近年来，网络技术取得显著发展，越来越多的网络技术应用于控制系统。为了满足日益复杂、规模日益扩大的控制任务需求，需要采集和存储的数据越来越多，控制系统必须能够处理这些海量数据。传统控制体系面临控制任务越来越复杂、计算能力和存储空间存在约束等严峻挑战，迫切需要具有智能计算、优化控制与决策能力的新一代控制系统。云控制系统（Cloud Control System, CCS）在传统控制系统中引入云计算、大数据处理技术以及人工智能算法，将各种传感器感知汇聚而成的海量数据，也即大数据，存储在云端；在云端利用人工智能算法实现系统的在线辨识与建模，应用任务的计划、规划、调度、预测、优化、决策和控制，结合自适应模型预测控制、数据驱动预测控制等先进控制方法，实现系统的自主智能控制，即形成云控制。云计算具有强大的数据计算和存储能力，边缘计算具有部署灵活、计算实时等特点，在终端应用边缘控制，借助网络交互信息，形成云网边端协作机制，提高复杂智能系统的实时性和可用性。智能电厂是典型的复杂智能系统，业务规模庞大、种类复杂，对计算能力和控制品质需求很高。集成计算、通信和控制的云控制系统可为智能电厂提供可行的解决方案和先进技术，云控制平台接收到多种应用任务后，将其分配给价格低廉、可动态配置的容器、虚拟机等云处理器资源池，与边缘场站和终端设备控制形成协作，解决基于现代电厂电力大数据的整体协同计划、规划、调度、预测、优化、决策和控制等问题。

图1  智能电厂云控制系统云网边端架构

结合云控制系统理论和智能电厂实际场景及需求，本文设计出智能电厂云控制系统（Intelligent Power Plant Cloud Control System, IPPCCS）和基于智能电厂云控制系统的绿色能源互补发电滚动优化方法。如图1所示，左侧表示云控制系统云网边端架构，其中云控制平台层、边缘控制层、终端设备层和智能电厂的集控层、场站层、现地层相互对应。同时，云端与边缘、边缘与终端设备的交互协同不能离开网络，因此网络传输层也是云控制系统架构的重要部分。云控制系统和智能电厂相互融合，形成智能电厂云控制系统。在智能电厂云控制系统中，现地层部署电厂具体功能和业务，包括升压控制系统、巡检安防系统、机组发电系统和工业IT系统等，通过缆线、WiFi、5G等廉价、便利的通信方式连接、集成到分属场站上。场站层设有边缘控制器（Edge Controller），利用边缘计算（如边缘Kubernetes系统）易于部署、实时性好和可靠性高的特点，对该场站终端设备进行监视以及精准、稳定的实时管控。场站层获取到终端设备的原始数据后，根据任务类型，对数据进行分类和预处理。例如在绿色能源互补发电滚动优化中，各场站采集到站内机组的原始数据后，先挑选出风光输出功率预测所需数据，再在场站对其进行预测，最后将各场站机组输出功率预测结果发往云控制平台。将部分任务放置在边缘，既能充分利用场站的边缘算力，也可避免所有终端数据直接发往云端，导致通信成本和云端计算负担成倍增加。

智能电厂云控制平台部署有云控制与决策、云存储、规则库和算法库以及孪生电厂等模块。云控制与决策，即数据计算和控制决策功能被部署在云端的服务器中，其中涉及到的优化、管理、调度和控制等算法被集成为算法库；电厂终端设备在物理空间遵守的规则被封装为规则库；场站层关键业务、运维数据通过网络传到云端，形成云存储。规则库和云存储分别对应模型和数据，通过二者融合和迭代更新，在云控制与决策服务器中调用算法库中的方法，一方面在孪生电厂中模拟运行结果、进行态势演判，另一方面将得到的全局最优优化调度方案、指令发给各场站以至终端设备。场站在上层指令指导与约束下，对终端设备完成边缘控制，经由云网边端四个层面协作互补，形成对整个智能电厂系统的统一优化、管理、调度和控制。

图2  智能电厂云控制系统云边端协同控制架构

云控制系统集成了云计算、物联网技术、网络化控制理论以及其他最新研究成果，能够为智能电厂管控提供有力的支撑。并且随着云计算、边缘计算和网络通讯等能力的提升，智能电厂云控制系统处理计算任务的能力也将不断提高。基于容器技术，智能电厂云控制系统提供了一个可动态配置、获取计算资源与数据的镜像池，包含机组控制调度、故障分析、电力大数据存储与访问等业务。集控层和场站层的业务执行者无需知道服务提供者的物理位置和配置信息，只需拉取镜像就可使用。如图2所示，将智能电厂管控需求和云控制闭环反馈以及边缘控制技术结合，采用大数据智能分析、协同控制、资源调度等技术，能够实现智能电厂的云端决策、云网边端协同控制、云端虚拟资源和终端物理资源的协调调度等。通过云端智能控制决策等和基于边缘计算的终端闭环控制的交互协作，实现智能电厂云控制系统的整体优化管控。

