邊緣計算在智能電網(wǎng)中的應用綜述

杜 羽，張兆云，趙 洋

（東莞理工學院，廣東 東莞 523808）

0 引言

物聯(lián)網(wǎng)設備的快速普及令邊緣計算這一輕量級、低時延的數(shù)據(jù)處理技術迅速步入人們的視線。邊緣計算有別于云計算，其將計算資源下沉至邊緣，也就是數(shù)據(jù)產(chǎn)生的地方，通過在邊緣進行部分或全部的數(shù)據(jù)處理來提升系統(tǒng)性能、保證數(shù)據(jù)安全并降低成本。因其特性與物聯(lián)網(wǎng)相互契合，邊緣計算已經(jīng)成為物聯(lián)網(wǎng)發(fā)展的重要支撐技術之一［1］。

邊緣計算這一名詞由美國太平洋西北國家實驗室的Ryan LaMothe在2013年的一份內(nèi)部報告中首次提出［2］。2016年5月，美國韋恩州立大學的施巍松教授給出了邊緣計算的正式定義，既：“邊緣計算是指在網(wǎng)絡邊緣執(zhí)行計算的一種新型計算模型，邊緣計算操作的對象包括來自于云服務的下行數(shù)據(jù)和來自于萬物互聯(lián)服務的上行數(shù)據(jù)，而邊緣計算的邊緣是指從數(shù)據(jù)源到云計算中心路徑之間的任意計算和網(wǎng)絡資源，是一個連續(xù)統(tǒng)一體［3］。”2018年，中國邊緣計算產(chǎn)業(yè)聯(lián)盟發(fā)布的白皮書中提到，邊緣計算具有以下基本特點和屬性：聯(lián)接性、數(shù)據(jù)第一入口、約束性、分布性以及融合性。其中還著重強調了邊緣計算與云計算的協(xié)同發(fā)展，邊緣計算與云計算不是對立的，而是相輔相承的，邊云協(xié)同將放大邊緣計算和云計算的應用價值，為物聯(lián)網(wǎng)的發(fā)展提供重要支撐［4］。

據(jù)IDC預測，到2022年，超過50%的數(shù)據(jù)將在數(shù)據(jù)中心和云外產(chǎn)生并在外部處理［5］。2025年，將會有超過55%的數(shù)據(jù)由IoT設備提供，屆時將有416億個物聯(lián)網(wǎng)設備產(chǎn)生79.4ZB的數(shù)據(jù)［6］。萬物互聯(lián)已經(jīng)成為一種必然趨勢，隨之而來的就是生活的智能化和工業(yè)的自動化，而其中極具代表性的就是智能電網(wǎng)中的“萬物互聯(lián)”。

1 邊緣計算與智能電網(wǎng)的關系

天津大學余貽鑫院士給出的智能電網(wǎng)定義如下：“智能電網(wǎng)是指一個完全自動化的供電網(wǎng)絡，其中的每一個用戶和節(jié)點都得到實時監(jiān)控，并保證從發(fā)電廠到用戶端電器之間每一點上的電流和信息的雙向流動。智能電網(wǎng)通過廣泛應用的分布式智能和寬帶通信，以及自動控制系統(tǒng)的繼承，能保證市場交易的實時進行和電網(wǎng)上各成員之間的無縫連接及實時行動［7］。”

智能電網(wǎng)是將信息技術等新型技術融入傳統(tǒng)電網(wǎng)中，使電網(wǎng)在更加易于管理的同時可提高電網(wǎng)的經(jīng)濟效益。數(shù)據(jù)量的激增是傳統(tǒng)電網(wǎng)向智能電網(wǎng)轉型的一個重要特征，當前的電網(wǎng)數(shù)據(jù)呈現(xiàn)出如下特點［8］：

1）數(shù)據(jù)采集多，不同采集點的采樣尺度不同，數(shù)據(jù)斷面不同，每個采集點采集相對固定類別的數(shù)據(jù)，且分布在各個電壓等級內(nèi)；

2）數(shù)據(jù)不健全，數(shù)據(jù)采集存在誤差和漏傳；

3）數(shù)據(jù)分布在不同的應用系統(tǒng)中。

在數(shù)據(jù)量激增的同時，傳統(tǒng)電網(wǎng)的轉型還受一些其他因素的影響，如發(fā)電方式、用電方式等［9］。針對電網(wǎng)中所存在的上述數(shù)據(jù)問題，近幾年引入了云計算來進行數(shù)據(jù)處理，但云計算有其劣勢，如傳輸成本高、實時性差等，為解決這些問題，將邊緣計算引入智能電網(wǎng)中成為了一種必然的趨勢，將邊緣計算應用到智能電網(wǎng)有以下3個優(yōu)勢［10］。

