唐帥，龐凝*，李光毅，彭嬋，賈宇琛，郁五岳

（1．國網(wǎng)河北省電力有限公司經(jīng)濟技術(shù)研究院，河北省 石家莊市 050021；2．河北農(nóng)業(yè)大學(xué)機電工程學(xué)院，河北省 保定市 071000）

0 引言

在以新能源為主體的新型電力系統(tǒng)建設(shè)中，為了提高清潔能源利用率，借助信息技術(shù)實現(xiàn)各種能源之間的互動，以區(qū)域特色構(gòu)建綜合能源系統(tǒng)已成為能源轉(zhuǎn)型過程中的一種重要方式[1]。所構(gòu)建的綜合能源系統(tǒng)稱為“區(qū)域能源”，是指在某個特定區(qū)域內(nèi)，根據(jù)能源結(jié)構(gòu)和負荷需求，優(yōu)化配置各種形式、各種品類的能源，從而實現(xiàn)節(jié)能減排目標的一套供用能解決方案。

為了實現(xiàn)區(qū)域能源的高效利用，必須建立科學(xué)的管理機制，數(shù)據(jù)收集和分析處理是需要重點研究的問題。隨著物聯(lián)網(wǎng)的興起，利用各種感知器件和通信技術(shù)進行數(shù)據(jù)采集在電力系統(tǒng)中已被逐漸應(yīng)用。針對綜合能源系統(tǒng)用戶側(cè)負荷多樣化、清潔能源利用效率低等問題，美歐各國相繼展開了對綜合能源系統(tǒng)數(shù)據(jù)獲取的研究[2-4]。對應(yīng)用物聯(lián)網(wǎng)技術(shù)進行數(shù)據(jù)收集，以及探究大數(shù)據(jù)方法進行數(shù)據(jù)分析和處理，更多可借鑒的方法來源于對電力物聯(lián)網(wǎng)的研究[5-7]。隨著能源和用戶的多樣化發(fā)展，電力供需領(lǐng)域之間傳遞的信息量不斷增大，導(dǎo)致的數(shù)據(jù)丟失和網(wǎng)絡(luò)擁塞等通信問題，通過邊緣計算的有效應(yīng)用可得到解決[8]。實踐中，基于邊緣計算的能源管理已經(jīng)在家庭用電方式中應(yīng)用，其架構(gòu)、關(guān)鍵技術(shù)和實現(xiàn)方法已被闡述[9-11]。邊緣計算的作用是信息的本地化收集和數(shù)據(jù)斷網(wǎng)續(xù)傳，以保證信息完整性和數(shù)據(jù)可靠性，其強調(diào)的是通信低時延、算法輕量級、存儲分布式，無法完成電力系統(tǒng)調(diào)度和綜合能源系統(tǒng)的供用能決策建立。調(diào)度和決策還需借助云平臺，邊緣計算的分布式和云平臺的集中式相結(jié)合，可以構(gòu)建分布-集中式的聯(lián)合控制系統(tǒng)[12]。利用邊緣計算就近收集數(shù)據(jù)和預(yù)處理以達到數(shù)據(jù)的實效性，云平臺則進行復(fù)雜數(shù)據(jù)的處理，實現(xiàn)電力系統(tǒng)“源-網(wǎng)-荷”的互動[13]，而數(shù)據(jù)質(zhì)量的優(yōu)化和各個邊緣之間的互動則主要由云來完成[14]。云邊協(xié)同方法使邊緣和云平臺各自發(fā)揮通信和計算優(yōu)勢，實現(xiàn)能源之間的有效互動。

綜上所述，區(qū)域能源數(shù)據(jù)獲取與互動決策方法的研究主要集中在邊緣計算算法和云邊協(xié)同架構(gòu)上，實踐應(yīng)用和模型規(guī)劃大多局限于智能家居等較小的范圍之內(nèi)。含有眾多微能網(wǎng)和用能多樣化用戶的區(qū)域能源系統(tǒng)運行優(yōu)化，需要更完善的云邊協(xié)同架構(gòu)和云平臺決策模型。

1 區(qū)域能源互補決策模型

區(qū)域能源要達到經(jīng)濟、穩(wěn)定、高效運行，需要構(gòu)建有效的優(yōu)化調(diào)度算法[15]，加強多個綜合能源系統(tǒng)之間的互連互濟[16]。區(qū)域能源系統(tǒng)內(nèi)含有眾多類型各異的用戶以及各類微能網(wǎng)。

