面向能源互联网+智能感知的边缘计算技术研究/张树华，仝杰，张鋆，张明皓，雷煜卿，朱咏明.
《电力信息与通信技术》2020年第4期，42-50.
能源互联网实现万物互联，产生海量的异构数据，传统的感知架构正面临着什么样的挑战？感知的方向要走向何方？边缘计算技术能否应对这一挑战呢？感知智慧化又是如何实现的？边缘计算下智能感知的实践效果如何？请看《电力信息与通信技术》2020年4期《面向能源互联网智能感知的边缘计算技术研究》。
引文信息
张树华, 仝杰, 张鋆, 等. 面向能源互联网智能感知的边缘计算技术研究[J]. 电力信息与通信技术, 2020, 18(4): 42-50.
ZHANG Shuhua, TONG Jie, ZHANG Jun, et al. Research on Edge Computing Technology for Intelligent Sensing Layer of Energy Interconnection[J]. Electric Power Information and Communication Technology, 2020, 18(4): 42-50.
一、智能感知边缘计算技术框架
为实现能源互联网的全面感知，建设良好的基础实施，面向各类电力感知场景，以电气量、环境量、物理量、状态量、行为量、空间量六大电网特征参量，依据电网发、输、变、配、用五大感知场景百余类传感装置应用布局原则，实现先进感知技术与边缘计算技术的融合，研制智能传感终端，在电力物联网感知支撑技术方面全面谋划、统筹布局，实现能源互联网战略目标落地实施。
边缘计算与感知技术结合，采用融合框架结构，如图1所示，框架定位于统一实现各专业应用远程安装、配置、升级、监控，统一对操作系统进行状态监视、在线升级，以及远程对硬件各功能模块进行工况监测、配置管理，满足智能感知的需求。
图1 智能感知边缘计算技术整体框架
二、多参量感知数据传输优化机制
智能感知终端处于系统的中枢，受限于感知终端所处的位置、功耗要求、尺寸大小，其智能计算的能力会受到不同程度的影响，需要根据业务的需求进行均衡，综合分析云计算平台与边缘计算终端硬件资源的配置情况与算力，引入“云边协同、数据升降维”等方式，如图2所示，合理设计云边协同的系统架构、交互方式、数据传输等。
图2 智能感知云边协同
云边协同从智能感知终端与智能感知云的硬件资源、数据格式、通信接口、安全协议、传输吞吐率等方面出发，实现边缘智能感知终端与智能感知云的数据处理，减少网络传输的数据量，提高云计算的计算效率，协同完成用户业务需求，通过数据之间协作缓存，快速响应，实现区域内“感知自治”，增强协同工作的实时性。
智能感知终端通过基础服务层与设备接入层与智能感知云进行接入互动；通过支持服务层与智能感知云进行服务互动；通过对外交互层与边缘应用层与智能感知云进行应用互动。
三、 多参量智能感知算法设计
智能感知终端在云边协同机制下，利用应用交互、服务交互、接入交互3种方式，通过数据统一、数据辨识、分布式群智几个步骤完成智能终端的智能化，通过智能感知云下发个体参数，实现数据的高效处理、深度挖掘。智能感知计算参数提取如图3所示，采集的传感器数据基于保留最大有效信息的思路，采用高效计算方法提取特征，通过数据统一、数据辨识、分布式群智实现主流的特征提取；依赖于经验和（或）启发性事实，将特征提取作为一个最优化的问题分析其发展趋势，处理最小化误报率且最大化的检测/隔离精度。
图3 智能感知计算参数提取
架空输电线路规模庞大，运行于地域广阔、环境复杂、气候多变的通道走廊中，雷电、雨雪冰冻、大风台风等极端天气事件及其次生、衍生灾害呈增加趋势，在施工破坏、山火、地质灾害等外部因素综合作用下，灾害的突发性、异常性和复杂性有所增加，严重威胁输电线路安全稳定运行；同时，高压电缆在城市地下的运行环境复杂，出现火灾、沉降、外破等异常状况会给高压电力电缆安全运行带来巨大威胁。
选取110 kV输电线路进行智能感知终端的测试，线路位于Ⅲ级风害区，部署加速度传感器、北斗定位、微风振动传感器、金具温度、视频监控等，建立边缘计算应用APP，实现业务算法仓库，算法远程配置下发参数，实现整体资源的调控。
智能感知终端采集大量数据后，在服务器进行算法分析优化，通过云边协同机制下发最新的算法参数，提高实时判决的准确度。以鸟巢为例，如图4所示，在服务器端根据采集的数据图像通过分布式群智，实现鸟巢的识别算法，分析出边缘计算的参数。
图4 鸟巢算法升级
五、 解决的问题和意义
1）不断提升数据质量，降低系统处理压力。能源互联网的信息流实现能源互联网的电力调度、保护测控、安全运维、在线监测、互联互通，进而产生海量数据，具有异构特征，数据量成指数级增长，进入了能源大数据的时代。数据具有以下特征：采集的频次越来越高，采集的时间间隔甚至到毫秒级，产生的数据量越来越大；采集的数据格式不统一，数据没有进行标准化处理，接入主站压力大；数据缺失现象严重，智能感知终端采集的数据存在不同程度的误差；数据来源众多，发电资产、电网资产、公共资产的信息渠道不一致。边缘计算技术作为数据处理的重要手段，实现网络传输、存储计算、数据压缩、特征提取的融合，剔除糟粕，通过云边协同机制，不断提升感知算法的性能，实现有效数据的上送，为后续的数据处理打下良好基础。
2）降低系统通信的压力。能源互联网感知终端传输数据的频次越来越高，采集数据的时间间隔甚至到毫秒级，数据速率越来越快，产生的数据量越来越大，对通信设施、主站系统带来巨大的影响。边缘计算提取数据中的有效信息，通过通信模块化的设计思路，实现多种通信方式的融合，资源的调度与合理搭配，实现软件自定义网络结构，提升数据传输的质量，满足智能感知业务多样化、多层次、高可靠的需求。
作者介绍
张树华（1980），男，高级工程师（教授级），从事人工智能、边缘计算方面的工作，zhq_hd@163.com；
仝杰（1983），男，高级工程师，从事智能传感方面的工作；
张鋆（1990），男，工程师，从事智能传感方面的工作；
张明皓（1989），男，工程师，从事智能传感方面的工作；
雷煜卿（1975），男，高级工程师，从事智能传感方面的工作；
朱咏明（1973），男，高级工程师，从事计算机科学与技术、智能传感方面的工作。