基于区域综合能源站的边缘计算处理系统技术方案

本发明专利技术公开了基于区域综合能源站的边缘计算处理系统，所述边缘计算处理系统包括:数据输入模块、数据处理模块、存储模块、通信模块和电源转换模块；所述数据输入模块将区域综合能源站出的模拟流转换为数据信息；所述数据处理模块将数据信息按照时序流水线方式进行任务分配；所述存储模块对任务分配进行存储和调用；所述通信模块将任务分配向服务器传输；所述电源转换模块用于向边缘计算处理系统供电；其中：所述神经网络运算模块包括输入缓冲单元、中间计算缓冲单元、平均池化单元、控制单元和卷积运算单元构成；本发明专利技术解决现有技术中边缘计算终端硬件结构复杂、数据处理任务缓慢的技术问题。技术问题。技术问题。

【技术实现步骤摘要】
基于区域综合能源站的边缘计算处理系统

：
[0001]本专利技术属于区域综合能源系统数据处理
，尤其涉及基于区域综合能源站的边缘计算处理系统

技术介绍
：
[0002]随着数字牵引新型电力系统建设的大规模铺开，可再生能源不断渗透下，以综合能源站为主体的区域综合能源系统作为解决大电网边缘区域内部多种能源协调运行优化的电网架构方式，已经逐渐成为一种新能源就地消纳与调控的主要方式。但是目前面向区域综合能源站比较突出的问题是随着综合能源站在配网侧运行，会产生海量的多源异构的能源数据，使得时间序列数据的规模呈现指数级增加，而当前基于配网中台的集中式数据处理方式使得将海量数据通过网络方式直接上报到中台，由中台进行统一分类和处理，这个给网络带宽和配网数据中台带来极大的负荷压力，也造成了大量的时间延迟，对于时间敏感性的能源调度来说是不可接受的，逐渐成为阻碍新型电力系统发展的核心问题之一。而近年来逐步应用的边缘计算技术高度契合当前区域综合能源站的技术需求，能够实现在设备侧就地合理控制系统设备、高效利用系统数据。边缘计算技术作为脱胎于第五代通讯技术的产物，旨在网络边缘对终端进行数据处理。随着万物互联时代的到来，接入网络的海量终端设备与爆炸式的数据增长量不断巩固边缘计算技术在物联网应用领域的地位。相较于传统的云计算，边缘计算在节省网络带宽、降低通信延时与保障用户隐私等诸多领域具有明显优势。边缘计算具备调用历史数据与其他种类信息进行日前调度的能力，并同时可利用自身提供的全天候运算能力进行实时控制，将传统综合能源站的日前调度与日内控制功能有机统一，提高区域综合能源站效益。
[0003]因此，针对配网中台面临的海量数据处理负荷压力，以微网为核心处理单元的分布式去中心化的边缘计算数据处理方式将是未来数字化牵引新型电力系统最主要的解决方法。在微网侧，由于靠近用户需求，同时存在的多源多荷复杂局面，当前针对传统电网辐射式能源供应和需求响应的技术架构已经无法满足要求，迫切需要微网侧尤其围绕区域能源站为核心对象，提出在配网边缘侧海量能源数据的终端硬件架构，数据处理、存储、实时通信等算法协议，以降低边缘侧数据的处理和存储压力，减少数据延时。同时，在网络边缘侧即靠近能源站的各个采集终端前侧，通过部署全新架构的边缘计算设备，并利用数据处理技术，就地实现负荷预测，一方面可大大降低配网中台的负荷压力，提高通信带宽有效性，另一方面可有效提升配网源网荷储协同优化的能力，为后续多能互补的能源调度奠定重要的技术支撑。

