基于云-边-端协同的电力物联网用户侧数据应用框架
发布时间：2021-11-21 22:14
物联网技术渗透到电力系统所形成的电力物联网承载着海量数据流,通过电力业务数据化和电力网络信息化,促进电力数据业务化目标的实现。目前电网基于云计算的集中式数据存储与处理,使得海量细粒度的用户侧数据无法得到有效应用。基于此,文章提出了基于云-边-端协同的用户侧数据应用框架,以打破由于计算资源有限而导致用户侧与电力系统的交互壁垒。利用边缘计算与云计算的互补性,以预测预警、分类聚类和需求响应3类用户侧基础数据应用为例,设计了用户侧数据应用框架,以期实现自下而上和自上而下的双向数据流、业务流的协同循环,从而达到对用户侧数据进行广而深的价值挖掘的目标。最后,从物理层、平台层和业务层3个维度对实现该框架的关键技术进行了分析与总结。
【文章来源】：电力建设. 2020,41(07)北大核心
【文章页数】：8 页
【部分图文】：
用户侧数据基础应用内部交互图Fig.2Basicapplicationinternalinteractionofuser-sidedata
、复杂度高、全局性的模型训练、存储和更新，以支撑各类主题应用，如构建用户分类库支撑全景用户画像或需求响应策略、电网中期负荷预测支撑电网规划等。采用数据中台的云中心消除了传统电网存在的数据业务壁垒，对内使电网的运营管理更加智能轻捷，对外支撑数据驱动的跨行业创新合作。2.3云边端协同的双向业务流云边端的双向数据流催生双向业务流。本节以价格激励为主的需求响应为例，从应用角度出发详细阐释用户侧数据应用的云边端业务协同内涵。以价格激励为主的需求响应双向业务流如图5所示。图5以价格激励为主的需求响应双向业务流Fig.5Two-waybusinessflowofdemandresponsebasedonpriceincentive2.3.1自下而上的业务流图5左侧箭头展示了自下而上的需求响应业务流。用户端在本地控制中心将用户数据如智能电表、充电桩数据等采集后实时上传至边缘侧。边缘节点利用实时/历史数据，完成需求响应中的子应用:区域储能调控策略、区域电动汽车有序充电和区域可再生能源发电安排。随后各边缘节点上传区域决策和相关数据至云中心，云中心则根据各区域用电状态和决
同中，各边缘节点将处理后的相关数据和区域预测结果传输至云中心，云中心利用已部署的日负荷时空总分协调预测模型完成对各区域预测结果的调整，得到全局日负荷预测结果，该结果用于地区电网的全域调度。同时云中心将调整后的预测结果和调度安排下放至各边缘节点，边缘节点相应调整自身调度计划。3)云端协同主要负责云中心与特殊用户之间的数据交互。如重要活动场馆应当与云中心有直接通信渠道，场馆向云中心上传未来活动安排，云中心对其日负荷进行精准预测后安排供电计划，保证场馆活动顺利进行。图1云边端协同的数据交互示意图Fig.1Datainteractionofcloud-edge-usercollaboration2基于云边端协同的用户侧数据应用框架2.1用户侧数据基础应用20世纪20年代初，用户侧数据种类单一，仅应用于负荷预测，为电网调度、检修、规划等基础工作提供数据支撑。随着智能电网的发展，多源异构数据急剧增多，人们开始挖掘用户侧数据中蕴含的多元信息，如通过聚类技术刻画不同类型用户的用电行为，帮助电网企业实现精准营销等商业活动。近些年，分布式能源、储能技术飞速发展，特别是2015年电力体制改革9号文［12］的出台，使电网将需求侧管理作为工作重心之一以促进电力资源优化配置，此时用户侧数据成为制定需求响应策略的核心数据资源。在梳理用户侧数据应用的发展历程后发现，无论是维护电网安全经济运行的调度规划、资源配置、状态预警等保障型业务，还是用于客户服务的用户画像、精准营销等经营型业务，亦或是实现稳定运行/节能减排等多重目标的能效管理、优化用电等综合型业务，都需要预测预警、分类聚类、需求响应其中一类或?
