shí)時(shí)、可靠的電力需求。

2）安全隱私方面:以往以網(wǎng)絡(luò)邊界預(yù)防為主的安全防護(hù)體系難以適應(yīng)邊緣分布式、離散化特征。如何從系統(tǒng)身份認(rèn)證、訪問(wèn)控制、入侵檢測(cè)、密鑰管理、信任評(píng)估等方面探究面向UES 的“零信任”安全防護(hù)路徑,以降低發(fā)、輸、變、配、用等各環(huán)節(jié)數(shù)據(jù)泄露以及軟硬件系統(tǒng)設(shè)備癱瘓風(fēng)險(xiǎn),解決物理、網(wǎng)絡(luò)、數(shù)據(jù)、應(yīng)用安全隱患,保障UES 隱私及運(yùn)行安全,是后續(xù)研究的重點(diǎn)。

3）智能算法方面:AI 已突破了從“不能用、不好用”到“可以用”的技術(shù)拐點(diǎn),但距離“很好用”尚存諸多挑戰(zhàn)［69］。UES 應(yīng)用場(chǎng)景復(fù)雜多變,應(yīng)綜合考慮實(shí)際問(wèn)題復(fù)雜度、數(shù)據(jù)可用性、泛化能力、能耗瓶頸等因素,構(gòu)建“云-邊-端”側(cè)穩(wěn)定可解釋的AI 模型,對(duì)其進(jìn)行多場(chǎng)景測(cè)試,明確模型“有效邊界”,根據(jù)不同場(chǎng)景探索靈活的模型優(yōu)化更新策略,形成邊緣智能全棧學(xué)習(xí)框架。

4）云-邊協(xié)同方面:云-邊協(xié)同作為邊緣智能的核心價(jià)值體現(xiàn),二者并非割裂或相互替代關(guān)系,仍需協(xié)同補(bǔ)充。后續(xù)研究應(yīng)考慮如何發(fā)揮“云-邊-端”側(cè)數(shù)據(jù)、模型、存儲(chǔ)、算力、網(wǎng)絡(luò)等資源優(yōu)勢(shì),結(jié)合能源應(yīng)用場(chǎng)景構(gòu)建更具體、更具可行性的云-邊協(xié)同實(shí)施框架和方案,以滿足不同應(yīng)用場(chǎng)景下的服務(wù)彈性和多樣性、智能協(xié)同性和高效性等方面的需求約束,支撐多種協(xié)同方式下的智能任務(wù)編排、訓(xùn)練和推理等。

5）機(jī)制設(shè)計(jì)方面:傳統(tǒng)優(yōu)化迭代算法面對(duì)多樣化、時(shí)變場(chǎng)景適應(yīng)能力較差,難以驅(qū)動(dòng)UES 整體趨優(yōu)運(yùn)行。為使全局趨優(yōu)運(yùn)行,并確保這種趨優(yōu)自主進(jìn)行,如何制定局部與全局的動(dòng)態(tài)激勵(lì)相容規(guī)則,各能源主體在規(guī)則約束下進(jìn)行協(xié)同與競(jìng)爭(zhēng),自組織建立動(dòng)態(tài)邏輯耦合是應(yīng)重點(diǎn)考慮的內(nèi)容。同時(shí),應(yīng)考慮如何形成市場(chǎng)長(zhǎng)效激勵(lì)機(jī)制,通過(guò)市場(chǎng)力實(shí)現(xiàn)對(duì)能源主體行為的動(dòng)態(tài)引導(dǎo),宏觀調(diào)控安全有序用能。

6）業(yè)務(wù)場(chǎng)景方面:邊緣智能產(chǎn)品形態(tài)、應(yīng)用模式尚不成熟,未來(lái)如何將其融入U(xiǎn)ES 規(guī)劃、運(yùn)行、控制、交易等業(yè)務(wù)場(chǎng)景各環(huán)節(jié),構(gòu)建多場(chǎng)景業(yè)務(wù)融合服務(wù)體系和多源信息交互平臺(tái),形成以底層芯片、終端設(shè)備、網(wǎng)絡(luò)設(shè)備、云端平臺(tái)等一體化的全棧式解決方案,實(shí)現(xiàn)前后端之間的相互協(xié)調(diào)聯(lián)動(dòng)與業(yè)務(wù)場(chǎng)景的認(rèn)知和理解,促進(jìn)信息物理深度融合。

此外,考慮邊緣業(yè)務(wù)不同時(shí)序邏輯、計(jì)算終端微服務(wù)設(shè)計(jì)差異性和關(guān)聯(lián)性,制定邊緣智能資源優(yōu)化配置方案［69-70］,基于不同應(yīng)用場(chǎng)景,完成邊緣軟硬件模擬實(shí)驗(yàn)、半實(shí)物仿真及工程測(cè)試。

5 結(jié)語(yǔ)

新型技術(shù)、資源、機(jī)制等多要素融合給城市能源發(fā)展帶來(lái)諸多挑戰(zhàn),傳統(tǒng)集中式管控手段難以充分挖掘和釋放UES 資源潛力空間以實(shí)現(xiàn)信息物理互補(bǔ)協(xié)同,無(wú)法有效應(yīng)對(duì)運(yùn)行調(diào)控風(fēng)險(xiǎn)。UES 分布式資源邊緣智能的核心功能實(shí)現(xiàn)需要以資源精準(zhǔn)感知和海量異質(zhì)數(shù)據(jù)管理為基礎(chǔ),以趨優(yōu)進(jìn)化、多態(tài)協(xié)同和通信安全為擴(kuò)展,以軟硬件結(jié)合支撐落地,突破集中式管控技術(shù)壁壘,為城市能源服務(wù)“充電”。目前,邊緣智能尚處于初步嘗試階段,從理論到實(shí)踐還需解決通信模式、安全隱私、智能算法、云-邊協(xié)同、機(jī)制設(shè)計(jì)和業(yè)務(wù)場(chǎng)景等方面的諸多難題。