CN113098711A - 一种基于云边协同的配电物联网cps管控方法及系统 - Google Patents
一种基于云边协同的配电物联网cps管控方法及系统 Download PDFInfo
- Publication number
- CN113098711A CN113098711A CN202110324207.4A CN202110324207A CN113098711A CN 113098711 A CN113098711 A CN 113098711A CN 202110324207 A CN202110324207 A CN 202110324207A CN 113098711 A CN113098711 A CN 113098711A
- Authority
- CN
- China
- Prior art keywords
- cps
- data
- model
- control
- things
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims abstract description 60
- 238000013178 mathematical model Methods 0.000 claims abstract description 43
- 238000007726 management method Methods 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 28
- 230000005540 biological transmission Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 5
- 238000005094 computer simulation Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 description 30
- 238000010586 diagram Methods 0.000 description 13
- 230000005611 electricity Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于云边协同的配电物联网CPS管控方法及系统,方法包括以下过程:对云边协同的配电物联网CPS系统进行划分,获得对应的集中‑分布式联合控制的网络架构;基于集中‑分布式联合控制的网络架构进行建模分析,获得配电物联网CPS管控系统的数学模型;基于配电物联网CPS管控系统的数学模型,以边缘计算组为基础单位建立单元级CPS数学模型;对多个协同运行的单元级CPS数学模型进行组合构成CPS统一计算模型。本发明运用云边协同的集中‑分布式联合控制计算体系对CPS进行合理划分并建立分层协同自治的网络架构,能够有效解决CPS中存在的计算问题,实现电能资源的高效利用及业务的快速迭代。
Description
技术领域
本发明属于电力信息技术领域,具体涉及一种基于云边协同的配电物联网CPS管控方法,还涉及一种基于云边协同的配电物联网CPS管控系统,是边缘计算技术在配电物联网领域的应用。
背景技术
配电物联网(D-IoT)通过配电设备间的互联、互通,实现全网络传感、数据融合和智能应用,从而满足配电网精细化管理的需求。其在应用形式上具有设备广泛互连、业务快速迭代、终端即插即用、状态全面感知、资源高效利用等特点。配电物联网作为典型的信息物理系统(Cyber Physical System,CPS),其控制过程存在对象多、任务复杂、能量流和信息流融合控制等特点。随着配电网的发展,网络边缘设备产生的数据量和计算量急剧增加,为数据存储、云端计算和传输带宽带来压力。在数据分析、处理与响应的过程中,传统的云计算模式对信息流的处理无法满足实时性要求,这对能量流的稳定性与控制的可靠性有直接影响。另一方面,目前传统配电网的优化问题主要通过集中控制的方式解决,但集中式控制方式对故障比较敏感,其可靠性较低,对信息物理系统的鲁棒性有一定影响,而且对于分布式电源投入、退出带来的变化,无法作出快速、及时的反应,不能保证分布式电源的“即插即用”。与之相比,分布式控制方式能够缓解通信压力,降低计算复杂度,有更好的可靠性、灵活性和经济性。
发明内容
