李大鵬，李立新，楊清波，劉金波，張 杰，劉 東

（1.電力調(diào)度自動(dòng)化技術(shù)研究與系統(tǒng)評(píng)價(jià)北京市重點(diǎn)實(shí)驗(yàn)室（中國(guó)電力科學(xué)研究院有限公司），北京 100192；2.國(guó)家電網(wǎng)有限公司國(guó)家電力調(diào)度控制中心，北京 100031；3.國(guó)網(wǎng)天津市電力公司，天津 300010）

近年來，以高可靠、易擴(kuò)展、資源共享等為特點(diǎn)的云計(jì)算技術(shù)，在越來越多的領(lǐng)域得以應(yīng)用。為此，國(guó)家電網(wǎng)公司電力調(diào)控中心規(guī)劃建設(shè)了物理分布、邏輯統(tǒng)一的調(diào)控云平臺(tái)，構(gòu)建了跨調(diào)度機(jī)構(gòu)的“1個(gè)國(guó)（分）主導(dǎo)節(jié)點(diǎn)+N個(gè)省（地）協(xié)同節(jié)點(diǎn)”的兩級(jí)部署調(diào)控云體系[1-3]，目標(biāo)是實(shí)現(xiàn)調(diào)控云平臺(tái)資源靈活調(diào)配、服務(wù)高效集成、應(yīng)用便捷開發(fā)、數(shù)據(jù)智能利用，推動(dòng)調(diào)度自動(dòng)化系統(tǒng)由“分析型”向“智能型”轉(zhuǎn)變。

然而，在調(diào)控云建設(shè)過程中，接入的數(shù)據(jù)種類和數(shù)據(jù)量呈爆發(fā)式增長(zhǎng)，為云中心數(shù)據(jù)處理帶來了巨大的壓力。針對(duì)云中心面臨的困境，邊緣計(jì)算作為一種新型計(jì)算范式被提出[4-5]，并逐漸成為適應(yīng)物互聯(lián)應(yīng)用需求的新興計(jì)算模式。云邊協(xié)同計(jì)算模型中的邊緣設(shè)備具有計(jì)算和分析的能力，通過在網(wǎng)絡(luò)的邊緣執(zhí)行計(jì)算，在實(shí)現(xiàn)整體計(jì)算能力擴(kuò)展的同時(shí)，又能夠有效地降低網(wǎng)絡(luò)帶寬和云中心計(jì)算、存儲(chǔ)資源的占用。因此，越來越多的科研工作者開始研究云邊協(xié)同技術(shù)在電網(wǎng)領(lǐng)域的應(yīng)用[6-8]。文獻(xiàn)[9]利用云邊協(xié)同數(shù)據(jù)處理結(jié)構(gòu)的電力物聯(lián)網(wǎng)架構(gòu)，建立了一種新的集中—分布聯(lián)合控制式電力信息物理系統(tǒng)CPPS（cyber power physical system）模型，提高了控制結(jié)構(gòu)的優(yōu)越性。文獻(xiàn)[10]通過云邊交互協(xié)議、規(guī)則引擎等模塊的設(shè)計(jì)，在邊緣側(cè)實(shí)現(xiàn)了統(tǒng)一智慧物聯(lián)體系“多元感知、多態(tài)接入、統(tǒng)一模型、統(tǒng)一物聯(lián)”的目標(biāo)。文獻(xiàn)[11]針對(duì)傳統(tǒng)的傳感信息獲取處理方式存在數(shù)據(jù)良莠不齊、數(shù)據(jù)缺失、格式不統(tǒng)一的問題，通過引入云邊協(xié)同技術(shù)，就地實(shí)現(xiàn)數(shù)據(jù)的處理與判決，提高了獲取數(shù)據(jù)的質(zhì)量。但云邊協(xié)同技術(shù)在調(diào)控領(lǐng)域的研究尚未完全成熟。

本文基于調(diào)控云平臺(tái)，在深入分析調(diào)控?cái)?shù)據(jù)管理及質(zhì)量?jī)?yōu)化應(yīng)用需求的基礎(chǔ)上，研究了云邊協(xié)同關(guān)鍵技術(shù)，設(shè)計(jì)了應(yīng)用于電網(wǎng)調(diào)控領(lǐng)域的調(diào)控云廣域云邊協(xié)同總體架構(gòu)，實(shí)現(xiàn)了云邊協(xié)同的數(shù)據(jù)管理和質(zhì)量?jī)?yōu)化。實(shí)際應(yīng)用結(jié)果表明，云邊協(xié)同技術(shù)的應(yīng)用解決了網(wǎng)絡(luò)帶寬占用過大、數(shù)據(jù)時(shí)效性不強(qiáng)的問題，緩解了調(diào)控云中心的計(jì)算、存儲(chǔ)壓力，同時(shí)調(diào)控云協(xié)同節(jié)點(diǎn)的數(shù)據(jù)質(zhì)量也得以有效提升。

