基于數(shù)據(jù)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(shù)字電網研究院有限公司，廣東 廣州 510062； 3.合肥工業(yè)大學 電氣與自動化工程學院，安徽 合肥 230009)

隨著各類數(shù)據(jù)方法在配電網中的應用，配電網正逐步實現(xiàn)自動化與智能化的轉變，對數(shù)據(jù)處理能力的要求與日俱增。從萬物互聯(lián)的時代背景來看，各類網絡中接入的邊緣設備數(shù)量也越來越多，由此帶來的數(shù)據(jù)吞吐量已達到澤字節(jié)(ZB)級別；同時，通信網絡的快速迭代也對數(shù)據(jù)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(shù)據(jù)進行快速采集和數(shù)據(jù)融合是智能化的重要途徑，因此有必要對一些傳統(tǒng)電能設備進行智能化改進，并引入新的數(shù)據(jù)處理方式。

近年來，隨著電網發(fā)展由分散式、區(qū)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(lián)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(shù)據(jù)處理方式更接近終端，因此在低時延處理上更具優(yōu)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(xiàn)，如文獻[2]設計開發(fā)了一套基于邊緣計算技術的電力末端融合系統(tǒng)，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(tǒng)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(tǒng)中連接主站和電表設備的樞紐，目前多用于底層電能表數(shù)據(jù)的采集、存儲和轉發(fā)，不參與數(shù)據(jù)處理工作。但隨著系統(tǒng)主站的數(shù)據(jù)處理壓力日漸增加，電能計量系統(tǒng)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(tǒng)集中器的設計和實現(xiàn)方案，文獻[7]提出了一種基于有限狀態(tài)機的智能抄表集中器的設計與實現(xiàn)方案，并進行了實際系統(tǒng)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(xiàn)，而忽略了其在電能計量系統(tǒng)中的定位。智能集中器是典型的邊緣設備，是電能計量系統(tǒng)中較為靠近傳感器與用戶的分布式節(jié)點，不僅需要實現(xiàn)簡單的電能表數(shù)據(jù)采集功能，也應進一步實現(xiàn)快速的數(shù)據(jù)處理，以實現(xiàn)對云計算數(shù)據(jù)中心的計算分流，降低系統(tǒng)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(tǒng)框架，明確了智能集中器在電能計量系統(tǒng)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(xiàn)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(shù)據(jù)中心的流量壓力、承擔部分數(shù)據(jù)處理工作，而且不需要過多的人工干預，可以自動實現(xiàn)電能表集抄、數(shù)據(jù)融合處理，有效提高電能計量系統(tǒng)運維效率?，F(xiàn)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(yōu)化思路(如參考文獻[7])，本文主要優(yōu)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(lián)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(lián)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(shù)年中，大數(shù)據(jù)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(xiàn)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(xiàn)數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)中心的數(shù)據(jù)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(shù)據(jù)中心或數(shù)據(jù)節(jié)點方式，減少核心網絡負載，降低數(shù)據(jù)傳輸時延的分布式數(shù)據(jù)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(shù)量很多、帶有緩存和計算處理能力的系統(tǒng)計算節(jié)點，從而實現(xiàn)與終端設備、傳感器和用戶之間更為緊密、快速的數(shù)據(jù)交換。通常情況下，這些計算節(jié)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(jié)點進行分布式部署，能將大量的數(shù)據(jù)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(shù)據(jù)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(yè)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(shù)據(jù)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(shù)據(jù)云中心，能有選擇性地提供低時延計算功能。

邊緣計算節(jié)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(shù)據(jù)打包、數(shù)據(jù)轉發(fā)與數(shù)據(jù)處理。通過引入邊緣計算節(jié)點，可以有效降低云計算中心的數(shù)據(jù)流量負荷，加快數(shù)據(jù)處理速度，不僅可以為服務商節(jié)省數(shù)據(jù)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(qū)別

2 集中器

在配電網中，電表數(shù)據(jù)集中器的主要作用是連接多臺電表，并轉發(fā)抄表數(shù)據(jù)到數(shù)據(jù)中心，在自動抄表系統(tǒng)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(shù)據(jù)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(shù)據(jù)中心，其典型系統(tǒng)結構如圖2所示。

圖2 遠程抄表系統(tǒng)結構示意圖

盡管接入了運營商網絡，現(xiàn)有的傳統(tǒng)集中器大多只具備數(shù)據(jù)抄錄和上載功能，對數(shù)據(jù)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(jié)點，分流數(shù)據(jù)中心的數(shù)據(jù)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(xiàn)電能測量數(shù)據(jù)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(yè)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(yè)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(xiàn)對上行業(yè)務和對下行業(yè)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(tǒng)一的互聯(lián)總線與核心的計算處理模塊互聯(lián)，對下則對接不同類型的通信模塊；模塊設計統(tǒng)一硬件接口、結構尺寸等，實現(xiàn)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(shù)據(jù)高頻次采集、臺區(qū)識別、線損計算等業(yè)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(lián)互通，導致單個臺區(qū)存在異構網絡問題，使臺區(qū)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(xiàn)存窄帶PLC通信方式進行優(yōu)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(lián)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(tǒng)，一方面可以更容易地實現(xiàn)軟件擴展，另一方面可以結合SSH(Secure Shell)遠程訪問技術進行數(shù)據(jù)管理，簡化運維流程。

4 數(shù)據(jù)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(shù)據(jù)采集，并進行簡單的數(shù)據(jù)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(shù)據(jù)系統(tǒng)主要由4個部分組成。

① 智能電表：其存在的主要作用是監(jiān)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(shù)據(jù)融合，以期達到更加高效的工作狀態(tài)；

