基于云邊協(xié)同的配電物聯(lián)網(wǎng)管理模型研究

陳 超，龔利武，羅 鑫

（1. 國(guó)網(wǎng)浙江省電力有限公司嘉興供電公司，浙江 嘉興 314000；2. 東北電力大學(xué) 電氣工程學(xué)院，吉林 吉林 132000）

0 引言

配電系統(tǒng)自身具有地域分布廣、設(shè)備種類多、網(wǎng)絡(luò)連接多樣、運(yùn)行方式多變等特點(diǎn)，隨著配電自動(dòng)化監(jiān)測(cè)系統(tǒng)的廣泛應(yīng)用，其產(chǎn)生的異構(gòu)、多元數(shù)據(jù)呈指數(shù)級(jí)增長(zhǎng)，數(shù)據(jù)量已經(jīng)達(dá)到大數(shù)據(jù)級(jí)別。配電物聯(lián)網(wǎng)云服務(wù)器計(jì)算任務(wù)繁重，因此會(huì)出現(xiàn)推理延遲過(guò)大、數(shù)據(jù)采集復(fù)雜、冗余度高等問(wèn)題，影響系統(tǒng)工作效率。因此如何有效收集配電物聯(lián)網(wǎng)數(shù)據(jù)、優(yōu)化配電網(wǎng)管理結(jié)構(gòu)、提高數(shù)據(jù)處理效率成為配電物聯(lián)網(wǎng)建設(shè)中亟待解決的難題。

物聯(lián)網(wǎng)信息通信技術(shù)保持了物聯(lián)網(wǎng)泛在感知和IP（互聯(lián)網(wǎng)協(xié)議）通信的特點(diǎn)，還具有分散的感知能力，將智能處理單元分布在配電網(wǎng)的不同層級(jí)，通過(guò)云計(jì)算和邊緣計(jì)算相結(jié)合的方式，實(shí)現(xiàn)對(duì)配電網(wǎng)絡(luò)和資產(chǎn)信息的全面感知和監(jiān)管。通過(guò)邊緣計(jì)算來(lái)解決云處理中邊緣物聯(lián)設(shè)備管理、數(shù)據(jù)采集與處理、數(shù)據(jù)通信等難題［1-2］。文獻(xiàn)［3］提出了應(yīng)用于可再生能源分布式邊緣計(jì)算的統(tǒng)一能源管理架構(gòu)，提高了分布式能源控制的響應(yīng)速度。文獻(xiàn)［4］構(gòu)建了智能電網(wǎng)模型的邊緣計(jì)算架構(gòu)，以智能測(cè)量數(shù)據(jù)采集為例，詳細(xì)分析了邊緣計(jì)算在數(shù)據(jù)分析中的作用及其效率和安全性。文獻(xiàn)［5］圍繞邊緣計(jì)算需求，基于管道模式計(jì)算模型設(shè)計(jì)了實(shí)現(xiàn)配電物聯(lián)網(wǎng)的業(yè)務(wù)協(xié)同，可降低計(jì)算量，但未研究計(jì)算速度。文獻(xiàn)［6］以配電智能終端為核心，基于邊緣計(jì)算提供協(xié)同數(shù)據(jù)協(xié)助，實(shí)現(xiàn)低壓臺(tái)區(qū)的本地拓?fù)鋽?shù)據(jù)量化計(jì)算和智能識(shí)別。文獻(xiàn)［7］將整個(gè)配電臺(tái)區(qū)作為邊緣計(jì)算機(jī)節(jié)點(diǎn)，通過(guò)監(jiān)測(cè)數(shù)據(jù)建立臺(tái)區(qū)特征指標(biāo)，選取權(quán)重判斷臺(tái)區(qū)運(yùn)行狀態(tài)，進(jìn)一步降低計(jì)算冗余。文獻(xiàn)［8］基于邊緣計(jì)算技術(shù)，針對(duì)配電區(qū)域物聯(lián)網(wǎng)設(shè)計(jì)了某電力公司管轄區(qū)域的協(xié)同管理架構(gòu)。文獻(xiàn)［9］將大規(guī)模分布式協(xié)同仿真技術(shù)應(yīng)用于智能電網(wǎng)系統(tǒng)，設(shè)計(jì)了一種新型協(xié)同仿真器。文獻(xiàn)［10-11］利用邊緣計(jì)算技術(shù)設(shè)計(jì)多元化負(fù)荷管理，優(yōu)化了數(shù)據(jù)處理流程，為配電物聯(lián)網(wǎng)智能終端設(shè)備異構(gòu)性問(wèn)題提出解決方案。上述研究表明，邊緣計(jì)算可以有效應(yīng)用于智能配電網(wǎng)中，但大多集中于配電網(wǎng)管理結(jié)構(gòu)設(shè)計(jì)方面，而對(duì)配電物聯(lián)網(wǎng)優(yōu)化運(yùn)行、高效工作并未深入研究。

