边缘计算在电力供需领域的应用展望

中国电力ELECTRIC POWERVol. 51, No. 11Nov. 2018

边缘计算在电力供需领域的应用展望

李彬1，贾滨诚1，陈宋宋2，杨斌3，孙毅1，祁兵1

(1. 华北电力大学 电气与电子工程学院，北京　102206；2. 中国电力科学研究院有限公司，北京　100192；

3. 国网江苏省电力有限公司，江苏 南京　210024)

摘　要：随着电力供需领域设备的智能化，电力供需领域之间传递的信息量不断增大，导致带宽资源的浪费以及信息不能得到及时的处理。将边缘计算引入电力供需领域能很好地解决这些问题。论述了边缘计算的产生以及优势；随后分析了电力供需互动以及研究了电力供需领域对于边缘计算的需求；最后，对边缘计算在电力供需领域应用进行了展望，构建了边缘计算在电力供需领域应用的具体场景，为边缘计算在电力供需领域中的发展提供参考。

关键词：能源互联网；边缘计算；供需互动；自动需求响应；智能化；数据处理中图分类号：TM762 文献标志码：A DOI：10.11930/j.issn.1004-9649.201712051

0 引言

近年来，自动需求响应（automation demandresponse，ADR）在中国得到了飞速发展，智能家居、能源互联网等一系列电力供需领域新技术也得到了普及和应用[1-2]。可再生能源等分布式发电资源数量不断增加以及电气设备自动化程度的不断提高，电气设备与控制中心之间、电网企业与电力用户之间会产生了大量的数据流，而且随着电气设备应用范围的增加，电气设备使用的时空分布相比于传统也会更加分散，这使数据的采集和分析面临着巨大的考验[3-5]。

边缘计算技术能够很好地解决这一问题，边缘计算指的是在靠近数据源头的网络侧，部署融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在快速连接、实时业务、智能应用、安全与隐私保护等方面的关键技术[6]。边缘计算与“云计算”的概念相似，都是用于处理大数据的处理方式。不同之处在于，在边缘计算当中，数据不需要被传送到云端，直接在边缘侧进行处理，数据处理的实时性和安全性远优于云计算[7]。将边缘计算应用在供需领域中，可以有效地提高数据的存储

收稿日期：2017−12−23； 修回日期：2018−04−25。基金项目：国家电网公司科技资助项目(SGJS0000YXJS1700314)。

和处理效率，减少传输数据所占用的带宽，使电力需求响应更加有效和快速地进行。

边缘计算技术目前在中国也得到了政府以及相关企业和部门的重视，在2016年11月，由华为技术有限公司、中国科学院沈阳自动化研究所、中国信通研究院、英特尔公司、ARM和软通动力信息技术有限公司共同创始成立边缘计算产业联盟，首批成员共有62家单位和机构，覆盖产、学、研等多个领域，这标志着边缘计算已经从概念转变成了行业共同的发展目标。2017年11月边缘计算产业联盟与工业互联网产业联盟发布了边缘计算参考架构2.0，其中设计了边缘计算的目标、架构以及所提供的服务。中国提出的《中国制造2025》这一国家战略中对信息通信技术（ICT）和操作技术（OT）的融合也提出了迫切的要求，而边缘计算则是两者融合的关键技术[8]。在2016年国家能源委员会会议审议通过的《能源发展“十三五”规划》中也提到了边缘计算，这对能源产业以及边缘计算产业的发展都是一个重大的机遇[9]。供需领域作为电力行业中信息交互最频繁和最密集的领域，并且在将来CPS、NB-IoT等先进计算将会在电力供需领域广泛应用时采集的数据量将会更大，所以边缘计算在电力供需领域中的应用势在必行[10-11]。

由于边缘计算是一项新型的计算，国内外目前的研究主要集中于边缘计算应用架构[12]、相关通信

154

第 11 期李彬等：边缘计算在电力供需领域的应用展望

协议和降低边缘节点组网延迟[13-14]，对于边缘计算在电力供需领域应用的研究较少。文献[15]对边缘计算在需求响应中的应用进行了展望，并且根据已有的自动需求响应的相关协议设计了边缘计算节点及其相关通信协议架构。文献[16]将边缘计算引入家庭能源管理系统之中，探讨了边缘计算在云协同之中的应用。