【参考文献】：
期刊论文
[1]新一代智能电能表支撑泛在电力物联网技术研究[J]. 彭楚宁,罗冉冉,王晓东. 电测与仪表. 2019(15)
[2]5G通信与泛在电力物联网的融合:应用分析与研究展望[J]. 王毅,陈启鑫,张宁,冯成,滕飞,孙铭阳,康重庆. 电网技术. 2019(05)
[3]建设数据中台,赋能创新改革[J]. 车品觉. 新经济导刊. 2018(10)
[4]基于边缘计算的主动配电网信息物理系统[J]. 龚钢军,罗安琴,陈志敏,栾敬钊,安晓楠,王雪蓓,苏畅,文亚凤. 电网技术. 2018(10)
[5]边缘计算在电力供需领域的应用展望[J]. 李彬,贾滨诚,陈宋宋,杨斌,孙毅,祁兵. 中国电力. 2018(11)
[6]自动控制系统在智能建筑中的应用[J]. 王振. 仪表技术. 2018(03)
[7]基于边缘计算的家庭能源管理系统:架构、关键技术及实现方式[J]. 祁兵,夏琰,李彬,石坤,薛溟枫. 电力建设. 2018(03)
[8]华为麒麟970处理器正式发布:全球首款AI芯片[J]. 电子世界. 2018(01)
[9]边缘计算在电力需求响应业务中的应用展望[J]. 李彬,贾滨诚,曹望璋,田世明,祁兵,孙毅,朱伟义,郑爱霞. 电网技术. 2018(01)
博士论文
[1]基于多介质设备的混合存储系统关键技术研究[D]. 杨濮源.中国科学技术大学 2014
硕士论文
[1]“掌上川电”移动APP的设计与实现[D]. 陈伯朗.天津大学 2016
本文编号：3510348
【文章来源】：电力建设. 2020,41(07)北大核心
【文章页数】：8 页
【部分图文】：
用户侧数据基础应用内部交互图Fig.2Basicapplicationinternalinteractionofuser-sidedata
、复杂度高、全局性的模型训练、存储和更新，以支撑各类主题应用，如构建用户分类库支撑全景用户画像或需求响应策略、电网中期负荷预测支撑电网规划等。采用数据中台的云中心消除了传统电网存在的数据业务壁垒，对内使电网的运营管理更加智能轻捷，对外支撑数据驱动的跨行业创新合作。2.3云边端协同的双向业务流云边端的双向数据流催生双向业务流。本节以价格激励为主的需求响应为例，从应用角度出发详细阐释用户侧数据应用的云边端业务协同内涵。以价格激励为主的需求响应双向业务流如图5所示。图5以价格激励为主的需求响应双向业务流Fig.5Two-waybusinessflowofdemandresponsebasedonpriceincentive2.3.1自下而上的业务流图5左侧箭头展示了自下而上的需求响应业务流。用户端在本地控制中心将用户数据如智能电表、充电桩数据等采集后实时上传至边缘侧。边缘节点利用实时/历史数据，完成需求响应中的子应用:区域储能调控策略、区域电动汽车有序充电和区域可再生能源发电安排。随后各边缘节点上传区域决策和相关数据至云中心，云中心则根据各区域用电状态和决
同中，各边缘节点将处理后的相关数据和区域预测结果传输至云中心，云中心利用已部署的日负荷时空总分协调预测模型完成对各区域预测结果的调整，得到全局日负荷预测结果，该结果用于地区电网的全域调度。同时云中心将调整后的预测结果和调度安排下放至各边缘节点，边缘节点相应调整自身调度计划。3)云端协同主要负责云中心与特殊用户之间的数据交互。如重要活动场馆应当与云中心有直接通信渠道，场馆向云中心上传未来活动安排，云中心对其日负荷进行精准预测后安排供电计划，保证场馆活动顺利进行。图1云边端协同的数据交互示意图Fig.1Datainteractionofcloud-edge-usercollaboration2基于云边端协同的用户侧数据应用框架2.1用户侧数据基础应用20世纪20年代初，用户侧数据种类单一，仅应用于负荷预测，为电网调度、检修、规划等基础工作提供数据支撑。随着智能电网的发展，多源异构数据急剧增多，人们开始挖掘用户侧数据中蕴含的多元信息，如通过聚类技术刻画不同类型用户的用电行为，帮助电网企业实现精准营销等商业活动。近些年，分布式能源、储能技术飞速发展，特别是2015年电力体制改革9号文［12］的出台，使电网将需求侧管理作为工作重心之一以促进电力资源优化配置，此时用户侧数据成为制定需求响应策略的核心数据资源。在梳理用户侧数据应用的发展历程后发现，无论是维护电网安全经济运行的调度规划、资源配置、状态预警等保障型业务，还是用于客户服务的用户画像、精准营销等经营型业务，亦或是实现稳定运行/节能减排等多重目标的能效管理、优化用电等综合型业务，都需要预测预警、分类聚类、需求响应其中一类或?
【参考文献】：
期刊论文
[1]新一代智能电能表支撑泛在电力物联网技术研究[J]. 彭楚宁,罗冉冉,王晓东. 电测与仪表. 2019(15)
[2]5G通信与泛在电力物联网的融合:应用分析与研究展望[J]. 王毅,陈启鑫,张宁,冯成,滕飞,孙铭阳,康重庆. 电网技术. 2019(05)
[3]建设数据中台,赋能创新改革[J]. 车品觉. 新经济导刊. 2018(10)
[4]基于边缘计算的主动配电网信息物理系统[J]. 龚钢军,罗安琴,陈志敏,栾敬钊,安晓楠,王雪蓓,苏畅,文亚凤. 电网技术. 2018(10)
[5]边缘计算在电力供需领域的应用展望[J]. 李彬,贾滨诚,陈宋宋,杨斌,孙毅,祁兵. 中国电力. 2018(11)
[6]自动控制系统在智能建筑中的应用[J]. 王振. 仪表技术. 2018(03)
[7]基于边缘计算的家庭能源管理系统:架构、关键技术及实现方式[J]. 祁兵,夏琰,李彬,石坤,薛溟枫. 电力建设. 2018(03)
[8]华为麒麟970处理器正式发布:全球首款AI芯片[J]. 电子世界. 2018(01)
[9]边缘计算在电力需求响应业务中的应用展望[J]. 李彬,贾滨诚,曹望璋,田世明,祁兵,孙毅,朱伟义,郑爱霞. 电网技术. 2018(01)
博士论文
[1]基于多介质设备的混合存储系统关键技术研究[D]. 杨濮源.中国科学技术大学 2014
硕士论文
[1]“掌上川电”移动APP的设计与实现[D]. 陈伯朗.天津大学 2016
本文编号：3510348
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3510348.html
