李建斌
国家能源集团国源电力有限公司 北京 100033
摘要：综合能源服务平台主要用于为用户提供综合性能源服务，提高能源利用率，在保证能源供给的同时实现节能。开发和延伸综合能源服务能够充分促进分布式电源与可再生能源的大规模接入，实现对多种负荷的管理及高可靠性能源供给。通过“互联网+智慧能源”打造新型能源体系模式的智慧能源综合服务平台，可有效解决传统供能方式存在的问题，提供多种能源供给、多能协同互补、能源精细运维、区域能源联网、能源生产安全的解决方案。打造“物联网+智慧能源+精细运维+安全供用能”的能源发展新业态，实现能源系统安全、高效、低碳、可持续运行。
关键词：边缘智能技术；智慧能源；综合服务平台
引言
当前我国正处于能源转型升级的关键时期，大数据、人工智能、物联网、移动通信技术的应用助推了综合能源服务的发展，引发了能源行业的深刻变革。综合能源服务打破了水、电、气、热等能源形式的供应壁垒，可实现能源资源的优化配置和经济效益的显著提升。传统能源企业如电网公司、燃气公司等纷纷布局，加快综合能源服务的研发应用，旨在拓展新兴业务形态，提升能源效率。２０１９年８月，全国首个综合能源服务平台“江苏能源云网平台”正式上线，平台汇聚能源用户、能源供应与服务商、市政机构与科研院校，为社会各界提供开放共享的综合能源服务。
1基于边缘智能技术的智慧能源综合服务平台必要性分析
建设区域智慧能源是能源互联网发展的大势所趋，整合制冷（供暖）设备后台监控系统、光伏监控系统、储能远程监控系统及充电桩平台，实现各平台的大数据化分析和多种能源间的耦合，逐步为整个园区起到节能、减排、降耗的作用。物联网时代将会有数以百亿的联网设备且数据具有分散性、碎片化的特点，有着强大数据处理能力的云计算在面对海量的数据及网络带宽带来的限制时，也不能实现全面的计算覆盖。综合考量，边缘计算在面临大量数据、综合决策上具有无可比拟的优势，既靠近数据源头，又有一定的数据处理能力。而且在现实业务中并不是所有的数据都需要上传到云端，但是这些数据又对本地的设备有用。应用边缘计算技术可以有效缓解网络带宽和云计算中心的压力，增强本地应用响应效率。
2方案设计
2.1功能介绍
（1）基于智能边缘的OT系统。实现对微电源、逆变器、中央控制器的集成，组成微网系统，实现数据采集和微网网络通信管理，中央控制器功能包括来电自动并网、断电或故障自动进入孤岛运行的远程控制，以及进行能量综合管理、控制和需求侧管理等。（2）智能计算IT管理。①能量交易服务。此平台提供集冷、热、气、水、电等多种能源的购能管理、售能管理、电价套餐及费用管理、能源增值服务等功能，实现能源的购、售一体化交易管理。②能源安全管理。从园区人员车辆进出频繁、人员流动性大、园区公共物资多及生产区域安全要求高等特点出发，利用物联网、边缘计算、视频分析、深度学习、人工智能技术，进行智能计算平台、边云协同AI应用系统和边缘智能EIBox研制的应用研究。智能计算平台研究内容是对人员行为、车辆、园区环境等现场的计算分析下放到边缘端执行，模型深度学习训练放在云端，具体做法是将训练好的模型下发到边缘端，边缘端计算结果反馈给云端进行训练，循环往复不断进行模型的训练，实现模型对实际业务的深入理解。边云协同AI应用系统研究内容是管理模型训练、模型转换、模型部署、数据回传和模型再优化等。
