基于云边端协同的风电场智慧转型探析.pdf

2 0 2 4年2期1 9 7 2 0 2 4年第4 6卷第2期基于云边端协同的风电场智慧转型探析曾 桉 周 卿 周 琅 张振翔 郭 俊作者简介:曾桉(1 9 8 9-),硕士,工程师,研究方向为计算机(人工智能与物联网方向)。(江西联合能源有限公司 南昌3 3 0 0 0 0)摘 要 随着风电场信息系统数据量和业务量的日益增加,亟需探索一种能提升系统响应能力及自治能力的新架构。文中结合风电场运营管理现状,遵循智能、高效、协同和感知的建设目标,提出了适用于风电场信息系统的云边端协同体系架构。该架构结合了云计算、边缘计算及人工智能,包括“一中心,三层级”,旨在增强风电场的信息交互及数据处理能力,实现风电领域的智能化管理和实时化监控,促进其智慧转型升级。关键词:云边端协同;风电场;智慧转型中图分类号 T N 9 2 9.5A n a l y s i so fS m a r tT r a n s f o r m a t i o no fW i n dF a r mB a s e do nC l o u dE d g eC o l l a b o r a t i o nZ E N GA n,Z HOU Q i n g,Z HOUL a n g,Z HAN GZ h e n x i a n ga n dGUOJ u n(J i a n g x iU n i t e dE n e r g yC o.,L t d.,N a n c h a n g3 3 0 0 0 0,C h i n a)A b s t r a c t W i t ht h e i n c r e a s i n gd a t av o l u m e a n db u s i n e s s v o l u m eo fw i n d f a r mi n f o r m a t i o ns y s t e m s,i t i su r g e n t t oe x p l o r ean e wa r c h i t e c t u r e t h a t c a n i m p r o v e t h es y s t e ms r e s p o n s i v e n e s sa n da u t o n o m y.C o m b i n i n gt h ec u r r e n ts i t u a t i o no fw i n df a r mo p e r a t i o na n dm a n a g e m e n t,f o l l o w i n g t h e c o n s t r u c t i o ng o a l s o f i n t e l l i g e n c e,e f f i c i e n c y,c o l l a b o r a t i o na n dp e r c e p t i o n,t h i sp a p e rp r o p o s e sac l o u d-s i d ec o l l a b o r a t i v ea r c h i t e c t u r es u i t a b l ef o rw i n df a r mi n f o r m a t i o ns y s t e m s.T h ea r c h i t e c t u r ec o m b i n e sc l o u dc o m p u t i n g,e d g e c o m p u t i n ga n da r t i f i c i a l i n t e l l i g e n c e,i n c l u d i n g“o n e c e n t e r,t h r e e l a y e r s”,w h i c ha i m s t oe n h a n c e t h e i n f o r m a t i o ne x c h a n g ea n dd a t ap r o c e s s i n gc a p a b i l i t i e so fw i n d f a r m s,i m p r o v e t h e i n t e l l i g e n tm a n a g e m e n t a n dr e a l-t i m em o n i t o r i n go fw i n dp o w e r,a n dp r o m o t e i t s i n t e l l i g e n t t r a n s f o r m a t i o na n du p g r a d i n g.K e y w o r d s C l o u de d g ec o l l a b o r a t i o n,W i n df a r m s,S m a r t t r a n s f o r m a t i o n0 引言随着风力发电的不断普及和效率需求的不断增加,风电场系统信息化程度不断提高,但系统间出现的数据烟囱问题导致数据的采集和处理成本越来越高。目前,风电场的数据采集和处理主要依赖于各企业建设的集中控制中心,但通常数据中心距风电场较远,会造成数据传输时延较高和传输稳定性不足的问题。