③ 信息管理系統(tǒng)：對采集到的電能數(shù)據(jù)進行信息管理，可以分臺區(qū)進行數(shù)據(jù)統(tǒng)計與界面展示；

④ 云計算平臺：通過信息管理系統(tǒng)和云計算平臺進行交互，可以綜合多臺區(qū)數(shù)據(jù)，充分挖掘數(shù)據(jù)潛力，最終進行運維決策。

4.1 基于邊緣計算技術的數(shù)據(jù)采集方法

針對智能集中器的數(shù)據(jù)采集階段，筆者提煉為建立數(shù)據(jù)庫、數(shù)據(jù)篩選和數(shù)據(jù)清洗步驟，對在線數(shù)據(jù)進行修正入庫。

其中，數(shù)據(jù)篩選的思想是濾去錯誤數(shù)據(jù)，數(shù)據(jù)清洗的思想是針對傳感器可能出現(xiàn)的錯誤數(shù)據(jù)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(shù)據(jù)庫構建

本算例采用在Linux系統(tǒng)中能良好運行的MySQL開源關系型數(shù)據(jù)庫進行數(shù)據(jù)庫構建。軟件是目前比較流行的數(shù)據(jù)庫解決方案，具有以下優(yōu)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(xù)采集的特性，MySQL對大型數(shù)據(jù)庫支持較好，目前已支持 5000 萬條記錄的數(shù)據(jù)倉庫，32 位系統(tǒng)表文件最大可支持4 GB，64 位系統(tǒng)表文件最大可支持8 TB；另外，MySQL可以很容易地進行多系統(tǒng)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(shù)據(jù)特點，整理出如表2所示的數(shù)據(jù)采集方法。

表2 智能集中器的數(shù)據(jù)采集方法設計

4.1.2 數(shù)據(jù)篩選

在智能集中器數(shù)據(jù)采集中加入數(shù)據(jù)篩選，目的是過濾數(shù)據(jù)中可能出現(xiàn)的非電能表來源的異常數(shù)據(jù)，對數(shù)據(jù)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(qū)和校驗碼的方式進行數(shù)據(jù)篩選，如圖3所示，程序通過BPLC接口定時發(fā)送功能碼，并對接收到的數(shù)據(jù)先后進行緩沖區(qū)和校驗碼驗證。

圖3 數(shù)據(jù)篩選流程圖

4.1.3 數(shù)據(jù)清洗

數(shù)據(jù)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(shù)據(jù)集中的噪聲數(shù)據(jù)。高斯混合模型(Gaussian Mixed Model，GMM)聚類算法對傳感器數(shù)據(jù)進行噪聲數(shù)據(jù)檢查時，其主要優(yōu)勢在于高斯分布能符合更多數(shù)據(jù)集的實際情形，將類似數(shù)據(jù)組織成“數(shù)據(jù)簇”。GMM聚類算法的基本執(zhí)行步驟如下。

① 輸入輸出關系： 將觀測數(shù)據(jù)y1,y2,…,yN作為算法輸入，將GMM參數(shù)作為算法輸出。

② 建立模型：假設觀測數(shù)據(jù)y1,y2,…,yN滿足GMM要求：

(1)

③ 寫出完全數(shù)據(jù)的對數(shù)似然函數(shù)：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(shù)據(jù)展開成完全數(shù)據(jù)(yj,γj1,γj2,…,γjk)，j=1,2,…,N，其中：

(2)

于是可以通過式(2)寫出完全數(shù)據(jù)的對數(shù)似然函數(shù)：

(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(fā)，采用多線程設計，可以克服傳統(tǒng)類似硬件平臺下采用MS-DOS單用戶、單任務操作系統(tǒng)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(tǒng)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(shù)據(jù)，經過數(shù)據(jù)篩選后寫入原始數(shù)據(jù)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(shù)據(jù)，進行數(shù)據(jù)清洗，形成抄表數(shù)據(jù)庫。抄表數(shù)據(jù)將由通信模塊上載到計量主站(服務器)。

為實現(xiàn)抄表數(shù)據(jù)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(tǒng)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(jié)集中器計算壓力等。

② 多數(shù)據(jù)庫方案：軟件流程基于MySQL，采用包含原始數(shù)據(jù)庫、抄表數(shù)據(jù)庫等多數(shù)據(jù)庫的數(shù)據(jù)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(shù)據(jù)進行處理，對系統(tǒng)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(xiàn)了數(shù)據(jù)處理的解耦化；

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

⑤ 事件日志：對抄表數(shù)據(jù)的操作與系統(tǒng)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(xiàn)故障定位、故障還原等。

4.2 基于邊緣計算技術的數(shù)據(jù)融合與決策管理方法

在數(shù)據(jù)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(shù)據(jù)可靠性保證校驗。在對清洗后數(shù)據(jù)傳遞至云平臺時進行，執(zhí)行MD5碼快速測算，與云計算平臺保證數(shù)據(jù)一致，防止數(shù)據(jù)損壞。

② 智能多模式數(shù)據(jù)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(shù)據(jù)連續(xù)性。

③ 決策方案同步。通過信息管理系統(tǒng)同步自身數(shù)據(jù)采集方案，達到分布式邊緣計算節(jié)點的參數(shù)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(shù)據(jù)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(shù)據(jù)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(xiàn)有的抄表運維中采用排除法進行作業(yè)，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(jié)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(shù)據(jù)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(xié)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(wěn)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(qū)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(shù)據(jù)中心的流量壓力、承擔部分數(shù)據(jù)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(shù)據(jù)進一步進行仿真和實驗分析，以改進相關方案。