电工电气杂志社

基于电力数据驱动的云控平台边缘计算优化策略

来源：电工电气发布时间：2024-11-04 13:04 浏览次数：215

基于电力数据驱动的云控平台边缘计算优化策略

戴瑞海¹，万燕珍²，罗曼²，洪达²，周国华¹

(1 国网浙江省电力有限公司杭州市萧山区供电公司，浙江杭州 311200；

2 浙江中新电力工程建设有限公司，浙江杭州 311200)

摘要：随着工业互联网和智能电网的发展，电力数据量呈指数级增长。边缘计算作为一种新型计算范式，通过将计算资源部署在靠近数据源的边缘节点上，有效地缓解了中心服务器的压力，提升了数据处理的实时性和可靠性。提出了一种电力数据驱动的工业云控平台边缘计算优化策略，从数据预处理、边缘节点的合理分布以及动态任务调度等进行了系统分析。通过实际案例验证了所提出的边缘计算优化策略不仅显著提高了系统的实时响应能力及计算资源的利用，而且增强了数据的安全性，为智能电网的运行和发展奠定了基础。

关键词： 电力数据；边缘计算；云控平台；优化策略；数据预处理；边缘节点；任务调度

中图分类号：TM732 ；TM744 文献标识码：B 文章编号：1007-3175(2024)10-0037-05

Optimization Strategy for Edge Computing of Cloud

Control Platform Based on Power Data Driven

DAI Rui-hai¹, WAN Yan-zhen², LUO Man², HONG Da², ZHOU Guo-hua¹

（1 State Grid Zhejiang Electric Power Co., Ltd. Hangzhou Xiaoshan District Power Supply Company, Hangzhou 311200, China;

2 Zhejiang Zhongxin Electric Power Engineering Construction Co., Ltd, Hangzhou 311200, China）

Abstract: With the development of industrial internet and smart grid, the amount of power data is growing exponentially. Edge computing as a new computing paradigm, it effectively relieves the pressure on the central server and improves the real-time and reliability of data processing by deploying computing resources on edge nodes close to the data source. This paper proposes a edge computing optimization strategy of industrial cloud control platforms of power data driven, then systematically analyzes in terms of data preprocessing, reasonable distribution of edge nodes and dynamic task scheduling. It has been verified by practical cases that edge computing optimization strategy not only significantly improves the real-time response ability of the system and the utilization of computing resources, but also enhances the security of data, which lays a foundation for the operation and development of smart grid.

Key words: power data; edge computing; cloud control platform; optimization strategy; data preprocessing; edge node; task scheduling

参考文献

[1] 张青山，王丽婕，郝颖，等. 基于卫星云图和晴空模型的分布式光伏电站太阳辐照度超短期预测[J]. 高电压技术，2022，48(8) ：3271-3281.

[2] 朱涛，谢一工，张鹏，等. 分布式光伏快速发展形势下的电网安全阈度分析[C]//电力行业信息化年会论文集，2021.

[3] 廖启术，胡维昊，曹迪，等. 新能源电力系统中的分布式光伏净负荷预测[J] . 上海交通大学学报，2021，55(12) ：1520-1531.

[4] 杨欢，蔡云旖，屈子森，等. 配电网柔性开关设备关键技术及其发展趋势[J] . 电力系统自动化，2018，42(7) ：153-165．

[5] 李岩，陈夏，李巍巍，等. 基于智能软开关与联络开关并联的柔性配电网互联结构与控制技术研究[J]. 中国电机工程学报，2022，42(13) ：4749-4759.

[6] 卢毓东，谢祥颖，刘周斌，等. 基于储能电源的配电网末端电压改善方法[J] . 电网与清洁能源，2019，35(6) ：28-33.

[7] 许传博，赵云灏，王晓晨，等. 碳中和愿景下考虑电氢耦合的风光场站氢储能优化配置[J] . 电力建设，2022，43(1) ：10-18.

[8] 陈景文，肖妍，莫瑞瑞，等. 考虑光伏校正的微电网储能容量优化配置[J] . 电力系统保护与控制，2021，49(10) ：59-66.

[9] 丁伟，苏新凯，廖圣瑄，等. 基于哈里斯鹰优化算法的光伏储能容量配置优化[J] . 电子设计工程，2024，32(1) ：96-101.

[10] 栗峰，丁杰，周才期，等. 新型电力系统下分布式光伏规模化并网运行关键技术探讨[J] . 电网技术，2024，48(1) ：184-196.

[11] 刘晓艳，王珏，姚铁锤，等. 基于时序数据处理的分布式光伏功率预测系统[J] . 数据与计算发展前沿，2021，3(4) ：140-148.

[12] MOREY M , GUPTA N , GARG M M , et al . A comprehensive review of grid-connected solar photovoltaic system: Architecture, control, and ancillary services[J].Renewable Energy Focus，2023，45 ：307-330.

返回索引列表

Article retrieval

文章检索

基于电力数据驱动的云控平台边缘计算优化策略