基于數據邊緣計算的智能集中器設計與應用

梁哲恒， 何恒靖， 張樂平， 周尚禮， 林俊宏， 劉碧波

(1.廣東電網有限責任公司信息中心，廣東 廣州 510062； 2.南方電網數字電網研究院有限公司，廣東 廣州 510062； 3.合肥工業大學 電氣與自動化工程學院，安徽 合肥 230009)

隨著各類數據方法在配電網中的應用，配電網正逐步實現自動化與智能化的轉變，對數據處理能力的要求與日俱增。從萬物互聯的時代背景來看，各類網絡中接入的邊緣設備數量也越來越多，由此帶來的數據吞吐量已達到澤字節(ZB)級別；同時，通信網絡的快速迭代也對數據的上下行速率提出了更高的要求。而在智能電網中，對各終端數據進行快速采集和數據融合是智能化的重要途徑，因此有必要對一些傳統電能設備進行智能化改進，并引入新的數據處理方式。

近年來，隨著電網發展由分散式、區域調度到智能電網階段，云計算由于其一體化、集約化特點，開始成為智能電網建設的一大熱點。云計算將信息技術從產品化向服務化進行轉變，作為互聯網主流技術趨勢，云計算已經在不斷改變人們的工作和生活。

相比云計算技術，邊緣計算技術的數據處理方式更接近終端，因此在低時延處理上更具優勢[1]。因此，在當前的電網智能化過程中，采用邊緣計算技術的方案不斷涌現，如文獻[2]設計開發了一套基于邊緣計算技術的電力末端融合系統，文獻[3]提出了一套基于邊緣計算的多芯模組化電能表設計方案，文獻[4]提出了一類基于邊緣計算技術的電工裝備集成接入方案。

在電能計量系統中，集中器作為一類典型的邊緣設備，是存在于集中式抄表系統中連接主站和電表設備的樞紐，目前多用于底層電能表數據的采集、存儲和轉發，不參與數據處理工作。但隨著系統主站的數據處理壓力日漸增加，電能計量系統對集中器提出了更多的智能化要求。為了滿足智能化要求，文獻[5]提出了一類基于單片機的智能遠程集抄方案，文獻[6]提出了一種基于無線射頻和GPRS 技術的智能抄表系統集中器的設計和實現方案，文獻[7]提出了一種基于有限狀態機的智能抄表集中器的設計與實現方案，并進行了實際系統測試。

上述有關智能集中器的文獻，著重于智能集中器抄表功能的實現，而忽略了其在電能計量系統中的定位。智能集中器是典型的邊緣設備，是電能計量系統中較為靠近傳感器與用戶的分布式節點，不僅需要實現簡單的電能表數據采集功能，也應進一步實現快速的數據處理，以實現對云計算數據中心的計算分流，降低系統壓力。

首先討論了智能集中器在智能電網中的應用背景，整理了智能電能計量系統框架，明確了智能集中器在電能計量系統中的邊緣設備定位；然后，分析了邊緣計算的邏輯結構及其典型實現方案，提出了一類采用邊緣計算技術的智能化集中器設計方案；最后，考慮了一些采用該類智能集中器實際應用場景，提供了相關的應用方法和運行策略。目前來看，采用邊緣計算技術的智能集中器不但能夠分擔云計算數據中心的流量壓力、承擔部分數據處理工作，而且不需要過多的人工干預，可以自動實現電能表集抄、數據融合處理，有效提高電能計量系統運維效率。現有方法中對集中器的改進主要有兩類，一類是硬件方面的改進，一類是軟件框架的改進，本文主要采用第二類改進方法。

對比早期同類文獻的優化思路(如參考文獻[7])，本文主要優勢在于更加匹配邊緣計算的應用場景。首先是參考了思科5G解決方案，采用霧計算的分布式部署，與5G新基建的聯系更緊密；然后采用了目前較為流行的多線程思路，該思路已在網絡售票、網絡訂餐等互聯網領域廣泛使用，具有良好的效果。

1 邊緣計算技術

在過去數年中，大數據處理主要在云端進行，即采用云計算技術。此類方式在終端設備未實現智能化，即不具備運算能力或在運算能力較差的情況下能夠實現數據采集與融合處理，但仍然存在一些劣勢[8]。云計算平臺負載能力有限，網絡延遲較高，安全性較差，對冗余數據的處理容易形成算力浪費。