响应安全管理云等一系列云平台。在传统的云计算中，为了提高数据的管理效率和降低数据库的运维成本，各个底层设备需要将采集到的数据上传至云平台，由云平台处理并向用户提供服务。但是当云平台接入设备增多以及云平台和用户终端、智能终端信息交互频率的上升，云计算集中式处理的方式无法满足大规模、高频次的数据处理。云计算模型的主要缺点在于：（1）数据源采集的数据过于冗余，对于特定的服务包含了大量的无用数据，从而导致服务器性能下降；（2）云计算服务器为所有接入用户提供服务，随着用户数量的不断增加，服务的实时性不能保证；（3）云计算服务器一旦被攻破，将导致整个网络的瘫痪[17]。

边缘计算通过将核心节点的计算任务和功能下发到具有处理能力的边缘侧设备从而形成边缘计算节点（edge computing node，ECN），充分利用边缘侧的处理计算能力，对信息进行初步的处理，甚至完全向用户提供原来在云计算服务器运行的服务[18]。如图1所示，边缘计算节点在网络中位于云平台和数据采集设备之间，为数据采集设备提供高效实时的数据处理服务。对于云平台而言，边缘节点是一个高效的数据采集终端，为云平台过滤冗余的信息，分散了云平台的计算任务，从而提高云平台的服务能力。

1 边缘计算发展现状及特征分析

1.1 边缘计算模型

边缘计算的理念最早来自于第五代通信技术，由欧洲电信标准化协会（European TelecomStandards Institute，ETSI）最早给出定义，是一种分布式信息技术架构，其中客户端数据在网络的外围处理，尽可能靠近始发源。边缘计算的发展是由移动计算驱动，当前物联网中的网络设备数量不断增多，对于设备监视和控制所需要的带宽很难满足，这为边缘计算提供了实际应用的场景[14]。另外，传感器性能的提升以及计算组件成本的下降，也是边缘计算飞速发展的重要支撑。

过去几年，“互联网+”在供需领域中的应用不断增加，随之带动了云计算技术在供需领域中的普及，供需领域中出现了互联网家电云、需求

网络应用域开发数据域网络域计算存储云平台部署运营服务框架业务编排应用部署应用市场计算支持安全传输多视图呈现管理服务安数全据服全务生命周期服务开发服务框架集成验证发布端到端业务流网络拓展数据处理数据存储资源反馈业务请求策略调度广泛互联智能资产智能网关智能系统设备域

图 1 边缘计算架构Fig. 1 The framework of edge computing

智能移动终端以及各类传感器等数据采集设备作为数据源向边缘节点提供未处理的数据，边缘节点根据云服务器的要求对数据进行处理和存

储，并向云服务器提供经过处理的数据或为用户提供服务。其中边缘节点的物理位置十分灵活，可以位于数据源和云服务器传输的链路上，数据

全层网络边缘侧云次开放155

中国电力第 51 卷

源首先向边缘节点发送原始数据，边缘节点再将处理过的数据发送至云端；也可以位于数据源中，边缘节点直接从传感器中获取数据，经过处理之后，再将数据发送。在边缘计算中，边缘设备既是数据的生产者，也是数据的消费者，边缘端设备不仅从云处理中心获取服务，并且还可以执行云处理中心下发的部分计算任务，包括数据储存、处理、缓存、隐私保护等。1.2 边缘计算的优势

相比于传统的集中式云计算服务，边缘计算的优势主要体现在数据处理的实时性、良好的隐私保护和低能耗3个方面。

（1）实时性。在物联网普及的背景下，万物互联互通是不可避免的趋势，此时，供需双方将会产生大量的实时数据，云计算的性能将会达到瓶颈[19]。根据IDC的预测[20]，到2020年，全球的数据总量将达到40 ZBit，随着边缘端设备的增加，网络带宽逐渐成为云计算的瓶颈，仅提高网络的带宽并不能满足物联网的要求。随着越来越多的传感器设备在供电侧和需求侧的应用，供需领域每秒所产生的实时数据量将达到GB的数量级。当前的网络带宽远远不能满足这样的数据传输量，如果将获取的信息直接上传至云计算中心，数据处理的实时性不能被保证。在接近数据产生的边缘侧设备上部署应用程序，用于处理全部或者部分数据，可大大提高数据处理的实时性[21-22]。

（2）敏感信息保护。当云平台向用户提供服务时，用户需要将所有数据上传至云计算服务器，通过数据分析，用户的敏感信息会被泄露[23]。边缘计算对于敏感信息的保护这一优势在电力供需领域中更加明显，供需双方会产生大量的敏感数据，这些数据直接被上传至云中心，这样做不仅占用大量的网络带宽，而且用户的隐私信息极有可能被泄露。针对这类现有云计算的数据安全问题，边缘计算为这类敏感的数据提供了较好的隐私保护机制，一方面，用户的源数据在上传至云数据中心之前，首先利用接近数据端的边缘端设备直接对数据进行处理，实现对于一些敏感数据的保护；另一方面，边缘端设备收到来自云中心的运算处理请求时，可以直接将处理结果回复给云中心，这样可以显著地降低泄密的风险。

