[論文レビュー] Smart Grids empowerment with Edge Computing: An Overview

Pietro Boccadoro|arXiv (Cornell University)|Sep 26, 2018

IoT Networks and Protocols参考文献 9被引用数 6

ひとこと要約

本稿では、スマートグリッドにおけるエッジコンピューティング（EC）を、IoTおよびインターネット・オブ・サービス（IoS）を活用したデータ処理の分散化、遅延の低減、リアルタイム監視および需要側管理の向上を実現する主要な促進要因として提案する。グリッドの周辺に近いエッジデバイスに計算処理をオフロードすることで、ECはサービス品質（QoS）を向上させ、動的最適化を支援し、スケーラブルで安全かつエネルギー効率の良いグリッド運用を可能にする。

ABSTRACT

Electric grids represent the angular stone of distribution networks. Since their introduction, a huge evolutionary process turned them from conventional electrical power network to advanced, real-time monitoring systems. In this process, the Internet of Things (IoT) proved itself as a fast forwarding paradigm: smart devices, networks and communication protocol stacks are more and more integrated in a number of general purpose, industrial grade systems. In this framework, the upcoming Internet of Services (IoS) is going to orchestrate the many sensors and components in Smart Grids, simultaneously enabling complex information management for energy suppliers, operators and consumers. The opportunity to continuously monitor and send important data (i.e., energy production, distribution, usage and storage) issues and facilitates the implementation of trailblazing functionalities. Of course, the more information are sent throughout the network, the higher the overload will be, thus resulting in a potentially worsening of the Quality of Service (QoS) (i.e., communication latencies). This work overviews the concept of Smart Grids while investigating de-centralized computing and elaboration possibilities, leveraging the IoT paradigm towards the IoS.

研究の動機と目的

• IoT対応デバイスからの膨大なデータに起因する通信遅延およびネットワーク過負荷の増大という、スマートグリッドにおける深刻な課題に対処する。
• リアルタイムグリッド運用に求められる低遅延性、位置情報対応、モビリティ支援要件を満たすために、集中型クラウドコンピューティングの限界を克服する。
• エッジコンピューティングをIoTおよびIoSのパラダイムと統合することで、スマートグリッドにおける分散知能および自己組織化を実現する。
• 局所的データ処理および予防的メンテナンスを通じて、エネルギー効率の向上、故障耐性、レジリエンスの強化を実現する。
• 動的で分散型の制御および需要応答メカニズムを支援することで、再生可能エネルギー源およびプロシューマーの統合を促進する。

提案手法

• エッジデバイス（例：スマートメーター、センサー）がデータ収集および前処理を実行し、その後フォグノードまたはクラウドに転送する分散型エッジコンピューティング（EC）アーキテクチャを提案する。
• スマートグリッドにおけるIoTデバイスのための低消費電力・広域通信を実現するLPWAN技術（例：NB-IoT、LoRa）を統合する。
• 従来の故障時修理型または予防保全型メンテナンスに代わって、状態監視と予測保全を実現する機械学習アルゴリズムを採用する。
• ソフトウェア定義ネットワーキング（SDN）およびIPv6ベースの監視を活用し、断片化したグリッドネットワーク全体にわたる均一でスケーラブルかつ管理可能なインfraを構築する。
• エッジ、フォグ、クラウド層間の遅延、エネルギー消費、計算負荷のバランスを取るために、選択的オフロード方式を適用する。
• エネルギー効率の高い多エネルギー利用を実現するため、電気からガスへの変換、電気から熱への変換、および熱電併給システムを統合したエネルギーハブの構築を想定する。

実験結果

リサーチクエスチョン

• RQ1 エッジコンピューティングは、大規模スマートグリッド展開において通信遅延をどのように低減し、サービス品質（QoS）を向上させることができるか？
• RQ2 インターネット・オブ・サービス（IoS）は、多様なセンサーおよびコンponentsを統合して高度なグリッド管理を実現するために、果たす役割は何か？
• RQ3 エッジベースのデータ処理を通じて、スマートグリッドにおける分散知能および自己組織化はどのように達成できるか？
• RQ4 エッジコンピューティングを活用して、既存のスマートグリッドアーキテクチャに再生可能エネルギー源およびプロシューマーを統合するにあたり、直面する主な課題は何か？
• RQ5 エッジコンピューティングは、IoT対応配電ネットワークにおける安全で低消費電力かつリアルタイム監視をどのように支援できるか？

主な発見

• エッジコンピューティングにより、データの前処理を情報源に近い場所で実行することで、グリッド監視および制御におけるリアルタイム対応性が顕著に向上する。
• NB-IoTやLoRaといったLPWAN技術は、低消費電力かつ広域通信を可能にし、スマートグリッドにおけるIoTデバイスの大規模展開に最適である。
• 機械学習に基づく予測保全により、反応型または予防保全型メンテナンスへの依存が低減され、グリッドの信頼性が向上し、ダウンタイムが削減される。
• SDNとIPv6の統合により、多様なスマートグリッドコンponentsを対象としたよりスケーラブルで安全かつ管理しやすいネットワークインfraが実現できる。
• エッジでの選択的オフロード方式により、IoTデバイスのエネルギー消費が低減されつつ、多様なサービスの遅延要件を満たすことができる。
• エッジコンピューティングにより、局所的で動的かつ安全なエネルギー管理が可能となり、分散型エネルギー資源およびプロシューマーの統合が支援される。