本发明的目的在于克服现有技术中的不足,提供了一种基于云边协同的配电物联网CPS管控方法及系统,运用云边协同的集中-分布式联合控制计算体系对CPS进行合理划分并建立分层协同自治的网络架构,有效解决CPS中存在的计算问题。
为解决上述技术问题,本发明的技术方案如下。
第一方面,本发明提供了一种基于云边协同的配电物联网CPS管控方法,包括以下过程:
对云边协同的配电物联网CPS系统进行划分,获得对应的集中-分布式联合控制的网络架构;
基于集中-分布式联合控制的网络架构进行建模分析,获得配电物联网CPS管控系统的数学模型;
基于配电物联网CPS管控系统的数学模型,以边缘计算组为基础单位建立单元级CPS数学模型;
对多个协同运行的单元级CPS数学模型进行组合构成CPS统一计算模型。
可选的,所述集中-分布式联合控制的网络架构,包括:终端层、馈线层和站控层,其中:终端层是控制本地设备的最低层;馈线层用于本地数据分析的区域自治控制;站控层是基于云层面的全局优化控制;
所述终端层、馈线层和站控层中任两层之间均可进行数据交换,以及终端层内部之间和馈线层内部之间也可进行数据交换。
可选的,所述基于集中-分布式联合控制的网络架构进行建模分析,获得配电物联网CPS管控系统的数学模型,包括:
将电力网和信息网中的状态量抽象为“数据节点”,
将状态量在系统中传输和演变的环节抽象为“数据支路”,
将汇聚并向外提供数据的模块抽象为“数据池节点”;
电力网中的数据支路包括输电线路和电力元件,信息网中的数据支路包括信息传输支路和信息处理支路。
可选的,所述建立单元级CPS数学模型,包括:
对边缘计算组建立单元级CPS数学模型,一个包含N个数据节点,M条数据支路的边缘计算组,其关联矩阵可表示为N×M矩阵A=[aij],公式如(1)所示,
其中,aij用来表征数据节点i和数据支路j的关联关系,符号代表信息流动方向,aij为负表示信息流向数据节点i,aij为正表示信息流出数据节点i,aij为零表示数据节点i和数据支路j不相连。
可选的,所述,对多个协同运行的单元级CPS数学模型进行组合构成CPS统一计算模型,包括:
1)系统中所有边缘计算组按系统建模方法建立协同计算模型,如式(4);
其中,AS表示第S个边缘计算组构建的单元级CPS模型,S是全网CPS包含单元计算模型的个数;B表示S个边缘计算组在协同计算模型构建过程中产生的增补矩阵;
2)将云计算数据中心视为数据池节点,核心网视为数据支路,则包含云计算数据中心和核心网在内的全网CPS统一计算模型,如式(5);
其中,A′CG的表达式如式(6),
其中,核心网络有W条数据支路,单元协同模型共有X个节点,A′CG为(X+1)×W阶矩阵。
可选的,所述增补矩阵的计算过程为:
3)将两个单元级CPS数学模型的数据节点和支路进行统一编号;其中一个模型的数据节点编号为1~N,数据支路编号为1~M,单元矩阵模型为另一模型的数据节点编号为N+1~N+P,数据支路编号为M+1~M+Q,单元矩阵模型为
4)协同模型建立过程中,数据节点不会发生变化,但组间数据交换会使数据支路增加;设新增r条支路,则产生的增补矩阵BI×r为式(2),
其中,N+P=I,M+Q+1=J,M+Q+r=K,数据节点编号为1~I,数据支路编号为J~K。
第二方面,本发明提供了一种基于云边协同的配电物联网CPS管控系统,包括:
网络架构划分模块,用于对云边协同的配电物联网CPS系统进行划分,获得对应的集中-分布式联合控制的网络架构;
建模分析模块,用于基于集中-分布式联合控制的网络架构进行建模分析,获得配电物联网CPS管控系统的数学模型;
单元级模型建立模块,用于基于配电物联网CPS管控系统的数学模型,以边缘计算组为基础单位建立单元级CPS数学模型;
统一模型建立模块,用于对多个协同运行的单元级CPS数学模型进行组合构成CPS统一计算模型。
第三方面,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征是,该计算机程序被处理器执行时,实现如上所述的一种基于云边协同的配电物联网CPS管控方法。
与现有技术相比,本发明所达到的有益效果是:从云边协同应用角度出发,进行了边缘计算与云计算在配电物联网场景下的协同分析,然后构建了一种“自下而上,分布自治,协同调度,全局优化”的基于云边协同的配电物联网CPS管控模型,该模型能够更快地处理配电物联网的业务,能够有效解决CPS中存在的计算问题,实现电能资源的高效利用及业务的快速迭代。
