水光儲智慧監控系統探討

孫永凱，何飛躍，唐 黎，趙 澤

（中國水利水電科學研究院自動化所，北京 100038）

新能源發電由于存在波動性大、低慣量支撐、發電預測困難等弊端，給電網安全運行帶來風險，很難大規模直接并網運行，學者提出水光儲聯合運行的發電模式，提升了新能源發電的并網規模和經濟效益[1-3]。水光儲聯合運行雖優化了系統發電結構，但其存在復雜的設備監視和控制、海量的數據處理、算法運算等問題，給發電系統的生產運行管理和優化調度帶來巨大困難。隨著計算機信息、云邊協同和自治控制等技術發展，新型綜合能源信息智慧管理系統（簡稱：智慧監控系統）具有良好的數據轉發能力、自治控制能力、超大的數據存儲容量、設備與視頻聯動能力和生產信息管理一體化的能力，并在大型數據計算與優化方面獲得快速發展，智慧監控平臺已然成為未來電力監控系統的發展趨勢。

1 智慧監控平臺需求分析

智慧監控平臺是面向水電、光伏發電并配置一定比例儲能容量的聯合發電系統，必須具有不同發電類型的設備管理邊界、設備信息標簽、數據信息融合和高等決策系統等功能需求。智慧監控系統注重智能化、大規模化、互補協同的理念，力爭減少監盤人員的數量和工作量，達到場站側“無人值班”（少人值守）的監控水平，提高設備的安全運行水平，提高組合發電系統的經濟效益。具體目標如下：

（1）運行調度決策的智能化：水光儲智慧監控系統可根據機組實時運行狀態、約束條件和任務目標，自動決策并優化經濟效益最好的機組進行組合發電，涵蓋水電機組、光伏發電和必要的儲能設備。

（2）生產過程預警監視的智能化：系統可具備高數量級的設備接入能力和對應點位的調控和監視能力，數據上行至云數據中心可提供實時預測、事故預警和故障快速捕捉及定位的能力。

（3）數據信息融合交互的智能化：系統數據可分布式存儲計算，靠近被控設備端并提供可靠的數據訪問和存儲服務，各類數據可根據訪問者權限被上層訪問分享。

（4）區域控制過程的智能化：水光儲聯合發電機組在控制劃分區域內，可實現自治控制和傳統閉環控制兩種模式，控制方法向大數據驅動的智能算法方向發展。

2 系統總體架構設計

2.1 系統設計思路

部署方式。分布式能源電站多表現為地理位置分布廣、站點數量較多、監控數據量大等特點，基于邊緣計算理論，將智慧監控系統的計算、調控與數據存儲等服務，作為系統設計結構中的一個邊緣節點，即靠近數據源頭側就地計算、存儲、控制的部署方式。為滿足電站之間的聯合運行與實時調控的需求，將一個電站作為一個邊緣節點，賦予計算調控與數據存儲能力。

控制模式。各電站作為系統的邊緣節點分散部署，提高系統整體的設備接納與數據處理能力，但系統上層數據獲取的實時性與數據融合能力受到嚴重影響。因此，將云邊協同與自治控制引入系統的總體設計之中，以數據驅動和自治控制的方式實現邊緣自動化、云端分析與優化、數據交互融合目的[4]。邊緣自動化，一些指定的邊緣發電節點之間建立聯系，作為自治控制的一個劃分區域，添加控制目標與約束實現自動調控的功能。云端分析與優化，利用高性能計算設備對數據進行分析優化，為系統應用層智能化軟件開發提供平臺支撐。數據交互融合，不同電站的各類信息打包并上傳的機制，不同于傳統的集中式數據處理方式，該方式可提高數據的處理速度與處理能力。

2.2 系統架構設計

如圖1總體架構設計示意圖，系統依據云邊協同控制理論主要分成4層分布式設計，即現場設備層、邊緣層、云數據中心、應用層。各層間在地理位置部署和提供服務功能等方面，依據需求承擔各自的設計標準，但通信和數據交互訪問方面，滿足從上至下的貫穿訪問以及同層數據交互的設計要求，只是在獲取時間和資源權限方面有所差異。