邊緣計(jì)算是由云計(jì)算向物聯(lián)網(wǎng)智能終端和邊緣節(jié)點(diǎn)側(cè)延伸而來(lái)，能夠提升計(jì)算速率和處理效率。大量的感知與計(jì)算終端布置于臺(tái)區(qū)，利用這些邊緣設(shè)備的數(shù)據(jù)獲取與處理能力，以及與用戶的互動(dòng)能力，對(duì)信息進(jìn)行預(yù)處理，為云計(jì)算中心節(jié)省計(jì)算資源，二者可以統(tǒng)一為一個(gè)整體，實(shí)現(xiàn)整個(gè)配電物聯(lián)網(wǎng)的精準(zhǔn)控制和實(shí)時(shí)響應(yīng)［12-14］。從云計(jì)算和邊緣計(jì)算協(xié)同的維度可將云邊協(xié)同分成資源協(xié)同、數(shù)據(jù)協(xié)同、智能協(xié)同、服務(wù)協(xié)同4類［15-17］。本文研究分布式物聯(lián)網(wǎng)云計(jì)算過(guò)程中減少推理延遲的模型，設(shè)計(jì)了配電物聯(lián)網(wǎng)多端節(jié)點(diǎn)配電模型，構(gòu)建了基于邊緣多節(jié)點(diǎn)協(xié)同計(jì)算的配電物聯(lián)網(wǎng)管理模型，完成分布式云計(jì)算的推理優(yōu)化任務(wù)。

1 邊緣計(jì)算與分布式物聯(lián)網(wǎng)

1.1 邊緣計(jì)算

配電物聯(lián)網(wǎng)智能終端通過(guò)計(jì)算、通信和控制技術(shù)的融合，形成了信息系統(tǒng)和物理系統(tǒng)的有機(jī)整體［18-20］。目前所應(yīng)用的配電網(wǎng)計(jì)算方法存在一些不足，在快速計(jì)算、數(shù)據(jù)管理、數(shù)據(jù)終端整合和分析決策等方面，現(xiàn)有的計(jì)算方法計(jì)算速率和處理效率相對(duì)較低，但可以通過(guò)云計(jì)算和大數(shù)據(jù)分析技術(shù)得到解決［21-23］。目前數(shù)據(jù)環(huán)境復(fù)雜冗余、結(jié)構(gòu)多樣，對(duì)各類信息進(jìn)行分析甄別處理步驟繁瑣，信息的實(shí)時(shí)響應(yīng)特性難以滿足，對(duì)配電網(wǎng)能量傳輸?shù)姆€(wěn)定性和智能控制的可靠性產(chǎn)生一定影響［24］。和云計(jì)算可以在主站進(jìn)行遠(yuǎn)程統(tǒng)一處理的特點(diǎn)相比，邊緣計(jì)算是由云計(jì)算向物聯(lián)網(wǎng)智能終端和邊緣節(jié)點(diǎn)側(cè)延伸而來(lái)，主要目的是實(shí)現(xiàn)本地化數(shù)據(jù)信息實(shí)時(shí)采集和計(jì)算、在線式診斷、毫秒級(jí)快速響應(yīng)、對(duì)受控節(jié)點(diǎn)精準(zhǔn)控制等功能［25-27］。單個(gè)配電終端采用邊緣計(jì)算，使數(shù)據(jù)可以在邊緣側(cè)計(jì)算解決，將計(jì)算結(jié)果上傳到云中心，更加有利于運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測(cè)和數(shù)據(jù)的快速智能處理。

邊緣計(jì)算以邊緣節(jié)點(diǎn)為核心，集成了通信網(wǎng)絡(luò)、計(jì)算預(yù)處理、數(shù)據(jù)存儲(chǔ)和應(yīng)用程序的關(guān)鍵能力，達(dá)到對(duì)信息的控制［28-29］。目前，各行業(yè)都在努力推進(jìn)邊緣計(jì)算聯(lián)盟所提出的OICT（運(yùn)管、信息、通信技術(shù)）一體化［15］，但實(shí)際上，隨著大數(shù)據(jù)等技術(shù)的廣泛應(yīng)用，OICT 向DT（數(shù)據(jù)技術(shù)）的轉(zhuǎn)變也將實(shí)現(xiàn)，并最終提供數(shù)字自動(dòng)化技術(shù)和智能控制服務(wù)。邊緣計(jì)算的數(shù)據(jù)定位示意圖如圖1所示。