1）改善性能。通過邊緣計算，可以在幾毫秒內(nèi)分析和處理邊緣收集到的數(shù)據(jù)。例如在風電場中，若風速和風向發(fā)生變化，邊緣計算軟件可以實時地分析這些數(shù)據(jù)，并調整渦輪機以優(yōu)化整個風電場的生產(chǎn)，并且只有進行過融合的數(shù)據(jù)才會被發(fā)送到云端，這就大大降低了通信帶寬并縮短了數(shù)據(jù)傳輸時間。此外，渦輪機在工作周期內(nèi)會產(chǎn)生萬億字節(jié)的數(shù)據(jù)，將這些數(shù)據(jù)發(fā)送到云端后進行分析，在技術上是可行的，但其日常操作成本太高。通過邊緣計算，用戶最終可以從渦輪機捕獲流式數(shù)據(jù)并實時處理，以防止意外停機并延長設備壽命，同時可以將數(shù)據(jù)集縮減到更易于管理的大小以便傳輸?shù)皆贫恕?/p>

2）保證數(shù)據(jù)安全和隱私。邊緣計算將計算遷移至靠近設備的地方，避免了將數(shù)據(jù)上傳至云端，這樣可以大大降低隱私數(shù)據(jù)在傳輸過程中泄露或損壞的可能性。

3）減少操作成本。云計算的連接性、數(shù)據(jù)遷移、帶寬和延遲特性造成云計算的使用成本非常昂貴，而邊緣計算通過降低帶寬要求和延遲可以大大減少運行時的成本。

邊緣計算是解決電網(wǎng)中所存在數(shù)據(jù)激增問題的最好方法之一，而智能電網(wǎng)也被認為是邊緣計算的最佳落地場景之一，其架構如圖1所示。全球已經(jīng)進行了十余年的智能電網(wǎng)建設，隨著新技術的不斷應用，智能電網(wǎng)的內(nèi)涵也在不斷發(fā)展。在我國，2019年，國家電網(wǎng)有限公司提出要求全面加快泛在電力物聯(lián)網(wǎng)建設的戰(zhàn)略部署［11］。2021年，國家電網(wǎng)有限公司發(fā)布了其行動方案，其中要求推動電網(wǎng)向能源互聯(lián)網(wǎng)，著力打造清潔能源優(yōu)化配置平臺［12］。伴隨著國家一系列戰(zhàn)略部署的實施，建立泛在電力物聯(lián)網(wǎng)已經(jīng)成為一種必然趨勢，而邊緣計算是其重要載體。

圖1 邊緣計算架構圖Fig.1 Edge computing architecture

2 邊緣計算的支撐技術

將邊緣計算應用于智能電網(wǎng)須考慮其實際應用的可行性。邊緣計算的蓬勃發(fā)展離不開其兩大支撐技術，一個是為其提供強大計算能力的芯片技術，另一個是為其提供短距、低時延信息傳輸?shù)耐ㄓ嵓夹g。

2.1 芯片技術

在邊緣節(jié)點上部署算力對其處理器有兩個基本要求：

1）足夠強的算力。邊緣服務器要具有一定的算力，可以支撐其進行異構數(shù)據(jù)的融合和基本的數(shù)據(jù)處理，或能夠搭載經(jīng)過訓練后的人工智能模型。對其更深層次的要求是能夠部署神經(jīng)網(wǎng)絡來進行實時的訓練和反饋。

2）足夠低的功耗。邊緣節(jié)點和邊緣服務器的能量一般受限，電量耗盡后再激活的成本比較高，因此低功耗是必要的要求。

表1為一些近年來國內(nèi)外較為先進的嵌入式芯片的數(shù)據(jù)對比。伴隨著邊緣計算的廣泛應用，很多芯片廠商開始針對邊緣計算設計專用的芯片，其中Intel英特爾就設計了一款名為“Movidius”的神經(jīng)計算棒與Raspberry Pi 3 Model B一起用于分析實時圖像和視頻中的對象，這款計算棒可直接在端進行模型訓練，并具有低功耗的嵌入式特點［13］。為實現(xiàn)深度學習算法在IoT設備中的應用，NVIDIA公司推出了NVIDIA Jetson TX2和DRIVE PX2開發(fā)套件，此款套件可實現(xiàn)基于低功耗和實時深度學習的多對象視覺跟蹤。

