论电力基建业务中边缘计算的应用与实践

doi:10.11985/2020.04.019

电气工程学报 ›› 2020, Vol. 15 ›› Issue (4): 153-160.doi: 10.11985/2020.04.019

扫码分享

论电力基建业务中边缘计算的应用与实践

李兴¹(), 侯伟²(), 杨宇¹(), 王鹏¹(), 苏海军³(), 付铭明³()

1.北京国电通网络技术有限公司北京 100089
2.国网信息通信产业集团有限公司北京 102211
3.触景无限科技(北京)有限公司北京 100081

收稿日期:2020-05-19 修回日期:2020-10-10 出版日期:2020-12-25 发布日期:2020-12-25
作者简介:李兴,男,1977年生,中级工程师。主要研究方向为基建大数据算法和模型、边缘代理多通讯模组及设备协议、物联模型研究等。E-mail：lixing0405@sina.com
侯伟,男,1981年生,工程师。主要研究方向为边缘代理基建业务应用研究,边缘代理AI算法模型研究等。E-mail：houwei@sgitg.sgcc.com.cn
杨宇,男,1987年生,中级工程师。主要研究方向为基建业务信息化建设。E-mail： yangyu@sgitg.sgcc.com.cn
王鹏,男,1984年生,中级工程师。主要研究方向为智能设备在电力行业的应用,智慧工地数据采集。E-mail： cxwlp@sina.com
苏海军,男,1990年生,硕士,高级算法工程师。主要研究方向为计算机视觉、边缘计算模型、嵌入式边缘计算系统软硬件及算法的开发与设计等。E-mail：haijun.su@senscape.com.cn
付铭明,女,1982年生,硕士,高级工程师。主要研究方向为嵌入式边缘计算系统与应用、计算机视觉方法与模型研究等。E-mail：mingming.fu@senscape.com.cn

On the Application and Practice of Edge Computing in Infrastructure

LI Xing¹(), HOU Wei²(), YANG Yu¹(), WANG Peng¹(), SU Haijun³(), FU Mingming³()

1. Beijing Guodiantong Network Technology Co., Ltd., Beijing 100089
2. State Grid Information & Telecommunication Group Co., Ltd., Beijing 102211
3. Senscape Technologies Inc., Beijing 100081

Received:2020-05-19 Revised:2020-10-10 Online:2020-12-25 Published:2020-12-25

摘要/Abstract

摘要：

电力基础建设业务作为经济的发展基石,对于提高经济高质量发展具有重要意义。相对于传统的电力基建,新型电力基础建设的技术性和专业性更强,同时更加趋向智能化。以线路基建现场中异常物体检测在边缘计算中的应用为例,阐述了前端智能感知设备在新型基础建设的重要作用。与传统的云平台处理方式相比,边缘计算设备更靠近数据源头,响应更及时,可靠性更高,因此更加适合部署在网络环境不稳定,响应要求高的业务场景。

关键词: 电力基础建设, 边缘计算, 深度学习

Abstract:

As the foundation of digital economy development, the promotion of infrastructure business is of great significance to high-quality development of economy. Compared with the traditional infrastructure, the new infrastructure is more technical, more professional, and more intelligent. Taking the abnormal object detection in transmission lines as example, it becomes more important to use front-end intelligent device in new infrastructure. Compared with the common used cloud platform, the edge computing device is closer to the data source, so it is more responsive and more reliable, because of this, edge computing device is more suitable for application in unstable network environment or higher response scenarios.

Key words: Infrastructure, edge computing, deep learning

中图分类号:

TM561

李兴, 侯伟, 杨宇, 王鹏, 苏海军, 付铭明. 论电力基建业务中边缘计算的应用与实践[J]. 电气工程学报, 2020, 15(4): 153-160.

LI Xing, HOU Wei, YANG Yu, WANG Peng, SU Haijun, FU Mingming. On the Application and Practice of Edge Computing in Infrastructure[J]. Journal of Electrical Engineering, 2020, 15(4): 153-160.

