算網融合產業及標準推進委員會算網融合產業及標準推進委員會版權聲明并受法律保護。轉載、摘編或利用其它方式使文字或者觀點的，應注明“來源：算網融合產中國信息通信研究院、北京航空航天大學、國網信息通信產業集團有限公司北京分公司、中國電力科學研究院有限公司、浪潮電子信息產業股份有限公司、國網浙江省電力有限公司信息通信分公司、北京郵電大學、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、北京火山杭州映云科技有限公司、網絡通信與安全紫金山實驗室、中國科學院自動化研究所、中國科學院重慶綠色智能技術研究院、中國科學院沈陽自動化研究院、邊緣計算社區、北京奧思工聯科技有限公司、天津安捷物聯科技股份有限公司、北京信息職業技術學院。宋平、穆琙博、王哲、劉軼、宋堯、畢立波、王春新、孫嫻、曹衛紅、仝杰、齊子豪、劉潔、楊潔、鄒穎、王伯伊、邱凱義、李朕、王波、劉香男、毛冬、陳祖歌、柴瑤琳、黨小東、張云暢、韓維娜、姜蔚蔚、胡衛國、曹榮、段云涌、胡建鋒、安雨順、張克銘、鄭欽、毛旭初、胡杰英、陳松、王曉飛、沈建發、劉浩然、陸冠、張軼博、郭愛民、胡玉姣、賈慶民、樊榮杰、周赤、夏長清、史皓天、段嘉、黃磊、王鑫、黃杰數字化轉型是電力行業發展的必由之路，《“十四五”現代能源體系規劃》提出要“堅持把創新作為引領發展的第一動力，著力增強能源科技創新能力，加快能源產業數字化和智能化升級，推動質量變革、效率變革、動力變革，推進產業鏈現代化”。作為一種數字化賦能技術，邊緣計算受到電力行業廣泛關注。邊緣計算與AI、大數據、5G等ICT技術深度融合，滿足電力行業全環節的實時性、智能化需求，賦能電力行業數字轉型。本白皮書以推進邊緣計算在電力行業中發揮賦能作用、助力能源強國建設為目標，重點關注電力行業邊緣計算的產業發展現狀、參考架構、應用場景與典型案例、發展趨勢等，為邊緣計算在電力行業中落地部署提供重要參考。 1 1 4 8 11 11 11 14 21 23 25 29 33 33 43 50 57 60 65 72 72 73 74 74 1(一)邊緣計算已成為行業數字轉型核心引擎1.邊緣計算行業賦能作用2供低時延、大帶寬、海量設備接入等網絡能力，提供高質量的網絡服務能力。n平臺賦能：邊緣計算平臺與云計算平臺之間實現高效協同，共同構建“云、邊、端、網”于一體的行業應用運行平臺。n創新賦能：邊緣計算技術通過與大數據、人工智能等新一代ICT技術深度融合，在滿足行業應用需求的同時，也深入行業內部，為行業應用自身創新提供基礎。n安全賦能：通過以SASE為代表邊緣安全服務，提高安全服務響應能力，降低部署成本，在邊緣側保障用戶安全隱私和數據安全。2.邊緣計算發展現狀現階段，邊緣計算的基本內涵與架構已形成行業共識。“端、邊、云”已成為邊緣計算架構的基本組成，邊緣計算網絡為三者間協同聯為行業應用部署提供邊緣服務能力、為應用高效運行提供多元算力供給能力、為數據的跨域流動提供協同聯動能力，四項能力共同構建邊緣計算賦能基礎。按照技術實現方式，邊緣計算可分為：以5GMEC為代表的運營商邊緣、以CDN改造、云算力下沉為代表的云邊緣、以電力邊緣計算、工業邊緣計算為代表的行業邊緣三類。三類邊緣計算在部署位置、3服務能力等不同方面均存在差異。政策方面，在行業數字化轉型的大力驅動下，全球各國高度重視邊緣計算的戰略布局。以美國、歐洲為代表的發達國家，均將邊緣計算列入產業數字化轉型中的關鍵環節，對邊緣計算技術進行統籌部署，并積極推進其創新應用。我國也高度重視邊緣計算的發展，國務院《“十四五”數字經濟發展規劃》等政策文件的相繼發布，積極推進邊緣計算在工業互聯網等特定領域的技術、標準與產業發展。市場方面，邊緣計算相關政策陸續出臺、發展環境不斷完善，進一步推動了產業協同落地發展，邊緣計算市場持續增長。據IDC《全球計算力指數評估報告》顯示，未來5年，全球對邊緣位置的算力投資增長速度將遠快于核心位置。根據中國信通院市場和企業用戶調研測算，2021年我國邊緣計算市場規模達到436.4億元，其中邊緣硬件規模市場為290.2億元，邊緣軟件與服務市場規模達146.2億元，預計年平均增速超過50%，2024年邊緣計算市場整體規模達1803.7億元，增長空間廣闊。標準方面，國內外標準組織及聯盟組織均加速推進邊緣計算標準化相關研究工作。國外方面，歐洲電信標準化協會（ETSI）于2014年成立MEC標準工作組，目前已發布包括邊緣計算平臺架構、技術需求等多個標準。國內方面，中國通信標準化協會（CCSA）圍繞工業互聯網等典型場景，針對參考架構、技術要求等多個方面，開展了邊緣計算標準化相關研究工作。中國通信協會面向邊緣計算基準能力與4計算+”總體架構與要求》、《5GMEC基礎設施共建共享技術要求》等在內的多項標準。(二)邊緣計算全面支持電力行業高質量發展以習近平同志為核心的黨中央創造性提出了“四個革命、一個合作”能源安全新戰略和“能源強國”新目標，為新時代我國能源高質量發展指明了方向、開辟了道路。《“十四五”現代能源體系規劃》提出要“堅持把創新作為引領發展的第一動力，著力增強能源科技創新能力，加快能源產業數字化和智能化升級，推動質量變革、效率變革、動力變革，推進產業鏈現代化”。以“雙碳”為目標，能源電力發展需要依托以邊緣計算等為代表的新一代ICT技術，打造數字化技術支撐體系，全面推進ICT技術在電力行業各個業務環節不同場景的廣泛應用，實現電力相關業務在數字空間的動態呈現、模擬與決策，不斷提升電力企業的數字化與智能1.邊緣計算滿足電力系統全環節業務需求邊緣計算是實現電力行業“數智”轉型的關鍵技術。構建覆蓋能源電力系統全環節的邊緣計算體系，對外可以推動電源側、電網側、用戶側、供應鏈泛在互聯，實現對電網和客戶狀態的深度感知，匯聚各類資源參與系統調節，促進源網荷儲協調互動，支撐區域電力能源5自治；對內可以推動資源共享，實現源端數據融通和業務實時在線，匯聚各類數據進行共享應用，提升電網安全運行、企業精益管理和客戶優質服務水平。當前邊緣計算技術在電力行業的發電、輸電、變電、配電、用電與源網荷儲協同互動六大核心業務場景中，均得到廣泛應用。n發電場景：發電企業在邊緣側搭建數據采集分析平臺，獲取發電設備與系統實時數據，進行智能化分析，預測和優化發電過程，提高發電場景中的能源利用效率，降低設備故障率，減少運維工作量。n輸電場景：為了解決傳統人工巡檢方式效率低、存在安全隱患等問題，利用邊緣計算設備執行輸電線路的巡檢任務，是一種更為安全有效的解決方案。此外，輸電系統具有傳輸距離長、地理環境復雜、氣候多變等特點，可通過構建邊緣計算平臺，在網絡環境復雜情況下及時獲取并分析各類輸電設備的海量信息。n變電場景：變壓器的在線監測和故障診斷是變電側的核心任務之一。基于邊緣計算的在線監測和故障診斷技術是當前研究的熱點研究方向。此外，在變電側搭建邊緣計算平臺，可以滿足變電站、換流站等廠站的設備管理和智能監控需求。n配電場景：配電業務場景主要涉及管理的測控主站，包括面向中壓配電網和低壓配電網的配電自動化主站。通過在配電6臺區引入邊緣計算網關（融合終端），構建以臺區邊緣計算網關為中心的低壓配網一體化管控體系，在邊緣側進行數據匯集、計算與回傳，實現接入設備的狀態全方位感知與需求快速響應。n用電場景：用電業務場景涵蓋家庭用電、商業用電、電動汽車充電等不同典型場景，利用邊緣計算技術，一方面可以將智能電表與邊緣計算網關協同，為用電設備提供智能化控制調節；另一方面可以在智能電表中嵌入計算芯片，提供邊緣計算服務。用電側等多個方面，借助邊緣計算提供的高效智能算力，進行全網的數據采集與計算，實現源網荷儲平衡化。