Application of cloud and edge technologies in the development of intelligent energy system

Толық мәтін

Введение. Создание и функционирование интеллектуальной энергосистемы (ИЭС) (англоязычный термин Smart Grid) осуществляется на основе применения новых технологий, включающих применение интеллектуальных счетчиков, автоматического считывания показаний счетчиков,  сети датчиков и исполнительных механизмов; усовершенствованной измерительной инфраструктуры (AMI), интеллектуальных электронных устройств (IED) и блоков синхронизированных измерений (PMU); сети коммуникаций, включающих облако, глобальную вычислительную сеть (WAN), системы измерения больших площадей (WAMS), сеть соседства (NAN), сеть домашнего доступа (HAN) и локальную вычислительную сеть (LAN) [1, 2]. Эти технологии дают возможность осуществлять сбор и обработку измерительной информации, необходимой для управления функционированием новых приложений, создаваемых в рамках ИЭС, включая распределенные энергетические ресурсы (DER), виртуальные электростанции (ВЭС, VPP) и Агрегатор управления спросом на электроэнергию (Demand Response (DR)), Активных потребителей, автоматизацию зданий, подстанций и фидеров и др. [3]. Сбор и обработка в реальном времени множества постоянно меняющихся и взаимосвязанных данных о параметрах режима, поступающих от различных измерительных устройств географически распределенных объектов, требует существенных по объемам мощностей вычислительных центров, хранилищ данных большой ёмкости, при этом обеспечения безопасного доступа и конфиденциальности информации.  

Облачные технологии предлагают вычислительные услуги и ресурсы пользователям, не имеющим своих собственных достаточных вычислительных ресурсов – вычислительных мощностей, хранилищ данных, программного обеспечения (ПО) и др. [4].  Облачные технологии имеют достаточно широкий опыт применения в различных областях электроэнергетики как за рубежом, так и в России: при создании цифровых двойников энергообъектов, мультиагентных систем управления и диагностики, системы автоматизированного контроля энергообъектами в период эксплуатации, а также в сервисных системах, базирующиеся на технологиях «Интернета вещей», таких, как системы учета энергоресурсов, зарядки электромобилей, электроснабжения умных домов и др. [5].

К основным недостаткам облачных технологий, наиболее значимым при их использовании в задачах мониторинга и управления объектами ИЭС, относятся существенные задержки при передаче данных и угроза нарушения их конфиденциальности, при этом по мере того как растут объёмы данных, собираемых с различных датчиков, растут и риски, связанные с конфиденциальностью информации. Еще одна проблема состоит в том, что в условиях санкций российские потребители сталкиваются с ограничениями на приобретение и продление лицензий на зарубежное ПО.

Для преодоления этих недостатков было предложено использовать граничные (пограничные, периферийные) технологии (в англоязычной литературе чаще используется термин граничные вычисления - Edge Computing), которые появились позднее облачных, но имеют ряд преимуществ по сравнению с ними, включая меньшую задержку, большую безопасность и большую эффективность [6].

Граничные вычислительные ресурсы расположены ближе к источнику данных или конечному пользователю, это снижает задержку и позволяет обрабатывать данные непосредственно на объекте управления. Это особенно важно в Smart Grid, где управление должно выполняться в реальном времени, т.е. в темпе ведения технологического процесса.

В статье будут рассмотрены возможности применения облачных и граничных технологий при функционировании и управлении новыми объектами, создаваемыми в рамках цифровой трансформации и интеллектуализации энергетики, проведено сравнение этих технологий по различным критериям, определены области их применения при развитии ИЭС. Рассмотрены примеры использования облачных и граничных технологий для вновь создаваемых объектов и структур энергетики, таких как виртуальная электростанция, Активная распределительная сеть (АРС), умный дом и др.

2. Вычислительные технологии при развитии ИЭС. Процессы цифровизации энергетики и создания интеллектуальных энергосистем (ИЭС) сопровождаются широким использованием информационных технологий (ИТ), среди которых важное место занимают облачные технологии, применяемые для обработки больших объемов данных [7].

