基于電力物聯網關的邊云協同和邊緣智能技術研究

李春鵬　蔣峰　王金齊　官國飛　宋慶武　李澄

摘? ?要：針對當前電力物聯網算法難以實現電力邊緣用戶協同分配的問題，提出了新型的技術方案。該技術基于電力物聯網網關，設置網絡控制訪問方式;利用搭建的任務遷移模型，獲取任務全局搜索目標。通過邊緣智能技術，計算電力物聯網關對搜索目標的限制概率;根據制定的邊緣任務分配策略，實現任務分配的邊云協同方式。實驗結果表明，與傳統的技術相比，本研究方案技術結果更加精準，邊云協同更到位，對晚間的電網任務分配質量較好。

關鍵詞：電力物聯網關;邊云協同;邊緣智能;數據處理;任務匹配;

中圖分類號：TN915.05? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A

Research on Edge Cloud Collaboration and Edge

Intelligence Technology Based on Power IoT Gateway

LI Chun-peng1，JIANG Feng1，WANG Jin-qi2，GUAN Guo-fei1，SONG Qing-wu1，Li Cheng1

（1. Jiangsu Frontier Electric Power Technology Co.，Ltd.，Nanjing，Jiangshu 211100，China;

2. Jiangsu Hoperun Zhirong Technology Co.，Ltd.，Nanjing，Jiangshu 210012，China）

Abstract：Aiming at the problem that the current power Internet of Things algorithm is difficult to achieve the collaborative distribution of power edge users，a new type of technical solution is proposed. This technology is based on the power Internet of Things gateway and sets the network control access method;By using the built task migration model，the task global search target is obtained;Through the edge intelligence technology，the limit probability of the power IoT gateway to the search target is calculated;according to the formulated edge task allocation strategy，the edge cloud collaboration method of task allocation is realized. The experimental results show that，compared with the traditional technology，the technical results of this research scheme are more accurate，the edge cloud collaboration is more in place，and the quality of the task distribution of the power grid at night is better.

Key words：power IoT gateway;edge cloud collaboration;edge intelligence;data processing;task matching

在萬物互聯的時代，電力物聯網網關產生的目的，主要是為了在現有的網絡拓撲結構上，保證電力網絡通信服務的可靠性，此領域中已經獲得一定的研究成果[1]。

文獻[2]闡述了無處不在的物聯網的基本概念和特征，針對新一代智能電表，提出了從單一設備向多設備轉變。為符合最基本的計量要求，設計一種新型多功能智能，集計量、通訊、數據采集與控制為一體的能源網關。對新一代智能電能表的功能定位和設計要求進行了分析;分析了電動汽車的有序性，對電氣負荷特性進行了智能分析，構建了多米集成“信息收集”等業務場景，該方法可滿足多路數據采集，實現多米功耗測量的集成，但邊緣智能結果計算不夠精確。

文獻[3]中提出了一種基于邊緣計算的分布式物聯網應用技術。首先，它為功率分布的邊緣計算提供了一個標準的架構事物網絡。然后闡述了數據中心構建在標準框架下的內、外部交互機制，最后闡述了 DGE計算框架以及邊緣云協作分布式物聯網中的數據處理，但該方法在夜間電網任務分配上存在差異，不能滿足與白天不同的邊緣用戶協調分配的要求。

文獻[4]對兩種主要部署中邊緣計算和 NFV管理編排組件的職責劃分和交互流程計劃進行了分析和比較。然后，根據深度學習的方法和模型，提出了提高電信云虛擬網絡要素與基礎設施管理及協調效率的解決方案，并給出了邊緣計算在這兩種方案中的應用。盡管該方法可以解決編排組件之間高效協調等問題，但在電信云中部署邊緣計算服務所需要的 NFVMA NO組件時，智能邊緣計算效果不佳。

以上文獻方法均存在隨著數據量的增加、任務體量也隨之增加，其邊云協同和邊緣智能技術無法適應動態變化的電網任務，導致電力物聯網與通信網絡、感知網絡之間難以匹配同類任務信息。因此針對這一問題，提出電力物聯網網關操控下，全新的邊云協同與邊緣智能技術。所提出的兩種技術，對所有任務信息進行分類整理，并剔除冗余數據，通過設置全新的處理方式，實現電力網絡所發布任務的協同分配，提升感知網絡與通訊網絡對任務數據的匹配[3]。