1 調(diào)控?cái)?shù)據(jù)管理及質(zhì)量提升應(yīng)用需求

隨著國(guó)網(wǎng)調(diào)控云建設(shè)的深入推進(jìn)，調(diào)控云平臺(tái)上已積累了大量的模型數(shù)據(jù)、運(yùn)行數(shù)據(jù)、管理數(shù)據(jù)、外部數(shù)據(jù)等，數(shù)據(jù)類型多樣化加劇，數(shù)據(jù)量呈指數(shù)級(jí)增長(zhǎng)，數(shù)據(jù)處理時(shí)效性要求增強(qiáng)。以某省級(jí)協(xié)同節(jié)點(diǎn)為例，每天全電壓等級(jí)的量測(cè)數(shù)據(jù)量約6億條，約32 GB，1年所需的存儲(chǔ)空間約12 TB。按照傳統(tǒng)云中心集中存儲(chǔ)模式，目前13個(gè)省級(jí)協(xié)同節(jié)點(diǎn)一年所需的云中心存儲(chǔ)空間約為150 TB。后期協(xié)同節(jié)點(diǎn)數(shù)量擴(kuò)充至全網(wǎng)27個(gè)省調(diào)，則一年所需的云中心存儲(chǔ)空間約320 TB。另外，對(duì)于主配網(wǎng)模型信息融合已有相關(guān)研究[12]，部分省級(jí)協(xié)同節(jié)點(diǎn)也在試點(diǎn)主配網(wǎng)一體化融合應(yīng)用，對(duì)于主配網(wǎng)數(shù)據(jù)質(zhì)量提升[13]提出了更高的要求。

面對(duì)如此海量的數(shù)據(jù)，在資源有限的情況下，所有的終端數(shù)據(jù)都傳輸?shù)皆浦行臅?huì)使得網(wǎng)絡(luò)帶寬負(fù)載急劇增加，復(fù)雜的網(wǎng)絡(luò)環(huán)境和較長(zhǎng)的傳輸路徑也會(huì)造成很長(zhǎng)的處理時(shí)延，數(shù)據(jù)消息堆積情況嚴(yán)重，從長(zhǎng)遠(yuǎn)角度考慮，云中心數(shù)據(jù)存儲(chǔ)壓力和數(shù)據(jù)服務(wù)壓力過大。這就導(dǎo)致了無法實(shí)時(shí)地為云中心傳輸數(shù)據(jù)，難以支撐云中心快速?zèng)Q策。

在電網(wǎng)調(diào)控領(lǐng)域，云計(jì)算適用于非實(shí)時(shí)、長(zhǎng)周期數(shù)據(jù)、全局業(yè)務(wù)決策場(chǎng)景，而邊緣計(jì)算在實(shí)時(shí)性、短周期數(shù)據(jù)、本地業(yè)務(wù)決策等場(chǎng)景有不可替代的作用。其技術(shù)應(yīng)用的對(duì)比分析如表1所示。

表1 云計(jì)算與邊緣計(jì)算適用場(chǎng)景對(duì)比Tab.1 Comparison of applicable scenarios between cloud computing and edge computing

邊緣計(jì)算模式作為云計(jì)算的拓展和延伸，是云中心所需高價(jià)值數(shù)據(jù)的采集和初步處理單元，可以更好地支撐云端應(yīng)用[14-16]；反之，云計(jì)算通過大數(shù)據(jù)分析優(yōu)化輸出的業(yè)務(wù)規(guī)則或模型可以下發(fā)到邊緣側(cè)，邊緣計(jì)算基于新的業(yè)務(wù)規(guī)則或模型運(yùn)行。如何將兩者更好地結(jié)合起來，搭建一個(gè)高效率、智能化的云邊協(xié)同計(jì)算平臺(tái)，解決廣域管理和協(xié)同等問題，提升廣域范圍內(nèi)數(shù)據(jù)、服務(wù)、資源狀態(tài)的協(xié)調(diào)感知和協(xié)同共享能力，已經(jīng)成為該研究領(lǐng)域主要關(guān)注的熱點(diǎn)。

基于調(diào)控云廣域分布式部署的特點(diǎn)，借鑒廣域面向服務(wù)（wide area SOA）技術(shù)[17]，深入研究全網(wǎng)調(diào)控云及新一代調(diào)控系統(tǒng)廣域資源及信息協(xié)同交互需求，建立調(diào)控云廣域協(xié)同平臺(tái)支撐技術(shù)體系，突破傳統(tǒng)自動(dòng)化系統(tǒng)局域控制技術(shù)，實(shí)現(xiàn)資源全方位安全共享、集中管控和彈性解耦，滿足電網(wǎng)運(yùn)行的整體性對(duì)系統(tǒng)的一體化協(xié)調(diào)控制的需求[18-19]。

2 關(guān)鍵支撐技術(shù)

結(jié)合調(diào)控業(yè)務(wù)生產(chǎn)組織模式，調(diào)控云遵循與“統(tǒng)一調(diào)度、分級(jí)管理”原則相適應(yīng)的分級(jí)部署模式，構(gòu)建跨調(diào)度機(jī)構(gòu)的兩級(jí)部署體系，通過廣域綜合數(shù)據(jù)網(wǎng)進(jìn)行連接，在模型數(shù)據(jù)和業(yè)務(wù)層面存在大量的消息、服務(wù)和任務(wù)交互，因此需要借鑒互聯(lián)網(wǎng)技術(shù)，結(jié)合調(diào)控網(wǎng)絡(luò)特點(diǎn)，構(gòu)建底層支撐技術(shù)，打通兩級(jí)之間的消息和服務(wù)通道。

2.1 廣域服務(wù)交互技術(shù)