图/表 5

参考文献 16

[1]	徐海亮, 张禹风, 聂飞, 等. 微电网运行控制技术要点及展望[J]. 电气工程学报, 2020,15(1):1-15.
	XU Hailiang, ZHANG Yufeng, NIE Fei, et al. Key points and prospect of micogrid operation and control technologies[J]. Journal of Electrical Engineering, 2020,15(1):1-15.
[2]	彭龙, 化振谦, 党三磊, 等. 面向泛在物联网的电力营销大数据处理方法[J]. 电气工程学报, 2020,15(1):95-102.
	PENG Long, HUA Zhenqian, DANG Sanlei, et al. Power marketing big data processing method for ubiquitous internet of things[J]. Journal of Electrical Engineering, 2020,15(1):95-102.
[3]	丁宇劼. 基于可再生能源与储能系统的微电网模型及其优化运行仿真研究[J]. 电气工程学报, 2020,15(1):36-40.
	DING Yujie. Microgrid model with renewable energy and energy storage system and its optimal operation simulation[J]. Journal of Electrical Engineering, 2020,15(1):36-40.
[4]	丁春涛, 曹建农, 杨磊, 等. 边缘计算综述:应用、现状及挑战[J]. 中兴通讯技术, 2019,25(3):2-7.
	DING Chuntao, CAO Jiannong, YANG Lei, et al. Edge computing:Applications,state-of-art and challenges[J]. ZTE Technology Journal, 2019,25(3):2-7.
[5]	秦永彬, 韩蒙, 杨清亮. 边缘计算中数据驱动的智能应用:前景与挑战[J]. 中兴通讯技术, 2019,25(3):68-76.
	QIN Yongbin, HAN Meng, YANG Qingliang. Data-driven intelligent application in edge computing:prospects and challenges[J]. ZTE Technology Journal, 2019,25(3):68-76.
[6]	王永利, 董焕然, 齐成元, 等. 泛在电力物联网优化与调控方法研究[J]. 电力需求侧管理, 2019,21(6):8-13.
	WANG Yongli, DONG Huanran, QI Chengyuan, et al. Research on optimization and dispatching method of ubiquitous power Internet of Things[J]. Power Demand Side Management, 2019,21(6):8-13.
[7]	张聪, 樊小毅, 刘晓腾, 等. 边缘计算使能智慧电网[J]. 大数据, 2019,5(2):64-78.
	ZHANG Cong, FAN Xiaoyi, LIU Xiaoteng, et al. Edge computing enabled smart grid[J]. Big Data Research, 2019,5(2):64-78.
[8]	杨建林, 吕冉, 张铭. 不同基础配置的虚拟电厂内部资源组合策略研究[J]. 电力需求侧管理, 2020,22(1):4-9.
	YANG Jianlin, LÜ Ran, ZHANG Ming. Research on internal resource combination strategy of virtual power plant with different basic configurations[J]. Power Demand Side Management, 2020,22(1):4-9.
[9]	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 prospect of edge computing in power demand response business[J]. Power Grid Technology, 2018,42(1):79-87.
[10]	周峰, 周晖, 刁赢龙. 泛在电力物联网智能感知关键技术发展思路[J]. 中国电机工程学报, 2020,40(1):70-82,375.
	ZHOU Feng, ZHOU Hui, DIAO Yinglong. Development ideas of key technologies of ubiquitous power Internet of Things intelligent sensing[J]. Proceedings of the CSEE, 2020,40(1):70-82,375.
[11]	刘田豹, 张宁. 边缘计算在末端融合系统中的应用[J]. 农村电工, 2019,27(12):35-36.
	LIU Tianbao, ZHANG Ning. Application of edge computing in terminal fusion system[J]. Rural Electrician, 2019,27(12):35-36.
[12]	王波, 马富齐, 董旭柱, 等. 电力深度视觉:基本概念、关键技术与应用场景[J]. 广东电力, 2019,32(9):3-10.
	WANG Bo, MA Fuqi, DONG Xuzhu, et al. Electric power depth vision:Basic concepts,key technologies,and application scenarios[J]. Guangdong Electric Power, 2019,32(9):3-10.
[13]	王艳如, 刘海峰, 李琳, 等. 基于边缘智能分析的图像识别技术在输电线路在线监测中的应用[J]. 电力信息与通信技术, 2019,17(7):35-40.
	WANG Yanru, LIU Haifeng, LI Lin, et al. Application of image recognition technology based on edge intelligence analysis in transmission line online monitoring[J]. Electric Power ICT, 2019,17(7):35-40.
[14]	谢小瑜, 周俊煌, 张勇军. 深度学习在泛在电力物联网中的应用与挑战[J]. 电力自动化设备, 2020,40(4):77-87.
	XIE Xiaoyu, ZHOU Junhuang, ZHANG Yongjun. Application and challenge of deep learning in ubiquitous power Internet of Things[J]. Power Automation Equipment, 2020,40(4):77-87.
[15]	朱鹏, 朱国义, 杨顺, 等. 基于泛在电力物联网的电力能耗管理系统研究[J]. 电力需求侧管理, 2020,22(1):75-80.
	ZHU Peng, ZHU Guoyi, YANG Shun, et al. Research on power consumption management system based on ubiquitous power Internet of Things[J]. Power Demand Side Management, 2020,22(1):75-80.
[16]	王海庆, 杨永宁, 白姗. 基于K3s的边缘计算在泛在电力物联网的技术研究[J]. 科技资讯, 2019,34(17):11-13.
	WANG Haiqing, YANG Yongning, BAI Shan. Research on K3s-based edge computing in the ubiquitous power Internet of Things[J]. Science and Technology Information, 2019,34(17):11-13.

