云邊協同區域能源互補決策模型與算法

唐帥，龐凝*，李光毅，彭嬋，賈宇琛，郁五岳

（1．國網河北省電力有限公司經濟技術研究院，河北省 石家莊市 050021；2．河北農業大學機電工程學院，河北省 保定市 071000）

0 引言

在以新能源為主體的新型電力系統建設中，為了提高清潔能源利用率，借助信息技術實現各種能源之間的互動，以區域特色構建綜合能源系統已成為能源轉型過程中的一種重要方式[1]。所構建的綜合能源系統稱為“區域能源”，是指在某個特定區域內，根據能源結構和負荷需求，優化配置各種形式、各種品類的能源，從而實現節能減排目標的一套供用能解決方案。

為了實現區域能源的高效利用，必須建立科學的管理機制，數據收集和分析處理是需要重點研究的問題。隨著物聯網的興起，利用各種感知器件和通信技術進行數據采集在電力系統中已被逐漸應用。針對綜合能源系統用戶側負荷多樣化、清潔能源利用效率低等問題，美歐各國相繼展開了對綜合能源系統數據獲取的研究[2-4]。對應用物聯網技術進行數據收集，以及探究大數據方法進行數據分析和處理，更多可借鑒的方法來源于對電力物聯網的研究[5-7]。隨著能源和用戶的多樣化發展，電力供需領域之間傳遞的信息量不斷增大，導致的數據丟失和網絡擁塞等通信問題，通過邊緣計算的有效應用可得到解決[8]。實踐中，基于邊緣計算的能源管理已經在家庭用電方式中應用，其架構、關鍵技術和實現方法已被闡述[9-11]。邊緣計算的作用是信息的本地化收集和數據斷網續傳，以保證信息完整性和數據可靠性，其強調的是通信低時延、算法輕量級、存儲分布式，無法完成電力系統調度和綜合能源系統的供用能決策建立。調度和決策還需借助云平臺，邊緣計算的分布式和云平臺的集中式相結合，可以構建分布-集中式的聯合控制系統[12]。利用邊緣計算就近收集數據和預處理以達到數據的實效性，云平臺則進行復雜數據的處理，實現電力系統“源-網-荷”的互動[13]，而數據質量的優化和各個邊緣之間的互動則主要由云來完成[14]。云邊協同方法使邊緣和云平臺各自發揮通信和計算優勢，實現能源之間的有效互動。

綜上所述，區域能源數據獲取與互動決策方法的研究主要集中在邊緣計算算法和云邊協同架構上，實踐應用和模型規劃大多局限于智能家居等較小的范圍之內。含有眾多微能網和用能多樣化用戶的區域能源系統運行優化，需要更完善的云邊協同架構和云平臺決策模型。

1 區域能源互補決策模型

區域能源要達到經濟、穩定、高效運行，需要構建有效的優化調度算法[15]，加強多個綜合能源系統之間的互連互濟[16]。區域能源系統內含有眾多類型各異的用戶以及各類微能網。

模型構建的條件包括：

1）區域能源中的微能網滿功率出力。

2）微能網的售電和售熱價格低于配電網和熱力網。

3）區域內的用戶具有優先選擇新能源的權利和偏好。

4）區域內各個微能網具有內部互補機制。

5）區域內可調動的通信網絡均暢通。

在滿足以上條件的情形下，按照微能網的地理位置，區域能源被劃分為n個子區域。每個子區域設置邊緣計算控制網關，負責收集本子區域的數據，經過預處理后，周期性地將關鍵數據送至云平臺。云端區域能源動態決策單元根據整個區域的能源盈虧情況，分類計算得到能源交互方案集，并以距離為主要參數計算能源交互收益，從而形成能源交互決策，下發指令到邊緣計算控制網關。盈余子區域的邊緣計算控制網關根據云端的指令，與能源短缺子區域通信，并輸送能源到該子區域，實現區域能源系統的能源互補。區域能源決策與邊緣計算控制網關構建的云邊系統架構如圖1所示。