2.1. Облачные технологии представляют собой программно-аппаратное обеспечение, доступное пользователю через локальную сеть или сеть Интернет, для целей удаленного доступа к определенным ресурсам, включая, прежде всего, вычислительные мощности, хранилища данных и программное обеспечение.

Облачная система, состоящая из нескольких устройств, компьютеров и серверов, соединенных между собой через Интернет, может быть разделена на две части:

• Внешний интерфейс – устройства клиента (компьютеры, планшеты, мобильные телефоны);
• Внутренний интерфейс – хранение данных и обрабатывающие системы, которые могут быть отдалены от устройств клиента и самого облака.

Технология облачных вычислений предоставляет различные виды услуг, которые делятся на три группы [8]:

• Услуги инфраструктуры (IaaS) – удаленный центр обработки данных (ЦОД) с такими ресурсами как: вместимость хранения данных, вычислительная мощность, и сети;
• Платформа как услуга (PaaS) – развитие платформы с устройствами и компонентами для создания, тестирования и запуска приложений
• Услуги программного обеспечения (SaaS) – готовое ПО, соответствующее производственным потребностям.

Две последние модели облачных вычислений чаще всего используются в задачах электроэнергетики.

Только в 2022 году спрос на облачные сервисы и услуги в России вырос на 45%. В 2023 году российские предприятия планировали увеличить потребление облачных услуг еще на 28% [8]. Возрастающий спрос на облачные технологии в энергетике объясняется предоставляемыми ими преимуществами, среди которых важнейшим является качественный уровень развития компании: гибкость программных продуктов (необходимый набор модулей), возможность оперативного энергетического контроля, хранение истории передачи данных (полный архив по проекту в энергетике), и, наконец, сокращение бюрократических проволочек.

Однако использование облачных технологий в энергетике сопровождается и рядом проблем:

1. относительно большие затраты на создание собственных облаков;
2. зарубежные разработки, не всегда учитывающие потребности российской энергетической отрасли;
3. необходимость выполнения требований безопасности передачи данных;
4. сложности интеграции облачных технологий с внутренней ИТ-системой компании;
5. обеспечение доступа к облачным технологиям только при наличии доступа к Интернету, что означает их зависимость от канала связи;
6. требование адаптации персонала к новым принципам организации работы.

Как считают специалисты по применению облачных технологий в энергетике [5, 9], часть из этих проблем надумана, а действительные сложности – решаемы.

2.2. Граничные (периферийные) вычисления (Edge Computing) – это парадигма распределенных вычислений. В отличие от облачных вычислений, сбор и анализ данных проводится не в централизованной вычислительной среде, такой, как ЦОД (центр обработки данных), а в том месте, где происходит генерация потоков данных. Циркулирует и другой термин: Fog Computing («туманные» вычисления). И тот, и другой термин отображают процесс выхода функции обработки информации за пределы ЦОД.

Edge (Fog) Computing можно трактовать, как все вычисления вне облака, происходящие на границе сети, и более конкретно, в самих точках получения информации, в приложениях, где требуется обработка данных в реальном масштабе времени. Это сокращает задержку в критически важных по времени процессах, поскольку решения принимаются вблизи физического местоположения объекта, что подходит для локальных контроллеров в энергосистемах.

Периферийные вычисления – характеризуются целым рядом преимуществ и потенциальных возможностей [6]:

• позволяют анализировать и фильтровать данные ближе к датчикам; более того, в облако отправляются только релевантные данные;
• малое время отклика, измеряемое в миллисекундах, критично для послеаварийного восстановления в ЭЭС, так как задержка в производственном процессе может быть губительной, если случается авария;
• при необходимости конфиденциальные данные можно обрабатывать на месте, где они защищены от прямых сетевых подключений; это обеспечивает более высокий уровень контроля над безопасностью и конфиденциальностью информации;
• наконец, уменьшаются требования к емкости облачных хранилищ данных и пропускной способности сети, сокращаются соответствующие затраты, поскольку вместо отправки в облако большой объем данных с датчиков можно обрабатывать непосредственно на периферии.

