基于云雾边协同的配电信息物理系统与资源优化探讨

本文是一篇信息系统与信息资源论文，本文以配网协同计算框架为架构基础，以通信中心选址优化为规划基础，以计算任务卸载优化为实时对象，从不同的时间尺度对CPDS的资源优化方案进行了研究。
第一章 绪论
1.1 课题研究背景和意义
美加814大停电[1]和美国El Paso电力公司[2]的停电事故中，状态估计功能的失效和通信不正常延时导致保护误动，揭示了信息通信系统的电网实时状态感知能力对于电力系统稳定运行的重要性。而分布式能源的广泛接入使得电网的源—荷两端随机性增强，导致其在结构、潮流等方向发生了显著变化，进而加剧了保障供电系统稳定性及可靠性的难度[3]。近年来，依托于智能感知与分布式网络技术的快速发展，配电网的智能化水平得到了显著提升，不仅优化了电力资源的配置，还增强了电网对复杂环境的适应能力。然而，随着电网规模的扩大和复杂性的增加，对配电网的智能化管理提出了更高的要求[4]。
2015年11月，国家发展改革委员会、国家能源局公布了《电力发展“十三五”规划》，其中强调了将“升级改造配电网和推进智能电网建设”作为重点任务。2023年4月，国家能源局印发《2023年能源工作指导意见》中提到，要加快能源产业数字化智能化升级，并明确把建设智能配电网作为推动能源消费转型的具体措施之一[5]。为了深化配电自动化一次系统与信息系统的融合，业内提出了主动配电网信息物理系统的新概念，旨在优化配电网的管理和运行[6]。通过在配网智能终端及智能用电设备大量并网趋势下形成配电信息物理系统（Cyber Physical Distribution System, CPDS），通过有源配电网与现代信息通信技术的深度融合，实现对电网数据的实时监测和分析，为电力系统运行提供更精准的决策支持[7]。
.......................
1.2 国内外研究现状
随着智能电网的快速发展，配电网信息物理系统（CPDS）已成为国内外研究的热点。CPDS通过集成先进的通信、计算和控制技术，实现了对电网的实时监测、分析和优化[14]。同时，边缘计算作为解决数据传输延迟和中心化处理压力的关键技术，在CPDS中的应用也逐渐受到重视。在网络资源优化调度方面，节点部署、任务分配等研究也在不断深入。
1.2.1 配电网信息物理系统的研究现状
随着能源结构的转型和智能化技术的快速发展，配电网信息物理系统(CPDS)在提升电网效率和响应能力方面发挥着越来越重要的作用。在2006年，美国国家科学基金会（NSF）首次引入了信息物理系统（Cyber-Physical Systems, CPS）这一概念，并视为下一代工程系统，旨在通过计算机-控制系统与物理世界的对象、过程和环境的实时、动态连接来推动科技进步[15]。目前相关学者就CPS融合建模开展了丰富的研究，文献[16]从信息物理融合的角度出发，通过将物理系统和信息系统的抽象成“数据节点”与“信息支路”，采用矩阵运算的方式对信息物理系统的状态进行流计算，并提出一种针对能量系统的信息能量融合建模方法与综合评估体系。文献[17]为了定量分析通信故障或网络攻击情况下造成的异常信息流对能量流的影响，在能量流的计算中融合加入了信息流的计算过程，提出了能量-信息流融合的计算方法，对信息物理一体化模型进行求解。文献[18,19]分析了信息流的建模思路和静态建模方法，提出了基于实际组网方式和运行方式下的信息流模型；文献[20]将通信和信息的影响作为输入量，基于集群理论提出了分层CPS。文献[21]采用有限状态机和混合逻辑动态模型提出了搭建混合系统的CPS建模方法。
...............................
第二章 CPDS云雾边协同计算服务框架
2.1 配电信息物理系统与雾计算技术
2.1.1 配电网物联网
物联网（IoT）是指使用先进的ICT和嵌入式系统（包括数字化传感器、仪表和控制器）将系统中的各种对象和元素相互连接的信息网络。较传统互联网而言，物联网具备了智能感知、可靠传递、自动控制、资源整合等鲜明特征，使其广泛应用于网络监控、远程操作、决策制定等管理工作，建设监管控一体化平台。
随着智能电网的快速发展，物联网技术与电力系统的结合愈发紧密。配电物联网（Power Distribution Internet of Things, PDIoT）成为建立智能配电网的关键技术手段，也是建设智能电网2.0的重要工作。配电物联网通过集成现代电子技术、通讯技术、计算机及网络技术，将配电网的在线数据和离线数据、配电网数据和用户数据以及电网结构和地理图形进行有效融合，从而实现了配电系统在正常运行及事故情况下的智能化监测、保护、控制、用电和配电管理[65]。
近年来，国家电网、南方电网以及各地方电网针对智能配电与物联网建设需要出台了一系列的发展规划与政策。国家电网在2019年3月发布的《泛在电力物联网建设大纲》中，明确了泛在电力物联网的架构组成，具体分为感知层、网络层、平台层与应用层四大层级，如图2-1所示[66]。其中，感知层负责信息的采集与预处理；网络层负责确保数据通信的稳定性；平台层作为数据处理与分析的中心，为物联网系统的智能决策和数据管理提供支撑；应用层作为用户与物联网系统的交互窗口提供多样服务。 