調(diào)控云通過服務(wù)總線及廣域服務(wù)代理機(jī)制進(jìn)行主導(dǎo)節(jié)點(diǎn)和協(xié)同節(jié)點(diǎn)間的各類服務(wù)協(xié)同交互。內(nèi)部服務(wù)的請(qǐng)求、響應(yīng)在本節(jié)點(diǎn)內(nèi)部完成；廣域服務(wù)請(qǐng)求統(tǒng)一由廣域服務(wù)代理集群進(jìn)行轉(zhuǎn)發(fā)，如圖1所示，具體流程包括：主導(dǎo)節(jié)點(diǎn)廣域服務(wù)客戶端先向本地出口代理發(fā)送服務(wù)請(qǐng)求，出口服務(wù)代理接收到請(qǐng)求后向協(xié)同節(jié)點(diǎn)入口服務(wù)代理發(fā)起請(qǐng)求，協(xié)同節(jié)點(diǎn)入口服務(wù)代理接收到請(qǐng)求后通過服務(wù)總線調(diào)用相應(yīng)的廣域服務(wù)并將服務(wù)結(jié)果返回給入口服務(wù)代理，入口服務(wù)代理再將服務(wù)結(jié)果返回主導(dǎo)節(jié)點(diǎn)的出口服務(wù)代理，出口服務(wù)代理最后將服務(wù)結(jié)果返回給主導(dǎo)節(jié)點(diǎn)廣域服務(wù)客戶端。

圖1 廣域服務(wù)交互架構(gòu)Fig.1 Interaction architecture of wide area service

2.2 廣域消息交互技術(shù)

調(diào)控云通過消息總線進(jìn)行消息的即時(shí)通信。廣域消息傳輸通過廣域消息代理來實(shí)現(xiàn)，消息代理以主備模式部署在調(diào)控云各節(jié)點(diǎn)邊界的通信代理服務(wù)器上，負(fù)責(zé)廣域范圍的消息轉(zhuǎn)發(fā)，完成消息跨節(jié)點(diǎn)的實(shí)時(shí)推送。如圖2所示，本文以主導(dǎo)節(jié)點(diǎn)某應(yīng)用向協(xié)同節(jié)點(diǎn)某應(yīng)用發(fā)送消息為例，說明消息傳輸流程：協(xié)同節(jié)點(diǎn)應(yīng)用向消息管理中心訂閱消息主題；主導(dǎo)節(jié)點(diǎn)應(yīng)用將廣域消息發(fā)送給本端廣域消息代理；廣域消息代理根據(jù)各協(xié)同節(jié)點(diǎn)與消息主題的訂閱關(guān)系，將其加入到對(duì)應(yīng)節(jié)點(diǎn)的發(fā)送隊(duì)列中，發(fā)送給對(duì)端廣域消息代理；協(xié)同節(jié)點(diǎn)消息代理收到消息后，將消息發(fā)送給本節(jié)點(diǎn)內(nèi)的應(yīng)用，從而完成消息跨廣域網(wǎng)的即時(shí)傳輸。

圖2 廣域消息交互架構(gòu)Fig.2 Interaction architecture of wide area message

2.3 廣域任務(wù)調(diào)度技術(shù)

基于廣域云邊協(xié)同架構(gòu)，調(diào)控云的數(shù)據(jù)質(zhì)量?jī)?yōu)化功能被拆分為多個(gè)子任務(wù)，可借助服務(wù)編排工具對(duì)子任務(wù)進(jìn)行組合并實(shí)現(xiàn)協(xié)同調(diào)度。廣域任務(wù)調(diào)度采用微服務(wù)化、廣域服務(wù)編排、標(biāo)準(zhǔn)模型構(gòu)建等技術(shù)，實(shí)現(xiàn)兩級(jí)任務(wù)之間的便捷協(xié)作，進(jìn)而快速、靈活組裝成數(shù)據(jù)質(zhì)量?jī)?yōu)化的業(yè)務(wù)場(chǎng)景，降低應(yīng)用實(shí)現(xiàn)復(fù)雜度，提升服務(wù)的復(fù)用度。廣域任務(wù)調(diào)度由服務(wù)注冊(cè)中心、服務(wù)編排頁(yè)面、服務(wù)編排文件、流程文件編譯、流程執(zhí)行引擎等功能組成，如圖3所示。主導(dǎo)節(jié)點(diǎn)和協(xié)同節(jié)點(diǎn)間的任務(wù)調(diào)度、注冊(cè)中心數(shù)據(jù)同步通過廣域消息總線和廣域服務(wù)總線進(jìn)行交互。

圖3 廣域任務(wù)調(diào)度架構(gòu)Fig.3 Architecture of wide area task scheduling

3 廣域云邊協(xié)同架構(gòu)設(shè)計(jì)

3.1 調(diào)控云架構(gòu)

調(diào)控云是面向電網(wǎng)調(diào)度業(yè)務(wù)的云服務(wù)平臺(tái)，基于虛擬化、分布式及服務(wù)化等云技術(shù)理念，形成資源虛擬化、數(shù)據(jù)標(biāo)準(zhǔn)化、應(yīng)用服務(wù)化的調(diào)控技術(shù)支撐體系，其架構(gòu)如圖4所示。

圖4 調(diào)控云體系架構(gòu)Fig.4 Architecture of dispatching and control cloud

國(guó)分云作為主導(dǎo)節(jié)點(diǎn)，負(fù)責(zé)管理、控制各協(xié)同節(jié)點(diǎn)的運(yùn)行，并實(shí)現(xiàn)與各協(xié)同節(jié)點(diǎn)的互聯(lián)和信息交換；省地云作為協(xié)同節(jié)點(diǎn)，配合主導(dǎo)節(jié)點(diǎn)進(jìn)行數(shù)據(jù)歸集和匯聚。

3.2 廣域云邊協(xié)同架構(gòu)

