智能感知关键技术在电力物联网中的应用
时间：2023-06-16 09:50:05 来源：雅意学习网 本文已影响 人 
孙 晨，杨权东，袁建涛，朱从亮
(1.华云信息科技有限公司, 浙江 杭州 310012；
2.乐清工程师创新服务中心，浙江 乐清 325600；
3.浙江大学，浙江 杭州 310057)
目前，国家电网加速推广电力物联网(Internet of things,IoT)应用，在推进能源生态建设、智慧物联等方面开展建设任务，有效带动上下游产业发展，计划到2021年初步建成电力物联网[1]。智慧路灯、电动汽车智慧车联网、智慧物联小库、全感知配电房、配电物联网、不停电作业体验、新能源云平台等是电力物联网行业新兴技术与业务，电力物联网发展方面的最新技术、成果和应用吸引了众人的目光[2～5]。
电力物联网是充分应用移动互联、人工智能等现代信息技术、先进通信技术，实现电力系统各个环节万物互联、人机交互，具有状态全面感知[6]、信息高效处理[7]、应用便捷灵活特征的智慧服务系统[8]。
电力物联网中智能感知等各种新兴应用的实现[9～11]，依赖于人工智能技术的不断发展。在实际的应用中，人工智能或智能感知已经广泛应用于智能家居[4]、工业生产、智慧农药等各个生产生活场景中，如在自动驾驶中，只有实现了对驾驶环境、发动机参数、位置和碰撞的感知等才能够实现汽车的自动驾驶[12]。因此，未来智能感知技术将成为智能产品市场应用的前提和基础。
因此，将电力物联网与智能感知技术相结合，是未来的发展方向。本文主要对电力物联网中的关键技术分析，从系统层面、网络层面、算法层面以及硬件层面分析未来电力物联网智能感知的发展方向以及一些关键问题的解决方案。
如图1所示，电力物联网架构具有如下特征：1)边缘与云端智能化：随着智能感知业务的计算需求不断增加，以及传输的数据量不断增大，为了实现数据的快速处理，终端无法及时处理的业务需要转移至边缘端进行，实现实时业务、敏捷连接、数据优化。2)通信技术的多样化：采集数据以及处理的终端通常使用不同类型的通信技术，以满足不同类型的业务需求，并且扩大电力物联网的网络容量，实现真正的广泛连接，提升数据传输速率。
图1 电力物联网架构
智能感知技术，即利用现有的数据或者网络的状态，通过算法，分析和感知出数据的走向或者网络下一时刻的状态。其需要利用多维度的信息，对数据处理、分析，得到最终的输出结果。可以说，智能感知的结果与数据种类，数据量有着直接的关系。数据种类越多，数据量越大，可以从数据中挖掘出的信息越多，效果越好[13]。
多源信息融合是智能感知技术的代表。利用人工智能算法对多源数据进行处理，经过大量的训练，找出各个维度之间的隐含关系，最后得到融合结果。
3.1 云计算和边缘计算架构
1)云—边—端智能感知系统架构
在电力物联网中，智能感知通常需要可观的计算量。如果由处于末端的终端计算，则会造成很高的计算时延，并且对终端的处理能力的要求也会提高。为了减少终端的计算量，一种云—边—端的系统架构应运而生。终端可以将部分计算的量分出给配备边缘服务器的基站[14]。对于更大的计算请求，基站可以发送至处于核心网的云端进行处理，计算完成后将结果发送至终端。由于边缘端或者云端通常具有很高的计算能力，即使智能感知的计算需求量很高，该云—边—端系统架构也可以轻松应对，减少计算时延，提高计算精度。
2)基于空中计算的新型传输方式
传统意义上的计算和通信是分开的，即基于香农的分离原则，信息经过无线信道传输，到达接收方。对于电力物联网的智能感知，有部分场景需要海量的终端数据进行简单汇总，如果采用传统的端到端传输原则，各个终端需要将各自的数据传输至边缘服务器或者云服务器，将各个信息解调后，在边缘端或者云端进行处理。该方法存在两个弊端，一是在海量的物联网中，由于无线信道资源有限，各个终端同时传输待处理的数据给无线通信带来了很大的压力，造成巨大的通信开销；
另外，也造成了边缘端或者云端计算复杂度增加。为了解决这一问题，空中计算成为了一种全新的解决方案[15]。不同于现有的数字传输方案，该空中计算利用以往模拟传输方式，将不同的终端的数据在同一信道上进行叠加，即在空口上便可以完成计算功能，当数据到达接收端时，经过简单的处理，即能得到所需要的数据。该数据传输方式可以降低设备的复杂度，减少通信开销，提高频谱效率，可以作为电力物联网中智能感知的解决方案之一。
3)电力物联网中的移动边缘计算技术
