面向居民智能用电的边缘计算协同架构研究

doi:10.3969/j.issn.1000-7229.2018.11.008

电力建设 ›› 2018, Vol. 39 ›› Issue (11): 60-68.doi: 10.3969/j.issn.1000-7229.2018.11.008

面向居民智能用电的边缘计算协同架构研究

刘思放1，邓春宇2，张国宾2，祁兵1，李彬1，李德智2，石坤2，杨斌3，奚培锋4

1.华北电力大学电气与电子工程学院，北京市 102206；2. 中国电力科学研究院有限公司，北京市 100192；3.国网江苏省电力公司，南京市 210024；4. 上海市智能电网需求响应重点实验室（上海电器科学研究所（集团）有限公司），上海市200063

出版日期:2018-11-01
作者简介:刘思放（1995），女，硕士研究生，主要从事电力系统通信、需求响应和智能用电方面的研究工作；邓春宇（1982），男，硕士，高级工程师，主要研究方向为电力信息化、大数据、人工智能；张国宾（1988），男，硕士，工程师，主要研究方向为配电网规划与人工智能应用；祁兵（1965），男，教授，博士生导师，IEC PC118工作组专家，主要从事电力节能、自动需求响应相关技术方面的研究工作；李彬（1983），男，博士，副教授，主要从事智能用电、自动需求响应技术方面的研究工作；李德智（1982），男，硕士，工程师，主要从事智能用电、需求响应、能效管理方面的研究工作；石坤（1984），男，工程师，主要研究方向为能效与智能用电技术；杨斌（1977），男，高级工程师，主要研究方向为电力需求侧管理；奚培锋（1981），男，硕士，主要研究方向为智能电网用户端系统相关技术。
基金资助:
中国电力科学研究院创新基金项目（5242001600HV）

Research on Collaborative Architecture for Edge Computing of Residential Intelligent Usage of Electricity

LIU Sifang1， DENG Chunyu2， ZHANG Guobin2， QI Bing1， LI Bin1， LI Dezhi2， SHI Kun2， YANG Bin3， XI Peifeng4

1. School of Electrical and Electronic Engineering， North China Electric Power University， Beijing 102206， China；2. China Electric Power Research Institute， Beijing 100192， China；3. State Grid Jiangsu Electric Power Company， Nanjing 210024， China；4. Shanghai Key Laboratory of Smart Grid Demand Response （Shanghai Electrical Apparatus Research Institute （Group） Co.， Ltd.）， Shanghai 200063， China

Online:2018-11-01
Supported by:
This work is supported by Innovation Fund of China Electric Power Research Institute（No.5242001600HV）.

摘要/Abstract

摘要： 随着电力系统的快速发展和智能家电的普及，面向居民智能用电的能源互联基于家庭应用环境，重新定义了智能用电系统各终端的功能以及终端之间广泛的互联互通与智能协同内涵。该文为常见的用户侧智能用电相关系统提出了一种边缘计算协同控制架构，可以解决多个大功率负荷同时工作导致负荷过载的问题。在边缘计算参考架构的基础上，分析了居民智能用电协同架构，不同智能用电终端各自的云平台通过统一接口连接入云协同平台，将终端边缘计算的数据信息传入云协同平台，再根据家电优先级排序，由该平台统一控制家电的开关，达到避免负荷功率过载的目的。并提出了基于层次分析法的家电优先级排序思路，对比了分布式协同与集中式协同架构。边缘计算协同架构通过设备边缘计算、协同控制中心的运维管理及云平台的智能协同，分析并处理庞杂的家电负荷数据，优化居民智能用电的运行模式，保障智能家电系统平稳高效运行。

关键词: 智能用电, 边缘计算, 云协同, 家电优先级排序

Abstract:

With the acceleration of the development of power system and the popularization of intelligent home appliances， functions of intelligent terminals， extensive interconnection among terminals and intelligent collaboration are redefined. This paper proposes a collaborative architecture for edge computing of intelligent electricity usage for residential users， which can solve the overload problem when several high-power loads are working at the same time. Based on the edge computing reference architecture， the framework of collaborative strategy is analyzed. Then， according to the priority ranking of the home appliances， the cloud collaborative platform controls the switching of appliances， thus realizing the goal of avoiding the overload of power. This paper proposes a priority ranking method based on analytic hierarchy process （AHP）， compares distributed and centralized collaborative architecture. Through edge computing on intelligent devices， the complex household appliance load data could be analyzed and processed， the operating mode of residential intelligent usage of electricity is optimized to ensure a smooth and highly efficient intelligent home appliance system.