表1 嵌入式芯片對比Table 1 Comparison of embedded chip

我國也針對邊緣計算的硬件開發(fā)進行了一系列研究，其中南方電網(wǎng)推出了國內(nèi)首個基于國產(chǎn)指令架構、國產(chǎn)內(nèi)核的電力專用主控芯片“伏羲”并在近期實現(xiàn)量產(chǎn)，“伏羲”的成功研發(fā)及量產(chǎn)，對于國家電力能源和信息安全、工控領域科技自主可控制具有重大意義。騰訊公司推出了其產(chǎn)品“視覺種子”，開發(fā)者通過其可輕松在邊緣端調用人臉檢測、識別、配準、姿態(tài)、屬性等算法。

2.2 通信技術

云計算對網(wǎng)絡與通信有著較高的要求，而邊緣計算對通信也有較高的要求，但是低于云計算，更加類似于無線傳感器網(wǎng)絡（WSN）。邊緣計算所服務的主要對象是來自于萬物互聯(lián)服務的上行數(shù)據(jù)，這些數(shù)據(jù)多由傳感器產(chǎn)生，需要通過一種高速、低時延的通信方式上傳至邊緣服務器，因此一種適合于邊緣計算的通信技術至關重要。

邊緣計算的應用場景有如下特點：

1）邊緣服務器在物理位置上靠近邊緣節(jié)點；

2）邊緣節(jié)點具有多種接入方式、且多為無線接入，如4G、WiFi等；

3）邊緣節(jié)點能量有限；

4）邊緣節(jié)點數(shù)量龐大。

通過比較可以發(fā)現(xiàn)5G與邊緣計算的應用場景十分契合。5G系統(tǒng)是多種無線接入技術，可滿足傳感器的多種接入方式；5G具有負責基礎覆蓋的宏站，也有承擔熱點覆蓋功能的低功率微站，在物理拓撲上與邊緣計算類似，同時基站數(shù)量的顯著增加可滿足大規(guī)模邊緣節(jié)點的覆蓋；5G具有自組織網(wǎng)絡的技術，通過自組織、分簇、簇頭選舉等方式可減少邊緣節(jié)點能耗，延長使用壽命［14］。

針對5G與邊緣計算的融合，現(xiàn)階段已有了一定的成果。文獻［15］討論了MEC（移動邊緣計算）在網(wǎng)絡中的部署和其與5G融合的可能性，據(jù)此提出了一種融合MEC的未來5 G移動通信網(wǎng)絡架構，此架構有望滿足視頻業(yè)務及新型業(yè)務帶來的高回傳帶寬、低時延需求。

3 邊緣計算在智能電網(wǎng)中的典型應用

邊緣計算技術已經(jīng)與智能電網(wǎng)產(chǎn)生了較為緊密的結合，在智能發(fā)電、智能輸變電、智能配電和智能用電等方面，都已開始逐步搭建基礎性框架和實現(xiàn)簡單的應用。其中，在發(fā)電、輸變電、配電領域邊緣計算的主要應用在于系統(tǒng)控制與監(jiān)測，在用電領域，邊緣計算主要服務于綜合能源服務和電力市場交易［16］。邊緣計算在智能電網(wǎng)中的主要應用如表2所示。

表2 邊緣計算在智能電網(wǎng)中的典型應用Table 2 Typical applications of edge computing in smart grid

3.1 智能發(fā)電

智能發(fā)電是智能電網(wǎng)的重要組成部分，其旨在通過配置大量傳感器來對發(fā)電機進行狀態(tài)監(jiān)測，并將發(fā)電數(shù)據(jù)在邊緣服務器上進行聚合，通過分析聚合數(shù)據(jù)來為后續(xù)的電網(wǎng)服務提供支持［17］?，F(xiàn)階段智能發(fā)電領域研究的重點有兩方面：一方面是強化對發(fā)電機狀態(tài)的監(jiān)測，并進行故障診斷和故障預測；另一方面是虛擬電廠的研究，通過構建虛擬電廠來匯聚分布式能源，通過對邊緣數(shù)據(jù)的處理來進行智能調度和發(fā)電預測。