7電力行業邊電力行業邊緣計算產業視圖服務提供商服務提供商方案提供商方案提供商osplrent軟件開發商軟件開發商網絡運營商網絡運營商設備供應商設備供應商芯片供應商芯片供應商BITMAIN電力行業邊緣計算產業可分為芯片、設備、軟件、網絡、解決方案、服務等六大板塊。在電力行業邊緣計算產業鏈條中，上下游產業緊密合作、協同聯動，在電力行業發電、輸電、變電、配電、用電與源網荷儲協同互動六大核心業務場景發揮賦能作用，助力電力行業數字化轉型。于此同時，電力行業邊緣計算服務也正在向其它行業延伸。本白皮書整理了電力行業邊緣計算產業視圖如圖1所示，具體包含芯片供應商：芯片供應商位于產業鏈上游，主要供給電力行業邊緣計算所需的CPU、GPU、NPU等芯片產品，是電力行業邊緣計算8的重要基礎，滿足智慧電廠、智能電網等多種電力行業邊緣計算典型場景需求。設備供應商：設備供應商同樣位于產業鏈上游，通過以芯片為核心構建終端、服務器等設備，向電力行業邊緣計算中端、邊、云側供應設備產品，是電力行業邊緣計算產業中的重要一環。軟件開發商：軟件開發商以芯片和設備為基礎，研制面向電力行業邊緣計算的系統、平臺等軟件產品，是電力行業邊緣計算的重要能力提供者之一。網絡運營商：網絡運營商是電力行業邊緣計算的網絡能力提供者，也是產業鏈中重要的一環。網絡運營商可面向電力行業構建專網或提供互聯網業務，實現端、邊、云設備的互聯互通，支持電力行業邊緣計算解決方案和服務。方案提供商：方案提供商是產業鏈的主體，當前大部分廠商都聚焦于提供行業解決方案，即通過結合芯片、設備、軟件、網絡等產品和能力，面向特定場景需求提供電力行業邊緣計算解決方案。服務提供商：拓展電力行業邊緣計算服務是重要的產業目標，通過協同整合電力行業邊緣計算產業資源，匯聚行業解決方案，提供一體化電力行業邊緣計算服務。(三)邊緣計算對電力行業應用的賦能價值邊緣計算為電力行業應用帶來的核心價值主要體現在五個方面：9低延時、低成本、智能化、高安全、高可靠。應用時延通常由計算時延和傳輸時延兩部分構成，降低應用時延是提高用戶體驗甚至是使得某些應用能夠工作的重要因素。一方面，邊緣計算通過在邊緣側進行數據處理，降低了數據在終端和云端之間產生的多跳傳輸時延。另一方面，利用優化的邊緣算力進行數據比利用有限的終端算力進行數據處理所產生的計算時延更低。2.低成本電力設備產生的數據具有體量大、價值密度較小的特性。如果把原始數據直接傳輸到云端進行處理，很可能造成網絡擁塞等問題，同時傳輸所需帶寬也很大，成本極高。邊緣計算對海量原始數據進行預處理和分析挖掘，將產生的高價值洞察傳送到云端，極大程度降低業務部署成本。此外，通過在邊緣側部署智能巡檢、設備監測等應用，可以進一步降低人員成本，提升電力業務效率。3.智能化視頻監控、語音識別、圖像分析等人工智能應用越來越廣泛地被應用于電力行業的業務需求。AI模型的訓練需要非常強大算力的支持。如果在云端執行基于實時數據的模型推理，將極大提高網絡成本。同時，普通電力終端設備難以滿足模型推理的高算力、高能耗需求。現有解決方案利用邊緣計算，將AI模型推理卸載到邊緣節點，在邊緣節點上通過GPU、加速硬件虛擬化等機制提高模型推理的并發能力，以一種經濟有效的方式實現應用智能。電力企業往往對生產數據傳輸到云端進行處理有很大顧慮。使用邊緣計算技術能實現敏感數據不出廠，直接在本地對數據進行清洗、預處理、聚合、篩選等操作，避免了數據傳輸過程中可能的泄露、遺失、篡改等風險。此外，傳統云計算中心存在API訪問權限控制以及密鑰生成、存儲和管理等方面的問題，可能產生數據泄漏的風險。以邊緣計算為基礎的的數據安全方案可以實現更可控的本地數據存儲和管理，從而降低數據風險。靠近數據生產或者使用的場所存在物理環境復雜、網絡條件不穩定、潛在的攻擊窗口眾多等問題。邊緣計算硬件專為嚴苛的物理環境設計，具有緊湊、堅固、抗高溫高濕等物理特性。邊緣計算軟件平臺通過云邊協同來保障端到端的SLA，邊緣節點在斷網期間能實現自治，繼續支撐其上應用的運行，在網絡恢復之后，還能自動與云端更新數據、狀態。邊緣計算軟件平臺還支持應用跨節點部署及多實例運行等能力，當某個節點發生故障時，可快速實現負載遷移，避免對業務的影響。(一)電力行業邊緣計算參考架構本白皮書從電力行業應用需求出發，結合業界優秀電力行業邊緣計算實踐，在邊緣計算參考模型的基礎上，提出了電力行業邊緣計算參考架構，如圖2所示，電力行業邊緣計算參考架構主要包含端側、邊緣側、網絡、云側、安全、運維等六個部分主要內容。端側是位于網絡邊緣的各種物聯網設備集合，是整個邊緣計算平臺的數據來源。電力行業邊緣計算端側主要通過導線溫度傳感器、電源管理設備等智能化設備感知外部環境變化，并通過接入協議與邊緣側協同聯動，進行智能化分析。端側設備包括電源側、電網側、用戶側、供應鏈等終端裝置。通常部署在采集監控對象附近，對設備或對象的狀態量、電氣量和環境量等進行采集量測，具有簡單的數據處理、控制和通信功能。面向輸電、變電、配電臺區、用戶側和供應鏈五類應用場景，端側設備發揮不同的作用：在輸電應用場景中，通過各類感知終端實現架空線路、電纜線路狀態的精準感知，數據通過短距離低功耗網絡傳輸至匯聚節點進行匯聚，并在接入節點進行區域匯聚和邊緣計算。視頻圖像采集終端的數據發送至統一視頻平臺，無人機和機器人等移動設備的采集數據在本地進行處理，相關數據可以選擇進入統一視頻平臺。在變電應用場景中，視頻監控、巡檢機器人采集的視頻圖像類數據接入邊緣物聯代理，進行圖像識別、分析判斷等邊緣計算，分析結果上傳至物聯管理平臺。以狀態感知功能為主的無線傳感器可直接接入、或經過匯聚節點接入邊緣物聯代理；其他涉控無線傳感器感知數據需經安全接入網關接入邊緣物聯代理，邊緣物聯代理對傳感器數據進行邊緣計算，處理后結果上傳至物聯管理平臺。在配電臺區應用場景中，在一個臺區部署一個邊緣物聯代理，統籌環境感知、設備狀態監測和可視化終端接入。終端設備采集電氣量、環境量、狀態量、視頻圖像等數據，主要對電網設備的運行狀態、環境數據、可視化信息、作業信息進行采集，實現設備狀態全方位感知與快速響應。在用戶側應用場景中，部署能源控制器、臺區智能終端等邊緣設備，實現各場景的全息感知和優化控制。終端設備（如智能家電、樓宇企業園區空調、環境傳感器等）采集環境量、狀態量和輔助設備狀態等感知數據，感知數據通過邊緣物聯代理進行匯聚和邊緣計算，數據統一發送至物聯平臺。在供應鏈應用場景中，通過在電工裝備制造企業內部部署生產、試驗設備信息數據采集中心、采集終端，采集生產試驗數據。通過部署電工裝備智慧物聯網關（邊緣物聯代理接入數據采集中心的生產、試驗和視頻數據，進行相關邊緣計算分析處理，再由電工裝備智慧物聯網關（邊緣物聯代理）統一將數據發送給平臺層，為平臺層和應用層提供數據支撐。2.接入協議電力場景各類端側設備通過接入協議接入邊緣計算系統。這種協議定義了如何在邊緣計算系統和端側設備之間進行數據交換。端側設備既可以使用ModbusTCP、MQTT、Profibus等多種協議，通過有線NB-IoT、ZigBee、LoRa、5G等無線協議接入。邊緣側位于端側與云側之間，在靠近用戶的位置，提供各類算力資源以及邊緣服務。邊緣側既提供計算、存儲和網絡等電力應用所需資源，也提供面向電力用戶的各類智能化、數字化邊緣服務。（1）通用服務器通用服務器是邊緣側計算資源的主要載體，通常支持包括x86、ARM、MIPS等在內的一種或多種指令集，并支持多種GPU、FPGA等異構加速硬件。通用服務器還應支持安裝并兼容Linux、Windows等主流操作系統，并支持遠程KVM登錄、遠程固件版本升級、用戶權限配置、服務器日志操作等運維管理能力。