附图说明
图1是配电物联网CPS管控结构模型分层示意图;
图2是边缘计算与云计算协同应用模型图;
图3是云边协同集中-分布式联合控制结构图;
图4是系统支路耦合方式示意图;
图5是简易配电物联网CPS系统等效结构模型图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例1
本发明的一种基于云边协同的配电物联网CPS管控方法,在考虑边缘计算、云边协同的基础上,提出一种集中-分布式联合控制结构模型,系统框架如图1所示,包括以下过程:
步骤(1)将边缘计算与云计算相结合,构建云边协同计算框架;
1)边缘计算
边缘计算作为一种新型的分布式计算方法,主要应用在靠近终端层CE设备或数据源头的网络边缘侧,就近提供边缘智能服务,能够实时、稳定、快速地处理数据和执行控制,与云计算相互补充,可以有效解决信息物理系统CPS中存在的计算问题。将基于数据中心的云服务功能扩展至网络边缘,在终端提供存储和计算资源,为用户访问提供低延迟和高带宽,有效减少回程网络中的资源需求,提高网络的实时性和计算资源的利用率。边缘计算具有安全、快速、方便管理等优点,主要用于对实时要求高、周期短的数据进行分析,对CPS单元的实时智能化处理与执行能够提供很好的技术支撑。
2)云边协同
边缘计算与云计算协同应用模型如图2所示,通过云平台与边缘节点(边缘终端设备)之间的数据交互、协同计算来更好满足配网业务需求。边缘节点通过多种传感器采集不同范围和格式的数据,对数据进行预处理后将各个服务状态信息上传至云平台。云平台利用处理过的数据创建多个深度学习模型,并考虑边缘侧的功能和终端数据的特性,选择适合任务状态的最佳模型,将其与模型的使用信息一起下发到边缘节点。边缘节点使用交付的模型解决特定任务,如用户行为分类、充电站负荷预测等。云边协同可实现边缘节点负载云平台的数据处理,减少数据往返云端的等待时间和网络带宽成本,能够满足终端侧实时需求,同时提高云平台处理复杂工作的效率,降低云边管理的难度和系统资源成本。云边协同的数据处理机制可实现“区域自治”,特定区域的部分数据可以本地分析、决策,无需上传云平台,能够充分利用数据资源,提高实时性。
步骤(2)运用云边协同的集中-分布式联合控制计算体系对CPS进行合理划分并建立分层协同自治的网络架构;
云边协同的集中-分布式联合控制结构如图3所示。与由云平台完成所有计算任务的集中式控制结构不同,集中-分布式联合控制方式能够充分利用云平台和边缘节点的协同优势,既能实现统一调度,也可以满足安全及实时性要求。常规对内业务由边缘服务平台进行分布式执行或经由核心网实现多个边缘节点(边缘终端)协同自治。对于全网统一业务及数据综合处理业务,边缘服务平台通过核心网络将信息汇聚到云平台(云计算数据中心),在完成数据处理后,云平台数据中心的集中控制命令再由边缘服务平台分区执行。
对配电物联网CPS管控结构模型进行分层,如图1所示,包括终端层、馈线层和站控层,其中①表示馈线层与终端层控制数据交换;②表示站控层和馈线层控制数据交换;③表示终端层之间数据交换;④表示馈线层之间数据交换;⑤表示站控层和终端层控制数据交换。
1)终端层是控制本地设备的最低层,包括多个CE设备(用户边缘设备),CE设备具有响应速度快的特点,能够进行轻量级的计算以及实现快速、轻量的终端控制。
2)馈线层的PE设备主要用于本地数据分析的区域自治控制。PE设备(区域控制单元)对CE设备(低层控制单元)进行调度以实现区域内部稳定,减少不同区域之间的影响。PE设备在指定区域进行网络监测和控制行动可以实现区域自治。
3)站控层的P设备是基于云层面的全局优化控制。P设备收集PE设备和CE设备的操作信息,通过全局优化算法设置低层优化目标。复杂区域间协调通过P设备来实现,当检测到的异常情况可能影响邻近区域的情况下,P设备控制相邻区域的PE设备协作寻找最优控制策略,从而最大限度地减少异常的扩散。
此配电物联网CPS管控结构模型的分层结构将网络管控任务委托给松散耦合的CE设备和PE设备,通过设备管理其所在的子网络,并在必要时与对等PE设备协同自治实现全局最优运行。
步骤(3)建立配电物联网CPS管控系统的数学模型;