1? ?基于電力物聯網關的邊云協同和邊緣智

能技術

1.1? ?基于電力物聯網網關設置網絡控制訪問方式

傳統方法均存在隨著數據量的增加、任務體量也隨之增加，其邊云協同和邊緣智能技術無法適應動態變化的電網任務，導致電力物聯網與通信網絡、感知網絡之間難以匹配同類任務信息的問題。因此針對這一問題，課題方法設計了一種基于電力物聯網網關設置網絡控制訪問方式。

控制設備的訪問方式，需要從感知網絡和通信網絡兩方面入手。感知輸入層與感知網絡交互任務數據，而可接入的感知網絡節點數量龐大，且該網絡具有傳輸速度快、傳輸距離遠、保密性強、抗干擾等特點，因此以感知網絡基本特征為依據，建立感知網絡路由控制協議，如下圖1所示[4]。

圖中A1-A3表示控制中心節點;a1-a3、b1-b2是分支控制節點。根據上圖可知，該協議中的源節點，向兩邊的分支子節點傳送數據，其中包含了分段式的傳輸方式和階段式的傳輸方式，通過不同的路由協議，物聯網網關可以根據其傳輸方法的不同，識別電力任務類型，提升對任務數據的處理速度[5]。

通信網絡屬于電力物聯網的傳輸應用層，該網絡通過遠距離傳輸與處理數據，保證電力任務的發布不受地域限制，同時也可以通過該應用層，隨機切換通信協議，使性質不同的電力任務通過感知層發布[6]?？紤]網絡延遲、系統開銷等外部影響因素，選取以太網協議和4G蜂窩移動通信技術，實現物聯網網關之間的數據傳輸。當以太網發生故障時，物聯網網關立即切換到4G蜂窩移動通信，實現對任務的實時傳送[7]。

通過對物聯網感知層和通訊層的優化改進，設置基于電力物聯網網關的網絡控制訪問方式。電力物聯網網關是整個電力網絡的中央控制單元，負責將所有模型連接在一起，監控電力場所內所有網絡的工作狀態，通過發布的控制任務，默認場所內的工作場景，與外部網絡建立通信。所以可知電力物聯網網關包含的訪問控制接口，如下表1所示[8]。

根據表1可知，訪問控制接口包括兩類，一類是面向上層的應用接口，即接口1、2、4、6;另一類是面向底層異構子網及數據庫的接口，即接口3、5。根據上述內容，設置的網絡控制訪問方式，其部分控制代碼如下圖2所示[9]。

根據上述設置的控制算法，實現在電力物聯網的改進下，對網絡控制訪問方式的設置。

1.2? ?搭建任務遷移模型獲取任務遷移決策全局搜

索目標

根據異構網絡中，多用戶單任務計算的遷移問題，搭建一個任務遷移模型，以此設置任務遷移決策全局搜索方法。設電力設備的集合為N，則N = {1，2，…，n}。假設一個任務遷移周期內，每個電力信息接收設備，只有唯一一個待處理任務Ri，該任務用二元組來表示，即Ri = （ai，ki），其中ai表示任務Ri的輸入數據比特量，ki表示完成任務Ri時的周期數[10]。假設感知網絡共存在M個信道，即M = {1，2，…，m}，通訊網絡共有V個信道，即V = {1，2，…，v}，設置決策變量為λi，當決策變量λi = 0時，得到任務遷移參數：

T ki = ■E ki = ki·μ ki? ? ? ? ?（1）

式中：T ki表示計算時延;E ki表示能量消耗;i表示網絡控制訪問端口[11]。將上述模型加權調整，得到任務遷移模型：

Γ ki = θ Ti·T ki + θ Ei·E ki? ? ? （2）

其中，引入的θ ki表示權重，當該權重系數滿足下列約束條件時，證明該模型反映的網絡數據較為完備[12]。約束條件為：

θ Ti，θ Ei∈[0，1）θ Ti + θ Ei = 1? ? ? ? ?（3）

當θ Ti > θ Ei時，表明遷移任務Ri時延敏感;當權重θ Ti < θ Ei時，表明網絡耗能敏感[13]。此時可以利用該模型，獲取任務遷移決策全局搜索目標。假設該目標為φi，則根據公式（2）得到遷移決策全局搜索目標為：