（3）能耗。针对云数据中心的能耗问题，很

156

多学者也进行了研究。在中国的环境360报告中表明，中国数据中心发展迅猛，总量已超过40万个，年耗电量超过全社会用电量的1.5%。随着物联网的发展和用户应用程序的增多，云数据中心的数据量会进一步增大，随之能耗也会不断增加，目前虽然有关于云计算中心的能耗优化方面的研究，但是主要集中在于通过多个数据中心数据负荷的转移以达到降低区域电网负荷的目的[20]，并不能解决数据中心耗能巨大的问题。为了解决这一问题，边缘计算模型提出将原有在云数据中心上运行的应用程序拆解，部署在边缘节点进行处理，降低云数据中心的计算压力，进而达到降低能耗的目的。

1.3 边缘计算的发展阶段

随着电力市场改革，售电侧的放开以及智能用电业务的推广，越来越多的智能设备接入电网并且和电网互动，为了实现边缘计算技术在电力供需领域中的应用，根据现有的技术条件，应分为3个阶段：（1）联接；（2）智能；（3）自治。

目前，电力供需领域的智能终端和云服务器相连，使用云计算的模式提供服务。2015年国家电网提出要建设企业管理云、公共服务云和生产控制云，并加快推进“云大物移”等新技术在智能电网中的应用，并给出了明确的时间表[24]。根据2016年12月份边缘计算产业联盟发布的《边缘计算白皮书》中的描述，边缘计算的发展共分为3个阶段，分别为连接、智能和自治。连接阶段主要是为了实现海量异构设备的实时互联，智能阶段是在边缘侧引入数据分析与业务自治处理的能力，自治阶段是边缘节点可以动态实时地实现自我优化调整策略的执行。结合供需领域的实际情况，边缘计算在供需领域应用同样要经历这3个阶段。在任何阶段中，边缘计算服务都依赖于边缘计算节点，对于边缘节点需要执行的功能如图2所示，主要包括对于下层数据采集终端的监视以及数据的初步分析和存储，以及将不同类型的数据上传到上层不同的云平台中，以达到提高云平台计算效率的目的。

第1阶段是连接阶段，边缘计算节点主要是确保供需领域中各种异构设备、系统以及数据库之间的互联互通，为各个系统之间提供可靠的数据传输，并且可以将异构数据聚合，为云计算提

第 11 期李彬等：边缘计算在电力供需领域的应用展望

DAT: 数据获取终端EC: 边缘计算负荷...负荷用户储能分布式电源电动汽车用户侧数据采集DAT本地化入驻EC Node_1原始数据流数据中继系统监视系统管理经EC节点处理之后的数据流能效管理云从用电信息采集云从供需领域管理云主智能家居管理云从负荷控制云从供需互动云信息上传指令下达节点自治DATEC Node_2...EC Node_n边缘节点群管理类数据流数据数据处理分类单元负载均衡存储类数据流数据存储

图 2 供需领域中边缘节点功能Fig. 2 The functions of edge computing node in the field of supply and demand

表 1 边缘计算发展阶段

Table 1 The development stage of edge computing

阶段目的

联接

智能

自治

实现供需领域中异构系统、设备以及数据边缘计算节点可以智能化的执行本地业务边缘节点具有更强的计算能力可以根据业库的互联，并保证连接的安全和可靠。逻辑，对采集到的数据进行分析和处理务逻辑实时进行自我优化策略决策

互联评价能效管理

参与需求响应参与电力市场

应用实例智能抄表远程负荷监测

供有效的数据支持。

第2个阶段是智能阶段，对于这一阶段的应用服务，边缘计算主要是进行业务的本地化入驻，为了支撑后续边缘业务的高效运营和可视化管理。对于数据处理，边缘计算为了实现数据跨厂商的互操作并实现对数据的解析，实现语意的统一，对数据实时分析，并根据分析结果触发预定的业务响应策略[25]。此时将业务划分为时间敏感型业务和数据敏感型业务，对于时间敏感型业务，计算节点需要尽可能的靠近数据的采集点，对于这种业务，主要在边缘节点对其提供服务[26]。对于数据敏感型业务，边缘节点只对采集的数据进行预处理以减少云计算服务器的计算压力，数据处理的主要过程还是在云服务器中进行。边缘计算节点对于云计算平台是一个高效的数据采集装置；对于下层系统以及传感器终端，边缘计算节点是一个实时高效的指令和策略的发布节点。

