一种基于云边协同的配电物联网数据监测系统及调度方法技术方案

本发明专利技术属于大数据智能检测技术领域，涉及一种基于云边协同的配电物联网数据监测系统及调度方法。包括基于云边协同的云主站、边缘计算层和端层三部分架构及功能设计；以及配电物联网大数据监测系统调度方法。其中云主站、边缘计算层和端层共同参与协同调度，由云主站进行任务调度，实现云资源和边缘计算资源的协同分配，将调度策略返回至端层设备及边缘端设备。通过边缘计算层获取端层感知的配电物联网各环节设备的数据并进行数据处理和分析，实现对端层感知数据的预处理和信息融合，同时与云平台协同，满足面向运维人员和用户的多业务、低时延和快速响应需求，实现配电物联网运行、设备状态集管理全过程的全面感知、互联互通和智能应用。智能应用。智能应用。

【技术实现步骤摘要】
一种基于云边协同的配电物联网数据监测系统及调度方法


[0001]本申请属于大数据智能监测分析
，涉及一种基于云边协同的配电物联网数据监测系统及调度方法。

技术介绍

[0002]配电网处于电力系统的末端环节，其运行状况对用户体验及供电可靠性具有重要影响。随着能源结构调整、产业结构升级和智慧城市的建设，配电网也从单纯电力网络向智能能源信息一体会方向发展。在此背景下，融合新一代信息通信技术的配电物联网方案应运而生。但是随着配电物联网的综合能源设备不断增加，配用电环节产生的数据呈现出海量、数据复杂、处理逻辑复杂、存储周期长、计算频度高的大数据特征，数据交互遇到困难，对带宽以及传输效率带来严重的影响。同时由于变电站设备空间分布广、总量大，传统中心化主站及云计算技术面临着云应用爆炸式增长的问题，严重影响着复杂电力网络的运行控制，海量信息监测和应用服务。同时传统配电网的管理模式、技术手段难以满足配电物联网多业务、低时延、快速响应的需求，以至于无法适应社会经济发展和能源互联网对配电网转型发展的要求，配电物联网的建设、运维、管理和发展面临诸多挑战。
...

