1、：年 月 第 卷 第 期考虑任务迁移的配电网边缘计算节点部署方法杨凯，陈中，邓旭晖，刘勃（东南大学电气工程学院，江苏 南京）摘 要：需求侧部署边缘计算节点能有效降低电力网络的数据传输和存储压力，提高电力业务的服务质量。目前多从电网拓扑的维度确定边缘节点的部署位置，以网格化的方法划定各节点服务范围，各节点的工作过程相互独立，因此边缘节点选址定容过程灵活性较低，同时可能造成设备计算资源的浪费。为此文中提出一种考虑任务迁移的边缘计算节点部署方法。首先，基于边缘设备特点和居民区空间特征提出一种考虑任务迁移的边缘计算架构；其次，结合居民节点空间信息、用电规律形成特征数据，利用改进的密度峰值分析算法确定边
2、缘节点部署的数量、地址及服务范围；最后，设计启发式算法实现边缘节点间的任务迁移，保证各节点的计算资源得到均衡利用，提高系统的稳定性。以南京市某居民区为例设计仿真实验，结果表明所提边缘节点部署方法能有效降低居民节点原始数据传输成本，任务迁移算法能有效改善边缘设备计算资源使用均衡度，提升区域内边缘计算服务的执行效率。关键词：边缘计算；选址定容；节点部署；任务迁移；计算均衡；密度峰值分析中图分类号：；文献标志码：文章编号：（）收稿日期：；修回日期：基金项目：国家自然科学基金资助项目（）引言物联网技术的快速发展有利于实现电力系统各环节设备以及客户状态的全面感知，达到高度信息交互和数据共享的目的，进而推
3、进实现以信息数据为基础的高度自动化的智能电网建设进程。在未来电力系统中，业务开展需要大量的数据作为支撑，而短时高并发信息内容的筛选、清理和处理工作将会大幅增加数据传输、计算和运维成本，尤其是信息冗余度高的需求侧，大量非必要数据汇入电力通信网将会带来巨大的经济和管理负担。而边缘计算的发展可以解决上述问题，在用户侧部署具有计算和业务控制能力的边缘设备，仅将经过处理的信息汇入电力通信网，可大幅减轻需求侧冗余数据带来的压力。目前，已有诸多学者对边缘计算在电力系统中的应用进行了研究。文献探讨了在广域发电控制、站域保护控制与负荷建模评估等场景下边缘计算的部署方式和应用前景；文献提出借助边缘计算实现自动需求
4、响应，并针对接口服务等问题给出相应的解决思路；文献分析了边缘计算技术与主动配电网和信息物理系统（，）的相似之处，提出基于边缘计算的主动配电网的分组传输网（，）物理架构模型，进一步构建了基于边缘计算的分层自治协同的主动配电网 管控模型；文献提出一种以能耗最小为优化目标来确定边缘计算任务的分配策略；文献考虑网络中节点的介数大小配置边缘节点，实现计算业务的分配；文献设计一种考虑计算资源和存储资源约束的边缘节点重配置方式，将计算业务分配到指定的边缘节点。上述研究侧重于边缘计算在电力系统中的业务能力优化，对于边缘节点的部署大都基于电网拓扑，可选择特定的网络拓扑节点作为边缘计算设备的部署地点，进而以网格化
5、的方法确定节点的服务范围。文献提出一种考虑业务可靠性的需求响应边缘节点部署方法，通过对地级市的通信骨干网络拓扑进行可靠性分析，确定边缘节点的部署策略；文献提出的边缘计算架构要求在台区内部署边缘节点为整个台区内的用户提供负荷监测服务；文献用边缘云概念指代边缘节点，面向需求侧提出基于微电网运行需求的双层云部署方案。但上述方法受限于拓扑节点数量，边缘节点的部署灵活性较低；边缘节点与用户之间的距离较大，原始数据传输成本较高，延时较大；边缘节点间的距离较远，建设高速数据传输链路的成本较高，因此各节点的工作过程相互独立，可能造成计算资源的浪费。为此，文中提出一种考虑计算任务迁移的配电网边缘计算节点部署方法
6、。该方法考虑边缘计算设备特点和居民区特征，提出一种考虑任务迁移的边缘计算框架；然后分析特定区域内居民节点空间信息和用电规律，形成特征数据，进而利用改进的密度峰值分析算法确定该区域内边缘节点部署的数据、位置和服务对象；最后，为均衡利用各边缘节点的计算资源，提高系统的运行效率和稳定性，设计了任务迁移算法。考虑任务迁移的边缘计算框架大力推进融合终端等配电网边缘设备可以满足中长期台区管控需求，但是面对复杂的城市住宅状况可能造成资源利用不充分等问题，且配电侧数据分析业务日益多元化、复杂化，现有融合终端的安装形式必然造成维修和升级成本过高。随着计算机技术的大力发展，高密度计算资源的边缘终端设备快速发展，这