论电力基建业务中边缘计算的应用与实践

On the Application and Practice of Edge Computing in Infrastructure

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 16

相关文章 15

编辑推荐

Metrics

本文评价

[1]	姜洪权, 贺帅, 高建民, 王荣喜, 高智勇, 王晓桥, 夏锋社, 程雷. 一种改进卷积神经网络模型的焊缝缺陷识别方法[J]. 机械工程学报, 2020, 56(8): 235-242.
[2]	周兴康, 余建波. 基于深度一维残差卷积自编码网络的齿轮箱故障诊断[J]. 机械工程学报, 2020, 56(7): 96-108.
[3]	张勇, 郑贤德, 季明江, 林鑫, 邱静, 刘冠军. 基于鱼侧线感知原理和深度学习的水下平动目标方向识别[J]. 机械工程学报, 2020, 56(12): 231-239.
[4]	刘阳, 郜志英, 周晓敏, 张清东. 工业数据驱动下薄板冷轧颤振的LSTM智能预报[J]. 机械工程学报, 2020, 56(11): 121-131.
[5]	田鹏,秦贺,侯乃乾,刘志强. 基于边缘计算和广域同步测量技术的配电网故障定位方法 ^*[J]. 电气工程学报, 2020, 15(1): 83-88.
[6]	裴洪, 胡昌华, 司小胜, 张建勋, 庞哲楠, 张鹏. 基于机器学习的设备剩余寿命预测方法综述[J]. 机械工程学报, 2019, 55(8): 1-13.
[7]	李川, 张绍辉, José Valente de Oliveira. 基于次优网络深度学习的3D打印机故障诊断[J]. 机械工程学报, 2019, 55(7): 73-80.
[8]	姜洪开, 邵海东, 李兴球. 基于深度学习的飞行器智能故障诊断方法[J]. 机械工程学报, 2019, 55(7): 27-34.
[9]	王奉涛, 刘晓飞, 敦泊森, 邓刚, 韩清凯, 李宏坤. 基于萤火虫优化的核自动编码器在中介轴承故障诊断中的应用[J]. 机械工程学报, 2019, 55(7): 58-64.
[10]	雷亚国, 杨彬, 杜兆钧, 吕娜. 大数据下机械装备故障的深度迁移诊断方法[J]. 机械工程学报, 2019, 55(7): 1-8.
[11]	汪久根, 柯梁亮. 基于残差网络的RV减速器故障诊断[J]. 机械工程学报, 2019, 55(3): 73-80.
[12]	訾斌, 尹泽强, 李永昌, 赵涛. 基于YOLO模型的柔索并联机器人移动构件快速定位方法[J]. 机械工程学报, 2019, 55(3): 64-72.
[13]	刘国梁, 余建波. 基于知识深度置信网络的加工粗糙度预测[J]. 机械工程学报, 2019, 55(20): 94-106.
[14]	李鹏越, 田建东, 王国霖, 李小毛, 唐延东, 吴成东. 面向机器人环境共融的图像去雪算法[J]. 机械工程学报, 2019, 55(11): 98-104.
[15]	雷亚国, 贾峰, 周昕, 林京. 基于深度学习理论的机械装备大数据健康监测方法[J]. 机械工程学报, 2015, 51(21): 49-56.