調(diào)控云按主導(dǎo)節(jié)點(diǎn)、協(xié)同節(jié)點(diǎn)、源數(shù)據(jù)端三層架構(gòu)設(shè)計(jì)?；谡{(diào)控云的總體架構(gòu)和邊緣計(jì)算的理念，本文設(shè)計(jì)了基于調(diào)控云的廣域云邊協(xié)同架構(gòu)，如圖5所示，該架構(gòu)包含調(diào)控云主導(dǎo)節(jié)點(diǎn)（云）、協(xié)同節(jié)點(diǎn)（邊）和源數(shù)據(jù)端（端）三層，其中調(diào)控云主導(dǎo)節(jié)點(diǎn)（云）和協(xié)同節(jié)點(diǎn)（邊）通過廣域數(shù)據(jù)網(wǎng)相連，源數(shù)據(jù)端（端）和電網(wǎng)采集設(shè)備通過本地局域網(wǎng)相連。該架構(gòu)充分利用了調(diào)控云協(xié)同節(jié)點(diǎn)（邊）的計(jì)算資源和存儲(chǔ)資源，緩解了調(diào)控云中心的計(jì)算壓力、存儲(chǔ)壓力和廣域數(shù)據(jù)網(wǎng)的帶寬壓力，實(shí)現(xiàn)了廣域云邊協(xié)同計(jì)算。

圖5 基于調(diào)控云的廣域云邊協(xié)同架構(gòu)Fig.5 Wide area cloud-edge collaborative architecture based on dispatching and control cloud

基于廣域云邊協(xié)同架構(gòu)，以電網(wǎng)采集數(shù)據(jù)的清洗、上送任務(wù)分解及協(xié)同為例進(jìn)行分析，綜合考慮任務(wù)分解策略、單任務(wù)數(shù)據(jù)量、計(jì)算時(shí)間、網(wǎng)絡(luò)帶寬占用等性能指標(biāo)，云中心將任務(wù)拆分為n個(gè)子任務(wù)，子任務(wù)間不存在耦合關(guān)系，任務(wù)定義為X={xi}，任務(wù)在邊緣處理時(shí)間定義為Te={tei}，任務(wù)在云中心處理時(shí)間定義為Tc={tci}，單任務(wù)處理前數(shù)據(jù)量D0={D0i}，處 理 后 數(shù) 據(jù) 量D1={D1i}，其 中i={1 ,2,…,n}。

以協(xié)同處理的任務(wù)處理時(shí)間最優(yōu)、占用網(wǎng)絡(luò)資源最小定義目標(biāo)函數(shù)，具體如下。

（1）首先初始化任務(wù)分解策略。

α=[α1,α2,…,αn],αj=(0 ,1)，表示任務(wù)在邊緣執(zhí)行；β=[β1,β2,…,βn],βj=(0 ,1)，表示任務(wù)在云中心執(zhí)行；其中α⊕β=1，代表任務(wù)xi要么在邊緣節(jié)點(diǎn)執(zhí)行，要么在云中心執(zhí)行，且任務(wù)必須執(zhí)行。

（2）根據(jù)任務(wù)分解策略定義優(yōu)化函數(shù)。

（3）綜上優(yōu)化目標(biāo)。

式中，φ1+φ2+φ3=1，代表處理時(shí)間和占用網(wǎng)絡(luò)資源的權(quán)重分配。

基于上述優(yōu)化目標(biāo)，采用基于啟發(fā)式規(guī)則的模擬退火算法，通過迭代優(yōu)化的方式，得到任務(wù)分配的近似全局最優(yōu)解，其算法實(shí)現(xiàn)流程如圖6所示。

圖6 基于模擬退火算法的任務(wù)分配策略優(yōu)化Fig.6 Optimization of task allocation strategy based on the Simulated Annealing algorithm

該架構(gòu)應(yīng)用到廣域數(shù)據(jù)質(zhì)量迭代優(yōu)化問題中，通過協(xié)同節(jié)點(diǎn)的計(jì)算資源進(jìn)行部分采集數(shù)據(jù)的清洗、篩選和上送，調(diào)控云中心采用廣域任務(wù)調(diào)度技術(shù)，協(xié)調(diào)所有協(xié)同節(jié)點(diǎn)的計(jì)算任務(wù)和數(shù)據(jù)處理規(guī)則，實(shí)現(xiàn)任務(wù)、規(guī)則向協(xié)同節(jié)點(diǎn)的下發(fā)和反饋。

4 數(shù)據(jù)質(zhì)量?jī)?yōu)化應(yīng)用

調(diào)控云主導(dǎo)節(jié)點(diǎn)負(fù)責(zé)廣域云邊協(xié)同數(shù)據(jù)管理，其底層基于調(diào)控云基礎(chǔ)平臺(tái)提供的各種支撐，通過廣域數(shù)據(jù)網(wǎng)與協(xié)同節(jié)點(diǎn)進(jìn)行任務(wù)、規(guī)則、數(shù)據(jù)的廣域交互，進(jìn)一步支撐調(diào)控云上層的業(yè)務(wù)應(yīng)用，如圖7所示。

圖7 調(diào)控云廣域云邊協(xié)同數(shù)據(jù)管理Fig.7 Wide area cloud-edge collaborative data management in the dispatching and control cloud

