摘要：隨著電力物聯(lián)網(wǎng)規(guī)模的不斷擴大和部署在電力系統(tǒng)各環(huán)節(jié)的設備數(shù)量的快速增加，海量邊緣設備所產(chǎn)生的數(shù)據(jù)呈指數(shù)級爆炸增長。海量邊緣數(shù)據(jù)的高效、快速和安全處理與分析給傳統(tǒng)的云計算智能技術帶來極大挑戰(zhàn)，而邊云協(xié)同智能技術因節(jié)省帶寬、減少時延、保護數(shù)據(jù)隱私等優(yōu)點具有深度助力電力領域發(fā)展的巨大潛力。首先，對邊云協(xié)同智能的概念和研究現(xiàn)狀進行了介紹，闡述了邊云協(xié)同智能的特征和優(yōu)勢，并對其賦能電力領域進行了適用性探討。然后，結合電力系統(tǒng)的建設需求，討論了面向電力場景的邊云協(xié)同智能關鍵技術，接著針對電力領域的兩個典型場景，分別給出了基于邊云協(xié)同智能技術的解決方案，并搭建仿真實驗進行效果驗證。最后，對全文進行了總結并對下一步的研究方向進行了簡要的展望。
關鍵詞：智能電網(wǎng);電力物聯(lián)網(wǎng);人工智能;邊緣計算;邊云協(xié)同智能
1引言
隨著社會生產(chǎn)力的快速發(fā)展，各個行業(yè)的電能需求顯著增加，如電動汽車的普及將導致全球電力需求增加90%[1]。而伴隨著大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、人工智能、邊緣計算等信息技術和智能技術的發(fā)展，提升電網(wǎng)運行和管理的智能化水平成為迫切需求，將關系到全球工業(yè)化的發(fā)展和人民生活水平的提高。
中國電機工程學會電力信息化專業(yè)委員會在2013年3月發(fā)布《中國電力大數(shù)據(jù)發(fā)展白皮書》[2]，將2013年定為“中國大數(shù)據(jù)元年”，掀起了電力大數(shù)據(jù)的研究熱潮。而為了適應大數(shù)據(jù)與“互聯(lián)網(wǎng)+”融合創(chuàng)新應用需求，國家電網(wǎng)有限公司于2015年年初正式提出了“全球能源互聯(lián)網(wǎng)”的發(fā)展戰(zhàn)略，構建全球互聯(lián)的堅強智能電網(wǎng)[3]。
智能電網(wǎng)論文范例：智能電網(wǎng)規(guī)劃現(xiàn)狀及規(guī)劃建設探討
在2016年國家能源委員會會議審議通過的《能源發(fā)展“十三五”規(guī)劃》中提到的邊緣計算對能源產(chǎn)業(yè)的發(fā)展是一個重大的機遇，國家能源局于2017年公布了首批“互聯(lián)網(wǎng)+”智慧能源示范項目，并在2018年發(fā)布的《2018能源工作指導意見》中明確表達對能源互聯(lián)網(wǎng)建設項目的持續(xù)支持。2019年，國家電網(wǎng)有限公司創(chuàng)新性地提出“三型兩網(wǎng)、世界一流”定位與發(fā)展目標，發(fā)布《泛在電力物聯(lián)網(wǎng)建設總體方案》，明確了繼堅強智能電網(wǎng)后能源互聯(lián)網(wǎng)的下一步發(fā)展目標，發(fā)展趨于成熟的邊緣計算技術成為信息通信技術與操作技術的橋梁，可應對復雜電力網(wǎng)絡運行控制、海量信息、復雜應用需求等帶來的挑戰(zhàn)[4-5]?，F(xiàn)階段，我國在電力物聯(lián)網(wǎng)、云計算、邊緣計算等方面均有了初步的探索和技術積累，可以為各種電力業(yè)務的智能化提供基本保障[6-8]，但仍存在許多亟待解決的痛點。