此外，服務器還應面向不同的電力應用場景保證硬盤、風扇、電源可靠性以及長時間運行的存儲設備主要用于存儲電力系統的數據，提供存儲能力。邊緣側存儲設備是邊緣側主要的存儲資源載體，這些設備通常包括存儲服務器、存儲陣列、網絡存儲設備和磁盤陣列等。存儲設備可利用各種數據存儲技術，如RAID（冗余陣列）、存儲虛擬化和磁盤陣列等，高存儲容量、性能和可靠性。存儲設備在電力行業邊緣計算中扮演著重要的角色，負責存儲和管理電力行業數據。邊緣側網絡設備是邊緣側主要的網絡資源載體，用于連接邊緣側計算與存儲設備，并實現對數據的轉發和路由功能，主要包括交換機、路由器、防火墻等。邊緣側網絡設備具備一定的安全性，可以防止網絡攻擊和未經授權的訪問，保護邊側設備和數據的安全。此外，邊緣側網絡設備還具有可靠性高、運行穩定的特點，能夠滿足電力行業對于高可用性的要求。（4）加速硬件在一些電力行業邊緣計算場景中，傳統的ARM或x86架構難以滿足功耗和性能要求，因此需要電力行業邊緣計算采用加速硬件以提升應用性能。此外，隨著越來越多的電力應用從云計算中心卸載到邊緣側，邊緣側也需要配套如GPU、NPU、FPGA等加速硬件，以支持系統根據計算任務的特點和需求選擇不同的算力類型，從而獲得更優的性能。例如：對于大量數據并行處理的任務，可以使用GPU加速；對于模擬和優化類的任務，可以使用FPGA加速。2.資源虛擬化邊緣側資源虛擬化主要面向電力行業各類場景，從應用需求角度出發，通過虛擬機、容器等方式，為電力用戶提供靈活的虛擬資源供虛擬機是計算資源云化提供的一種主要方式，可根據業務訴求，按需靈活提供規格各異的計算資源，尤其適用于基因測序、動漫渲染等采用數據并行方式運行的業務類型。其應具備的主要特征如下：n可根據業務訴求選擇不同CPU核數、內存大小、網絡帶寬的n可按需開啟/關閉超線程；n可按需掛載訪問并行文件存儲、塊存儲、對象存儲等多種存n可按需支持GPU或者NPU、FPGA、定制ASIC等多種異構加速方式。容器以其輕量、敏捷、更易于部署維護等特征，受到越來越多的關注和應用。人工智能、大數據等新型業務，正更多地采用容器方式調度運行。容器應支持如下特征：n支持多類型業務智能混合調度、多級隊列、應用拓撲感知、分時復用等調度策略；支持基于優先級，fair-share等的作業搶占策略；n支持GPU或NPU、FPGA、定制ASIC等異構加速資源的感知和調度；n應支持容器網絡與云網絡平面融合，提升網絡互通性和性能，降低網絡轉發對資源的消耗；n應支持通過卸載技術將網絡轉發能力卸載至專用硬件上，進一步提升網絡性能，降低網絡轉發對機器資源和性能的消耗。3.資源管理調度資源管理調度主要用于對邊緣側各種資源進行統一的管理和使用，以向電力應用提供更高效的邊緣服務。邊緣側資n用戶自助式對虛擬機、容器等資源進行創建、刪除、啟動、關閉、變更規格等生命周期管理；n支持用戶對網絡地址、網絡連通性及安全隔離、公網連通性等網絡屬性按需自定義配置；n支持用戶遠程登錄系統，對系統擁有含root用戶在內的完整控制權限，按需進行系統環境配置、監控等操作；n支持創建鏡像、備份等管理操作；n支持資源容量預測和錯峰調度；n支持資源感知業務的智能調度。4.邊緣電力應用電力行業邊緣計算參考架構中的邊緣電力應用能力主要指在部署在邊緣側、面向電力行業提供服務的應用能力，邊緣電力應用主要包含電廠應用、電網應用等。在電廠應用中，邊緣計算設備被部署在電廠內部，用于處理來自各個設備和系統的數據。這些數據可以包括電廠運行參數、設備狀態信息、生產數據等。基于邊緣計算設備對這些數據的處理和分析，電廠可以進行設備可靠性預測和運行參數優化，從而提升效率、降低成的能源管理，從而優化能源消耗、降低能源成本。電廠應用可以處理來自電廠內部設備和系統的數據，并通過分析和優化來提升電廠的效率和可靠性，是電力行業邊緣計算中一種重要的邊緣電力應用。電網應用涉及電網運行的監控、控制、調度和優化。在電網應用中，可通過邊緣計算技術在電網邊緣進行實時數據采集和分析，并通過邊緣計算平臺對電網進行實時控制和調度。例如：在邊側設備中部署邊緣計算平臺，對電網進行實時監控和控制，以保證電網的穩定運行。此外，電網應用還可以通過邊緣計算技術優化電網運行，提高電網的負荷利用率。例如：在邊緣計算平臺上對電網數據進行分析和優化，可以提高電網的負荷利用率，同時降低電網的運行成本。電網應用可通過邊緣計算技術，實現實時數據采集和分析、電網實時控制和調度，從而優化電網運行，是電力行業邊緣計算中一種重要的邊緣電力應用。5.邊緣管理邊緣管理是電力行業邊緣計算中，部署在邊緣側的通用管理能力，包括數據分析、模型推理、設備控制、設備接入、數據預處理等，可面向電力行業應用提供高效、實時、智能化的邊緣服務。（1）數據分析數據分析模塊根據設備采集的信息，利用邊緣節點計算資源，進行本地化智能分析處理，具體包括數據導入與預處理功能、智能分析邊緣側數據分析是邊緣計算在電力行業的核心價值所在。一方面，在邊緣側預處理電力終端設備產生的海量數據信息，進行數據過濾，可以有效降低上云帶寬；另一方面，將計算量大的訓練、推理卸載至邊緣側，可以有效地保障時間敏感應用的處理需求。（2）模型推理模型推理是一種機器學習技術，用于通過已經訓練好的模型來預測新數據的輸出。在電力行業中，模型推理可用來預測電網的負荷、發電設備的效率以及電力系統的性能。隨著人工智能應用，如視頻監控、語音識別和圖像分析，在電力行業中越來越廣泛地應用，將AI模型推理卸載到邊緣節點上，并通過GPU等加速硬件提高模型推理的并發能力，一方面可以降低云端的算力負載，另一方面也可以滿足電力行業應用的實時性需求、降低網絡成本，從而以經濟有效的方式實現應用智能。（3）設備控制在電力業務場景中，利用邊緣計算本地化計算能力可以對攝像頭等視頻設備上傳的采集信息進行及時、高效地處理，并根據外部環境變化生成控制指令，控制相關設備行為，滿足智能安防等應用需求。因此，邊緣側設備控制功能主要包括采集信息能力感知、設備行為控采集信息能力感知要求邊緣側利用多種標準化接入協議感知設實現設備對接；通過專用接口，獲取接入設備的采集信息。設備行為控制要求邊緣側根據設備采集信息，結合分析功能，生成設備控制指令，并通過南向協議向對應設備下發指令，完成對設備行為的控制。（4）設備接入設備接入是指將電力行業邊緣計算參考架構中的智能電表、智能轉換器、遙測設備等各種設備連接到邊側系統中的能力。設備接入可以通過通用邊緣計算平臺、邊緣計算協議等技術實現，以極大地提高邊緣計算參考架構的效率和可靠性。所接入的設備可實時采集和傳輸數據，以支持實時監測和分析。設備接入還可以為邊緣計算應用提供數據源，以進行決策支持和運維管理。（5）數據預處理數據預處理是指在進行邊緣計算之前，對原始數據進行清洗、提取、轉換、格式化等操作，使其能夠被邊緣計算系統更有效地使用。補充缺失的數據等；提取數據，根據邊緣計算任務的需要，從原始數據中提取出有用的信息；轉換數據，將數據轉換為邊緣計算系統能夠識別的格式；格式化數據，將數據轉換為適合邊緣計算系統處理的格式，以提高邊緣計算效率。此外，在邊緣側中數據預處理還可能包括對數據進行本地存儲、分發和壓縮等操作，以便在邊緣計算時更快速地訪問數據。電力行業邊緣計算參考架構中的網絡主要包含云側和邊緣側間的邊緣計算互聯網絡，以及端側和邊緣側間的邊緣計算接入網絡。1.邊緣計算接入網絡邊緣計算接入網絡負責端側設備與邊緣側的信息交互。接入網絡既要支撐大量邊緣計算裝置接入、多元要素連接、靈活組網等多樣化需求，實現結構化和非結構化等多類型數據的高效傳輸；同時還要滿足電網控制、保護等核心業務對通信實時性、可靠性、傳輸速率、時延抖動等指標的嚴苛要求。