調(diào)控云協(xié)同節(jié)點(diǎn)負(fù)責(zé)邊緣協(xié)同計(jì)算管理，其底層基于邊緣基礎(chǔ)設(shè)施提供的硬件環(huán)境，通過局域網(wǎng)匯集其管轄范圍內(nèi)的所有電網(wǎng)采集設(shè)備采集的數(shù)據(jù)，通過廣域數(shù)據(jù)網(wǎng)與主導(dǎo)節(jié)點(diǎn)進(jìn)行任務(wù)、規(guī)則、數(shù)據(jù)的廣域交互。

4.1 廣域云邊協(xié)同數(shù)據(jù)管理

廣域云邊協(xié)同數(shù)據(jù)管理具備全局任務(wù)調(diào)度、全局規(guī)則管理和數(shù)據(jù)質(zhì)量管理3項(xiàng)功能。

（1）全局任務(wù)調(diào)度模塊負(fù)責(zé)廣域云邊協(xié)同任務(wù)的統(tǒng)一管理。面向具體的數(shù)據(jù)采集、清洗、校驗(yàn)、評(píng)估等需求，將任務(wù)進(jìn)行分解，并將數(shù)據(jù)采集、清洗等需要各邊緣節(jié)點(diǎn)具體執(zhí)行的任務(wù)下發(fā)給對(duì)應(yīng)的協(xié)同節(jié)點(diǎn)，并對(duì)協(xié)同節(jié)點(diǎn)的任務(wù)執(zhí)行情況進(jìn)行監(jiān)控，確保任務(wù)能夠在協(xié)同節(jié)點(diǎn)有效執(zhí)行。同時(shí)，主導(dǎo)節(jié)點(diǎn)作為調(diào)控云任務(wù)的全局協(xié)調(diào)中心，根據(jù)各協(xié)同節(jié)點(diǎn)的數(shù)據(jù)采集范圍、資源使用情況及任務(wù)執(zhí)行情況等，進(jìn)行全局統(tǒng)一協(xié)調(diào)，充分發(fā)揮協(xié)同節(jié)點(diǎn)計(jì)算能力的同時(shí)，保證數(shù)據(jù)采集質(zhì)量和效率。

（2）全局規(guī)則管理模塊負(fù)責(zé)對(duì)各協(xié)同節(jié)點(diǎn)的數(shù)據(jù)采集范圍、數(shù)據(jù)處理規(guī)則進(jìn)行統(tǒng)一管理。該模塊是數(shù)據(jù)質(zhì)量迭代優(yōu)化的核心。初始狀態(tài)時(shí)，根據(jù)調(diào)控云數(shù)據(jù)采集需求，由系統(tǒng)管理員通過手工配置各協(xié)同節(jié)點(diǎn)的數(shù)據(jù)采集范圍（如按管轄范圍、電壓等級(jí)、數(shù)據(jù)類別等）和初始的數(shù)據(jù)處理規(guī)則（如補(bǔ)全缺失點(diǎn)、平滑突變點(diǎn)、處理非法值等），并將該規(guī)則下發(fā)到各協(xié)同節(jié)點(diǎn)，同時(shí)對(duì)各協(xié)同節(jié)點(diǎn)規(guī)則的執(zhí)行情況進(jìn)行監(jiān)控。在系統(tǒng)正常運(yùn)行后，根據(jù)數(shù)據(jù)質(zhì)量管理模塊匯集的各協(xié)同節(jié)點(diǎn)的數(shù)據(jù)評(píng)估情況，對(duì)數(shù)據(jù)處理的規(guī)則和算法進(jìn)行在線優(yōu)化，并將優(yōu)化后的規(guī)則、算法下發(fā)到各協(xié)同節(jié)點(diǎn)，如此反復(fù)進(jìn)行優(yōu)化迭代，提升協(xié)同節(jié)點(diǎn)上送的數(shù)據(jù)質(zhì)量。

（3）數(shù)據(jù)質(zhì)量管理模塊負(fù)責(zé)對(duì)各協(xié)同節(jié)點(diǎn)上送的數(shù)據(jù)進(jìn)行統(tǒng)一管理。該模塊接收各協(xié)同節(jié)點(diǎn)上送的數(shù)據(jù)，通過多源異構(gòu)數(shù)據(jù)融合技術(shù)實(shí)現(xiàn)數(shù)據(jù)的匯總整合。之后通過多源數(shù)據(jù)質(zhì)量智能綜合評(píng)估功能，對(duì)整合后的數(shù)據(jù)質(zhì)量進(jìn)行分析評(píng)估，確定每個(gè)協(xié)同節(jié)點(diǎn)上送的數(shù)據(jù)質(zhì)量。最后將數(shù)據(jù)質(zhì)量校驗(yàn)、評(píng)估結(jié)果提供給全局規(guī)則管理模塊。

4.2 邊緣協(xié)同計(jì)算

邊緣協(xié)同計(jì)算管理具備任務(wù)管理、規(guī)則管理和數(shù)據(jù)管理3項(xiàng)功能，具體流程如圖8所示。

圖8 邊緣協(xié)同計(jì)算流程Fig.8 Flow chart of edge collaborative computing

（1）任務(wù)管理模塊負(fù)責(zé)接收調(diào)控云主導(dǎo)節(jié)點(diǎn)下發(fā)的任務(wù)，在本地執(zhí)行任務(wù)，并將任務(wù)執(zhí)行情況等信息反饋給調(diào)控云主導(dǎo)節(jié)點(diǎn)，具備任務(wù)接收、任務(wù)執(zhí)行和任務(wù)反饋功能。