φi = ■■? ? ? ?（4）

式中：σi表示響應指標;ΔR表示任務偏移量;xi、yi表示遷移數據在不同位置處的橫縱坐標值[14]。根據上述得到的搜索目標，進行數據處理。

1.3? ?邊緣智能技術計算電力物聯網關的限制概率

根據上一節得到的搜索目標，利用邊緣智能技術，計算電力物聯網網關對該搜索目標的限制概率。首先是在時間條件下的限制概率?？紤]網絡節點之間的多次接觸問題，根據任務自身截止時間，計算源節點可能會接觸的感知移動節點?？紤]單跳路徑的基本狀況，即從源節點與搜索目標之間，任務數據與各個節點的接觸次數[15]。當任務時間截止時，可得到在t時間內，網關在時間條件影響下，對目標數據的限制概率：

Pt = ■? ? ? （5）

式中：Pt表示時間條件t影響下的限制概率;b表示服從參數;ε表示約束參數;γ表示限制動態指標。在計算不同數據量下的搜索目標限制概率，已知通信網絡傳輸任務數據是相對穩定的，但由于電力物聯網任務量的增加，使得下達的指令數據隨之增多，因此會導致傳輸數據微弱失穩[16]。假設任務數據的最大值為Rmax，最小值為Rmin，則得到的近似計算概率為：

Ps ≈ 1 - ■■ =

1 - 1-■■■? ? ? （6）

式中：Ps表示任務數據量為s時的限制概率;R1表示第一條任務;Ri表示最后一條任務;β表示尺度參數[17]。最后再利用邊緣智能技術，計算在上述兩種條件約束下，搜索目標的限制概率。對于電力物聯網網關的訪問限制，在充分考慮時間條件t 和數據量條件s的前提下，設此時搜索目標的限制概率為P（t，s），則計算方程為：

P（t，s） = ■■? ? ?（7）

式中：■i表示數據穩定傳輸下的期望限制概率;ωi表示參數權重;α表示近似性指標[18]。根據上述計算，實現邊緣智能技術，對電力物聯網網關限制搜索目標的概率計算。

1.4? ?制定邊緣任務分配策略實現任務分配的邊云

協同

根據得到的三種條件下的概率指標，制定任務分配策略。假設n個用戶分布的條件下，包含若干個中心用戶和搜索得到的邊緣目標用戶，假設分配參數為f，則分配情況用Cn， f∈{0，1}表示，當Cn， f = 1時，表示所有任務均被分配;當Cn， f ≠ 1時，表示邊緣用戶分配不均[19]。電力物聯網的基本任務分配與速率為：

v = an■Cn， f ■log21 + ■? ? （8）

式中：an表示n個電力設備的傳輸速率;A表示互聯網網絡總帶寬;τ表示分配路徑;Mn表示用戶數量;hi表示電力感知網絡與通信網絡之間的信道增益;ω0表示路徑分配損耗;Δη表示分配增益量[20]。根據上述公式得出邊緣用戶任務分配參數：

δ = ■? ? ? （9）

式中：δ表示邊緣用戶任務分配控制參數;l表示邊緣用戶與中心用戶之間的相對距離;α表示邊緣開銷量。根據制定的邊緣任務分配策略，設置網絡任務邊緣分配邊云協同[21]。邊云協同包括目標檢測和目標追蹤兩個方面，利用特征提取算法，按照上圖中的流程完成對特征節點的檢測，根據得到的特征描述子，進行數據匹配，通過計算特征描述子之間的距離，選擇最為匹配的邊緣任務分配策略，以此確定電力物聯網的網關，對分配路徑的控制[22]。而目標追蹤，是通過物聯網網關建立起感知網絡與通信網絡之間的聯系后，對分配的任務數據進行追蹤，保證任務數據可以在網絡技術控制下，實現邊云協同匹配，保證所有電力任務信息，通過感知與通信，完整的匹配到邊緣用戶[23]。假設實際匹配與理想匹配之間存在一個大于0的差值，則該差值的表達式為：