在數據采集類應用中一般需1G及以上有線/無線網絡；視頻監控類應用中一般需10G有線網絡；在控制類應用中網絡延遲需達到毫秒級響應，以保證故障信息及時回傳和處理，確保生產業務安全。接入網的網絡架構可有多種模式，以靈活支持邊緣計算分布式或相對集中等多種部署方式。隨著5G等網絡技術發展，可利用核心網絡切片等技術靈活地分配網絡資源，合理劃分監測網絡切片、控制網絡切片、計量網絡切片、保護網絡切片等，以保證不同數據類型的傳輸需求與QoS能力。隨著面向差異化服務的資源統一管理機制的逐漸完善，接入網絡資源將會實現高效分配，可滿足未來電力場景下業務隨遇接入與按需承載的需求。2.邊緣計算互聯網絡邊緣計算互聯網絡負責邊緣側與云端的交互連接，是支撐電網數據和信息在邊緣計算基礎設施與云端數字平臺之間雙向流動的必要保障，構成了數字電網的“神經通路”，是數據樣本學習、模型和控制策略下發的主要通道。邊緣計算互聯網絡可通過跨域融合組網架構滿足電網全域物聯與高效數據傳輸等關鍵需求。使用基于新一代通信技術的全域物聯高效接入、支撐多源數據傳輸的無線通信、基于5G的電力通信等新技術，邊緣計算互聯網絡可為電網多業務混合承載提供安全可信接入與可靠保障。在云邊交互中，邊緣計算互聯網絡一方面需要協同與云計算的資源調配，協同的資源包括計算資源、存儲資源和網絡資源等；另一方面還需要協同邊緣設備的資源調配。此外，可采用軟件定義網絡技術以解決云邊協同架構內部的復雜交互需求，即將其作為管控層實現數據管理、網絡資源控制和業務適配管理，同時完成邊緣服務器和云中心之間的交互以及邊緣服務器之間的通信管理。邊緣計算互聯網絡可支持完成計算資源編排、業務編排、網絡資源調配等任務，同時支持完成數據模型適配、采集目標適配、計算算法適配等邊緣服務功能。在網絡訪問驗證、資源授權方面，邊緣計算互聯網絡具備跨域訪問、資源授權等級劃分能力，可避免受到網絡竊聽、傳輸指令篡改等攻擊。邊緣計算互聯網絡還具備實時監控和控制電網的能力，提供電能監測、節能建議等電力服務，支持邊緣節點為電力行業提供基于物聯網的節能管理系統、智能電網管理系統等智能解決方案。云側主要負責邊緣計算節點的管理以及電力相關的設備、應用和數據的管理等，具體包括：節點管理指的是對邊緣計算節點進行監控、維護和管理的能力。節點管理包括以下內容：節點發現：在邊緣計算網絡中發現新的節點，并將其注冊到云側內存使用率、網絡流量等。節點維護：定期對邊緣計算節點進行維護，包括軟件更新、硬件節點配置：對邊緣計算節點進行配置，包括設置IP地址、設置網絡連接、設置安全策略等。通過節點管理，可以確保邊緣計算網絡中的節點正常運行，為電力行業邊緣計算應用提供可靠的基礎設施。2.電力應用管理電力應用管理主要提供應用商店、應用監控和應用日志監控等功能。電力應用管理具體包括以下能力：應用商店管理：可維護應用（容器）的基本信息，并實現對應用的上架、下發、安裝、啟停，從而保證應用的穩定性和可用性。應用監控：通過邊緣物聯代理上報的應用（容器）狀態、告警信息，實現對應用實時運行狀態的監控。應用日志監控：通過對電力行業應用的日志進行管理，包存儲、查詢和分析日志，幫助用戶排查應用問題和優化應用性能。通過電力應用管理，可以保障電力行業邊緣計算中電力應用的便捷、可靠運行。3.電力設備管理電力設備管理是對電力行業邊緣計算中各類電力設備的管理能力，具體包含設備接入、設備監控、模型管理和影子管理。設備接入：支持邊緣物聯代理及端設備信息認證，設備監控：通過邊緣物聯代理上報的工況信息、告警信息，實現對設備接入數量及狀態的實時監控。模型管理：支持對模型文件的定義及維護、數據傳輸格式的校影子管理：實現真實設備在物聯管理平臺的動態映射，包含設備狀態、采集數據和下發命令的斷面數據，支持設備命令的離線下發和業務數據的離線查詢。通過電力設備管理，可向業務系統提供電力設備的臺賬錄入、模型管理、狀態信息查詢、命令下發等標準化接口。4.電力數據管理電力數據管理主要負責管理和維護電力行業的數據資源。電力數據管理包括以下能力：數據存儲：負責對電力行業的數據進行存儲和管理，包括數據收集、數據清洗、數據存儲和數據備份等。數據查詢：負責對電力行業的數據進行查詢和分析，幫助用戶快速獲取所需的數據。數據安全：負責對電力行業的數據進行安全保護，包數據備份和數據審計等。電力數據管理是電力行業邊緣計算架構的重要組成部分，能夠幫助電力行業用戶更好地管理和使用電力行業的數據資源，提高數據的利用效率。安全能力是電力行業邊緣計算中不可或缺的重要能力之一，其中重點包括安全管理和安全技術兩個方面。將安全能力融入電力行業邊緣計算中，提供更加安全可靠的電力行業邊緣計算服務，為電力行業應用安全運行提供更有利的保障。電力行業網絡安全防護遵照“安全分區，網絡專用，橫向隔離，縱向認證”總方針建設。在安全管理方面，依托《電力監控系統安全防護按照《電力行業信息安全等級保護管理辦法》和《電力監控系統安全功能的系統或其中的監控功能部分均應屬于該區。II區為非控制生產區，原則上不具備控制功能的生產業務和批發交易業務系統均屬于該區。III區為生產管理區，該區的系統為進行生產管理的系統。IV區為管理信息區，該區的系統為管理信息系統及辦公自動化系統。V區為互聯網大區。通過多種方式持續健全責任體系，落實“誰主管誰負責，誰運營誰負責”，遵循“同步規劃設計、同步建設設施、同步驗收投運”原則，不斷加強安全防護設備入網、網絡接入管理，加強安全運維和基礎設施安全保障，不斷落地等保測評和安全評估要求。邊緣計算作為電力信息系統的一個環節，在管理上按照企業安全管理要求執2.安全技術電力行業安全橫跨云計算和邊緣計算，整體需要建設立體的端到端的防護。網絡邊緣側由于更貼近萬物互聯的設備，訪問控制與威脅防護的廣度和難度大幅提升。電力行業邊緣計算的安全技術主要包含數據安全、應用安全、平臺安全、網絡安全、物理安全等方面。安全技術對于保證電力行業邊緣側和業務系統可持續健康發展，提供安全可靠的平臺安全環境具有重要意義。（1）數據安全數據安全應確保電力行業數據處于有效保護和合法利用的狀態，并且具備保障持續安全狀態的能力，從而建立一套可基于能源工業互聯網的可用、可管、可監、可控的數據安全管理體系。數據安全管理上必須秉持以下原則：明確職責合規、質量保障、數據最小化、責任不轉移、最小授權、數據保護、可審計等。基于數據分類分級標準指導數據治理和安全建設，明確數據分類分級的基本原則、維度、方法、示例等，為數據安全分類、分級保護提供依據，為數據安全規范、數據安全評估等方面的標準制定提供支撐。在數據全生命周期中，從風險防范角度，例如防止數據非法采集、數據源接入仿冒、數據權屬分歧、數據非法竊聽、數據跨區傳輸、仿冒數據傳輸、非授權訪問、敏感明文存儲、數據匯聚關聯攻擊、數據濫用、數據非法外發等問題的發生，需要建立各種專業的數據安全技術能力，例如數據脫敏、數據加解密、數據庫防泄漏、文件防泄漏、API安全監控等。數據全生命周期監控管理的核心功能包括：數據控規則管理、告警管理等。（2）應用安全各電力企業結合自身業務情況，對電力行業邊緣計算應用制定了安全要求。通過對APP進行加固以及確保APP發布渠道可信等方面，外，應用系統接入必須經過評估和安全測試，確認相關系統安方可進行部署及接入工作。物聯管理平臺與其它設施通信前，應通過安全接口實現雙方的身份認證及訪問控制，并且記錄應用訪問審計日志。物聯管理平臺應對口令信息、隱私數據和重要業務數據等敏感信息的本地存儲進行加密保護，通過訪問權限控制、網絡安全隔離裝置、數據脫敏等措施開展平臺安全防護。