圖1 邊緣計(jì)算定位示意圖Fig.1 Diagram of data location of edge calculation

1.2 邊緣計(jì)算在配電物聯(lián)網(wǎng)的應(yīng)用

傳統(tǒng)的配電網(wǎng)通常可分成配電網(wǎng)絡(luò)主站、子站和終端層，而隨著電網(wǎng)的深化改革和分布式能源的大量接入，傳統(tǒng)的配電網(wǎng)也從單向輸電的無(wú)源配電網(wǎng)轉(zhuǎn)向擁有雙向輸電能力的有源配電網(wǎng)［30-31］，這也讓分銷體系的變革更加值得期待?，F(xiàn)階段，大規(guī)模電力電子設(shè)備以及智能可控裝置的投入使用，凸顯了傳統(tǒng)控制技術(shù)和電力通信網(wǎng)架的不足，只有將物聯(lián)網(wǎng)技術(shù)引入電網(wǎng)，才能滿足新型配電系統(tǒng)的需求［32］。目前新型配電網(wǎng)中各層配電設(shè)備均結(jié)合了嵌入式系統(tǒng)，使傳統(tǒng)配電網(wǎng)基于信息通信網(wǎng)和臺(tái)區(qū)其他設(shè)備形成信息交互，從而構(gòu)建一個(gè)物理網(wǎng)絡(luò)、信息設(shè)備、計(jì)算單元耦合的大規(guī)模配電物聯(lián)網(wǎng)。最后，它可以進(jìn)一步促進(jìn)邊緣計(jì)算、物聯(lián)網(wǎng)和分銷網(wǎng)絡(luò)的融合，使配電網(wǎng)在不同層次實(shí)現(xiàn)智能控制。

2 配電物聯(lián)網(wǎng)多終端節(jié)點(diǎn)配電模型

在配電網(wǎng)中，配電智能終端即可以作為邊緣計(jì)算節(jié)點(diǎn)，具備計(jì)算、存儲(chǔ)和通信功能。智能臺(tái)區(qū)終端可以對(duì)所連接的通信設(shè)備、感知設(shè)備、量測(cè)設(shè)備和執(zhí)行設(shè)備等進(jìn)行管理，實(shí)現(xiàn)數(shù)據(jù)中心和云端平臺(tái)的無(wú)縫連接。通過(guò)各種合適的通信手段，收集量測(cè)數(shù)據(jù)，開(kāi)展本地?cái)?shù)據(jù)處理和分析決策，鄰近的智能臺(tái)區(qū)終端可以組成分布式計(jì)算節(jié)點(diǎn)，對(duì)各分布式終端智能設(shè)備邊緣節(jié)點(diǎn)的量測(cè)數(shù)據(jù)和處理結(jié)果均可以進(jìn)行數(shù)據(jù)共享。

配電物聯(lián)網(wǎng)是物聯(lián)網(wǎng)技術(shù)在配電網(wǎng)絡(luò)領(lǐng)域的延伸，配電物聯(lián)網(wǎng)的特點(diǎn)無(wú)法通過(guò)傳統(tǒng)的3層物理架構(gòu)（主站、變電站、終端）體現(xiàn)出來(lái)。為體現(xiàn)配電物聯(lián)網(wǎng)的特點(diǎn)，本文依照PTN（分組傳送網(wǎng)）網(wǎng)絡(luò)所提出的P-PE-CE（主站-子站-邊緣用戶）結(jié)構(gòu)，采用邊緣計(jì)算技術(shù)對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行區(qū)分，結(jié)合物聯(lián)網(wǎng)信息交互的特點(diǎn)，設(shè)計(jì)了一種基于PTN網(wǎng)絡(luò)模型的配電物聯(lián)網(wǎng)架構(gòu)。配電物聯(lián)網(wǎng)主要由P設(shè)備、PE設(shè)備和CE設(shè)備3種設(shè)備構(gòu)成。邊緣技術(shù)結(jié)構(gòu)如圖2所示。