由此可見，集中式云計算方式的關鍵技術在處理邊緣設備數據時不夠高效，也未能匹配邊緣設備智能化和通信速率提高的時代背景，具有一些自身無法解決的弊病。要分擔數據中心的數據負擔，在集中式云計算的基礎上引入邊緣計算技術就很有必要。

典型的邊緣計算具有如圖1所示的邏輯結構。邊緣計算技術是一種采用多個小型數據中心或數據節點方式，減少核心網絡負載，降低數據傳輸時延的分布式數據處理方案[9]。作為一種有別于集中式云計算的部署方案，邊緣計算通過在網絡邊緣部署了數量很多、帶有緩存和計算處理能力的系統計算節點，從而實現與終端設備、傳感器和用戶之間更為緊密、快速的數據交換。通常情況下，這些計算節點可能是路由、終端、服務器或其他接入網絡的智能設備。

圖1 邊緣計算的典型邏輯結構

進一步，通過對計算節點進行分布式部署，能將大量的數據處理工作分配給邊緣設備完成，一方面充分利用了智能設備的算力，另一方面也能有效提升數據處理效率。正因為邊緣計算存在與集中式云計算方式的互補特性，業界普遍認可邊緣計算技術的應用前景，并設計了如下三類模式[10]。

① 霧計算(Fog Computing)模式：此模式由思科(Cisco)提出，主要將數據及其處理集中在邊緣設備中；

② 移動邊緣計算(Mobile Edge Computing，MEC)模式：通過布置大量無線接入網絡，使用戶能夠就近接入云端計算，達到高性能和低時延；

③ 微云(Cloudlet)模式：微云是面向移動終端的、邊緣化的小型數據云中心，能有選擇性地提供低時延計算功能。

邊緣計算節點的引入能彌補云計算的缺陷(如表1所示)，能加快云計算中心與終端設備的數據打包、數據轉發與數據處理。通過引入邊緣計算節點，可以有效降低云計算中心的數據流量負荷，加快數據處理速度，不僅可以為服務商節省數據傳輸和處理成本，也可以為客戶提供更快捷的服務體驗。

表1 邊緣計算與云計算的需求區別

2 集中器

在配電網中，電表數據集中器的主要作用是連接多臺電表，并轉發抄表數據到數據中心，在自動抄表系統有重要作用。通常，集中器采用MCU、ARM、PLC等計算核心[11-13]，包含通信、數據存儲和能源控制等功能，并采用總線或無線等集抄方案連接終端和數據中心，其典型系統結構如圖2所示。

圖2 遠程抄表系統結構示意圖

盡管接入了運營商網絡，現有的傳統集中器大多只具備數據抄錄和上載功能，對數據中心的計算性能依賴很大。如果在邊緣計算的應用場景下，一方面提高集中器的硬件水平，另一方面采用邊緣計算方法提高集中器的智能化程度，就可以將集中器作為邊緣網絡的計算節點，分流數據中心的數據壓力，從而提升運維效率。

3 基于邊緣計算技術的集中器智能化思路

將邊緣計算技術應用于集中器，能夠顯著提高集中器的智能化程度，實現電能測量數據分流。為保證邊緣計算的性能充足，本文選用的智能集中器基于工業級ARM架構芯片進行構建，采用開放式標準和模塊化設計。

智能集中器由核心計算處理模塊和通信接口模塊構成，核心計算處理模塊承擔末端電力業務的邊緣計算功能，并對用戶提供顯示和交互功能，內置安全模塊接口，通過在核心計算處理模塊中增加安全模塊，可實現對上行業務和對下行業務的安全防護，同時將強化存儲和通信能力。

通信接口模塊對上采用通過統一的互聯總線與核心的計算處理模塊互聯，對下則對接不同類型的通信模塊；模塊設計統一硬件接口、結構尺寸等，實現即插即用，靈活組合，滿足多樣化、多場景的應用需求。對于上行通信方面，采用GPRS方式通過運營商無線公網與計量主站進行通信；下行通信方面，本文采用寬帶電力線載波(Broadband Power Line Carrier,BPLC)通信方式，增加通信帶寬，提高網絡整體的吞吐量。

目前低壓窄帶電力線載波(Power Line Carrier,PLC)通信是集中器與底層電能表的主用通信方式，但目前低壓窄帶電力線載波通信方式存在諸多問題，一方面是通信速率較慢，在用戶數據高頻次采集、臺區識別、線損計算等業務方面難以支撐，另外一方面則是不同品牌廠家的PLC之間不能互聯互通，導致單個臺區存在異構網絡問題，使臺區集中器下行網絡的可用性和可維護性降低。本文提出的智能集中器對現存窄帶PLC通信方式進行優化，采用多制式通信模塊，在智能集中器硬件平臺上集成多種不同制式的PLC模塊，充分挖掘窄帶信道的效率，并預備在核心計算平臺層以軟件方式解決異構網絡互聯互通問題。

