0 引言

    電子化和信息化時代的到來，給電力通信網的管理和維護帶來了新的挑戰。如何保證電力通信網絡的通信質量和信道要求，如何減少運維人員壓力，如何保證電力通信網的穩定性和可靠性等問題是亟待解決的問題。借助電子信息技術和人工智能技術打造“互聯互通”的智能電網，實現電力網和通信網的一體化深度融合，國家電網有限公司提出了建設泛在電力物聯網的方針。泛在電力物聯網的建設依托現有智能電網展開，致力于實現電力系統各個環節萬物互聯、人機交互、動態信息感知和高效信息處理等^[1]。泛在電力物聯網為傳統電網賦能，可實現電力系統各環節設備及客戶的狀態全面感知，達到高度信息交互與數據共享^[2]。

    傳統電力骨干通信網缺陷診斷主要依靠各級運維人員定期巡檢設備網管，根據專家知識和運維經驗進行缺陷分析和缺陷定因。其準確性依賴于人為經驗，并且需要操作員根據實時情況動態調整缺陷診斷規則。

    由于電力通信網在保證經濟建設、社會生產中的重要性，要求其保證高度的可靠性和出現故障時保持服務的能力。基于人工經驗的缺陷診斷方法，主觀因素影響較大，并且難以應付指數級增長的海量告警信息。

    缺陷診斷分為事件檢測和定位。事件檢測和定位則基于事件分類。傳統事件分類由運維人員根據運維經驗確定，這種分級分類只考慮電力系統中發生頻率最高的事件^[3]。已經有許多研究將人工智能技術應用到電力通信網事件分類和缺陷診斷領域中以擺脫對規則的依賴，減少人力資源的投入^[4]。電力通信網的智能化以及人工智能技術的應用提升了電網整體運營能力，提高了電力通信網的運維效率和可靠性。但智能電網的大量監管數據匯入帶來了新的挑戰，業務依靠海量數據支撐并且要求短時內處理高并發信息，完成數據采集、數據傳輸、數據清洗、數據分析，對運維中心帶來了巨大的計算壓力和開銷。

    為了應對海量數據和計算量帶來的挑戰，邊緣云和邊緣計算(Edge Computing，EC)技術被應用到電力通信領域^[7]。

    邊緣計算技術能夠有效支撐分布式數據采集和處理，分布式模型訓練，分布式需求響應，將計算壓力下沉到邊緣側，減輕運維中心壓力。作為一種新興的計算模式，邊緣計算將電力通信網中心的云計算資源擴展到網絡邊緣，使得計算中心從電力通信骨干網擴展到邊緣節點，縮短了業務與計算資源之間的距離，協同完成電網所分配的業務。目前已有的邊緣計算包括移動云計算^[8]、霧計算^[9]和移動邊緣計算^[10]等。邊緣計算生態搭建已在國內逐步推行，部分工業領域正積極部署邊緣計算的應用。

    本文提出一種電力通信網邊緣計算架構，旨在構建智能電網運維新生態，實現電力網通信網有機結合、互聯互通，并提出一套基于邊緣計算架構，面向電力通信網告警數據進行缺陷診斷的技術方案。

本文詳細內容請下載:http://m.jysgc.com/resource/share/2000003459

作者信息:

朱鵬宇1，蔡新忠1，徐士元1，吳季樺2，王敬宇2

(1.國網電力科學研究院有限公司，江蘇 南京210012；2.北京郵電大學網絡與交換國家重點實驗室，北京100876)