圖2 邊緣技術(shù)結(jié)構(gòu)Fig.2 Structure of edge technology

CE 設(shè)備是位于PTN 接入層內(nèi)的有源分布網(wǎng)絡(luò)中終端邊緣單元級(jí)物聯(lián)網(wǎng)設(shè)備，可實(shí)現(xiàn)自感知、自運(yùn)算、可交可擴(kuò)展和自決定等功能。配電物聯(lián)網(wǎng)中CE 設(shè)備主要包括配電變壓器、FTU（終端反饋單元）、智能監(jiān)控單元、DTU（數(shù)據(jù)傳輸單元）、集中處理單元以及一些開(kāi)關(guān)設(shè)備和所配置的通信模塊等。CE設(shè)備對(duì)終端設(shè)備進(jìn)行實(shí)時(shí)監(jiān)控、數(shù)據(jù)采集以及智能控制，TTU（配電變壓器監(jiān)控終端單元）對(duì)分布式電源、儲(chǔ)能設(shè)備以及電表等設(shè)備進(jìn)行狀態(tài)監(jiān)控。

子站設(shè)備類似于PTN 網(wǎng)絡(luò)中的PE 設(shè)備，是安裝在PTN匯聚層的邊緣接入設(shè)備，起到各邊緣數(shù)據(jù)匯聚接入的作用，稱為有源配電網(wǎng)系統(tǒng)級(jí)物聯(lián)網(wǎng)中的電子配電站，可以自行組織配置配電網(wǎng)絡(luò)控制指令并進(jìn)行自我決策和優(yōu)化。多臺(tái)CE設(shè)備匯集接入PE設(shè)備，通過(guò)狀態(tài)采集、數(shù)據(jù)交互、邊緣分析以及云端整合，最終實(shí)現(xiàn)配電轄區(qū)內(nèi)全局化管理。

主站設(shè)備是PTN結(jié)構(gòu)中的核心層，即P設(shè)備，其主要功能是在配電物聯(lián)網(wǎng)中實(shí)現(xiàn)信息全面感知，對(duì)分布式終端智能設(shè)備數(shù)據(jù)進(jìn)行整合處理、深度分析，而后進(jìn)行科學(xué)決策、下發(fā)命令。主站設(shè)備實(shí)時(shí)監(jiān)控配電網(wǎng)狀態(tài)，子站設(shè)備將分布式終端智能設(shè)備需要上傳的信息整合后上傳到主站，并且主站可以從各個(gè)CE設(shè)備中讀取到實(shí)時(shí)數(shù)據(jù)，利用上述所得信息對(duì)智能配電網(wǎng)運(yùn)行狀態(tài)進(jìn)行判定。

3 基于節(jié)點(diǎn)協(xié)同計(jì)算的分布式物聯(lián)網(wǎng)管理模型

3.1 配電物聯(lián)網(wǎng)協(xié)同管控模型的構(gòu)建

目前采用集中式單體架構(gòu)方案難以解決多節(jié)點(diǎn)配電物聯(lián)網(wǎng)場(chǎng)景的需求，引入邊緣計(jì)算模式，將配電網(wǎng)終端智能設(shè)備編號(hào)設(shè)置為邊緣節(jié)點(diǎn)，采用邊緣計(jì)算率先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。對(duì)于云服務(wù)器所承擔(dān)的邊緣節(jié)點(diǎn)管理功能，可通過(guò)云邊協(xié)同機(jī)制保證配電網(wǎng)設(shè)備間的數(shù)據(jù)交互低延時(shí)。

目前的配電網(wǎng)終端設(shè)備復(fù)雜，包含分布式能源、儲(chǔ)能設(shè)備、柔性負(fù)載和一些可控設(shè)備，各設(shè)備信息交互相互雜糅，在傳輸過(guò)程中存在干擾。根據(jù)配電網(wǎng)終端智能設(shè)備對(duì)請(qǐng)求時(shí)延和功能完整性的要求，建模時(shí)考慮配電網(wǎng)及其信息系統(tǒng)結(jié)構(gòu)，設(shè)計(jì)滿足需求的多維協(xié)同算法。所提出的拓?fù)淠Ｐ桶ㄖ髟O(shè)備節(jié)點(diǎn)、邊緣節(jié)點(diǎn)、配電物聯(lián)網(wǎng)邊緣設(shè)備和用戶終端層。主設(shè)備節(jié)點(diǎn)C 及其直接管理的邊緣節(jié)點(diǎn)集合直接訪問(wèn)，邊緣節(jié)點(diǎn)設(shè)置自有的管理中心，用戶終端可對(duì)邊緣節(jié)點(diǎn)進(jìn)行訪問(wèn)，簡(jiǎn)要拓?fù)淙鐖D3所示。