基于邊緣計算的故障診斷和故障預測是第一種應用形式。近年來，國內(nèi)外科學家對發(fā)電設備的狀態(tài)監(jiān)測進行了一系列研究。文獻［18］針對日益普遍的風力發(fā)電系統(tǒng)設計了一種基于集群物聯(lián)網(wǎng)的深度學習模型來進行故障診斷和故障預測。通過將傳感器獲取到的實時設備數(shù)據(jù)輸入深度學習模型中進行訓練，將訓練好的模型搭載到邊緣服務器上進行故障預測，并通過狀態(tài)反饋容錯控制系統(tǒng)來進行故障系統(tǒng)的無擾動切換。文獻［19］基于加權AAKR算法建立了發(fā)電設備的狀態(tài)估計模型，通過模型的邊緣部署，實現(xiàn)了離線建模和在線監(jiān)測的應用要求。文獻［20］設計了一種對水電大壩的安全監(jiān)測系統(tǒng)，采用IaaS模式的云平臺，將不同水電站的異構數(shù)據(jù)在邊緣進行融合，可提供智能化大壩安全群控服務。

基于邊緣計算的分布式能源應用是第二種應用形式?，F(xiàn)階段，分布式能源（distributed energy resources，DER）［21］成為了一種潮流，其中的分布式發(fā)電系統(tǒng)已作為傳統(tǒng)集中式單一供電系統(tǒng)的補充而進入實際應用階段。分布式發(fā)電旨在靠近用電現(xiàn)場配置較小的發(fā)電機組以應對短暫的用電峰荷和滿足特定用戶的需求。隨著分布式設備的增多，設備的遠程聚合管理和自動優(yōu)化調度問題成為關注的焦點，應對這些問題的方法之一就是虛擬電廠（virtual power plant，VPP）［22］。虛擬電廠的概念為：通過信息、控制、通訊等技術將能源管理系統(tǒng)機器所控制的規(guī)模較小的分布式能源資源聚合而成的一類集成性電廠，其結構如圖2所示。這一概念與邊緣計算中匯聚節(jié)點的概念相類似，近年來，國內(nèi)外學者基于邊緣計算對虛擬電廠進行了不少的研究，并取得了一系列的成果。文獻［23］設計出一種多級協(xié)同虛擬電廠無功優(yōu)化出清模型，此模型通過邊緣計算的形式實現(xiàn)對分布式發(fā)電商的無功服務能力評估和進行信息聚合，通過計算虛擬電廠區(qū)域綜合無功報價，可依此參與無功服務市場。文獻［24］使用分布式模型預測控制的方法實現(xiàn)了一種風光互補發(fā)電系統(tǒng)的分布式模型，其提出的分布式模型預測控制器可以根據(jù)訓練出的分配功率原則來分配各個子系統(tǒng)的輸出功率，將預測控制器部署到邊緣服務器中可實現(xiàn)實時的發(fā)電預測。文獻［25］根據(jù)GA-BP神經(jīng)網(wǎng)絡構建了光伏發(fā)電功率預測虛擬模型，并實時地將獲取到的傳感器信息更新至數(shù)據(jù)庫中，通過孿生數(shù)據(jù)實現(xiàn)了光伏發(fā)電功率超短期預測。

圖2 虛擬電廠結構圖Fig.2 VPP structure

針對發(fā)電部分的邊緣計算解決方案主要集中在虛擬電廠模型的構建和設備監(jiān)測數(shù)據(jù)的實時分析，虛擬電廠模型的搭建有效提升了電廠管理水平，有效整合了分布式能源，將算力部署在一線發(fā)電設備并搭配實時操作系統(tǒng)能夠及時發(fā)現(xiàn)和處理異常數(shù)據(jù)，進行風險示警和處理，大大減少了生產(chǎn)風險。

3.2 智能輸變電

變電是電網(wǎng)運行的重要一環(huán)，變電站作為連接電網(wǎng)輸配環(huán)節(jié)的中間橋梁，具有特殊性，保障變電站安全穩(wěn)定地運行成為了保障優(yōu)質電力供應的必要條件［26］，邊緣計算在該領域也有廣闊的使用空間。目前邊緣計算在輸變電領域的主要應用集中在針對輸變電設備的智能運維［16］。針對輸電線路，智能電網(wǎng)要求保障電網(wǎng)對輸電線路狀態(tài)的整體監(jiān)測及線路安全的安全檢修管控［17］；而針對變電站設備，要基于云邊端架構，并利用機器視覺和圖像處理技術對整個變電站進行實時的監(jiān)測，包括電力設備狀態(tài)，人員行動軌跡和生產(chǎn)安全狀態(tài)等［27］。