首先，盡管物聯(lián)網(wǎng)技術的逐步發(fā)展與應用促使大量傳感器被廣泛部署到電力系統(tǒng)的各個環(huán)節(jié)，實現(xiàn)電網(wǎng)數(shù)據(jù)的采集，但目前電網(wǎng)各部門的設備種類較多且相對獨立，如何快速接入異構的電網(wǎng)設備實現(xiàn)數(shù)據(jù)的實時采集仍是需要解決的問題。其次，盡管對電力大數(shù)據(jù)的挖掘和分析的研究已經(jīng)進行了數(shù)年，但電網(wǎng)數(shù)據(jù)種類多、量級大且較難統(tǒng)一管理，數(shù)據(jù)的標簽信息較少或缺失等，導致可用于分析的數(shù)據(jù)不足。盡管以深度學習為代表的人工智能技術是實現(xiàn)智慧電網(wǎng)核心功能的“大腦”，但其高效處理數(shù)據(jù)的能力是以高計算資源為代價的，雖然利用云端的強大計算資源可以驅動“大腦”運轉，但其服務時延和網(wǎng)絡帶寬消耗均較高，因此無法滿足就地處理與實時智能分析的業(yè)務需求，此外，將數(shù)據(jù)傳輸至云端更會給用戶數(shù)據(jù)隱私帶來極大的暴露風險。
電力領域應用中的不同環(huán)節(jié)，如數(shù)據(jù)聚合、數(shù)據(jù)處理、數(shù)據(jù)分析和數(shù)據(jù)決策等，往往也會產(chǎn)生各種各樣的業(yè)務約束要求，其中，對處理時延、傳輸帶寬和數(shù)據(jù)隱私等有著非常高要求的應用都迫切需要盡可能在靠近網(wǎng)絡的邊緣側提供智能處理功能。顯然，傳統(tǒng)的云中心智能無法很好地滿足此類業(yè)務需求，而邊云協(xié)同智能技術為解決上述問題提供了一條可行的道路，即通過端、邊、云之間的協(xié)同優(yōu)化，實現(xiàn)安全、敏捷、低成本、低時延、隱私保護的大數(shù)據(jù)和人工智能服務與應用。邊云協(xié)同智能技術由于具有節(jié)省帶寬、減少時延、保護數(shù)據(jù)隱私等諸多優(yōu)點，已經(jīng)受到工業(yè)界和學術界的關注，并廣泛應用于智能家居、智慧城市和工業(yè)物聯(lián)網(wǎng)等多個領域[9-12]。
盡管如此，邊云協(xié)同技術在電力領域的相關應用研究仍然處于初級階段。本文旨在對面向電力領域的邊云協(xié)同智能技術研究展開探索和討論。首先，介紹了邊云協(xié)同智能的概念、研究現(xiàn)狀和優(yōu)點，對其賦能電力領域進行了適用性分析，邊云協(xié)同智能技術的優(yōu)勢剛好對應電力發(fā)展的 需求;然后，提出了兩大類面向電力場景的邊云協(xié)同智能關鍵技術，針對電力領域有帶寬時延強約束和數(shù)據(jù)隱私保護需求的兩個典型場景提出了基于邊云協(xié)同智能技術的解決方案，并搭建仿真實驗進行效果驗證;最后，對全文進行總結并對邊云協(xié)同智能技術進一步賦能電力領域的發(fā)展方向進行了展望。
2邊云協(xié)同智能
2.1基本概念
隨著物聯(lián)網(wǎng)、智能終端和5G通信技術的快速發(fā)展，萬物互聯(lián)的智能時代正在加速到來，智能終端和各類傳感器產(chǎn)生的數(shù)據(jù)正在以指數(shù)級爆發(fā)增長。一種嶄新的計算范例邊緣計算正在迅速普及，邊緣計算由于其有望節(jié)省帶寬、減少時延、保護數(shù)據(jù)隱私而受到了工業(yè)界和學術界的極大關注[13]。同時，隨著深度學習和硬件體系結構升級的突破，人工智能(AI,artificialintelligence)在計算機視覺、語音識別、自然語言處理甚至棋盤游戲等眾多領域有著蓬勃的發(fā)展[14]。
考慮AI在功能上對于大量數(shù)據(jù)的快速分析是必不可少的，因此，強烈要求將邊緣計算和AI結合在一起，這催生了一個新的研究領域，即邊緣智能。一方面，在網(wǎng)絡邊緣生成的數(shù)據(jù)需要AI才能完全釋放其潛力，同時邊緣計算能為AI提供豐富的應用場景，提升AI的規(guī)模和效率，稱為邊緣賦能AI;另一方面，可借助流行且高效的AI為邊緣計算中的約束優(yōu)化問題提供更好的解決方案，稱為AI賦能邊緣。本文旨在研究面向電力場景的邊緣智能關鍵技術，因此屬于邊緣賦能AI。邊緣賦能AI并非是邊緣計算和AI的簡單組合，它的核心價值在于實現(xiàn)邊云協(xié)同智能，當前，尚不存在邊云協(xié)同智能的正式定義和國際公認的定義。為了解決這個問題，一些研究人員提出了自己的定義[15-18]。