模型構(gòu)建的條件包括：

1）區(qū)域能源中的微能網(wǎng)滿功率出力。

2）微能網(wǎng)的售電和售熱價格低于配電網(wǎng)和熱力網(wǎng)。

3）區(qū)域內(nèi)的用戶具有優(yōu)先選擇新能源的權(quán)利和偏好。

4）區(qū)域內(nèi)各個微能網(wǎng)具有內(nèi)部互補機制。

5）區(qū)域內(nèi)可調(diào)動的通信網(wǎng)絡(luò)均暢通。

在滿足以上條件的情形下，按照微能網(wǎng)的地理位置，區(qū)域能源被劃分為n個子區(qū)域。每個子區(qū)域設(shè)置邊緣計算控制網(wǎng)關(guān)，負責收集本子區(qū)域的數(shù)據(jù)，經(jīng)過預(yù)處理后，周期性地將關(guān)鍵數(shù)據(jù)送至云平臺。云端區(qū)域能源動態(tài)決策單元根據(jù)整個區(qū)域的能源盈虧情況，分類計算得到能源交互方案集，并以距離為主要參數(shù)計算能源交互收益，從而形成能源交互決策，下發(fā)指令到邊緣計算控制網(wǎng)關(guān)。盈余子區(qū)域的邊緣計算控制網(wǎng)關(guān)根據(jù)云端的指令，與能源短缺子區(qū)域通信，并輸送能源到該子區(qū)域，實現(xiàn)區(qū)域能源系統(tǒng)的能源互補。區(qū)域能源決策與邊緣計算控制網(wǎng)關(guān)構(gòu)建的云邊系統(tǒng)架構(gòu)如圖1所示。

云平臺的動態(tài)決策單元，負責產(chǎn)生能源互補的決策規(guī)則。若以此為根節(jié)點，那么子區(qū)域邊緣則為葉子節(jié)點，葉子節(jié)點的下一層是微能網(wǎng)，包含電源、熱源和負荷。依據(jù)自上而下的規(guī)則，云平臺建立周期性更新的動態(tài)區(qū)域能源互補決策池，并選擇相關(guān)決策下發(fā)至子區(qū)域，子區(qū)域邊緣解析后下發(fā)至所管轄的電源和熱源，并根據(jù)指令與其他子區(qū)域進行信息和能源交互。具體步驟如下：

1）取t1為初始時間，所有葉子節(jié)點的數(shù)據(jù)，包括源荷特征、時空分布、初始儲能、交互耦合等，匯總到根節(jié)點并轉(zhuǎn)化為標準化知識，形成原始知識庫。

2）對儲存的知識進行屬性、關(guān)系抽取，依據(jù)目標函數(shù)進行計算推理，構(gòu)建初始決策池，將決策池中的規(guī)則分類篩選并下發(fā)到子區(qū)域。

3）子區(qū)域收到規(guī)則后解析并與本地目標進行匹配，匹配成功則執(zhí)行根節(jié)點的決策，開啟規(guī)則中設(shè)定的通道，與其他子區(qū)域進行信息交互；同時，開始計時并發(fā)ACK，并收集子區(qū)域葉子節(jié)點的數(shù)據(jù)；如果匹配失敗，子區(qū)域向云平臺發(fā)送拒絕該決策的ACK至根節(jié)點，按照其本地目標函數(shù)管理葉子節(jié)點，并開始計時。

4）當計時到根節(jié)點與子區(qū)域葉子節(jié)點約定的周期T時，子區(qū)域?qū)⑹占男畔l(fā)送至云平臺，新數(shù)據(jù)代入目標函數(shù)，形成新的規(guī)則放入決策池；在規(guī)則下發(fā)之前需要確定該規(guī)則的運行周期，同時新數(shù)據(jù)與原數(shù)據(jù)融合，進行關(guān)聯(lián)度分析，預(yù)測出該規(guī)則的運行周期Tx，下發(fā)指令到子區(qū)域。

5）子區(qū)域解析并轉(zhuǎn)發(fā)指令到E或者H節(jié)點，最下層葉子節(jié)點關(guān)聯(lián)的物理設(shè)備開始能源的輸送，并開始計時。