采用云—边—端的系统框架，离不开移动边缘计算的算法支撑[16]。移动边缘计算给下一代移动通信中计算与通信融合带来了全新的解决方案。在电力物联网中，其仍然可以发挥很大的作用。当智能感知需要大量的计算资源时，计算量的卸载成为了边缘计算与云计算的关键。综合考虑通信与计算资源，如何分配终端处的计算任务是重大的挑战。移动边缘计算在平衡计算与通信资源的同时，所提出的计算卸载方案可以提高计算的效率，减少通信时延与计算时延。如当终端所处的通信信道状况很差时，智能感知的计算量可以少部分卸载到基站端，以避免因为通信传输产生大量的时延。当终端所处的通信状况很好时，智能感知的计算量卸载可以根据任务量的大小，分配给云端与边缘端进行计算。
3.2 智能感知通信技术
1)电力物联网中混合通信技术
智能感知所需要的数据主要来源可能是不同形式的终端。为了满足不同应用的需求，不同的终端使用的通信技术不尽相同。因此，在未来电力网中，混合多样的通信技术将会是智能感知数据的支撑。这些通信技术主要包括短距离覆盖的WiFi、射频识别(radio frequency identification,RFID)和ZigBee技术，长距离覆盖主要有窄带物联网(na-rrow band Internt of things,NB-IoT),LoRa以及现有的长期演进(long term evolution,LTE)技术等等。混合的通信技术可以满足不同场景的数据采集与快速传输。
2)智能感知统一制式数据收集系统
混合通信技术虽然可以满足不同设备，不同场景数据采集与传输的需求，对于数据的接收端来说，数据的收集工作却成为了一个关键问题，如何快速便捷地获取到不用通信制式的数据是一个重大挑战。这需要智能感知统一制式的数据收集系统。该系统可以完成跨设备与跨通信方式的数据收集，通过融合多种通信制式，形成统一的数据收集节点，为进一步数据处理做准备。
3)低时延高可靠的数据传输技术
智能感知技术中，有许多场景需要传输比较大的数据信息，同时，数据传输的时延以及准确性要求比较高，这就需要低时延高可靠的数据传输技术。随着移动通信技术的发展，现有的第五代移动通信的关键技术可以应用在电力物联网中。第五代移动通信要求数据传输的时延小于1 ms，且数据传输的可靠性要大于99.999 %。对于电力物联网中智能感知的场景，已经可以满足各种不同任务的需求，以提高感知的准确性，保障电力平稳运行。
3.3 算法技术
1)面向电力物联网的大数据分析
传统的数据存储和管理以结构化数据为主，因此关系数据库分析方式可以满足各类应用需求[17]。大数据往往是半结构化和非结构化数据为主，结构化数据为辅，而且以电力物联网中智能感知为基础的各种大数据应用通常是对不同类型的数据内容检索、交叉比对、深度挖掘与综合分析。面对数据量庞大，数据结构复杂的电力物联网数据，为了提高数据的存储与计算的效率，需要利用大数据分析技术[18]，对数据进行分布式计算和存储。目前，Hadoop、MapReduce和Spark等分布式处理方式已经成为大数据处理各环节的通用处理方法。以分布式计算为基础，大数据分析技术可以提供低时延、低复杂度的数据检索、存储与处理，是未来电力物联网的大数据分析的发展趋势。
2)智能感知中的人工智能技术
电力物联网中智能感知的重要环节是从大数据中挖掘出信息，从而实现数据的预测、分类等功能。传统的数据处理算法在处理大数据时，一般具有非常高的复杂度，并且无法充分利用数据优势，无法在结果中体现出来。而人工智能技术恰恰相反，随着数据量的增大，人工智能技术的性能逐步上升，并且其计算复杂度的优势也凸显出来。尤其是采用深度神经网络的人工智能算法，其利用大量神经元相互非线性作用，在海量数据的训练下，调整相关参数，实现搞准确率建模与估计，以支撑越来越复杂的电力系统内部业务和外部服务场景。
3)联邦学习与智能感知
一般地，采用人工智能技术进行数据分析时，首先要进行模型训练，这需要集中式的数据与高性能的服务器。随着电力物联网的发展，物联网终端呈现分布式的布局，将数据统一传输至中心或者云端的服务器将会产生巨大的通信时延。另外，获得的多元的数据通常含有用户的隐私信息，如果采用集中式的模型训练方法，很难保证用户的安全性。因此，在充分考虑模型特点与数据的隐私性，联邦学习可以被用于进行模型训练。其不需要将所有的数据上传至服务器，取而代之的是上传模型训练的参数或者梯度信息。因此，使用联邦学习进行智能感知算法训练，可以保证用户的隐私性和数据的安全性，同时还可以提升训练的性能和降低训练时延。
3.4 硬件技术
1)低功耗物联网终端
独立的检测终端通常分布在变电等危险的地方，只有降低终端的功耗，提高终端的使用寿命，才能降低维修成本，提高使用的安全性。物联网终端的功耗主要体现在通信开销与待机上，终端需要经常向基站发送确认连接的信息，以保证通信的质量。但同时造成很大的功耗，降低终端的使用寿命。因此，对于低功耗的物联网终端，可以降低与基站或者热点间交互的频率，通过更有效的确认机制，保证终端在线；