Слабые стороны Еdge computing — недостаточная интероперабельность протокольного стека и отсутствие промышленных стандартов. Как следствие, на сегодняшний день устройства и приложения, которые работают на границе сети, представляют из себя набор автономных Edge-экосистем, а разнообразие интерфейсов препятствуют взаимодействию устройств друг с другом.

Edge Computing работает на «мгновенных данных», то есть на текущих данных, генерируемых датчиками или контролируемыми системами. Источниками данных Еdge computing служат сами обрабатывающие цифровые устройства (не обязательно находящиеся в одной локации), которые затем передают обработанные и систематизированные пакеты данных в точку центрального накопления (или хранят), и если Сloud technologies – это скорее статистика и бизнес-обеспечение процессов, то Edge (Fog) Computing ближе к обеспечению нужд АСУ ТП.

Развертывание Edge-инфраструктуры предусматривает два сценария [10]:

1. Обработка данных, которые генерируют устройства, осуществляется локально, без отправки в корпоративное облако или удаленный ЦОД, тем самым обеспечивая требования реального времени.
2. Обработка чувствительных к пропускной способности данных осуществляется на границе сети (Edge Computing), а данные, необходимые для решения задач off-line (аналитика, планирование, прогноз), передаются в облачные системы.

Более перспективным для применения в ИЭС является второй подход, который позволяет сократить объемы данных, передаваемых в облако, а, соответственно, и уровень трафика.

В таблице 1 приведено сравнение облачных и граничных технологий по критериям, наиболее значимым при их использовании в энергетике [11, 12].

 

Таблица 1. Сравнение облачных и граничных технологий по различным критериям

Требование Критерий	Облачные вычисления	Граничные вычисления
Задержка при передаче и обработке данных	Высокая задержка: обработка должна выполняться через сетевое соединение.	Практически нет: обработка выполняется локально, без сетевых задержек.
Масштабируемость	Высокая масштабируемость: облачные серверы могут обрабатывать большие объемы данных.	Ограниченная масштабируемость: граничные устройства имеют ограниченную вычислительную мощность.
Работа с облаком	Обязательно	Не всегда
Надежность	Высокая надежность: облачные серверы рассчитаны на высокую доступность и могут справляться с аппаратными сбоями, но облачная система может разрушиться при сбоях в сети Интернет: хранилища, серверы, сети, программное обеспечение и многое другое.	Высокая надежность вычислений. Данные обрабатываются даже в отсутствие подключения к интернету.
Кибербезопасность	В публичном облаке личная информация передается через глобально связанные каналы - возможна потеря данных, система уязвима к кибератакам, поэтому оператор облачных сервисов должен отвечать за сохранность данных: обеспечивать шифрование, защиту от атак и аварийное восстановление.	Высокая. Вся информация остается на устройстве. Её не обязательно передавать в публичное облако, но требуется надежный план безопасности, включающий расширенные методы аутентификации и активную защиту от атак.
Цена	Сложная и дорогая инфраструктура. Если компания не хочет использовать публичное облако, то выбирает частное или гибридное, но установить и поддерживать большой дата-центр на производстве – затратная задача.	Затраты на оборудование и сотрудников. Пользователю технологии придется купить и настроить оборудование, привлечь специалистов. Это сложнее, чем подключить публичное облако.

 

Таким образом, каждая из этих технологий имеет свои преимущества и недостатки, уровень надежности и кибербезопасности, поэтому для сбора и обработки данных при управлении новыми объектами в ИЭС следует применять ту технологию, которая обеспечит необходимое быстродействие обмена данными при требуемом уровне кибербезопасности и надежности объекта при его функционировании.

3. Примеры использования облачных и граничных технологий при создании новых объектов и структур в ИЭС. Облачные технологии нашли широкое применение в сервисных системах, базирующихся на технологиях «Интернета вещей», таких, как системы учета энергоресурсов, зарядки электромобилей, интеллектуальные системы управления умными домами и умными городами и др.