區(qū)域能源知識拓撲結(jié)構(gòu)如圖2所示。

在知識拓撲結(jié)構(gòu)中，子區(qū)域邊緣計算控制網(wǎng)關(guān)起到至關(guān)重要的作用，它不僅是決策的轉(zhuǎn)發(fā)機構(gòu)，在解析到規(guī)則信息不匹配時，這個子區(qū)域就成為整個網(wǎng)絡(luò)中的一個“孤島”，根據(jù)自己的目標函數(shù)，管理與之關(guān)聯(lián)的葉子節(jié)點，實現(xiàn)孤島內(nèi)的能源調(diào)度，實現(xiàn)邊端自治。

2 區(qū)域能源動態(tài)決策生成方法

2.1 子區(qū)域分類及功率盈虧分析

設(shè)一個區(qū)域能源系統(tǒng)劃分為n個子區(qū)域，每個子區(qū)域內(nèi)部含有電能和熱能的互換裝置，在周期Tx初始時刻有m個可再生能源盈余子區(qū)域，其盈余功率為

式中：Psp為盈余功率；Pes為盈余電功率；Phs為盈余熱功率。

k個子區(qū)域可再生能源短缺，與負荷相關(guān)聯(lián)，短缺的功率為

式中：Pst為短缺功率；Pel為短缺電功率；Phl為短缺熱功率。

子區(qū)域之間進行能源輸送以消費盈余子區(qū)域的能源，從而減少能源短缺子區(qū)域向電網(wǎng)和熱力網(wǎng)購買能源的支出，共S種方案。

很顯然，這種窮舉的方法是不合理的，這些組合中有的方案是無法實現(xiàn)的。例如，當Pesi=0時，其仍然參與到Pelj的能源傳輸方案中，這一方案可以通過預(yù)處理剔除掉，從而降低后續(xù)的計算壓力。預(yù)處理方法為

1）將盈余子區(qū)域按照盈余功率分為3類。

式中：Pes-only為只盈余電能；Phs-only為只盈余熱功率；Pes-hs為電熱功率均有盈余。

2）同理，能源短缺子區(qū)域按短缺功率分為3類。

式中：Pel-only為只短缺電能；Phl-only為只短缺熱功率；Pel-hl為電熱功率均短缺。

3）根據(jù)分治原理，遵循算法時間復(fù)雜度最小的原則，將能量轉(zhuǎn)移關(guān)系分為5類，按照優(yōu)先級別排序如表1所示。

考慮到能源傳輸過程中的損耗，應(yīng)盡少占用線路，由于子區(qū)域本地電能轉(zhuǎn)化熱能比較容易，在定義優(yōu)先級別時電能盈余為最高級別；其次為熱能傳輸，因為很多微電網(wǎng)會產(chǎn)生余熱，優(yōu)先進行子區(qū)域內(nèi)多能互補；子區(qū)域內(nèi)部互補優(yōu)化后，才進行子區(qū)域之間的互補；最后考慮電熱同時輸送，這種情況下的線路損耗最大。

表1 能量轉(zhuǎn)移關(guān)系分類表Table 1 Classification of energy transfer relationship

4）計算每一種組合中兩個集合元素的個數(shù)，從而形成以下能源輸送方案集合。

2.2 云端決策池的構(gòu)建

云端區(qū)域能源動態(tài)決策單元根據(jù)邊緣傳輸過來的數(shù)據(jù)進行計算，結(jié)合歷史數(shù)據(jù)算出各子區(qū)域的能源輸送決策，稱為“云端決策池”。云端決策的依據(jù)包括能源傳輸距離、子區(qū)域能源出力原始成本、價格機制等因素。

首先計算能源傳輸距離，根據(jù)盈余子區(qū)域優(yōu)先的原則選定第i種能源轉(zhuǎn)移方案，其中含有ai個盈余功率子區(qū)域，bi個短缺功率子區(qū)域，計算這種方案的距離矩陣。

然后，設(shè)定能源輸送周期為Tx，計算該方案下子區(qū)域新能源建設(shè)平均到每個周期所需的成本。

能源輸送過程中無論是電還是熱，都會有線路上的損耗。設(shè)輸送電能每千米線路平均損耗為Pekm，輸送熱能每千米線路平均損耗為Phkm。假設(shè)只有子區(qū)域之間的能源交換損耗，電網(wǎng)和熱力管道網(wǎng)只是橋梁的作用，并不收取任何過網(wǎng)費用，因此子區(qū)域之間能源交互所獲得的收益關(guān)系可表示為

