張 杰，狄方春 ，李大鵬，陶 蕾 ，王 梓，王 淼

（1.國(guó)網(wǎng)天津市電力公司，天津 300010；2.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）

以大規(guī)?？稍偕茉措娏蛹{和智能化為主要特征的第三代電網(wǎng)將成為未來(lái)電網(wǎng)發(fā)展的趨勢(shì)和方向，其中數(shù)據(jù)應(yīng)用將成為其主要驅(qū)動(dòng)力。電力系統(tǒng)中來(lái)自同步相量測(cè)量裝置PMU（phasor mea?surement unit）、遠(yuǎn)程測(cè)量終端RTU（remote terminal unit）及各類傳感器的量測(cè)數(shù)據(jù)呈指數(shù)增長(zhǎng)[1]。為此，國(guó)內(nèi)外針對(duì)電網(wǎng)數(shù)據(jù)應(yīng)用開(kāi)展了大量的研究工作，其中，美國(guó)將電力大數(shù)據(jù)應(yīng)用于需求側(cè)響應(yīng)DR（de?mand response）、資產(chǎn)管理AM（asset management）、運(yùn)營(yíng)風(fēng)險(xiǎn)分析RA（risk assessment）及政策電價(jià)決策支持等領(lǐng)域；澳大利亞從高級(jí)量測(cè)體系A(chǔ)MI（ad?vanced metering infrastructure）中提取數(shù)據(jù)進(jìn)行能效分析和用戶激勵(lì)策略的制定，以達(dá)到改善能耗，減少溫室氣體排放的目的。但發(fā)達(dá)國(guó)家電力設(shè)備相對(duì)老舊，需要升級(jí)改造以適應(yīng)數(shù)據(jù)集成與應(yīng)用。而我國(guó)作為發(fā)展中國(guó)家，基礎(chǔ)設(shè)施較新，且與信息系統(tǒng)集成性較好，近年來(lái)隨著信息化技術(shù)的普及，電網(wǎng)公司著力將電力大數(shù)據(jù)與智能運(yùn)行調(diào)度深度融合。

電網(wǎng)運(yùn)行管理與數(shù)據(jù)深度融合，使傳統(tǒng)的物理系統(tǒng)逐漸轉(zhuǎn)變?yōu)樾畔?物理系統(tǒng)CPS（cyber physical system）。CPS應(yīng)具備全面感知、云端互聯(lián)、自主決策及自我學(xué)習(xí)能力，而這些應(yīng)用的實(shí)現(xiàn)都基于良好的數(shù)據(jù)基礎(chǔ)、穩(wěn)定的信息傳輸、堅(jiān)強(qiáng)的網(wǎng)絡(luò)結(jié)構(gòu)及高效的計(jì)算能力。

另一方面，我國(guó)高度重視以云計(jì)算和邊緣計(jì)算等新技術(shù)為代表的新一代信息產(chǎn)業(yè)發(fā)展，推動(dòng)物聯(lián)網(wǎng)、云計(jì)算和人工智能等技術(shù)與基礎(chǔ)設(shè)施的全面融合滲透。為響應(yīng)國(guó)家號(hào)召，國(guó)家電網(wǎng)有限公司提出了建設(shè)“具有中國(guó)特色國(guó)際領(lǐng)先的能源互聯(lián)網(wǎng)”的戰(zhàn)略目標(biāo)，發(fā)布了以數(shù)字化技術(shù)和互聯(lián)網(wǎng)理念為驅(qū)動(dòng)的“數(shù)字新基建”十大重點(diǎn)建設(shè)任務(wù)，這將極大提升公司各業(yè)務(wù)環(huán)節(jié)的整體信息化、數(shù)字化水平，其中智能調(diào)控決策系統(tǒng)將成為能源互聯(lián)網(wǎng)的核心。如何實(shí)現(xiàn)靈活的資源調(diào)配方案，規(guī)范統(tǒng)一的數(shù)據(jù)架構(gòu)和平臺(tái)，以及如何建成安全抗攻擊的智能調(diào)控信息交互系統(tǒng)，均是未來(lái)能源互聯(lián)網(wǎng)發(fā)展亟待解決的關(guān)鍵技術(shù)問(wèn)題[2-3]。

