基于邊緣計算的發電行業數字化轉型模型方法研究

摘要：為提高電網發電中的能源轉換效率，推進發電行業的數字化發展，文章引進邊緣計算技術，開展發電行業數字化轉型模型的構建研究。文章根據發電企業的實際需求，確定采集數據的類型，進行發電行業數字化生產數據的采集；利用采集的發電行業生產作業數據，引進邊緣計算，進行電力生產調度的設計。文章明確電力生產過程中存在多種約束，選擇混合整數線性規劃算法，將發電行業數字化轉型中的電力生產最優調度作為目標，生成基于多約束條件下的數字化轉型模型。對比實驗結果表明：設計方法應用后的能源轉換效率顯著提升，呈現出提升趨勢，說明該方法可以實現對發電行業數字化轉型發展的全面推進。

關鍵詞：邊緣計算；電力生產調度；模型；轉型；數字化；發電行業

中圖分類號：TP183 "文獻標志碼：A

0 引言

隨著科技的飛速發展，發電行業正面臨前所未有的挑戰與機遇。在全球能源轉型和數字化浪潮的推動下，提高能源利用效率、降低運營成本、增強系統穩定性和安全性成為發電行業轉型升級的關鍵。在此背景下，邊緣計算技術以其獨特的優勢，為發電行業的數字化轉型提供了新的路徑。

郭軼鋒等［1］選取2017年中國地區投入產出表和2021年相關數據，模擬分析了綠色信貸政策在不同時間維度的傳導路徑及其對目標行業的具體影響。通過量化分析揭示了綠色信貸政策在抑制非綠色投資、促進綠色創新方面的積極作用。但模型構建依賴于大量假設和參數設定，提出的假設可能無法完全反映現實經濟的復雜性。王佳桐等［2］通過案例研究，詳細描繪了俄羅斯托木斯克控制系統和無線電電子大學（TUSUR）如何從傳統大學向創業型大學轉變的過程，包括其組織架構的調整、創新機制的建立以及與產業、政府之間的合作模式。三螺旋模型作為理論框架，被用于分析大學、產業和政府三者之間的互動關系以及這種互動如何推動創業型大學的發展。但個案分析的結果可能受到特定情境和條件的影響，其普遍適用性有待進一步驗證。

現階段，發電行業數字化轉型正面臨著數據接口不一致、系統集成困難、智能化程度不足等挑戰。為解決此方面問題，文章將引進邊緣計算技術，開展發電行業數字化轉型模型的構建研究。

1 發電行業數字化生產數據采集

為滿足發電行業的數字化轉型需求，構建模型前，一個至關重要的步驟是全面采集該行業數字化生產過程中運營數據。在此過程中，文章根據發電企業的實際需求，確定采集數據的類型［3］。相關內容如表1所示。

依據表1，本研究分析當前狀態下發電行業中電力設備運行狀態、故障報警、能耗分析等管理數據。其中，發電量參數為數據采集過程中的核心，需要通過多個參數協同計算得到，計算公式如式（1）所示［4］。

F=P·δt（1）

公式中：F表示發電量；P表示功率；δ表示回歸系數；t表示地區有效發電時長。在此基礎上，選擇合適的數據采集方式。其中，發電行業常用的數據采集方式包括手工采集和自動采集，前者手工采集適用于小規模或特殊場景，但自動化采集通過傳感器、PLC（可編程邏輯控制器）、SCADA（監控與數據采集）系統等實現。

根據采集需求，在發電設備的關鍵位置部署傳感器、數據采集器等設備，確保能夠實時、準確地采集到所需數據［5］。構建穩定可靠的數據傳輸網絡，確保采集到的數據能夠及時、安全地傳輸到數據中心或云平臺。通過以上步驟和內容，實現對發電行業數字化生產數據的全面、實時、準確采集。

2 基于邊緣計算的電力生產調度設計

在上述內容的基礎上，考慮到行業數字化轉型的目的為提高電能轉換效率，優化電力生產與調度過程，因此，利用采集的發電行業生產作業數據，引進邊緣計算，進行電力生產調度的設計［6］。將各類電力設備（如發電機、變壓器、斷路器等）通過物聯網技術接入邊緣計算平臺，進行設備運行數據的實時采集和傳輸。在邊緣節點部署數據處理單元，對采集到的電力數據進行預處理、緩存和初步分析，減少數據傳輸到中心云服務器的延遲和帶寬壓力［7］。在邊緣計算平臺上集成機器學習算法，對電力數據進行深度分析，預測電力負荷變化等關鍵指標。此過程如公式（2）所示。

