电力行业边缘计算白皮书（2022年）版权声明本白皮书版权属于算网融合产业及标准推进委员会，并受法律保护。转载、摘编或利用其它方式使用本白皮书文字或者观点的，应注明“来源：算网融合产业及标准推进委员会”。违反上述声明者，编者将追究其相关法律责任。参与编写单位中国信息通信研究院、北京航空航天大学、国网信息通信产业集团有限公司北京分公司、中国电力科学研究院有限公司、浪潮电子信息产业股份有限公司、国网浙江省电力有限公司信息通信分公司、北京邮电大学、浙江九州云信息科技有限公司、天翼云科技有限公司、中能融合智慧科技有限公司、朗坤智慧科技股份有限公司、北京火山引擎科技有限公司、天津大学、思博伦通信、NVIDIA英伟达公司、EMQ杭州映云科技有限公司、网络通信与安全紫金山实验室、中国科学院自动化研究所、中国科学院重庆绿色智能技术研究院、中国科学院沈阳自动化研究院、边缘计算社区、北京奥思工联科技有限公司、天津安捷物联科技股份有限公司、北京信息职业技术学院。主要撰稿人宋平、穆琙博、王哲、刘轶、宋尧、毕立波、王春新、孙娴、曹卫红、仝杰、齐子豪、刘洁、杨洁、邹颖、王伯伊、邱凯义、李朕、王波、刘香男、毛冬、陈祖歌、柴瑶琳、党小东、张云畅、韩维娜、姜蔚蔚、胡卫国、曹荣、段云涌、胡建锋、安雨顺、张克铭、郑钦、毛旭初、胡杰英、陈松、王晓飞、沈建发、刘浩然、陆冠、张轶博、郭爱民、胡玉姣、贾庆民、樊荣杰、周赤、夏长清、史皓天、段嘉、黄磊、王鑫、黄杰前言数字化转型是电力行业发展的必由之路，《“十四五”现代能源体系规划》提出要“坚持把创新作为引领发展的第一动力，着力增强能源科技创新能力，加快能源产业数字化和智能化升级，推动质量变革、效率变革、动力变革，推进产业链现代化”。作为一种数字化赋能技术，边缘计算受到电力行业广泛关注。边缘计算与AI、大数据、5G等ICT技术深度融合，满足电力行业全环节的实时性、智能化需求，赋能电力行业数字转型。本白皮书以推进边缘计算在电力行业中发挥赋能作用、助力能源强国建设为目标，重点关注电力行业边缘计算的产业发展现状、参考架构、应用场景与典型案例、发展趋势等，为边缘计算在电力行业中落地部署提供重要参考。目录一、电力行业边缘计算产业发展.......................................1(一)边缘计算已成为行业数字转型核心引擎.............................1(二)边缘计算全面支持电力行业高质量发展.............................4(三)边缘计算对电力行业应用的赋能价值...............................8二、电力行业边缘计算参考架构......................................11(一)电力行业边缘计算参考架构......................................11(二)端侧..........................................................11(三)边缘侧........................................................14(四)网络..........................................................21(五)云侧..........................................................23(六)安全..........................................................25(七)运维..........................................................29三、电力行业边缘计算应用场景与典型案例............................33(一)发电场景......................................................33(二)输电场景......................................................43(三)变电场景......................................................50(四)配电场景......................................................57(五)用电场景......................................................60(六)源网荷储协同互动场景..........................................65四、电力行业边缘计算发展趋势......................................72(一)电力行业转型加速，推动电力行业边缘计算繁荣发展................72(二)边缘计算技术创新演进，满足电力行业应用场景需求................73(三)边缘计算体系化安全防护，构筑电力系统安全壁垒..................74(四)电力行业边缘计算标准体系不断完善，引导产业规范化发展..........74图目录图1电力行业边缘计算产业视图.......................................7图2电力行业边缘计算参考架构......................................11图3智能化采集信息分析场景........................................36图4某风场故障维修时间和因配件不到导致停机时间统计................38图5基于边缘计算的风机故障诊断及预警系统设计流程..................39图6系统网络拓扑..................................................39图7故障预测分级..................................................40图8某风机原始功率曲线............................................41图9维修校准后某风机的功率曲线....................................41图10边云协同架构.................................................43图11防鸟刺故障检测原理...........................................46图12深度可分离卷积网络架构图.....................................48图13输电线路边缘计算终端.........................................49图14输电线路边缘计算终端实际应用效果.............................50图15边缘智能在变电侧的应用场景...................................52图16视频巡视.....................................................54图17无人机巡视...................................................55图18变电站物联网边缘计算平台.....................................56图19放电定位检测.................................................60图20利用数据开放平台加速网格边缘服务.............................62图21基于边缘计算的大型建筑能源管理架构图.........................64图22基于联邦学习与边缘计算的资源管理自适应决策示意图.............64图23源网荷储一体化协同场景示意图.................................66图24源网荷储应用示意图...........................................70电力行业边缘计算白皮书1一、电力行业边缘计算产业发展(一)边缘计算已成为行业数字转型核心引擎大力推动数字经济发展，已成为全球各国激发经济增长的重要手段。我国发布《“十四五”数字经济发展规划》，为推动数字经济高质量发展提供指导。以云计算、边缘计算、智能计算、高性能计算等为代表的各类前沿计算方式，从不同层级、不同维度，满足产业数字化转型过程中的算力需求，成为数字经济创新发展的重要推动力量。作为行业数字化转型的重要赋能平台，边缘计算通过在网络边缘位置，为各类行业用户提供数字化、网络化、智能化服务，以满足行业数字变革过程中在低时延、大带宽、智能分析、海量数据、安全可信、高效算力等不同方面的差异化需求。目前，边缘计算已获得业界广泛关注。根据2022年Gartner最新发布的边缘计算技术成熟度曲线显示，边缘计算从技术概念区进入到期望峰值区，成为未来计算的重要趋势之一。随着产业数字化转型进入“深水区”，边缘计算在行业应用深度和广度上将得到进一步加强，广泛应用于工业、电力、医疗、交通、教育等众多领域。边缘计算充分利用近用户侧的先天优势，为行业用户提供低成本、高质量的服务。1.边缘计算行业赋能作用行业数字应用对承载平台在高效算力、海量接入、智能分析、安全防护、可信认证等多个方面提出高质量、差异化需求。边缘计算的行业赋能作用主要体现在以下四个方面：电力行业边缘计算白皮书2◼网络赋能：边缘计算技术与5G技术深度融合，为行业应用提供低时延、大带宽、海量设备接入等网络能力，提供高质量的网络服务能力。◼平台赋能：边缘计算平台与云计算平台之间实现高效协同，共同构建“云、边、端、网”于一体的行业应用运行平台。◼创新赋能：边缘计算技术通过与大数据、人工智能等新一代ICT技术深度融合，在满足行业应用需求的同时，也深入行业内部，为行业应用自身创新提供基础。◼安全赋能：通过以SASE为代表边缘安全服务，提高安全服务响应能力，降低部署成本，在边缘侧保障用户安全隐私和数据安全。2.边缘计算发展现状现阶段，边缘计算的基本内涵与架构已形成行业共识。“端、边、云”已成为边缘计算架构的基本组成，边缘计算网络为三者间协同联动提供必要基础。“端、边、云”架构为端侧设备提供了全面感知能力、为行业应用部署提供边缘服务能力、为应用高效运行提供多元算力供给能力、为数据的跨域流动提供协同联动能力，四项能力共同构建边缘计算赋能基础。按照技术实现方式，边缘计算可分为：以5GMEC为代表的运营商边缘、以CDN改造、云算力下沉为代表的云边缘、以电力边缘计算、工业边缘计算为代表的行业边缘三类。三类边缘计算在部署位置、电力行业边缘计算白皮书3服务能力等不同方面均存在差异。政策方面，在行业数字化转型的大力驱动下，全球各国高度重视边缘计算的战略布局。