3.1. Умный дом. Интернет вещей (IoT) играет ключевую роль в умном доме, благодаря ему происходит обмен данными между устройствами и интернетом. Устройства умного дома могут быть подключены к облаку или локальной сети, что позволяет пользователю управлять ими удаленно через мобильные приложения или веб-интерфейсы. Интернет вещей также позволяет устройствам получать обновления ПО и взаимодействовать с другими сервисами и платформами [13].

Как только данные покидают Умный дом – защита этих данных выходит из-под контроля владельца, поэтому требуется найти эффективные решения для шифрования и защиты передаваемых и находящихся в состоянии покоя данных или же обрабатывать зашифрованные данные, не выходя за пределы сети "умный дом". Эти требования соответствуют реализации возможностей граничной обработки, но относительно дешевые потребительские устройства, чаще всего устанавливаемые в настоящее время в Умных домах, не способны выполнять модели Machine Learning или другие сложные задачи, необходимые для реализации технологии граничных вычислений, поэтому для использования этих технологий с целью сбора данных и реализации функций управления в Умных домах необходимо внедрение интеллектуальных счетчиков (AMI), контроллеров, и другого оборудования с функциями искусственного интеллекта (ИИ).

3.2. Автоматизированная система коммерческого учета электроэнергии (АСКУЭ). АСКУЭ предназначена для сбора показаний с приборов учета как на предприятиях (на розничном рынке электроэнергии), так и на объектах бытового сектора – в жилых многоквартирных домах. Система предоставляет пользователям достоверную информацию о фактическом потреблении электроэнергии и может быть реализована с применением различных каналов связи, которые обеспечивают своевременную и достоверную передачу информации о потреблении, о внештатных ситуациях, позволяют выявить факты хищений электроэнергии и дистанционно отключить неплательщиков.

В настоящее время на рынке предлагается большое количество коммерческих разработок АСКУЭ, среди них появились системы, построенные на использовании облачного ПО для доступа к показаниям приборов учета через Интернет, например, облачная АСКУЭ TIME2SAVE [14]. Предлагаемое облаком ПО (Software As A Service, SaaS) используется для обработки показаний энергопотребления. Данные со счетчиков поступают в ЦОД, шифруются, подаются Интернет-провайдеру, оттуда поступают на сервер Энергосетевой компании, дешифруются и обрабатываются. Прозрачность энергопотребления дает возможность потребителям регулировать уровень своего потребления, а Электросетевой компании – фиксировать случаи хищения электроэнергии и бороться с кражами.

Подобный подход дает возможность существенной экономии, поскольку в этом случае не требуется приобретать дорогостоящее, как правило, ПО и серверы и производить настройку всего комплекса. Достаточно за небольшую абонентскую плату арендовать место в «облаке» на необходимое количество электросчетчиков.

3.3. Управление активной распределительной сетью (АРС). Цифровизация сети привела к значительному прогрессу в технологиях измерений, вычислений и интеллектуальном управлении, повысив эффективность и отказоустойчивость Активных распределительных сетей (АРС) [8].  

АРС включают в себя интеллектуальные устройства на базе Интернета вещей (IoT), такие, как контроллеры реагирования на запросы, распределенные источники энергии (DER), системы хранения энергии и другие интеллектуальные устройства, повышающие гибкость системы [15]. Эти устройства Интернета вещей теперь могут выполнять локальные вычисления на периферии сети, предоставляя услуги пользователям.

Распределенные источники энергии (DER) в АРС могут использоваться для предоставления вспомогательных услуг, частично заменяя загрузку/разгрузку централизованных электростанций, при реализации которых реакция АРС не должна превышать допустимых временных значений (от нескольких секунд до нескольких минут).