（1）現場設備層，在數據方面承擔數據采集、就地存儲、指令解析與執行的任務，在通信方面可支持多種通信協議標準，并提供外部移動終端通信接口，降低硬件維護和調試的工作難度。

（2）邊緣層，一般代表所有電站即邊緣節點的集合，擁有全部的發電控制資源。在數據處理方面承擔數據預處理工作，例如數據標準化、數據修正、數據集成融合等，在控制方面部署有自治控制系統，實現對控制區域劃分與實時控制功能，在通信方面承擔協議轉換和數據傳輸等工作。

（3）云數據中心，該層主要承擔各類數據提取、存儲功能和人機交互界面功能，以及為應用層提供API接口訪問功能和各類模型訓練發布的功能，部署大量的數據庫服務器和高性能運算服務器。另外，云邊協同管理組件服務為連接協同、數據協同、任務協同、管理協同和安全協同提供保障。

（4）應用層，該層為工程師提供高級軟件開發平臺，可利用API接口獲取底層數據進行數據建模和控制參數優化，通過各層的通信直連控制服務將優化模型參數寫入至對應的數據庫，達到二次開發優化控制的目標。

圖1 總體架構設計示意圖

3 技術實現與分析

如圖2水光儲智慧監控系統的結構示意圖，初步表明各層間的通信方式、數據流向和控制拓撲。以下將從云邊協同部署、數據管理與控制方法進行技術分析探討：

圖2 水光儲智慧監控系統的結構示意圖

3.1 云邊協同設計

水光儲智慧管理系統通過分層多網部署方式確保系統信息穩定傳輸和安全存儲，將系統監控信息云邊協同部署分為邊緣感知層、邊緣節點層、發電運行維護公司、調度數據中心。

邊緣感知層。邊緣層主要部署在電站內部設備上，一般為最小的數據采集單元和命令控制單元，負責點表具體點位的采集與控制工作，例如現場的氣候條件、機組運行狀態、站內視頻通話數據、報警與命令執行記錄等。

邊緣節點層。邊緣節點層為某電站的數據集合，具備5G通信接入點、數據存儲、命令解析執行、高性能數據計算處理，特別是自治控制系統的對象，邊緣節點層有且僅有唯一的識別編號，自治控制系統可在其上層進行不同邊緣節點的劃分聚合，使其成為一個可聯合發電運行的自治控制區。

發電運行維護公司。負責水光儲的互補自治控制相關的配置與管理工作，核實電站上傳數據與實際工況的真實性，維護自制控制數據庫，并可按照實際運行工況手動設置自治控制機組的劃分區，除此之外，接收調度下達的負荷任務。

調度數據中心。作為智慧監控系統的頂層云平臺，一方面匯總上傳的各類數據，并寫入歷史數據庫供相應的大數據服務，為系統高級交互應用及開發提供強大的數據支撐，例如功率預測、自治控制方案優化、經濟計算、故障預測等。另一方面，將必要的控制信息匯總至實時數據庫，為給自治控制系統下發工作任務提供實時服務，同時兼顧事故追憶、報警、實時運行曲線等人機交互功能。

3.2 數據管理設計

邊緣層數據預處理有效提高數據質量，并壓縮降低數據規模，電力監控系統數據多分為結構化數據和半結構化數據[5]。水光儲系統面向分布式能源發電系統，在區域負荷檢測、電能互補傳輸、安全巡檢等高級應用業務方面發展，涉及較多的文本信息、音頻信息等非結構化數據。

數據標簽化。將系統中的各類型數據結構通過統一的數據格式進行定義，建立統一標準的設備表述信息，在數據庫內生成唯一的設備ID使數據標準化。同時，針對各類數據需要進行標簽化，可通過機器學習等方法識別數據信息并自動設定相應標簽，方便對數據的分流傳輸和利用。

數據修正。智慧監控系統底層硬件設備眾多，并且數據通信方式和采集方式繁雜，不可避免的造成錯誤值和缺失值，因此，根據離群點檢測技術剔除奇異值或者根據數據的標準范圍修改錯誤值，對于缺失數值可根據取平均插值法進行補充，確保數據的質量。