以美国、欧洲为代表的发达国家，均将边缘计算列入产业数字化转型中的关键环节，对边缘计算技术进行统筹部署，并积极推进其创新应用。我国也高度重视边缘计算的发展，国务院《“十四五”数字经济发展规划》等政策文件的相继发布，积极推进边缘计算在工业互联网等特定领域的技术、标准与产业发展。市场方面，边缘计算相关政策陆续出台、发展环境不断完善，进一步推动了产业协同落地发展，边缘计算市场持续增长。据IDC《全球计算力指数评估报告》显示，未来5年，全球对边缘位置的算力投资增长速度将远快于核心位置。根据中国信通院市场和企业用户调研测算，2021年我国边缘计算市场规模达到436.4亿元，其中边缘硬件规模市场为290.2亿元，边缘软件与服务市场规模达146.2亿元，预计年平均增速超过50%，2024年边缘计算市场整体规模达1803.7亿元，增长空间广阔。标准方面，国内外标准组织及联盟组织均加速推进边缘计算标准化相关研究工作。国外方面，欧洲电信标准化协会（ETSI）于2014年成立MEC标准工作组，目前已发布包括边缘计算平台架构、技术需求等多个标准。国内方面，中国通信标准化协会（CCSA）围绕工业互联网等典型场景，针对参考架构、技术要求等多个方面，开展了边缘计算标准化相关研究工作。中国通信协会面向边缘计算基准能力与电力行业边缘计算白皮书4技术融合创新，已立项发布包括《边缘计算总体架构与要求》、《“边缘计算+”总体架构与要求》、《5GMEC基础设施共建共享技术要求》等在内的多项标准。(二)边缘计算全面支持电力行业高质量发展以习近平同志为核心的党中央创造性提出了“四个革命、一个合作”能源安全新战略和“能源强国”新目标，为新时代我国能源高质量发展指明了方向、开辟了道路。《“十四五”现代能源体系规划》提出要“坚持把创新作为引领发展的第一动力，着力增强能源科技创新能力，加快能源产业数字化和智能化升级，推动质量变革、效率变革、动力变革，推进产业链现代化”。以“双碳”为目标，能源电力发展需要依托以边缘计算等为代表的新一代ICT技术，打造数字化技术支撑体系，全面推进ICT技术在电力行业各个业务环节不同场景的广泛应用，实现电力相关业务在数字空间的动态呈现、模拟与决策，不断提升电力企业的数字化与智能化水平。1.边缘计算满足电力系统全环节业务需求边缘计算是实现电力行业“数智”转型的关键技术。构建覆盖能源电力系统全环节的边缘计算体系，对外可以推动电源侧、电网侧、用户侧、供应链泛在互联，实现对电网和客户状态的深度感知，汇聚各类资源参与系统调节，促进源网荷储协调互动，支撑区域电力能源电力行业边缘计算白皮书5自治；对内可以推动资源共享，实现源端数据融通和业务实时在线，汇聚各类数据进行共享应用，提升电网安全运行、企业精益管理和客户优质服务水平。当前边缘计算技术在电力行业的发电、输电、变电、配电、用电与源网荷储协同互动六大核心业务场景中，均得到广泛应用。◼发电场景：发电企业在边缘侧搭建数据采集分析平台，获取发电设备与系统实时数据，进行智能化分析，预测和优化发电过程，提高发电场景中的能源利用效率，降低设备故障率，减少运维工作量。◼输电场景：为了解决传统人工巡检方式效率低、存在安全隐患等问题，利用边缘计算设备执行输电线路的巡检任务，是一种更为安全有效的解决方案。此外，输电系统具有传输距离长、地理环境复杂、气候多变等特点，可通过构建边缘计算平台，在网络环境复杂情况下及时获取并分析各类输电设备的海量信息。◼变电场景：变压器的在线监测和故障诊断是变电侧的核心任务之一。基于边缘计算的在线监测和故障诊断技术是当前研究的热点研究方向。此外，在变电侧搭建边缘计算平台，可以满足变电站、换流站等厂站的设备管理和智能监控需求。◼配电场景：配电业务场景主要涉及管理的测控主站，包括面向中压配电网和低压配电网的配电自动化主站。通过在配电电力行业边缘计算白皮书6台区引入边缘计算网关（融合终端），构建以台区边缘计算网关为中心的低压配网一体化管控体系，在边缘侧进行数据汇集、计算与回传，实现接入设备的状态全方位感知与需求快速响应。◼用电场景：用电业务场景涵盖家庭用电、商业用电、电动汽车充电等不同典型场景，利用边缘计算技术，一方面可以将智能电表与边缘计算网关协同，为用电设备提供智能化控制调节；另一方面可以在智能电表中嵌入计算芯片，提供边缘计算服务。◼源网荷储协同互动场景：该场景业务涉及发电侧、输配电侧、用电侧等多个方面，借助边缘计算提供的高效智能算力，进行全网的数据采集与计算，实现源网荷储平衡化。电力行业边缘计算白皮书72.电力行业边缘计算产业视图图1电力行业边缘计算产业视图电力行业边缘计算产业可分为芯片、设备、软件、网络、解决方案、服务等六大板块。在电力行业边缘计算产业链条中，上下游产业紧密合作、协同联动，在电力行业发电、输电、变电、配电、用电与源网荷储协同互动六大核心业务场景发挥赋能作用，助力电力行业数字化转型。于此同时，电力行业边缘计算服务也正在向其它行业延伸。本白皮书整理了电力行业边缘计算产业视图如图1所示，具体包含以下部分：芯片供应商：芯片供应商位于产业链上游，主要供给电力行业边缘计算所需的CPU、GPU、NPU等芯片产品，是电力行业边缘计算服务提供商软件开发商设备供应商芯片供应商网络运营商方案提供商电力行业边缘计算产业视图电力行业边缘计算白皮书8的重要基础，满足智慧电厂、智能电网等多种电力行业边缘计算典型场景需求。设备供应商：设备供应商同样位于产业链上游，通过以芯片为核心构建终端、服务器等设备，向电力行业边缘计算中端、边、云侧供应设备产品，是电力行业边缘计算产业中的重要一环。软件开发商：软件开发商以芯片和设备为基础，研制面向电力行业边缘计算的系统、平台等软件产品，是电力行业边缘计算的重要能力提供者之一。网络运营商：网络运营商是电力行业边缘计算的网络能力提供者，也是产业链中重要的一环。网络运营商可面向电力行业构建专网或提供互联网业务，实现端、边、云设备的互联互通，支持电力行业边缘计算解决方案和服务。方案提供商：方案提供商是产业链的主体，当前大部分厂商都聚焦于提供行业解决方案，即通过结合芯片、设备、软件、网络等产品和能力，面向特定场景需求提供电力行业边缘计算解决方案。服务提供商：拓展电力行业边缘计算服务是重要的产业目标，通过协同整合电力行业边缘计算产业资源，汇聚行业解决方案，提供一体化电力行业边缘计算服务。(三)边缘计算对电力行业应用的赋能价值边缘计算为电力行业应用带来的核心价值主要体现在五个方面：电力行业边缘计算白皮书9低延时、低成本、智能化、高安全、高可靠。1.低时延应用时延通常由计算时延和传输时延两部分构成，降低应用时延是提高用户体验甚至是使得某些应用能够工作的重要因素。一方面，边缘计算通过在边缘侧进行数据处理，降低了数据在终端和云端之间产生的多跳传输时延。另一方面，利用优化的边缘算力进行数据处理，比利用有限的终端算力进行数据处理所产生的计算时延更低。2.低成本电力设备产生的数据具有体量大、价值密度较小的特性。如果把原始数据直接传输到云端进行处理，很可能造成网络拥塞等问题，同时传输所需带宽也很大，成本极高。边缘计算对海量原始数据进行预处理和分析挖掘，将产生的高价值洞察传送到云端，极大程度降低业务部署成本。此外，通过在边缘侧部署智能巡检、设备监测等应用，可以进一步降低人员成本，提升电力业务效率。3.智能化视频监控、语音识别、图像分析等人工智能应用越来越广泛地被应用于电力行业的业务需求。AI模型的训练需要非常强大算力的支持。如果在云端执行基于实时数据的模型推理，将极大提高网络成本。同时，普通电力终端设备难以满足模型推理的高算力、高能耗需求。现有解决方案利用边缘计算，将AI模型推理卸载到边缘节点，在边电力行业边缘计算白皮书10缘节点上通过GPU、加速硬件虚拟化等机制提高模型推理的并发能力，以一种经济有效的方式实现应用智能。4.高安全电力企业往往对生产数据传输到云端进行处理有很大顾虑。使用边缘计算技术能实现敏感数据不出厂，直接在本地对数据进行清洗、预处理、聚合、筛选等操作，避免了数据传输过程中可能的泄露、遗失、篡改等风险。此外，传统云计算中心存在API访问权限控制以及密钥生成、存储和管理等方面的问题，可能产生数据泄漏的风险。以边缘计算为基础的的数据安全方案可以实现更可控的本地数据存储和管理，从而降低数据风险。5.高可靠靠近数据生产或者使用的场所存在物理环境复杂、网络条件不稳定、潜在的攻击窗口众多等问题。边缘计算硬件专为严苛的物理环境设计，具有紧凑、坚固、抗高温高湿等物理特性。边缘计算软件平台通过云边协同来保障端到端的SLA，边缘节点在断网期间能实现自治，继续支撑其上应用的运行，在网络恢复之后，还能自动与云端更新数据、状态。边缘计算软件平台还支持应用跨节点部署及多实例运行等能力，当某个节点发生故障时，可快速实现负载迁移，避免对业务的影响。电力行业边缘计算白皮书11二、电力行业边缘计算参考架构(一)电力行业边缘计算参考架构图2电力行业边缘计算参考架构本白皮书从电力行业应用需求出发，结合业界优秀电力行业边缘计算实践，在边缘计算参考模型的基础上，提出了电力行业边缘计算参考架构，如图2所示，电力行业边缘计算参考架构主要包含端侧、边缘侧、网络、云侧、安全、运维等六个部分主要内容。(二)端侧端侧是位于网络边缘的各种物联网设备集合，是整个边缘计算平电力行业边缘计算白皮书12台的数据来源。电力行业边缘计算端侧主要通过导线温度传感器、电源管理设备等智能化设备感知外部环境变化，并通过接入协议与边缘侧协同联动，进行智能化分析。1.端侧设备端侧设备包括电源侧、电网侧、用户侧、供应链等终端装置。通常部署在采集监控对象附近，对设备或对象的状态量、电气量和环境量等进行采集量测，具有简单的数据处理、控制和通信功能。面向输电、变电、配电台区、用户侧和供应链五类应用场景，端侧设备发挥不同的作用：在输电应用场景中，通过各类感知终端实现架空线路、电缆线路状态的精准感知，数据通过短距离低功耗网络传输至汇聚节点进行汇聚，并在接入节点进行区域汇聚和边缘计算。视频图像采集终端的数据发送至统一视频平台，无人机和机器人等移动设备的采集数据在本地进行处理，相关数据可以选择进入统一视频平台。在变电应用场景中，视频监控、巡检机器人采集的视频图像类数据接入边缘物联代理，进行图像识别、分析判断等边缘计算，分析结果上传至物联管理平台。以状态感知功能为主的无线传感器可直接接入、或经过汇聚节点接入边缘物联代理；其他涉控无线传感器感知数据需经安全接入网关接入边缘物联代理，边缘物联代理对传感器数据进行边缘计算，处理后结果上传至物联管理平台。在配电台区应用场景中，在一个台区部署一个边缘物联代理，统电力行业边缘计算白皮书13筹环境感知、设备状态监测和可视化终端接入。终端设备采集电气量、环境量、状态量、视频图像等数据，主要对电网设备的运行状态、环境数据、可视化信息、作业信息进行采集，实现设备状态全方位感知与快速响应。在用户侧应用场景中，部署能源控制器、台区智能终端等边缘设备，实现各场景的全息感知和优化控制。终端设备（如智能家电、楼宇企业园区空调、环境传感器等）采集环境量、状态量和辅助设备状态等感知数据，感知数据通过边缘物联代理进行汇聚和边缘计算，数据统一发送至物联平台。在供应链应用场景中，通过在电工装备制造企业内部部署生产、试验设备信息数据采集中心、采集终端，采集生产试验数据。