圖3 配電網(wǎng)管理結(jié)構(gòu)簡(jiǎn)要拓?fù)銯ig.3 A brief topology of distribution network management structure

對(duì)配電網(wǎng)進(jìn)行分層管理，分別采用全局、中間、局部等控制結(jié)構(gòu)的多級(jí)集中分布式組合，構(gòu)建出的配電網(wǎng)管理控制結(jié)構(gòu)如圖4所示?；谠摻Y(jié)構(gòu)，首先由終端設(shè)備生成任務(wù)，再傳至云中心節(jié)點(diǎn)執(zhí)行處理計(jì)算。

圖4 配電網(wǎng)管理控制結(jié)構(gòu)Fig.4 Structure of distribution network management

圖4中接口定義如表1所示。

表1 數(shù)據(jù)接口定義Table 1 Definitions of data interfaces

根據(jù)配電網(wǎng)系統(tǒng)的物理結(jié)構(gòu)，采用管理和控制模型對(duì)其進(jìn)行分層表示，模型中各類設(shè)備和控制方式具有如下特點(diǎn)：

1）多臺(tái)終端設(shè)備能夠?qū)崿F(xiàn)信息交互與實(shí)時(shí)分析。

2）同一結(jié)構(gòu)層中，不同的控制方式作用并不耦合，它們之間相互分離，可以獨(dú)立完成控制目標(biāo)，相互間控制作用的影響可以忽略。

3）上級(jí)控制出現(xiàn)故障時(shí)，每個(gè)下級(jí)控制并不會(huì)出現(xiàn)響應(yīng)，均按運(yùn)行規(guī)則繼續(xù)工作。

3.2 以最小時(shí)延為目標(biāo)的多節(jié)點(diǎn)協(xié)同計(jì)算方法

傳統(tǒng)負(fù)載均衡策略主要應(yīng)用于并行系統(tǒng)中，對(duì)于外部的數(shù)據(jù)請(qǐng)求，其將任務(wù)分配到多個(gè)處理單元中，因此存在不足，主要表現(xiàn)在：算法的動(dòng)態(tài)性差，未充分考慮處理單元需要的實(shí)時(shí)服務(wù)能力，任務(wù)響應(yīng)與調(diào)度決策響應(yīng)速度較慢。文獻(xiàn)［32］采用線性回歸的動(dòng)態(tài)均衡策略，雖實(shí)現(xiàn)預(yù)測(cè)終端邊緣節(jié)點(diǎn)實(shí)時(shí)數(shù)據(jù)而后進(jìn)行反饋，但因未考慮傳播延時(shí)問(wèn)題，無(wú)法滿足云與邊緣的協(xié)調(diào)需要。為此，綜合考慮節(jié)點(diǎn)計(jì)算能力和邊緣與云中心的傳播時(shí)延，采取最小化響應(yīng)時(shí)間的多節(jié)點(diǎn)協(xié)同計(jì)算模型，實(shí)現(xiàn)云計(jì)算和邊緣計(jì)算的協(xié)同。

根據(jù)第2章描述的主設(shè)備與邊緣計(jì)算協(xié)同架構(gòu)模型，以最小時(shí)延為目標(biāo)對(duì)算法進(jìn)行描述，CE設(shè)備層終端智能設(shè)備數(shù)據(jù)交互先到達(dá)PE設(shè)備邊緣節(jié)點(diǎn)，由邊緣子站節(jié)點(diǎn)協(xié)同控制進(jìn)行決策，其中涉及邊緣子站與主站設(shè)備（P設(shè)備）的往返時(shí)延、主站設(shè)備終端計(jì)算處理時(shí)延，最后數(shù)據(jù)處理還要經(jīng)過(guò)邊緣節(jié)點(diǎn)計(jì)算時(shí)延才能完成。具體所需考慮的參數(shù)如表2所示。

表2 最小時(shí)延參數(shù)說(shuō)明Table 2 Description of minimum delay parameters

針對(duì)終端設(shè)備（CE設(shè)備）數(shù)據(jù)交換任務(wù)，所提算法采用一個(gè)四元數(shù)據(jù)集表征：

式中：si為ji任務(wù)中所含的子任務(wù)個(gè)數(shù)；ci為完成目標(biāo)任務(wù)所需的時(shí)鐘周期；λi為ji任務(wù)運(yùn)算時(shí)所占計(jì)算資源的權(quán)重；μi為ji任務(wù)所占計(jì)算資源的權(quán)重。

