施敏达、仲立军、张腾、俞涯、顾君佳
国网嘉兴供电公司, 浙江嘉兴, 314000
摘要：本文介绍了一种基于边缘计算技术实现电网视频智能分析管控云平台的方案，详细介绍了系统结构、功能结构等。在变电站、营业厅、供电所、基建现场等重要区域或场所，就近部署具有人工智能分析能力的边缘计算终端，旨在有效解决电网现有视频平台传输数据量大而带宽资源有限、网络时延大、实时性要求高的问题。
关键词：边缘计算、模型训练、云平台
0、引言
随着全球各行各业数字化、网络化和智能化的不断提升，大数据、云计算和机器学习和推理等智能化技术在制造、电力、交通、医疗、水利、公共事业等行业的应用越来越广泛，从而对存储、算力和传输带来了巨大的挑战。随着专业计算芯片和通用设备智能化水平的不断提升，边缘计算以一种新的身份重新成为人们的关注点，在传统数据采集和网关基础上与云中心形成了一种新的云边协同的网络架构，在靠近物和数据源头的网络边缘侧，融合了计算、存储、网络和应用核心能力的分布式开放平台。
边缘计算将处于云中心的算力进行分布式下放，靠近数据采集层，可以对数据进行就地的计算和分析，从而降低了云中心计算的压力；同时，由于数据在边缘进行了有效的筛选、过滤和分析计算，将计算的结果和必要的信息通过无线或有线的方式传输给数据中心进行进一步的分析和全局性的大数据挖掘，从而降低对传输带宽的压力，尤其是在利用无线网络进行传输时，这一作用更加明显。除了以上两点外，相对于数据回传到云中心，云中心处理后再做相关的联动过程来说，边缘计算就近计算就地处理的特点，对事件处理的时延有很大的降低，可以有效缩短事件响应的时间，同时离线自治的能力，可以在回传网络不可靠时继续保持稳定的闭环工作。边缘计算开放的平台架构，可以利用容器、微服务等方式执行不同的应用，从而根据不同业务的需要在云端平台进行业务和应用的灵活编排，使得边缘侧的功能可以随云而动。
边缘计算与云计算相辅相成，构成了一个云边协同的高效的开放的网络架构，可以将算力、存储和计算资源进行虚拟化的统一管理（如图1）。
.png)
图 1 基于边缘计算的云边协同网络架构
电网现有视频统一平台，主要用于公司变电站、营业厅、供电所、计量中心、基建现场等固定或移动视频接入。由于电力网络带宽资源有限，各路视频流不能实时上传汇聚到数据中心存储，而是存在现场本地的各个厂家NVR设备（网络录像机）中，如需要调阅视频，就要通过远程视频下载后进行视频监视回放，或通过视频统一平台分配的权限进行远程单路调阅视频录像。通过视频监视发现事故或安全监察完全依靠人工，耗时费力，无法达到生产安全的事前预防、事中监视、事后分析的效果。因此，急需建设一套视频智能分析管控云平台来解决电力系统设备、人员和作业现场的实际安全问题，提升技术安全管理的手段和成效。以边缘计算技术为支撑，充分利用4G\5G技术高带宽、低延迟、支持大规模通信的特点，在边缘预置AI算法，将大量的计算下放到执行端，增强前端设备的视频和图像预处理，以及智能分析、智能联动控制的能力，将预处理和智能分析的结果传回数据中心来，或因网络中断还可以通过边缘设备预案机制采取应急处置措施，这样就可以有效缓解网络带宽压力，提升实时响应现场异常事件处置的能力。
1.实现方案
基于边缘计算技术的视频智能分析系统技术架构由终端侧、边缘侧、传输层、平台层和应用层组成（如图2）。视频智能分析管控云平台与边缘计算终端采用“云边协同”机制，由边缘计算终端将事件告警信息、图像、短视频上传给视频智能分析管控云平台，为变电站、营业厅、供电所、计量中心、基建现场等场景提供视频智能分析应用。
视频智能分析管控云平台建设在国网公司数据中心，实现对电力多种安监场景需求，进行大数据挖掘、分析与管理、算法模型训练、算法模型管理、边缘设备管理、接口服务等功能。视频智能分析管控云平台南向协同管理边缘计算终端，下发算法模型和管控信息，北向为电力应用系统提供数据交互接口服务，为大屏系统、安全风险管控平台等相关应用系统提供接口。模型算法训练平台则提供从数据上传、模型训练到模型发布全过程AI服务管理，为视频智能分析管控云平台提供模型发布、模型下载等服务。边缘侧则部署高性能或轻便型的边缘计算终端，实现各专业各单位多场景下视频数据采集和智能分析处理，如人脸识别、行为识别、区域边界识别、设备识别等，并将分析的事件、图像、告警记录等信息上传至视频智能分析管控云平台。
.png)
具体的各层功能如下：
(1)采集侧：数据来源于各种摄像头、智能型和非智能型的视频设备
(2)边缘侧：边缘侧部署边缘计算终端，通过NVR设备或摄像头获取视频流进行实时处理和分析，如：入场人脸识别、安全帽佩戴不规范、着装不规范、现场抽烟、安全围栏倒伏、安全围栏越线等，并依据视频智能分析管控云平台下发的检修计划，对相应的检修区域的视频流进行智能分析。边缘计算终端依据实际情况分为：