对于步骤(2)建立的基于云边协同集中-分布式联合控制结构的配电物联网CPS管控系统,对其进行数学建模分析。在系统静态拓扑基础上,采用电力系统“外网等值”思想,将信息网等效为与物理电网类似的“等值模型”:将电力网和信息网中的状态量抽象为“数据节点”,将状态量在系统中传输和演变的环节抽象为“数据支路”,将汇聚并向外提供数据的模块抽象为“数据池节点”。电力网中的数据支路包括输电线路和电力元件,信息网中的数据支路包括信息传输支路和信息处理支路。数据支路的首末端分别为数据输入和输出节点,支路权重为该环节的传输特性,多种类型的数据支路按照一定的控制结构耦合在一起,构成CPS有权有向拓扑图模型,如图4所示。输电线路和电力元件在电力网侧通过电力-能量流相互耦合,其传输特性模型用模数转换函数AD和数模转换函数DA表示,分别代表数据采集环节和命令执行环节,信息传输支路和信息处理支路在信息网侧相互耦合。
步骤(4)采用步骤(3)中的建模方法,以边缘计算组为基础单位,按照组间协同自治、云边协同控制的逻辑结构,建立单元级CPS数学模型;建立数学模型的目的是,通过模型规模和传播时延两个角度定量地分析本发明所建立模型与传统集中控制式CPS模型相比的优势。
一个边缘服务平台与其对应终端设备(CE设备)构成一个边缘CPS,称为边缘计算组。在云边协同的集中-分布式联合控制方式下,边缘计算组是全网系统的基本计算单元。数据节点是状态量的抽象,数据支路是状态量在系统中传输和演变环节的抽象,关联矩阵表征的是状态量之间的流动关系。对边缘计算组建立单元级CPS数学模型,一个包含N个数据节点,M条数据支路的边缘计算组,其关联矩阵可表示为N×M矩阵A=[aij],公式如(1)所示,aij用来表征数据节点i和数据支路j的关联关系,符号代表信息流动方向,aij为负表示信息流向数据节点i,aij为正表示信息流出数据节点i,aij为零表示数据节点i和数据支路j不相连。
步骤(5)将多个协同运行的单元级CPS数学模型与电力网数学模型建立CPS统一计算模型;
将单一边缘计算组模型作为整体模型中的子函数,通过调用子函数的方式实现组间协同自治、云边协同控制,从而建立统一计算模型。建立数学模型的目的是通过模型规模和传播时延两个角度定量地分析本发明所建立模型与传统集中控制式CPS模型相比的优势。
5)将两个单元级CPS数学模型的数据节点和支路进行统一编号。其中一个模型的数据节点编号为1~N,数据支路编号为1~M,单元矩阵模型为另一模型的数据节点编号为N+1~N+P,数据支路编号为M+1~M+Q,单元矩阵模型为
6)协同模型建立过程中,数据节点不会发生变化,但组间数据交换会使数据支路增加。设新增r条支路,则产生的增补矩阵BI×r为式(2),增补规则与单元建模规则一致,N+P=I,M+Q+1=J,M+Q+r=K,数据节点编号为1~I,数据支路编号为J~K。
除边缘计算组外,系统还包括云计算数据中心和核心网络。将云计算数据中心视为数据池节点,通过核心网与边缘服务平台节点连接,核心网是边缘计算服务器与云计算数据中心交互的主干线,视为数据支路。则包含云计算数据中心和核心网在内的全网CPS统一计算模型可通过以下步骤建立:
1)系统中所有边缘计算组按系统建模方法建立协同计算模型,如式(4);
其中,AS表示第S个边缘计算组构建的单元级CPS模型,S是全网CPS包含单元计算模型的个数;B表示S个边缘计算组在协同计算模型构建过程中产生的增补矩阵。
2)增加数据池节点和主干数据支路模型A′CG,组成全网CPS统一计算模型,如式(5);
其中,A′CG的表达式如式(6),设核心网络有W条数据支路,单元协同模型共有X个节点,则A′CG为(X+1)×W阶矩阵,最后一行表示数据池节点。
步骤(6)通过具体算例验证该模型的合理性和集中-分布式联合控制结构的优越性。
1)基于云边协同的配用电数据分析与处理
传统配用电数据主要通过主站(云端)集中处理,但随着配用电用户数量的大幅增加和用户类型的多样化,从终端传输数据到主站会增加通信和主站数据处理的负担,无法实现数据的实时处理。因此,用户用电数据的采集、存储、分析与处理更需要边缘计算本地处理来完成。本实例根据上述提到的云边协同模式来解决配用电数据处理存在的问题,验证云边协同的集中-分布式联合控制方式提供优化服务的优越性。
对于基于边缘计算的用户用电数据分析与处理,首先将边缘节点即CE设备采集到的用户用电数据进行处理,然后对处理后的数据在边缘侧进行分析,最后将分析结果上送到主站(云平台);对于传统集中式架构下的用户用电数据分析与处理,则需要将各个边缘节点采集的用电信息传输到主站,在主站处对所有边缘节点传输来的未处理数据进行处理分析。