C=N（u）·F（i）（2）

公式中：C表示電力負荷變化預測節點；N表示電力數據冗余信息；u表示帶寬壓力；i表示邊緣計算節點。根據電力生產的實際需求，將各類任務（如發電任務、維護任務等）按照優先級進行排序?；谶吘売嬎闫脚_的實時數據分析和預測結果，對電力生產資源進行智能分配，確保高優先級任務得到優先處理［8］。對資源分配過程進行描述，如公式（3）所示。

T=1M∑C（i）+Y·χ（3）

公式中：T表示電力資源分配；M表示電力生產過程的優先級；Y表示邊緣計算基站編碼；χ表示數據存儲響應時間。將調度策略轉化為具體的調度指令，通過邊緣計算平臺下發到各電力生產設備執行［9］。對調度執行過程進行實時監控，收集執行結果和反饋信息，用于后續調度策略的優化和調整。按照上述步驟，實現基于邊緣計算的電力生產調度設計。

3 基于多約束條件下的數字化轉型模型生成

在完成基于邊緣計算的電力生產調度設計后，應明確電力生產過程中存在多種約束，為確保數字化轉型模型的構成與市場發展趨勢相適配，設計發電設備約束，包括設備的發電能力、維護狀態、故障風險等；電網傳輸約束，包括電網的容量限制、穩定性要求、傳輸損耗等；市場需求約束，包括電力需求的預測、波動范圍、峰谷時段等；環保政策約束，包括排放標準、能源利用效率、可再生能源占比等。在完成基于邊緣計算的電力生產調度設計后，應明確電力生產過程中存在多種約束，為確保數字化轉型模型的構成與市場發展趨勢相適配，設計發電設備約束，包括設備的發電能力、維護狀態、故障風險等；電網傳輸約束，包括電網的容量限制、穩定性要求、傳輸損耗等；市場需求約束，包括電力需求的預測、波動范圍、峰谷時段等；環保政策約束，包括排放標準、能源利用效率、可再生能源占比等。在多種約束條件下，選擇混合整數線性規劃算法，將發電行業數字化轉型中的電力生產最優調度作為目標，建立如下計算公式所示的數字化轉型發展模型［10］。

f=∑∑T（i）+1γ+η·z（4）

公式中：f表示發電行業數字化轉型模型；γ表示電網的容量限制；η表示傳輸損耗約束；z表示電力有效波動范圍。完成模型的構建后，利用MILP求解器（包括CPLEX、Gurobi等），對構建的模型進行求解。求解器將根據目標函數和約束條件，通過迭代搜索的方式找到最優解或近似最優解。在求解過程中，需要調整求解器的參數（如時間限制、求解精度等）以獲得最優輸出值。

對求解結果進行詳細分析，包括總成本、發電量分配、燃料使用情況、環保效果等，以此評估模型的有效性和實用性。根據分析結果制定詳細的實施策略，包括發電設備的調度計劃、燃料采購計劃、設備維護計劃等。上述方式可生成基于多約束條件下的數字化轉型模型，完成基于邊緣計算的發電行業數字化轉型模型構建研究。

4 對比實驗

完成上述設計后，為實現對數字化轉型模型應用效果的測試，選擇某地區大型發電中心作為本次研究的試點，對其市場運營現狀進行分析，相關內容如表2所示。

根據表格2數據可知，盡管試點地區的大型發電中心在發電容量和年發電量上表現出色，但其在數字化轉型的進程中仍面臨諸多挑戰。該地區發電行業數字化水平評分僅為65分，這表明發電中心在自動化、智能化技術的應用和集成方面仍有較大的提升空間。此外，設備利用率雖高達85%，但能源轉換效率僅為42%，意味著在能源利用上仍有優化潛力。同時，智能調度系統的覆蓋率僅為40%，直接影響了發電調度的效率和準確性。

針對上述問題，引進郭軼鋒等［1］提出的基于動態金融的轉型模型、王佳桐等［2］提出的三螺旋模型，進行發電行業數字化轉型的模擬。在此過程中，收集發電中心的歷史運營數據，包括發電量、運維成本、設備故障率、能源轉換效率等，調研數字化轉型前后的技術變化，如智能調度系統、遠程監控系統、數據分析平臺等的應用情況，選擇MATLAB軟件，進行轉型后行業發展的模擬。在此過程中，將發電行業的能源轉換效率，作為模型應用效果的關鍵指標，對3種方法應用后的效果進行綜合分析，其結果如圖1所示。

從圖1所示的內容可以看出，對3種方法應用后的發電行業能源轉換效率進行模擬，模擬結果均顯示行業能源轉換效率大于42%，即優于行業市場運營現狀。在此基礎上，對3條曲線的變化趨勢進行分析可以看出，應用郭軼鋒等［1］方法進行行業的數字化轉型，轉型后電力能源的轉換效率在一個相對穩定的范圍內波動。而應用王佳桐等［2］方法與文章方法后，電能的轉換效率均呈現提升變化趨勢，文章方法應用后的能源轉換效率變化速度顯著大于王佳桐等［2］方法應用后的能源轉換效率變化速度。這說明，在3種方法中，文章方法的應用效果最佳，即可以實現對發電行業數字化轉型發展的全面推進。