平臺安全可通過各公司定制化的標準安全策略對物聯管理平臺運行環境進行安全加固及策略配置，并定期檢查運行環境的安全漏洞。電力企業對接入生產控制大區設立安全接入區，并且采用正反向隔離裝置，以保障網絡安全。邊緣物聯代理設備、傳感終端等類型終端接入時，采用防護措施避免單一終端跨接不同大區。基于密碼技術進行設備或終端安全接入時，采用電力企業統一密碼服務平臺提供的密鑰和數字證書來提供身份認證和通信加解密保護功能。各專業的融合終端等設備，如果直接接入物聯管理平臺，需采用和邊緣物聯代理相同的安全方式接入。傳感終端無線或有線接入邊緣物聯代理時，需采用身份認證措施，其中涉控終端采用對傳輸數據進行加密措施。物理安全是保護信息穩定、可靠運行的基礎，確保平臺網絡及系人為因素等原因導致服務中斷、數據丟失、破壞等問題。物理安全將保障自管機房、托管第三方機房等物理環境的環境安全、設施安全和傳輸介質安全。電力行業邊緣計算參考架構中的運維模塊通過全面、智能的運維管理能力，保障平臺和業務的持續、可靠運行。運維模塊是電力行業邊緣計算中的重要組成，具體包含以下內容：1.在線監測在線監測是運維模塊的重要組成部分，主要是對系統運行日志進行實時動態檢測，以支持及時的故障發現和處理，保證電力系統的穩面向系統運維人員提供統一日志查詢、日志審計功能，為日常運維異常排查和操作合規性審計提供依據。如果發現任何異常情況，在線監測系統就會向運維人員發出警報，并提供有關信息，以便運維人員能夠及時解決問題。在線監測系統還可以與其它如故障管理系統、資產管理系統等系統進行集成，以更好地管理和維護系統。2.人工控制人工控制模塊基于統一賬戶系統和統一認證服務，為平臺各業務部門、管理部門、運營部門、股東企業、數據管理、平臺客戶等，提供包括權限申請撤銷、業務增刪改、合規審批、數據權限管理等流程配置服務。人工控制可以對電力系統的運行進行監測、診斷和處理，包括分析故障原因、確定故障范圍、執行修復操作、調整電力系統的運行參數等。人工控制模塊使用多種工具和方法來實現對電力系統的控制和管理，包括人機界面系統、監控系統、維護系統、自動控制系統等。這些工具和方法為電力系統的運行提供了精確的監測和控制，保證了電力系統的安全運行。3.智能預警智能預警旨在通過使用大數據分析和人工智能技術，對電力系統中可能出現的故障或異常情況進行預測。智能預警系統通常會分析大通過對這些數據的分析，智能預警系統能夠預測電力系統中可能出現的故障或異常情況，并向運維人員發出警報，以便及時處理故障。智能預警系統還能夠通過對歷史數據的分析，為運維人員提供有關設備運行情況的統計信息，以便進行設備維護計劃的制定。智能預警能夠有效提升電力系統的運行效率，為運維人員提供實時的支持，同時降低故障率，在運維工作中發揮著舉足輕重的作用。4.設備管理設備管理主要負責管理電力系統中的各種設備，這些設備可能包括發電機、變壓器、輸電線路、電表等。設備管理功能的主要目的是維護設備的正常運行，包括設備的日常維護、保養、更新和更換。設備管理功能還可以提供設備的資產管理功能，包括設備的購置、領用、歸還、報廢等。在電力行業邊緣計算架構中，設備管理功能通常采用軟件系統來實現，可采用web界面或移動應用程序等方式進行操作。通常設備管理功能會與資產管理系統、財務系統等其它系統集成，從而為運維人員提供更加全面的信息支持。5.運行管理運行管理模塊是電力行業邊緣計算中管理和維護系統正常運行的重要模塊，主要負責電力系統24小時運行保障，包括：發電廠機組啟停、變壓器啟停、線路停送電、有功/無功負荷調整、電壓和頻率調整、監盤、抄表、巡檢、異常及事故處理等。6.故障處理故障處理是運維模塊的一個重要組成部分。它的主要目的是通過自動化的方式快速處理系統故障，以確保系統的正常運行。在故障處理中，系統會自動檢測到故障的發生，并觸發相應的故障處理流程。這些流程可能包括重啟設備、遠程協助調試、轉移數據流量等。故障處理系統數據和故障信息的不斷積累，可逐步形成豐富的故障信息庫，經過分析、計算，在更短的時間內形成解決方案，為生產運行提供更為有力的技術支持。總之，故障處理是運維模塊的重要組成部分，它旨在快速、有效地處理系統故障，確保系統的正常運行。7.輔助應用輔助應用是指為管理和維護邊緣計算系統提供支持的應用程序。這些應用程序可以幫助運維人員監測和管理邊緣計算系統的性能、可用性和安全性。一些常見的輔助應用包括：監控和告警系統：用于實時監測邊緣計算系統的性能指標，并在發生異常情況時發出告警。遠程控制和管理工具：用于遠程管理和控制邊緣計算設備，包括軟件升級、參數調整等。幫助運維人員診斷問題和優化系統性能。安全管理系統：用于管理邊緣計算系統的安全性，包括防火墻、身份驗證、加密等。資產管理系統：用于管理邊緣計算設備的資型號、位置等。運行數據管理系統：用于收集、存儲和分析邊緣計算設備的運行數據，幫助運維人員評估系統性能和可靠性。配置管理系統：用于管理邊緣計算設備的配置信息，包括硬件、軟件、網絡等。知識庫系統：用于存儲和維護邊緣計算設備的操作手冊、維修指南等相關文檔，幫助運維人員快速解決問題。運行指導系統：用于提供邊緣計算設備的運行指導信息，包括運行規程、操作流程等。包括維修計劃、維修進度等。輔助應用能夠幫助運維人員更有效地管理和維護電力行業邊緣計算系統，提高系統的可用性和可靠性。發電場景中的設備和系統會生產海量數據，包括發電量、設備運行狀態等能源數據，這造成了應用和設備之間大量的數據采集和指令下發工作，同時也產生了信道占用、指令延時等問題。利用安全、可靠和高效的邊緣計算技術，通過近端側的邊緣算力服務實施能源數據分析和優化，并向電廠提供智能決策支持，使得發電場景中的決策更加科學、準確和高效。此外，邊緣計算在近端實時數據處理能力對于保障發電廠安全運營具有重要作用。邊緣計算在發電場景中可以為發電系統提供多種實用功能，有助于提高發電系統的效率、可靠性和安1.應用場景與需求（1）智能化采集信息分析場景大量的電力基礎設施位于偏僻無人的地方，如蓄能型水電站、光伏電站、風電場等。不論從提高生產和管理效率的角度，亦或從電網安全的角度，都需要實現高度精準、智能的運維。此外，發電廠還需對設備的運行狀態進行實時監控，并結合電網調度指令進行控制以達到電能平衡輸出的目的。其中，電廠的運行狀態采集、環境監控分析、安全監管均需要使用邊緣計算網關進行智能化收集和分析，并通過邊緣計算提供的異常狀態實時告警能力實現電廠安全智能穩定運行。具體而言，智能化采集信息分析場景存在以下挑戰：云邊業務往來帶來的網絡壓力：調度中心需要對發電側進行等值建模，對網側進行運行狀態實時評價、對電網保護動作進行評價和安全風險分析，這些任務需要的復雜多源數據將會給電力系統北向通信通道帶來沉重的負擔。同時，通信堵塞帶來的數據延時和掉包，會對電網運行狀態評價、保護動作的安全風險分析等實時性要求很高的任務帶來極大的影響，甚至危害到電力系統的安全。發電設備數據質量難以保障：數據的全面采集和感知，是實現發電生產系統智能管控的基礎。但當前現場設備受限于傳輸規約與通訊質量等原因，存在數據缺失、狀態不準確、時間戳丟失或不統一等問題，數據質量難以得到保障。發電設備運維困難：火電廠、水電站和風光伏電分布區域廣、地處偏僻運行環境惡劣、規范管理及運維困難。同時隨著風電、光伏及儲能等新能源裝機量逐年攀升，電廠規模在逐步擴大，運維工作量也持續增高。數據規模增長迅速：隨著物聯網、大數據及人工智能技術的與電力行業的融合發展，多能互補、柔性控制、跨省調度等新需求涌現，所涉及的智能設備和傳感器日益增多，數據采集頻率上升，數據規模呈現倍增趨勢。