基于5G边缘计算的可调节负荷互动技术研究

doi:10.3969/j.issn.1674-1951.2021.03.002

华电技术 ›› 2021, Vol. 43 ›› Issue (3): 9-13.doi: 10.3969/j.issn.1674-1951.2021.03.002

基于5G边缘计算的可调节负荷互动技术研究

陈兆雁, 柴宜, 平常, 付兵彬, 程紫运^*()

国网甘肃省电力公司经济技术研究院,兰州 730050

收稿日期:2020-09-07 修回日期:2021-01-18 出版日期:2021-03-25 发布日期:2021-03-25
通讯作者: 程紫运
基金资助:
国网甘肃省电力公司重点课题(SGGSJY00PSWT2000092)

Research on adjustable load interaction technology based on 5G edge computing

CHEN Zhaoyan, CHAI Yi, PING Chang, FU Bingbin, CHENG Ziyun^*()

State Grid Gansu Electric Power Company Economics & Technology Research Institute,Lanzhou 730050,China

Received:2020-09-07 Revised:2021-01-18 Online:2021-03-25 Published:2021-03-25
Contact: CHENG Ziyun

摘要/Abstract

摘要：

将云计算与边缘计算系统集成应用于可调节负荷互动技术,可以在分布式体系结构中实现安全、可靠、高效的可调节负荷互动服务。针对第五代通信技术（5G）时代将有更多的需求响应（DR）终端接入可调节负荷的现状,通过分析边缘计算系统使用5G资源的方式,提出可根据不同的可调节负荷互动业务采用不同的5G切片传输方式。将可调节负荷互动的网络架构分为用户层、网络层、服务层,基于该架构提出了可调节负荷互动策略库动态加载模型,最后对未来可调节负荷互动信息物理融合发展提出了建议。

关键词: 5G, 边缘计算, 可调节负荷, 需求响应, 切片传输, 云边协同

Abstract:

Integrating cloud computing and edge computing systems in adjustable load interaction technology can realize safe, reliable and efficient adjustable load interaction services in a distributed architecture. In the era of 5G,increasing demand response（DR）terminals have been accessed to adjustable loads. Based on edge computing and 5G resources, the concept of adopting different sliced 5G transmission methods upon different adjustable load interaction services is proposed. Based on the architecture of adjustable load interaction system which consists of a user layer, a network layer and a service layer, a dynamic loading model of the adjustable load interactive policy library is built. In the end, suggestions for physical integration of adjustable load interaction information are put forward.

Key words: 5G, edge computing, adjustable load, demand response, sliced transmission, cloud-edge collaboration

中图分类号:

TN529.5:TM761

陈兆雁, 柴宜, 平常, 付兵彬, 程紫运. 基于5G边缘计算的可调节负荷互动技术研究[J]. 华电技术, 2021, 43(3): 9-13.

CHEN Zhaoyan, CHAI Yi, PING Chang, FU Bingbin, CHENG Ziyun. Research on adjustable load interaction technology based on 5G edge computing[J]. Huadian Technology, 2021, 43(3): 9-13.