在軟件結構上，智能集中器采用基于開源Linux的操作系統，一方面可以更容易地實現軟件擴展，另一方面可以結合SSH(Secure Shell)遠程訪問技術進行數據管理，簡化運維流程。

4 數據采集與處理方法

在智能集中器中，通過在Linux中采用邊緣計算和信息管理，能夠快速進行數據采集，并進行簡單的數據處理。為充分利用ARM算力，本算例采用分布式管理策略，智能終端的數據系統主要由4個部分組成。

① 智能電表：其存在的主要作用是監測使用電量的多少；

② 智能集中器：對電表信息進行收集，并采用邊緣計算技術進行數據融合，以期達到更加高效的工作狀態；

③ 信息管理系統：對采集到的電能數據進行信息管理，可以分臺區進行數據統計與界面展示；

④ 云計算平臺：通過信息管理系統和云計算平臺進行交互，可以綜合多臺區數據，充分挖掘數據潛力，最終進行運維決策。

4.1 基于邊緣計算技術的數據采集方法

針對智能集中器的數據采集階段，筆者提煉為建立數據庫、數據篩選和數據清洗步驟，對在線數據進行修正入庫。

其中，數據篩選的思想是濾去錯誤數據，數據清洗的思想是針對傳感器可能出現的錯誤數據和測量誤差，進行算法修正，來排除故障預測的不利因素。

4.1.1 數據庫構建

本算例采用在Linux系統中能良好運行的MySQL開源關系型數據庫進行數據庫構建。軟件是目前比較流行的數據庫解決方案，具有以下優點：

① 多線程、多用戶；

② 基于C/S(客戶端/服務器)架構；

③ 高性能、高可靠、易于使用。

同時，針對集中器持續采集的特性，MySQL對大型數據庫支持較好，目前已支持 5000 萬條記錄的數據倉庫，32 位系統表文件最大可支持4 GB，64 位系統表文件最大可支持8 TB；另外，MySQL可以很容易地進行多系統訪問，支持多種編程語言配置，包括 C、C++、Python、Java、Perl、PHP、Eiffel、Ruby 和 Tcl 等。

在此基礎上，針對智能集中器的數據特點，整理出如表2所示的數據采集方法。

表2 智能集中器的數據采集方法設計

4.1.2 數據篩選

在智能集中器數據采集中加入數據篩選，目的是過濾數據中可能出現的非電能表來源的異常數據，對數據進行粗篩，進而滿足可用性要求。

本算例主要通過驗證緩沖區和校驗碼的方式進行數據篩選，如圖3所示，程序通過BPLC接口定時發送功能碼，并對接收到的數據先后進行緩沖區和校驗碼驗證。

圖3 數據篩選流程圖

4.1.3 數據清洗

數據清洗的主要方式是噪聲清理和查錯。本算例采用高斯混合模型聚類算法可以用來處理數據集中的噪聲數據。高斯混合模型(Gaussian Mixed Model，GMM)聚類算法對傳感器數據進行噪聲數據檢查時，其主要優勢在于高斯分布能符合更多數據集的實際情形，將類似數據組織成“數據簇”。GMM聚類算法的基本執行步驟如下。

① 輸入輸出關系： 將觀測數據y1,y2,…,yN作為算法輸入，將GMM參數作為算法輸出。

② 建立模型：假設觀測數據y1,y2,…,yN滿足GMM要求：

(1)

③ 寫出完全數據的對數似然函數：有樣本集Y=(y1,y2,…,yN)，通過隱變量γjk(表示yj這個樣本來源于第k個模型)的引入，可以將數據展開成完全數據(yj,γj1,γj2,…,γjk)，j=1,2,…,N，其中：

(2)

于是可以通過式(2)寫出完全數據的對數似然函數：

(3)

其中,

(4)

④ 用EM算法求解θ的極大似然值：

(5)

通過反復運行EM算法，就能夠較大限度地削減噪聲影響。

4.1.4 程序流程圖

本軟件流程基于嵌入式Linux的ARM平臺開發，采用多線程設計，可以克服傳統類似硬件平臺下采用MS-DOS單用戶、單任務操作系統難以完成較為復雜分布式多任務應用的缺點(如圖4所示)。