通过部署电工装备智慧物联网关（边缘物联代理），接入数据采集中心的生产、试验和视频数据，进行相关边缘计算分析处理，再由电工装备智慧物联网关（边缘物联代理）统一将数据发送给平台层，为平台层和应用层提供数据支撑。2.接入协议电力场景各类端侧设备通过接入协议接入边缘计算系统。这种协议定义了如何在边缘计算系统和端侧设备之间进行数据交换。端侧设备既可以使用ModbusTCP、MQTT、Profibus等多种协议，通过有线接入的方式（以太网、串口等）接入边缘计算系统，也可以使用WiFi、NB-IoT、ZigBee、LoRa、5G等无线协议接入。电力行业边缘计算白皮书14(三)边缘侧边缘侧位于端侧与云侧之间，在靠近用户的位置，提供各类算力资源以及边缘服务。边缘侧既提供计算、存储和网络等电力应用所需资源，也提供面向电力用户的各类智能化、数字化边缘服务。1.基础资源（1）通用服务器通用服务器是边缘侧计算资源的主要载体，通常支持包括x86、ARM、MIPS等在内的一种或多种指令集，并支持多种GPU、FPGA等异构加速硬件。通用服务器还应支持安装并兼容Linux、Windows等主流操作系统，并支持远程KVM登录、远程固件版本升级、用户权限配置、服务器日志操作等运维管理能力。此外，服务器还应面向不同的电力应用场景保证硬盘、风扇、电源可靠性以及长时间运行的稳定性。（2）存储设备存储设备主要用于存储电力系统的数据，提供存储能力。边缘侧存储设备是边缘侧主要的存储资源载体，这些设备通常包括存储服务器、存储阵列、网络存储设备和磁盘阵列等。存储设备可利用各种数据存储技术，如RAID（冗余阵列）、存储虚拟化和磁盘阵列等，以提高存储容量、性能和可靠性。存储设备在电力行业边缘计算中扮演着重要的角色，负责存储和管理电力行业数据。电力行业边缘计算白皮书15（3）网络设备边缘侧网络设备是边缘侧主要的网络资源载体，用于连接边缘侧计算与存储设备，并实现对数据的转发和路由功能，主要包括交换机、路由器、防火墙等。边缘侧网络设备具备一定的安全性，可以防止网络攻击和未经授权的访问，保护边侧设备和数据的安全。此外，边缘侧网络设备还具有可靠性高、运行稳定的特点，能够满足电力行业对于高可用性的要求。（4）加速硬件在一些电力行业边缘计算场景中，传统的ARM或x86架构难以满足功耗和性能要求，因此需要电力行业边缘计算采用加速硬件以提升应用性能。此外，随着越来越多的电力应用从云计算中心卸载到边缘侧，边缘侧也需要配套如GPU、NPU、FPGA等加速硬件，以支持系统根据计算任务的特点和需求选择不同的算力类型，从而获得更优的性能。例如：对于大量数据并行处理的任务，可以使用GPU加速；对于模拟和优化类的任务，可以使用FPGA加速。2.资源虚拟化边缘侧资源虚拟化主要面向电力行业各类场景，从应用需求角度出发，通过虚拟机、容器等方式，为电力用户提供灵活的虚拟资源供给能力。（1）虚拟机虚拟机是计算资源云化提供的一种主要方式，可根据业务诉求，电力行业边缘计算白皮书16按需灵活提供规格各异的计算资源，尤其适用于基因测序、动漫渲染等采用数据并行方式运行的业务类型。其应具备的主要特征如下：◼可根据业务诉求选择不同CPU核数、内存大小、网络带宽的虚拟机规格；◼可按需开启/关闭超线程；◼可按需挂载访问并行文件存储、块存储、对象存储等多种存储资源；◼可按需支持GPU或者NPU、FPGA、定制ASIC等多种异构加速方式。（2）容器容器以其轻量、敏捷、更易于部署维护等特征，受到越来越多的关注和应用。人工智能、大数据等新型业务，正更多地采用容器方式调度运行。容器应支持如下特征：◼支持多类型业务智能混合调度、多级队列、应用拓扑感知、分时复用等调度策略；支持基于优先级，fair-share等的作业抢占策略；◼支持GPU或NPU、FPGA、定制ASIC等异构加速资源的感知和调度；◼应支持容器网络与云网络平面融合，提升网络互通性和性能，降低网络转发对资源的消耗；◼应支持通过卸载技术将网络转发能力卸载至专用硬件上，进电力行业边缘计算白皮书17一步提升网络性能，降低网络转发对机器资源和性能的消耗。3.资源管理调度资源管理调度主要用于对边缘侧各种资源进行统一的管理和使用，以向电力应用提供更高效的边缘服务。边缘侧资源调度主要包括：◼用户自助式对虚拟机、容器等资源进行创建、删除、启动、关闭、变更规格等生命周期管理；◼支持用户对网络地址、网络连通性及安全隔离、公网连通性等网络属性按需自定义配置；◼支持用户远程登录系统，对系统拥有含root用户在内的完整控制权限，按需进行系统环境配置、监控等操作；◼支持创建镜像、备份等管理操作；◼支持资源容量预测和错峰调度；◼支持资源感知业务的智能调度。4.边缘电力应用电力行业边缘计算参考架构中的边缘电力应用能力主要指在部署在边缘侧、面向电力行业提供服务的应用能力，边缘电力应用主要包含电厂应用、电网应用等。（1）电厂应用在电厂应用中，边缘计算设备被部署在电厂内部，用于处理来自各个设备和系统的数据。这些数据可以包括电厂运行参数、设备状态电力行业边缘计算白皮书18信息、生产数据等。基于边缘计算设备对这些数据的处理和分析，电厂可以进行设备可靠性预测和运行参数优化，从而提升效率、降低成本、提高可靠性。此外，电厂应用还可以通过边缘计算设备支持电厂的能源管理，从而优化能源消耗、降低能源成本。电厂应用可以处理来自电厂内部设备和系统的数据，并通过分析和优化来提升电厂的效率和可靠性，是电力行业边缘计算中一种重要的边缘电力应用。（2）电网应用电网应用涉及电网运行的监控、控制、调度和优化。在电网应用中，可通过边缘计算技术在电网边缘进行实时数据采集和分析，并通过边缘计算平台对电网进行实时控制和调度。例如：在边侧设备中部署边缘计算平台，对电网进行实时监控和控制，以保证电网的稳定运行。此外，电网应用还可以通过边缘计算技术优化电网运行，提高电网的负荷利用率。例如：在边缘计算平台上对电网数据进行分析和优化，可以提高电网的负荷利用率，同时降低电网的运行成本。电网应用可通过边缘计算技术，实现实时数据采集和分析、电网实时控制和调度，从而优化电网运行，是电力行业边缘计算中一种重要的边缘电力应用。5.边缘管理边缘管理是电力行业边缘计算中，部署在边缘侧的通用管理能力，包括数据分析、模型推理、设备控制、设备接入、数据预处理等，可电力行业边缘计算白皮书19面向电力行业应用提供高效、实时、智能化的边缘服务。（1）数据分析数据分析模块根据设备采集的信息，利用边缘节点计算资源，进行本地化智能分析处理，具体包括数据导入与预处理功能、智能分析功能。边缘侧数据分析是边缘计算在电力行业的核心价值所在。一方面，在边缘侧预处理电力终端设备产生的海量数据信息，进行数据过滤，可以有效降低上云带宽；另一方面，将计算量大的训练、推理卸载至边缘侧，可以有效地保障时间敏感应用的处理需求。（2）模型推理模型推理是一种机器学习技术，用于通过已经训练好的模型来预测新数据的输出。在电力行业中，模型推理可用来预测电网的负荷、发电设备的效率以及电力系统的性能。随着人工智能应用，如视频监控、语音识别和图像分析，在电力行业中越来越广泛地应用，将AI模型推理卸载到边缘节点上，并通过GPU等加速硬件提高模型推理的并发能力，一方面可以降低云端的算力负载，另一方面也可以满足电力行业应用的实时性需求、降低网络成本，从而以经济有效的方式实现应用智能。（3）设备控制在电力业务场景中，利用边缘计算本地化计算能力可以对摄像头等视频设备上传的采集信息进行及时、高效地处理，并根据外部环境电力行业边缘计算白皮书20变化生成控制指令，控制相关设备行为，满足智能安防等应用需求。因此，边缘侧设备控制功能主要包括采集信息能力感知、设备行为控制等。采集信息能力感知要求边缘侧利用多种标准化接入协议感知设备接入；在边缘对设备进行抽象，并与应用、服务、场景等进行绑定，实现设备对接；通过专用接口，获取接入设备的采集信息。设备行为控制要求边缘侧根据设备采集信息，结合分析功能，生成设备控制指令，并通过南向协议向对应设备下发指令，完成对设备行为的控制。（4）设备接入设备接入是指将电力行业边缘计算参考架构中的智能电表、智能转换器、遥测设备等各种设备连接到边侧系统中的能力。设备接入可以通过通用边缘计算平台、边缘计算协议等技术实现，以极大地提高边缘计算参考架构的效率和可靠性。所接入的设备可实时采集和传输数据，以支持实时监测和分析。设备接入还可以为边缘计算应用提供数据源，以进行决策支持和运维管理。（5）数据预处理数据预处理是指在进行边缘计算之前，对原始数据进行清洗、提取、转换、格式化等操作，使其能够被边缘计算系统更有效地使用。数据预处理具体包括：清洗数据，删除无用的数据、纠正错误的数据，补充缺失的数据等；提取数据，根据边缘计算任务的需要，从原始数据中提取出有用的信息；转换数据，将数据转换为边缘计算系统能够电力行业边缘计算白皮书21识别的格式；格式化数据，将数据转换为适合边缘计算系统处理的格式，以提高边缘计算效率。此外，在边缘侧中数据预处理还可能包括对数据进行本地存储、分发和压缩等操作，以便在边缘计算时更快速地访问数据。(四)网络电力行业边缘计算参考架构中的网络主要包含云侧和边缘侧间的边缘计算互联网络，以及端侧和边缘侧间的边缘计算接入网络。1.边缘计算接入网络边缘计算接入网络负责端侧设备与边缘侧的信息交互。接入网络既要支撑大量边缘计算装置接入、多元要素连接、灵活组网等多样化需求，实现结构化和非结构化等多类型数据的高效传输；同时还要满足电网控制、保护等核心业务对通信实时性、可靠性、传输速率、时延抖动等指标的严苛要求。在数据采集类应用中一般需1G及以上有线/无线网络；视频监控类应用中一般需10G有线网络；在控制类应用中网络延迟需达到毫秒级响应，以保证故障信息及时回传和处理，确保生产业务安全。接入网的网络架构可有多种模式，以灵活支持边缘计算分布式或相对集中等多种部署方式。随着5G等网络技术发展，可利用核心网络切片等技术灵活地分配网络资源，合理划分监测网络切片、控制网络切片、计量网络切片、保护网络切片等，以保证不同数据类型的传输需求与QoS能力。随着面向差异化服务的资源统一电力行业边缘计算白皮书22管理机制的逐渐完善，接入网络资源将会实现高效分配，可满足未来电力场景下业务随遇接入与按需承载的需求。2.边缘计算互联网络边缘计算互联网络负责边缘侧与云端的交互连接，是支撑电网数据和信息在边缘计算基础设施与云端数字平台之间双向流动的必要保障，构成了数字电网的“神经通路”，是数据样本学习、模型和控制策略下发的主要通道。边缘计算互联网络可通过跨域融合组网架构满足电网全域物联与高效数据传输等关键需求。使用基于新一代通信技术的全域物联高效接入、支撑多源数据传输的无线通信、基于5G的电力通信等新技术，边缘计算互联网络可为电网多业务混合承载提供安全可信接入与可靠保障。在云边交互中，边缘计算互联网络一方面需要协同与云计算的资源调配，协同的资源包括计算资源、存储资源和网络资源等；另一方面还需要协同边缘设备的资源调配。此外，可采用软件定义网络技术以解决云边协同架构内部的复杂交互需求，即将其作为管控层实现数据管理、网络资源控制和业务适配管理，同时完成边缘服务器和云中心之间的交互以及边缘服务器之间的通信管理。边缘计算互联网络可支持完成计算资源编排、业务编排、网络资源调配等任务，同时支持完成数据模型适配、采集目标适配、计算算法适配等边缘服务功能。