第3个阶段是自治阶段，这一阶段中，边缘节点具备高效率的计算能力，边缘节点与智能终端、云服务器之间具备低时延的组网能力，这个协同工作系统具备高可靠性的业务能力，云计算和边缘计算的分工也更加明确。边缘节点具备功

能更加综合的计算能力，边缘节点主要处理实时性强、数据生命周期短、需要本地决策的业务，而云计算则处理实时性要求低、数据生命周期长、业务决策场景需要多方面协调的业务[27-28]。

2 边缘计算适用性分析

随着电力市场改革，智能电网的逐步完善以及可再生能源的并网，电力供需互动成为电力市场的主要发展方向。供需互动根据参与主体的形式以及参与程度分为：需求响应（demand response，DR）、需求侧竞价（demand-side bidding，DSB）、负荷调度（load dispatch，LD）以及含分布式电源的调度（distributed generator-included dispatch，DGD）[29]。

电力供给侧和需求侧的互动如图3所示，需求响应是指当电力批发市场价格升高或系统可靠性受威胁时，电力用户接收到供电方发出的诱导性减少负荷的直接补偿通知或者电力价格上升信号后，改变其固有的用电习惯模式，达到减少或者推移某时段的用电负荷而响应电力供应，从而保障电网稳定行为[30]。需求侧竞价使用户可以直

157

中国电力第 51 卷

接参与批发市场的竞争。用户可通过竞价或者合同订购的方式参加需求响应项目，投标时提供价格和削减负荷量，供电公司依据投标结果决定中标者。若中标者未按照要求削减相应负荷，将会受到惩罚。负荷调度是指充分调度可调节负荷，以实现经济效益和整体资源最优配置。含分布式电源的调度是指电力用户掌握屋顶光伏、小型风机等发电设备，转变为产消合一者，对发电、用电、储能进行协调管理，并聚合不同容量的分布式电源，参与市场竞争，提升能源效率。调度结果电网公司调度云平台调度指令需求响应指令智能楼宇ECN响应情况/负荷信息需求侧竞价竞价信息负荷聚合商云平台电力市场云平台信息上传分布式电源调度分布式电源智能企业ECN智能家居ECN边缘节点负荷调度负荷信息供能电力用户商业用户工业用户居民用户

图 3 供需互动场景Fig. 3 Supply and demand interaction

对于电力用户用电负荷的分析和用户分布式能源、储能设备的实时监控成为供需领域互动的重要技术支撑。为了实现供需互动，电网公司需要对各个电力用户的负荷进行实时监控和分析，并且供需互动的业务对于实时性有一定的要求。

表 2 DR业务响应时间

据电力用户和市场电价实时向聚合商上报可调度负荷量来完成的，但是这个方法不能实时有效地确定电力用户的可调度负荷，从而导致需求响应资源库不够准确，进而导致需求响应事件完成效果不佳。如果电力用户实时向电网公司上传自己的负荷情况，会导致大量的带宽资源被占用，而且加重了需求响应服务器对于数据处理的压力。而边缘计算是解决这一问题的关键技术，电力用户首先将自己的用电信息上传至边缘节点，由边缘节点对信息进行初步的处理，分析电力用户的需求响应资源，定时或者在需求响应事件来临时，向电网公司上报响应资源，从而提高需求响应资源库的时效性并且可以减少对于带宽资源的占用。

Table 2 DR service response time

DR类型实时调节紧急调控柔性控制电量市场

一般描述调节随机偏差快速响应供应不足跟随风电/光伏波动削减/转移电能消耗

响应速度/min

0.51.05.05.0

响应时长/min

15≤3060≥1

以需求响应业务为例，需求响应业务对响应速度要求极高，为了满足对于响应时间的要求，电网公司需要根据电力用户的负荷提前建立需求响应资源库，在需要下发需求响应命令时，根据需求响应资源库中的资源，向指定用户下达需求响应事件。需求响应资源库的准确度影响着需求响应事件的响应效果，资源库的时效性越强，则需求响应效果越好。目前，需求响应资源库是根

随着供需领域的自动化、智能化，边缘计算在供需领域中的应用会有着越来越广泛的空间。本文从边缘计算在家庭能源网关中的应用、非侵入式负荷监测和有序用电管理3个方面对边缘计算在供需领域中的应用进行了分析和展望。