云計(jì)算是一種通過(guò)網(wǎng)絡(luò)實(shí)現(xiàn)計(jì)算資源的靈活配置、按需訪問(wèn)和便捷共享的技術(shù)，它將資源進(jìn)行整合，在網(wǎng)絡(luò)上構(gòu)建龐大的資源池和數(shù)據(jù)中心。不同于云計(jì)算采用集中傳輸處理的方式，邊緣計(jì)算則將數(shù)據(jù)處理及計(jì)算與物理系統(tǒng)相結(jié)合，利用本地有限信息，采用不完全信息共享的方式，在保障信息安全的同時(shí)實(shí)現(xiàn)局部處理和決策[3-4]。

云計(jì)算與邊緣計(jì)算在數(shù)據(jù)處理及計(jì)算量、信息傳輸方式及抗攻擊能力等方面各具特點(diǎn)。云計(jì)算更適用于大規(guī)模多源異構(gòu)數(shù)據(jù)的處理；而邊緣計(jì)算更節(jié)省數(shù)據(jù)傳輸負(fù)載，同時(shí)更好地保護(hù)敏感信息安全。目前基本建成的調(diào)控云，采用全網(wǎng)信息感知與協(xié)同交互方式，在統(tǒng)一架構(gòu)、統(tǒng)一模型、統(tǒng)籌建設(shè)的技術(shù)原則基礎(chǔ)上，實(shí)現(xiàn)廣域、安全、及時(shí)的全局調(diào)控決策[1]。而電力系統(tǒng)邊緣計(jì)算則利用PMU等高頻、實(shí)時(shí)信息對(duì)本地局部網(wǎng)絡(luò)進(jìn)行狀態(tài)感知，通過(guò)對(duì)局部可調(diào)控資源的控制，實(shí)現(xiàn)本地的優(yōu)化決策，兩種計(jì)算方式具有天然的互補(bǔ)性。因此，云-邊相結(jié)合的計(jì)算方式將更適用于未來(lái)存在大量數(shù)據(jù)和智能體的智能電網(wǎng)中，同時(shí)可更好地抗擊網(wǎng)絡(luò)攻擊對(duì)電網(wǎng)造成的傷害。

綜上，本文基于調(diào)控系統(tǒng)多源數(shù)據(jù)，開(kāi)展邊緣端導(dǎo)向的云-邊協(xié)同電網(wǎng)狀態(tài)感知及電壓調(diào)控輔助決策研究。其中，調(diào)控云平臺(tái)為計(jì)算提供統(tǒng)一架構(gòu)與統(tǒng)一模型的廣域數(shù)據(jù)；而邊緣側(cè)則利用云端數(shù)據(jù)及本地信息進(jìn)行區(qū)域內(nèi)狀態(tài)感知及優(yōu)化；云-邊協(xié)同的調(diào)控方式可在提升電網(wǎng)集約調(diào)控能力的同時(shí)，實(shí)現(xiàn)電網(wǎng)運(yùn)行資源優(yōu)化整合，建成資源節(jié)約、因地制宜的調(diào)度系統(tǒng)建設(shè)模式。

1 調(diào)控云

為適應(yīng)第三代電網(wǎng)的發(fā)展，電網(wǎng)調(diào)控系統(tǒng)需要在同步狀態(tài)感知、在線分析決策、調(diào)度精益化管理和數(shù)據(jù)深度學(xué)習(xí)應(yīng)用等方面進(jìn)行升級(jí)改造，促進(jìn)電網(wǎng)調(diào)度運(yùn)行由“分析型調(diào)度”逐步向“智能型調(diào)度”轉(zhuǎn)型升級(jí)[1]。云計(jì)算具有超大規(guī)模虛擬化計(jì)算能力、高可靠性數(shù)據(jù)保證、通用性和可拓展性應(yīng)用、按需服務(wù)，以及計(jì)算存儲(chǔ)成本相對(duì)低廉等特點(diǎn)，與第三代電網(wǎng)中對(duì)先進(jìn)調(diào)度運(yùn)行技術(shù)的發(fā)展需求相吻合，而“調(diào)控云”將智能電網(wǎng)需求與云計(jì)算有機(jī)融合，形成云端計(jì)算的先進(jìn)調(diào)控方式[4]。電力調(diào)控系統(tǒng)的數(shù)據(jù)具有數(shù)據(jù)量大、多源異構(gòu)、價(jià)值密度低，以及數(shù)據(jù)源之間關(guān)聯(lián)性強(qiáng)等大數(shù)據(jù)特點(diǎn)，如表1所示。