同时,风电场环境较为复杂,厂家间数据不互通,传感器数据量大,传输方式多样,给数据采集和处理带来了巨大的挑战。因此,行业急需构建一种既能满足风电场现场生产设备智能化、数据统一管理等需求,又能满足基于海量生产数据的大数据分析需求的整体计算架构。1 风电场智慧转型的必要性随着能源需求的不断增长和人们对可再生能源的追求,风电作为一种重要的清洁能源,正逐渐成为能源行业关注的焦点。但目前的风电场运营管理仍存在一些局限。(1)监测系统和设备获取的数据被分散存储于不同的数据烟囱中,这使得海量数据难以被有效整合和综合分析,引发了严重的信息孤立现象,影响了数据的充分利用1。(2)风电场管理系统的协同性较差。不同型号的电力设备采用不同的接口标准和通信协议,使得设备之间缺乏有效的数据共享和流动渠道,难以实现统一的数据流。此外,风电场内的硬件设备,如传感器、监控摄像头等,缺乏统一的、全局的管理平台和可视化展示平台,无法及时进行全域信息的数字化呈现,导致管理人员难以实时了解设备的工作状态和环境参数,无法及时做出决策,致使数据管理流于形式、浮于表面。(3)由于缺乏协同性,电力设备的部署和升级过程需要投入大量的人力和物力,这使得管理系统未能在部署和维护方面发挥更大的效益,降低了整体的经济效益。为提高风电场的运营效率、降低运维成本、增强其可靠性和安全性,有必要推动风电场的智慧化转型,增强风电场的可持续发展能力,更好地满足政府和社会对可再生能源的需求。2 云边端协同体系概述云边端协同指将云计算、边缘计算及终端设备结合起1 9 8 2 0 2 4年2期来,实现数据的高效处理和智能决策2。随着先进信息技术(如大数据处理、智能物联网等)的快速发展,云计算能以虚拟化的方式分配计算资源,快速处理大规模数据,适用于长周期、非实时数据、业务决策等场景。边缘计算则采用综合网络、计算、存储和应用的方式,提供更敏捷的网络响应和智能应用服务。该技术更适合处理实时性强、周期短的数据,并适用于本地决策场景3。云计算和边缘计算的协同应用可以精确评估风电场的运行状态,实时监控和管理负荷、发电端和储能装置,不仅可以合理分配电网资源,提高各单元资产的利用率,以降低整个系统的运营成本,还有助于支持更广泛的行业数字化转型并创造更大的价值。同时,在国家积极推动数字经济、能源革命及数字革命的融合发展背景下,借助“互联网+智慧能源”的理念,展开以“云-边-端”协同为基础的风电场智能升级研究,不仅可以实现对风电场数据的集中管理、智能分析和决策支持,提升配网运行效益,还可确保大规模可再生能源的安全、可靠、灵活并网消纳,也推动着智能电网技术的创新,为能源结构的清洁化转型和能源消费革命提供了有力支持。3 智慧风电场构建目标本文旨在建立一种一体化管理系统,使其具备智能、高效、协同和感知的特性,以实现故障识别、设备管控等业务的一体化升级。同时,通过设备参数信息的分层、分级上传,实现风电场管理工作的有序、协同开展。(1)全智能全智能指建立一套“去人化”的风电场管控系统,以实现管控一体化的智慧风电“大脑”。通过“物-网-机-人”的跨界融合,构建“云端+边缘”的多层次开放架构,实现风电管控的智能化优化与升级,使设备具备自主决策、故障预警、故障诊断等能力,促使电能供应更加高效、安全、可靠。(2)全高效全高效指对风电场内的任务进行分类,并对其重要性进行评估,区分关键任务和常规任务,确保关键任务的优先级。例如,将高优先级的任务分派给边缘设备进行本地计算,而对于可进行批量处理的任务,则通过边缘设备与云端协同处理。同时,建立任务执行的标准和流程,明确每个任务的具体步骤和要求,提高任务执行的一致性和可控性。针对突发情况或变化的条件,通过实时监测系统反馈、自适应算法等来实时调整任务调度计划,以确保任务调度的灵活性和适应性。这一处理方式也将使系统具备更强的共线并行处理能力,提升了系统的响应速度和吞吐量。(3)全协同全协同指应用云边端协同技术,实现风电场管控中各设备间的全面链接。在传统的风电场站中,设施设备一般为独立系统,设备边界尚未打通。为此,本文旨在通过各类设备的标准化集成,加强设备的受控状态,提高预见性管理,实现设施设备间的互联互通。同时,借助物联网技术,将场站内的终端设备(如监控摄像头、传感器等)统一连接到综合管控平台,以达到互传、共享数据的目的,使场站管理人员也可实时关注各设备的运行状态及工作情况。在全线联接中,可将部分计算任务从云端迁移到边缘设备上,提升系统的响应速度及综合性能。(4)全感知借助传感器、摄像头等设备,采集风电场站的各项内部数据,包括但不限于平均风速、实时风向、有功功率等。再通过云边端协同技术,将收集到的数据传输至云端进行处理和分析,以实现对风电场内部环境的全面监控及深入了解。4 智慧风电场构建架构边缘计算是一种在数据源头进行分布式处理和存储的技术,其在数据处理及数据运算方面具有诸多优势。尽管国内外已经对其进行了大量研究,但迄今为止,尚未出现一个体系化、综合性的标准4。为建立风电场云边端协同体系,本文参考了其他行业的应用标准5-6,将其总体结构自上而下划分成云中心、数据应用层、平台层及边缘层4个层次,如图1所示。该架构的设计旨在充分利用边缘计算的优势,通过云边端协同实现电力通信网络的高效运行。