目前云计算体系有基础设施即服务（Infrastru-cture as a Service, IaaS）、平台即服务（Platform as a Service, PaaS）和软件即服务（Software as a Service, SaaS）三种服务模式。从控制角度分析，智能电厂终端设备规模庞大、种类复杂，应拆分成具体的业务单元，而不是将作为一个整体进行建模以及控制。在本文云网边端架构中，将电厂关键数据存储在云端，计算任务运行时申请业务池中的镜像，拉取容器快速实例化执行云端任务；云端下发全局命令后，场站层按相同方式从场站服务器中申请资源执行边缘计算任务；现地层维持终端设备的自稳运转，接收到上层指令后执行动作完成边缘控制，提高智能电厂整体管控的实时性和可用性。因此，可将控制封装为一种按需申请、随取即用的服务，也就是控制即服务（Control as a Service, CaaS）。

CaaS面向智能电厂云控制云网边端服务应用以及系统操作、开发人员。业务申请者和系统操作人员向服务提供者申请获得所需要的镜像和容器执行业务应用；系统开发人员则创建、修改、删除镜像，调试确定所需容器CPU、内存和网络带宽等配置，将其封装进业务镜像池中以供使用。CaaS也可基于虚拟机开发，给用户提供包含基础操作系统、专业控制软件、网络和存储等资源配置的控制开发平台。基于容器的CaaS和基于虚拟机的CaaS相比，部署速度更快、灵活性更高，系统稳定性较弱，但都具有极高的系统集成度、经济性和可复用性。

智能电厂的应用都可以通过网络来执行，业务请求者只需要连接上网络，通过接口平台或者Web界面就可以定制调用修改部署在云端的服务器，免去高昂的硬件设备费用和底层控制算法的冗余开发开销。终端设备采集业务和环境数据上传到云端，云控制器通过计算求解得到和实际任务相适应的系统参数、控制指令，返回边缘控制终端。在智能电厂云控制系统中，相关的优化、管理、调度和控制等服务被封装成CaaS的形式，通过云端融合边缘接口被提供给业务请求者，其业务镜像池机制能够支撑智能电厂庞大的业务规模以及满足具体场景、任务下的定制化需求。

图3  智能电厂云控制关键技术体系

智能电厂云控制系统包括智能电厂边缘控制、数字孪生虚拟化、云端任务与资源匹配调度和云网边端安全管控等关键技术，技术体系如图3所示。对于底层智能电厂终端设备，使用边缘控制技术实现精准、自稳、基础性的本地控制，保证边缘系统在独立条件下依然能够稳定运行，同时充分利用本地计算资源，降低云端的计算和通信负担；云端任务与资源匹配技术与边缘控制技术配合，通过合理分工，信息、控制指令和应用镜像的传输，共同协作，优化智能电厂整体运行；左侧云网边端安全管控技术从云端、网络、边缘和终端四个层次保障智能电厂系统的安全性和可靠性。右侧为数字孪生虚拟化技术，通过边缘、终端两层设施的映射，在云端建立规则库、算法库以及孪生电厂，再通过实时或关键数据的传输，调度云资源池中的资源，驱动孪生电厂更新运行，得到全局优化管控方案。智能电厂云控制系统的四项关键技术之间有着密切的联系，互相协作驱动，形成一个有机的整体。

在智能电厂云控制系统框架中，我们提出了边缘控制技术。边缘控制充分利用边缘计算的优势，基于5G时代云端算力下沉、终端算力上移的特点，无需把底层数据全部上传至云端驱动决策，只需在本地或小范围内对目标系统进行控制，以保证终端设备控制的实时性、可用性以及经济性。如图4所示，云控制平台和终端设备及边缘控制器通过云端融合边缘接口相连接，使用自适应智能网关技术实时调控网络流量，通过边缘安全管控机制保护终端设备，规避安全隐患。在边缘层，部署边缘控制、边缘计算和边缘感知模块，与终端层的升压控制、智能机器人与无人机巡检安防和机组发电等设备相连实现精准、稳定实时控制；对于服务器、PLC板、控制柜等工业IT设备，在边缘层设有数据接入与I/O接口，实时收集、处理IT设备数据，进行信息交互。在自适应智能网关和边缘安全管控技术的保护下，边缘层和终端层组成边缘-终端系统安全管控体系。边缘层和终端层使用WiFi、5G、缆线等多种灵活的方式连接，其中5G传输速度可达每秒千兆位，满足未来智能电厂云控制系统的实时性需求。