圖4 程序總體流程圖

本軟件首先經過一個初始化流程，并建立主線程、定時采集線程和實時分析線程。主線程主要用于系統運維和維持多線程運行，定時采集線程會定時從BPLC串口中采集數據，經過數據篩選后寫入原始數據庫，并通知實時分析線程接收。實時分析進程會在通知后接手數據，進行數據清洗，形成抄表數據庫。抄表數據將由通信模塊上載到計量主站(服務器)。

為實現抄表數據的邊緣處理，軟件流程主要有如下改進。

① 多線程技術：多進程的處理方式比單線程更靈活，也能更充分地調用系統資源，例如在不需要實時分析時能直接停用分析功能，可以通過改變定時采集線程調節集中器計算壓力等。

② 多數據庫方案：軟件流程基于MySQL，采用包含原始數據庫、抄表數據庫等多數據庫的數據存儲方案，提供不同的訪問和存取權限，能夠滿足不同工作內容的需要。

③ 定時采集和實時分析：通過定時采集和實時分析兩個分線程對電能表數據進行處理，對系統資源的利用更充分，同時通過主線程進行管理，更便于權限劃分，同時實現了數據處理的解耦化；

④ 數據的解耦上載：通過相對健全的數據采集邏輯，在數據上載至智能集中器時能基本實現數據解耦化，承擔云服務器的部分工作，同時根據不同需要也能夠采集到處理前的原始數據。

⑤ 事件日志：對抄表數據的操作與系統錯誤等相關事件，都會即時寫入事件日志中，可以幫助維修人員實現故障定位、故障還原等。

4.2 基于邊緣計算技術的數據融合與決策管理方法

在數據融合與決策管理部分，由于算力有限，大部分要交付云計算平臺進行。而作為輔助，對于采用邊緣計算的智能集中器，主要工作制定如下。

① 數據可靠性保證校驗。在對清洗后數據傳遞至云平臺時進行，執行MD5碼快速測算，與云計算平臺保證數據一致，防止數據損壞。

② 智能多模式數據傳遞。同時考慮基于GPRS無線網絡的無線傳輸方案，與低壓載波電力線通信方案，并能自主進行方案切換，保證數據連續性。

③ 決策方案同步。通過信息管理系統同步自身數據采集方案，達到分布式邊緣計算節點的參數同步與功能一致。

對基于邊緣計算技術的智能集中器中參與數據融合與決策管理的方案進行整理，如圖5所示。

圖5 智能集中器參與數據融合與決策管理

4.3 基于邊緣計算技術的智能運維方法

現有的抄表運維中采用排除法進行作業，不僅效率低而且依賴于終端、載波、電表廠家的最終判斷和問題解決。在文獻[14]中提出了一類針對智能集中器的用電采集運維方案，結合本文提出的采用邊緣計算的智能集中器方案，本文對文獻中針對帶有路徑組網的載波通信方式的用電采集運維方案進行改進，不再依賴載波路由，而是通過智能集中器的邊緣計算技術進行改進，進一步解決漏抄表問題。主要改進方向有：

① 通信節點故障整理：通過給定方案，判斷電能表抄送的載波報文中的數據是否正常，是否有漏抄送和重復抄送的情況，防止一些基于電能表改造的竊電行為，并檢測電能表損壞情況；

② 錯誤信息提交：將電能表的錯誤情況推送至運維人員的智能終端，協助運維人員精準定位錯誤位置并及時糾錯，減少損失；

③ 連接檢測：檢測智能集中器與電能表、采集終端的連接是否穩定，向服務商實時提供信號質量信息；

④ 信道報警：結合事先設計的臺區拓撲結構，定時驗證上下行信道是否通常，并向運維人員提供信道報警。

參考上述改進方向，制定如圖6所示的智能運維方法。

圖6 智能集中器參與的智能運維方法

5 結束語

在新一代抄表方案中，智能集中器是智能電網中邊緣計算技術應用的代表。盡管目前市面上采用邊緣計算技術的智能集中器還較少，但目前來看，采用此類方案，不但能夠分擔云計算數據中心的流量壓力、承擔部分數據處理工作，而且不需要過多的人工干預，大幅提升了運維效率。因此，在智能電網日趨成熟的今天，采用邊緣計算技術對集中器進行智能化升級，是一種有效、可行的應用方案，并具有良好的應用前景。后期將結合實驗樣機和運行數據進一步進行仿真和實驗分析，以改進相關方案。