Координация и управление DER в АРС могут осуществляться либо с помощью управляющих сигналов, передаваемых по сети связи, либо с помощью автономных контроллеров DER, которые действуют исключительно на основе локальных измерений. Оптимальным с точки зрения координации принятия решений и гибкости является первый подход. В этом случае контроллеры, а также коммуникационная сеть вместе представляют информационно-коммуникационную систему. Как показано в [16], для обеспечения максимально допустимой задержки при передаче данных через информационно-коммуникационную сеть, не оказывающей негативного влияния на качество управления, необходимо использовать локальную обработку данных на базе граничных вычислений либо комбинированный подход, при котором данные, полученные с датчиков и сенсоров, оперативно обрабатываются на граничном устройстве (контроллере); в случае фиксирования аномальных значений поступает соответствующая команда на исполнительные устройства или оповещение оператору, и только часть данных передается для обработки и хранения в облако. Такой подход позволяет обеспечить требуемую задержку и снизить затраты на передачу данных.

3.4. Создание и сопровождение единой информационной модели для решения задач управления режимами крупных энергообъединений. Традиционный подход к моделированию ЭЭС основывается на применении математических моделей, которые должны быть адекватны решаемым задачам. Как правило, эти расчеты проводят различные подразделения центров диспетчерского управления, и в каждом из них используются свои математические модели различной степени подробности одной и той же физической сети, что приводит к снижению точности моделирования и качества управления.

Для решения этой проблемы Системным оператором (СО) ЕЭС России с 2012 по 2016 год в рамках проекта «Трехуровневая автоматизированная система формирования физических и эквивалентных моделей для расчетов и оценивания электрических режимов» разрабатывалась Единая информационная модель ЕЭС России [17].

Использование Единой информационной модели позволило упорядочить информационные потоки в АО «СО ЕЭС», повысить качество используемых данных, снизить разнородность и разновременность обновления технологических сведений, обеспечить совместимость информационных продуктов различных производителей и сократить сроки и стоимость внедрения новых автоматизированных систем.

Аналогичные разработки выполняются за рубежом, так, для управления энергообъединением Среднего континента в США была создана и выполняется сопровождение единой сетевой модели [18]. Энергообъединение Среднего континента включает энергосистемы 15 штатов в США и канадской провинции Манитоба.

Независимый системный оператор энергообъединения (MISO) осуществляет диспетчерское управление, рыночное регулирование и планирование в ЭЭС Среднего континента. Тройная роль MISO требует точных моделей энергосистем, что становится все более сложной задачей по мере увеличения объема данных, ускорения частоты их изменений из-за интеграции распределенных возобновляемых ресурсов и динамического уточнения модели. ISO получает данные модели несколько раз в разных форматах. В результате этого существует большая вероятность возникновения расхождений между онлайн- и оффлайн-моделями, что может привести к ошибкам в управлении.

Новое решение, которое MISO внедряет для управления сетевой моделью, построено на базе общедоступных облачных сервисов AWS [19]. Решение поставляется MISO от ее поставщика Siemens в формате SaaS, что обеспечивает ISO масштабируемую инфраструктуру, стабильную производительность приложений, снижение потребности в ИТ-поддержке, а также гарантии безопасности.

Использование современных облачных технологий обеспечивает MISO точность, синхронизацию и постоянное обновление моделей энергосистем в рамках всех задач, решаемых ISO, а также предоставление их с более короткими циклами обновления и меньшим количеством ошибок.

MISO серьезно относится к безопасности облачных систем. Требования к безопасности, которые необходимо соблюдать при их использовании, охватывают следующие области: контроль доступа, аудит и подотчетность, информирование и обучение, управление конфигурацией, планирование на случай непредвиденных обстоятельств, идентификация и аутентификация, реагирование на инциденты, техническое обслуживание, защита средств массовой информации, безопасность персонала, физическая защита и защита окружающей среды, оценка рисков, защита систем и коммуникаций, целостность систем и информации.

3.5. Тренажер диспетчера [20]. Тренажер диспетчера – это сложный программно-технический комплекс, предназначенный для проведения противоаварийных тренировок оперативного персонала объединений энергосистем, энергосистем и электрических сетей. В настоящее время разработан ряд различных тренажеров, каждый из которых предназначен для решения определенных задач, требует специальных технических и программных средств, и, как правило, распространяется на коммерческой основе. К сожалению, упоминаний об использовании облачных технологий в отечественных разработках тренажеров авторам найти не удалось, поэтому была рассмотрена зарубежная разработка Power Simulator.