3 边缘计算在供需领域的应用设想

158

第 11 期李彬等：边缘计算在电力供需领域的应用展望

3.1 应用于家庭能源网关

家庭能源网关的产生是为了满足智能家居的普及而面向家庭能源管理的需求，它基于现有标准通信协议，将能源管理和家庭网络结合[31]。家庭能源网关支持PLC、ZigBee、IEEE802.11等标准通信协议，可以实现与家庭内部智能家居、小型分布式能源和家庭储能的互联互通。对于家庭外部，家庭网关与电网企业之间云计算的模式进行部署以实现需求响应、需求侧竞价等新型电力业务。对内组成和管理家庭智能用电网络，确保家庭用电环境的安全、可靠、节能[32]。控制电力交单元易市场家庭能源网关PLCWiFi家庭互ZigBee联网电力需求响应电力用户流企业云数据智能家居云平台 图 4 边缘计算在家庭能源网关中的应用场景Fig. 4 The application of edge computing in home

energy gateway

家庭能源网关可以将一些计量信息进行处理，将其中的电费信息直接上传至电网公司，将和需求响应相关的信息上传至需求响应数据库。在需求响应事件中，家庭能源网关根据用户的用电情况和需求响应补偿方法，实时计算出该电力用户的可调节负荷，并上报至需求响应资源库，提高需求响应资源库的实时性和可靠性，使得需求响应事件可以更好地完成。在用户许可的情况下，家庭能源网关可以根据用户家庭内部的负荷情况以及电力市场中的电价，对用户家中大功率的用电行为如充电汽车充电进行控制，使家中的负荷曲线更加平稳，降低用户的用电成本。

对于不同厂商的家用电器云平台，它们之间实现互联互通非常困难，从而导致在需求响应事件到来时对家电统一调度过程非常复杂。电力用户需要同时和多个云平台交互信息才可完成调

度，而边缘计算和家庭能源网关结合则很好地解决了这一问题。家庭能源网关在需求响应来临时，判断家庭内部负载情况，根据需求响应策略，通过家庭互联网直接对电器设备进行控制。3.2 非侵入式负荷监测系统

对于需求领域而言，负荷检测有着重要的意义。传统的负荷检测一般通过在每一个被监测的设备上加装传感器这类硬件设备，这种侵入式的负荷监测在设备的安装和维护方面需要耗费大量的人力物力，而且随着电力设备的增加和应用范围更加广泛，侵入式的负荷监测已经不能满足电力设备的需求。因此，提出了非侵入式负荷监测（non-intrusive loads monitoring，NILM）的概念，

非侵入式负荷监测只需要在电能入口处安装监测设备，通过监测该处的电压、电流等电气指标进行分析，根据不同电气的负荷特性得到所需要监

测的负荷指标。以家庭用户为例，为了提高监测效率和减少数据传输所占用的容量，非侵入式监测通常设置在整个家庭的电力接入端口。当出现

设备使用时间重叠或者同类设备数量过多的情况时，非侵入式监测的准确性下降。

近10年来，处理器的性能不断提升而且体积大幅缩小，这为将非侵入式识别的设备更加广泛的部署提供了基础。在智能家电领域中，智能插座作为重要的家电得到了广泛的应用。如图5所示，将原来在家庭电力输入端口部署的非侵入式设备的功能分散部署在智能插座上，各个智能插座根据自己输出的电能情况，分析负荷特性，通过电力线载波通信将负荷信息上传至部署在家庭电力输入口的终端上，终端将负荷信息汇总，上传给需求响应聚合商。相比于家庭电力输入口，单个智能插座的输出更为简单，负荷特性更为明用户负荷 1用户负荷 2用户负荷 3智能插座非侵入式负荷信息电网负荷检测上报侧负荷信息终端检测能量流电力入户线信息流 图 5 边缘计算在非侵入式负荷监测中的应用Fig. 5 The application of edge computing in NILM