5 結語

邊緣計算通過將計算任務和數據存儲從中心服務器遷移到網絡邊緣設備，顯著降低了數據傳輸的延遲和成本，提高了系統的實時響應能力和效率。此種技術特性與發電行業對實時監控、智能調度和高效運維的需求高度契合。特別是在智能電網建設中，邊緣計算能夠實現對電網運行狀態的即時監測和智能控制，提高電網的穩定性和可靠性，減少電力損失和能源浪費。為全面推進此項工作，文章基于邊緣計算技術的應用，以發電行業為例，通過發電行業數字化生產數據采集、電力生產調度設計、基于多約束條件下的數字化轉型模型生成，開展了模型的構建研究，旨在探索如何利用邊緣計算技術提升發電行業的數字化水平，實現更高效、更智能的能源生產和管理模式，為發電行業的可持續發展貢獻力量。通過實驗得到如下結論：文章方法應用后的能源轉換效率變化速度顯著提升，應用效果較好，可以實現發電行業數字化轉型發展。

未來工作展望可以從多個維度進行深入規劃，具體內容如下：（1）下一步研究工作可以利用邊緣計算技術，進一步優化發電機組的實時監控系統，實現更高精度的數據采集和更快速的故障預警。（2）下一步研究工作可以利用邊緣計算處理實時負荷數據，優化發電機的輸出功率，確保電網供需平衡，提高電能質量和穩定性。

參考文獻

［1］郭軼鋒，王濤，李媛鈺，等.綠色信貸、偏向性技術進步與綠色轉型發展研究：基于動態金融CGE模型的模擬分析［J］.技術經濟與管理研究，2024（4）：14-20.

［2］王佳桐，馮旭芳.俄羅斯地方創業型大學的生成軌跡、組織轉型與三螺旋模型發展研究：基于TUSUR的個案分析［J］.應用型高等教育研究，2024（1）：82-90.

［3］方紅，張天雅.數字化轉型賦能鄉村教師專業發展：現實阻力與實踐路向：基于“AGIL”模型視角的分析［J］.中國電化教育，2024（6）：61-69.

［4］萬舉，趙培中，劉承毅.數字普惠金融賦能縣域產業結構轉型升級的動力機制：基于PLS-SEM模型分析［J］.河南科技大學學報（社會科學版），2024（3）：81-87.

［5］張社梅，鄧杰豪，楊娜，等.聘用農業經理人對農民合作社綠色轉型影響研究：以四川省為例［J］.國土資源科技管理，2024（3）：111-122.

［6］趙漢卿.基于AHP層次模型的既有建筑轉型為養老設施的潛力研究：以濱州市市中老年公寓為例［J］.住宅與房地產，2024（11）：56-58.

［7］吳小衛.大灣區建設背景下廣東區域城鎮化對制度轉型的影響：基于VAR模型的脈沖響應函數分析［J］.中國集體經濟，2024（11）：58-61.

［8］魏延輝，曹文聰，陳婭茹.基于D-I-M協同模型的企業數字化轉型財務管理風險識別研究［J］.甘肅科學學報，2024（2）：131-137，146.

［9］陳群，謝夢宇，陳哲.基于博弈論組合賦權-TOPSIS模型的建筑企業綠色轉型評價研究［J］.土木工程與管理學報，2024（3）：64-71，79.

［10］鄭然斐，孟令云，苗建瑞，等.面向業務自動化轉型的鐵路運輸調度業務數據模型構建方法研究［J］.鐵道運輸與經濟，2024（6）：73-80.

（編輯 王永超）

Research on the digital transformation model method of power generation industry based on edge computing

CHEN" Zhongyong

（Huadian Jinsha River Upstream Hydropower Development Co.， Ltd.， Chengdu 610041， China）

Abstract：" In order to improve the energy conversion efficiency in the power generation and promote the digital development of the power generation industry， this paper introduces the edge computing technology and carries out the research on the construction of the digital transformation model of the power generation industry. According to the actual demand of power generation enterprises， the paper determines the type of data collection and collects the digital production data of power generation industry， introduces the power production scheduling， defines the power production process， selects the mixed integer linear planning algorithm， and takes the optimal dispatching of power generation industry as the goal to generate the digital transformation model based on multi-constraint condition. The comparative experimental results show that the energy conversion efficiency of the application of the design method is significantly improved， and shows a trend of improvement， indicating that the method can realize the comprehensive promotion of the digital transformation and development of the power generation industry.

Key words： edge computing; power production scheduling; model; transformation; digital; power generation industry