對(duì)主站設(shè)備（P 設(shè)備）和邊緣子站節(jié)點(diǎn)（PE 設(shè)備），設(shè)置1 個(gè)主站設(shè)備和n個(gè)邊緣子站節(jié)點(diǎn)，通過(guò)三元數(shù)據(jù)集表征：

式中：ak為所計(jì)算的相應(yīng)節(jié)點(diǎn)k，k取值為［0，n］，其中k=0時(shí)，表示該節(jié)點(diǎn)為主站設(shè)備節(jié)點(diǎn)，k=1，2，…，n時(shí)，表示該節(jié)點(diǎn)為不同的邊緣子站設(shè)備節(jié)點(diǎn)；Ck表示該節(jié)點(diǎn)計(jì)算資源空置率；Mk表示該節(jié)點(diǎn)計(jì)算內(nèi)存空閑率；tk表示單個(gè)終端智能設(shè)備在對(duì)應(yīng)邊緣節(jié)點(diǎn)上單獨(dú)運(yùn)行的時(shí)間。

基于上述定義，以最小延遲為目標(biāo)可對(duì)云計(jì)算時(shí)間進(jìn)行量化分析。邊緣節(jié)點(diǎn)k在進(jìn)行數(shù)據(jù)交互任務(wù)i時(shí)的計(jì)算時(shí)延為：

主設(shè)備節(jié)點(diǎn)在執(zhí)行數(shù)據(jù)交互任務(wù)i時(shí)的計(jì)算時(shí)延為：

則可以求出邊緣節(jié)點(diǎn)在執(zhí)行數(shù)據(jù)交互任務(wù)時(shí)，請(qǐng)求響應(yīng)時(shí)間Re（i，k）為：

主設(shè)備節(jié)點(diǎn)在執(zhí)行數(shù)據(jù)交互任務(wù)時(shí)，請(qǐng)求響應(yīng)時(shí)間Rc（i，0）為：

為最小化請(qǐng)求響應(yīng)時(shí)間，采取的方法是選擇本地邊緣、主設(shè)備節(jié)點(diǎn)響應(yīng)短的執(zhí)行本次任務(wù)。任務(wù)提交后，首先經(jīng)由邊緣節(jié)點(diǎn)進(jìn)行調(diào)度決策，判斷哪一個(gè)節(jié)點(diǎn)作為任務(wù)執(zhí)行者，決策時(shí)將計(jì)算響應(yīng)時(shí)間中去掉Te進(jìn)行比較。判斷公式如下：

當(dāng)多個(gè)任務(wù)同時(shí)到達(dá)時(shí)，需要考慮各節(jié)點(diǎn)的計(jì)算資源和儲(chǔ)存資源容量，并做相應(yīng)約束，即公式（2）中Ck和Mk超過(guò)約束閾值時(shí)考慮并行設(shè)備的投入，具體約束條件依據(jù)實(shí)際系統(tǒng)大小以及響應(yīng)需求進(jìn)行調(diào)整。

數(shù)據(jù)協(xié)同會(huì)同時(shí)存在邊緣節(jié)點(diǎn)至主設(shè)備節(jié)點(diǎn)以及主設(shè)備節(jié)點(diǎn)至邊緣節(jié)點(diǎn)2種數(shù)據(jù)傳輸流向，均由各邊緣節(jié)點(diǎn)自身的協(xié)同控制器進(jìn)行作用，其數(shù)據(jù)協(xié)同的具體流程如圖5所示。

系統(tǒng)中邊緣節(jié)點(diǎn)實(shí)際只承擔(dān)部分應(yīng)用功能，用戶終端對(duì)系統(tǒng)發(fā)起訪問(wèn)時(shí)，需要邊緣節(jié)點(diǎn)和主設(shè)備節(jié)點(diǎn)共同響應(yīng)。主設(shè)備節(jié)點(diǎn)承擔(dān)整個(gè)區(qū)域配電物聯(lián)網(wǎng)的全局管理，同時(shí)為邊緣節(jié)點(diǎn)提供存儲(chǔ)能力，邊緣節(jié)點(diǎn)實(shí)現(xiàn)設(shè)備管控、協(xié)同決策和任務(wù)執(zhí)行，共同為用戶終端提供應(yīng)用層服務(wù)。用戶終端在邊緣節(jié)點(diǎn)提交的任務(wù)，先通過(guò)邊緣節(jié)點(diǎn)的協(xié)同控制器根據(jù)任務(wù)類型采取調(diào)度決策或任務(wù)轉(zhuǎn)發(fā)，具體工作流程如圖6所示。