表1 數(shù)據(jù)對(duì)比Tab.1 Data comparison

由表1可知，傳統(tǒng)的數(shù)據(jù)處理方式難以最大化體現(xiàn)其價(jià)值[5]，為此，調(diào)控云首先應(yīng)用源數(shù)據(jù)端數(shù)據(jù)清洗技術(shù)和云端數(shù)據(jù)質(zhì)量自適應(yīng)更新技術(shù)，將電網(wǎng)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，并形成面向調(diào)度系統(tǒng)的多源異構(gòu)調(diào)控云大數(shù)據(jù)平臺(tái)，為邊緣計(jì)算等高級(jí)應(yīng)用提供數(shù)據(jù)基礎(chǔ)。調(diào)控云數(shù)據(jù)存儲(chǔ)體系如圖1所示，該體系分為同步層、統(tǒng)一層和分析層[6]。同步層中運(yùn)行數(shù)據(jù)通過(guò)Kafka實(shí)時(shí)將各地區(qū)匯集的數(shù)據(jù)同步到Hbase和關(guān)系數(shù)據(jù)庫(kù)；統(tǒng)一層對(duì)數(shù)據(jù)進(jìn)行清洗加工，然后通過(guò)特征值和標(biāo)簽計(jì)算，形成派生數(shù)據(jù)；分析層則對(duì)數(shù)據(jù)進(jìn)行聚類、學(xué)習(xí)及挖掘，并應(yīng)用大規(guī)模并行分析數(shù)據(jù)庫(kù)MPP（massively parallel processing）進(jìn)行指標(biāo)計(jì)算。

圖1 調(diào)控云數(shù)據(jù)存儲(chǔ)體系Fig.1 Data storage system of cloud dispatching

2 邊緣計(jì)算

2.1 狀態(tài)感知

PMU具有全球衛(wèi)星定位系統(tǒng)GPS（global posi?tioning system）同步時(shí)鐘模塊，可為系統(tǒng)提供高采樣頻率的量測(cè)數(shù)據(jù)。因此，為提高電網(wǎng)的安全性和可靠性，PMU已成為電網(wǎng)動(dòng)態(tài)過(guò)程監(jiān)測(cè)的基礎(chǔ)技術(shù)手段，并廣泛且成熟地應(yīng)用在輸電系統(tǒng)中，其中包括狀態(tài)感知、暫態(tài)穩(wěn)定預(yù)測(cè)和控制，以及自適應(yīng)失步保護(hù)等方面，具體應(yīng)用見(jiàn)表2[7-9]。

表2 PMU在輸電系統(tǒng)中的應(yīng)用Tab.2 Applications of PMUs in power transmission system

在電力系統(tǒng)中，狀態(tài)感知往往受限于系統(tǒng)拓?fù)湫畔⑷笔Ъ皡?shù)錯(cuò)誤，為此，本文提出一種基于PMU的網(wǎng)絡(luò)拓?fù)涓兄椒āＴ摲椒ㄔ跓o(wú)需完全掌握系統(tǒng)線路阻抗參數(shù)的情況下，僅根據(jù)部分節(jié)點(diǎn)PMU的量測(cè)信息即可對(duì)節(jié)點(diǎn)之間的未知網(wǎng)絡(luò)進(jìn)行拓?fù)浠?jiǎn)，從而為邊緣計(jì)算提供支撐。PMU數(shù)據(jù)的網(wǎng)絡(luò)狀態(tài)辨識(shí)如圖2所示，圖2（a）中，m、n分別為系統(tǒng)中任意兩個(gè)具有PMU配置的節(jié)點(diǎn)，且節(jié)點(diǎn)m、n之間網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)未知。節(jié)點(diǎn)m、n之間的拓?fù)涓兄襟E如下。