（2）規(guī)則管理模塊負(fù)責(zé)接收調(diào)控云主導(dǎo)節(jié)點(diǎn)下發(fā)的規(guī)則、算法，將其裝載到本地?cái)?shù)據(jù)計(jì)算處理模塊內(nèi)，并將規(guī)則執(zhí)行情況等信息反饋給調(diào)控云主導(dǎo)節(jié)點(diǎn)，具備規(guī)則接收、規(guī)則應(yīng)用和規(guī)則反饋功能。

（3）數(shù)據(jù)管理模塊負(fù)責(zé)協(xié)同節(jié)點(diǎn)管轄范圍內(nèi)的數(shù)據(jù)采集，基于調(diào)控云主導(dǎo)節(jié)點(diǎn)下發(fā)的數(shù)據(jù)處理規(guī)則，進(jìn)行批量處理或流式處理，將處理后的數(shù)據(jù)按約定的數(shù)據(jù)格式上送到調(diào)控云主導(dǎo)節(jié)點(diǎn)，具備數(shù)據(jù)采集、數(shù)據(jù)計(jì)算和數(shù)據(jù)上送功能。

4.3 數(shù)據(jù)流

調(diào)控云廣域云邊協(xié)同的數(shù)據(jù)流包含兩部分：從調(diào)控云協(xié)同節(jié)點(diǎn)到主導(dǎo)節(jié)點(diǎn)的電網(wǎng)數(shù)據(jù)，即業(yè)務(wù)數(shù)據(jù)流；調(diào)控云主導(dǎo)節(jié)點(diǎn)和協(xié)同節(jié)點(diǎn)交互的任務(wù)、規(guī)則等數(shù)據(jù)，即管理數(shù)據(jù)流。其數(shù)據(jù)流如圖9所示。

圖9 調(diào)控云廣域云邊協(xié)同數(shù)據(jù)流Fig.9 Wide area cloud-edge collaborative data flow based on dispatching and control cloud

1）業(yè)務(wù)數(shù)據(jù)流

業(yè)務(wù)數(shù)據(jù)流涉及的電網(wǎng)數(shù)據(jù)來源于電網(wǎng)采集設(shè)備，通過本地局域網(wǎng)將原始數(shù)據(jù)上送到協(xié)同節(jié)點(diǎn)。協(xié)同節(jié)點(diǎn)部署流式處理和批量處理功能（數(shù)據(jù)計(jì)算模塊內(nèi)），根據(jù)調(diào)控云主導(dǎo)節(jié)點(diǎn)下發(fā)的數(shù)據(jù)采集范圍和數(shù)據(jù)處理規(guī)則，分別針對(duì)實(shí)時(shí)數(shù)據(jù)（流式處理）和歷史數(shù)據(jù)（批量處理）進(jìn)行清洗、校驗(yàn)等處理。協(xié)同節(jié)點(diǎn)處理后的優(yōu)質(zhì)數(shù)據(jù)，通過數(shù)據(jù)上送模塊，轉(zhuǎn)換為數(shù)據(jù)報(bào)文，通過總線或者協(xié)議的方式發(fā)送到調(diào)控云主導(dǎo)節(jié)點(diǎn)。

調(diào)控云主導(dǎo)節(jié)點(diǎn)的數(shù)據(jù)接收模塊接收到各協(xié)同節(jié)點(diǎn)發(fā)送的電網(wǎng)數(shù)據(jù)后，通過報(bào)文轉(zhuǎn)換和數(shù)據(jù)整合功能，進(jìn)行數(shù)據(jù)緩存。對(duì)整合后的數(shù)據(jù)，通過多源數(shù)據(jù)質(zhì)量智能綜合評(píng)估功能（數(shù)據(jù)評(píng)估模塊內(nèi)），進(jìn)行數(shù)據(jù)質(zhì)量分析評(píng)估，確定每個(gè)協(xié)同節(jié)點(diǎn)上送的數(shù)據(jù)質(zhì)量。之后對(duì)于優(yōu)質(zhì)的數(shù)據(jù)，存儲(chǔ)到調(diào)控云主導(dǎo)節(jié)點(diǎn)的數(shù)據(jù)庫(kù)中，為調(diào)控云業(yè)務(wù)應(yīng)用提供數(shù)據(jù)服務(wù)。

2）管理數(shù)據(jù)流

管理數(shù)據(jù)流涉及調(diào)控云主導(dǎo)節(jié)點(diǎn)和協(xié)同節(jié)點(diǎn)之間的任務(wù)和規(guī)則交互。在上述業(yè)務(wù)數(shù)據(jù)流中，全局規(guī)則管理模塊和全局任務(wù)調(diào)度模塊獲取數(shù)據(jù)質(zhì)量校驗(yàn)、評(píng)估結(jié)果，確定算法規(guī)則和任務(wù)是否需要調(diào)整。如果需要調(diào)整，將調(diào)整后的規(guī)則和任務(wù)通過總線反饋給相應(yīng)的協(xié)同節(jié)點(diǎn)，協(xié)同節(jié)點(diǎn)進(jìn)行規(guī)則和任務(wù)接收，并在協(xié)同節(jié)點(diǎn)進(jìn)行規(guī)則應(yīng)用和任務(wù)執(zhí)行。

5 應(yīng)用結(jié)果分析

調(diào)控云目前已有13家省級(jí)協(xié)同節(jié)點(diǎn)接入國(guó)分云主導(dǎo)節(jié)點(diǎn)，基于調(diào)控云架構(gòu)的廣域云邊協(xié)同技術(shù)已應(yīng)用到調(diào)控云的數(shù)據(jù)質(zhì)量管理中，實(shí)現(xiàn)了電網(wǎng)模型、運(yùn)行數(shù)據(jù)的高效匯集和處理，應(yīng)用成效顯著。