這對構建智能應用的底層數據架構的擴展性和穩定性提出了更高要求。數據信息孤島：發電系統點多面廣，設備眾多。各個智能應用獨立構建，彼此之間無法有效數據共享和互通。基于現有模式挖掘數據價值以及構建人工智能應用，需要對接多個系統。但各系統之間數據庫不同、數據標簽不統一、時間不匹配，對接工作需要耗費大量人力及開發成本。如圖3所示，邊緣計算可以充分發揮自身特性，在靠近物或數據源頭的一側提供可靠算力，提升運算的及時性并減少對網絡的依賴性。通過構建具備智能能力的邊緣計算平臺，實現多廠家、多類型設備的數據統一實時采集，再利用輕量邊緣流式處理引擎提供場站側的數據采集、過濾、補全、時間窗口計算等能力，提升數據質量，形成強大的邊緣智能化數據采集和分析能力。（2）電廠智能巡檢場景發電行業作為生產設備密集型企業，生產現場錯綜復雜。為滿足未來發展需求，傳統電廠正在普遍進行系統升級，建設更安全、更高采用“無人機+機器人+監控視頻”采集現場視頻，對發電廠環境、設備、人員、車輛進行實時監控和數據采集，將視頻數據傳輸至邊緣計算網關，通過人工智能模型進行分析推理，識別設備異常狀態（如光伏板污損和陰影、風機外殼裂紋等）、外物入侵、升壓變電站儀表異常等狀態并進行報警，并將報警信息上傳至發電廠自動化控制中心或邊緣計算網關對發電設備狀態進行自動化控制，如：火電廠可根據電網調度指令和廠內控制指令自動通過邊緣計算設備控制AGC/AVC系統調節電量與電壓，光伏電站可根據太陽光方向由邊緣計算設備自動調節光伏板方向等等。邊緣計算可幫助發電廠提高智能化水平，滿足未來接入電網需求2.典型案例（1）基于邊緣計算的風機故障診斷及預警系統應用風電機組大部件的可靠性對于機組性能和安全具有重大影響，其故障恢復成本也相對高昂。發生一次齒輪箱重大故障，其修理費用、吊裝費、安裝費等各項恢復費用約在50萬元左右。如齒輪箱報廢，總費用將接近100萬元，該費用超過風機年發電收益的30%以上。并且，大部件故障往往導致風力機停機數月之久，給風場的發電生產帶來巨大損失。如圖4所示，因為不能夠及時提供風電場維修所需配件，而導致風機長時間停運，累計停運最多的7、8月份高達2000小時以上。從2014年4月～12月，理論上共損失電量210萬千瓦時，嚴重影響風機的發電效率和整個風電場的盈利能力。基于邊緣計算的風機故障診斷及預警系統對風機運行狀況進行監測、分析與診斷，能夠獲知機組整體和主要部件的運行狀況，對可能發生的故障及時預警，并為機組檢修計劃安排提供量化的決策支持信息。同時，隨著系統數據和故障信息的不斷積累，可逐步形成豐富的故障信息庫，系統可根據風機的運行數據、故障信息等，經過分析計算，在更短的時間內產生故障解決方案，為風電場的生產運行提供更為有力的技術支持。推動風電場從小件“響應維護”和大件“定期維護”的模式，向“預測式維護”和“主動可靠式維護”的運維策略轉變。基于邊緣計算的風機故障診斷及預警系統設計架構如圖5所示：系統需要實現全站數據實時采集和歷史存儲功能，數據采集主要對象是風機、升壓站、測風塔、風功率預測、電能量系統、AGC和AVC系統。同時，系統需要提供友好的人機界面和開放的數據庫。系統網絡拓撲如圖6所示。此系統具有以下能力：狀態監測：利用人工智能、數據挖掘和模式識別等算法，根據現場運行數據，自動地對風機進行狀態監測，并評估每臺風機的健康狀并根據故障的嚴重程度優化分配維修人員和設備，故障預測分級如圖長時間存儲時域波形能力：通過提供先進的數據分析工具，能夠深度調查和分析故障產生的根本原因；智能報警管理：簡化日常監測任務，集中關注有問題的機組和部強大的數據庫和網絡化信息管理：可以基于網絡獲取風機的物理參數、運行數據、報警狀態信息以及歷史數據。構建風機故障診斷及預警系統軟件。為場站實施風機狀態檢修提供與預警相關的測點信息，便于運行維護人員制定運檢計劃及大型備品備件采購決策。系統構建完成之后，對風機運行狀態進行分析及預警。以某一風機為例：發現某臺風機功率曲線與標準功率曲線存差異較大。經過預警分析，發現風機風速傳感器存在故障，造成風機對風偏航存在較大誤差。風機原始功率曲線如圖8所示。經維修校準后，風機功率曲線如圖9所示：通過精準預警及運維指導，使風機在各個風速段的功率曲線均維持或接近設計值。風機故障診斷及預警系統的持續運行，使風電場發電量提高約2%。該風場裝機容量50MW，設計年利用小時數2600小時，每年可增加260萬千萬時上網電量，經濟效益十分明顯。（2）大規模風光發電站建設案例某地風光發電案例是推動新能源產業發展而規劃的一項重要舉措，擬建設規模為百兆瓦時級的發電系統示范及管理運維平臺。針對示范區大規模多類型風光發電系統運行管理的需要，基于物聯網云邊協同與邊緣計算技術提供對邊緣生產單元狀態感知、邊云協同能量管理、發電設備運行可靠性評估以及發電系統運維策略等多方面能力。在此基礎上，集成系統若干邊緣計算節點及系統私云，建立發電系統管理和設備智能運維平臺，實現大規模風光電發電系統的協如圖10所示，該案例采用了邊云協同架構實現了對海量發電設備的有效管理和儲能狀態的實時感知，并基于自律分散思想建立系統的一致性控制策略，保證儲能系統響應的速度和準確性。該案例通過提供的邊緣計算和云邊協同數據接入與處理能力，建立了基于物聯網的風光發電物聯網設備監控架構，基于自律分散結構的大規模發電設備協同控制和管理技術，實現發電系統狀態感知和系統運行可靠性在線評估，開發發電系統智能診斷與預警算法，打造了大規風光發電系統智能運維平臺，并開展示范驗證。平臺支持數據點100萬個以上，控制響應時間不超過500ms，滿足了大規模風光發電設備系統協同控制、安全和可靠運行需求。輸電是電能利用優越性的重要體現，在現代化社會中，它是重要的能源動脈。輸電系統中會有大量的傳感器和控制設備，收集到的數據可以用來監測和控制輸電線路的運行狀態，并進行預測和優化輸電過程。邊緣計算可以幫助輸電場景中的設備和系統進行實時設備數據處理和分析，支持設備感知和線路巡檢等場景，并可有效提高數據處理的效率和可靠性。邊緣計算還可以支持輸電場景中的設備和系統進行故障診斷和預測，從而提高輸電場景中設備和系統的可靠性和安全1.應用場景與需求（1）設備感知場景設備感知場景包括線路溫度監測、異常放電偵測導線弧垂傳感器、氣象傳感器、通道監控等端側感知設備，將所收集的數據通過本地組網方式傳輸至邊緣計算網關進行計算處理，計算結果上傳至物聯管理平臺，并接入實時預警平臺進行預警。（2）線路巡檢場景線路巡檢場景使用無人機、直升機等飛行器，通過拍照、錄制視頻、激光點云等方式對輸電線路通道和桿塔進行數據采集，采集數據可實時或統一回傳至邊緣計算設備，使用人工智能技術在前端對輸電線路設備和通道缺陷進行預識別，識別結果上傳至監控中心和數據中心。此外，線路巡檢場景還可使用桿塔上的監控設備實時監控線路、桿塔和通道環境狀態，監控視頻信息傳送至桿塔側部署的邊緣計算設將結果上傳至監控中心并實時告警。2.典型案例（1）輸電線路防鳥刺部件進行識別與故障檢測案例日益頻繁的鳥類活動給輸電線路的安全運行帶來了威脅，由鳥害引起的輸電線路故障次數也呈明顯上升趨勢。現階段，采取的防鳥害于防鳥刺具有安裝相對簡單、綜合防鳥效果較好等優點而被廣泛應用。然而隨著使用時間延長及惡劣環境的影響，防鳥刺容易產生倒伏等故障而失去防鳥作用，給輸電線路安全運行帶來隱患。因此，有必要在輸電線路巡檢作業中及時對故障防鳥刺進行檢測處理。可以考慮利用在無人機上搭載邊緣計算設備來對防鳥刺設備進行檢測處理。然而由于電力巡檢圖像中電力鐵塔上的防鳥刺具有輪廓特征較不明顯、部分重疊分布的特點給防鳥刺部件識別與故障檢測研究帶來一定挑戰。