LPWAN與邊緣計算融合在電力物聯網中的應用研究

邱曙光 龐成鑫 賈佳

摘 要：電力物聯網是推動能源互聯網發展的重要技術支撐之一，是獲取電力能源信息的有效途徑。文中提出將低功耗廣域網（LPWAN）技術和邊緣計算（EC）融合應用在電力物聯網中，構建云邊端一體化管控的平臺架構，實現對電力數據的全面、深度感知，并將云服務下沉，提高現有電力系統信息智能化水平，為能源互聯網建設提供新的思路。

關鍵詞：能源互聯網;低功耗廣域網;邊緣計算;電力物聯網;一體化管控;云服務

中圖分類號：TP393文獻標識碼：A文章編號：2095-1302（2019）07-00-04

0 引 言

能源互聯網是未來能源系統的發展趨勢，通過開放性信息共享平臺，將供電、供熱、供氣以及可再生能源等能源體系互聯起來，以清潔可再生能源優先，以電力能源為中心，實現多能源體系優勢互補[1]，形成一個互聯互通的智慧能源系統。電力物聯網通過在電力系統中部署各類感知設備、智能終端和通信裝置等，實現電力信息的有效感知、獲取與處理，經有線與無線網絡進行可靠傳輸，并對獲取信息進行存儲、分析與處理[2]。電力物聯網是能源互聯網的關鍵技術之一。

隨著能源互聯系統的不斷擴大，現有電力物聯網必然存在諸多問題與挑戰。一方面，電力物聯網通過電力專網方式通信基本實現了電力生產業務中某些關鍵節點的數據連接，且業務相關性強;連接難、分布廣、分散性強且不易供電;數據價值密度低，需要大數據技術支撐;狀態變化緩慢穩定，采集頻次低;日常關注度低的海量“小數據”連接不全面[3-4]，如電力設備的環境參數（溫度、濕度、氣壓、酸堿度等）及電力設備狀態參數（電力塔桿姿態、設備絕緣程度等）。

另一方面，物聯終端“大連接、低延時”是能源互聯網發展的必然需求。海量部署的電力物聯終端設備會產生龐大的數據，對網絡帶寬和電力云端數據計算中心的運算能力提出了更高要求。傳統云技術數據處理機制將面臨處理龐大規模數據乏力、時效性差等問題，直接影響電力業務的安全和經濟效益。

本文提出將LPWAN技術和邊緣計算融合應用到電力物聯網中。首先，結合LPWAN技術，借助其超低功耗、低寬帶、低速率、覆蓋廣以及支持海量連接的特點，更好地解決電力系統中海量“小數據”的連接獲取問題。對于實時性要求高，傳輸量大的數據采用電力物聯網中的高速通信網絡傳輸，如電力光纖、電力載波、3G/4G等。兩者優勢互補，實現數據的全面感知。其次，結合邊緣計算，將電力云中心的部分計算任務遷移至網絡邊緣側，在靠近數據的源頭進行數據處理，提高數據處理的實時性、安全性，并降低數據傳輸的網絡帶寬要求。

1 關鍵技術及其融合

1.1 LPWAN技術

LPWAN是近年來物聯網發展的新熱點，與ZigBee，WiFi，Bluetooth等通信技術致力于高速率不同，其更關注低功耗、遠距離、低帶寬、易于部署等方面。其中，NB-IoT和LoRa是LPWAN技術的典型代表[5]。NB-IoT采用蜂窩通信技術，工作在授權頻段，由電信運營商主導建設[6];LoRa采用線性擴頻技術，工作在非授權頻段，由使用者自行組網，可工作在移動蜂窩網絡無法覆蓋的偏遠地區[7]。幾種通信技術的比較見表1所列。由表1可知，LoRa和NB-IoT在功耗上有明顯優勢，且組網節點數目龐大，傳輸距離遠，適合終端設備的海量部署和連接。LPWAN的眾多優點是以犧牲通信速率為代價的，但在“小數據”監測的應用場景下，對數據通信速率要求不高，因此適用。

1.2 邊緣計算

邊緣計算（EC）是在物聯網、人工智能、大數據及云計算快速發展，產業快速轉型、變革形勢下提出的新計算模式，可將具有計算、存儲、應用等能力的智慧平臺部署在靠近數據源頭的網絡側，提供邊緣意義上的智能服務[8]。邊緣計算基本模型如圖1所示。在邊緣計算中，智能邊緣設備充當數據“生產者”和“消費者”的聯合體，傳統云集中式計算服務中心的部分計算遷移至邊緣設備。邊緣設備作為數據的第一入口，對數據進行加工、處理、存儲以及分析，對要求響應速度較快的場合，可以直接對業務進行決策，最終將處理結果上傳云端，減少網絡帶寬的要求和云端計算的壓力。

1.3 LPWAN與邊緣計算融合

LPWAN技術和邊緣計算是物聯網、大數據、云計算、智能技術快速發展形勢下演變出的新技術，都為解決互聯網產業變革中所產生的難題提供了技術支撐。LPWAN與邊緣計算都有其自身的技術優勢，將兩個技術融合應用到電力物聯網中，在特定場合下將展現出獨特優勢。