圖2 基于PMU數(shù)據(jù)的網(wǎng)絡(luò)狀態(tài)辨識(shí)Fig.2 Network state identification based on PMU data

綜上，利用式（1）～（10）和節(jié)點(diǎn)m、n處PMU的量測(cè)信息，可以準(zhǔn)確計(jì)算2個(gè)節(jié)點(diǎn)之間的阻抗參數(shù)和功率參數(shù)，并可對(duì)網(wǎng)絡(luò)中非重要節(jié)點(diǎn)進(jìn)行化簡(jiǎn)。

基于多個(gè)PMU數(shù)據(jù)的網(wǎng)絡(luò)狀態(tài)辨識(shí)如圖3所示。當(dāng)PMU節(jié)點(diǎn)之間網(wǎng)絡(luò)中含有T型節(jié)點(diǎn)，且該T型節(jié)點(diǎn)的其他支路中也存在PMU節(jié)點(diǎn)時(shí)，需要對(duì)這2個(gè)PMU之間的簡(jiǎn)化方法進(jìn)行相應(yīng)拓展。

圖3 基于多個(gè)PMU數(shù)據(jù)的網(wǎng)絡(luò)狀態(tài)辨識(shí)Fig.3 Network state identification based on data of multiple PMUs

含有PMU的原始網(wǎng)絡(luò)拓?fù)淙鐖D3（a）所示，在圖3（a）中，節(jié)點(diǎn)n1至節(jié)點(diǎn)nk均為與節(jié)點(diǎn)m相鄰的下游PMU節(jié)點(diǎn)。以任意節(jié)點(diǎn)n1為例，首先，利用式（1）～（6）計(jì)算出虛擬節(jié)點(diǎn)處的電壓幅值V*和相角θ*，以及虛擬節(jié)點(diǎn)到節(jié)點(diǎn)m的阻抗和虛擬節(jié)點(diǎn)到節(jié)點(diǎn)n1的阻抗；然后，將剩余PMU節(jié)點(diǎn)利用其量測(cè)信息計(jì)算該節(jié)點(diǎn)到虛擬節(jié)點(diǎn)的阻抗信息，以及虛擬節(jié)點(diǎn)處的注入電流，即

式中：Vni∠θni為第i個(gè)下游節(jié)點(diǎn)的電壓幅值與相角；Ini,in∠?ni,in為流入第i個(gè)下游節(jié)點(diǎn)的電流幅值與相角；k為與節(jié)點(diǎn)m相鄰的下游DPMU節(jié)點(diǎn)個(gè)數(shù)。

另外，多個(gè)PMU簡(jiǎn)化過(guò)程中形成的虛擬節(jié)點(diǎn)無(wú)法通過(guò)等值變換進(jìn)行消去。

綜上，本文提出的網(wǎng)絡(luò)拓?fù)浜?jiǎn)化方法將相鄰的2個(gè)或多個(gè)PMU之間的未知網(wǎng)絡(luò)等效成一個(gè)虛擬簡(jiǎn)化網(wǎng)絡(luò)，簡(jiǎn)化網(wǎng)絡(luò)中節(jié)點(diǎn)間的阻抗及功率參數(shù)，均可通過(guò)PMU的量測(cè)信息感知計(jì)算得出，為邊緣計(jì)算及控制決策提供網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、線路阻抗參數(shù)，以及各個(gè)節(jié)點(diǎn)注入功率的數(shù)據(jù)支持。

應(yīng)用本文提出的網(wǎng)絡(luò)感知方法所得的網(wǎng)絡(luò)感知結(jié)果偏差如圖4所示。

圖4 實(shí)際網(wǎng)絡(luò)與辨識(shí)網(wǎng)絡(luò)偏差Fig.4 Deviation between actual network and identification network