式中：ρesell為盈余子區(qū)域的電能售出價格；ρhsell為熱能售出價格；ρebuy為能源短缺子區(qū)域的電能購入價格；ρhbuy為熱能購入價格；ρnetwork為電網(wǎng)售電價格；ρheat為官方熱能價格。Ti≤Tx為第i種方案的能源轉(zhuǎn)移時間，小于設(shè)定的周期。當＞0時，說明這種方案對于整個區(qū)域來說是有盈余的，所以這種方案放入決策池，否則丟棄該方案進入下一組計算。以此類推，形成第i種方案的決策池。

第i類子程序算法流程如圖3所示。

依據(jù)表1所示的5種方案，總的決策池為

云端決策池中的計算和構(gòu)建的算法流程如圖4所示。

2.3 云邊協(xié)同的決策下發(fā)規(guī)則

當子區(qū)域邊緣計算網(wǎng)關(guān)上傳數(shù)據(jù)完畢后即向云端請求下發(fā)指令，開啟云邊協(xié)同的決策下發(fā)流程。云端在根據(jù)邊緣數(shù)據(jù)形成決策池后，以盈余子區(qū)域優(yōu)先的原則，根據(jù)邊緣子區(qū)域的請求，對決策池中的決策進行搜索，將關(guān)聯(lián)該子區(qū)域的r條決策篩選出來；將r條決策的 bf進行降序排序，排在第一的作為首選進行下發(fā)；設(shè)置 bf閾值，若首選決策出現(xiàn)故障，則啟用備用決策；云端將選擇的決策同步下發(fā)到盈余子區(qū)域和短缺子區(qū)域，促使兩個子區(qū)域之間構(gòu)建通信鏈路。

兩個子區(qū)域接收到?jīng)Q策指令之后建立通信鏈路并各自發(fā)送認證信息完成握手，并開啟能源輸送。邊緣控制器將能源輸送的指令下發(fā)到本地的電源，借助公共網(wǎng)絡(luò)進行能源傳送和接收。同時，邊緣計算裝置開啟新一輪的數(shù)據(jù)收集和計算，待能源輸送完畢或者計時周期完成后開啟新一輪的數(shù)據(jù)傳送。圖5所示為一個能源盈余子區(qū)域和一個能源短缺子區(qū)域與云端協(xié)同進行能源互補的示意圖。

3 云邊協(xié)同區(qū)域能源決策關(guān)鍵技術(shù)

3.1 子區(qū)域信息收集關(guān)鍵技術(shù)

子區(qū)域信息包括與供用能相關(guān)的氣象信息，各種計量表的信息，新能源出力與儲能相關(guān)信息，以及控制裝置信息等。圖6所示為風(fēng)光互補微電網(wǎng)邊緣控制系統(tǒng)示意圖。

此系統(tǒng)為邊緣控制器為主站，各類采集和執(zhí)行設(shè)備為從站的結(jié)構(gòu)，主從之間采用Modbus協(xié)議通信。以此系統(tǒng)為例總結(jié)邊緣數(shù)據(jù)收集、計算、控制的關(guān)鍵技術(shù)：邊緣控制器通信、邊緣數(shù)據(jù)處理、從站協(xié)調(diào)器信息感知、邊緣控制節(jié)點定位等技術(shù)。

邊緣計算是云計算本地化的一種方式，以達到業(yè)務(wù)劇增時減輕云平臺的壓力，節(jié)約時間和保護隱私，以及物理分散性提高平臺運轉(zhuǎn)效率[17]的目的。常用的邊緣控制器通信協(xié)議主要有TCP和MQTT[18]兩種，在阿里云、騰訊云、OneNet等云平臺均有相關(guān)的SDK，以便于云邊協(xié)同的開發(fā)。邊緣計算的核心是數(shù)據(jù)本地化AI智能分析，但是由于對邊緣需求的信息實效性、設(shè)備經(jīng)濟性、本地聯(lián)動性等，因此邊緣控制器所搭載算法的時間和空間復(fù)雜度受到限制。一般的排序、篩選算法，輕量級的粒子群算法、神經(jīng)網(wǎng)絡(luò)構(gòu)成邊緣軟件平臺[19]。分布式存儲以備斷網(wǎng)續(xù)傳是邊緣控制器的另一重要功能，邊緣數(shù)據(jù)是一種海量小數(shù)據(jù)[20]，傳統(tǒng)的關(guān)系型數(shù)據(jù)庫不再適用。并且邊緣數(shù)據(jù)大多為傳感器數(shù)據(jù)，具有很強的時序性，基于時間戳索引的時序數(shù)據(jù)庫是邊緣數(shù)據(jù)庫的首選[21]。本例中，邊緣控制器需要與其他邊緣進行信息交互，云平臺要獲取邊緣的位置用于決策收益的計算，邊緣定位技術(shù)必不可少，簡單的方法是在邊緣計算控制器上搭載GPS、北斗等定位模塊采集位置信息。