云平臺的動態決策單元，負責產生能源互補的決策規則。若以此為根節點，那么子區域邊緣則為葉子節點，葉子節點的下一層是微能網，包含電源、熱源和負荷。依據自上而下的規則，云平臺建立周期性更新的動態區域能源互補決策池，并選擇相關決策下發至子區域，子區域邊緣解析后下發至所管轄的電源和熱源，并根據指令與其他子區域進行信息和能源交互。具體步驟如下：

1）取t1為初始時間，所有葉子節點的數據，包括源荷特征、時空分布、初始儲能、交互耦合等，匯總到根節點并轉化為標準化知識，形成原始知識庫。

2）對儲存的知識進行屬性、關系抽取，依據目標函數進行計算推理，構建初始決策池，將決策池中的規則分類篩選并下發到子區域。

3）子區域收到規則后解析并與本地目標進行匹配，匹配成功則執行根節點的決策，開啟規則中設定的通道，與其他子區域進行信息交互；同時，開始計時并發ACK，并收集子區域葉子節點的數據；如果匹配失敗，子區域向云平臺發送拒絕該決策的ACK至根節點，按照其本地目標函數管理葉子節點，并開始計時。

4）當計時到根節點與子區域葉子節點約定的周期T時，子區域將收集的信息發送至云平臺，新數據代入目標函數，形成新的規則放入決策池；在規則下發之前需要確定該規則的運行周期，同時新數據與原數據融合，進行關聯度分析，預測出該規則的運行周期Tx，下發指令到子區域。

5）子區域解析并轉發指令到E或者H節點，最下層葉子節點關聯的物理設備開始能源的輸送，并開始計時。

區域能源知識拓撲結構如圖2所示。

在知識拓撲結構中，子區域邊緣計算控制網關起到至關重要的作用，它不僅是決策的轉發機構，在解析到規則信息不匹配時，這個子區域就成為整個網絡中的一個“孤島”，根據自己的目標函數，管理與之關聯的葉子節點，實現孤島內的能源調度，實現邊端自治。

2 區域能源動態決策生成方法

2.1 子區域分類及功率盈虧分析

設一個區域能源系統劃分為n個子區域，每個子區域內部含有電能和熱能的互換裝置，在周期Tx初始時刻有m個可再生能源盈余子區域，其盈余功率為

式中：Psp為盈余功率；Pes為盈余電功率；Phs為盈余熱功率。

k個子區域可再生能源短缺，與負荷相關聯，短缺的功率為

式中：Pst為短缺功率；Pel為短缺電功率；Phl為短缺熱功率。

子區域之間進行能源輸送以消費盈余子區域的能源，從而減少能源短缺子區域向電網和熱力網購買能源的支出，共S種方案。

很顯然，這種窮舉的方法是不合理的，這些組合中有的方案是無法實現的。例如，當Pesi=0時，其仍然參與到Pelj的能源傳輸方案中，這一方案可以通過預處理剔除掉，從而降低后續的計算壓力。預處理方法為

1）將盈余子區域按照盈余功率分為3類。

式中：Pes-only為只盈余電能；Phs-only為只盈余熱功率；Pes-hs為電熱功率均有盈余。

2）同理，能源短缺子區域按短缺功率分為3類。

式中：Pel-only為只短缺電能；Phl-only為只短缺熱功率；Pel-hl為電熱功率均短缺。

3）根據分治原理，遵循算法時間復雜度最小的原則，將能量轉移關系分為5類，按照優先級別排序如表1所示。

考慮到能源傳輸過程中的損耗，應盡少占用線路，由于子區域本地電能轉化熱能比較容易，在定義優先級別時電能盈余為最高級別；其次為熱能傳輸，因為很多微電網會產生余熱，優先進行子區域內多能互補；子區域內部互補優化后，才進行子區域之間的互補；最后考慮電熱同時輸送，這種情況下的線路損耗最大。