（1）提高網絡拓撲的靈活性

大多數LPWAN拓撲方案均采用星型拓撲結構，通過單跳方式直接與網關或基站通信，簡化了協議棧，便于集中管理[9]。但LPWAN中的大部分終端節點均采用電池供電，在遠離網關或者基站時，必須以高功率電平進行數據傳輸，加快了電池電量消耗。利用邊緣計算對LPWAN組網中節點、路由、帶寬等關鍵網絡參數進行優化，動態重構網絡，實現智能路由，從而降低各節點的能耗，保證LPWAN應用在電力物聯網中進行數據通信時的可靠性。

（2）提高數據分析質量

現有電力物聯網對“小數據”的連接不夠全面，數據源采集的數據包含大量無用數據，使得服務器性能下降，且隨著終端數量不斷增加，服務的實時性也無法得到保證。LPWAN技術可與現有電力通信網絡進行優勢互補，實現對邊緣數據的全面感知，而且通過邊緣計算，可以在數據源頭對數據進行過濾和處理，去除大部分臨時數據，只將部分關鍵數據上傳云端。服務器只需集中處理這些關鍵數據即可，提高數據分析質量，及時響應業務需求。

（3）提供安全與隱私保護

傳統電力云大數據中心向電力用戶提供服務時，需要收集用戶側上傳的所有數據。隨著網絡的日益復雜和計算機病毒的不斷升級，勢必會給網絡信息的傳輸帶來威脅。LPWAN終端設備具備一定的運算能力，能夠部署輕量級加密算法，如基于LoRa的終端設備，通信協議中使用多個密鑰以及雙重128AES加密機制，以提供通信安全保障[10];如基于NB-IoT的終端設備，支持雙向鑒權和空口加密機制，可確保終端設備在發送接收數據時的空口安全性。同時，邊緣計算網關可對終端設備上傳的數據進行深入封裝和加密，部分敏感數據可直接在網絡邊緣進行處理，不必上傳網絡，以保證數據安全及隱私。

2 融合LPWAN與邊緣計算的電力物聯網架構

融合LPWAN技術和邊緣計算的電力物聯網架構可以劃分成感知層、邊緣層、云計算層、應用層，如圖2所示。其中感知層加入基于LPWAN的監控終端設備，在信息獲取上相比傳統的電力物聯網具有獨特優勢。此外，在云集中式處理數據的傳統模式下加入邊緣層，將云服務下沉至邊緣，使數據處理更靠近數據源頭，構建“云-邊-端”一體化管控的平臺架構。

2.1 感知層

感知層包括部署在電力系統中的各類型傳感器和監控設備、控制設備及智能終端等。感知層的各類設備通過電力光纖、電力載波、LPWAN等通信方式實現與邊緣層的連接，或直接與云計算層中各類服務器進行連接。通信網絡可以使用不同的拓撲結構，通過邊緣網關連接至廣域網絡。

2.2 邊緣層

邊緣層接收、處理和轉發來自感知層的數據流，實現邊緣智能計算、數據分析，提供數據存儲、實時控制等時間敏感服務。邊緣層由邊緣節點和邊緣管理器組成。邊緣節點是邊緣計算的核心，包括以網絡協議處理和轉換的邊緣網關、支持實時閉環控制的邊緣敏捷控制器、集中處理邊緣大數據的邊緣云等。邊緣管理器的核心是軟件，主要對邊緣節點進行統一管理。

2.3 云計算層

云計算層是由數據采集服務器、數據運算服務器、數據存儲服務器、應用服務器等各類型服務器組成的集群。云計算層從感知層和邊緣層接收數據流，向感知層發出控制信息，同時根據業務需求，云計算層可以和邊緣層協同合作，最終實現從全局范圍內對資源進行調度，向電力行業提供服務。

2.4 應用層

應用層包括中間件和應用基礎設施，提供計算、信息處理、資源調度等功能接口。利用模式識別、智能計算等技術實現電網信息的處理和綜合分析與智能化控制與決策服務，提高發電、配電、輸電、用電等應用環節的智能化水平。

3 LPWAN與EC融合在電力物聯網中的應用

在能源互聯網“泛感知”的需求下，LPWAN技術與EC的融合應用到電力物聯網中，可為電力行業發展中出現的問題提供解決方案。

3.1 電力設備環境監測

電力能源系統發電、配電、輸電、用電等環節中設備數量龐大，每個設備的工作環境狀態是否在正常范圍內對電力系統運行的可靠性影響巨大。如電力設備周圍溫度、氣壓、濕度、酸堿度等，如電力塔桿傾斜、移動、震動等。由于數據監測點多，分布范圍廣，高度分散，監測設備不易供電，傳統電力系統無法對這些數據進行有效連接和管理。如果對邊緣小數據進行分析和處理，則可以提高電力巡檢的效率，預防電力事故的發生。圖3所示為LPWAN技術和EC融合到電力設備環境監測中的應用場景示意。通過LPWAN技術，各環境監測節點可使用電池供電，靈活部署在各環境監測點，使電力設備環境監測的廣泛普及成為可能。分布式邊緣計算網關在網絡邊緣對海量環境數據進行多協議解析、實時分析和管理，并與電力監控中心協同，向電力檢修平臺以及在偏僻地區進行電力檢修的工作人員提供智能服務。