3.2 云端決策生成關(guān)鍵算法

云端決策的第一步是對子區(qū)域送上來的關(guān)鍵數(shù)據(jù)根據(jù)關(guān)鍵字進行廣度優(yōu)先搜索。從圖2所示的區(qū)域能源知識拓撲結(jié)構(gòu)可以看出，數(shù)據(jù)源本身為星形網(wǎng)絡(luò)的(n,k)圖，第一步從圖中搜索到能源盈余子區(qū)域和短缺子區(qū)域，優(yōu)化原始圖的結(jié)構(gòu)，涉及到的關(guān)鍵算法是獨立生成樹算法[22]。從邊緣層來看，搜索過后的數(shù)據(jù)可以分為兩類：能源盈余和能源短缺。要達到能源互補的目的，需要將盈余子區(qū)域與短缺子區(qū)域進行排列組合，若將所有盈余與短缺進行排列顯然不合理，因此第二步是對數(shù)據(jù)矩陣分類。模型中涉及電、熱兩種能源形式，又分為盈余和短缺兩種狀態(tài)，屬于多類分類。目前比較先進的算法是多源在線遷移學(xué)習(xí)多類分類算法[23-24]，對于區(qū)域能源系統(tǒng)這種不平衡數(shù)據(jù)源的數(shù)據(jù)分類比較有效。

能源盈余子區(qū)域與能源短缺子區(qū)域構(gòu)成聯(lián)盟進行能源互補，實際上屬于微能網(wǎng)聯(lián)盟與配電網(wǎng)之間的博弈，必然需要進行功率的協(xié)調(diào)和收益的計算，目標是達到兩個子區(qū)域微能網(wǎng)系統(tǒng)的優(yōu)化運行[25-26]?；诓┺睦碚摰亩辔⒛芫W(wǎng)的優(yōu)化運行控制是云平臺計算的第三步，進行不同聯(lián)盟收益的計算，涉及到子區(qū)域之間的距離計算、成本計算、收入計算、損耗計算等，最后算出每一種聯(lián)盟的收益，形成以收益為衡量標準的決策池。

最后一個步驟：云平臺決策指令下發(fā)。這一步驟中最重要的是對決策進行排序，根據(jù)數(shù)據(jù)量選擇不同的排序算法。模擬了長度分別為103、104、105、106、107的數(shù)組，針對常用的8種排序算法進行實驗比較，結(jié)果如表2所示[27]。

表2 依據(jù)數(shù)組大小的排序算法執(zhí)行時間比較Table 2 Comparison of execution time of sorting algorithm based on array size s

可以看出，數(shù)組規(guī)模小于104時，各種排序算法的執(zhí)行時間相差不大。隨著數(shù)組規(guī)模的增大，希爾排序、快速排序、堆排序體現(xiàn)出優(yōu)越性，但是冒泡排序、插入排序和選擇的算法復(fù)雜度小。因此，云平臺選擇排序算法時可根據(jù)數(shù)據(jù)規(guī)模自適應(yīng)選擇合適的排序算法，達到執(zhí)行時間與復(fù)雜度的平衡。

4 結(jié)論

本文提出的云邊協(xié)同架構(gòu)和云平臺決策模型，為提高區(qū)域能源互補水平和新能源利用效率提供了一個可行方案。

1）構(gòu)建了基于物聯(lián)網(wǎng)、邊緣計算、云計算的云邊端信息收集和處理模型，并提出了邊緣子區(qū)域數(shù)據(jù)收集的關(guān)鍵算法。

2）重點闡述了云平臺的區(qū)域能源動態(tài)決策單元的知識結(jié)構(gòu)；根據(jù)邊緣子區(qū)域的關(guān)鍵數(shù)據(jù)，以距離為依據(jù)、收益為條件，在云平臺構(gòu)建了能源盈余子區(qū)域和短缺子區(qū)域的能源交互決策池。

3）根據(jù)對能源決策池中的收益排序結(jié)果和收益閾值制定了指令下發(fā)規(guī)則，分析了邊緣之間的信息和能源互動策略，為實現(xiàn)云邊協(xié)同的信息和能源互動提供了可行的方法。

由于目前數(shù)據(jù)量不足，未來將進一步收集數(shù)據(jù)進行模型和算法的優(yōu)化。