本示例选取7000个用户用电数据作为数据源,为了模拟云边协同模式处理用电数据,将其中1000个用户均分为8组,用来模拟从不同边缘节点采集的用户用电数据。将另外6000个用户用电数据作为训练样本进行训练,然后分别对8组边缘节点的数据进行聚类分析,并与传统集中式控制方式下的处理结果,即1000个用户用电数据全部由主站(云平台)直接处理,进行对比分析。
其计算结果如表1所示。其中边缘节点数据处理时间最高为0.3275s,主站(云平台)处理时间为2.4579s,可以看出相比于传统集中式控制方式,云边协同的集中-分布式联合控制方式对数据的分类处理大大节约了计算时间。同时,从数据分类准确率可看出,相较传统架构下的用电数据处理,基于边缘计算的用户用电数据分析仍然能够保持较高的准确率。因此,引入边缘计算的云边协同模式将用户数据集中在边缘侧进行存储处理,大大提高了处理效率,保证了数据分析、处理与响应的实时性。
表1集中式控制与云边协同集中-分布式联合控制计算比较
2)对配电物联网CPS建模方法的算例验证
选取简易的配电物联网CPS系统为研究对象,量化分析不同运行情况下的主要出力单元状态变化和集中-分布控制方式下的传输时延优势,以此说明本发明模型的建立和使用过程,验证模型的合理性和通用性。该系统等效结构模型如图5所示,将其划分为两个边缘计算组,区域1和区域2均考虑用户价格需求响应。对系统进行建模,使节点6~10、19~23分别对应物理侧节点1~5、14~18;四条无损支路抽象为节点11、12、24、25;节点13、26为区域边缘计算节点;节点27为云计算数据池节点。图中虚线箭头表示数据上传,实线箭头表示命令下达。
若节点13与26之间存在耦合,则协同模型可以建立,假设配网区域2存在供电功率不足的问题,可由配电区域1向区域2输送功率,以尽量补偿区域2中的功率缺额,实现两个边缘计算组的协同自治。若区域1和区域2的单元CPS模型均包含N个数据节点和M条数据支路,即均为N×M矩阵,则按照两个边缘计算组协同运行的原则建立的协同模型为2N×(2M+1)矩阵;若节点13与26之间不存在耦合,则两个边缘计算组须通过云计算平台27节点实现信息交换,即采用集中-分布式控制模式,此时依据式(5)建立的模型为(2N+1)×(2M+2)矩阵;若直接使用集中控制模式,边缘服务平台的数据整合和自主优化功能将全部交由云计算数据中心完成,终端层数据直接通过接入网络传输到云计算数据中心,此时采用集中式控制模式建立的模型为(2N+1)×(2M+10)矩阵。
此外,由信息传输支路时延特性查阅可知,云计算数据中心和边缘服务平台时延数据如表2所示。
表2信息传输支路时延特性
以表2中接入网和核心网的时延作为标准,对上述三种控制方式下信息传输时延进行计算,假设协同运行时信息在接入网中的传输总路径为300km,边缘服务平台经由的核心网络总长为600km,那么时延数据可以直接计算得到,计算结果如表3所示。
表3不同控制逻辑模型效果对比
由表3可知,基于云边协同的集中-分布式联合控制策略的模型规模和计算速度都明显优于传统集中控制方式,且其控制结果符合实际控制应用场景,从模型规模和传播时延两个角度说明了本发明所建立模型的适用性,且具有轻量化和计算快速化的优点。
实施例2
基于与实施例1同样的发明构思,本发明的一种基于云边协同的配电物联网CPS管控系统,包括:
网络架构划分模块,用于对云边协同的配电物联网CPS系统进行划分,获得对应的集中-分布式联合控制的网络架构;
建模分析模块,用于基于集中-分布式联合控制的网络架构进行建模分析,获得配电物联网CPS管控系统的数学模型;
单元级模型建立模块,用于基于配电物联网CPS管控系统的数学模型,以边缘计算组为基础单位建立单元级CPS数学模型;
统一模型建立模块,用于对多个协同运行的单元级CPS数学模型进行组合构成CPS统一计算模型。
本发明系统的各模块具体实现方案参见实施例1方法的具体实现过程。
实施例3
基于与实施例1同样的发明构思,本发明的一种计算机可读存储介质,其上存储有计算机程序,其特征是,该计算机程序被处理器执行时,实现如上所述的一种基于云边协同的配电物联网CPS管控方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (8)
1.一种基于云边协同的配电物联网CPS管控方法,其特征是,包括以下过程:
对云边协同的配电物联网CPS系统进行划分,获得对应的集中-分布式联合控制的网络架构;