Key words: intelligent usage of electricity, edge computing, cloud collaboration, priority ranking of home appliances

中图分类号:

TM 73

刘思放，邓春宇，张国宾，祁兵，李彬，李德智，石坤，杨斌，奚培锋. 面向居民智能用电的边缘计算协同架构研究[J]. 电力建设, 2018, 39(11): 60-68.

LIU Sifang， DENG Chunyu， ZHANG Guobin， QI Bing， LI Bin， LI Dezhi， SHI Kun， YANG Bin， XI Peifeng. Research on Collaborative Architecture for Edge Computing of Residential Intelligent Usage of Electricity[J]. Electric Power Construction, 2018, 39(11): 60-68.

参考文献

［1］CHENC， KISHORE S， SNYDER L V. An innovative RTP-based residential power scheduling scheme for smart grids［C］//IEEE International Conference on Acoustics， Speech and Signal Processing. IEEE， 2011：5956-5959.
［2］NGUYEND T， LE L B.Joint optimization of electric vehicle and home energy scheduling considering user comfort preference［J］. IEEE Transactions on Smart Grid， 2014， 5（1）：188-199.
［3］LIJ， CHUNG J Y， XIAO J， et al. On the design and implementation of a home energy management system［C］//International Symposium on Wireless and Pervasive Computing. IEEE， 2011：1-6.
［4］PIPATTANASOMPORNM， KUZLU M， RAHMAN S. An algorithm for intelligent home energy management and demand response analysis［J］. IEEE Transactions on Smart Grid， 2012， 3（4）：2166-2173.
［5］ZHUANGZ， WON C L， YOAN S， et al. An optimal power scheduling method for demand response in home energy management system［J］. IEEE Transactions on Smart Grid， 2013， 4（3）：1391-1400.
［6］祁兵，刘林，李彬，等. 基于智能协商的家电负荷实时优化控制［J］. 现代电力， 2017， 34（5）：30-37.
QI Bing， LIU Lin， LI Bin， et al. Real-time optimal control of household appliance load based on intelligent negotiation［J］. Modern Electric Power， 2017， 34（5）：30-37.
［7］ZHANGK， WU T， CHEN S，et al. A new energy efficient VM scheduling algorithm for cloud computing based on dynamic programming［C］//IEEE， International Conference on Cyber Security and Cloud Computing. IEEE， 2017：249-254.
［8］边缘计算产业联盟.边缘计算产业联盟白皮书［R］.北京：边缘计算产业联盟， 2016.
［9］国家电网公司.电力用户用电信息采集系统功能规范：Q/GDW 1373—2013［S］. 北京：中国电力出版社，2013.
［10］胡江溢，祝恩国，杜新纲，等. 用电信息采集系统应用现状及发展趋势［J］. 电力系统自动化， 2014，38（2）：131-135.
HU Jiangyi， ZHU Enguo， DU Xingang， et al. Application status and development trend of power consumption information collection system［J］. Automation of Electric Power Systems， 2014，38（2）：131-135.
［11］陆俊，李子，朱炎平，等. 智能配用电信息采集业务通信带宽预测［J］. 电网技术， 2016， 40（4）：1277-1282.
LU Jun， LI Zi， Zhu Yanping， et al. Communication bandwidth prediction for information gathering services in power distribution and utilization of smart grid［J］. Power System Technology， 2016， 40（4）：1277-1282.
［12］边君君.面向用电信息采集的无线传感器网络拥塞控制策略研究［D］. 北京：华北电力大学， 2013.
BIAN Junjun. The study of electricity information collection-oriented congestion control strategy in wireless sensor networks［D］. Beijing： North China Electric Power University， 2013.
［13］孙毅，崔灿，陆俊，等. 基于遗传优化的非侵入式家居负荷分解方法［J］. 电网技术， 2016， 40（12）：3912-3917.
SUN Yi， CUI Can， LU Jun， et al. A non-intrusive household load monitoring method based on genetic optimization［J］. Power System Technology， 2016， 40（12）：3912-3917.
［14］祁兵，韩璐. 基于遗传优化的非侵入式居民负荷辨识算法［J］. 电测与仪表， 2017， 54（17）：11-17.
QI Bing， HAN Lu. A non-intrusive residential load identification algorithm based on genetic optimization［J］. Electrical Measurement and Instrumentation， 2017， 54（17）：11-17.
［15］苗田银.大型光伏电站能量管理系统研究［D］. 北京：华北电力大学， 2017.
MIAO Tianyin. Research on the large-scale photovoltaic plant energy management system［D］. Beijing： North China Electric Power University，2017.
［16］余贻鑫，孙冰，秦超，等. 互联电力系统中高比例风电和太阳能光伏的开发与消纳模式研究［J］. 南方电网技术， 2017，11（10）：10-18.
YU Yixin， SUN Bing， QIN Chao， et al. Study on the development and consumption mode of high penetration of wind power and solar photovoltaic in interconnected power systems［J］. Southern Power System Technology， 2017，11（10）：10-18.
［17］刘东冉，陈树勇，马敏，等. 光伏发电系统模型综述［J］. 电网技术， 2011， 35（8）：47-52.
LIU Dongran， CHEN Shuyong， MA Min， et al. A review on models for photovoltaic generation system［J］. Power System Technology， 2011， 35（8）：47-52.
［18］李彬，贾滨诚，曹望璋，等. 边缘计算在电力需求响应业务中的应用展望［J］. 电网技术， 2018，42（1）：79-87.
LI Bin， JIA Bincheng， CAO Wangzhang， et al. Application prospect of edge computing in power demand response business［J］. Power System Technology， 2018，42（1）：79-87.
［19］周黎莎，于新华. 基于网络层次分析法的电力客户满意度模糊综合评价［J］. 电网技术， 2009， 33（17）：191-197.
Zhou Lisha， YU XinHua. Fuzzy comprehensive evaluation of power customer satisfaction based on analytic network process［J］. Power System Technology， 2009， 33（17）：191-197.
［20］郭金玉，张忠彬，孙庆云. 层次分析法的研究与应用［J］. 中国安全科学学报， 2008， 18（5）：148-153.
GUO Jinyu， ZHANG Zhongbin， SUN Qingyun. Study and applications of analytic hierarchy process［J］. China Safety Science Journal， 2008， 18（5）：148-153.
［21］邓雪，李家铭，曾浩健，等. 层次分析法权重计算方法分析及其应用研究［J］. 数学的实践与认识， 2012， 42（7）：93-100.
DENG Xue， LI Jiaming， ZENG Haojian， et al. Research on computation methods of AHP wight vector and its applications［J］. Mathematics in Practice and Theory， 2012， 42（7）：93-100.
［22］李昌兵，杜茂康，胡华. 结合分布式与集中式特点的动态多播路由算法［J］. 计算机系统应用， 2008， 17（6）：62-66.
LI Changbing， DU Maokang， HU Hua. Dynamic multicast routing algorithm based on distributed and centralized algorithm［J］. Computer Systems and Applications， 2008， 17（6）：62-66.
［23］胡雪婧.基于ZooKeeper的分布式系统的消息发送机制的设计与实现［D］. 长春：吉林大学， 2016.
HU Xuejing. Design and implementation of distributed system messaging mechanism based on ZooKeeper［D］. Changchun： Jilin University， 2016.
［24］武东升.家庭能量管理系统用电与电能调度优化策略研究［D］.哈尔滨：哈尔滨工业大学，2017.
WU Dongsheng. Research on optimization strategy of electricity consumption and dispatch of home energy management system［D］. Harbin： Harbin Institute of Technology， 2017.