數據集成與融合。隨著接入的檢測和控制設備的增多，數據信息量成指數型增長，因此數據的集成與融合技術，不僅可將數據根據需求進行打包處理提升可讀性，而且數據的特征提取有效壓縮了數據規模。常用的融合方法有數據級融合，即將多次測量值取平均或去一段數據的某值代替的方式；特征級融合，即利用深度學習、k-鄰近、聚合算法等進行數據特征提取的方式；決策級融合，即多信息量輸入到一個或幾個決策變量輸出的轉化，壓縮效果明顯。

水光儲平臺的數據流過程討論。數據協同原理圖如圖3所示。數據傳輸流由下至上傳輸，通過現場設備采集數據后，就地存儲和數據預處理計算，并將數據上行傳輸至邊緣層。邊緣層接收數據后，一方面，將自治控制數據庫內的控制約束和負荷任務讀取至控制算法內，根據自治劃分區域內的可調用發電資源，算法做智能優化調控運算，將計算的結果輸入至命令預處理模塊，而后轉化成控制調節命令下發至電站通信總線，循環往復進行閉環調節控制；另一方面，根據數據平臺的控制指令，將所需的數據資源和命令記錄上傳至云端數據中心，供上層服務調用。

圖3 數據協同原理圖

3.3 控制管理設計

控制方面傳統監控平臺具有AGC、AVC進行負荷分配和發電機組自動調控功能[6]。水光儲智慧平臺可在水電、光伏、儲能站三者之間任意組合聯合運行發電控制，相關的控制策略和優化方法眾多，主要圍繞以集群發電經濟性指標進行研究[7]。

本文著重討論基于動態分區的自治控制系統，如圖4自治控制區域劃分示意圖，將發電設備分為4個自治控制區域單元。水光儲智慧監控系統邊緣層采用自治控制和直接控制兩種方式，直接控制較簡單不再進行贅述，自治控制的控制原則是在滿足約束條件的前提下，水光儲發電系統的發電效益最高。

圖4 自治控制區域劃分示意圖

自治控制區域劃分。本文規定自治區域為：由選定的若干個發電設備至饋線端的邏輯總和均為一個自治單元。因此，自治控制區域劃分可從不同能源發電設備的種類和設備的數量兩個維度進行優化選擇，保證水光儲發電能源互補聯合運行的安全性、經濟型和協同控制性。

自治控制算法。系統算法模型構建涉及數據調用、約束條件庫的配置、算法參數優化、可靠性分析和參數調整。數據調用利用云端的API接口對歷史數據庫進行訪問，提取特定對象信息；約束條件庫配置采用線上與線下數據同步的方式，線下為一線工作人員，針對現場機組的運行與檢修狀況進行配置，線上為調度人員根據規劃進行相關數據配置；算法參數在云端高性能計算服務器的幫助下對模型求解；可靠性分析與參數調整，通過不同發電設備的性能指標進行模型評估。

水光儲平臺控制流過程討論。控制方法由傳統的集中控制，改為自治控制參與的分散區域自治控制。系統根據云端歷史庫數據進行模型訓練和定時發布，將模型寫入自治控制數據庫內，此時，現地設備層各類數據就地進行標簽化、修正、集成和融合，而后數據通信傳輸至邊緣層，邊緣層接收數據并進行預處理分析，調用自治數據庫的模型進行計算得出控制信息，將控制信息下發回傳至現地設備層，并將記錄備份上傳云端數據庫，此時完成了一個控制周期。

4 結語

根據現有電力計算機監控系統和相關的物聯網理論，本文給出了新能源互補聯合運行監視系統的架構設計和技術實現框架，并對關鍵技術進行探討。水光儲智慧監控系統利用云邊協同和自治控制相關技術，力爭解決水光儲聯合經濟運行過程中的統一監控、數據融合、多設備接入、信息預測等安全生產方面的問題。探討了利用邊緣計算和云計算協同的方式提升系統數據處理規模和多設備接入的問題，其滿足多模型訓練、多區域控制和其他高級應用開發的能力。討論了自治控制的關鍵技術，對自治控制區域劃分給出了明確的規范，同時也對控制算法進行相關的介紹，并簡單分析了系統的控制過程，為未來相關產品和技術發展提供了一種設計思路。