7、种边缘设备体积小，安装灵活性较高，且计算能力较强，结合容器技术、微服务技术等多种新兴技术则可以满足形态多样的业务需求。选择合适的部署地点，将上述设备充分下放到居民侧可将数据的处理和计算过程部署到数据源头，进而大幅减轻通信数据带来的压力，提高数据通信的安全性，在保证服务质量的条件下降低设备部署和维修成本。传统的电力网络边缘计算框架一般采用集中式的通信调度方式，电力用户的边缘设备由需求侧管理平台控制，其计算数据可通过网络接入云端，在计算高峰时将计算任务卸载至云端。集中式调度的优势在于需求侧平台能同时掌握大规模的电力用户信息，同时利用云平台强大的计算能力实现电力数据的快速分析。但出现大规模的负荷数据
8、要分析时，需求侧管理平台以及数据传输线路的负担将会大幅加重，难以满足实时性要求较高的业务的需求，同时边缘计算设备在处理各自任务时相互独立，其计算资源潜力难以被完全挖掘。为充分提高边缘智能设备计算资源的利用率，降低计算负荷较高时需求侧管理平台的运行压力，减轻数据传输负担，文中提出一种考虑计算任务迁移的边缘计算框架。该框架由区域云平台、边缘管理平台、边缘计算设备、电力信息采集与控制设备以及通信信道构成，其结构如图 所示。其中，电力信息采集与控制设备由数据采集模块和控制单元组成，数据采集模块包括智能电表等多种监测设备，采集用户用电信息，通过多种方式以报文的形式传输至集中器；控制单元包括多种控制器，执
9、行边缘计算设备下达的指令。集中器由网关等设备构成，对多用户数据和指令进行集中收集管理。边缘计算设备指部署在居民侧的边缘计算服务器，每个边缘设备服务于多个用户，文中将其视为边缘计算节点，边缘计算节点之间通过高速通信总线实现组网进行数据传输。边缘管理平台指图 边缘计算框架 部署在台区内的边缘计算设备管理服务器，通过制定任务迁移策略实现边缘节点间计算任务的合理调度和分配。区域级云平台和边缘管理平台之间通过远程通信信道进行通信，根据边缘节点的计算结果对区域内配电网的运行状态进行全面评估。基于改进密度峰值分析算法的边缘设备选址定容策略 边缘设备的选址须充分考虑区域内居民节点的空间分布和用电特性，将边缘设
10、备部署在计算需求密度较大的节点，从而大大降低线路建造成本，减轻数据通信压力，提升边缘节点服务水平。对区域内居民节点的多维度信息进行抽象融合，得到以平面点集表示的居民节点信息融合图；利用文献中密度峰值分析的改进算法得到点集的密度峰值中心，确定边缘设备的部署地址；依次确定各边缘设备服务对象，为边缘设备分配合理的计算资源。边缘设备选址定容流程如图 所示。图 边缘设备选址定容流程 居民节点信息建模居民节点信息建模须考虑区域内节点的空间分布，各节点的居民入住情况、用电规律，以及各节点之间的线路建设成本。文中以南京市某大型居民区为研究对象，给出区域内居民节点信息挖掘和融合案例，其架构如图 所示。图 信息挖
11、掘与融合架构 首先对居民节点的空间信息进行评估，用户用电数据通过智能电表等监测设备获取，而这些设备多以较为集中的方式直接安装在居民楼内，利用 等通信方式向集中器传输数据。因此，以整个居民楼作为居民节点，对居民用户空间位置进行刻画。结合地理信息系统（，）技术，利用高德地图提供的应用程序编程接口（，）获取划定居民区的俯视图和各居民楼的空间位置，如图（）所示。假设居民楼的中心位置为居民数据采集设备的安装位置，以此为依据确定居民节点空间信息，图（）中蓝色圆点表示各居民节点位置坐标，进而以节点间距离表示节点间线路建设成本。其次，对居民节点计算需求进行评估，文献提出了基于微服务架构的边缘计算资源建模方法，