Δd = d1 - d2 × δz? ? ? ?（10）

式中：Δd表示提到的匹配差值;d1表示實際匹配;d2表示理想匹配;δ為任務分配控制參數;z表示平衡控制參數[24]。當差值Δd趨近于1時，則證明該差值過大，設置的邊云協同效果不佳，需要重新設置邊緣智能技術;當差值Δd趨近于0時，證明邊云協同效果，任務匹配成功。至此實現基于電力物聯網關的邊云協同和邊緣智能技術的應用[25]。

2? ?仿真測試

提出仿真實驗測試，檢驗此次研究的基于電力物聯網關的邊云協同和邊緣智能技術的應用能力。為增強仿真實驗測試結果的說服力度，引入傳統應用方法下的邊云協同和邊緣智能技術，比較兩種應用方法下，不同技術之間的差異性。

2.1? ?仿真實驗準備階段

利用SimuWorks軟件模擬電力物聯網數據，下圖3是不同時期內的電力物聯網模擬數據量示意圖。

上圖中T1表示平常時段，T2表示休息日時段，T3表示法定節假日時段。設置該仿真軟件的模擬參數，如下表2所示。

根據上述參數，模擬此次仿真實驗測試環境，并測試該環境運行的穩定性。當穩定性值超過0.95，極度接近1時，表明仿真實驗平臺可靠，滿足此次仿真實驗測試需求，可以進行仿真測試。

2.2? ?測試結果與分析

此次仿真實驗測試，將研究的技術，作為仿真實驗A組，將傳統的技術，作為仿真實驗B組。將圖3中的3組數據作為仿真實驗測試對象，得到下圖4所示的仿真實驗測試結果。

（a）仿真實驗A組測試結果

（b）仿真實驗B組測試結果

已知在不同的時段內，電網任務數據量也有所不同，上圖中的兩組測試結果，是對白天時段的電力任務數據分配測試。根據圖中曲線可知，在同樣的仿真實驗測試環境下，所研究技術在電力物聯網網關的控制下，邊緣智能計算的結果更加精準，邊云協同到位，使最終的分配結果符合實際要求。而兩個技術的傳統應用方法下，由于控制邊緣智能技術的能力較弱，導致得到的邊緣用戶存在疏漏，造成電網任務匹配不均。為保證仿真實驗結果的普遍性，再對晚間的電網任務數據進行測試，下圖5為該測試條件下的仿真實驗結果。

（a）仿真實驗A組測試結果

（b）仿真實驗B組測試結果

已知此次仿真實驗測試的其他條件相同，仿真實驗對象由白天時段換成晚間時段。根據圖中的曲線走勢可知，所研究的技術下，對晚間的電網任務分配，與白天沒有差異，均實現了對邊緣用戶協同分配這一要求。而傳統邊云協同、邊緣智能技術的傳統應用方法下，對邊緣用戶的電網分配任務，同樣存在分配不均的問題，可見傳統應用方法下，邊緣智能技術無法精準計算，導致最終的邊云協同效果不佳，無法實現協同分配這一目的。為保證仿真實驗測試結果的真實性，通過可信度評估方法，對仿真實驗測試結果進行檢測，檢測公式為：

RI = ■ni（1 - Y）n-1? ? ? ? ?（11）

式中：RI表示可信度評估結果;n表示仿真實驗測試;i表示用戶數量;Y表示匹配結果。當RI >0.95時，證明該測試結果可靠，反之則仿真實驗存在較大誤差。綜合上述兩組仿真實驗測試結果可知，基于電力網聯網網關的技術效果更好。

3? ?結? ?論

基于電力物聯網關的邊云協同和邊緣智能技術，以傳統技術的問題為切入點，通過加強物聯網網關的識別能力與控制性能，提升感知網絡與通信網絡之間的連接通性，加強網關控制下，兩者之間的匹配性能，實現電力數據任務的精準傳遞。但此次研究的邊云協同技術和邊緣智能技術，在計算上可能還是存在些許誤差，今后的研究與優化，還要注意這方面的問題。

參考文獻

[1]? ? 蔡月明，封士永，杜紅衛，等. 面向泛在電力物聯網的邊緣節點感知自適應數據處理方法[J]. 高電壓技術，2019，45（06）：1715-1722.

[2]? ? 彭楚寧，羅冉冉，王曉東. 新一代智能電能表支撐泛在電力物聯網技術研究[J]. 電測與儀表，2019，56（15）：137-142.