在本文中，將邊云協(xié)同智能定義為通過端、邊、云之間的協(xié)同優(yōu)化，實現(xiàn)敏捷、低成本、低時延的大數(shù)據(jù)和人工智能服務與應用。顯然，在廣義上，邊云協(xié)同智能包含基于端、邊、云實現(xiàn)人工智能服務的不同組合模式，如端邊協(xié)同、邊云協(xié)同、邊邊協(xié)同和端邊云協(xié)同，還有云智能(數(shù)據(jù)全部上云，所有智能分析和決策均在云端完成)和終端智能(數(shù)據(jù)獲取、處理和智能分析均在終端設備上完成)兩類極端情況。在狹義上，邊云協(xié)同智能是通過邊和云兩者之間的協(xié)同優(yōu)化來提供高效的AI服務。
2.2研究現(xiàn)狀
近年來，邊云協(xié)同智能引起了工業(yè)界和學術界的廣泛關注，并取得了初步的進展。加利福尼亞大學伯克利分校電氣工程與計算機科學系多位教授聯(lián)名撰寫的前瞻性研究報告指出邊云協(xié)同智能是人工智能系統(tǒng)發(fā)展的9大趨勢之一[19];微軟云通過結合其邊緣計算平臺AzureIoTEdge[20]和Azure機器學習平臺賦能邊云協(xié)同智能;與AzureIoTEdge相似，CloudIoTEdge[21]通過利用TensorFlowLite和EdgeTPU等GoogleAI產(chǎn)品，將GoogleCloud的數(shù)據(jù)處理和機器學習擴展到數(shù)十億邊緣設備。
此外，Google提出了聯(lián)邦學習框架[22]，旨在利用分布式的邊緣和終端設備進行機器學習模型訓練，確保原始數(shù)據(jù)不上云，降低用戶隱私泄露風險;AWSIoTGreengrass[23]使用在云中經(jīng)過訓練和優(yōu)化的模型，可以輕松地在設備上本地執(zhí)行推理任務;著名的Gartner將邊云協(xié)同智能整合為一項新興技術，該技術將在接下來的5～10年內(nèi)達到穩(wěn)定的生產(chǎn)力水平[24]。Google、Microsoft、Intel、IBM、阿里巴巴和華為等企業(yè)紛紛提出了試點項目，以展示邊緣計算在促進AI繁榮發(fā)展的最后一步方面的優(yōu)勢。
2.3特征與優(yōu)勢
相比于傳統(tǒng)的云計算，邊云協(xié)同智能至少包含以下4個方面的特征與優(yōu)勢。1)帶寬成本低。根據(jù)互聯(lián)網(wǎng)數(shù)據(jù)中心的預測，到2025年，全球的數(shù)據(jù)總量將達到180ZB[35]，而當前的網(wǎng)絡帶寬遠遠不能滿足這樣的數(shù)據(jù)傳輸量需求，這將成為云計算的瓶頸，此時70%以上的數(shù)據(jù)都需要在網(wǎng)絡邊緣進行處理。邊云協(xié)同智能最大的優(yōu)勢就是將數(shù)據(jù)分析放在邊緣端進行處理，避免了海量數(shù)據(jù)的上傳，極大地節(jié)省了帶寬成本。2)智能化水平高。邊云協(xié)同智能技術通過端、邊、云之間的協(xié)同優(yōu)化，高效地實現(xiàn)各類大數(shù)據(jù)和人工智能服務與應用。其中，以深度學習為代表的機器學習算法是實現(xiàn)邊云協(xié)同智能的核心支撐，這些AI算法對于快速分析大量數(shù)據(jù)也是必不可少的。
3適用性分析
現(xiàn)階段，電力領域中各種智能應用的發(fā)展主要存在以下特征和需求。