在网络访问验证、资源授权方面，边缘计算互联网络具备跨域访问、资源授权等级划分能力，可避免受到网络窃电力行业边缘计算白皮书23听、传输指令篡改等攻击。边缘计算互联网络还具备实时监控和控制电网的能力，提供电能监测、节能建议等电力服务，支持边缘节点为电力行业提供基于物联网的节能管理系统、智能电网管理系统等智能解决方案。(五)云侧云侧主要负责边缘计算节点的管理以及电力相关的设备、应用和数据的管理等，具体包括：1.节点管理节点管理指的是对边缘计算节点进行监控、维护和管理的能力。节点管理包括以下内容：节点发现：在边缘计算网络中发现新的节点，并将其注册到云侧系统中。节点监控：实时监控边缘计算节点的运行状态，如CPU使用率、内存使用率、网络流量等。节点维护：定期对边缘计算节点进行维护，包括软件更新、硬件维护等。节点配置：对边缘计算节点进行配置，包括设置IP地址、设置网络连接、设置安全策略等。通过节点管理，可以确保边缘计算网络中的节点正常运行，为电力行业边缘计算应用提供可靠的基础设施。电力行业边缘计算白皮书242.电力应用管理电力应用管理主要提供应用商店、应用监控和应用日志监控等功能。电力应用管理具体包括以下能力：应用商店管理：可维护应用（容器）的基本信息，并实现对应用的上架、下发、安装、启停，从而保证应用的稳定性和可用性。应用监控：通过边缘物联代理上报的应用（容器）状态、告警信息，实现对应用实时运行状态的监控。应用日志监控：通过对电力行业应用的日志进行管理，包括收集、存储、查询和分析日志，帮助用户排查应用问题和优化应用性能。通过电力应用管理，可以保障电力行业边缘计算中电力应用的便捷、可靠运行。3.电力设备管理电力设备管理是对电力行业边缘计算中各类电力设备的管理能力，具体包含设备接入、设备监控、模型管理和影子管理。设备接入：支持边缘物联代理及端设备信息认证，实现可信接入。设备监控：通过边缘物联代理上报的工况信息、告警信息，实现对设备接入数量及状态的实时监控。模型管理：支持对模型文件的定义及维护、数据传输格式的校核。电力行业边缘计算白皮书25影子管理：实现真实设备在物联管理平台的动态映射，包含设备状态、采集数据和下发命令的断面数据，支持设备命令的离线下发和业务数据的离线查询。通过电力设备管理，可向业务系统提供电力设备的台账录入、模型管理、状态信息查询、命令下发等标准化接口。4.电力数据管理电力数据管理主要负责管理和维护电力行业的数据资源。电力数据管理包括以下能力：数据存储：负责对电力行业的数据进行存储和管理，包括数据收集、数据清洗、数据存储和数据备份等。数据查询：负责对电力行业的数据进行查询和分析，帮助用户快速获取所需的数据。数据安全：负责对电力行业的数据进行安全保护，包括数据加密、数据备份和数据审计等。电力数据管理是电力行业边缘计算架构的重要组成部分，能够帮助电力行业用户更好地管理和使用电力行业的数据资源，提高数据的利用效率。(六)安全安全能力是电力行业边缘计算中不可或缺的重要能力之一，其中重点包括安全管理和安全技术两个方面。将安全能力融入电力行业边电力行业边缘计算白皮书26缘计算中，提供更加安全可靠的电力行业边缘计算服务，为电力行业应用安全运行提供更有利的保障。1.安全管理电力行业网络安全防护遵照“安全分区，网络专用，横向隔离，纵向认证”总方针建设。在安全管理方面，依托《电力监控系统安全防护总体方案》（国能安全〔2015〕36号）、《电力行业网络与信息安全管理办法》（国能安全〔2014〕317号）建立组织机构和管理体系。防护按照《电力行业信息安全等级保护管理办法》和《电力监控系统安全防护规定》，通常会划分安全区I-V区。I区为实时控制区，实时监控功能的系统或其中的监控功能部分均应属于该区。II区为非控制生产区，原则上不具备控制功能的生产业务和批发交易业务系统均属于该区。III区为生产管理区，该区的系统为进行生产管理的系统。IV区为管理信息区，该区的系统为管理信息系统及办公自动化系统。V区为互联网大区。通过多种方式持续健全责任体系，落实“谁主管谁负责，谁运营谁负责”，遵循“同步规划设计、同步建设设施、同步验收投运”原则，不断加强安全防护设备入网、网络接入管理，加强安全运维和基础设施安全保障，不断落地等保测评和安全评估要求。边缘计算作为电力信息系统的一个环节，在管理上按照企业安全管理要求执行。电力行业边缘计算白皮书272.安全技术电力行业安全横跨云计算和边缘计算，整体需要建设立体的端到端的防护。网络边缘侧由于更贴近万物互联的设备，访问控制与威胁防护的广度和难度大幅提升。电力行业边缘计算的安全技术主要包含数据安全、应用安全、平台安全、网络安全、物理安全等方面。安全技术对于保证电力行业边缘侧和业务系统可持续健康发展，提供安全可靠的平台安全环境具有重要意义。（1）数据安全数据安全应确保电力行业数据处于有效保护和合法利用的状态，并且具备保障持续安全状态的能力，从而建立一套可基于能源工业互联网的可用、可管、可监、可控的数据安全管理体系。数据安全管理上必须秉持以下原则：明确职责合规、质量保障、数据最小化、责任不转移、最小授权、数据保护、可审计等。基于数据分类分级标准指导数据治理和安全建设，明确数据分类分级的基本原则、维度、方法、示例等，为数据安全分类、分级保护提供依据，为数据安全规范、数据安全评估等方面的标准制定提供支撑。在数据全生命周期中，从风险防范角度，例如防止数据非法采集、数据源接入仿冒、数据权属分歧、数据非法窃听、数据跨区传输、仿冒数据传输、非授权访问、敏感明文存储、数据汇聚关联攻击、数据滥用、数据非法外发等问题的发生，需要建立各种专业的数据安全技术能力，例如数据脱敏、数据加解密、数据库防泄漏、文件防泄漏、电力行业边缘计算白皮书28API安全监控等。数据全生命周期监控管理的核心功能包括：数据控看板、数据链路分析、数据热度分析、数据任务监控、数据安全审计、规则管理、告警管理等。（2）应用安全各电力企业结合自身业务情况，对电力行业边缘计算应用制定了安全要求。通过对APP进行加固以及确保APP发布渠道可信等方面，应用安全可防止APP被篡改、被调试、被反编译，防止代码外泄。此外，应用系统接入必须经过评估和安全测试，确认相关系统安全性后，方可进行部署及接入工作。（3）平台安全物联管理平台与其它设施通信前，应通过安全接口实现双方的身份认证及访问控制，并且记录应用访问审计日志。物联管理平台应对口令信息、隐私数据和重要业务数据等敏感信息的本地存储进行加密保护，通过访问权限控制、网络安全隔离装置、数据脱敏等措施开展平台安全防护。平台安全可通过各公司定制化的标准安全策略对物联管理平台运行环境进行安全加固及策略配置，并定期检查运行环境的安全漏洞。（4）网络安全电力企业对接入生产控制大区设立安全接入区，并且采用正反向隔离装置，以保障网络安全。边缘物联代理设备、传感终端等类型终端接入时，采用防护措施避免单一终端跨接不同大区。基于密码技术电力行业边缘计算白皮书29进行设备或终端安全接入时，采用电力企业统一密码服务平台提供的密钥和数字证书来提供身份认证和通信加解密保护功能。各专业的融合终端等设备，如果直接接入物联管理平台，需采用和边缘物联代理相同的安全方式接入。传感终端无线或有线接入边缘物联代理时，需采用身份认证措施，其中涉控终端采用对传输数据进行加密措施。（5）物理安全物理安全是保护信息稳定、可靠运行的基础，确保平台网络及系统在对信息进行采集、传输、存储、处理等过程中不会因为自然因素、人为因素等原因导致服务中断、数据丢失、破坏等问题。物理安全将保障自管机房、托管第三方机房等物理环境的环境安全、设施安全和传输介质安全。(七)运维电力行业边缘计算参考架构中的运维模块通过全面、智能的运维管理能力，保障平台和业务的持续、可靠运行。运维模块是电力行业边缘计算中的重要组成，具体包含以下内容：1.在线监测在线监测是运维模块的重要组成部分，主要是对系统运行日志进行实时动态检测，以支持及时的故障发现和处理，保证电力系统的稳定运行。日志管理进行海量系统运行日志的采集、存储、检索、分析，面向系统运维人员提供统一日志查询、日志审计功能，为日常运维异电力行业边缘计算白皮书30常排查和操作合规性审计提供依据。如果发现任何异常情况，在线监测系统就会向运维人员发出警报，并提供有关信息，以便运维人员能够及时解决问题。在线监测系统还可以与其它如故障管理系统、资产管理系统等系统进行集成，以更好地管理和维护系统。2.人工控制人工控制模块基于统一账户系统和统一认证服务，为平台各业务部门、管理部门、运营部门、股东企业、数据管理、平台客户等，提供包括权限申请撤销、业务增删改、合规审批、数据权限管理等流程配置服务。人工控制可以对电力系统的运行进行监测、诊断和处理，包括分析故障原因、确定故障范围、执行修复操作、调整电力系统的运行参数等。人工控制模块使用多种工具和方法来实现对电力系统的控制和管理，包括人机界面系统、监控系统、维护系统、自动控制系统等。这些工具和方法为电力系统的运行提供了精确的监测和控制，保证了电力系统的安全运行。3.智能预警智能预警旨在通过使用大数据分析和人工智能技术，对电力系统中可能出现的故障或异常情况进行预测。智能预警系统通常会分析大量的电力系统数据，包括电力设备运行状态、负荷情况、天气数据等。通过对这些数据的分析，智能预警系统能够预测电力系统中可能出现的故障或异常情况，并向运维人员发出警报，以便及时处理故障。智电力行业边缘计算白皮书31能预警系统还能够通过对历史数据的分析，为运维人员提供有关设备运行情况的统计信息，以便进行设备维护计划的制定。智能预警能够有效提升电力系统的运行效率，为运维人员提供实时的支持，同时降低故障率，在运维工作中发挥着举足轻重的作用。4.设备管理设备管理主要负责管理电力系统中的各种设备，这些设备可能包括发电机、变压器、输电线路、电表等。设备管理功能的主要目的是维护设备的正常运行，包括设备的日常维护、保养、更新和更换。设备管理功能还可以提供设备的资产管理功能，包括设备的购置、领用、归还、报废等。在电力行业边缘计算架构中，设备管理功能通常采用软件系统来实现，可采用web界面或移动应用程序等方式进行操作。通常设备管理功能会与资产管理系统、财务系统等其它系统集成，从而为运维人员提供更加全面的信息支持。5.运行管理运行管理模块是电力行业边缘计算中管理和维护系统正常运行的重要模块，主要负责电力系统24小时运行保障，包括：发电厂机组启停、变压器启停、线路停送电、有功/无功负荷调整、电压和频率调整、监盘、抄表、巡检、异常及事故处理等。6.故障处理故障处理是运维模块的一个重要组成部分。它的主要目的是通过电力行业边缘计算白皮书32自动化的方式快速处理系统故障，以确保系统的正常运行。在故障处理中，系统会自动检测到故障的发生，并触发相应的故障处理流程。这些流程可能包括重启设备、远程协助调试、转移数据流量等。故障处理系统数据和故障信息的不断积累，可逐步形成丰富的故障信息库，系统可根据运行数据、设备状态、日志信息、性能指标、故障信息等，经过分析、计算，在更短的时间内形成解决方案，为生产运行提供更为有力的技术支持。总之，故障处理是运维模块的重要组成部分，它旨在快速、有效地处理系统故障，确保系统的正常运行。7.辅助应用辅助应用是指为管理和维护边缘计算系统提供支持的应用程序。