5.1 時(shí)延、帶寬性能分析

調(diào)控云的邊緣服務(wù)與云服務(wù)對(duì)比，最直接的優(yōu)勢(shì)就是低延遲和高帶寬，邊緣節(jié)點(diǎn)內(nèi)的應(yīng)用同處一個(gè)局域網(wǎng)，可以保證足夠低的延時(shí)和足夠高的帶寬。而云中心在空間上一般偏離用戶，如果將數(shù)據(jù)從源端采集后直接上送至云中心處理，延時(shí)會(huì)相對(duì)較高，同時(shí)云中心整體的帶寬占用很大。表2展示了一般情況下的邊緣節(jié)點(diǎn)相對(duì)于云中心在延時(shí)、帶寬上的優(yōu)點(diǎn)。這種優(yōu)勢(shì)對(duì)于實(shí)時(shí)性要求較高的應(yīng)用，采用邊緣協(xié)同計(jì)算效果更明顯。

表2 延時(shí)與帶寬對(duì)比Tab.2 Comparison of delay and bandwidth

5.2 單任務(wù)處理性能分析

對(duì)邊緣協(xié)同的單任務(wù)性能進(jìn)行測(cè)試，本文選擇2個(gè)協(xié)同節(jié)點(diǎn)作為邊緣節(jié)點(diǎn)，以主導(dǎo)節(jié)點(diǎn)作為云中心，通過模型校驗(yàn)（包含合規(guī)性校驗(yàn)、冗余性校驗(yàn)、統(tǒng)計(jì)值校驗(yàn)、合理性校驗(yàn)、規(guī)范性校驗(yàn)、完整性校驗(yàn)、圖形和拓?fù)湫ｒ?yàn)）、量測(cè)數(shù)據(jù)同步、數(shù)理分析3類計(jì)算任務(wù)，分別進(jìn)行由云中心單獨(dú)處理和由各邊緣節(jié)點(diǎn)云邊協(xié)同處理的性能進(jìn)行分析。

采用實(shí)際調(diào)控云系統(tǒng)中主導(dǎo)節(jié)點(diǎn)和選取的2個(gè)協(xié)同節(jié)點(diǎn)某一天的數(shù)據(jù)進(jìn)行分析，計(jì)算任務(wù)的模型對(duì)象按發(fā)電廠、變電站、發(fā)電機(jī)、交流線路、母線、變壓器、繞組、斷路器、隔離開關(guān)、接地刀閘、并聯(lián)電容器、并聯(lián)電抗器12類一次設(shè)備及其拓?fù)溥B接關(guān)系、量測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)。其中，模型校驗(yàn)分別按云中心和邊緣節(jié)點(diǎn)存儲(chǔ)的全電壓等級(jí)模型數(shù)據(jù)量進(jìn)行計(jì)算；量測(cè)數(shù)據(jù)同步按邊緣節(jié)點(diǎn)匯集全電壓等級(jí)量測(cè)數(shù)據(jù)，云中心匯集220 kV及以上量測(cè)數(shù)據(jù)進(jìn)行計(jì)算；數(shù)理分析按母線的電量（積分電量、采集電量）相關(guān)性進(jìn)行分析。具體計(jì)算任務(wù)的數(shù)據(jù)量如表3所示。

表3 計(jì)算任務(wù)數(shù)據(jù)量Tab.3 Data volume of computing tasks

圖10表明對(duì)于不同的任務(wù)，結(jié)果有很大的差異。數(shù)理分析應(yīng)用在邊緣節(jié)點(diǎn)處理的耗時(shí)較云中心略長(zhǎng)，而模型校驗(yàn)、量測(cè)數(shù)據(jù)同步在邊緣節(jié)點(diǎn)進(jìn)行云邊協(xié)同處理的性能優(yōu)于云中心單獨(dú)處理。原因是不同的應(yīng)用所需的資源不同，云中心相對(duì)于邊緣節(jié)點(diǎn)有更多的計(jì)算資源，計(jì)算能力更強(qiáng)大；而邊緣節(jié)點(diǎn)具有更高的帶寬和較低的網(wǎng)絡(luò)延遲。對(duì)于同一種應(yīng)用而言，不同資源配置的邊緣節(jié)點(diǎn)在任務(wù)處理結(jié)果上也會(huì)略有差異。總體來說，通過適當(dāng)?shù)倪吘売?jì)算服務(wù)，在應(yīng)用對(duì)于硬件資源需求不高、而對(duì)于低延時(shí)高帶寬需求較高的情況下，邊緣節(jié)點(diǎn)相對(duì)于云中心單獨(dú)處理具有明顯優(yōu)勢(shì)，可以滿足應(yīng)用需求。

圖10 單任務(wù)處理時(shí)間對(duì)比Fig.10 Comparison of single-task processing time

5.3 任務(wù)分解策略分析

以云中心和某省協(xié)同節(jié)點(diǎn)的數(shù)據(jù)清洗、上送任務(wù)協(xié)同為例，進(jìn)行任務(wù)分解策略分析。首先將調(diào)控云匯集的數(shù)據(jù)分為量測(cè)、電量、告警、事件、計(jì)劃、預(yù)測(cè)、氣象七大類，進(jìn)一步根據(jù)實(shí)際數(shù)據(jù)發(fā)現(xiàn)的問題及應(yīng)用對(duì)于數(shù)據(jù)的需求，將每類數(shù)據(jù)的清洗任務(wù)分解為數(shù)據(jù)多源清洗、冗余性清洗、完整性清洗、合規(guī)性清洗、規(guī)范性清洗、合理性清洗和時(shí)效性校驗(yàn)7個(gè)方面，因此，共分解為49個(gè)子任務(wù)。