圖6 服務(wù)協(xié)同具體流程Fig.6 Specific flow of service collaboration

基于上述方案對(duì)配電網(wǎng)進(jìn)行分區(qū)，對(duì)各分布式終端設(shè)備編號(hào)后確定邊緣節(jié)點(diǎn)，以最小延遲為目標(biāo)構(gòu)建部署方案。而在推理任務(wù)過(guò)程中，信息產(chǎn)生單元與邊緣節(jié)點(diǎn)的距離、通信環(huán)境等因素都會(huì)影響最終的輸出結(jié)果。

為進(jìn)一步減少延時(shí)，可引入DNN（深度神經(jīng)網(wǎng)絡(luò)）和設(shè)備邊緣協(xié)同作用推理算法。對(duì)DNN 先進(jìn)行劃分，合理利用計(jì)算資源降低邊緣服務(wù)器計(jì)算復(fù)雜程度，減少冗余，通過(guò)訓(xùn)練不同容量大小的、具有多個(gè)節(jié)點(diǎn)的DNN模型，選擇適合應(yīng)用需求的DNN模型，減輕計(jì)算負(fù)擔(dān)，從而減少總延遲。

正常運(yùn)行過(guò)程中，隨著運(yùn)行時(shí)間的不同，不同DNN層輸出的數(shù)據(jù)也各不相同，表現(xiàn)出很大的異構(gòu)性。實(shí)際中長(zhǎng)時(shí)間運(yùn)行下的層模塊不一定會(huì)高效輸出數(shù)據(jù)，因此將DNN分成兩部分，可以先以低傳輸效率的工作模式將計(jì)算冗余復(fù)雜的部分先一步在服務(wù)器中進(jìn)行計(jì)算，從而減少端到端等待時(shí)間。

4 仿真實(shí)驗(yàn)

首先在云仿真平臺(tái)中對(duì)上述所提協(xié)同推理算法進(jìn)行仿真驗(yàn)證，仿真實(shí)驗(yàn)中建立一個(gè)云計(jì)算中心和3 個(gè)邊緣節(jié)點(diǎn)，設(shè)置30 組計(jì)算任務(wù)，每組計(jì)算任務(wù)分別有3個(gè)同類型的任務(wù)單元，將其分別提交至邊緣節(jié)點(diǎn)，每組計(jì)算任務(wù)間隔1 ms，模擬實(shí)際工作過(guò)程中的傳輸延時(shí)變化。仿真過(guò)程中通過(guò)改變服務(wù)代理模塊時(shí)間延遲進(jìn)行模擬，對(duì)提交至邊緣節(jié)點(diǎn)的任務(wù)協(xié)調(diào)處理效果進(jìn)行仿真對(duì)比。

圖7描述了不同調(diào)度方法下不同計(jì)算任務(wù)提交至邊緣節(jié)點(diǎn)的執(zhí)行時(shí)間，可以看出，基于最小化響應(yīng)時(shí)間的方法任務(wù)完成時(shí)間穩(wěn)定，并且執(zhí)行時(shí)間相對(duì)較短。

圖7 不同調(diào)度算法結(jié)果對(duì)比Fig.7 Diagram of data location of edge calculation

對(duì)圖7中的數(shù)據(jù)取平均值，得到不同方法完成任務(wù)的平均執(zhí)行時(shí)間如圖8所示，結(jié)果表明，基于最小化響應(yīng)時(shí)間調(diào)度平均執(zhí)行時(shí)間最短。從圖7和圖8可以看出，通過(guò)降低用戶提交任務(wù)至邊緣節(jié)點(diǎn)時(shí)間，可提升系統(tǒng)工作效率，主要是由于該算法充分考慮到云計(jì)算中心和邊緣節(jié)點(diǎn)之間計(jì)算能力的差距，通過(guò)優(yōu)化的調(diào)度決策來(lái)實(shí)現(xiàn)。

圖8 不同調(diào)度算法平均執(zhí)行時(shí)間對(duì)比Fig.8 Comparison of average execution time of different scheduling algorithms