針對電力巡檢圖像中防鳥刺尺寸差別較大、部分防鳥刺輪廓特征較為不顯著、防鳥刺重疊較為嚴重等問題，為提高無人機電力巡檢中防鳥刺的故障檢測準確率，提出一種基于深度卷積神經網絡的防鳥刺識別與故障檢測方法。防鳥刺識別與故障檢測具體流程如圖11所示，首先利用銳化濾波器對電力巡檢圖像進行銳化處理，進一步增強防鳥刺的輪廓特征；其次采用經過多尺度訓練的YOLOv3目標檢測網絡，增強網絡對不同防鳥刺尺度的適應能力，并通過實驗選取NMS閾值，實現重疊防鳥刺目標檢測；根據預測框坐標，從無人機電力巡檢圖像中截取出防鳥刺區域，最后利用設計的故障檢測器，完成防鳥刺的故采用二階銳化微分方法實現電力巡檢圖像的銳化處理。先利用銳化濾波器對電力巡檢圖像進行銳化處理；其次運用經過多尺度訓練的YOLOv3目標檢測網絡框選并截取出經過銳化處理的電力巡檢圖像中的防鳥剌區域；最后利用基于Resnet152特征提取網絡的防鳥刺故障檢測器處理截取出的防鳥刺區域，實現防鳥刺故障檢測。利用YOLOv3進行目標檢測。YOLOv3檢測速度快且檢測準確率較高，尤其在小目標的檢測與識別上，檢測準確率有了很大的提升。YOLOv3特征提取網絡為52層的卷積神經網絡；網絡共進行5次下采樣，每次采樣步長為2，最后輸出層特征圖尺寸大小為網絡輸入尺寸大小的1/32，共進行3次檢測。為能夠充分利用網絡的深層特征，分別在32倍下采樣和16倍下采樣處使用步長為2的上采樣，然后分別與16倍下采樣和8倍降采樣的特征圖拼接，實現多尺度檢測。利用上述方法，實現電力巡檢圖像中的防鳥刺部件識別與故障防鳥刺檢測，防鳥刺部件識別平均準確率為95.36%，故障防鳥刺檢測準確率為92.3%。實驗結果表明，所提方法能夠有效實現電力巡檢圖像中防鳥刺部件識別與故障檢測。（2）基于攝像頭的輸電線路異常目標檢測案例輸電線路作為電能輸送和分配的載體，其安全、可靠運行是智能電網持續穩定運行的關鍵。電力系統輸電線路線跨距長、電壓等級高、地形條件復雜，容易受到輸電導線異常目標如山火、異物、塔吊、吊車的影響，極易造成相間短路或輸電設施破壞，導致線路非計劃停運，嚴重危及輸電線路安全穩定運行。據統計，近年來國家電網公司330kV及以上輸電線路共發生輸電線路異常目標所導致的故障436次，占故障總數的18.7%，停運274次，占停運總數的35.12%，且呈逐年增長趨勢，輸電線路異常目標所導致故障已經成為造成輸電線路停運的主要原因，對社會造成極大的經濟損失。同時由于輸電線路邊緣側設備算力、供電、通信資源受限，導致數據中心負荷重，檢測漏報率高，應急處理能力嚴重不足。為此，通過構建基于邊緣計算的輸電線路異常目標檢測架構，并提出一種針對輸電線路場景復雜背景復雜形狀的異常目標檢測模型，以實現輸電線路異常目標的快速準確識別。該模型基于改進型MobileNetv3網絡精細化提取異常目標特征信息，然后利用多尺度目MobileNetv3模型采用深度可分離卷積技術，如圖12所示，深度可分離卷積由深度卷積和逐點卷積構成，深度卷積負責濾波，作用在輸入的每個通道上；逐點卷積負責通道變換和特征融合，作用在深度卷積的輸出特征映射上。針對資源受限的邊緣計算終端，基于貢獻度感知通道剪枝策略，實現模型輕量化壓縮，得到輕量化輸電線路異常目標檢測模型。使用通道剪枝來去掉模型參數W中冗余的通道，從而降低計算所需內存，提升推理速度。為了驗證該方法的實際效果，嘗試研制輸電線路邊緣計算終端。如圖13所示，邊緣計算終端搭載高清攝像頭，并配備4G無線通訊模組，將輸電線路異常目標檢測結果和異常影像通過“國網芯”加密芯片加密后傳送給電力人工智能平臺。由于輸電線路場景取電困難，為了保持邊緣計算終端持續運行和綠色低碳，輸電線路邊緣計算終端采用太陽能電池供電。邊緣計算終端已在國網多地市公司開展了試點應用，輸電線路邊緣計算終端安裝于輸電線路的鐵塔上，就地辨識輸電線路異常目標。輸電線路邊緣計算終端實際應用效果如圖14所示，實現了塔吊、吊車、山火、導線異物邊緣側識別，無需將圖像遠傳至數據中心進行處理，配合聲光告警裝置和報警推送功能，有效避免因異常目標造成的輸電線路破壞或短路，具有良好的應用效果和推廣前在變電場景中，邊緣計算可以通過放置計算資源在網絡的邊緣位置來滿足電力系統對低延遲、高實時性和網絡通信能力的需求。變電場景中的邊緣計算應用包括實時監測和控制電力設備和網絡等，通過處理大量實時數據，為電力公司的決策提供實時支持，支持虛擬電網運行，協調不同的發電、儲能和負荷資源，實現電力系統的可再生能源轉換與電力系統的自主調度。通過邊緣計算的應用，可以提高變電場景的安全性和可靠性，降低運行成本和維護難度，提升電力系統的智能化水平和可持續性，促進電力系統的轉型。1.應用場景與需求（1）電站設備管理場景電站設備管理主要包括對變電站和換流站的變壓器、斷路器、交直流濾波器、氣體絕緣開關、開關柜等主設備狀態數據，以及氣象、噪聲、水浸、金屬腐蝕等環境狀態數據的采集和分析處理。通過各類端側傳感器進行數據采集后，通過網絡傳輸至邊緣計算網關進行統一格式化處理，然后傳輸至集控中心物聯管理平臺進行分析與統計，以支持電站設備的統一管理和運行維護。（2）變電站智能巡視場景邊緣計算在電力生產運行的應用場景已日漸清晰，其中在變電業務中非常重要的使用場景就是變電站區域遠程智能巡視，如圖15所示。在區域層級部署區域遠程智能巡視系統，統一承載集控站集中巡視功能，實現對下區域“自治”，對上云邊“協同”，大幅度提升部署效率，降低投資成本，實現高效集約化管理。變電站區域遠程智能巡視要求完成集控站和新一代集控系統建設，構建“無人值守+集中監控”、“設備主人+全科醫生”運維管理新模式，實現變電站設備全面監控。模型調用!模型提供服務調用結果反饋存儲最新樣本存儲最新樣本及模型提供歷史樣本及模型模型模型模型指令指令數據上傳巡檢任務巡檢數據巡檢任務巡檢數據上傳四四2.典型案例（1）供電公司邊緣智能運維巡視案例在新型電力系統的建設背景下，各省電力公司積極落實公司工作要求，開展變電站智能運維建設，穩步推進變電設備監控職責移交至運維單位。項目通過建設一套邊緣智能運維巡視系統，實現市供電公司下轄部分重點變電站的智能運維巡檢。依托邊緣數據中心站等新型數字基礎設施，打造電網邊緣云，承載新一代集控站遠程巡視及站端分析業務。在市供電公司下轄的幾十余座變電站，通過視頻監控高清攝像機接入，為遠程智能巡視系統提供數據采集支撐。在其中選取一個通信情況較好的網絡節點建設邊緣數據中心站，通過搭建遠程智能巡視系統，實現智能高清視頻巡視，實現數據整合、優勢互補，并最終將數據推送至相關業務系統。視頻智能識別同時自動生成巡視報表，進一步減輕甚至替代運行人員完成重復和繁瑣的巡檢工作，降低現場運維巡視工作量，解決整個運維班巡檢存在的人手不足、智能化程度低等問題，打造敏捷運維班組，助力設備專業數字化轉型。未來隨著應用規模的不斷擴大，在設備部變電站層級建立邊緣計算集群關鍵節點，保證業務數據上下貫通、業務應用上下聯動。打造設備部自有的具有規模效應的邊緣云，做到業務靈活可擴展、數據融合可調用、站站光纖聯網運營、資源彈性部署互為備份，為日后設備專業系統建設、智能化升級提供資源支撐。此外，在輸變配應用基礎上，逐步擴大到互聯網部、營銷部等電力系統內所有需要人工智能的應用環境，提供應用承載，實現電網靈活柔性調度，助力構建靈活可靠的新型電力系統。區域智能巡視系統主要包括以下巡視模式：a.視頻巡視基于邊緣數據中心站的區域智能巡視系統：對區域變電站站端視頻數據進行處理，利用人工智能、邊緣計算等技術，對采集到的變壓器、套管、PT、CT等重要設備的圖像數據進行高效智能分析，實現智能巡視、智能聯動、作業管控等功能。