智能機器人和無人機巡檢是邊緣計算在輸變電領域的第一類典型應用。針對輸電領域，傳統(tǒng)的輸電線路與變電站巡檢與維護依靠人力，而隨著技術的發(fā)展，利用巡檢機器人和無人機來進行智能巡檢已經(jīng)成為一種主流選擇，但受制于當前設備的數(shù)據(jù)處理能力，往往采用先驗的方式來進行巡檢設備的信道選擇和路徑規(guī)劃，并通過離線檢測來進行故障判斷。隨著邊緣計算的快速發(fā)展，將其運用于巡檢中可以實現(xiàn)在線巡檢的目標，在發(fā)現(xiàn)潛在隱患后能夠進行實時處理，通過引入邊緣計算可以顯著節(jié)約時間成本，提高巡檢效率。文獻［28］基于強化學習和里普諾夫優(yōu)化提出了一種信道選擇算法，可實現(xiàn)數(shù)據(jù)的高可靠低時延傳輸，通過邊緣計算技術將算法運用于巡檢機器人上以實現(xiàn)在線信道選擇，此方法可以實現(xiàn)巡檢機器人的效用最大化。文獻［29］基于邊緣計算的兩層啟發(fā)式算法，改進了傳統(tǒng)的蟻群算法，利用偏離度來指導信息素更新，同時引入退火算法來加快收斂速度，優(yōu)化了巡檢路徑的選擇。

高效的變電站監(jiān)測系統(tǒng)是邊緣計算在輸變電領域的第二類典型應用。針對變電領域，我國電網(wǎng)分布廣泛，變電站數(shù)量龐大，因此需要一種高效節(jié)約的變電站監(jiān)測方案。文獻［30］設計了一套變電站無人機巡檢的兩層邊緣計算框架和資源調度方法，根據(jù)機巡的特點，建立了面向任務以及待巡檢設備的數(shù)據(jù)模型及巡檢流程；應用Stackelberg多層博弈算法，以計算量為資源調度的定價依據(jù)，將物聯(lián)網(wǎng)終端自身的數(shù)據(jù)資源和計算資源作為分配資源的約束條件，并通過仿真驗證了無人機與數(shù)據(jù)分析服務器最優(yōu)價格曲線交點即為資源調度的納什均衡點。文獻［31］設計了一種變電站設備實時監(jiān)測系統(tǒng)，其由兩個子系統(tǒng)組成：紅外熱成像監(jiān)控子系統(tǒng)和變電站環(huán)境監(jiān)測子系統(tǒng)，將這兩套子系統(tǒng)放入邊緣服務器中可有效應用于大型工業(yè)組織中管理的變電站。電纜接頭是電廠輸變電中應用最廣泛的組件之一，對其狀態(tài)的實時監(jiān)測至關重要，文獻［32］設計了一種基于邊緣計算的檢測單元，采用自適應模糊系統(tǒng)（ANFIS）對電纜頭的電場與溫度場兩類信息進行融合，實現(xiàn)了電纜接頭運行狀態(tài)的實時智能傳感與監(jiān)測。

現(xiàn)階段邊緣計算在輸變電部分的主要應用集中于設備監(jiān)測與維護，其中通過邊緣計算將算力應用于實時巡檢中是研究的熱門，通過邊緣計算可以實現(xiàn)在線故障檢測，實時路徑規(guī)劃等。

3.3 智能配電

配電領域是電力系統(tǒng)中與用戶側相連接的部分，智能電網(wǎng)要求在配電領域實現(xiàn)最優(yōu)化的調度，包括設備及其運行狀態(tài)的監(jiān)測、故障定位和資產(chǎn)管理［17］。