基于集中-分布式联合控制的网络架构进行建模分析,获得配电物联网CPS管控系统的数学模型;
基于配电物联网CPS管控系统的数学模型,以边缘计算组为基础单位建立单元级CPS数学模型;
对多个协同运行的单元级CPS数学模型进行组合构成CPS统一计算模型。
2.根据权利要求1所述的一种基于云边协同的配电物联网CPS管控方法,其特征是,所述集中-分布式联合控制的网络架构,包括:终端层、馈线层和站控层,其中:终端层是控制本地设备的最低层;馈线层用于本地数据分析的区域自治控制;站控层是基于云层面的全局优化控制;
所述终端层、馈线层和站控层中任两层之间均能够进行数据交换,以及终端层内部之间和馈线层内部之间也能够进行数据交换。
3.根据权利要求1所述的一种基于云边协同的配电物联网CPS管控方法,其特征是,所述基于集中-分布式联合控制的网络架构进行建模分析,获得配电物联网CPS管控系统的数学模型,包括:
将电力网和信息网中的状态量抽象为“数据节点”,
将状态量在系统中传输和演变的环节抽象为“数据支路”,
将汇聚并向外提供数据的模块抽象为“数据池节点”。
5.根据权利要求1所述的一种基于云边协同的配电物联网CPS管控方法,其特征是,所述对多个协同运行的单元级CPS数学模型进行组合构成CPS统一计算模型,包括:
1)系统中所有边缘计算组按系统建模方法建立协同计算模型,如式(4);
其中,AS表示第S个边缘计算组构建的单元级CPS模型,S是全网CPS包含单元计算模型的个数;B表示S个边缘计算组在协同计算模型构建过程中产生的增补矩阵;
2)将云计算数据中心视为数据池节点,核心网视为数据支路,则包含云计算数据中心和核心网在内的全网CPS统一计算模型,如式(5);
其中,A′CG的表达式如式(6),
其中,核心网络有W条数据支路,单元协同模型共有X个节点,A′CG为(X+1)×W阶矩阵。
7.一种基于云边协同的配电物联网CPS管控系统,其特征是,包括:
网络架构划分模块,用于对云边协同的配电物联网CPS系统进行划分,获得对应的集中-分布式联合控制的网络架构;
建模分析模块,用于基于集中-分布式联合控制的网络架构进行建模分析,获得配电物联网CPS管控系统的数学模型;
单元级模型建立模块,用于基于配电物联网CPS管控系统的数学模型,以边缘计算组为基础单位建立单元级CPS数学模型;
统一模型建立模块,用于对多个协同运行的单元级CPS数学模型进行组合构成CPS统一计算模型。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征是,该计算机程序被处理器执行时,实现如权利要求1-6任一项所述的一种基于云边协同的配电物联网CPS管控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110324207.4A CN113098711A (zh) | 2021-03-26 | 2021-03-26 | 一种基于云边协同的配电物联网cps管控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110324207.4A CN113098711A (zh) | 2021-03-26 | 2021-03-26 | 一种基于云边协同的配电物联网cps管控方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113098711A true CN113098711A (zh) | 2021-07-09 |
Family
ID=76669809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110324207.4A Pending CN113098711A (zh) | 2021-03-26 | 2021-03-26 | 一种基于云边协同的配电物联网cps管控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113098711A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113783730A (zh) * | 2021-09-15 | 2021-12-10 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种极端条件下基于云边协同的信息传输方法及系统 |