信息系统与信息资源论文怎么写

...............................
2.2 基于云雾边协同的计算层次架构
2.2.1 智能配电网基本计算框架
近年来，物联网、5G、人工智能、大数据、高性能计算技术的快速发展为促进配电系统精细化感知与柔性协调控制提供了有利条件，目前云-边协同的两级计算框架已在众多物联场景中取得应用。图2-3为当前大多数研究中提出的配电网云-边协同架构示意图，其主要由感知层、边缘层和云服务层构成。
（1）感知层：该层处在配电网运行环境的末端，主要负责获取配电网中的设备运行状态、环境参数以及用户信息等各类实时数据，并对配电网中的各类基础设备进行控制操作。在配电网的云边协同架构中，感知层设备主要涵盖各种一次设备、二次设备以及一二次设备融合的成套设备。一次设备主要负责直接的电能分配，它们确保电能从发电厂顺利传输到终端用户，包括断路器、开关柜、重合器、分段器等开关设备，以及箱式变电站和变压器等变压设备。二次设备主要用于监控、测量、控制、调节和保护一次设备，并为运维人员提供运行状态信息或生成控制信号这类设备包括故障转移单元（FTU）、数据传输单元（DTU）、台区智能融合终端，以及故障指示器等智能配电终端设备。一二次融合成套设备通过将二次设备的相关功能融合到一次设备中，形成一体化的成套设备，主要包括融合了一次和二次功能的柱上断路器和环网箱等。
（2）边缘层：边缘节点通常是位于靠近数据源一端以及网络的边缘侧，并且具有一定计算能力同时起到汇聚接入功能的网络设备，如本地能源路由器、汇聚交换机等。边缘层是连接感知设备与云端的桥梁，通过对感知层上送的数据进行初步处理和分析并返回控制指令，实现对配电网的实时监控、故障检测与隔离、优化控制等功能，能够快速响应配电网的局部变化，提高系统的灵活性和可靠性。同时，边缘层可为云服务层提供数据预处理服务，以环节云服务层的压力。
..........................
第三章 考虑节点性能的雾中心选址研究 .............................. 31
3.1 雾中心选址影响因素分析 ............................ 31
3.1.1 CPDS相依网络拓扑模型 .................................... 31
3.1.2 最短路径问题与求解方法 ..................... 32
第四章 基于时延与能耗的CPDS资源卸载分配策略 .................. 50
4.1 CPDS资源卸载基本场景 ............................... 50
4.2 CPDS资源卸载系统模型的构建 ................................. 50
第五章 结论与展望 ............................. 63
5.1 总结 ........................... 63
5.2 展望 ................................. 64
第四章 基于时延与能耗的CPDS资源卸载分配策略
4.2 CPDS资源卸载系统模型的构建
随着实时性业务的深化应用以及“双碳”目标的持续推进，系统中信息分析、处理和决策过程中的延迟、能耗问题日益受到关注。在构建一个高效的系统或应用程序过程中，传输速度、数据处理速度和能耗等方面的因素需要得到全面考虑。
基于前文所提出的任务卸载场景以及最短传输路径集，通过分析建立卸载过程中的迁移成本模型、计算成本模型和能耗成本模型：任务从源节点向目的节点传输数据并返回结果过程中产生的时延构成迁移成本；计算成本是云雾边节点对任务进行处理计算所耗费的时间成本；能耗成本反映设备在执行任务过程中所消耗的电能。这些成本是优化系统性能、资源分配和经济效益的关键因素，在云雾边协同计算中需要综合考虑并进行合理的优化改进，以实现系统的整体性能优化和经济效益最大化。

信息系统与信息资源论文参考

...............................
第五章 结论与展望
5.1  总结
随着智能电网的快速发展以及智能终端的大规模并网，CPDS的高度集成和边缘智能设备的激增为电网的智能化运行提供了内生动力，同时也带来了诸多挑战。网络数据量与计算能耗的爆发性增长，使得传统云中心模式在计算、存储和带宽上面临巨大压力，这些包括了中心节点的部署策略以及计算任务的合理卸载等问题，不仅对智能配电网的稳定性产生了影响，也涉及到电网的运行安全。 基于上述背景，本文探讨了智能配电网下的计算框架以及资源分配优化两方面问题。针对配电信息网络点多、面广的特点，本文以配网协同计算框架为架构基础，以通信中心选址优化为规划基础，以计算任务卸载优化为实时对象，从不同的时间尺度对CPDS的资源优化方案进行了研究。现将主要成果总结如下：
（1）针对配电信息网络点多、面广的特点，本文引入了雾计算的概念，结合CPDS的信息物理特征，提出了基于云雾边协同的智能配电网计算框架。通过结合云计算中心强大的数据处理能力、雾计算节点近边缘的实时响应能力以及边缘设备的本地化计算优势，将部分任务下沉至雾端处理，进而达到节约时延开销的目的。而后，根据云雾边协同的计算框架，分析了CPDS业务逻辑与层次化处理流程。最后，通过PureEdgeSim仿真平台模拟对比了不同架构下的系统任务处理性能，实验结果表明，引入雾计算的云雾边协同计算框架能够有效地平衡云中心和边缘节点的负载，有效降低系统时延。
（2）针对雾中心的选址优化问题，本文提出了一种基于节点性能、网络拓扑、通信质量与电力脆弱度的选址算法。该算法综合考虑了网络节点之间的连接关系、通信延迟等因素，通过聚类优化计算确定了雾中心的最佳位置。首先，从算网融合的视角建立了综合考虑节点电网影响和拓扑影响的节点重要度综合评价指标集，作为判断节点在网络中影响程度的重要依据。然后，基于主备用路径的选择和图结构的特征，对传统K-means聚类算法进行了改进，提出了基于节点评估的加权K-means聚类算法，实现对边缘节点分区优化以及雾节点部署位置的选择。
参考文献（略）