2024电力物联网智能应用技术报告

国家电网 2024年国家能源互联网大会 STATEGRID电力碳中和专委会分论坛 中国电力科学研究院 电力物联网智能应用技术 蒲天骄中国电力科学研究院 2024年6月20日北京昌平 目录 CONTENTS 01.研究背景意义 02.主要关键技术 03.智能应用实践 04.未来趋势展望 1背景意义 能源燃烧占我国全部二氧化碳排放的88%左右，电力行业排放约占能源行业排放的41%。实现碳达峰碳中和，能源是主战场，电力是主力军。新型能源体系是实现“双碳”目标的必然要求，新型电力系统是新型能源体系的关键内容和重要载体 50% 中国各行业CO2排放量 45%电力 40%40% 35%工业燃烧 30%29% 25% 20% 15% 10% 其他工业、废物和农业 16% 交通 9% 到2030年，中国单位国内生产总值二氧化碳排放将比5%建筑79 2005年下降65%以上，非化石能源占一次能源消费比0% 到12亿千瓦以上 重将达到25%左右，风电、太阳能发电总装机容量将达 PowerIndustryIndustrialcombustion Otherindustrial,wasteandagriculturesbupeng 2020年12月，气候雄心峰会数据来源：高盛中国碳中和技术革命 3 1背景意义 新型电力系统需要深度融合低碳能源技术与先进数字化智能化技术，实现能量流和信息流的深度 融合，支撑实体电网在数字空间的实时动态呈现、计算推演、智能决策和引导趋优，全面提升新型电力系统可观可测、可调可控水平。先进数字化智能化技术的关键是电力物联网和人工智能技术，为电力系统数字化转型、智能化升级提供基础载体 设备调度营销 运维运行客服 清洁低碳数字呈现智慧赋能 低碳能源技术先进数智化技术 电力物联网技术 电力人工智能技术 1背景意义 电力物联网是应用于电力领域的工业级物联网，围绕电力系统各个环节，充分利用现代信息通信技术，实现电力系统各个环节设备、网架、人员的万物互联与人机交互，最终支撑电网业务在数字空间中的呈现、仿真与决策。面对新型电力系统，传统的电力物联网技术尚不具备信息物理系统支撑能力，一方面需要实现实体电网的实时精准数字呈现，将其实时完整映射为数据和算法定义的数字电网另一方面需要引导双系统的虚实交互与动态演化，实现实体电网与数字电网的共同送代趋优进化。 数字空间中的数字电力系统 数据融合与共享 如何形成实体电网的动态多维多时空尺度高保真数字模型实现实时精准数字呈现 数字呈现引导优化 如何进行实体电网与数字电网 物理空间中的实体电力系统双系统的虚实交互与动态演化 实现电网送代趋优进化 1背景意义 核心技术：全景状态感知、广域高效传输、海量接入管理和智能辅助决策，实现物理空间与数字空间虚实互动，支撑电网运行、设备运维、供电服务等典型业务在数字空间的呈现、推演和决策，有效推动新型电力系统建设 应用层智能辅助决策：突破机理数据融合驱动的电力智业务智能应用技术 平台层云每量接入管理：突破高井发异构物联终端接入 存管控及海量数据存储共享技术 网络层 管 广域高效传输：突破数据物联信息网络全覆盖 边缘层的宽带超多跳通信技术 边 感知层 电力物联网体系架构 四项题核心技术问旺 全景状态感知：突破国产自主可控的电力多参量物联技术 目录 CONTENTS 01.研究背景意义 02.主要关键技术 03.智能应用实践 04.未来趋势展望 2依托项目概况 中国电科院于2020年起牵头承担了国家重点研发计划“智能电网技术与装备”重点专项“十三五的压轴项自“电力物联网关键技术”。