表1 能量轉移關系分類表Table 1 Classification of energy transfer relationship

4）計算每一種組合中兩個集合元素的個數，從而形成以下能源輸送方案集合。

2.2 云端決策池的構建

云端區域能源動態決策單元根據邊緣傳輸過來的數據進行計算，結合歷史數據算出各子區域的能源輸送決策，稱為“云端決策池”。云端決策的依據包括能源傳輸距離、子區域能源出力原始成本、價格機制等因素。

首先計算能源傳輸距離，根據盈余子區域優先的原則選定第i種能源轉移方案，其中含有ai個盈余功率子區域，bi個短缺功率子區域，計算這種方案的距離矩陣。

然后，設定能源輸送周期為Tx，計算該方案下子區域新能源建設平均到每個周期所需的成本。

能源輸送過程中無論是電還是熱，都會有線路上的損耗。設輸送電能每千米線路平均損耗為Pekm，輸送熱能每千米線路平均損耗為Phkm。假設只有子區域之間的能源交換損耗，電網和熱力管道網只是橋梁的作用，并不收取任何過網費用，因此子區域之間能源交互所獲得的收益關系可表示為

式中：ρesell為盈余子區域的電能售出價格；ρhsell為熱能售出價格；ρebuy為能源短缺子區域的電能購入價格；ρhbuy為熱能購入價格；ρnetwork為電網售電價格；ρheat為官方熱能價格。Ti≤Tx為第i種方案的能源轉移時間，小于設定的周期。當＞0時，說明這種方案對于整個區域來說是有盈余的，所以這種方案放入決策池，否則丟棄該方案進入下一組計算。以此類推，形成第i種方案的決策池。

第i類子程序算法流程如圖3所示。

依據表1所示的5種方案，總的決策池為

云端決策池中的計算和構建的算法流程如圖4所示。

2.3 云邊協同的決策下發規則

當子區域邊緣計算網關上傳數據完畢后即向云端請求下發指令，開啟云邊協同的決策下發流程。云端在根據邊緣數據形成決策池后，以盈余子區域優先的原則，根據邊緣子區域的請求，對決策池中的決策進行搜索，將關聯該子區域的r條決策篩選出來；將r條決策的 bf進行降序排序，排在第一的作為首選進行下發；設置 bf閾值，若首選決策出現故障，則啟用備用決策；云端將選擇的決策同步下發到盈余子區域和短缺子區域，促使兩個子區域之間構建通信鏈路。

兩個子區域接收到決策指令之后建立通信鏈路并各自發送認證信息完成握手，并開啟能源輸送。邊緣控制器將能源輸送的指令下發到本地的電源，借助公共網絡進行能源傳送和接收。同時，邊緣計算裝置開啟新一輪的數據收集和計算，待能源輸送完畢或者計時周期完成后開啟新一輪的數據傳送。圖5所示為一個能源盈余子區域和一個能源短缺子區域與云端協同進行能源互補的示意圖。

3 云邊協同區域能源決策關鍵技術

3.1 子區域信息收集關鍵技術

子區域信息包括與供用能相關的氣象信息，各種計量表的信息，新能源出力與儲能相關信息，以及控制裝置信息等。圖6所示為風光互補微電網邊緣控制系統示意圖。

此系統為邊緣控制器為主站，各類采集和執行設備為從站的結構，主從之間采用Modbus協議通信。以此系統為例總結邊緣數據收集、計算、控制的關鍵技術：邊緣控制器通信、邊緣數據處理、從站協調器信息感知、邊緣控制節點定位等技術。