159

中国电力第 51 卷

显，对于处理器性能的要求也会有所降低，这样大大提高了非侵入式负荷监测的可靠性，而且相比于传统的非侵入式监测成本和耗能也大体相当。3.3 应用于有序用电管理系统

随着经济增长，中国用电负荷不断攀升，电力供需领域中的矛盾日益凸显，电力市场中的供电缺口在一定时期中将会长期存在。电力需求侧实施有序用电已经成为应对电力缺口的重要手段。有序用电是一种科学用电的需求侧管理方法，指的是通过行政措施、经济手段、技术方法达到供用电秩序平稳的手段，目前电网有较大峰谷差，有序用电是整理负荷曲线的重要手段[33-35]。有序用电改变了在电力短缺的情况下，不会出现无限制拉闸限电的情况，在电力短缺的情况到来时，供需双方反应越快，有序用电就可以越有效地缓解电力短缺。为了更加合理的编制有序用电的方案组织电力用户实施，电网用户需要获取电力用户实时的用电信息，电力用户在空间分布广泛，不同电力用户的用电习惯不一，这就导致了用电信息采集过程复杂，数据冗余度高，电网企业对于电力用户的用电信息的存储将会占用大量资源。电力用户 3用电事件 n...事件队列请求获取事件重要度电力短缺电力用户 1用电事件 n...用电事件 2用电事件 1上报边缘节点记录相关信息用电事件 0电力用户 2用电事件 n...用电事件 2用电事件 1上报边缘节点记录相关信息用电事件 0用电事件 2用电事件 1上报边缘节点记录相关信息边缘节点下发指令调度中心用电事件 0当前事件

图 6 边缘计算在有序用电管理中的应用Fig. 6 The application of edge computing in Orderly electricity management

随着电力用户的智能化程度增加，电力用户侧会出现很多具有一定计算能力的边缘节点，利用这些边缘节点的存储和计算能力，会减轻电网企业对于用户用电信息采集的负担。在电力用户正常工作的时候，边缘节点会记录在一段时间内用户每一次的用电事件，包括用电功率、用电时间等一系列参数，并对用电事件进行重要度的评估。而在电力短缺的情况出现的时候，调度中心向各个边缘节点发送指令，要求上传当前用电事件以及队列中用电事件的重要度，调度中心根据事件重要度向各个电力用户下发指令。这样大大减少了调度中心和电力用户之间交换信息所需的带宽，并且因为调度中心在电力短缺事件发生时所需要处理的信息量也显著减少，供需双方可以更快地做出响应，有序用电方案的实施效果也会明显提高。当在电网发生突发情况导致大规模断电时，调度中心可以根据边缘节点对于用电事件

重要度的分析，优先恢复重要的电力用户的电力供应以降低电网突发事件造成的经济损失。

4 结语

本文在综述边缘计算的产生和优势以及供需互动的基础上，综合对于边缘计算以及需求响应的认识，对边缘计算在电力供需领域的应用进行了展望，从边缘计算在家庭能源网关的应用，非侵入式负荷监测，有序用电管理3个方面展开了详细的介绍。边缘计算以其占用带宽小、实时性和安全性优等优势，在供需领域未来的发展中占据重要的地位。随着自动需求响应的完善和推广以及电器设备智能化水平的提高，数据容量和设备对于数据实时性的要求会越来越高，现有的云计算的模式将会很难满足电力通信的要求，边缘计算必将成为供需领域的关键技术。

160

第 11 期李彬等：边缘计算在电力供需领域的应用展望

参考文献：

[1]

盛万兴, 史常凯, 孙军平, 等. 智能用电中自动需求响应的特征及研究框架[J]. 电力系统自动化, 2013, 37(23): 1–7.

SHENG Wanxing, SHI Changkai, SUN Junping, et al.Characteristics and research framework of automated demandresponse in smart utilization[J]. Automation of Electric PowerSystem, 2013, 37(23): 1–7.

[2]LI S, ZHANG D. Developing smart and real-time demand responsemechanism for residential energy consumers[C]// Power SystemsConference, Clemson, SC, USA, IEEE, 2014: 1–5.

[3]王思彤, 周晖, 袁瑞铭, 等. 智能电表的概念及应用[J]. 电网技术,2010, 34(4): 17–23.

WANG Sitong, ZHOU Hui, YUAN Ruiming, et al. Concept andapplication of smart meter[J]. Power System Technology, 2010,34(4): 17–23.

[4]陈丽安, 张培铭, 雷德森. 人工智能在电气设备中的应用现状与前景展望[J]. 电网技术, 2000, 24(7): 21–24.

CHEN Lian, ZHANG Peiming, LEI Desen. Application and prospectof artificial intelligent in electrlcal equipments[J]. Power SystemTechnology, 2000, 24(7): 21–24.

[5]罗涌涛. 用电信息采集系统应用现状及发展趋势[J]. 科技尚品,2017(9): 61–66.

LUO Yongtao. Current situation and development trend of theapplication of electrical information acquisition system[J]. Premiere,2017(9): 61–66.

[6]SATYANARAYANAN M. Edge computing[J]. Computer, 2017,50(10): 36–38.