图/表 4

参考文献 22

[1]	郭皓池 . 智能电网中基于负荷分析的需求侧管理体系发展研究[D]. 北京:华北电力大学, 2014.
[2]	WINSTON K . Demand response grows, helps ISOs during heat waves:Report[J]. Platts Megawatt Daily, 2018,23(218):3.
[3]	李彬, 陈京生, 李德智 , 等. 我国实施大规模需求响应的关键问题剖析与展望[J]. 电网技术, 2019,43(2):694-704.
	LI Bin, CHEN Jingsheng, LI Dezhi , et al. Analysis and prospect of key issues in China´s demand response for further large scale implementation[J]. Power System Technology, 2019,43(2):694-704.
[4]	陈宋宋, 李德智 . 中美需求响应发展状态比较及分析[J]. 电力需求侧管理, 2019,21(3):73-76,80.
	CHEN Songsong, LI Dezhi . Comparison and analysis of domestic and American demand response development situation[J]. Power Demand Side Management, 2019,21(3):73-76, 80.
[5]	MENGELKAMP E, GARTTNER J, ROCK K , et al. De signing microgrid energy markets a case study:The Brooklyn microgrid[J]. Applied Energy, 2018,210:870-880.
[6]	施巍松, 张星洲, 王一帆 , 等. 边缘计算:现状与展望[J]. 计算机研究与发展, 2019,56(1):69-89.
	SHI Weisong, ZHANG Xingzhou, WANG Yifan , et al. Edge computing:State-of-the-art and future directions[J]. Journal of Computer Research and Development, 2019,56(1):69-89.
[7]	田浩 . 基于可调节负荷参与的源荷互动调峰多目标优化方法[D]. 北京:华北电力大学, 2018.
[8]	ABBAS N, ZHANG Y, TAHERKORDI A , et al. Mobile edge computing: A survey[J]. IEEE Internet of Things Journal, 2018,5(1):450-465.
[9]	许森, 信金灿 . 面向低时延高可靠的5G uRLLC增强技术研究[J]. 移动通信, 2019,43(9):62-67.
	XU Sen, XIN Jincan . Study on 5G uRLLC enhancement technology for ultra-reliable and low latency communications[J]. Mobile Communications, 2019,43(9):62-67.
[10]	胡红明 . 5G通信技术在智能电网的应用分析[J]. 电子测试, 2019(17):68-69.
	HU Hongming . Application analysis of 5G communication technology in smart grid[J]. Electronic Test, 2019(17):68-69.
[11]	AUJLA G S, KUMAR N, ZOMAYA A Y , et al. Optimal decision making for big data processing at edge-cloud environment: An SDN perspective[J]. IEEE Transactions on Industrial Informatics, 2018,14(2):778-789.
[12]	孙毅, 刘迪, 李彬 , 等. 深度强化学习在需求响应中的应用[J]. 电力系统自动化, 2019,43(5):183-191.
	SUN Yi, LIU Di, LI Bin , et al. Application of deep reinforcement learning in demand response[J]. Automation of Electric Power Systems, 2019,43(5):183-191.
[13]	周波, 丁荣, 徐宁 , 等. 电力现货市场环境下的可调节负荷机制研究[J]. 山东电力技术, 2020,47(5):33-37.
	ZHOU Bo, DING Rong, XU Ning , et al. Adjustable load mechanism under spot power market[J]. Shandong Electric Power, 2020,47(5):33-37.
[14]	李鑫, 杨方 . 智能电网中用电感知的数据分析需求响应方案研究[EB/OL].( 2020- 06- 01)[2020-10-08].http://kns.cnki.net/kcms/detail/23.1202.TH.20200601.1234.016.html .
[15]	鄢晶, 高天露, 张俊 , 等. 边云链协同技术在能源互联网数据管理中的应用及展望[J]. 华电技术, 2020,42(8):41-47.
	YAN Jing, GAO Tianlu, ZHANG Jun , et al. Application and prospect of edge-cloud-chain collaboration technologies for energy internet data management[J]. Huadian Technology, 2020,42(8):41-47.
[16]	王云泽, 王秋瑾, 马欣欣 . 基于区块链技术的能源互联网交易方案设计[J]. 华电技术, 2020,42(8):83-89.
	WANG Yunze, WANG Qiujin, MA Xinxin . Design of energy internet trading system based on blockchain technology[J]. Huadian Technology, 2020,42(8):83-89.
[17]	PAN J, MCELHANNON J . Future edge cloud and edge computing for internet of things applications[J]. IEEE Internet of Things Journal, 2018,5(1) : 439-449.
[18]	高志鹏, 尧聪聪, 肖楷乐 . 移动边缘计算:架构、应用和挑战[J]. 中兴通讯技术, 2019(3):23-30.
	GAO Zhipeng, YAO Congcong, XIAO Kaile . Mobile edge computing: Architecture, applications and challenges[J]. ZTE Communications Technology, 2019(3):23-30.
[19]	ZHANG D Y, WANG D. An integrated top-down and bottom-up task allocation approach in social sensing based edge computing systems [C]// IEEE Conference on Computer Communications, 2019.
[20]	ANASTASOPOULOS M P, TZANAKAKI A, SIMEONIDOU D . Scalable service chaining in mec-assisted 5G networks[J]. Lightwave Technology, 2019,37(16):4115-4124.
[21]	中国移动边缘计算开放实验室. 中国移动边缘计算技术白皮书[R]. 2019.
[22]	朱友康, 乐光学, 杨晓慧 , 等. 边缘计算迁移研究综述[J]. 电信科学, 2019,35(4):74-94.
	ZHU Youkang, YUE Guangxue, YANG Xiaohui , et al. A survey on edge computing offloading[J]. Telecommunications Science, 2019,35(4):74-94.