【技术保护点】

【技术特征摘要】
1.一种基于云边协同的配电物联网数据监测系统，其特征在于，包括：端层感知模块，用于采集配电物联网用电信息，对配电物联网配变电设备运行状态进行监测；所述端层感知模块包括配电物联网站端感知系统、配电物联网线端感知系统、配电物联网台区端感知系统和配电物联网户端感知系统；边缘计算层，用于对靠近端层感知系统或者数据源头侧提供边缘智能服务，满足配电物联网实时业务、数据优化、应用智能、安全与隐私保护方面的需求；云计算层，用于提供边缘计算层装置管理、配电物联网配变电设备接入模型管理和配变电设备管理。2.一种基于云边协同的配电物联网数据监测调度方法，其特征在于，包括：构建一个如权利要求1所述的基于云边协同的配电物联网数据监测系统；采集端层感知数据；所述端层根据本地计算信息和计算能力，向边缘计算层和通过边缘计算层向云计算层发送计算任务请求；云计算层和边缘计算层中的边缘中心接受端层和边缘计算层发送的计算任务请求，从配电物联网端层、边缘计算层和云计算层分别获取当前端层、边缘计算层和云计算层的通信网络状态，获取端层设备和边缘计算层边缘节点的计算能力，边缘计算层将计算结果发送给云计算层；采用基于深度强化学习的计算迁移调度方法，根据所述任务请求和所述计算结果生成最优调度策略，并将最优调度策略发送给相应的边缘计算层、云计算层及端层；云主站、边缘计算层和端层执行计算任务，将计算结果返回给端层设备。3.根据权利要求1的配电物联网数据监测调度方法，其特征在于，还包括：可视化展示配电物联网数据监测调度调度结果。4.根据权利要求2所述的配电物联网数据监测调度方法，其特征在于，所述步骤(2)中，采集端层感知数据，包括：(1)采集配电物联网站端设备的环境监测数据、配电网一次设备的状态数据、配电网二次设备的安全状态监测数据；(2)采集配电物联网站端设备的监测数据，包括配电网一次设备监测数据、站房监测数据、视频监测数据、电缆及通道监测数据、架空输电线路、及输电走廊监测视频数据；(3)采集配电物联网台区端设备数据，包括物联网低压开关、物联网换相开关、集中器、智能电表以及智能无功补偿设备的功率和投退信息；(4)采集配电物联网用户端设备数据，包括各类电力采集端层设备、开关量采集端层设备、电势监测端层设备的的数据。5.根据权利要求2所述的配电物联网数据监测调度方法，其特征在于，所述采用基于深度强化学习的计算迁移调度方法，根据所述任务请求和所述计算结果，生成最优调度策略，并将最优调度策略发送给相应的边缘计算层、云计算层及端层，包括：(1)分别为每个端层中的每个端层设备构建一个计算任务表，将与计算任务表存储到一个总任务表集合中；(2)确定端层设备本地计算延迟及能耗：
利用下式，计算端层设备i的本地计算延迟利用下式，计算端层设备i的本地计算延迟其中，f
il
表示端层设备i的计算能力，Z表示处理1bit数据所需要的CPU周期数；端层设备i在本地计算时产生的能耗为：其中p
il
表示端层设备i的计算功率；端层设备i的计算成本为：其中α和1
‑
α分别表示时间成本和能耗成本的权重，α∈[0,1]；(3)确定边缘计算层计算任务迁移执行过程的总时延和总能耗：端层设备i的计算任务迁移到边缘节点j的执行过程总时延为：式中，表示端层设备i的计算任务迁移到边缘节点j的上传时间延迟，表示在节点j的计算时间，表示将计算结果返回用户端层设备i的时间延迟，表示边缘节点返回计算结果数据的大小；和分别为端侧设备i的计算任务迁移至边缘节点j上行链路速率和下行链路速率，表达式如下：g
i,j
＝127+25*lgS (3)其中，B
j
表示边缘节点j的带宽，P
iup
表示端层设备i上传数据的传输功率，P
ido
表示端层设备i下行链路数据的传输功率，N0表示噪声功率，g
i,j
表示端层设备i与边缘节点j之间的信道增益，S表示端层设备i与边缘节点j之间的通信距离；端层设备i的计算任务迁移到边缘节点j的执行过程总能耗为：式中，分别表示端层设备i的计算任务迁移到边缘节点j上传传输能耗、在端层设备i的接收能耗以及端层设备i的等待能耗；(4)确定云计算层计算迁移执行过程总时延和总能耗：端层设备i的任务由边缘节点j迁移到云计算层的执行过程总时延为：
式中，分别代表端层设备i的任务由边缘节点j迁移到云计算层的上传时间延迟、端层设备i的任务由边缘节点j迁移到云计算层的计算时间以及将计算结果返回用户端层设备i的时间延迟；表示云计算层返回计算结果数据的大小；和分别为端层设备i的计算任务由边缘节点j迁移到云计算层的上行链路速率和下行链路速率，具体如下：g
i,j
＝127+25*lgS (7)其中，B
j
表示边缘节点j的带宽，P
iup,c
表示第i个边缘节点上传数据的传输功率，P
idown,c
表示第i个边缘节点下行链路数据的传输功率，N0表示噪声功率，g
i,j
表示连接端层设备i的边缘节点j与云计算层之间的信道增益，S表示通信距离；端层设备i的任务由边缘节点j迁移到云计算层的执行过程总能耗为：式中，分别代表端层设备i的任务由边缘节点j迁移到云计算层的传输能耗、在端层设备i的接收能耗以及端层设备i的等待能耗；(5)根据最大容许延迟和最大能耗容忍度，确定计算任务迁移条件；(5)根据最大容许延迟和最大能耗容忍度，确定计算任务迁移条件；表示端层或边缘计算层设备的最大能耗容忍度，根据不同的任务类型及任务对应的计算量大小确定；(6)确定计算任务迁移执行过程的传输总成本：端层设备i的计算任务迁移到边缘节点j的传输总成本为：端层设备i的计算任务...

【专利技术属性】
技术研发人员：胡伟，苏雪源，马坤，郭秋婷，刘文亮，陈行滨，林日晖，熊军，
申请(专利权)人：国网福建省电力有限公司厦门供电公司国家电网有限公司，
类型：发明
国别省市：