[7]LEE Jaehun, LEE Hochul, LEE Young Choon, et al. Platformsupport for mobile edge computing[C]// IEEE International Confer-ence on Cloud Computing. 2017: 624–631.

[8]工业与信息化部. 中国制造2025[EB/OL]. (2017-12-15)[2017-11-02]. http://www.miit.gov.cn/n973401/n1234620/n1234622/c4409653/content.html, 2015(9).

[9]国家能源局. 能源发展“十三五”规划[EB/OL]. (2017-12-15)[2017-11-02]. http://www.ndrc.gov.cn/zcfb/zcfbghwb/201701/t20170117_835296.html, 2016.

[10]李建锋, 牛东晓, 吴倩, 等. 基于CPS的电力供需互动技术及平台

发展[J]. 中国电力, 2017, 50(6): 82–87.

LI Jianfeng, NUI Dongxiao, WU Qian, et al. The development ofpower supply and demand interaction technology and platform basedon CPS[J]. Electric Power, 2017, 50(6): 82–87.

[11]王计艳, 王晓周, 吴倩, 等. 面向NB-IoT的核心网业务模型和组网

方案[J]. 电信科学, 2017, 33(4): 148–154.

WANG Jiyan, WANG Xiaozhou, WU Qian, et al. Core networkservice model and networking scheme oriented NB-IoT[J].

Telecommunications Science, 2017, 33(4): 148–154.

[12]SUBRAMANYA T, GORATTI L, KHAN S N, et al. A practical

architecture for mobile edge computing[C]// IEEE Conference onNetwork Function Virtualization and Software Defined Networks.IEEE, 2017: 1–4.

[13]ALIU O G, NIEPHAUS C, KRETSCHMER M. Wireless backhaul

for mobile edge computing[C]// IEEE Netsoft Conference andWorkshops. IEEE, 2016: 349–350.

[14]ANSARI N, SUN X. Mobile edge computing empowers internet of

things[R]. Ieice Transactions on Communications, 2017.

[15]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 prospectof edge computing in power demand response business[J]. PowerSystem Technology, 2018, 42(1): 79–87.

[16]祁兵, 夏琰, 李彬, 等. 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): 33–41.

QI Bin, XIA Yan, LI Bin, et al. Family energy management systembased on edge computing: architecture, key technology andimplementation[J]. Electric Power Construction, 2018, 39(3): 33–41.

[17]李栋. 边缘计算在智能制造中的解决方案[J]. 自动化博览, 2017(1):

74–77.

LI Dong. Edge computing solutions in smart manufacturing[J].Automation Panorama, 2017(1): 74–77.

[18]LI H, SHOU G, HU Y, et al. Mobile edge computing: progress and

challenges[C]// IEEE International Conference on Mobile CloudComputing, Services, and Engineering. IEEE, 2016: 83–84.

[19]施巍松, 孙辉, 曹杰, 等. 边缘计算_万物互联时代新型计算模型[J].

计算机研究与发展, 2017, 54(5): 907–924.

SHI Weisong, SUN Hui, CAO Jie, et al. Edge computing-anemerging computing model for the internet of everything[J]. Journalof Computer Research and Development, 2017, 54(5): 907–924.

[20]高赐威, 曹晓峻, 闫华光, 等. 数据中心电能管理及参与需求侧资源

调度的展望[J]. 电力系统自动化, 2017, 41(23): 1–7.

GAO Ciwei, CAO Xiaojun, YAN Huaguang, et al. Energymanagement of date center and prospect for participation in demandside resource scheduling[J]. Automation of Electric Power Systems,2017, 41(23): 1–7.

[21]BUYYA R, YEO C S, VENUGOPAL S, et al. Cloud computing and

emerging IT platforms: Vision, hype, and reality for deliveringcomputing as the 5th utility[J]. Future Generation Computer Systems,2009, 25(6): 599–616.

[22]SATRIA D, PARK D, JO M. Recovery for overloaded mobile edge

computing[J]. Future Generation Computer Systems, 2017, 70(5):138–147.

[23]The digital universe of opportunitise: Rich data and the increasing

161

中国电力第 51 卷

value of the Internet of Things[EB/OL]. (2017-12-18)[2016-12-03].https://www.emc.com/collateral/analyst-reports/idc-digital-universe-2014.pdf.

Technology, 2014, 38(2): 352–359.

[31]夏元兴, 王庆泽, 普月, 等. 电力市场环境下家庭智慧能源网关概念

及设计[J]. 无线互联科技, 2017(5): 31–32.