基于5G边缘计算的可调节负荷互动技术研究

Research on adjustable load interaction technology based on 5G edge computing

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 22

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李彬, 胡纯瑾, 王婧. 基于EEMD-BiLSTM的可调节负荷预测方法[J]. 综合智慧能源, 2022, 44(9): 33-39.
[2]	钟永洁, 纪陵, 李靖霞, 蒋衍君, 吴世伟, 王紫东. 虚拟电厂基础特征内涵与发展现状概述[J]. 综合智慧能源, 2022, 44(6): 25-36.
[3]	任宝军, 高志勇. 一种基于边缘计算的分散式站所终端方案的设计与实现[J]. 综合智慧能源, 2022, 44(6): 59-69.
[4]	张凯杰, 丁国锋, 闻铭, 惠红勋, 丁一, 贺民, 褚杰锋, 谢康, 俞楚天, 张利军. 虚拟电厂的优化调度技术与市场机制设计综述[J]. 综合智慧能源, 2022, 44(2): 60-72.
[5]	赵建立, 汤卓凡, 王桂林, 陈宇扬, 王隗东, 陈珂, 吴英俊. 具有储能作用的用户侧资源运行特性[J]. 综合智慧能源, 2022, 44(2): 8-14.
[6]	吉斌, 孙绘, 昌力, 张丹丹. 黏性电力用户参与需求侧响应的行为决策建模与分析[J]. 综合智慧能源, 2022, 44(2): 80-88.
[7]	杨冬梅, 何国鑫, 朱金大, 王琦, 耿健, 王俊, 李宁. 边缘计算在综合能源系统运行控制中的应用[J]. 综合智慧能源, 2022, 44(1): 49-55.
[8]	汪希玥, 徐箭, 廖思阳, 柯德平. 考虑虚拟储能特性的柔性负荷调控裕度评估方法[J]. 华电技术, 2021, 43(9): 37-45.
[9]	王秋惠, 孙立国, 李佳雯. 基于相变储能的建筑光伏系统储能优化配置研究[J]. 华电技术, 2021, 43(9): 54-61.
[10]	李彬, 杨帆, 赵燕玲, 祁兵, 石坤. 基于边缘物联代理的综合需求响应关键技术研究[J]. 华电技术, 2021, 43(4): 56-62.
[11]	李彬, 郝一浩, 祁兵, 陈宋宋, 冯剑. 边缘计算在需求响应中的应用现状及发展思路[J]. 华电技术, 2021, 43(3): 1-8.
[12]	贾滨诚. 边缘计算在电力设备管理及运行维护中的应用[J]. 华电技术, 2021, 43(3): 14-19.
[13]	韩坚, 刘松, 魏吟娬, 李彬, 祁兵. 基于SDN的边缘物联代理安全性风险及防御性技术综述[J]. 华电技术, 2021, 43(3): 20-24.
[14]	任宝军, 高志勇. 基于容器技术实现边缘计算的智能配用电一体化终端[J]. 华电技术, 2021, 43(3): 25-30.
[15]	周炳华, 王洋, 李峰, 崔金栋, 冉子晗. 城市能源互联网视角下的主动配电网规划设计与策略研究[J]. 华电技术, 2021, 43(1): 59-65.