CN113836796A (zh) * | 2021-09-08 | 2021-12-24 | 清华大学 | 一种基于云边协同的配电物联网数据监测系统及调度方法 |
CN114167214A (zh) * | 2021-12-02 | 2022-03-11 | 浙江大学 | 基于随机矩阵理论的低压配电网边-云协同故障检测方法 |
CN115037591A (zh) * | 2022-08-15 | 2022-09-09 | 河海大学 | 一种基于交换服务及边缘计算的物联网信息融合方法 |
CN115102953A (zh) * | 2022-04-13 | 2022-09-23 | 北京智芯微电子科技有限公司 | 配电网云边端协同管控系统及方法 |
CN115941426A (zh) * | 2023-03-10 | 2023-04-07 | 北京智芯微电子科技有限公司 | 多业务资源协同方法、系统及计算机设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110544940A (zh) * | 2019-09-04 | 2019-12-06 | 国电南瑞科技股份有限公司 | 考虑故障恢复中信息影响的cps安全性评估方法及装置 |
CN112532746A (zh) * | 2020-12-21 | 2021-03-19 | 北京邮电大学 | 一种云边协同感知的方法及系统 |
-
2021
- 2021-03-26 CN CN202110324207.4A patent/CN113098711A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110544940A (zh) * | 2019-09-04 | 2019-12-06 | 国电南瑞科技股份有限公司 | 考虑故障恢复中信息影响的cps安全性评估方法及装置 |
CN112532746A (zh) * | 2020-12-21 | 2021-03-19 | 北京邮电大学 | 一种云边协同感知的方法及系统 |
Non-Patent Citations (1)
Title |
---|
司羽飞等: "面向电力物联网的云边协同结构模型", 《中国电机工程学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113836796A (zh) * | 2021-09-08 | 2021-12-24 | 清华大学 | 一种基于云边协同的配电物联网数据监测系统及调度方法 |
CN113783730A (zh) * | 2021-09-15 | 2021-12-10 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种极端条件下基于云边协同的信息传输方法及系统 |
CN113783730B (zh) * | 2021-09-15 | 2024-06-07 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种极端条件下基于云边协同的信息传输方法及系统 |
CN114167214A (zh) * | 2021-12-02 | 2022-03-11 | 浙江大学 | 基于随机矩阵理论的低压配电网边-云协同故障检测方法 |
CN114167214B (zh) * | 2021-12-02 | 2022-09-06 | 浙江大学 | 基于随机矩阵理论的低压配电网边-云协同故障检测方法 |
CN115102953A (zh) * | 2022-04-13 | 2022-09-23 | 北京智芯微电子科技有限公司 | 配电网云边端协同管控系统及方法 |
CN115102953B (zh) * | 2022-04-13 | 2023-08-08 | 北京智芯微电子科技有限公司 | 配电网云边端协同管控系统及方法 |
CN115037591A (zh) * | 2022-08-15 | 2022-09-09 | 河海大学 | 一种基于交换服务及边缘计算的物联网信息融合方法 |
CN115941426A (zh) * | 2023-03-10 | 2023-04-07 | 北京智芯微电子科技有限公司 | 多业务资源协同方法、系统及计算机设备 |