具體包含如下能力：巡檢任務定制化布控：多個變電站的巡視任務管理和下發、依次輪巡，支持對巡檢數據存儲、回傳、處理等個性化定制。設備集中管理：下轄變電站巡視設備的集中管理，包括巡視設備的缺陷記錄、運維信息、臺賬信息等。資源集約復用：邊緣數據中心站下變電站共用算法庫、樣本庫，減少系統維護工作量。視頻巡視模式如圖16所示。b.無人機巡視通過對無人機、機巢的遠程自動控制，實現變電站（換流站）無人一鍵式自主巡檢與風險及時預警，涵蓋無人機在變電站內外巡檢安全作業全過程，包括事前路徑精準規劃；事中飛行作業的自動化、巡視過程的安全管控及所巡視設備狀態的智能分析預警；事后根據巡檢中排查出的隱患進行及時檢修，提升變電站運行的安全性及穩定性。無人機巡視系統按照一定時間間隔定時、主動向巡視主機上報數據并接收響應消息，由部署在邊緣云的管理系統向巡視主機發起無人機控制請求，巡視主機收到請求后控制無人機執行相應動作并發送響無人機巡視模式如圖17所示。c.機器人巡視機器人巡視通過紅外熱成像和高清視頻雙視相結合，精確識別變電站內各類儀表讀數及設備制熱現象，并及時發現設備缺陷，提高變電站設備巡視效率。機器人采集的巡視數據包括可見光照片、紅外圖譜、音頻等。由部署在邊緣云的管理系統及相應的基礎設施資源提供分析模型的建立、巡視任務調度及控制、系統設備的管理及監視等功（2）變電站物聯網邊緣計算平臺案例變電站物聯網平臺構建邊緣計算框架，集變電設備物聯網以及數據的接入、處理、分析等能力為一體，實現各類變電設備傳感器的數據接入、流式計算處理，支撐局部放電及其他智能診斷應用的建立。同時基于設備裂化狀態，需要及時開展預防性檢修工作，以提高變電站設備運行效能，降低設備運維和使用成本，實現設備健康管理水平質的飛躍，提高電網的智能化、安全運維水平。如圖18所示，物聯網平臺形成由自下而上的信息流和自上而下的決策流（管理指令、優化控制指令等）構成的端邊云協同的應用閉變電設備的數據感知處理主要是邊緣計算層完成。邊緣計算層由存儲服務、應用服務以及邊緣管理接口服務等組成。物聯網云平臺作為連接各個邊緣節點的物聯網大數據中心，由分布式數據接入、分布式數據存儲、數據資產管理、數據計算分析、數據服務組成，提供面向全局的數據匯集、處理、計算分析、訪問和共享能力。感知層的微功率傳感器數據（主要包括環境監測和設備監測兩種類型通過接入匯聚節點和邊緣節點，上傳到物聯管理平臺，助力用戶打造集狀態全面感知、數據安全接入和信息高效處理為特征的物聯網型的智能變通過將邊緣計算模塊接入各類設備傳感器，實現了變電站核心設備性能監測量全覆蓋、設備狀態數據的實時接入以及信息高效處理，支撐各類設備故障診斷、預測預警等智慧應用的建立。在碳達峰、碳中和大背景下，數字能源、智慧能源建設是能源行業發展趨勢，變電物聯網平臺、邊緣計算框架是推動變電站智能化運營的基礎，極大降低變電站的設備診斷、運維檢修成本。配電是電力系統中直接與用戶相連并向用戶分配電能的環節，主要涉及管理包括面向中壓配電網和低壓配電網的配電自動化主站等測控主站。在配電場景中，邊緣計算技術可支持配電網絡的現場維護和檢修、規劃和設計、狀態估計和狀態辨識、故障診斷和故障定位、能耗管理和能效優化等。通過邊緣計算的應用，可以實現數據實時采集、即時處理、就地分析需求，實現設備狀態全方位感知與需求快速響應，從而提高配電場景的維護效率和規劃能力。1.應用場景與需求（1）配電網場景配電業務場景主要包括配網運行狀態感知、營配業務貫通、臺區精益管理三大類。覆蓋了柱上變、箱變、配電室等三種主流低壓配電臺區環境，構建以臺區邊緣計算網關為中心的低壓配網一體化管控體系，實現配電設備狀態全管控，提升故障搶修效率、供電可靠性和客戶服務水平。具體而言，配電業務場景主要包括：配網運行狀態感知：基于物聯網及邊緣計算技術，在感知層實現配電臺區運行工況、設備狀態等信息的實時采集監控，動態獲取節點拓撲信息，主動發現臺區變壓器-用戶關系等信息。然后，將所收集的數據上傳至配電自動化主站的邊緣計算網關，對數據進行在線分析與深度挖掘，在邊緣計算節點完成本地用戶停電時間、類型、原因、性質等事件的統計匯總，實現對低壓配電網整體運行狀態及配電設備的實時監控與風險預警，實現配電網運行狀態全景感知。結合臺區動態電氣拓撲關系，對低壓臺區線損進行準確計算分析，精準定位低壓配電網上的竊電行為。建立典型日負荷曲線的預測模型，對臺區負荷情況進行預測。臺區邊緣計算網關存儲的運行數據可作為預測客戶用電需求及實際負載趨勢的基礎，支持業擴配套建設。臺區精益管理：依托臺區客戶用電數據和邊緣計算網關算力，研判配電臺區故障及停電事件，發揮臺區邊緣計算網關本地化邊緣計算能力和處置優勢，支撐故障停電精準分析，實現故障點和停電地理分布的即時展示，自動識別停電影響范圍及重要敏感用戶并自動通知停電信息，支持區域內故障快速處理，提升客戶的用電體驗。2.典型案例（1）高性能硬件加速聲紋檢測用于放電檢測機載式聲紋相機AC910是一個面向電力行業輸電和配電場景，應用機載式聲紋相機是進行電力傳輸線路局部放電定位檢測的專用分析設備。在輸電和配電的輸電線路巡檢中，一臺機載式聲紋相機可以輕松地在2個小時的時間內完成往常需要人工1個禮拜的巡檢工作，大大提升了輸電、配電巡檢的效率。機載式AC910采用高通道數、高采樣率的聲紋陣列采集大量聲音數據，結合特有的定位算法，進行故障聲源的定位，生成實時熱力圖、局放圖和時頻圖。機載式AC910需要將聲紋熱力圖、局放圖等特征圖譜與攝像頭拍攝的視頻進行疊加后，在遙控器上顯示。這些高密度數據的計算通過使用強大并行計算的能力，有效降低了AC910的整體功耗，對聲紋算法進行了優化，使算法發揮了更大優勢。通過在邊緣側提供強大的多媒體硬件編解碼能力，高效地實現視頻處理功能，有效支撐放電定位檢測應用，如圖19所示。用電業務場景下，以優質用能服務為抓手，提高能源傳輸和利用效能，通過采集用電終端（如智能家電、智能電表、中央空調等）數據，在邊緣計算網關進行匯聚和計算，傳輸至物聯管理平臺進行進一步分析和統計，提高綜合能源普遍服務、惠民利政的水平，提升數據價值共享開放、賦能變現的能力。1.應用場景與需求（1）智能用電場景用電業務場景包含居民智慧家庭用能服務、商業樓宇用能服務、電動汽車及分布式能源服務等典型業務場景，支持居民和樓宇負荷靈活、柔性、高效調節，支持電動汽車有序充電，并結合用戶側分布式光伏、儲能等有源網絡進行統一協調控制。用電業務場景主要包括：居民智慧家庭用能服務：采集居民側智能家電、智能電表信息，包括設備運行狀態及待機狀態電能數據、啟停時間、儲能單元、環境等信息抄表數據，由邊緣計算網關進行匯總和計算，計算后的結構化信息上傳至物聯管理平臺、用電計量平臺等平臺進行數據統計和決策通過傳感器將空調系統組件及其狀態信息實現就地感知與融合，由邊緣計算網關進行就地整合和計算分析，并將計算結果上傳至物聯管理平臺、社區綜合能源系統，對樓宇用能設備進行實時優化控制，提升系統能效管理水平。電動汽車及分布式能源服務：電動汽車與分布式能源系統基于新一代智能電表實現電網設備數據的感知、采集和控制。通過將設備數據上傳至邊緣計算網關，該系統作為臺區智能管理單元實現對臺區充電樁運行狀態實時感知，支撐用戶側查詢閑置充電樁的功能，進而提升充電樁利用率；該系統支持負荷數據收集和臺區內用戶側設備的智能控制，支持進一步分析電耗數據、運行時長、支撐充電負荷預測與2.典型案例（1）邊緣智能用電電表應用案例智能電網芯片是一種可嵌入智能電表的智能電網模塊，可以增強電網彈性，在太陽能發電設施、儲能設施和電動汽車之間整合分布式能源（DER并加速向脫碳電網的過渡。圖20顯示了嵌入在智