1)終端傳感器泛在接入，數(shù)據(jù)呈現(xiàn)多元化。由于電力物聯(lián)網(wǎng)“萬物互聯(lián)”的包容性與開放性，大量感知設備被廣泛布置在電力系統(tǒng)的各個環(huán)節(jié)，除了傳統(tǒng)電力系統(tǒng)的單一結構化數(shù)據(jù)，各類圖片、視頻、地理信息等半結構化或非結構化數(shù)據(jù)被實時靈活地獲取，使得數(shù)據(jù)來源復雜多樣，且這些數(shù)據(jù)的存儲級別在TB級以上，同時還在迅猛增長。由于網(wǎng)絡傳輸帶寬的瓶頸，將所有數(shù)據(jù)全部上傳到云服務器進行分析是不切實際的，通常也是不必要的。因此，需要能有效節(jié)省帶寬的智能技術來助力電力物聯(lián)網(wǎng)的建設。
2)電網(wǎng)數(shù)據(jù)價值未能被充分挖掘。在電力系統(tǒng)中，海量電網(wǎng)用戶產(chǎn)生的數(shù)據(jù)非常有價值，對這些數(shù)據(jù)的分析能為電網(wǎng)公司削峰填谷、提高電網(wǎng)利用率、防范竊電、節(jié)能降耗、系統(tǒng)規(guī)劃等帶來有利支撐。雖然電網(wǎng)公司在大數(shù)據(jù)領域已經(jīng)進行了多年研究，但是研究成果有待進一步提高，尤其針對標簽信息較少或缺失的電網(wǎng)數(shù)據(jù)，需要設計新的智能化算法以提高技術保障。此外，如何將數(shù)據(jù)的分析結果應用于調度、巡檢等業(yè)務場景也是一大需求。
4面向電力場景的邊云協(xié)同智能關鍵技術
邊云協(xié)同智能技術能夠促進電力領域智能化水平的全面發(fā)展。支撐電力領域的邊云協(xié)同關鍵技術，邊云協(xié)同體系架構使得電力物聯(lián)網(wǎng)的萬物互聯(lián)藍圖成為現(xiàn)實，邊云協(xié)同核心算法彌補了電力物聯(lián)網(wǎng)的智能化有待提升的缺陷，基于邊云協(xié)同的帶寬時延強約束數(shù)據(jù)分析技術為電力場景下的圖片/視頻類應用提供支撐，而面向海量敏感、非貫通數(shù)據(jù)的邊云協(xié)同智能技術將有效滿足電力用戶隱私保護的需求?？紤]應用的廣泛性和迫切性，本文主要介紹后面兩個技術。
4.1電力場景中基于邊云協(xié)同的帶寬時延強約束數(shù)據(jù)分析技術在電力物聯(lián)網(wǎng)建設中，除了采集在傳統(tǒng)電力系統(tǒng)中的單一結構化數(shù)據(jù)(如用戶用電量數(shù)據(jù))，還需要采集語音、圖片、視頻等海量非結構化數(shù)據(jù)，以實現(xiàn)全方位電網(wǎng)感知和優(yōu)質服務。在輸電領域，通過無人機拍攝高壓輸電線路的高清圖片來判斷線路的健康狀態(tài);在變電領域，通過巡檢機器人拍攝變電設備(如表計、刀閘、主變等)的視頻以實時監(jiān)測設備運行狀態(tài)。
此外，在電力虛擬現(xiàn)實(VR,virtualreality)/增強現(xiàn)實(AR,augmentedreality)方面，更是需要實時更新高清畫質，這對網(wǎng)絡環(huán)境要求極高。上述圖片/視頻類分析如果在云數(shù)據(jù)中心進行則不能保證數(shù)據(jù)處理的實時性，并且這些數(shù)據(jù)的上傳對帶寬要求更高。因此，這類對于帶寬和時延具有非常強約束要求的圖片/視頻分析應用代表著邊云協(xié)同智能技術在電力場景中的殺手級應用[36]。
5應用案例分析
邊云協(xié)同智能在數(shù)據(jù)產(chǎn)生源提供服務，因此可以在電力各種應用場景發(fā)揮巨大的優(yōu)勢。本節(jié)將列舉電網(wǎng)變電側、用電側的兩個典型業(yè)務場景，分別介紹邊云協(xié)同智能技術在各場景中的解決方案，并設計實驗驗證所提方案的效果，結合這些案例可以進一步表明邊云協(xié)同智能技術在具有帶寬時延約束和隱私保護約束的應用中的優(yōu)勢。
5.1基于邊云協(xié)同的變電站視頻智能監(jiān)控系統(tǒng)