该体系的建立有助于满足实时性要求,提高数据处理效率,同时为电力系统的监测与管理提供了可行的解决方案。图1 风电场云边端协同体系(1)云中心云中心的物理层面由多个云端微服务器或大型服务器组成,主要负责数据应用、数据挖掘、指挥决策、全局调度等移动信息2 0 2 4年2期1 9 9 任务,同时通过可视化呈现,支持工作人员做出科学决策。通过对来自风力涡轮机和其他传感器数据的收集、存储和处理,云中心可提供对风电场运行状况的深刻分析,以优化风力涡轮机的性能、提高发电效率、预测潜在的问题。基于对数据的分析,云中心可制定决策来调整风电场的运行,如调整风力涡轮机的角度、控制转速等,以适应不同的气象条件,促使发电效益的最大化。运维人员也可通过云中心远程访问实时数据、设备状态和运行报告,以更有效地进行设备维护和故障排除。此外,云中心可以直接通过标准化的通信协议(如MQ T T,C o A P)或专有的接口与边缘设备中的传感器和设备进行集成,以接收来自边缘设备的数据。同时,用户可直接通过云端向风电场边缘节点下发应用,迅速完成电网业务的部署,实现个性化适配和统一运维,以实现数据智能化、云边端协同、全链条协同及能力共享。(2)数据应用层智慧风电场系统中的数据应用层涵盖了与用户直接交互的各类终端设备。首先,风力涡轮机、传感器、监控摄像头等终端设备通过互联网连接到云平台,实现与云中心的通信和数据交换。云平台终端可以采用标准化的通信协议(如MQ T T,HT T P),将数据传输到云中心进行存储和分析,实现远程监控、数据集中存储和分析等功能。其次,根据实际需求,可定制电子显示屏上的信息展示、报警提示等功能,并支持用户通过触摸、语音等方式与系统进行交互,使管理人员能直观地理解和利用数据分析的结果。最后,决策支持和优化。故障预警的核心目标是预测用电负荷、设备故障以及潜在的用电状况;在电能调度方面,根据电网需求和风能资源情况,动态调整涡轮机的功率输出,使风电场的电力输出平滑化,减少对电网的冲击,提高电网的稳定性,优化风电场的发电计划;电能分析主要涉及对电力消耗、抢修效率、故障及高峰用电等的综合分析,覆盖了各种数据分析场景。(3)平台层平台层包括线上安全管控平台和数据管理中心。线上安全管控平台作为信息管理中枢,使场内管理人员可实时接收预警信息,并远程管理作业现场秩序,其主要由秩序管理、物联管理、数据分析及公共服务四大子平台构成。数据管理中心则利用非关系型数据库(N o S Q L)和分布式数据库实现平台数据的统一存储与管理。基于此,管理人员可以通过登录数据中心来检索历史数据,进行进一步的数据分析。(4)边缘层在智慧风电场的云边端协同技术框架中,边缘侧数据节点在电网运行与管控中发挥了关键作用,其通过将计算能力推向数据源附近,实现了更加智能、实时且高效的风电场智慧系统。一方面,其可完成数据的标准化描述、融合、标签设定与管理等预处理;另一方面,可通过算法模型实现对设备状态的即时识别,有效减少网络层的数据传输量以及平台层的计算量,极大地提升了系统整体的运行效率,其具体功能如下。1)针对风电场产生的大量实时数据,如风速、温度、设备状态等,允许在接近数据源的地方进行即时处理和分析,从而降低数据传输延迟,提高响应速度,并支持实时决策制定。2)边缘层可以在本地处理一部分数据,降低对云端资源的依赖,这有助于减轻云端的计算负担,降低网络流量,提高系统的效率。3)通过在边缘设备上进行数据分析,可以实现对风电设备的实时监测和故障预测,这有助于提前发现潜在问题,减少设备故障对系统运行的不良影响,提高风电场的可靠性和稳定性。4)边缘层允许在风电场内部进行本地决策和控制,而无需实时依赖云端,这对于需要快速响应的情境,如风电场内部的调度和控制具有重要意义。因此,该层有助于在本地进行能耗优化,通过在边缘设备上执行一些计算任务,减少在云端进行的大规模计算,从而降低整个系统的能耗。5 结语我国智能电网建设逐步完善,电力系统数据量逐年激增。为了推动智能电网建设,必须全面监测、预警和分析电网运行状态、企业经营管理等方面的数据。这导致数据采集点逐渐密集,采集频率显著提高,数据量呈几何级增长。在这一背景下,本文针对当前风电场运营管理存在的数据信息孤立、协同管理能力较差等问题,通过整合云计算、边缘计算、云端控制等技术,提出了“一中心、三层级”的云边端协同体系架构,实现了对风电场内外环境事件的自动识别、智能感知及实时决策,提升了风力发电的应急响应能力和安全性。参考文献1黄洪钧.基于海上风电场智慧数字化运维研究J.能源与环境,2 0 2 2(6):7 0-7 1,7 4.2张心宇,王喆,郭歌,等.铁路信息系统云边协同体系架构研究J.铁路计算机应用,2 0 2 2,3 1(1 0):1-5.3施巍松,张星洲,王一帆,等.边缘计算:现状与展望J.计算机研究与发展,2 0 1 9,5 6(1):6 9-8 9.4穆琙博,柴瑶琳,宋平,等.边缘计算发展现状及标准体系研究J.信息通信技术,2 0 2 0,1 4(4):2 3-3 0.5刘可欣,陈桂芬.基于移动边缘计算的车联网缓存策略研究J.计算机应用研究,2 0 2 1,3 8(3):8 5 1-8 5 4,8 7 0.6官国飞,宋庆武,刘恢,等.基于边缘计算的配网管理和运维体系研究J.电网与清洁能源,2 0 2 0,3 6(1 0):9 0-9 6.移动信息