[1]	原吕泽芮，顾洁，金之俭. 基于云-边-端协同的电力物联网用户侧数据应用框架[J]. 电力建设, 2020, 41(7): 1-8.
[2]	祁兵，叶欣，李彬，陈宋宋，李源非，石坤. 考虑IEC标准的用户侧电力物联网体系架构研究[J]. 电力建设, 2020, 41(5): 92-99.
[3]	徐晓，陈中，丁宏恩，方国权，陈妍希，杜璞良. 面向区域售电公司的边缘计算架构设计探讨[J]. 电力建设, 2019, 40(7): 41-47.
[4]	杨军，林洋佳，陈杰军，李逸欣，詹祥澎. 未来城市共享电动汽车发展模式[J]. 电力建设, 2019, 40(4): 49-59.
[5]	祁兵1,2, 夏琰1, 李彬1, 石坤2, 薛溟枫3. 基于边缘计算的家庭能源管理系统：架构、关键技术及实现方式[J]. 电力建设, 2018, 39(3): 33-.
[6]	李彬，肖惠，文亚凤，李德智，陈宋宋，杨斌，崔高颖. 基于区块链的智能用电云服务模式分析[J]. 电力建设, 2017, 38(9): 8-.

面向居民智能用电的边缘计算协同架构研究

Research on Collaborative Architecture for Edge Computing of Residential Intelligent Usage of Electricity

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 6

编辑推荐

Metrics

本文评价