技术实现思路
：
[0004]针对现有技术存在的技术问题，本专利技术提供基于区域综合能源站进行边缘计算处理系统及数据挖掘方法；本专利技术中边缘计算处理系统降低了硬件开销成本，同时提高区域综合能源站边缘计算系统运行的稳定性；本专利技术中任务优化方法采用流水线的任务分配优
化机制，该任务优化方法将多个任务按照计算开销、成本、所需资源和最大容忍的延时量建立待处理的队列逐个送入到神经网络处理单元中处理，从而实现单核硬件资源下的处理方式，提高数据处理速度。
[0005]为了解决现有技术存在问题，本专利技术采用如下技术方案予以实施：
[0006]一种基于区域综合能源站进行边缘计算处理系统，所述边缘计算处理系统包括:数据输入模块、数据处理模块、存储模块、通信模块和电源转换模块；
[0007]所述数据输入模块将区域综合能源站出的模拟流转换为数据信息；
[0008]所述数据处理模块将数据信息按照时序流水线方式进行任务分配和数据挖掘；
[0009]所述存储模块对任务分配进行存储和调用；
[0010]所述通信模块将任务分配向服务器传输；
[0011]所述电源转换模块用于向边缘计算处理系统供电；其中：
[0012]所述数据处理模块包括处理器、神经网络运算模块、AXI总线、内部高速缓存单元和3
‑
DMA控制器；所述神经网络运算模块包括输入缓冲单元、中间计算缓冲单元、平均池化单元、控制单元和卷积运算单元构成；其中：
[0013]所述控制单元主要负责数据运算前的配置，各个模块间的交互和运算过程中的控制；通过所述控制模块将运算结果从卷积运算单元传输至平均池化单元，平均池化模块包含8个池化单元，每个池化单元由三层加法树和数据缓冲构成；经过池化得到1024个分类，将它们存储到输出缓冲区，再经由AXI总线传输至外部内存中，最后用MaxSoft分类器得出最终结果。
[0014]进一步，所述卷积运算单元由数据缓冲区、加权寄存器、偏移寄存器、卷积层、特征缓冲区和逻辑控制器构成；所述卷积层包括4个PE单元，形成2组8
×
8的并行卷积加速阵列；所述特征缓冲区由第一特征缓冲区和第二特征缓冲区构成；所述第一特征缓冲区将存储上一层网络的运算结果，所述第二特征缓冲区存储本层网络的运算结果；所述逻辑控制器为时间序列处理器。
[0015]进一步，所述数据输入模块由模拟量采集单元、数据量采集单元、A/D转换单元和电磁隔离单元构成。
[0016]进一步，神经网络运算单元为一个NEON的GX680架构的GPU可编程软核。
[0017]进一步，所述数据处理模块为FPGA集成电路构成。
[0018]进一步，所述电源转换模块由AC/DC转换、降压和后备电容电路组成。
[0019]进一步，神经网络运算模块为NEON的GX680架构的GPU可编程软核。
[0020]本专利技术提供了如下有益效果：
[0021]1、本专利技术涉及的边缘计算系统一种轻量级、模块化、低成本、即插即用的集成电路，该系统利用能源数据在时间序列上的离散和耦合特性以及集成电路内部的并行运算特性，将接收按照数据处理任务分模块、流水线式设计，同时充分考虑软硬件之间的即插即用特性，本专利技术将模块与模块之间采用高速并行通信，同时模块之间采用异步软开关加以控制，使得新任务的加入和移除不会影响其他任务的执行。
[0022]2、本专利技术采用FPGA的轻量级、流水线、模块化设计边缘计算系统降低了硬件开销成本，同时提高区域综合能源站边缘计算系统运行的稳定性；解决现有技术中大多数边缘计算终端都是具有多个GPU内核的计算机架构，硬件结构复杂，无法即插即用，同时硬件成
本很高，不利于大规模批量化部署的技术问题。同时，本专利技术解决现有硬件资源受限条件下，传统的短期电负荷预测算法已经无法直接应用，本专利技术可以实现基于多核GPU处理器的边缘计算多任务分配机制对硬件资源要求高需求，完全直接部署在性能和资源受限的边缘计算终端的技术问题。
[0023]3、本专利技术依据区域综合能源站的能源数据在时间序列上的离散耦合特性，提出了基于流水线的任务分配优化机制，将多个任务按照计算开销、成本、所需资源和最大容忍的延时量建立待处理的队列逐个送入到神经网络处理单元中处理，从而实现在快速处理区域综合能源站的数据任务。
[0024]4、本专利技术中的神经网络运算单元充分利用了GPU软核的可编程特性，将内部资源进行最大化利用，同时充分考虑了电力数据的离散时间特性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区域综合能源站进行边缘计算处理系统，所述边缘计算处理系统包括:数据输入模块、数据处理模块、存储模块、通信模块和电源转换模块；其特征在于：所述数据输入模块将区域综合能源站出的模拟流转换为数据信息；所述数据处理模块将数据信息按照时序流水线方式进行任务分配和数据挖掘；所述存储模块对任务分配进行存储和调用；所述通信模块将任务分配向服务器传输；所述电源转换模块用于向边缘计算处理系统供电；其中：所述数据处理模块包括处理器、神经网络运算模块、AXI总线、内部高速缓存单元和3
‑
DMA控制器；所述神经网络运算模块包括输入缓冲单元、中间计算缓冲单元、平均池化单元、控制单元和卷积运算单元构成；其中：所述控制单元主要负责数据运算前的配置，各个模块间的交互和运算过程中的控制；通过所述控制模块将运算结果从卷积运算单元传输至平均池化单元，所述平均池化模块包含8个池化单元，每个池化单元由三层加法树和数据缓冲构成；经过池化得到1024个分类，将它们存储到输出缓冲区，再经由AXI总线传输至外部内存中，最后用MaxSoft分类器得出最终结果。2.根据权利要求1所述的一种基于区域综合能源站进行边缘计算处理系统，其特征在于：所述卷积运算单元由数据...

【专利技术属性】
技术研发人员：江岚，郑素群，刘世忠，徐晓峰，毛健瑞，毛海鸣，相涛，徐石，王均健，
申请(专利权)人：国网浙江省电力有限公司杭州市临安区供电公司，
类型：发明
国别省市：