12、从中央处理器和内存的角度对配电网台区电价型负荷响应服务、光伏并网管控聚合服务、电动汽车充电聚合服务、配电网台区断线故障分析服务等作出详细的建模方法，而计算资源的大小往往和相应的配电网输出功率有关，为简化计算资源建模过程，假设计算资源的需求量和用户用电功率成正比。图（）中用热力图的方式表示各居民楼用电功率的大小。最后，将上述信息进行融合，用二维平面上不同大小的点描述各居民节点的信息，圆点的中心即为用户实际位置，圆点大小表示用户计算资源的需求量，如图（）所示。基于改进密度峰值分析的边缘节点选址策略假设居民区内包含的居民节点由集合 表示，其中 ，为居民节点总数；，（，），为居民节点 和 之间的建设距
13、离；，为各居民节点计算量。根据密度峰值分析原理，边缘节点的选址主要考虑实现以下目标：（）为减轻原始数据的传输压力，选择计算需求密度最大的点作为边缘节点部署地址；（）为使各边缘节点的服务范围均匀覆盖整个区域，选定的边缘节点间的距离应尽可能大。为此，对于任意居民节点，通过定义局部密度 和节点覆盖距离 来刻画其成为边缘节点的可能性。对于局部密度，文中同时考虑各节点计算量和周围节点分布密度，计算如下：（，）（）其中：（）（）式中：为截断距离，用来确定算法中各节点的区分度。选取过大会导致各节点区分度较低，极端情况下居民区内只存在一个边缘节点；而 选取过小会导致各节点区分度较大，极端情况下居民区内每个节点
14、都是边缘节点。在应用中根据计算需求量和边缘设备计算能力共同决定 取值。节点覆盖距离 的计算如下：，（）其中，满足如下条件：，（）局部密度 刻画了各节点周围计算量的大小，计算量越大表明该节点成为边缘节点的可能性越大；节点覆盖距离 刻画了各节点与其他潜在边缘节点的距离，其值越大则该节点受到其他边缘节点辐射的可能性越小，成为边缘节点的可能性越大。当节点的 值和 值同时满足阈值要求时，判定该节点为边缘节点。边缘节点计算容量和服务对象确定假设根据上述方法，共 个用户节点被确定为边缘节点，集合 （，）为对应的边缘节点编号，为第 个边缘节点对应的居民节点；集合 为居民节点归属的边缘节点编号，杨凯 等：考虑任
15、务迁移的配电网边缘计算节点部署方法即 为节点 由节点 提供服务。集合 ，为所有节点中局部密度 比 大的节点中与 距离最近的节点编号；向量 为各节点按照局部密度降序排列得到的序号向量。基于上述变量，确定边缘节点服务对象，步骤如下：（）初始化各节点的归属类型，如式（）所示。对于边缘节点，其类型为自身编号；对于非边缘节点，为其赋值为。（）（）对非边缘节点，按照向量 中的顺序依次更新各节点类型，节点 的类型同节点 所代表的节点类型一致，即如式（）所示。（）根据边缘节点服务对象中各节点计算量的大小，确定各边缘节点所需计算容量的大小，以此作为边缘设备计算容量的选择依据，其计算如下：（）考虑到边缘设备的规格
16、化生产，假设备选边缘设备的标称容量为集合 ，第 个边缘节点分配的计算容量 从 中选择。定义边缘设备计算饱和度 表示所选边缘设备计算容量的利用率，计算如下：（）在一定范围内，越大表明计算资源的利用率越高，经济性越好，考虑到为每个边缘节点留有一定的计算余量，各边缘节点的计算饱和度应保持在。同时用所有边缘设备计算饱和度的方差表示系统中各节点计算能力的均衡程度，方差越小表示各节点设备容量的选取越均衡，系统越稳定，计算饱和度方差的计算如下：（）|（）如 节所述，值的大小直接影响到边缘节点的选取结果，值选取基本思路如下：给定足够大的 初始值，并逐步减小，每次减小后，按照前述方法更新边缘节点部署策略并确定边缘节点计算需求量，从集合 中选择合适的边缘节点标称容量，同时记录该策略下各节点的计算饱和度，将节点计算饱和度均在 内的策略作为备选策略，从所有备选策略中选择计算饱和度方差最小的方案。整个边缘节点选址定容流程如图 所示，其中、分别为局部密度阈值和节点覆盖距离阈值。图 边缘节点选址定容流程 边缘设备计算任务迁移策略如图 所示，为均衡各边缘节点计算资源，提升系统的运行效率和稳定性，边缘节点之间通过高速总