2.2 基于靈敏度的邊緣計(jì)算

邊緣計(jì)算應(yīng)用程序在邊緣側(cè)發(fā)起，產(chǎn)生更快的網(wǎng)絡(luò)服務(wù)響應(yīng)，滿足實(shí)時(shí)、智能、安全與隱私保護(hù)等需求。邊緣計(jì)算可以訪問(wèn)調(diào)控云獲得廣域數(shù)據(jù)信息，并將邊緣決策信息傳遞給調(diào)控云平臺(tái)；相反云端亦可以訪問(wèn)邊緣計(jì)算的歷史數(shù)據(jù)[10]，例如，在第2.1節(jié)中所述，PMU具有精準(zhǔn)同步的量測(cè)，且安裝于電網(wǎng)重要節(jié)點(diǎn)終端。因此將邊緣計(jì)算模塊與PMU有機(jī)融合，可在便捷提取網(wǎng)絡(luò)量測(cè)數(shù)據(jù)的同時(shí)，進(jìn)行電網(wǎng)調(diào)控的邊緣計(jì)算[10]。圖5為邊緣計(jì)算網(wǎng)絡(luò)示意，圖中空心節(jié)點(diǎn)代表存在電壓越限節(jié)點(diǎn)，而黑色節(jié)點(diǎn)為正常運(yùn)行節(jié)點(diǎn)。

圖5 邊緣計(jì)算網(wǎng)絡(luò)示意Fig.5 Schematic of edge computing network

3 計(jì)算流程

由于電網(wǎng)調(diào)控運(yùn)行數(shù)據(jù)分析量大且關(guān)系復(fù)雜，本文采用調(diào)控云對(duì)整個(gè)系統(tǒng)的運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)控，以便系統(tǒng)實(shí)時(shí)分析電壓薄弱環(huán)節(jié)，并將相應(yīng)信息通知至邊緣端；同時(shí)，統(tǒng)一架構(gòu)及規(guī)范模型的數(shù)據(jù)平臺(tái)為狀態(tài)感知及邊緣計(jì)算分析提供標(biāo)準(zhǔn)化數(shù)據(jù)支撐。邊緣端直接從PMU提取實(shí)時(shí)量測(cè)信息進(jìn)行狀態(tài)感知及電壓調(diào)控策略計(jì)算。PMU可以在1 s內(nèi)至少提供50個(gè)斷面的量測(cè)數(shù)據(jù)，本狀態(tài)感知方法力圖充分利用PMU高頻同步的量測(cè)數(shù)據(jù)，同時(shí)考慮調(diào)控云平臺(tái)對(duì)數(shù)據(jù)進(jìn)行清洗和錯(cuò)誤甄別的需求，本算法計(jì)算時(shí)間在0.04 s內(nèi)。

本文提出的邊緣端導(dǎo)向的云-邊協(xié)同的電網(wǎng)狀態(tài)感知及調(diào)控輔助決策如圖6所示；云-邊協(xié)同的電網(wǎng)狀態(tài)感知及電壓調(diào)控輔助決策流程如圖7所示。

圖6 云-邊協(xié)同的電網(wǎng)狀態(tài)感知及調(diào)控輔助決策示意Fig.6 Schematic of power grid state awareness and dispatching decision-making support based on cloud-edge cooperation

圖7 云-邊協(xié)同的電網(wǎng)狀態(tài)感知及電壓調(diào)控輔助決策流程Fig.7 Flow chart of power grid state awareness and voltage regulation decision-making support based on cloud-edge cooperation

4 案例分析

由圖7可知，邊緣端通過(guò)調(diào)控云平臺(tái)的監(jiān)控信息得知當(dāng)前系統(tǒng)運(yùn)行狀態(tài)，并根據(jù)PMU實(shí)時(shí)量測(cè)，通過(guò)潮流計(jì)算評(píng)估電網(wǎng)薄弱環(huán)節(jié)，并獲得相應(yīng)的電壓異常運(yùn)行狀態(tài)。邊緣端利用局部PMU數(shù)據(jù)，計(jì)算求出該控制區(qū)域所需的有功、無(wú)功電壓靈敏度信息，如表3所示。