CN115941426B (zh) * | 2023-03-10 | 2023-05-23 | 北京智芯微电子科技有限公司 | 多业务资源协同方法、系统及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113098711A (zh) | 一种基于云边协同的配电物联网cps管控方法及系统 | |
Wu et al. | Distributed optimal coordination for distributed energy resources in power systems | |
Biskas et al. | A decentralized implementation of DC optimal power flow on a network of computers | |
CN105046327B (zh) | 一种基于机器学习技术的智能电网信息系统及方法 | |
CN107579518B (zh) | 基于mhba的电力系统环境经济调度方法和装置 | |
CN113794494B (zh) | 一种面向低轨卫星网络的边缘计算系统及计算卸载优化方法 | |
CN104754053B (zh) | 一种分布式软件定义网络及在其中动态控制控制器的方法 | |
Xu et al. | Service migration across edge devices in 6G-enabled Internet of Vehicles networks | |
CN106786529B (zh) | 一种分布式静态安全分析方法 | |
Rahbari et al. | Fast and fair computation offloading management in a swarm of drones using a rating-based federated learning approach | |
CN105956693B (zh) | 一种基于分布式梯度算法的虚拟电厂经济调度方法 | |
CN105005503A (zh) | 基于元胞自动机的云计算负载均衡任务调度方法 | |
CN107492887B (zh) | 一种广域能源互联网的区域划分方法和系统 | |
Yang et al. | Carbon management of multi-datacenter based on Spatio-temporal task migration | |
Ou et al. | Research on network performance optimization technology based on cloud-edge collaborative architecture | |
CN112162837B (zh) | 一种基于软件定义的边缘计算调度方法及系统 | |
Liu et al. | DCNSim: A data center network simulator | |
CN101477168B (zh) | 电力系统暂态稳定并行化测试系统及其测试方法 | |
Zhu et al. | Deep reinforcement learning-based edge computing offloading algorithm for software-defined IoT | |
Ardic et al. | Random walking snakes for decentralized learning at edge networks | |
CN116613746A (zh) | 一种基于os2的分布式电网建模模型 | |
CN111144642A (zh) | 一种综合能源系统优化方法及系统 | |
CN115906605A (zh) | 一种分布式信息能源系统多智能体模型构建方法及应用 | |
Zhou et al. | Optimization Control Strategy of Electricity Information Acquisition System Based on Edge-Cloud Computing Collaboration | |
CN114327878A (zh) | 特高压换流站全景监测的云边协同通信调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210709 |