配電設備的狀態(tài)檢測是邊緣計算運用于配電領域的第一類應用。建立泛在電力物聯(lián)網(wǎng)的重點之一是高效利用配電信息，如何采集、傳輸、分析配電數(shù)據(jù)并保證配電環(huán)節(jié)的隱私性是必須考慮的問題。文獻［33］提出了一套基于邊緣計算的低壓智能臺區(qū)應用設計，通過智能配變終端，可以有效監(jiān)控低壓臺區(qū)全電氣量和環(huán)境量數(shù)據(jù)并實現(xiàn)了本地拓撲計算識別、分支線損分析等功能，并且此方案已經(jīng)在多個試點應用，實現(xiàn)了較好的效果。文獻［34］提出了一種應用于配電變壓器的智能感知終端，通過邊緣計算來進行在線匝間短路監(jiān)測、電纜潛伏性故障檢測和變壓器損耗監(jiān)測，此方法可解決小容量配電變壓器高壓側信息感知的盲區(qū)問題。文獻［35］進行了一種基于均值漂移的局部放電邊緣計算方法研究，通過多個局部放電特高頻傳感器來對干擾信號進行聯(lián)合定位，可以判別脈沖型干擾信號，判別準確率為81.4%。文獻［36］提出了一種新型巡檢組網(wǎng)方案，通過LoRa、電力綜合數(shù)據(jù)網(wǎng)、4G/5G的組合組網(wǎng)方式和邊緣部分的信息處理來對巡檢設備進行深度評估，有利于提高配電設備的巡檢效率。

需求側分析是邊緣計算運用于配電領域的第二類應用。電網(wǎng)的需求側也是大量產(chǎn)生數(shù)據(jù)的地方，可以通過邊緣計算對這些數(shù)據(jù)進行處理，并通過邊云協(xié)同的方式來支撐不同用戶的分布式任務處理需求。文獻［37］論述了多種可行路線來構建智能電網(wǎng)的信息系統(tǒng)，其中無線傳感器網(wǎng)絡被證明是最適合未來電網(wǎng)發(fā)展網(wǎng)絡模式。文獻［38］通過評估三種節(jié)點選擇方法，即隨機選擇、最短估計延遲優(yōu)先和最短估計緩沖優(yōu)先，設計了一種考慮存儲和計算資源約束的邊緣節(jié)點重配置方法，將業(yè)務分配給指定邊緣節(jié)點，提高了節(jié)點的命中率。文獻［39］基于資源共享，設計了一種由網(wǎng)絡中節(jié)點的介數(shù)大小、計算性能和通信延遲來尋找簇中關鍵霧節(jié)點，大大提升了服務可靠性。文獻［40］分析了能源損耗最小化的邊緣計算任務分配與部署方式。文獻［41］重點考慮了業(yè)務的可靠性，提出了一種邊緣云的部署方法。文獻［42］介紹了一種基于北向通信協(xié)議設計的邊緣計算網(wǎng)關的功能設計和系統(tǒng)設計方案，并在實際的配電物聯(lián)網(wǎng)項目中進行了測試，結果達到預期。

配電網(wǎng)調度也是邊緣計算的重點應用之一，其直接關系到電網(wǎng)的運行效率。文獻［43］通過一種分布式狀態(tài)感知的源網(wǎng)荷儲協(xié)同調度可以更加精準地對配電網(wǎng)進行調度并降低調度的損耗。這種協(xié)同調度方式利用了邊緣計算的優(yōu)勢，將調度者下移至邊緣節(jié)點的網(wǎng)關中，邊緣節(jié)點的網(wǎng)關在地理位置上較云計算數(shù)據(jù)中心要更加接近輸變電設備，因而可以有效降低數(shù)據(jù)的傳輸時延，提高了實時性，進而減低了輸變電過程中的電能損耗。

3.4 智能用電

智能電網(wǎng)在用電側的主要應用領域可分為兩部分：綜合能源服務和電力市場交易。其中綜合能源領域的應用主要包括低壓抄表、用電安全、工廠智能用電、智能家居、智能充電、智能樓宇等［17］。電力市場交易的主要應用包括資源優(yōu)化配置、有/無功市場出清、輔助服務市場機制等［44］。