Компании IncSys и PowerData совместно разрабатывают обучающее ПО Power Simulator [18], которое помогает тестировать и повышать квалификацию системных операторов ЭЭС в выполнении своих задач в обычных и аварийных условиях, а также моделировать наиболее разрушительные системные события и тестировать планы их восстановления.

Power Simulator предлагается своим клиентам в виде SaaS-модели. Обычно он предоставляется в общедоступном облаке, где для создания этого облачного решения используются такие сервисы, как сеть, вычисления, хранилище и безопасность. Он также может быть размещен в частном облаке, но общедоступное облако дает ряд преимуществ по сравнению с другими платформами: быструю доступность, масштабируемость, надежность и безопасность инфраструктуры, основанную на соблюдении лучших практик обеспечения безопасности приложений на облачном уровне.

Облако позволяет участвовать в симуляциях с любого сайта, имеющего доступ в Интернет, и современный браузер. Обеспечивается реалистичность учений и тренировок, поскольку участники получают доступ к ПО со своего обычного рабочего места, используя те же средства коммуникации, что и в реальной чрезвычайной ситуации. Все участники работают в интерактивном режиме реального времени, выполняя свои реальные роли. Действия каждого оператора и их влияние на систему отслеживаются в режиме реального времени.

3.6. Агрегация данных и управление ими. Проблема агрегации данных возникла в связи с появлением в рамках создания ИЭС большого количества распределенных источников генерации и активных потребителей, имеющих свои собственные избыточные энергоресурсы, но которые в силу своей небольшой единичной мощности не могут быть подключены к оптовому рынку электроэнергии и мощности (ОРЭМ). Компании-агрегаторы объединяют регулировочные возможности таких субъектов в блок (кластер), удовлетворяющий требованиям рынка по величине разгрузки, и являются посредниками между ними и инфраструктурой рынка [21]. К структурам агрегации данных и управления ими относятся Виртуальные электростанции (ВЭС, VPP) и Агрегатор управления спросом на ЭЭ (Demand Response (DR-агрегатор))

Виртуальная электростанция – это централизованная платформа, использующая ИКТ и устройств IoT для объединения возможностей разнородных распределенных источников генерации (DER), которые сами по себе не могут участвовать в оптовом рынке ЭЭ.

Традиционная модель функционирования ВЭС – модель энергосбытовой компании: компания, работающая на энергорынке (например, энергосбытовая), создает сеть, контролирующую различные объекты распределенной генерации и гибкой мощности своих потребителей.

Агрегатор УС – это координирующий центр в механизме управления спросом (УС), созданный для объединения не вовлеченных в ОРЭМ субъектов электроэнергетики – Активных потребителей (АП), имеющих свои собственные избыточные энергоресурсы и возможность снижении энергопотребления из централизованной энергосистемы в определенные часы суток. Основная цель управления спросом на электроэнергию в ЕЭС России – уменьшение пиковой нагрузки в энергосистеме, необходимое как для снижения цен на рынке ЭЭ, так и для оптимизации управления энергосистемой и интеграции ВИЭ.

Агрегатор УС имеет распределенную структуру, он принимает заявки от потребителей, которые без ущерба для технологического цикла способны изменять потребление ЭЭ, разрабатывает оптимальные алгоритмы участия в программах DR, оснащает таких АП необходимыми средствами автоматизации и учета.

Традиционное управление ВЭС и структурой Агрегатора УС выполняется централизованно, информация собирается и передается на устройства в центр управления через коммуникационную среду с использованием беспроводных сотовых технологий (4G, 5G). Технологии связи создают проблемы с конфиденциальностью в централизованной среде, поэтому были предложены методы распределенного управления, базирующиеся на использовании ИКТ: облачных и периферийных (пограничных) вычислений.