历时3年半，项自建立了一套贯通“智-云-管-边-端”全环节的 电力物联网理论与技术体系，在天津滨海全域建成电力物联网示范工程，提供了可复用可推广的电力 物联网整体解决方案，引领了电网数字化转型及智能化升级 电力物联网体系架构 架构指导标准规范送代优化反馈修正 电力 技术物联 海量支撑网关 电力物联网平台支撑技术接入键技 （③海量接入管理）术集 融合电力物联网成及 精准感知高效传输 存储智能应用技术 应用应用 电力高性能传感与异构网络连接技术 （①全景状态感知、②广域高效传输） （数据机理融合的验证验证 需求智能辅助决策） 引导 8 2.1全景状态感知 电力多参量物联技术 自前电网存在大量感知终端，其所处环境差异大、通信机制不统一、信息系统壁垒严重，仍存在 算力资源异构、边缘计算功耗较高、通信协议兼容性不佳等问题，难以实现全景状态感知与多源数据 就地处理。相较于基于传统芯片所采用的ARM指令集，RISC-V指令集架构具备扩展方法可定制、工具 链开源、开发环境便捷等优势，可有效支撑高算力、低功耗、自自主可控的多参量物联终端。 集成RISC-V加速单元的多核同构/异构架构 安全架构 RISC-V RISC-V(NB2)芯片 ARM(T3)芯片 Core 能效3.32DMIPS/MHz 能效1.9DMIPS/MHz CPU内核架构 RISC-V SecureBootCoreCore TRNG 1MBL2Cachew/ECC Core AES/SHA/RSA/ECDSADebugCLICMMU KeyStorageTracePLICPMP 整数计算能力 存储控制 同构/异构多核架构 x64DDR4/LPDDR4 QSPIFlash eMMC5.1 同构/异构加速引擎 能效提升75% 加速器 GPU 自主可控指令扩展 VisionDSP/NPU针对整数类型数据 JPEG/H.264/265 低功耗/低结温出众性 元算力提升30% Enc/Dec AudioDSP 6 2.1全景状态感知 电力多参量物联技术 研制了基于自主可控RISC-V芯片的电力多参量物联终端，可适配不同电力场景下各类传感器加密及通信需求，应用自研边缘计算框架实现了传感信息在边缘侧的互联互通、数据融合、就地实时分析，有效降低了通信开销与主站压力，相比于基于传统ARM芯片的终端，能效提升75%，算力提升约 30%，平均协议处理时延由10ms降为7.44ms，可接入41种工业互联网协议。 电力多参量传感终端研制电力多参量物联终端性能 能效对比算力对比 研制设备 3.32DMIPS/MHz研制设备 3.32 DMIPS/MHz 4TOPS ARM(T3)通用芯片ARM(T3）通用芯片 4TOPS 1.9 1.9DMIPS/MHz 3TOPS DMIPS/MHZ3TOPS 10 2.2广域高效传输 宽带超多跳自组网技术 当前电力通信面临网络覆盖不全、无线信号综合抗干扰难等问题，而传统宽带自组网技术通常最大支持9～10跳，且传输性能随着跳数增加急剧下降。面对海量物联设备信息与转发接入拥挤情况，函需宽带超多跳安全自组织网技术实现异构灵活接入、深度覆盖与资源合理分配 基于时分复用的跨层信息媒体宽带超多跳自组网技术 接入控制调度 码域 OFDMA高 // 时分复用频域超多跳自组网网络快速哟应 支撑 时域 用户2用户4FA6 自煎 多层次大规模物联网络多跳 VXLANTunnetVEP212-2.2.2 可靠自组网节点设备 MAC 192.168.10.1/32 192.168.10.2/32 11 2.2广域高效传输 宽带超多跳自组网技术 拥塞问题和电力物联网海量传感器安全接入难题。支持50跳宽带超多跳自组网设备，可实现端到端平 均速率3Mbps，跳数指标达到国际领先水平 宽带超多跳自组网设备研制宽带超多跳自组网设备性能 可靠跳数端到端平均速率 研制设备 50跳 研制设备 3Mbps(实测峰值) 50跳 3Mbps 国外水平(电力应用) 20跳 国外水平(电力应用)1.5Mbps(平均) 20跳 1.5Mbps 12 2.3海量接入管理 高并发接入与海量数据管理技术 针对现有已建成的物联管理平台存在的异构终端并发能力低、协议适配差，数据中台多源异构数据存储与融合分析难度大等问题，吸需突破异构终端高并发连接技术、多业务数据共享管理技术，提升电力物联网海量异构终端连接管理能力和数据协同分析能力。 