图4  智能电厂云控制系统底层边缘控制

面向智能电厂云控制系统底层的边缘-终端安全管控系统，其核心是基于电厂设备运行大数据的采集、处理、分析和对设备运行环境的实时感知，利用边缘计算实现电厂设备具体的控制策略，完成对终端设备的本地控制。通过设置Kubernetes资源调度集群，建立小型、轻量化的容器计算节点，提供边缘算力，调度计算任务所需资源，从而管理和控制终端设备。将Kubernetes 系统部署在边缘，除了便于部署和管理，提升受限条件下的资源利用率，还可以有效地和云端相互协同。具体表现在：

1. 任务分工协同。云端完成上层的计划、规划、调度、决策、控制后，将具体任务分配给边缘计算资源，由边缘计算集群分析、处理任务，并调度计算资源，完成应用任务的计算过程，交由终端设备执行；

2. 镜像传输协同。容器的工作模式是将一定任务的执行程序，以及所需要的资源规格和运行环境打包，封装成方便复制和传输的镜像。在云端和不同边缘集群间有以下相互作用：

1）将云端非关键程序的镜像卸载到边缘上，由边缘设备启动镜像，调度边缘计算集群的资源并执行；

2）边缘发现难以处理某项计算任务，将镜像上传到云端，借助云端的丰富资源进行处理；

3）对于功能相似但物理空间相距较远的边缘和终端，则可以将已有任务的执行程序封装成镜像，仅将镜像复制传输至目标边缘，在目标边缘配置资源、启动容器即可，降低系统的开发、运行成本。

由上所述，边缘-终端系统在智能电厂云控制系统中为云端控制提供局部信息，与云端控制系统相互协作，是智能电厂云边端协同控制的重要组成部分。云端控制决策系统为参与业务的多个终端设备提供全局控制策略，统筹整个智能电厂设备网络，通过云网边端协保证智能电厂云控制系统良好运转。

智能电厂数字孪生虚拟化技术，可将物理设备网络虚拟成多个虚拟子网络组成的虚拟设备网络。核心思想是应用虚拟化技术对电厂设备进行精细化虚拟，虚拟设备具有轻便化、可复用、弱耦合的特点，易于被自动化部署在虚拟空间中，降低智能电厂开发、管控和运维的复杂度。如图5，智能电厂云控制网络相互耦合的整体架构可被拆分成云控制平台、虚拟化平台和物理应用平台三层架构。

图5  智能电厂云控制数字孪生虚拟化架构

云控制平台层包括云控制与决策、云存储、规则库和算法库以及孪生电厂等模块。对规则库中的模型和云存储中的数据进行融合和更新，在云控制与决策模块中调取算法库中的算法，即业务池中的镜像，在云资源池中启用容器，驱动孪生电厂模拟运行、演判态势，得到全局优化管控方案，将控制调度指令发到各场站及终端设备，完成云网边端协同。孪生电厂为真实电厂提供了许多的扩展和可能性，例如模拟真实电厂设备生命周期，提前预判设备失效、故障时间并且更换设备避免影响电厂运行；结合现场数据、孪生电厂运行结果判断故障原因；为操作人员提供仿真培训环境；以及作为伪系统蜜罐防范网络攻击等。

利用智能电厂虚拟化平台，底层电厂设备在云端依据物理世界的规则库被抽象成多个逻辑实体。智能电厂管理者看到的是虚拟化平台给出的数字孪生电厂。这样云端服务可以和物理电厂设备解耦，便于云端资源的灵活部署和快速优化决策。随着信息世界和物理世界的深度融合互联，软件定义技术开始向物理世界延伸。在智能电厂云控制系统中，我们提出软件定义电厂（Software Defined Power Plant, SDPP）的概念，利用软件可编程技术对智能电厂设备网络进行定义和映射，用灵活度更高、可替代性更强、耦合性更弱、更易部署的虚拟资源来代替物理资源，用软件为硬件赋能，更易实现云端精细化管理和控制，达到开放共享和互联互通的目的。SDPP技术的核心是电厂设备硬件资源虚拟化、管理对象和功能可编程实现。传统电厂设备网络抽象为虚拟资源，利用云端部署软件对虚拟电厂，即数字孪生电厂进行计算和调度决策。该技术可以实现电厂设备层和云端计算层的分离，利用程序软件既能保证虚拟化映射的完整性和准确性，又可满足电厂管控任务的多样性及动态需求。