隨著電力系統(tǒng)網(wǎng)絡的全面改造，在各變電站均設有多個攝像頭對其各個角落進行監(jiān)控，以便能實時掌握變電站的情況，并及時對突發(fā)情況做出反應。主要監(jiān)控對象有變電站內(nèi)電力設備(如主變壓器、表計、刀閘等)的外觀和運行狀態(tài)、線路上的設備和異常情況(如絕緣子破損、導線散股、異物懸掛等)、作業(yè)人員的行為(如是否佩戴安全帽)以及變電站的周界防護(如危險區(qū)域入侵)等。因此，變電站存儲了海量的視頻圖像信息，結合變電站日常工作要求，如何利用好這些視頻圖像數(shù)據(jù)成為當前變電站運維管理工作的一項重要內(nèi)容，這也是變電站實現(xiàn)無人值守的必要自動化項目。
6結束語
邊云協(xié)同智能作為邊緣賦能AI的核心價值體現(xiàn)，是提升電網(wǎng)穩(wěn)定運行和智能化管理的有效技術手段。本文對如何利用邊云協(xié)同智能技術推動電力領域發(fā)展這一問題進行了深入討論，首先，在深入分析當前電網(wǎng)建設需求的基礎上，介紹了邊云協(xié)同智能的概念、研究現(xiàn)狀及優(yōu)點，對邊云協(xié)同智能賦能電力領域進行了適用性分析。然后，針對兩類典型的電力場景提出了邊云協(xié)同智能關鍵技術，并給出具體的邊云協(xié)同解決方案，之后設計實驗驗證其有效性。除以上介紹，面向電力場景的邊云協(xié)同智能關鍵技術還有待深入研究，下面從兩方面進行簡要展望。
1)電力領域中的邊云協(xié)同智能技術還需要有統(tǒng)一完善的體系架構來滿足電力場景下組網(wǎng)的多層性和異構性、服務的彈性和多樣性、智能的協(xié)同性和高效性等多方面約束和需求，并且邊云協(xié)同智能系統(tǒng)的主要任務是高質量滿足用戶提交的服務請求，根據(jù)系統(tǒng)動態(tài)性、彈性分配或釋放計算資源，來提高資源利用率。因此，電力場景下的邊云協(xié)同體系架構對支撐電網(wǎng)業(yè)務驅動的智能任務編排、資源驅動的彈性服務及各種協(xié)同方式下的智能訓練和推理，具有重要的實際意義。
2)以機器學習算法為代表的分布式數(shù)據(jù)分析技術是實現(xiàn)電力海量數(shù)據(jù)智能分析處理的核心。典型的機器學習算法包括深度學習、聚類、分類、關聯(lián)性分析、小樣本學習、強化學習等，其中監(jiān)督學習、無監(jiān)督學習等均已應用于電網(wǎng)系統(tǒng)，如無監(jiān)督機器學習和小樣本學習能對無標簽的分布式智能電表數(shù)據(jù)進行實時分析來提高電網(wǎng)的效率。而核心機器學習算法的邊云協(xié)同機制對支撐多層異構的電力場景下的分布式數(shù)據(jù)分析與挖掘具有重要意義。
參考文獻：
[1]張聰,樊小毅,劉曉騰,等.邊緣計算使能智慧電網(wǎng)[J].大數(shù)據(jù),2019,5(2):64-78.ZHANGC,FANXY,LIUXT,etal.Edgecomputingenabledsmartgrid[J].BigDataResearch,2019,5(2):64-78.
[2]中國電機工程學會電力信息化專業(yè)委員會.中國電力大數(shù)據(jù)發(fā)展白皮書[M].北京:中國電力出版社,2013:10-15.InformatizationCommitteeoftheCSEE.WhitepaperofelectricpowerbigdataofChina[M].Beijing:ChinaElectricPowerPress,2013:10-15.
[3]王繼業(yè),郭經(jīng)紅,曹軍威,等.能源互聯(lián)網(wǎng)信息通信關鍵技術綜述[J].智能電網(wǎng),2015,3(6):473-485.
作者：韓青1，高昆侖2，趙婷2，陳江琦2，楊新宇1，楊樹森1
相關閱讀