对于视频路数较多的场景，如变电站、计量中心等，采用高性能集群服务器处理；
对于视频路数相对较少的场景，如供电所、基建现场等，采用轻便型的工控机。
(3)传输层：可采用有线和无线两种传输方式。有线可采用光纤传输，无线可以是4G/5G或LTE专网传输。
(4)平台层：由视频智能分析管控云平台、模型算法训练平台组成：
视频智能分析管控云平台接收边缘计算终端分析后的结果数据，并进一步分析，提供与其他应用系统的接口，接收检修计划并管控边缘计算终端对相应的检修区域的视频流的智能分析和处理；
模型算法训练平台实现模型训练、模型管理、并将训练后的算法模型通过视频智能分析管控云平台加载至边缘计算终端；
(5)应用层：支撑各个应用平台，例如安全监视系统、指挥系统、大屏系统、安全风险管控平台、应急系统等。
2.功能结构
3.1.3.2.3.2.1.3.2.2.2.1视频智能分析管控云平台
主要功能包括数据管理、数据分析、模型管理、边缘管理和接口处理5个模块（如图3）。
.png)
图 3 视频智能分析管控云平台功能结构图
（1）数据管理模块：从边缘计算终端获取数据信息，实现事件图片、短视频、事件告警信息的采集和存储管理。
（2）数据分析模块：对数据进行深度分析，提供应用展示。
数据挖掘与呈现：引用大数据技术，对历史事件、历史告警进行关联关系分析，实现安全事件态势感知，并对事件进行预警。
数据呈现：多维度地展示分析结果，如：事件图像、事件短视频、事件告警信息、设备状态、监控视频、事件态势、模型分类等信息。
数据检索：对事件图像、人脸照片、事件告警、模型分类、设备信息等信息进行检索。
（3）模型管理模块：
对图像识别、人脸比对、设备识别、越界识别、违规识别、险情识别等算法模型进行分类管理；
对算法模型进行发布和版本管理。
（4）边缘管理模块：实现模型下发、权限管理、设备管理和应用管理。
模型下发：根据实际业务单位智能分析的需要，将算法模型下发到相应的边缘计算终端中。
权限管理：对每个边缘计算终端进行身份认证；为不同用户创建专属服务账号，设置使用权限。
设备管理：对边缘计算终端进行配置管理，实时监测设备运行状态。
应用管理：实现对算法模型升级、卸载、参数配置，管理各个边缘计算终端上的算法模型种类和版本号。
（5）接口管理模块功能：实现安全控制、云边接口和第三方应用接口。
安全控制：对接收到的数据进行解密；对发送的数据进行加密。
云边接口：处理与边缘计算终端的应用类数据和管理类数据。
第三方应用接口：为电力业务应用系统提供接口服务。
2.2算法模型训练平台
算法模型训练平台提供从数据上传、模型训练到模型发布端到端AI服务，通过平台化AI技术，加快算法开发效率，提高产品迭代周期，更好地指导赋能业务场景。
算法模型训练平台对模型训练、测试和发布等繁琐的代码操作进行模块化处理，同时整合计算资源、数据资源、模型资源，对不同资源进行复用和调度。平台数据来源主要有两方面：针对不同的业务场景需要进行线下拍摄采集；采用开源数据集、付费购买数据集以及爬虫爬取等第三方数据。算法模型训练平台向上为智能分析管控云平台提供模型算法服务（如图4）。
.png)
算法模型训练平台为深度学习提供了从数据到模型的一站式AI服务，能够支撑使用者从数据上传到模型发布的全流程开发过程，包括数据集管理、算法管理、模型训练、模型测试、模型管理、模型发布。各模块功能具体如下：
.png)
（1）数据集管理：实现数据上传、数据分类管理功能。
数据上传：创建数据集，将线下采集数据或第三方数据上传至数据集。
数据分类管理：对数据集进行管理，如：基本数据集、训练数据集、测试数据集等。
（2）算法管理：实现深度学习框架、开源算法、自定义算法。
（3）模型训练：根据训练任务选择相关参数，完成模型训练。
参数配置：选择模型算法、训练数据集和训练参数。
模型训练：进行全量或增量的模型训练。
（4）模型测试：对训练出的模型质量进行在线测试。
（5）模型管理：实现模型库管理、模型处理、模型操作功能。
模型库管理：对模型的版本、状态（训练状态、使用状态等）、操作记录进行管理。
模型操作：模型上线、复制、删除等操作。
（6）模型发布：已训练好的模型，发布到具体业务场景中使用。
2.3边缘计算终端
.png)
边缘计算终端功能包括数据采集存储、智能分析、数据业务处理、应用管理、设备管理、联动控制和接口管理等功能模块。
（1）数据采集存储：从Modbus工业设备、仪器仪表、高清网络摄像机、各种传感器等设备采集视频、表计、传感数据，对采集到的数据进行存储。