邊緣計算在用電領域的首要應用是綜合能源服務。針對用電測的綜合能源服務，為避免大量數(shù)據(jù)傳輸導致通訊通道的堵塞，滿足電力物聯(lián)網(wǎng)對快速響應、精準執(zhí)行的特殊要求，一般將邊緣計算引入電力物聯(lián)網(wǎng)的終端設備中。文獻［45］針對用戶側智能用電系統(tǒng)提出了一種邊緣計算協(xié)同架構，主要引入了家電優(yōu)先級排序的思想，根據(jù)優(yōu)先級來控制家電的開關以避免負荷功率過載的問題。文獻［46］基于邊緣計算設計了一套智能用電管控系統(tǒng)，其中包括完整的系統(tǒng)架構層次和數(shù)據(jù)庫、邊緣服務器設計，并將其實際應用于現(xiàn)存的學生公寓用電管控系統(tǒng)中，達到了良好的效果。文獻［47］提出了一種電力物聯(lián)網(wǎng)邊緣計算的終端架構，具有容器啟停、計算資源分配和回收兩大機制，又針對終端業(yè)務提出了相應的業(yè)務時序邏輯和計算負荷模型，強化了智能電網(wǎng)在用電端的調度能力。文獻［48］基于模型視圖控制器（MVC）編程模式設計出了一種多元化負荷管理的終端服務模塊，再通過Docker來配置邊緣服務器，實現(xiàn)了邊緣設備的邊緣數(shù)據(jù)處理，將其運用在集中器數(shù)據(jù)交互中，顯著提升了低壓抄表系統(tǒng)的工作效率。文獻［49］提出了一個混合解決方案，使用云計算和邊緣計算來處理數(shù)據(jù)。在靠近嵌入式設備和家庭的邊緣進行處理和預測，與將所有處理放在云中相比，可以節(jié)省延遲和存儲空間。

電力市場交易是邊緣計算在用電側的另一大應用領域。通過分析大量用電數(shù)據(jù)可以優(yōu)化資源配置，為有/無功出清提供數(shù)據(jù)支持。文獻［50］基于家庭微電網(wǎng)提出了一種分時電價和需求響應策略，通過以邊緣為核心的“云、管、邊、端”四層架構來采集處理家庭用電數(shù)據(jù)，并建立負荷模型來實現(xiàn)需求響應和提供分時電價策略。

4 邊緣計算在智能電網(wǎng)中面臨的緊迫問題

現(xiàn)階段云計算已經(jīng)廣泛運用于各行各業(yè)，針對邊緣計算的探索性研究也在逐漸展開，但邊緣計算作為一種新型的計算模式目前還存在一些問題，如沒有統(tǒng)一的編程模型、動態(tài)調度方法、安全標準等［1］，同時，邊緣計算的應用還處于初級探索階段，主要將邊緣計算作為一種輔助手段來強化現(xiàn)有方案。目前邊緣計算已經(jīng)在電網(wǎng)領域得到了充分重視，并且有了很多應用嘗試，但在探索過程中也面臨了一些問題。根據(jù)邊緣計算與智能電網(wǎng)的融合特性，以下有3個問題在未來幾年迫切需要解決：云邊協(xié)同、數(shù)據(jù)安全、多元異構數(shù)據(jù)融合。

4.1 云邊協(xié)同

邊緣計算與云計算的相互結合是未來發(fā)展的趨勢，如何將二者進行良好協(xié)同并實現(xiàn)最優(yōu)化的調度一直是研究的重點。

受制于邊緣計算當前的研究進展，邊云協(xié)同還未有成熟的解決方案，但國內(nèi)外研究者已經(jīng)取得了一定的進展。文獻［51］提出了6種云邊協(xié)同技術，包括資源協(xié)同、數(shù)據(jù)協(xié)同、智能協(xié)同、業(yè)務編排協(xié)同、應用管理協(xié)同和服務協(xié)同等，并對這6種技術作了對比分析。文獻［52］SDN網(wǎng)絡是云邊協(xié)同問題的有效解決辦法，其針對云邊協(xié)同所面臨的挑戰(zhàn)給出了SDN的解決策略，但現(xiàn)階段SDN網(wǎng)絡在具體實現(xiàn)時還存在單點失效、網(wǎng)絡擴展性、API接口標準等方面的諸多挑戰(zhàn)和困難。文獻［53］構建了一個最小化所有用戶任務執(zhí)行延遲與能耗權重和的優(yōu)化問題，并基于該問題提出了一個異步云邊協(xié)同的深度強化學習算法，通過深度學習來訓練出一種云邊協(xié)同計算遷移機制。這種機制可以最大化利用云與邊的計算能力，能夠實現(xiàn)近似貪心算法的最優(yōu)性能。文獻［54］已經(jīng)開始探索分布式的第6代移動通信系統(tǒng)（6G）云邊協(xié)同計算架構，并給出了數(shù)學建模。