考慮到數(shù)據(jù)交換任務(wù)過(guò)多時(shí)所提方法的高業(yè)務(wù)承載能力，通過(guò)對(duì)云仿真平臺(tái)各個(gè)節(jié)點(diǎn)進(jìn)行并發(fā)線程監(jiān)聽(tīng)各虛擬機(jī)的實(shí)時(shí)性能數(shù)據(jù)，主機(jī)和虛擬機(jī)參數(shù)如表3所示。

表3 主機(jī)和虛擬機(jī)參數(shù)Table 3 Parameters of host and virtual machines

設(shè)置不同數(shù)量的并行到達(dá)業(yè)務(wù)量，各業(yè)務(wù)量數(shù)據(jù)長(zhǎng)度隨機(jī)范圍為100～10 000，進(jìn)行不同壓力下的場(chǎng)景測(cè)試，仿真結(jié)果如表4所示。

表4 不同業(yè)務(wù)測(cè)試下節(jié)點(diǎn)計(jì)算量Table 4 Node operations under different service tests

由表4可知，在正常區(qū)域配電物聯(lián)網(wǎng)中，目前所設(shè)置的主機(jī)和邊緣節(jié)點(diǎn)性能參數(shù)足以滿足高業(yè)務(wù)量的數(shù)據(jù)交換任務(wù)需求，具有有效性。

為了搭建異構(gòu)邊緣節(jié)點(diǎn)網(wǎng)絡(luò)環(huán)境，使用了4種不同的邊緣設(shè)備：JetsonTX1、Jetson TX2、Jetson TK1 和Jetson NaNo（以下簡(jiǎn)稱“TX1、TX2、TK1和NaNo”）。在每次生成網(wǎng)絡(luò)拓?fù)鋾r(shí)隨機(jī)分配給邊緣節(jié)點(diǎn)，先對(duì)4種邊緣設(shè)備的特征狀態(tài)指標(biāo)采用權(quán)重矩陣進(jìn)行預(yù)處理，得到狀態(tài)指標(biāo)處理結(jié)果如表5 所示，指標(biāo)數(shù)據(jù)越小，表示其運(yùn)行狀態(tài)越好。

表5 預(yù)處理后的狀態(tài)指標(biāo)Table 5 Pre-processed state indicators

針對(duì)4 類設(shè)備所表現(xiàn)出的不同計(jì)算性能參數(shù)，利用Paleo框架對(duì)各分支邊緣節(jié)點(diǎn)上時(shí)延參數(shù)進(jìn)行試驗(yàn)運(yùn)行，結(jié)果見(jiàn)表6。

表6 實(shí)驗(yàn)結(jié)果Table 6 Experimental results ms

與現(xiàn)有云服務(wù)器的運(yùn)行時(shí)延對(duì)比發(fā)現(xiàn)，優(yōu)化后其效率有所提升。在基于邊緣計(jì)算的方法中，時(shí)延在模擬10 個(gè)不同的網(wǎng)絡(luò)分布后取平均值，節(jié)點(diǎn)間帶寬設(shè)置為1 Mbps，結(jié)果如圖9所示。

圖9 實(shí)驗(yàn)結(jié)果對(duì)比Fig.9 Comparison of experimental results

測(cè)試結(jié)果表明，與云服務(wù)器推理相比，當(dāng)信息產(chǎn)生單元所上傳的指令從網(wǎng)絡(luò)中的同一分區(qū)取消時(shí)，兩種方法推導(dǎo)精度相同的情況下，邊緣計(jì)算服務(wù)器推理低于云服務(wù)器推理。

5 結(jié)語(yǔ)

針對(duì)現(xiàn)有智能配電網(wǎng)規(guī)模大、結(jié)構(gòu)復(fù)雜、多節(jié)點(diǎn)的特點(diǎn)，本文將邊緣計(jì)算技術(shù)和配電物聯(lián)網(wǎng)相結(jié)合，基于云與邊緣多維協(xié)同機(jī)制研究，從計(jì)算協(xié)同、數(shù)據(jù)協(xié)同、服務(wù)協(xié)同三方面制定協(xié)同算法和協(xié)調(diào)策略?；赑TN網(wǎng)絡(luò)結(jié)構(gòu)，提出配電物聯(lián)網(wǎng)多終端節(jié)點(diǎn)配電模型，建立了基于邊緣多節(jié)點(diǎn)協(xié)同計(jì)算的配電網(wǎng)物聯(lián)網(wǎng)分布式管理模型，最后實(shí)現(xiàn)配電網(wǎng)的配電自治和協(xié)同管控，有效避免了傳統(tǒng)集中管理的問(wèn)題。