智能电厂系统中存在上千条控制策略的触发、分析、回馈和流转，其中不乏输入输出/数据密集型任务请求。智能电厂云控制系统需要充分利用云平台的计算能力，为任务最优化分配CPU、内存、网络带宽等资源，降低任务完成时间，提高资源利用率，以高效、低成本地处理智能电厂云端计算任务。资源调度一般分为基于容器和基于虚拟机两种，本节采用基于容器的方法。

图6  智能电厂云端任务和资源匹配调度技术框架

如图6所示，在智能电厂云端任务和资源匹配调度技术框架中，任务首先被提交并被云端收集到，然后对这些任务进行分类和预估，确定所需申请的计算资源量。智能电厂云控制系统平台由公有云和私有云（或私有服务器）集成，由Kubernetes系统管理物理机和虚拟机的计算资源，抽象成统一的混合资源池。智能电厂关键生产运维任务可部署在私有云中处理，保障业务安全。部分任务放在公有云中，避免因可伸缩性不足导致资源请求过载或者浪费。安全需求相对较低、计算量及资源请求量弹性较大的任务在公有云中运行，实时申请到适额的计算资源，保证系统稳定运行，减少开销和资源浪费，提升智能电厂业务处理的弹性和经济性。

任务经分类后被提交到调度器中，由混合资源池提供资源的可选配置。根据是否存在依赖关系，任务请求被分为离散任务和云工作流，其中云工作流是根据任务处理的实际逻辑关系形成的具有前后依赖的复杂任务。针对不同场景、需求和任务种类，调度器可采用考虑任务优先级、含截止时间/能耗约束、关键路径分析、任务群并合以及深度强化学习等算法实现最优调度策略的选取，将任务匹配给生存在Node节点池中的容器列表。获得调度方案即任务资源需求、容器启动时间和顺序后，将需求交给Kubernetes系统，后者提供资源建立和启动容器，完成巡检机器人和无人机轨迹规划、新能源机组排产调度、电厂生产环境音视频直播数据分析处理等任务的处理。

工业场景接入云计算不可避免的一个问题是云的安全性考量，智能电厂也不例外。云安全是智能电厂云控制系统必须关注的重大关键问题，也是目前电力企业将业务接入云计算系统的主要顾虑。如图7所示，依据被攻击对象以及安全隐患发生阶段的不同，智能电厂云控制系统安全问题可被划分成云、网、边、端四个层面来考虑。

图7  智能电厂云控制云网边端安全管控技术架构

在云端面临的主要风险来自云平台，包括云平台自身的可靠性、外部信号对云平台的恶意攻击，以及客户隐私数据对云服务商的透明性问题等。针对这些问题，在云平台层面，智能电厂云控制系统设计安全可信云技术机制，实现云服务合规性验证、云平台安全防护，以及云数据隐私保护等保障功能，保障云端控制决策系统安全、稳定运行。在网络传输层面，面临的则是从云到端通信故障以及数据隐私泄露的风险，采用云端和边缘双向智能高效通信加密SDK技术保证通信安全。

智能电厂边缘控制系统和终端设备进行实时边缘控制的交互，在边缘、终端双层安全系统的保护下，形成边缘-终端系统安全管控体系。具体而言，边缘安全防护系统采用软硬件相结合的方式，在软件方面使用边缘身份认证和自适应攻击防护等算法，在硬件层面则设计智能网关、安全控制器、隔离装置、安全审计装置等智能电厂安全防护设备，同时配套防火墙、入侵检测装置等系统，将以上软件嵌入其中，规避边缘设备管控的安全隐患。在终端设备一侧，主要考虑操作者或者上层信号的真伪性问题，针对种类不同、智能程度不同、重要性不同的各类底层设备，使用差异化的身份终端认证方法，保障云端调度优化指令、边缘控制命令等准确无误的执行下去。智能电厂云控制系统通过云网边端四层安全管控机制，实现对电厂各层级软硬件及网络的可信赖支持和保护。

本文设计了智能电厂云控制系统的整体结构，将云控制推广到智能电厂系统中，并对关键技术进行了详细分析，建立了一套关键技术体系。然而，目前云控制系统理论和技术还在发展阶段，本文提出的智能电厂云控制系统是云控制的初步应用，如何实现从大数据采集、处理到云网边端协同安全管控的智能电厂全流程业务，将云控制封装成一种随取即用、按需申请的服务，实现现代电厂全业务环境控制策略的实时触发、分析、回馈和流转，得到最优的实际电厂系统云控制解决方案，仍然是智能电厂云控制系统的未来发展方向和需要解决的技术难点。

引用格式

夏元清, 高润泽, 林敏, 任延明, 闫策. 绿色能源互补智能电厂云控制系统研究. 自动化学报, 2020, 46(9): 1844−1868

文章链接

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190581