基于边缘计算的变电站无人机巡检云边协同策略研究

李游

摘要：随着电力系统规模的不断扩大化，电力设备的不断复杂化，传统的变电站巡检方式已经无法适应电力系统快速发展的要求。本文对无人机巡检特点进行了分析，提出了基于边缘计算的无人机巡检云边协同策略，对云边协同策略进行了深入研究。采用云边协同策略能够大大提高无人机巡检的工作效率，有效降低电力系统的运营维护成本。

关键词：边缘计算;无人机巡检;云边协同策略

近年来，国家大力推进智能电网建设，电力系统规模不断扩大，电力设备复杂程度不断加深，电力系统正在逐步实现数字化转型，因此对于变电站的巡检也提出了更高的要求[1]。基于物联网技术及云计算技术的发展，将无人机技术、边缘计算技术、云边协同策略进行有机结合，为变电站巡检技术升级提供了有效的解决方案[2][3]，更加有利于促进变电站的安全、稳定、可靠运行。

1 无人机

采用无人机进行变电站巡检，能够避免传统巡检方式的不足，获取大量数据用于进行缺陷识别，提高识别的准确率[4]。无人机是变电站巡检任务的承载主体，也是边缘计算的主要实现主体，其巡检的主要特点有：

（1）集群协同性：多台无人机携带不同的设备，各自完成自身承担的巡检项点，之后再将巡检采集到的数据进行汇总分析，协调配合共同完成变电站巡检工作。

（2）可预测性：无人机巡检目的明确、巡检目标清晰，可以通过程序设定具体的巡检任务，自主完成巡检工作;也可以在人工操作下进行巡检，将巡检数据实时回传到控制中心。

（3）时空局部性：由于检测目标存在一定的差异性，巡检获取的数据也不相同，从而导致了时空角色差异与变化，巡检空间也存在一定的时空局部性。

（4）巡检互动性：无人机通过物联网接入到云计算中心，能够从多个维度对设备的健康状态进行科学判定;通过边缘计算能够快速诊断设备缺陷，并实时调整巡检路径，从而形成互动的巡检态势。

2 边缘计算

2.1 边缘计算概念

边缘计算的核心思想是要在大限度保证计算任务在离数据源最近的计算资源上完成，“边缘”是指数据源与云计算中心之间的计算资源及网络资源[5][6]。边缘计算模型中的每一层都能够提供资源与服务，无人机在边緣计算模型中以承担边缘服务器的作用，需要具备强大的数据分析及资源调度功能，这样能够缓解网络带宽及云计算中心的压力，并且加快了响应速度。但是，大数据运算还是需要云计算中心来完成。这样将边缘计算和云计算结合起来，实现了数据分析资源的优化配置[7]。

2.2 边缘计算架构

在无人机执行巡检作业时，无人机是边缘计算任务的发起方，其具体的边缘服务器系统架构如图1所示。

从资源调度的角度出发，边缘设备承担计算资源和存储资源的调度任务，边缘服务器可以通过无线网络进行互联，从而将巡检区域中的边缘服务器有效协同起来，共同配合完成巡检工作[8]。变电站内的云计算中心还能够完成更改复杂的计算任务和数据存储任务，采用云边协同策略，将巡检采集到的数据与巡检任务有效结合起来。

3 边缘计算与云边协同关系分析

变电站的云边协同体系一般来说由一个云计算中心和多个边缘计算终端组成，云计算中心和边缘计算终端都可以划分为业务层、数据层、资源层三部分，云计算中处于核心位置，负责对变电站内的多个边缘计算终端进行协同管理实现云边业务协同、云边数据协同、云边资源协同[9]，云边协同架构如图2所示。