这些应用程序可以帮助运维人员监测和管理边缘计算系统的性能、可用性和安全性。一些常见的辅助应用包括：监控和告警系统：用于实时监测边缘计算系统的性能指标，并在发生异常情况时发出告警。远程控制和管理工具：用于远程管理和控制边缘计算设备，包括软件升级、参数调整等。日志管理系统：用于收集、存储和分析边缘计算系统的运行日志，帮助运维人员诊断问题和优化系统性能。安全管理系统：用于管理边缘计算系统的安全性，包括防火墙、身份验证、加密等。资产管理系统：用于管理边缘计算设备的资产信息，包括序列号、电力行业边缘计算白皮书33型号、位置等。运行数据管理系统：用于收集、存储和分析边缘计算设备的运行数据，帮助运维人员评估系统性能和可靠性。配置管理系统：用于管理边缘计算设备的配置信息，包括硬件、软件、网络等。知识库系统：用于存储和维护边缘计算设备的操作手册、维修指南等相关文档，帮助运维人员快速解决问题。运行指导系统：用于提供边缘计算设备的运行指导信息，包括运行规程、操作流程等。设备维修系统：用于管理边缘计算设备的维修、检修和维护工作，包括维修计划、维修进度等。辅助应用能够帮助运维人员更有效地管理和维护电力行业边缘计算系统，提高系统的可用性和可靠性。三、电力行业边缘计算应用场景与典型案例(一)发电场景发电场景中的设备和系统会生产海量数据，包括发电量、设备运行状态等能源数据，这造成了应用和设备之间大量的数据采集和指令下发工作，同时也产生了信道占用、指令延时等问题。利用安全、可靠和高效的边缘计算技术，通过近端侧的边缘算力服务实施能源数据电力行业边缘计算白皮书34分析和优化，并向电厂提供智能决策支持，使得发电场景中的决策更加科学、准确和高效。此外，边缘计算在近端实时数据处理能力对于保障发电厂安全运营具有重要作用。边缘计算在发电场景中可以为发电系统提供多种实用功能，有助于提高发电系统的效率、可靠性和安全性。1.应用场景与需求（1）智能化采集信息分析场景发电业务场景下，尤其是风电、光伏等发电设备分布较广的电厂，大量的电力基础设施位于偏僻无人的地方，如蓄能型水电站、光伏电站、风电场等。不论从提高生产和管理效率的角度，亦或从电网安全的角度，都需要实现高度精准、智能的运维。此外，发电厂还需对设备的运行状态进行实时监控，并结合电网调度指令进行控制以达到电能平衡输出的目的。其中，电厂的运行状态采集、环境监控分析、安全监管均需要使用边缘计算网关进行智能化收集和分析，并通过边缘计算提供的异常状态实时告警能力实现电厂安全智能稳定运行。具体而言，智能化采集信息分析场景存在以下挑战：云边业务往来带来的网络压力：调度中心需要对发电侧进行等值建模，对网侧进行运行状态实时评价、对电网保护动作进行评价和安全风险分析，这些任务需要的复杂多源数据将会给电力系统北向通信通道带来沉重的负担。同时，通信堵塞带来的数据延时和掉包，会对电网运行状态评价、保护动作的安全风险分析等实时性要求很高的任电力行业边缘计算白皮书35务带来极大的影响，甚至危害到电力系统的安全。发电设备数据质量难以保障：数据的全面采集和感知，是实现发电生产系统智能管控的基础。但当前现场设备受限于传输规约与通讯质量等原因，存在数据缺失、状态不准确、时间戳丢失或不统一等问题，数据质量难以得到保障。发电设备运维困难：火电厂、水电站和风光伏电厂地理位置分散、分布区域广、地处偏僻运行环境恶劣、规范管理及运维困难。同时随着风电、光伏及储能等新能源装机量逐年攀升，电厂规模在逐步扩大，运维工作量也持续增高。数据规模增长迅速：随着物联网、大数据及人工智能技术的与电力行业的融合发展，多能互补、柔性控制、跨省调度等新需求涌现，所涉及的智能设备和传感器日益增多，数据采集频率上升，数据规模呈现倍增趋势。这对构建智能应用的底层数据架构的扩展性和稳定性提出了更高要求。数据信息孤岛：发电系统点多面广，设备众多。各个智能应用独立构建，彼此之间无法有效数据共享和互通。基于现有模式挖掘数据价值以及构建人工智能应用，需要对接多个系统。但各系统之间数据库不同、数据标签不统一、时间不匹配，对接工作需要耗费大量人力及开发成本。如图3所示，边缘计算可以充分发挥自身特性，在靠近物或数据源头的一侧提供可靠算力，提升运算的及时性并减少对网络的依赖性。电力行业边缘计算白皮书36通过构建具备智能能力的边缘计算平台，实现多厂家、多类型设备的数据统一实时采集，再利用轻量边缘流式处理引擎提供场站侧的数据采集、过滤、补全、时间窗口计算等能力，提升数据质量，形成强大的边缘智能化数据采集和分析能力。图3智能化采集信息分析场景（2）电厂智能巡检场景发电行业作为生产设备密集型企业，生产现场错综复杂。为满足未来发展需求，传统电厂正在普遍进行系统升级，建设更安全、更高效、更经济、更环保、更灵活的现代化智慧电厂。依托边缘计算技术，采用“无人机+机器人+监控视频”采集现场视频，对发电厂环境、设备、人员、车辆进行实时监控和数据采集，将视频数据传输至边缘计电力行业边缘计算白皮书37算网关，通过人工智能模型进行分析推理，识别设备异常状态（如光伏板污损和阴影、风机外壳裂纹等）、外物入侵、升压变电站仪表异常等状态并进行报警，并将报警信息上传至发电厂自动化控制中心或新能源集控中心。此外，随着发电自动化和智能化技术发展，可通过边缘计算网关对发电设备状态进行自动化控制，如：火电厂可根据电网调度指令和厂内控制指令自动通过边缘计算设备控制AGC/AVC系统调节电量与电压，光伏电站可根据太阳光方向由边缘计算设备自动调节光伏板方向等等。边缘计算可帮助发电厂提高智能化水平，满足未来接入电网需求2.典型案例（1）基于边缘计算的风机故障诊断及预警系统应用风电机组大部件的可靠性对于机组性能和安全具有重大影响，其故障恢复成本也相对高昂。发生一次齿轮箱重大故障，其修理费用、吊装费、安装费等各项恢复费用约在50万元左右。如齿轮箱报废，总费用将接近100万元，该费用超过风机年发电收益的30%以上。并且，大部件故障往往导致风力机停机数月之久，给风场的发电生产带来巨大损失。电力行业边缘计算白皮书38图4某风场故障维修时间和因配件不到导致停机时间统计如图4所示，因为不能够及时提供风电场维修所需配件，而导致风机长时间停运，累计停运最多的7、8月份高达2000小时以上。从2014年4月～12月，理论上共损失电量210万千瓦时，严重影响风机的发电效率和整个风电场的盈利能力。基于边缘计算的风机故障诊断及预警系统对风机运行状况进行监测、分析与诊断，能够获知机组整体和主要部件的运行状况，对可能发生的故障及时预警，并为机组检修计划安排提供量化的决策支持信息。同时，随着系统数据和故障信息的不断积累，可逐步形成丰富的故障信息库，系统可根据风机的运行数据、故障信息等，经过分析计算，在更短的时间内产生故障解决方案，为风电场的生产运行提供更为有力的技术支持。推动风电场从小件“响应维护”和大件“定期维护”的模式，向“预测式维护”和“主动可靠式维护”的运维策略转变。基电力行业边缘计算白皮书39于边缘计算的风机故障诊断及预警系统设计架构如图5所示：图5基于边缘计算的风机故障诊断及预警系统设计流程系统需要实现全站数据实时采集和历史存储功能，数据采集主要对象是风机、升压站、测风塔、风功率预测、电能量系统、AGC和AVC系统。同时，系统需要提供友好的人机界面和开放的数据库。系统网络拓扑如图6所示。交换机通信管理机风机监控测风塔交换机AGVC升压站电能量子站风功率预测系统状态诊断平台状态诊断平台图6系统网络拓扑此系统具有以下能力：状态监测：利用人工智能、数据挖掘和模式识别等算法，根据现场运行数据，自动地对风机进行状态监测，并评估每台风机的健康状电力行业边缘计算白皮书40况和工作性能；故障预测：提供早期的故障状态信息，预测故障发展的严重程度，并根据故障的严重程度优化分配维修人员和设备，故障预测分级如图7所示；图7故障预测分级长时间存储时域波形能力：通过提供先进的数据分析工具，能够深度调查和分析故障产生的根本原因；智能报警管理：简化日常监测任务，集中关注有问题的机组和部件；强大的数据库和网络化信息管理：可以基于网络获取风机的物理参数、运行数据、报警状态信息以及历史数据。通过人工智能、数据挖掘和模式识别等算法，结合边缘计算技术，构建风机故障诊断及预警系统软件。为场站实施风机状态检修提供与预警相关的测点信息，便于运行维护人员制定运检计划及大型备品备件采购决策。系统构建完成之后，对风机运行状态进行分析及预警。以某一风机为例：发现某台风机功率曲线与标准功率曲线存差异较大。经过预电力行业边缘计算白皮书41警分析，发现风机风速传感器存在故障，造成风机对风偏航存在较大误差。风机原始功率曲线如图8所示。图8某风机原始功率曲线经维修校准后，风机功率曲线如图9所示：图9维修校准后某风机的功率曲线电力行业边缘计算白皮书42通过精准预警及运维指导，使风机在各个风速段的功率曲线均维持或接近设计值。风机故障诊断及预警系统的持续运行，使风电场发电量提高约2%。该风场装机容量50MW，设计年利用小时数2600小时，每年可增加260万千万时上网电量，经济效益十分明显。（2）大规模风光发电站建设案例某地风光发电案例是推动新能源产业发展而规划的一项重要举措，拟建设规模为百兆瓦时级的发电系统示范及管理运维平台。针对示范区大规模多类型风光发电系统运行管理的需要，基于物联网云边协同与边缘计算技术提供对边缘生产单元状态感知、边云协同能量管理、发电设备运行可靠性评估以及发电系统运维策略等多方面能力。在此基础上，集成系统若干边缘计算节点及系统私云，建立发电系统管理和设备智能运维平台，实现大规模风光电发电系统的协同管理。如图10所示，该案例采用了边云协同架构实现了对海量发电设备的有效管理和储能状态的实时感知，并基于自律分散思想建立系统的一致性控制策略，保证储能系统响应的速度和准确性。电力行业边缘计算白皮书43图10边云协同架构该案例通过提供的边缘计算和云边协同数据接入与处理能力，建立了基于物联网的风光发电物联网设备监控架构，基于自律分散结构的大规模发电设备协同控制和管理技术，实现发电系统状态感知和系统运行可靠性在线评估，开发发电系统智能诊断与预警算法，打造了大规风光发电系统智能运维平台，并开展示范验证。平台支持数据点100万个以上，控制响应时间不超过500ms，满足了大规模风光发电设备系统协同控制、安全和可靠运行需求。(二)输电场景输电是电能利用优越性的重要体现，在现代化社会中，它是重要的能源动脉。输电系统中会有大量的传感器和控制设备，收集到的数据可以用来监测和控制输电线路的运行状态，并进行预测和优化输电过程。边缘计算可以帮助输电场景中的设备和系统进行实时设备数据处理和分析，支持设备感知和线路巡检等场景，并可有效提高数据处理的效率和可靠性。边缘计算还可以支持输电场景中的设备和系统进电力行业边缘计算白皮书44行故障诊断和预测，从而提高输电场景中设备和系统的可靠性和安全性。1.应用场景与需求（1）设备感知场景设备感知场景包括线路温度监测、异常放电侦测、金具温度监测、绝缘状态感知、导线舞动感知、温湿度监测、风速监测、雨雪量监测、地质灾害检测等。通过在导线、金具、输电杆塔等处放置测温传感器、导线弧垂传感器、气象传感器、通道监控等端侧感知设备，将所收集的数据通过本地组网方式传输至边缘计算网关进行计算处理，计算结果上传至物联管理平台，并接入实时预警平台进行预警。