XIA Yuanxing, WANG Qingze, PU Yue, et al. Concept and designof homrgy ge intelligent eneateway in electricity market environ-ment[J]. Wireless Internet Technology, 2017(5): 31–32.

[24]CORTES R, BONNAIRE X, MARIN O, et al. Stream processing of

healthcare sensor data: studying user traces to identify challengesfrom a big data perspective[J]. Procedia Computer Science, 2015,52(1): 1004–1009.

[32]王伯勇. 基于云计算的智慧家庭能源管理系统架构及功能研究[J].

绿色科技, 2014(5): 277–279.

WANG Boyong. Introduction to structure and functions of smarthome energy mangement system based on cloud computing[J].Journal of Green Science and Technology, 2014(5): 277–279.

[25]国家电网公司, 信息通信新技术推动智能电网和“一强三优”现代

公司创新发展行动计划[EB/OL]. (2017-12-18)[2017-11-05]. http://www.sgcc.com.cn/xwzx/gsyw/2015/09/329101.shtml. 2015(9).

[26]边缘计算产业联盟, 边缘计算产业联盟白皮书[EB/OL]. (2017-12-18)[2017-11-05]. html. 2016(12).

http://www.ecconsortium.net/Lists/index/cid/11.

[33]曾鸣.电力需求侧管理的激励机制及其应用[M]. 北京：中国电力

出版社, 2002.

[27]STANCIU A. Blockchain based distributed control system for edge

computing[C]// International Conference on Control Systems andComputer Science, IEEE, 2017: 667–671.

[34]史湘谊, 李颖, 王春宁, 等. 基于电力需求响应的负荷管理系统[J].

电力工程技术, 2013, 32(6): 59–61.

SHI Xiangyi, LI Ying, WANG Chunning, et al. Load managementsystem based on demand response[J]. Electric Power EngineeringTechnology, 2013, 32(6): 59–61.

[28]边缘计算产业联盟, 边缘计算参考架构2.0[EB/OL]. (2018-04-05)[2018-02-09]. html. 2017(12).

http://www.ecconsortium.net/Lists/index/cid/11.

[35]颜庆国, 薛溟枫, 范洁, 等. 有序用电用户负荷特性分析方法研究

[J]. 电力工程技术, 2014, 33(6): 48–50.

YAN Qingguo, XUE Mingfeng, FAN Jie, et al. Load propertyanalysis method for demanders participating orderly powerutilization[J]. Electric Power Engineering Technology, 2014, 33(6):48–50.

[29]王锡凡, 肖云鹏, 王秀丽. 新形势下电力系统供需互动问题研究及

分析[J]. 中国电机工程学报, 2014, 34(29): 5018–5028.

WANG Xifan, XIAO Yunpeng, WANG Xiuli. Study and analysis onsupply-demand interaction of power systems under newcircumstances[J]. Proceedings of the CSEE, 2014, 34(29):5018–5028.

[30]高赐威, 梁甜甜, 李扬. 自动需求响应的理论与实践综述[J]. 电网

技术, 2014, 38(2): 352–359.

GAO Ciwei, LIANG Tiantian, LI Yang. A survey on theory andpractice of automated demand response[J]. Power System

作者简介：

李彬(1983—)，男，博士，副教授，从事电力通信、电气信息技术相关研究，E-mail：direfish@163.com。

（责任编辑　张子龙）

Prospect of Application of Edge Computing in the Field of Supply and Demand

LI Bin1, JIA Bincheng1, CHEN Songsong2, YANG Bin3, SUN Yi1, QI Bing1

(1. School of Electric and Electronic Engineering, North China Electric Power University, Beijing 102206, China; 2. China Electric PowerResearch Institute, Haidian District, Beijing 100192, China; 3. State Grid Jiangsu Electric Power Company, Nanjing 210024, China)

Abstract: With the intellectualization of equipment in the supply and demand field, the amount of information transferred betweensupply and demand areas is increasing, resulting in waste of bandwidth resources and information processed not in time. Theintroduction of edge computing into the supply and demand field is a good solution to these problems. This paper discusses theemergence and advantages of edge computing. Then it analyzed the supply and demand interaction and explained the demand foredge computing in the supply and demand field. Finally, this paper looks forward to the application of edge computing in the field ofsupply and demand. And the application of edge computing in the specific scene of supply and demand is built in this paper, whichprovides reference for the development of edge computing in the field of supply and demand.

This work is supported by the Science and Technology Projects of SGCC (No.SGJS0000YXJS1700314).

Keywords: energy internet; edge computing; supply and demand interaction; automatic demand response; intelligent; data processing

162