4 基于边缘计算的无人机巡检云边协同策略分析

4.1 业务处理协同策略

变电站电力巡检业务被拆分成多个巡检微业务分散部署在云计算中心和边缘计算终端，无人机采集到的数据先进行边缘计算后，再上传到云计算中心进行综合处理云边协同机制下的微业务能够根据实际灵活部署。云边协同体系下的业务实现，要依托于云计算中心和边缘计算终端。云边业务处理协同就是在云计算中心对业务进行部署，云计算中心和边缘计算终端实现业务得协同处理。云计算中心根据巡检业务得具体流程拆分成多个微业务，针对边缘计算终端的实际情况进行微业务的部署;边缘计算终端将采集到的数据实时上传到云计算中心，由云计算中心进行处理，并将相关数据反馈给边缘计算终端;通过云计算中心，能够实现不同业务的数据共享，避免了部分功能的重复开发。

4.2 数据协同策略

变电站的巡检进行中会产生大量的数据，既包括了设备相关信息，也包括了除此之外的信息，根据其运用功能可以分为运行过程数据、设备管理数据;运行过程数据为电力设备运行时的实时电压、电流、功率因数、运行状态、控制命令等数据;设备管理数据为设备的型号、部署信息、拓扑信息等。边缘计算将数据进行处理后，在上传到云计算中心进行数据协同处理，以保证数据的安全性、有效性、实时性。数据在向云计算中心传输时需要经过加密模块进行数据加密处理;云计算中心对上传的数据进行综合分析后，想边缘计算终端下发控制策略和需求响应结果。

4.3 计算资源协同策略

边缘计算终端的计算资源和存储资源是收到外部条件限制的，由于变电站巡检项目的存在差异性，需要用到的资源也不尽相同，所以可以通过云计算中心将微巡检业务转移到云计算中心和距离该边缘计算终端较近的其他边缘计算终端。云计算中心根据云边网络拓扑结构进行负载均衡化处理，云边计算资源协同策略合理分配了计算资源及存储资源提高了业务实时性，优化了计算资源的利用率，降低了云边体系的计算资源投资成本。

5 结论

云边协同策略是变电站无人机巡检中的重要控制策略，该策略对变电站无人机巡检作业中的业务处理协同分配、数据资源系统分配、计算资源协同分配起到了重要作用。本文从边缘计算的概念出发，分析了边缘计算与云计算中心各自承担的任务，以及二者之间的关联关系，深入研究了基于边缘计算的无人机巡检云边协同策略。采用云边协同策略能够大大提高云边体系的灵活性，提高巡检业务的实时响应速度，实现计算资源和存储资源的优化配置，降低变电站运营维护的成本。

参考文献

[1]胡金磊，朱泽锋，林孝斌，黎阳羊，刘剑，沈若瑾. 变电站无人机机巡边缘计算框架设计及资源调度方法[J]. 高电压技术，2021，11（04）：19-21.

[2]季鹏飞，徐曾春，胡平. 边缘计算下的多无人机野外协同作业机制研究[J]. 小型微型计算机系统，2019，19（15）：47-49.

[3]漆震，刘虎威，何鹏，冯为嘉. 基于边缘计算与无人机平台的违停车辆识别系统[J]. 信息技术与信息化，2020，12（13）：35-36.

[4]王海柱，郭文鑫，郑文杰，黎皓彬. 配用电边缘计算终端的云边协同机制与运行策略[J]. 电器工业，2020，08（09）：14-17.

[5]司羽飞，谭阳红，汪沨，康文妮，刘杉. 面向电力物联网的云边协同结构模型[J]. 中国电机工程学报，2020，11（17）：45-48.

[6]崔岩，姚叶. 移动边缘计算系统中无人机和用户的分层博弈优化方法[J]. 通信技术，2020，12（09）：27-28.

[7]姚叶，崔岩. 空地协同下移动边缘计算系统的联合多无人机轨迹和卸载策略优化[J]. 通信技术，2020，17（12）：42-46.

[8]姚元，刘学龙，朱军，刘欣欣. 基于边缘计算的大规模无人协同探测感知架构研究[J]. 现代雷达，2020，11（18）：22-23.

[9]刘伯阳，杨宁乐，马杰，万奕尧，李明. 无人机认知边缘计算资源分配与轨迹优化方案[J]. 西安邮电大学学报，2021，09（12）：19-21.