目前圍繞著云邊協(xié)同應用展開的探索性研究有很多，但邊緣計算技術還遠未成熟，云邊協(xié)同因此多處在理論研究階段。同時，大部分邊云協(xié)同技術還是單方向的研究，實現(xiàn)資源、數(shù)據(jù)、應用管理等的全方位協(xié)同是亟待解決的方向。

4.2 數(shù)據(jù)安全

邊緣計算安全與無線傳感器網(wǎng)絡（WSN）的安全研究息息相關，總體都可分為節(jié)點的物理安全和信息數(shù)據(jù)安全，在邊緣計算安全研究領域，節(jié)點自身的物理安全和多傳感器之間的通信安全往往沒有納入重點考慮范圍。

針對智能電網(wǎng)的邊緣計算安全相關的研究尚處于初步階段，取得了一定成果但尚未形成完整的研究體系。文獻［55］提出了國家電網(wǎng)邊緣計算應用安全的風險評估模型并給出了其要素層次結構，并使用AWVS、AppScan等工具對Web應用程序進行安全評估。文獻［56］提出了一種基于模糊層次分析的安全風險評估方法，從設備層、數(shù)據(jù)層、網(wǎng)絡層、應用層和管理層5個方面來進行電網(wǎng)邊緣計算的安全評估。文獻［57］設計了一套完備的組合賦權模型，采用改進的層次分析法來確定主觀權重，采用熵值法來確定客觀權重，并依次構建了電網(wǎng)的安全評估模型。文獻［58］對流行的一次性密碼（OTP）進行了比較，分析了適合智能電網(wǎng)的身份認證技術。文獻［59］針對智能電網(wǎng)的安全需求引入了基于區(qū)塊鏈的相互認證和密鑰協(xié)商協(xié)議，可有效支持電網(wǎng)邊緣計算的條件匿名和密鑰管理。

今后對電網(wǎng)邊緣計算安全的研究可能圍繞以下幾個方面：實現(xiàn)輕量級的分布式數(shù)據(jù)安全防護體系，探究邊緣計算中普遍存在的多實體身份認證問題，邊緣節(jié)點的物理安全防護和動態(tài)數(shù)據(jù)安全的維護。

4.3 多元異構數(shù)據(jù)融合

智能電網(wǎng)中部署著大量傳感器來進行信息收集和目標檢測，由于節(jié)點的數(shù)量巨大，需要將各節(jié)點數(shù)據(jù)傳輸至匯聚節(jié)點，而在傳輸過程中會產(chǎn)生大量的冗余信息，造成了通信帶寬的浪費，針對這一問題，需要對數(shù)據(jù)融合技術進行深入研究。

傳統(tǒng)單一的數(shù)據(jù)融合方法具有一定局限性，面對多種傳感器的情況，要使用多種數(shù)據(jù)融合算法進行優(yōu)勢集成來應對。數(shù)據(jù)融合可分為3個信息層次，數(shù)據(jù)級融合、特征級融合、決策級融合，現(xiàn)階段主流的融合技術依然是數(shù)據(jù)級融合，通過遺傳算法和模糊神經(jīng)網(wǎng)絡可以實現(xiàn)特征級融合，而針對邊緣計算這種直接面向設備的技術，更多需要的是決策級融合，而這也是亟待解決的問題之一。

5 結語

本文介紹和總結了邊緣計算技術在智能電網(wǎng)的應用現(xiàn)狀，分析了邊緣計算應用于智能電網(wǎng)中的可能性。從發(fā)電、輸變電、配電與用電4個方面深入全面地介紹了邊緣計算在電網(wǎng)中的應用。最后，列舉了一些邊緣計算在智能電網(wǎng)中面臨的緊迫問題。邊緣計算是物聯(lián)網(wǎng)發(fā)展的產(chǎn)物，想要實現(xiàn)萬物互聯(lián)就離不開邊緣計算，因此想要建設完備的泛在電力物聯(lián)網(wǎng)體系就必須引入邊緣計算?？傮w來說，現(xiàn)階段電網(wǎng)中對邊緣計算的應用還處在初步階段，主要集中在理論性框架的設計和簡單的邊緣應用，還未形成完整的體系結構，而隨著技術研究的飛速發(fā)展，邊緣計算會在電網(wǎng)中實現(xiàn)越來越重要的作用。