边缘智能EIBox研制内容是制造智能控制器，在该设备中针对人员行为分析、车辆识别、综合环境分析等进行模型构建，然后通过边云协同平台和视频采集设备进行智能视频分析，实现园区安全防控。（3）基于人工智能的决策支持对能源生产、能源调度、用能管理进行能效分析和节能诊断，决策支持分为领导决策和企业级决策。领导决策对企业经营绩效、客户服务、内部运营与成长发展四大方面进行总结、提炼，这也是领导最为关注的核心内容，是战略驾驶舱重点把控与深入分析的企业经营特征表征点。企业级决策事项从企业整体战略的承接与落实上进行全面梳理与总结。涵盖资源（人、财、物）规划、计划分解执行、风险管控、发展创新各个层面的决策内容。利用数理统计与分析技术，自动构建关注指标变化情况决策简报，方便领导一站式获取指标的总体情况。
2.2功能架构
（1）基于边缘智能的OT系统。经过边缘智能终端处理实时数据，无缝的对接已安装的各分布式源系统，通过数据中心储能、集中式电储能、需求侧响应及电动汽车充放电管理等可调控负荷手段，能够平抑用电峰谷差。（2）智能计算IT管理。信息系统通过高带宽光纤，实现多种数据采集和通信，信息流与能量流融合情况。系统的高效运行需要通过能量管理系统支撑。一方面，通过数据采集、信息分析处理、智能化调控功能实现分布式能源的上网、调度；另一方面，运用网络系统关键技术分析用户的用电特性、用能特征，实现需求侧管理及用户用能优化，最终达到供需双侧的互动。（3）基于人工智能的决策支持。本项目考虑结合商用数值天气预报和神经网络法，实现功率预测和负荷预测，用电行为可以通过应用各类先进的数据分析及机器学习技术，挖掘智能电表数据实现。整个系统可存在多种能源转换装置，其中常见的有含内燃机的CCHP系统、热泵、电动制冷机等。支持能源生产、传输、存储、消费及能源市场深度融合的数据分析。
2.3技术架构
（1）架构组成。为实现不同综合能源服务中能源的精益化管理，提高分布式冷热电联产、余热利用、地热资源利用、光伏发电等清洁能源的利用效率，实现多能互补集成综合利用和多能源协同运行优化等目标，需要建设智慧能源综合服务平台，平台依托云计算、大数据与移动互联技术，支持公有云、私有云模式部署，并可扩展相关高级应用、集成外部应用系统。（2）技术架构。技术架构满足分布式数据采集、存储、基于大数据的数据挖掘等，向下采集来源于电源设备、配电设备、智能仪表、供冷站、换热站、视频监控等多种数据。通过大数据技术的架构存储和模型分析，支撑上层应用。在边云协同上，选择“轻边缘”架构，即边缘侧的容器引擎和设备管理agent尽量轻量化，管理面运行在云端且构建在K8S的调度能力之上，100%兼容K8S原生API。（3）网络拓扑。网络结构按照安全防护的要求，从物理结构、网络隔离等方面进行区分。①控制区：生产类设备、系统、车间。②非控制区：园区内用户的智能电表、供热/冷计量表及系统数据库、存储、计算分析服务器。③管理区：系统展示层，与管理局域网在同一网络层的设备，例如镜像数据库服务器、发布服务器及边缘计算服务器。在不同区之间采用单向物理隔离器，保护生产运行安全；在局域网与广域网之间采用防火墙，通过配置规则允许合法信息交互，防止外部威胁影响系统内的数据安全。
结束语
利用边缘智能技术建设智慧能源综合服务平台，实现供热（采暖和供热水）、制冷及发电过程一体化的能源综合利用管理，包括数据中心储能、集中式电储能、需求侧响应及电动汽车充放电管理等可调控负荷手段，平抑用电峰谷差。测算各类可调控负荷的技术经济性，给出各类可调控负荷的合理容量及可盈利价格方案，提供更有效的综合能源服务。
参考文献
［1］赵磊．人工智能技术在电力调度自动化系统中的运用分析［J］．山东工业技术，2019（11）：164．
［2］李肯立，刘楚波．边缘智能：现状和展望［J］．大数据，2019，5（3）：69-75.