另外，由于物联网终端的数据采集间隔时间长，因此在不需要数据采集以及传输时，设置终端处于休眠状态，可以大幅降低终端的能耗，提升寿命。
2)高性能的计算芯片
上式中X为高斯平面横坐标；
a为椭球长半轴；
B为大地经度；
L为大地维度；
M为某点曲率半径；
△B=B-B0；
Y是相对于某带圆点的高斯平面纵坐标。
在复杂的智能感知应用场景，终端通常需要进行一定的计算，配合基站完成智能感知算法。因此，传统仅仅作为传输数据工具的终端无法再适用，更高性能的电力物联网终端的计算芯片可以支持复杂的计算需求，如人工智能算法等。随着数据量的进一步增多，计算芯片的性能要求将会变高，这也是未来电力物联网终端的发展趋势。
4.1 用电智能服务
1)用电量预测
用电量的预测即通过以往的数据，基于人工智能等算法，预测用电的发展趋势。电量的预测可以使得电网运营部门提前预知用电的负荷量，尤其是用电量高发的季节，做好预备方案，降低运营风险，为城市居民用电提供保障。同时，对于一天的用电量也可以进行分析，通过调整价格等方法，来引导用户，产生最大的经济效益，避免形成用电高峰期，减轻线网的压力。
2)线网优化
变电站的设点或者输电线路的安全不合理同样会导致运行商成本增加。由于供电的环境可能会发生改变，供电区域的密度以及区域的走向可能会发生变化。如随着人口的迁移，农村的供电面积在不断的减少，供电的密度也在不断减少。通过电力物联网的智能感知技术，可以基于用电数据，对线网的规划进行优化，降低运营成本，便于管理。
3)异常提醒
用户的用电或者某一个地区的用电通常情况不会发生太大的变化，如果发生明显的变动很大程度上可以说明用电异常，可能会发生安全隐患。智能感知技术可以通过数据分析处理，对用电数据进行异常检测。
4)家庭智慧用电
由于电网存储有家庭用电的信息，智能感知技术可以用来使得家庭用电更加智慧。一方面，对于电网的运营人员，对家庭用电数据进行分析，可以做出决策，缓解高峰时期的用电状况。另外一方面，对于用户，数据的分析结果可以指导如何合理地用电才能最节约，最安全。
4.2 安全变电保障
1)变电站故障检测
对于输电线路以及变电站等特殊场合，由于距离长，范围大，检查耗费的人力成本，时间成本大，且环境危险，利用智能感知技术进行处理先得更加重要，对输电环节进行故障检测，及时维修，确保输电网能够正常运行。
2)数据安全存储
用户的用电数据属于隐私数据，因此在进行分析时，应该最大程度地保护数据的隐私，确保数据能够安全存储。智能感知技术可以在保证数据隐私与安全的同时，有效地利用大数据带来的信息，对数据进行处理。
3)远程操控
由于电力物联网的规模不断扩大，远程操控在电力物联网中的地位越来越重要。智能感知的系统架构中，云—边—端的网络结构可以有效地部署远程操控的技术，利用智能感知的结果，远程实施相应的决策，达到快速相应的目的。
本文主要对电力物联网的概念以及电力物联网中存在的智能感知技术进行介绍，从系统层面、网络层面、算法层面以及硬件层面对智能感知的关键技术进行分析，最后介绍了电力物联网的应用场景。
电力物联网已经是电力行业的发展方向，并且随着硬件与软件水平的不断进步，智能感知技术在电力物联网中的应用将更加广泛，以支撑更加丰富的电力应用场景，提高电网设备的工作效率，为用户提供智能化的用电服务和体验，带动其他产业的发展。
猜你喜欢 时延用电终端 安全用电知识多中学生数理化·中考版(2020年12期)2021-01-18X美术馆首届三年展：“终端〉_How Do We Begin?”现代装饰(2020年8期)2020-08-245G承载网部署满足uRLLC业务时延要求的研究通信电源技术(2020年8期)2020-07-21通信控制服务器(CCS)维护终端的设计与实现铁道通信信号(2019年9期)2019-11-25对输配电及用电工程的自动化运行的几点思考活力(2019年15期)2019-09-25基于GCC-nearest时延估计的室内声源定位电子制作(2019年23期)2019-02-23为生活用电加“保险”中学生数理化·中考版(2018年12期)2019-01-31用电安全要注意小学生必读(中年级版)(2018年10期)2019-01-04VoLTE呼叫端到端接通时延分布分析信息通信技术与政策(2018年9期)2018-10-09GSM-R手持终端呼叫FAS失败案例分析铁道通信信号(2018年4期)2018-06-06