（2）智能分析：对采集到的视频数据实时进行分析处理，并对异常数据信息以图像和告警事件方式上报视频智能分析管控云平台。比如：
人脸识别
通过人脸抓拍、人脸检测、人脸核对，实现人脸识别。在变电站、营业厅、供电所、计量中心、基建现场等场所，与值班或工单的人像信息进行比对，给出身份识别结果。当判断为陌生人时，抓拍人像存档，并立即告警。
区域检测
对变电站、营业厅、供电所、计量中心、基建现场等场所危险区域根据摄像头所采集的影像信息，进行越区检测，对接近或进入危险区域的人员进行告警，并对抓拍图像存档。
行为分析：
对施工现场人员行为进行实时识别分析，并告警。如：作业现场人员是否正确佩戴工帽，着装是否规范，是否存在抽烟行为等。
设备识别：
通过定制化的算法模型对电力重点传感设备、仪表设备等进行视频分析，解析读数，对超出阈值范围的异常状况进行告警。
（3）数据业务处理：实现与智能分析模块之间的数据交换，组织上传告警信息、事件图片以及小视频流到视频智能分析管控云平台。
（4）应用管理：对视频智能分析管控云平台下发的算法模型，进行参数配置、版本更新、卸载，同时还接收控制指令；组织上报本地的算法模型种类、版本号、设备状态和设备日志；管理应急和联动事件。
（5）设备管理：监测边缘计算终端运行状态；管理视频终端设备、感知设备、传感设备、控制设备的接入，根据实际应用需求合理分配接口资源。
（6）联动控制：接收控制指令并控制所辖的智能终端设备。比如：球机联动、消防联动、门禁联动、报警联动。
（7）接口管理：接口管理包含边云接口、边端接口的管理。边云接口负责边缘计算终端与视频智能分析管控云平台的数据交互；边端接口负责边缘计算终端与视频终端设备的数据信息交互。
3.数据安全方案
在现有网络安全防护基础上，增强对终端设备及网络业务信息流的安全保护，包括：访问控制、终端设备防护、数据安全。如下：
（1）访问控制
对接入视频智能分析系统的设备实施访问控制机制，确保接入设备是真实合法的。
（2）终端设备防护
在边缘计算终端上部署安全芯片，对终端上的软件、硬件以及关键数据实施保护，确保终端上业务的安全。
（4）数据安全
包括数据的存储安全、数据传输安全以及对数据的访问安全，关键数据加密存储，传输过程要保证的机密性和完整性，并保证只有合法用户才能访问相应权限的数据。
（4）数据备份和恢复
进行必要的数据自动备份，以便在系统数据出现异常时进行数据恢复。
4.应用案例
基于边缘计算技术的视频智能分析系统在国家电网某省网公司得到实际应用，将变电站、配电房、开关站、工作间的现有摄像头视频流接入到边缘计算服务器，进行实时的智能分析，实现了人脸识别、安全帽佩戴识别、工作服着装识别等应用，有效的保证了园区的安全以及作业区工作人员的着装规范性提醒。
具体部署如图7所示，智能管控平台为云端平台，位于电力公司机房，用于管理和配置边缘设备、告警呈现。边缘计算设备位于变电站和开关站，接入现场的摄像头，对视频流进行实时分析，通过AI智能分析的结果而短视频通过局域网发送给云端管控平台。摄像头位于变电站进门处、一次设备区、二次设备区以及开关站内部。通过以太网将视频流传给部署在本地的智能边缘计算设备。
.png)
5.结论
基于边缘计算技术的视频智能分析系统应用于电网，采用“云边协同”的方式，可有效解决电网现有视频系统传输数据量大而带宽资源有限、网络时延大、实时性要求高的问题。在变电站、营业厅、供电所、基建现场等重要区域或场所，就近部署具有人工智能分析能力的边缘计算终端，实时对接入的摄像头或NVR的视频和图像数据进行智能算法分析，仅将分析结果等重要数据信息上传至平台侧，可显著降低人员工作强度，减轻视频监视的工作量，提升工作效率，并进一步有效支撑其他应用系统的对视频分析结果的深化应用，促进电力公司安全生产管理水平的稳步提高，有效提高电力互联网信息系统建设效益。通过边缘计算技术将人工智能、大数据技术应用于电网，提升人员行为分析、设备状态、环境变化全面感知，可让电网安全生产防范从被动转向主动，大大降低生产安全隐患。
作者简介：
1、施敏达（1991），男，工程师，信息通信调度运行分析管理
2、仲立军（1975），男，工程师，信息通信调度运行分析管理
3、张腾（1982），男，工程师，信息通信调度运行分析管理
4、俞涯（1969），男，工程师，信息通信调度运行分析管理
5、顾君佳（1989），男，工程师，信息通信调度运行分析管理
6、黄震宇（1989），男，工程师，信息通信调度运行分析管理
7、吴媖（1994），女，工程师，信息通信调度运行分析管理
8、李国栋（1973），男，高级工程师，无线通信
9、薛旭（1984），男，高级工程师，边缘计算和自动化