（2）线路巡检场景线路巡检场景使用无人机、直升机等飞行器，通过拍照、录制视频、激光点云等方式对输电线路通道和杆塔进行数据采集，采集数据可实时或统一回传至边缘计算设备，使用人工智能技术在前端对输电线路设备和通道缺陷进行预识别，识别结果上传至监控中心和数据中心。此外，线路巡检场景还可使用杆塔上的监控设备实时监控线路、杆塔和通道环境状态，监控视频信息传送至杆塔侧部署的边缘计算设备进行人工智能推理计算，可识别雷电、火灾、地质灾害等异常状态，将结果上传至监控中心并实时告警。电力行业边缘计算白皮书452.典型案例（1）输电线路防鸟刺部件进行识别与故障检测案例日益频繁的鸟类活动给输电线路的安全运行带来了威胁，由鸟害引起的输电线路故障次数也呈明显上升趋势。现阶段，采取的防鸟害主要措施有防鸟、驱鸟及“防、驱、疏”结合方式3种类型。目前，由于防鸟刺具有安装相对简单、综合防鸟效果较好等优点而被广泛应用。然而随着使用时间延长及恶劣环境的影响，防鸟刺容易产生倒伏等故障而失去防鸟作用，给输电线路安全运行带来隐患。因此，有必要在输电线路巡检作业中及时对故障防鸟刺进行检测处理。可以考虑利用在无人机上搭载边缘计算设备来对防鸟刺设备进行检测处理。然而由于电力巡检图像中电力铁塔上的防鸟刺具有轮廓特征较不明显、部分重叠分布的特点给防鸟刺部件识别与故障检测研究带来一定挑战。针对电力巡检图像中防鸟刺尺寸差别较大、部分防鸟刺轮廓特征较为不显著、防鸟刺重叠较为严重等问题，为提高无人机电力巡检中防鸟刺的故障检测准确率，提出一种基于深度卷积神经网络的防鸟刺识别与故障检测方法。防鸟刺识别与故障检测具体流程如图11所示，首先利用锐化滤波器对电力巡检图像进行锐化处理，进一步增强防鸟刺的轮廓特征；其次采用经过多尺度训练的YOLOv3目标检测网络，增强网络对不同防鸟刺尺度的适应能力，并通过实验选取NMS阈值，实现重叠防鸟刺目标检测；根据预测框坐标，从无人机电力巡检图像中截取出防鸟刺区域，最后利用设计的故障检测器，完成防鸟刺的故电力行业边缘计算白皮书46障检测。图11防鸟刺故障检测原理采用二阶锐化微分方法实现电力巡检图像的锐化处理。先利用锐化滤波器对电力巡检图像进行锐化处理；其次运用经过多尺度训练的YOLOv3目标检测网络框选并截取出经过锐化处理的电力巡检图像中的防鸟剌区域；最后利用基于Resnet152特征提取网络的防鸟刺故障检测器处理截取出的防鸟刺区域，实现防鸟刺故障检测。利用YOLOv3进行目标检测。YOLOv3检测速度快且检测准确率较高，尤其在小目标的检测与识别上，检测准确率有了很大的提升。YOLOv3特征提取网络为52层的卷积神经网络；网络共进行5次下采样，每次采样步长为2，最后输出层特征图尺寸大小为网络输入尺寸大小的1/32，共进行3次检测。为能够充分利用网络的深层特征，分别在32倍下采样和16倍下采样处使用步长为2的上采样，然后分别与16倍下采样和8倍降采样的特征图拼接，实现多尺度检测。利用上述方法，实现电力巡检图像中的防鸟刺部件识别与故障防鸟刺检电力行业边缘计算白皮书47测，防鸟刺部件识别平均准确率为95.36%，故障防鸟刺检测准确率为92.3%。实验结果表明，所提方法能够有效实现电力巡检图像中防鸟刺部件识别与故障检测。（2）基于摄像头的输电线路异常目标检测案例输电线路作为电能输送和分配的载体，其安全、可靠运行是智能电网持续稳定运行的关键。电力系统输电线路线跨距长、电压等级高、地形条件复杂，容易受到输电导线异常目标如山火、异物、塔吊、吊车的影响，极易造成相间短路或输电设施破坏，导致线路非计划停运，严重危及输电线路安全稳定运行。据统计，近年来国家电网公司330kV及以上输电线路共发生输电线路异常目标所导致的故障436次，占故障总数的18.7%，停运274次，占停运总数的35.12%，且呈逐年增长趋势，输电线路异常目标所导致故障已经成为造成输电线路停运的主要原因，对社会造成极大的经济损失。同时由于输电线路边缘侧设备算力、供电、通信资源受限，导致数据中心负荷重，检测漏报率高，应急处理能力严重不足。电力行业边缘计算白皮书48图12深度可分离卷积网络架构图为此，通过构建基于边缘计算的输电线路异常目标检测架构，并提出一种针对输电线路场景复杂背景复杂形状的异常目标检测模型，以实现输电线路异常目标的快速准确识别。该模型基于改进型MobileNetv3网络精细化提取异常目标特征信息，然后利用多尺度目标检测网络YOLOv3融合高低维特征信息提升识别精度。MobileNetv3模型采用深度可分离卷积技术，如图12所示，深度可分离卷积由深度卷积和逐点卷积构成，深度卷积负责滤波，作用在输入的每个通道上；逐点卷积负责通道变换和特征融合，作用在深度卷积的输出特征映射上。针对资源受限的边缘计算终端，基于贡献度感知通道剪枝策略，实现模型轻量化压缩，得到轻量化输电线路异常目标检测模型。使用通道剪枝来去掉模型参数W中冗余的通道，从而降低计算所需内存，提升推理速度。电力行业边缘计算白皮书49图13输电线路边缘计算终端为了验证该方法的实际效果，尝试研制输电线路边缘计算终端。如图13所示，边缘计算终端搭载高清摄像头，并配备4G无线通讯模组，将输电线路异常目标检测结果和异常影像通过“国网芯”加密芯片加密后传送给电力人工智能平台。由于输电线路场景取电困难，为了保持边缘计算终端持续运行和绿色低碳，输电线路边缘计算终端采用太阳能电池供电。边缘计算终端已在国网多地市公司开展了试点应用，输电线路边缘计算终端安装于输电线路的铁塔上，就地辨识输电线路异常目标。输电线路边缘计算终端实际应用效果如图14所示，实现了塔吊、吊车、山火、导线异物边缘侧识别，无需将图像远传至数据中心进行处理，配合声光告警装置和报警推送功能，有效避免因异常目标造成的输电线路破坏或短路，具有良好的应用效果和推广前景。电力行业边缘计算白皮书50图14输电线路边缘计算终端实际应用效果(三)变电场景在变电场景中，边缘计算可以通过放置计算资源在网络的边缘位置来满足电力系统对低延迟、高实时性和网络通信能力的需求。变电场景中的边缘计算应用包括实时监测和控制电力设备和网络等，通过处理大量实时数据，为电力公司的决策提供实时支持，支持虚拟电网运行，协调不同的发电、储能和负荷资源，实现电力系统的可再生能源转换与电力系统的自主调度。通过边缘计算的应用，可以提高变电场景的安全性和可靠性，降低运行成本和维护难度，提升电力系统的智能化水平和可持续性，促进电力系统的转型。电力行业边缘计算白皮书511.应用场景与需求（1）电站设备管理场景电站设备管理主要包括对变电站和换流站的变压器、断路器、交直流滤波器、气体绝缘开关、开关柜等主设备状态数据，以及气象、噪声、水浸、金属腐蚀等环境状态数据的采集和分析处理。通过各类端侧传感器进行数据采集后，通过网络传输至边缘计算网关进行统一格式化处理，然后传输至集控中心物联管理平台进行分析与统计，以支持电站设备的统一管理和运行维护。（2）变电站智能巡视场景边缘计算在电力生产运行的应用场景已日渐清晰，其中在变电业务中非常重要的使用场景就是变电站区域远程智能巡视，如图15所示。在区域层级部署区域远程智能巡视系统，统一承载集控站集中巡视功能，实现对下区域“自治”，对上云边“协同”，大幅度提升部署效率，降低投资成本，实现高效集约化管理。变电站区域远程智能巡视要求完成集控站和新一代集控系统建设，构建“无人值守+集中监控”、“设备主人+全科医生”运维管理新模式，实现变电站设备全面监控。电力行业边缘计算白皮书52智能终端巡检任务下发巡检数据上传模型下发故障及数据上传边缘智能设备故障诊断设备监测设备状态样本设备运行模型模型训练迭代变电站状态分析数据中台人工智能平台存储最新样本及模型提供历史样本及模型边缘智能在变电侧应用场景变电站智能巡检变压器在线监测模型调用模型提供服务调用结果反馈感知设备模型上传指令下发传感器摄像头机器人图15边缘智能在变电侧的应用场景2.典型案例（1）供电公司边缘智能运维巡视案例在新型电力系统的建设背景下，各省电力公司积极落实公司工作要求，开展变电站智能运维建设，稳步推进变电设备监控职责移交至运维单位。项目通过建设一套边缘智能运维巡视系统，实现市供电公司下辖部分重点变电站的智能运维巡检。依托边缘数据中心站等新型数字基础设施，打造电网边缘云，承载新一代集控站远程巡视及站端分析业务。在市供电公司下辖的几十余座变电站，通过视频监控高清摄像机接入，为远程智能巡视系统提供数据采集支撑。在其中选取一个通信情况较好的网络节点建设边缘数据中心站，通过搭建远程智能巡视系统，实现智能高清视频巡视，实现数据整合、优势互补，并最终将数据推送至相关业务系统。视频智能识别同时自动生成巡视报表，进一步减轻甚至替代运行人员完成电力行业边缘计算白皮书53重复和繁琐的巡检工作，降低现场运维巡视工作量，解决整个运维班巡检存在的人手不足、智能化程度低等问题，打造敏捷运维班组，助力设备专业数字化转型。未来随着应用规模的不断扩大，在设备部变电站层级建立边缘计算集群关键节点，保证业务数据上下贯通、业务应用上下联动。打造设备部自有的具有规模效应的边缘云，做到业务灵活可扩展、数据融合可调用、站站光纤联网运营、资源弹性部署互为备份，为日后设备专业系统建设、智能化升级提供资源支撑。此外，在输变配应用基础上，逐步扩大到互联网部、营销部等电力系统内所有需要人工智能的应用环境，提供应用承载，实现电网灵活柔性调度，助力构建灵活可靠的新型电力系统。区域智能巡视系统主要包括以下巡视模式：a.视频巡视基于边缘数据中心站的区域智能巡视系统：对区域变电站站端视频数据进行处理，利用人工智能、边缘计算等技术，对采集到的变压器、套管、PT、CT等重要设备的图像数据进行高效智能分析，实现智能巡视、智能联动、作业管控等功能。具体包含如下能力：巡检任务定制化布控：多个变电站的巡视任务管理和下发、依次轮巡，支持对巡检数据存储、回传、处理等个性化定制。设备集中管理：下辖变电站巡视设备的集中管理，包括巡视设备的缺陷记录、运维信息、台账信息等。电力行业边缘计算白皮书54资源集约复用：边缘数据中心站下变电站共用算法库、样本库，减少系统维护工作量。视频巡视模式如图16所示。图16视频巡视b.无人机巡视通过对无人机、机巢的远程自动控制，实现变电站（换流站）无人一键式自主巡检与风险及时预警，涵盖无人机在变电站内外巡检安全作业全过程，包括事前路径精准规划；事中飞行作业的自动化、巡视过程的安全管控及所巡视设备状态的智能分析预警；事后根据巡检中排查出的隐患进行及时检修，提升变电站运行的安全性及稳定性。无人机巡视系统按照一定时间间隔定时、主动向巡视主机上报数据并接收响应消息，由部署在边缘云的管理系统向巡视主机发起无人机控制请求，巡视主机收到请求后控制无人机执行相应动作并发送响应消息。电力行业边缘计算白皮书55无人机巡视模式如图17所示。图17无人机巡视c.机器人巡视机器人巡视通过红外热成像和高清视频双视相结合，精确识别变电站内各类仪表读数及设备制热现象，并及时发现设备缺陷，提高变电站设备巡视效率。机器人采集的巡视数据包括可见光照片、红外图谱、音频等。由部署在边缘云的管理系统及相应的基础设施资源提供分析模型的建立、巡视任务调度及控制、系统设备的管理及监视等功能。