3.2 新能源發電監測

清潔新能源發電在能源互聯網體系中占有重要地位，是電力系統能源轉型的關鍵，對分布式能源、儲能設備的實時監控是電力能源供需領域互動的重要技術支撐[11-12]。各種新能源發電資源，如風能、太陽能、潮汐能等分散性強且地域偏僻，數據采集存在一定的困難。LPWAN和EC融合在新能源發電數據監測中的應用如圖4所示。電力數據監測可使用“電力通信專網+LPWAN組網”方式通信，實現電力數據的全面感知。對于時間敏感型業務采用高速電力通信專網;對實時性要求不高，數據采集量不大的業務采用LPWAN組網方式通信，以提高電力通信網絡的靈活性，降低電力通信基礎設施的部署成本。

分布式發電能源并網后，電力數據量龐大，能源管理與需求響應的實時性要求高。通過部署邊緣計算將傳統電力云中的部分計算任務遷移至邊緣云。分布式邊緣云根據電力業務和功能需求進行任務劃分，并使計算節點更靠近數據采集點。分布式邊緣云和電力中心云協同合作，為電力管理部門和電力用戶提供實時高效的服務。

4 結 語

LPWAN是物聯網通信技術的重要突破，其擁有的優勢能夠填補電力能源領域中“小數據”獲取的空白，實現電力信息數據的全面深入感知。邊緣計算將云端的計算任務有效分配到網絡邊緣側，降低數據傳輸帶寬要求和云計算中心的計算負荷，提高電力系統業務需求響應的速度。能源互聯網是未來發展的趨勢，兩個技術融合應用，在構建互聯互通的智慧能源體系過程中將發揮重要作用。

除了電力領域，LPWAN技術與邊緣計算融合的應用還可以延伸至梯聯網、車聯網、智慧水務、智慧交通等領域，其邊緣計算的節點選擇靈活多變。隨著邊緣計算的標準規范不斷完善以及計算芯片與存儲設備成本的下降，以深度學習為代表的新一代AI可以實現邊緣化的部署[13]，為各行各業提供更加優質、便捷、靈活的服務。

注：本文通訊作者為龐成鑫。

參 考 文 獻

[1]曾鳴，楊雍琦，劉敦楠，等.能源互聯網“源-網-荷-儲”協調優化運營模式及關鍵技術[J].電網技術，2016，40（1）：114-124.

[2]歐海清，曾令康，李祥珍，等.電力物聯網概述及發展現狀[J].數字通信，2012，39（5）：62-64.

[3]陳永波，湯奕，艾鑫偉，等.基于LPWAN技術的能源電力物聯專網[J].電信科學，2017，33（5）：143-152.

[4]陳永波，劉建業，陳繼軍.智慧能源物聯網應用研究與分析[J].中興通訊技術，2017，23（1）：37-42.

[5]吳毅，夏婷婷，李潤青.基于NB-IoT及LoRa的技術分析和應用展望[J].中國管理信息化，2018，21（3）：162-164.

[6] MANGALVEDHE N，RATASUK R，GHOSH A.NB-IoT deployment study for low power wide area cellular IoT [C]// 2016 IEEE 27th Annual International Symposium on Personal，Indoor，and Mobile Radio Communications. Valencia，Spain：IEEE，2016：2166-9589.

[7] WIXTED A J，KINNAIRD P，LARIJANI H，et al. Evaluation of LoRa and LoRaWAN for wireless sensor networks[C]// 2016 IEEE SENSORS. Orlando FL，USA：IEEE，2017：1-3.

[8] SHI W，CAO J，ZHANG Q，et al.Edge computing：vision and challenges[J].IEEE internet of things journal，2016，3（5）：637-646.

[9]李敬兆， 萬露，楊大禹，等.LPWAN上行多跳通信在輸電線路監測應用研究[J].電測與儀表，2018，55（5）：132-136.

[10]李彤，李博，常成，等. LoRaWAN協議分析及安全性研究現狀[J].單片機與嵌入式系統應用，2018（11）：21-25.

[11]曾鳴，楊雍琦，李源非，等.能源互聯網背景下新能源電力系統運營模式及關鍵技術初探[J].中國電機工程學報，2016，36（3）：681-691.

[12]李彬，賈濱誠，陳宋宋，等.邊緣計算在電力供需領域的應用展望[J].中國電力，2018（8）：1-8.

[13]王瑩，王金旺.AI在邊緣設備上的發展機會[J].電子產品世界，2018，25（5）：13-17.