表3 控制區(qū)域所需靈敏度信息Tab.3 Sensitivity information required by control zone

圖8 電壓調(diào)節(jié)后典型節(jié)點(diǎn)的電壓分布Fig.8 Voltage distribution at typical nodes after voltage regulation

傳統(tǒng)的廣域最優(yōu)潮流算法利用全局信息進(jìn)行綜合優(yōu)化，而本文算法則將全局信息與邊緣信息相結(jié)合，具有更快的計(jì)算效率。通過(guò)對(duì)具備無(wú)功調(diào)控能力節(jié)點(diǎn)的調(diào)控量進(jìn)行多次計(jì)算，統(tǒng)計(jì)結(jié)果如圖9所示。由圖9可見(jiàn)，本文提出的云-邊協(xié)同的電壓調(diào)控方法與基于云端信息的最優(yōu)潮流算法的無(wú)功功率調(diào)節(jié)誤差效果基本一致，，其計(jì)算效率比較如表4所示。由表4可知本文方法計(jì)算所需數(shù)據(jù)量約為廣域最優(yōu)潮流算法的20%，極大地降低了對(duì)系統(tǒng)量測(cè)量與通訊量的壓力，同時(shí)降低了信息通信系統(tǒng)遭受攻擊的風(fēng)險(xiǎn)。

圖9 本文算法與廣域最優(yōu)潮流算法調(diào)控結(jié)果對(duì)比Fig.9 Comparison of control result between the proposed algorithm and wide area optimal power flow algorithm

表4 計(jì)算效率比較Tab.4 Comparison of calculation efficiency

5 結(jié)語(yǔ)

在能源互聯(lián)網(wǎng)建設(shè)中，調(diào)控中心調(diào)控云平臺(tái)匯聚了來(lái)自不同設(shè)備、不同業(yè)務(wù)、不同地區(qū)的多源異構(gòu)數(shù)據(jù)，并在云端形成模型數(shù)據(jù)平臺(tái)、運(yùn)行數(shù)據(jù)平臺(tái)及大數(shù)據(jù)平臺(tái)，為各環(huán)節(jié)調(diào)控系統(tǒng)提供實(shí)時(shí)、同步的廣域數(shù)據(jù)服務(wù)。同時(shí)也面臨著信息通信壓力和量測(cè)設(shè)備的投入成本增加，以及網(wǎng)絡(luò)信息攻擊的風(fēng)險(xiǎn)。為應(yīng)對(duì)以上問(wèn)題，本文應(yīng)用調(diào)控云平臺(tái)中大量數(shù)據(jù)與本地量測(cè)數(shù)據(jù)相結(jié)合，實(shí)現(xiàn)云-邊協(xié)同的電網(wǎng)狀態(tài)感知和協(xié)同調(diào)控，以實(shí)現(xiàn)能源互聯(lián)網(wǎng)環(huán)境下電網(wǎng)調(diào)控智能輔助決策。具體總結(jié)如下：

（1）調(diào)控云平臺(tái)匯集了電網(wǎng)運(yùn)行的多源數(shù)據(jù)，統(tǒng)一架構(gòu)、統(tǒng)一模型的數(shù)據(jù)為電網(wǎng)智能化調(diào)控提供數(shù)據(jù)基礎(chǔ)；

（2）PMU可為電網(wǎng)提供高頻、精準(zhǔn)同步的局部量測(cè)數(shù)據(jù)，為系統(tǒng)狀態(tài)感知及非重要節(jié)點(diǎn)簡(jiǎn)化提供手段；

（3）采用云-邊協(xié)同的調(diào)控運(yùn)行，將調(diào)控策略與PMU集成，進(jìn)行就地邊緣計(jì)算，為運(yùn)行人員提供更加高效的輔助決策，同時(shí)可有效抵御網(wǎng)絡(luò)攻擊事件對(duì)決策系統(tǒng)造成的不利影響。