[3]? ? 孫浩洋，張冀川，王鵬，等.面向配電物聯網的邊緣計算技術[J]. 電網技術，2019，43（12）：4314-4321.

[4]? ? 廖家齊，錢科軍，方華亮，等. 基于泛在電力物聯網的電動汽車充電站運維關鍵技術[J]. 電力建設，2019，40（09）：20-26.

[5]? ? 王旭亮，劉增義，胡雅婕，等. 基于NFV MANO的邊緣計算多種智能化部署方案研究[J]. 電子技術應用，2019，45（10）：19-24.

[6]? ? 段玉飛，王偉. 基于物聯網的輸電線路智能監測系統研究與應用[J]. 電力信息與通信技術，2019，（7）：25-32.

[7]? ? 張寧，楊經緯，王毅，等. 面向泛在電力物聯網的5G通信：技術原理與典型應用[J]. 中國電機工程學報，2019，39（14）：4015-4025.

[8]? ? 劉大偉，宋爽，馬泉. 基于云策略和MMS協議的智能變電站繼電保護設備自動測試系統[J]. 電力系統保護與控制，2019，47（12）：159-164.

[9]? ? 朱赫，蘇維均，王鑫. 基于REST架構的物聯網設備插件機制設計[J]. 計算機工程與設計，2019，40（01）：14-19.

[10]? 石瑞杰，鄒萍，吳夕科，等. 電工裝備行業云端協同制造及仿真應用研究[J]. 系統仿真學報，2019，31（04）：771-786.

[11]? 吳正坤，江凌云，穆晏如. 多邊緣節點協同下的應用卸載算法研究[J]. 南京郵電大學學報（自然科學版），2019，39（04）：96-102.

[12]? 高麗萍，高東方. 移動云環境下實時協同圖形編輯一致性維護研究[J]. 小型微型計算機系統，2018，39（01）：173-178.

[13]? 任洪波，鄧冬冬，吳瓊，等. 基于熱電共融的區域分布式能源互聯網協同優化研究[J]. 中國電機工程學報，2018，38（14）：4023-4034.

[14]? 宋朋濤，李超，徐莉婷，等. 基于個人計算機的智能家居邊緣計算系統[J]. 計算機工程，2017，43（11）：1-7.

[15]? 沈博，蔡澤祥，戴觀權，等. 面向泛在電力物聯網的智能配用電信息采集業務通信分析[J]. 電力建設，2019，40（09）：27-34.

[16]? 張濤，趙東艷，薛峰，等. 電力系統智能終端信息安全防護技術研究框架[J]. 電力系統自動化，2019，43（19）：1-8.

[17]? 王艷如，劉海峰，李琳，等. 基于邊緣智能分析的圖像識別技術在輸電線路在線監測中的應用[J]. 電力信息與通信技術，2019，17（07）：35-40.

[18]? 李琳，魏鑫，孫勝宇. 居民側智能用電泛在感知技術與多元精準服務研究[J]. 供用電，2019，36（06）：10-15.

[19]? 張鵬，王博思. 基于塑料光纖的智能交通移動邊緣計算通信系統設計[J]. 半導體光電，2019，40（06）：886-890.

[20]? 鐘瑜，林勤. 一種嵌入式邊緣計算平臺能力評估方法[J]. 通信技術，2019，52（06）：1443-1449.

[21]? 吳佳興，李愛國. 基于云計算的智能家居系統[J]. 計算機應用與軟件，2013，（7）.240-243，314.

[22]? 王昆侖，李凱，李資琴，等. 賦能智能物聯網的霧計算技術[J]. 重慶郵電大學學報（自然科學版），2019，31（04）：427-433.

[23]? 楚璽，周志祥，鄧國軍，等. 模糊圖像的不連續邊緣智能檢測改進算法[J]. 吉林大學學報（理學版），2019，57（04）：875-881.

[24]? 黃紅，熊卓，王宇，等. 基于大數據的變電設備狀態多維感知及智能診斷系統的研究[J]. 電力大數據，2019，22（10）：51-57.

[25]? 毛天祺，劉偉，黃潔，等. 二進小波增強與邊緣局部信息FCM的SAR圖像變化檢測[J]. 信號處理，2018，34（01）：54-61.