綜合考慮每類數(shù)據(jù)的數(shù)據(jù)量（以原始數(shù)據(jù)量為基準(zhǔn)進(jìn)行歸一化）和每個(gè)清洗任務(wù)的計(jì)算時(shí)間（以云中心計(jì)算時(shí)間為基準(zhǔn)進(jìn)行歸一化），采用公式（1）的 優(yōu) 化 目 標(biāo) ，取φ1=0.4,φ2=0.1,φ3=0.5 ，因α⊕β=1，故只需求解α即可。α計(jì)算結(jié)果如表4所示。

表4 數(shù)據(jù)清洗任務(wù)分解策略Tab.4 Decomposition strategy for data clean task

5.4 云中心存儲(chǔ)性能分析

以某省協(xié)同節(jié)點(diǎn)的量測(cè)數(shù)據(jù)為例，進(jìn)行數(shù)據(jù)量分析，如表5所示。

表5 量測(cè)數(shù)據(jù)量對(duì)比Tab.5 Comparison of measurement data volume

廣域云邊協(xié)同架構(gòu)將云中心所需的數(shù)據(jù)在邊緣節(jié)點(diǎn)直接進(jìn)行計(jì)算，然后將處理后的高價(jià)值數(shù)據(jù)傳送到云中心，供云中心作分析決策，有效節(jié)約了云中心的存儲(chǔ)空間，減輕了存儲(chǔ)壓力?；趶V域云邊協(xié)同技術(shù)，調(diào)控云220 kV以下的電網(wǎng)量測(cè)數(shù)據(jù)存儲(chǔ)在邊緣節(jié)點(diǎn)，邊緣節(jié)點(diǎn)通過廣域服務(wù)總線對(duì)云中心提供這些量測(cè)數(shù)據(jù)的廣域數(shù)據(jù)訪問服務(wù)，實(shí)現(xiàn)在不占用云中心存儲(chǔ)空間的同時(shí)，滿足云中心業(yè)務(wù)應(yīng)用對(duì)220 kV以下電壓等級(jí)量測(cè)數(shù)據(jù)訪問的需求。根據(jù)實(shí)際運(yùn)行經(jīng)驗(yàn)表明，云中心對(duì)于220 kV以下電壓等級(jí)量測(cè)數(shù)據(jù)的訪問頻度和廣域服務(wù)響應(yīng)時(shí)間滿足業(yè)務(wù)應(yīng)用需求。

以一個(gè)協(xié)同節(jié)點(diǎn)為例，將220 kV以下量測(cè)數(shù)據(jù)存儲(chǔ)在邊緣節(jié)點(diǎn)，進(jìn)行計(jì)算后將高價(jià)值數(shù)據(jù)傳入云中心，對(duì)比將全電壓等級(jí)數(shù)據(jù)都傳入云中心后計(jì)算，云中心在存儲(chǔ)容量方面的對(duì)比分析結(jié)果如圖11所示，可以看出，一個(gè)邊緣節(jié)點(diǎn)每天產(chǎn)生數(shù)據(jù)量約32 GB，通過云邊協(xié)同存儲(chǔ)方式，可節(jié)約云中心存儲(chǔ)空間約30 GB，1年可以節(jié)約云中心存儲(chǔ)空間約10 TB。隨著后期更多邊緣協(xié)同節(jié)點(diǎn)的接入，云中心可節(jié)約更多的存儲(chǔ)空間。

圖11 不同方式下云中心存儲(chǔ)容量對(duì)比Fig.11 Comparison of storage capacity of cloud center in different ways

6 結(jié)語(yǔ)

本文基于云邊協(xié)同技術(shù)，利用調(diào)控云主導(dǎo)節(jié)點(diǎn)和協(xié)同節(jié)點(diǎn)的體系架構(gòu)和實(shí)際應(yīng)用，設(shè)計(jì)了調(diào)控云廣域云邊協(xié)同總體架構(gòu)，并以電網(wǎng)調(diào)控?cái)?shù)據(jù)質(zhì)量?jī)?yōu)化應(yīng)用為例，研究了廣域云邊協(xié)同數(shù)據(jù)管理和邊緣協(xié)同計(jì)算的功能及計(jì)算流程，分析了廣域云邊協(xié)同的數(shù)據(jù)交互流程。結(jié)合目前調(diào)控云建設(shè)情況，從網(wǎng)絡(luò)帶寬及時(shí)延、數(shù)據(jù)協(xié)同處理性能、任務(wù)分解策略優(yōu)化、云中心存儲(chǔ)性能等指標(biāo)進(jìn)行了對(duì)比分析，實(shí)際應(yīng)用結(jié)果表明，云邊協(xié)同技術(shù)的應(yīng)用解決了集中計(jì)算帶來的調(diào)控云網(wǎng)絡(luò)帶寬占用過大、數(shù)據(jù)時(shí)效性不強(qiáng)的問題，緩解了調(diào)控云中心的計(jì)算、存儲(chǔ)壓力，同時(shí)調(diào)控云協(xié)同節(jié)點(diǎn)的數(shù)據(jù)質(zhì)量也得以有效提升。