异构终端高并发接入与管理问题多模态数据融合共享分析问题 各专业关系数据 02处理难度大 海量异构终各类通信协 端接入需求议适配需求复杂关联 发电输电变电用电 物联管理平台 WCD RestfulAPiRestfulAP电网跨专 非关系异构数据 跨专业数据无法融合 联报管理 协议清配入购关安全认证 业应用多模态数据服务共享效率低 服务 MOTT- WebserviceRestfulJDBC COAP 多类型服务构建 数据服务难以协同 敏捷服务开发 13 2.3海量接入管理 高并发接入与海量数据管理技术 提出了软件定义✁终端全异步连接管理技术和基于图计算✁多模态数据存储共享技术，通过软件 接和跨专业数据融合应用难题。经权威第三方机构检测表明，终端并行连接数突破1000万，在 1.04PB多模态融合数据集✁万行关联检索响应时间低至0.137秒，达到行业领先水平 软件定义✁终端全异步连接管理技术基于图计算✁多模态数据存储共享技术 智能体多模态数据转换服务调用 果略更新 果略执行 ActarActor 田节点转换数据服务组件 优化器优化器 70 (s) 状态检测器生线崇略网络L注线Q网络 GCN-STM 属性转换"APIAPIAPI 边转换 数据中台数模解析 13 (s)配置生成API第三方API统一注册编排形成新✁API 回散绳冲区目标案略网络L目标Q网络 采祥000图计算分析引擎 w"(s.a,re.s+ 终端智能体自适应智能路由 子82 图数据融合流程规顺贝事务 14 2.4数据机理融合✁智能辅助决策 数据机理融合驱动建模方法 第一代电力人工智能以知识驱动为主，纯机理模型存在精度不足、部分复杂模型优化求解困难问题。第二代电力人工智能以数据驱动为主，纯数据模型存在泛化性弱、可解释性差等缺点。第三代电力人工智能基于知识数据联合驱动模式，将两类模型进行优势互补，可有效提升自主学习能力、智能 计算效率与决策泛化能力。 可持续化学习进 缺乏进化能力 第三代 大规模解空间难以穷举 第二代 联合驱动+生成式模型 特征自动提取 表示不统 第一代 2020s-未来 海量数据需求 优势互补 自动化能力弱 可解释性差 物理意义解释 因果关系弱泛化能力弱 因果关系明确 较强外推能力 数知 知识驱动为主 数据驱动为主 2000s-2020s 系统调度控制 1980s-2000s 源荷出力预测设备运维检修 据驱动 依赖强大算力计算效率高 识驱动 设备缺陷识别设备故障诊断电力知识服务 运行方式编排系统状态辨识电网规划设计 2.4数据机理融合✁智能辅助决策 数据机理融合驱区动建模方法 提出了数据机理融合建模方法，构建5种数据机理融合模式，有效融合电力物联网多模态数据及电 网机理知识，解决了电网在物理空间与数字空间✁迭代交互难题。①串行结构可提取更有物理意义✁特征；②反馈结构修正机理模型关键系数；③并行结构联合决策提升模型安全性与效果；④嵌入结构可提升数据模型精度：③引导结构在数据模型中加入知识（机理）引导可提高模型适应性。 基于机理知识提取更数据驱动修正机理联合决策提升模型机理数据联合建模引入单调性、取值有物理意义✁特征模型参数安全性与效果符合物理约束范围等机理约束 个 串行结构2反馈结构井行结构机理嵌入机理引导 数据模型 机理数据 模型模型 机理数据 模型模型 数据模型 机理 模型 数据机理 模型约模型 机理模型束 引导、约束更新、校正表示个 数据驱动知识驱动16 2.4数据机理融合✁智能辅助决策 数据机理融合建模方法 基于机理模型与数据模型✁交互模式，提出具有通用性✁层叠式解耦融合建模方法实现建模对 象✁高效拆解与融合模式✁灵活组合 基于层叠架构✁数据机理融合建模方法 层叠式融合建模架构和建模方法基于层叠式架构✁需求侧竞价融合建模（示例） 配合方式 不同环节超参数 口机理驱动层 数据驱动层 选代方向+系统约 电价 根据建模输出超参数更新 需求