邊緣計算是云計算本地化的一種方式，以達到業務劇增時減輕云平臺的壓力，節約時間和保護隱私，以及物理分散性提高平臺運轉效率[17]的目的。常用的邊緣控制器通信協議主要有TCP和MQTT[18]兩種，在阿里云、騰訊云、OneNet等云平臺均有相關的SDK，以便于云邊協同的開發。邊緣計算的核心是數據本地化AI智能分析，但是由于對邊緣需求的信息實效性、設備經濟性、本地聯動性等，因此邊緣控制器所搭載算法的時間和空間復雜度受到限制。一般的排序、篩選算法，輕量級的粒子群算法、神經網絡構成邊緣軟件平臺[19]。分布式存儲以備斷網續傳是邊緣控制器的另一重要功能，邊緣數據是一種海量小數據[20]，傳統的關系型數據庫不再適用。并且邊緣數據大多為傳感器數據，具有很強的時序性，基于時間戳索引的時序數據庫是邊緣數據庫的首選[21]。本例中，邊緣控制器需要與其他邊緣進行信息交互，云平臺要獲取邊緣的位置用于決策收益的計算，邊緣定位技術必不可少，簡單的方法是在邊緣計算控制器上搭載GPS、北斗等定位模塊采集位置信息。

3.2 云端決策生成關鍵算法

云端決策的第一步是對子區域送上來的關鍵數據根據關鍵字進行廣度優先搜索。從圖2所示的區域能源知識拓撲結構可以看出，數據源本身為星形網絡的(n,k)圖，第一步從圖中搜索到能源盈余子區域和短缺子區域，優化原始圖的結構，涉及到的關鍵算法是獨立生成樹算法[22]。從邊緣層來看，搜索過后的數據可以分為兩類：能源盈余和能源短缺。要達到能源互補的目的，需要將盈余子區域與短缺子區域進行排列組合，若將所有盈余與短缺進行排列顯然不合理，因此第二步是對數據矩陣分類。模型中涉及電、熱兩種能源形式，又分為盈余和短缺兩種狀態，屬于多類分類。目前比較先進的算法是多源在線遷移學習多類分類算法[23-24]，對于區域能源系統這種不平衡數據源的數據分類比較有效。

能源盈余子區域與能源短缺子區域構成聯盟進行能源互補，實際上屬于微能網聯盟與配電網之間的博弈，必然需要進行功率的協調和收益的計算，目標是達到兩個子區域微能網系統的優化運行[25-26]?；诓┺睦碚摰亩辔⒛芫W的優化運行控制是云平臺計算的第三步，進行不同聯盟收益的計算，涉及到子區域之間的距離計算、成本計算、收入計算、損耗計算等，最后算出每一種聯盟的收益，形成以收益為衡量標準的決策池。

最后一個步驟：云平臺決策指令下發。這一步驟中最重要的是對決策進行排序，根據數據量選擇不同的排序算法。模擬了長度分別為103、104、105、106、107的數組，針對常用的8種排序算法進行實驗比較，結果如表2所示[27]。

表2 依據數組大小的排序算法執行時間比較Table 2 Comparison of execution time of sorting algorithm based on array size s

可以看出，數組規模小于104時，各種排序算法的執行時間相差不大。隨著數組規模的增大，希爾排序、快速排序、堆排序體現出優越性，但是冒泡排序、插入排序和選擇的算法復雜度小。因此，云平臺選擇排序算法時可根據數據規模自適應選擇合適的排序算法，達到執行時間與復雜度的平衡。

4 結論

本文提出的云邊協同架構和云平臺決策模型，為提高區域能源互補水平和新能源利用效率提供了一個可行方案。

1）構建了基于物聯網、邊緣計算、云計算的云邊端信息收集和處理模型，并提出了邊緣子區域數據收集的關鍵算法。

2）重點闡述了云平臺的區域能源動態決策單元的知識結構；根據邊緣子區域的關鍵數據，以距離為依據、收益為條件，在云平臺構建了能源盈余子區域和短缺子區域的能源交互決策池。

3）根據對能源決策池中的收益排序結果和收益閾值制定了指令下發規則，分析了邊緣之間的信息和能源互動策略，為實現云邊協同的信息和能源互動提供了可行的方法。

由于目前數據量不足，未來將進一步收集數據進行模型和算法的優化。