Британская Компания Centrica уже 10 лет является поставщиком решений для мониторинга и управления распределенными активами в энергосистемах Германии, Великобритании, Бельгии, Франции и др. [22]. Платформа Centric VPP управляет 1,7 ГВт DERs. Специально разработанные сервисы, такие, например, как IoT Core, позволяют подключенным устройствам безопасно взаимодействовать с облачными приложениями и другими устройствами. IoT Core может поддерживать миллиарды устройств, на которых создаваемые ими данные обрабатываются локально; облако используется для управления, аналитики и долговременного хранения данных.

Centrica защищает все коммуникации, хранимые данные и постоянно следит за целостностью системы:

• платформа VPP недоступна из общедоступного Интернета;
• любой авторизованный доступ требует двухфакторной аутентификации;
• все коммуникации между пользователями и платформой зашифрованы с использованием надежной криптографии;
• данные, связанные с управлением DERs, хранятся в защищенных ЦОДах, сертифицированных по стандарту ISO 27001$,
• доступ к данным строго ограничен в зависимости от личности пользователя и соответствующих прав доступа.

Для усовершенствования механизма безопасности сетевой структуры VPP была предложена новая концепция VPP на базе граничных (периферийных) вычислений, оптимизируя тем самым производительность.

Архитектура VPP, ориентированная на периферию, содержит четыре основных компонента: облачную архитектуру, граничный уровень, операторов VPP и конечных потребителей/просьюмеров VPP. Введение в действие граничного уровня изменяет компоненты и динамику фундаментальной архитектуры, при этом пограничный уровень становится ядром, поскольку он может координироваться с различными VPP, выступая в качестве связующего звена между пользователями и облаком.

При рассмотрении аспектов безопасности возникают серьезные проблемы. Например, пользователь может войти в систему либо с оконечного устройства, которое является надежным и защищенным, либо с ненадежного устройства. Второй аспект заключается в том, что потребитель может быть не осведомлен о безопасности или не обладать достаточными знаниями для управления инфраструктурой, что может привести к повышению потенциального риска.

Заключение. Процессы интеллектуализации и цифровизации электроэнергетики неуклонно ведут к тому, что любое энергетическое предприятие будет со временем управляться “…компьютерными программами, которые могут размещаться в "облаках".

Облака обеспечивают огромные ресурсы для сложных вычислений и огромных объемов данных, но по мере масштабирования и распространения ИИ задержки, проблемы конфиденциальности, ограничения на подключение и пропускную способность сети лимитируют максимально возможное применение облачных технологий.

Периферийные вычисления компенсирует некоторые из этих ограничений, особенно для приложений, требующих немедленной обработки данных, со строгими ограничениями по задержкам и требованиями к доступности. Кроме того, оно решает проблемы конфиденциальности и безопасности, сохраняя конфиденциальные данные локализованными.

Для наилучшей производительности необходимо правильное сочетание периферийных и облачных приложений. Будущее применения технологий ИИ в энергетике за гибридными облачно-периферийными приложениями. Распределяя задачи между периферией и облаком, можно оптимизировать приложения с точки зрения скорости, эффективности, безопасности и конфиденциальности.

Благодарности. Исследование проводится в рамках проекта государственного задания (№ FWEU-2021-0001) программы фундаментальных исследований Российской Федерации на 2021-2030 годы (рег. № АААА-А21-121012190027-4).

Авторлар туралы

Irina Kolosok

Melentiev Energy Systems Institute SB RAS

Хат алмасуға жауапты Автор.
Email: kolosok@isem.irk.ru
ORCID iD: 0000-0002-2843-4455

Doctor of Sciences, Senior Researcher, leading researcher

Ресей, Irkutsk

Elena Korkina

Melentiev Energy Systems Institute SB RAS

Email: korkina@isem.irk.ru
ORCID iD: 0000-0001-6488-5774
SPIN-код: 8084-7363

PhD, researcher, senior researcher

Ресей, Irkutsk

Әдебиет тізімі

Қосымша файлдар