（2）变电站物联网边缘计算平台案例变电站物联网平台构建边缘计算框架，集变电设备物联网以及数据的接入、处理、分析等能力为一体，实现各类变电设备传感器的数据接入、流式计算处理，支撑局部放电及其他智能诊断应用的建立。同时基于设备裂化状态，需要及时开展预防性检修工作，以提高变电站设备运行效能，降低设备运维和使用成本，实现设备健康管理水平电力行业边缘计算白皮书56质的飞跃，提高电网的智能化、安全运维水平。如图18所示，物联网平台形成由自下而上的信息流和自上而下的决策流（管理指令、优化控制指令等）构成的端边云协同的应用闭环。图18变电站物联网边缘计算平台变电设备的数据感知处理主要是边缘计算层完成。边缘计算层由协议驱动服务、感知/控制服务、数据处理服务、数据服务和计算服务、存储服务、应用服务以及边缘管理接口服务等组成。物联网云平台作为连接各个边缘节点的物联网大数据中心，由分布式数据接入、分布式数据存储、数据资产管理、数据计算分析、数据服务组成，提供面向全局的数据汇集、处理、计算分析、访问和共享能力。感知层的微电力行业边缘计算白皮书57功率传感器数据（主要包括环境监测和设备监测两种类型），通过接入汇聚节点和边缘节点，上传到物联管理平台，助力用户打造集状态全面感知、数据安全接入和信息高效处理为特征的物联网型的智能变电站。通过将边缘计算模块接入各类设备传感器，实现了变电站核心设备性能监测量全覆盖、设备状态数据的实时接入以及信息高效处理，支撑各类设备故障诊断、预测预警等智慧应用的建立。在碳达峰、碳中和大背景下，数字能源、智慧能源建设是能源行业发展趋势，变电物联网平台、边缘计算框架是推动变电站智能化运营的基础，极大降低变电站的设备诊断、运维检修成本。(四)配电场景配电是电力系统中直接与用户相连并向用户分配电能的环节，主要涉及管理包括面向中压配电网和低压配电网的配电自动化主站等测控主站。在配电场景中，边缘计算技术可支持配电网络的现场维护和检修、规划和设计、状态估计和状态辨识、故障诊断和故障定位、能耗管理和能效优化等。通过边缘计算的应用，可以实现数据实时采集、即时处理、就地分析需求，实现设备状态全方位感知与需求快速响应，从而提高配电场景的维护效率和规划能力。电力行业边缘计算白皮书581.应用场景与需求（1）配电网场景配电业务场景主要包括配网运行状态感知、营配业务贯通、台区精益管理三大类。覆盖了柱上变、箱变、配电室等三种主流低压配电台区环境，构建以台区边缘计算网关为中心的低压配网一体化管控体系，实现配电设备状态全管控，提升故障抢修效率、供电可靠性和客户服务水平。具体而言，配电业务场景主要包括：配网运行状态感知：基于物联网及边缘计算技术，在感知层实现配电台区运行工况、设备状态等信息的实时采集监控，动态获取节点拓扑信息，主动发现台区变压器-用户关系等信息。然后，将所收集的数据上传至配电自动化主站的边缘计算网关，对数据进行在线分析与深度挖掘，在边缘计算节点完成本地用户停电时间、类型、原因、性质等事件的统计汇总，实现对低压配电网整体运行状态及配电设备的实时监控与风险预警，实现配电网运行状态全景感知。营配业务贯通：获取配电台区电量冻结数据，利用边缘计算技术，结合台区动态电气拓扑关系，对低压台区线损进行准确计算分析，精准定位低压配电网上的窃电行为。建立典型日负荷曲线的预测模型，对台区负荷情况进行预测。台区边缘计算网关存储的运行数据可作为预测客户用电需求及实际负载趋势的基础，支持业扩配套建设。台区精益管理：依托台区客户用电数据和边缘计算网关算力，研判配电台区故障及停电事件，发挥台区边缘计算网关本地化边缘计算电力行业边缘计算白皮书59能力和处置优势，支撑故障停电精准分析，实现故障点和停电地理分布的即时展示，自动识别停电影响范围及重要敏感用户并自动通知停电信息，支持区域内故障快速处理，提升客户的用电体验。2.典型案例（1）高性能硬件加速声纹检测用于放电检测机载式声纹相机AC910是一个面向电力行业输电和配电场景，应用机载式声纹相机是进行电力传输线路局部放电定位检测的专用分析设备。在输电和配电的输电线路巡检中，一台机载式声纹相机可以轻松地在2个小时的时间内完成往常需要人工1个礼拜的巡检工作，大大提升了输电、配电巡检的效率。机载式AC910采用高通道数、高采样率的声纹阵列采集大量声音数据，结合特有的定位算法，进行故障声源的定位，生成实时热力图、局放图和时频图。机载式AC910需要将声纹热力图、局放图等特征图谱与摄像头拍摄的视频进行叠加后，在遥控器上显示。这些高密度数据的计算通过使用强大并行计算的能力，有效降低了AC910的整体功耗，对声纹算法进行了优化，使算法发挥了更大优势。通过在边缘侧提供强大的多媒体硬件编解码能力，高效地实现视频处理功能，有效支撑放电定位检测应用，如图19所示。电力行业边缘计算白皮书60图19放电定位检测(五)用电场景用电业务场景下，以优质用能服务为抓手，提高能源传输和利用效能，通过采集用电终端（如智能家电、智能电表、中央空调等）数据，在边缘计算网关进行汇聚和计算，传输至物联管理平台进行进一步分析和统计，提高综合能源普遍服务、惠民利政的水平，提升数据价值共享开放、赋能变现的能力。电力行业边缘计算白皮书611.应用场景与需求（1）智能用电场景用电业务场景包含居民智慧家庭用能服务、商业楼宇用能服务、电动汽车及分布式能源服务等典型业务场景，支持居民和楼宇负荷灵活、柔性、高效调节，支持电动汽车有序充电，并结合用户侧分布式光伏、储能等有源网络进行统一协调控制。用电业务场景主要包括：居民智慧家庭用能服务：采集居民侧智能家电、智能电表信息，包括设备运行状态及待机状态电能数据、启停时间、储能单元、环境等信息抄表数据，由边缘计算网关进行汇总和计算，计算后的结构化信息上传至物联管理平台、用电计量平台等平台进行数据统计和决策支持。商业楼宇用能服务：针对商业楼宇重点耗能对象，例如空调系统，通过传感器将空调系统组件及其状态信息实现就地感知与融合，由边缘计算网关进行就地整合和计算分析，并将计算结果上传至物联管理平台、社区综合能源系统，对楼宇用能设备进行实时优化控制，提升系统能效管理水平。电动汽车及分布式能源服务：电动汽车与分布式能源系统基于新一代智能电表实现电网设备数据的感知、采集和控制。通过将设备数据上传至边缘计算网关，该系统作为台区智能管理单元实现对台区充电桩运行状态实时感知，支撑用户侧查询闲置充电桩的功能，进而提升充电桩利用率；该系统支持负荷数据收集和台区内用户侧设备的智电力行业边缘计算白皮书62能控制，支持进一步分析电耗数据、运行时长、支撑充电负荷预测与调节。2.典型案例（1）边缘智能用电电表应用案例智能电网芯片是一种可嵌入智能电表的智能电网模块，可以增强电网弹性，在太阳能发电设施、储能设施和电动汽车之间整合分布式能源（DER），并加速向脱碳电网的过渡。图20显示了嵌入在智能电网芯片上的平台工具和用于高级计量基础设施的核心服务，以及可以开发的应用示例。图20利用数据开放平台加速网格边缘服务（2）基于边缘计算与机器学习的建筑能源管理系统以往建筑能源管理系统存在着信息感知不精准、缺少负荷与能耗的精准预测、多能源综合调度优化等问题，难以兼顾低碳高效和灵活智慧能力。具体来说，大多数系统只能实现源侧、网侧、负荷侧电能电力行业边缘计算白皮书63在数量上的互补，以及在供电、输电和负荷之间的协同互补，没有考虑不同类型能源的属性差异，以及它们在转换、输运、存储和利用的优化控制。利用边缘计算和机器学习技术能实现能源精准预测与跨时空分配调节，并可以从源头上实现建筑能源系统的精准感知、精确预测、精密调度和精细控制，有效赋能能源利用效率与碳排放等关键业务指标。如图21所示，基于边缘计算与机器学习的建筑能源管理系统综合边缘计算与机器学习两者的优点，基于边缘计算的多能互补智能调度技术实现了分层的、多类型的、可复用的物联感知与控制系统，提升了系统对于能源领域等物联网产业场景下的数据处理与应用开发能力。面向业务需求不断升级、按需分配难度较大、策略优化复杂度高等物联感知问题，该建筑能源管理系统可以通过平台连接的物联网设备收集数据，借助边缘计算对监控数据进行采集、清洗、存储、建模与计算，并将得到的信息与决策上报能源路由器，并转发给不同控制设备。在此之上，该建筑能源管理系统实现了基于机器学习的高维度多层次物联感知关系建模，通过基于机器学习的数据填充、关联特征提取与回归预测建模，避开了实时性不足、能耗高、决策衡量指标关系复杂等弊端，有效满足效率、碳税、电价等多种类的业务指标分析与控制需求。电力行业边缘计算白皮书64图21基于边缘计算的大型建筑能源管理架构图同时，该建筑能源系统利用分散异构的物联网节点，设计了基于深度强化学习与联邦学习的协同式资源分配方法以寻求最大化长期效用期望，如图22所示。借助流行的机器学习技术，该方法能有效避免大量的数据传输，提供良好的数据隐私保护，同时优化资源利用率与任务执行开销，有效支撑基于边缘智能的精密控制。图22基于联邦学习与边缘计算的资源管理自适应决策示意图总体而言，该系统填补了国内外产品的技术空白，引领了国际能源供需负荷新一代智能预测技术，推动了人工智能运维管理技术的实际应用，为大型建筑业高质量发展与智能化升级提供有效参考。该系电力行业边缘计算白皮书65统实际优化了节能降耗提供优秀运行策略，降低建筑整体运行能耗，实现供需两侧的能源精确匹配。目前服务楼宇面积达12050.54万平米，服务客户累计总节能达617亿兆焦，总体节碳量211.59万吨/年，相当于减少标煤76.34万吨/年，相当于植树1.9亿棵，为国家实现“双碳”目标贡献力量。(六)源网荷储协同互动场景随着新能源不断建设和发展，传统的电力调度方式已经不能满足新能源新势态下的需求。电网亟需升级并实现源网荷储协同互动的智能化调度，以达到削峰填谷和最大化实现绿电的消纳的目标。源网荷储协同互动要求在电力系统的发电侧、输配电电网侧、用户用电配电和负荷侧、储能侧利用边缘计算的技术实现全面的快速的数据采集、实时分析、实时决策、实时调度和实时控制，实现电力的供需平衡并保证电力系统安全稳定运行。1.应用场景与需求（1）能源自治场景利用台区边缘计算网关的算力优势和就地管控能力，就地统筹平衡和控制换相开关、无功补偿装置、SVG等电能质量优化治理设备，实现对配电台区三相不平衡、无功、谐波等电能质量问题的快速响应及治理。同时在应用层分析所有台区历史数据和区域特性等数据，优化改进区域电能质量智能调节策略，进一步满足用户高质量用电需求。电力行业边缘计算白皮书66（2）源网荷储一体化协同场景源网荷储一体化协同互动通过纳管发电、输配电、用电及储能多系统协同工作和和一体联动，协同和联动的决策基础是各个系统的数据统一采集和分析，并通过中心的指挥调度中心智能调度各个系统协同工作。源网荷储一体化协同场景如图23所示。源网荷储协同互动场景中，边缘计算实现了设备数据的接入、处理、分析和反控的功能。源网荷储系统的复杂性和电力的实时调度要求，也给边缘计算带来诸多挑战：图23源网荷储一体化协同场景示意图系统多、接口协议种类繁杂：源网荷储一体化应用场景需要统一采集发电、储能、输变电、配电和用户侧的不同类型设备和系统的数据。电力系统在不同场景的应用中形成了不同的接口规范，统一接入各系统的数据面临电力系统众多和设备的协议多样化的问题，这对边缘计算接口、协议支持能力提出了更高的要求。数据量大、采集频率高：以数字储能集装箱数据采集为例，物联电力行业边缘计算白皮书67网终端对多台集装箱采集数据总数约数十万个点，并以每100ms~200ms的频率进行采集，一年的数据量接近500TB。大规模的数据显著增加了存储和计算资源的压力，同时超高的采集频率也对物联网终端设备的性能和稳定性提出了更高的要求。数据实时处理和分析：电力系统采集数据大多是状态数据，以连续的数据流的形式，从多种设备持续不断地产生。在多数情况下，我们无法控制这些流数据到达的顺序和产生的速率。传统电力系统的数据分析通常基于批处理技术，一般在预先收集好的有限数据集上运行。在这种情况下，计算指令是主动的，数据是被动的，分析的结果往往不包含最新的数据，时延较高。新能源源网荷储背景下，传统的方式往往不能够满足源网荷储协同场景对数据进行实时分析计算的要求，新需要对数据进行即时的处理、分析，监控系统的运行状态并即时响应。系统高度客制化：传统系统的架构比较固定，而在源网荷储的应用场景中，不同的源网荷储系统其组成的形态不同，调度的策略不同，发电、负荷和储能性能指标也不同。这造成采集数据的接口协议、分析的指标、调度的策略都需要根据系统组成形态和各子系统性能参数调整，边缘计算需要具备高度的灵活性，以适应不同的源网荷储系统组成形态。电力行业边缘计算白皮书682.典型案例（1）源网荷储一体化管控案例某园区已建设分布式光伏电站，具有电化学储能、充电站、空调等可调节资源。为保园区内配电网安全稳定运行、实现经济最优和新能源消纳最大化，亟需建设一套源网荷储一体化系统，充分发挥负荷侧调节响应能力和储能电源调节能力，实现源网荷储多向互动，提高增量配电网安全稳定运行及新能源消纳水平。基于云边协同技术，打造具备运行监测、功率/负荷预测、分析决策、调控控制、边缘设备管理、异构数据融合、边缘应用管理、模型管理等能力的源网荷储一体化管控系统；在电源侧、储能侧、负荷侧部署边缘协控网关，打通源网荷储各环节信息，形成云边融合的一体化调控体系，使园区能源系统具备强感知能力、指挥决策能力和快速执行能力，实现发电侧“全面可视、精确可测、高度可控”，配电网安全稳定运行，保证用电侧和储能侧海量可调节资源实时动态响应。源网荷储一体化管控具体包含以下关键技术：新能源功率预测技术：传统的光伏功率预测系统通常以某一时段的平均气象数据为输入，预测结果为该时段的平均输出功率。但随着源网荷储协同调控的精细化程度提高，需要在较短的时间内对光伏输出功率进行预测。在这种超短期预测系统中，气象数据实时变化，导致采集的气象数据更新不及时，进而影响系统的预测精度，预测结果的可靠性降低。基于云边协同技术，可将功率预测模型下沉至边缘侧，电力行业边缘计算白皮书69结合传感器采集的光伏阵列所处环境实时气象数据，对分布式光伏短期发电功率进行初步预测，并将预测结果上传至云端一体化控制器系统，可有效提高分布式光伏短期发电功率预测及时性。可调潜力评估技术：基于云边协同技术，实现可调潜力评估。在边缘侧，依据历史负荷数据和负荷类型，调用可调潜力因子和模型，计算负荷可控容量及调节潜力，输出不同季节下的功率曲线，可控容量、调节潜力的计算结果、调节阈值参数、恢复时延参数，并上传给云端一体化管控系统。在云端，进行多类型柔性储能/负荷集群的聚合响应特性分析（响应容量、响应速率、响应时长），构建多时空尺度下的多类型柔性储能/负荷动态聚合可调度潜力数学模型，开展计及多约束的荷储资源可调度潜力评估。运行优化控制技术：基于云边协同技术，实现源网荷储运行优化控制。源网荷储协同控制平台以经济性、可靠性、环保性的单目标或多目标为优化目标，制定一体化调控策略，将目标容量分解到每个可调节资源，生成控制指令下发方案。当可调节资源本地侧的边缘协控网关接收到平台下发的控制指令，根据采集的源、荷、储实时运行状态数据，对调节指令进行优化调整，将最终指令下发至源、荷、储响应系统或设备进行调节控制，可有效提高调控效率和可靠性。源网荷储一体化管控可实现源网荷储高度融合，提升园区配电网自我平衡能力。源网荷储高度融合：依托云边协同技术，进一步加强电源侧、电电力行业边缘计算白皮书70网侧、负荷侧、储能的多向互动，提升分布式电源柔性消纳、发电与负荷精准控制、新能源场站精益控制能力，保障园区配电网安全稳定运行，降低运行成本，促进清洁能源消纳和节能减排，实现技术、经济、环境等综合效益最大化。提升园区配电网自我平衡能力：通过建设园区级源网荷储一体化管控系统，可有效平抑风电、光伏电站出力波动，有利于减小新能源功率随机波动性对电力系统的不利影响，增强负荷用电可靠性；充分发挥储能和负荷侧灵活响应能力，使系统新能源综合利用率保持在合理水平，新能源消纳电量占整体用电量占比超过50%，以提高自我平衡能力，不增加对区域电网调峰和容量备用需求。（2）源网荷储绿色电站案例某地源网荷储绿色电站项目是三峡集团为推动新能源和储能产业发展而规划的一项重要举措，建设规模为170兆瓦风能、30兆瓦光伏和55兆瓦每小时的电化学储能，并通过专线向工业园区负荷供电，实现源网荷储协同，如图24所示。图24源网荷储应用示意图电力行业边缘计算白皮书71该案例的关键技术如下：多协议高速数据采集：源网荷储边缘数据采集采用Neuron作为数据采集软网关，将数据传输协议解析为标准的北向协议并送到边缘流计算组件eKuiper中，Neuron支持以100ms的频率一次采集超过10000点位数据，并支持对接逆变器、能量管理系统PCS、能源管理系统EMS等，满足源网荷储协同系统对接多系统和多协议的高速数据采集需求。Neuron采用南北向数据分离的采集和传输架构，支持多线程，也支持部署Neuron到不同类型的嵌入式设备，在复杂的源网荷储能需求中，用户可以根据不同场景需求选择不同的硬件。灵活高效边缘计算：源网荷储边缘计算采用开源的eKuiper作为边缘数据的处理、分析和源网荷储策略的执行端，支持储能系统的实时电量统计、电池一致性分析、预警告警策略、电池充放电策略、调度指令执行等功能。eKuiper支持流计算的功能，通过时间窗口、计数串口、滑动窗口等方式，获取系统实时采集的某个时间片段，并支持基于流片段数据的实时处理和分析；源网荷储项目，根据项目的需求拓展了特色的自定义算法，满足系统实时分析要求，为调度系统提供实时的关键指标数据。另外，eKuiper支持规则的执行，当系统数据或者分析数据满足一定的条件，规则可以触发系统动作，使得源网荷储协同系统可以快速响应安全事件或者电力调度指令。模型参数即时更新迭代计算框架：在储能系统中，电池、电池模组的关键指标参数一般不能经过直接测量获取，需要基于模型进行迭电力行业边缘计算白皮书72代计算，eKuiper支持迭代计算并支持流数据和流式表中的静态数据合并。电池、电池组的模型参数可以定时更新到eKuiper流式表，流式表即时缓存更新后的模型参数数据。当新的流消息进入eKuiper后可以自动与符合条件的流式表中的数据合并，系统可以即时准确评估系统的状态，保障系统的运行安全和调度的准确性。基于消息的指令分发和数据共享：eKuiper边缘计算组件与消息平台可以实现无缝的整合，计算结果数据可以通过消息平台主题快速分发到各个设备和系统，实现数据的灵活应用、数据共享和调度指令的广播。该案例利用现代化的边缘计算技术组件Neuron和eKuiper，实现了多系统数据的快速、统一集成。基于系统由风力、太阳能发电并向专线供电的系统组成形态，快速接入数据、实时处理和分析数据，为调度系统提供实时决策数据和调度接口，降低了系统构建的复杂度，提高了系统响应时延性能，提升了系统管理和调度的精细化程度，保障源网荷储系统的运行安全。四、电力行业边缘计算发展趋势(一)电力行业转型加速，推动电力行业边缘计算繁荣发展新型电力系统转型升级加速，驱动边缘计算产业蓬勃发展。传承能源转型的历史使命，新型电力系统将从电源结构、负荷特性、电网形态、基础技术、运行特性等多个方面变革升级。为满足采集控制对电力行业边缘计算白皮书73象规模更庞大、实时性保障要求更高、服务内容更多元的新型电力应用需求，各类面向电力行业的边缘计算产品将不断提升自身的数字化、网络化、智能化服务水平，以行业需求为驱动，促进边缘计算产业的高速发展。电力行业边缘计算技术逐渐完善、应用逐步落地，发展潜力巨大。电力企业持续推进边缘计算基础设施部署，电力行业边缘计算市场持续拓展，将迎来良好的产业发展前景。未来，电力行业边缘计算产业必将迎来更多的边缘计算企业积极参与，形成良性竞争机制和发展循环，不断丰富电力行业边缘计算产业结构。(二)边缘计算技术创新演进，满足电力行业应用场景需求在电力行业应用需求的驱动下，各类边缘计算技术将不断创新演进。电力行业数字变革依托于数字化技术研发布局，边缘计算等各类ICT技术将在源网荷储协同互动、电力交易、清洁能源消纳等电力行业新场景中发挥核心赋能作用。在新场景、新需求的驱动下，云边协同、计算卸载、边缘原生等为代表的边缘计算核心技术持续创新演进，提升边缘计算赋能水平，有力支撑新型电力系统建设。“边缘计算+”将成为电力行业边缘计算产业落地的“助推器”。电力行业应用要求边缘计算备差异化与定制化的能力，以满足其在海量接入、实时采集、智能分析、安全防护等多个方面的需求。“边缘计算+”技术体系以边缘计算作为基础能力底座，将5G、音视频、人工智电力行业边缘计算白皮书74能、安全等各类新兴技术“边缘计算化”，实现了边缘计算服务能力升级，将进一步推动边缘计算在电力行业中的落地应用。(三)边缘计算体系化安全防护，构筑电力系统安全壁垒建立健全电力安全防护体系是能源电力变革的重要保障。党中央高度重视能源行业的安全体系建设，习近平总书记在党的二十大报告中强调，“深入推进能源革命”、“确保能源安全”。有效保障国家能源安全，是能源强国建设的必然要求。统筹新型电力系统安全防护体系建设，在网络安全防护体系基础上，统一配用电涉控业务防护、核心区域纵深防护、业务跨区域安全交互策略与措施，为新型电力系统各环节提供多层次可信、全方位感知的安全保障能力。边缘计算提供“软硬一体”的安全防护能力，筑牢电力系统安全屏障。在硬件层面，通过在电力场景中部署边缘可信基础设施，为硬件、软件和资源管理调度系统提供了安全可靠的底层基础环境；在软件层面，通过在边缘侧搭建软件化、服务化安全平台，为各类电力应用提供与敏感数据存储、敏感功能执行相关的各种安全服务。(四)电力行业边缘计算标准体系不断完善，引导产业规范化发展国内边缘计算标准体系不断完善，为电力行业边缘计算标准体系构建提供必要参考。国内已经发布《边缘计算总体架构与要求》标准，该标准定义了边缘计算概念、总体架构、边缘计算设备、方案和服务技术要求等相关内容，用于统一边缘计算的参考架构、术语、相关概电力行业边缘计算白皮书75念以及架构各个组成部分的相关要求。此外，面向工业场景、车路协同场景的边缘计算体系标准也正在推进。强化标准顶层体系，规范电力行业边缘计算产业发展。当前国内已经立项《面向电力行业的边缘计算总体架构与要求》，正式启动电力行业边缘计算标准体系建设工作，在概念术语、总体架构、关键技术、测试方法、安全等不同方面开展标准化研制工作，为电力行业边缘计算相关软硬件的研发、建设与部署提供指导，规范产业发展。算网融合产业及标准推进委员会（TC621）地址：北京市海淀区花园北路52号邮编：100191电话：010-62300556传真：010-62304980网址：www.ccnis.org.cn