智能配電網通信多信道調度策略

鮑興川，彭 林

(全球能源互聯網研究院信息與通信研究所，南京210003)

(* 通信作者電子郵箱 baoxingchuan@geiri．sgcc．com．cn)

0 引言

為了保證智能電網應用中的服務質量(Quality of Service，QoS)［1－3］，在通信干擾方面，往往通過多信道通信來克服無線射頻干擾影響［4－5］，這樣既保證了多信道通信，也提高了智能電網中的服務質量，而在延遲上，通過采用并行傳輸方式以提高網絡的整體性能［6］;但是隨著智能電網的發展，電網應用對于服務質量的要求變得越來越高，使得大多數通信技術(如表1所示)并不能完全保證電網應用中所要求的服務質量，這就需要一個可靠、高效的通信架構來為將來智能電網的應用提供令人滿意的通信服務［7］。但是不同通信架構針對的通信延遲要求也是不同的［8］，加之通信設備間數據通信的網絡流量負載和數據類型的不斷變化［9］，使得時間因素成為了目前智能電網數據收集的關鍵因素。

智能的信道分配策略是目前對抗信道干擾最有效的途徑:Musham等［10］提出在電網中使用一種鄰近優化信道分配算法(Near-Optimal CA algorithm for Grid WMN，NOCAG)，以緩解多信道傳輸時信道干擾的影響;Suryawanshi［11］提出構建一種對抗信道干擾負載過大導致數據丟失的多信道通信模型并盡可能恢復因信道干擾丟失的數據;Naragund等［12］提出通過一種基于網絡節點信道信息收集構建的路由樹來進行信道分配，從而更加有效對抗干擾。

然而，影響傳感器網絡QoS性能的不僅僅是來自無線射頻的干擾，同時還受到網絡拓撲結構的影響，而且對于各種對抗信道干擾而進行的多信道分配策略中，不同的數據包對應的延遲要求也是不同的。為了進一步滿足配電網感知應用中QoS需求，本文在保證對抗信道干擾的基礎上，針對數據優先級的信道調度策略提出了基于最小跳數生成樹的鏈路路由算法(Link routing algorithm Based on Minimum Hop Spanning Tree，LB-MHST)。根據無線傳感器網絡(Wireless Sensor Network，WSN)自身的網絡特性和實時的鏈路狀態，構建最小跳數生成樹，再由數據傳輸時信道的可用狀態結合父—子節點間的信干噪比(Signal-to-Interference plus Noise Ratio，SINR)值，對配電網通信信道進行分配，并且在信道分配期間充分考慮了數據的優先級，最終不僅保證了配電網良好的抗干擾性，而且還減少了配電網的傳輸延遲，進一步綜合滿足了配電網對數據傳輸的QoS要求。

表1 現有的無線傳感網QoS感知路由協議對比Tab．1 Comparison of existing QoS aware routing protocols in wireless sensor network

1 配電網信道調度以及主站通信模型

1．1 信道調度模型

在研究過程中，使用對數正態分布陰影模型對智能電網環境中真實的信道情況進行建模。根據相關研究［20］，上述模型可以用在具有干擾的無線電傳播環境當中，例如智能配電網狀態感知環境。本文在實驗模型中設置距離發射器d處的路徑衰落為:

其中:PLd0→d是離發射器的距離為d處的路徑衰落，單位為dBm;PL(d0)為參考距離d0處的路徑衰落;η路徑衰落系數(本文η為2．42);Xσ是均值為0、標準偏差為σ的高斯隨機變量(本文 Xσ為3．12)。

針對智能電網中無線傳感網對高鏈路質量的需求，本文基于接收器的信道調度(Receiver-Based Channel Assignment，RBCA)算法［21］的良好抗干擾性，結合WSN自身的網絡特性，在后期的時間間隙分配上和多分支并行傳輸調度上考慮了數據的優先級，最終提出了一種根據數據優先級來劃分信道的調度算法，即基于最小跳數生成樹的鏈路路由算法，達到了減少了配電網傳輸的延遲的目的，進一步滿足了在復雜環境中配電網對數據傳輸的QoS要求。

LB-MHST算法把WSN中的sink節點作為根節點，根據實時的鏈路狀態，構建最小跳數生成樹，從而使得每一個連接到sink節點的子樹的鏈路成本小于預先設定的值。然后，基于數據優先級的信道調度算法，其流程如圖1所示。構建好路由樹，再利用基于時分復用(Time Division Multiple Access，TDMA)的多信道調度算法計算最小調度長度，并根據節點之間的射頻干擾(Radio Frequence，RF)狀態實行信道分配，即若節點之間的SINR超過預定的閾值，才可以向這些節點分配信道。

1．2 配網主站通信模型

配電網主站的作用是對下游傳感節點搜集上來的數據進行集中的分析處理。新一代的智能配電網主站系統需要支持配電生產、調度、運行及用電等業務的閉環管理，以保證配電網的安全，為經濟指標綜合分析以及輔助決策提供服務［22］。主站的通信配電網感知系統的通信模型如圖2所示。顯然，通過對電網中的數據傳輸根據優先級進行調度，可以大大減少配電感知系統主站層與感知層的實時通信延遲，以此提高電網的故障診斷和“自愈”的速度，增強電網運行的穩定性。

圖1 基于數據優先級的信道調度算法流程Fig．1 Flow chart of channel scheduling algorithm based on data priority

圖2 配電網感知系統的通信模型Fig．2 Communication model of distribution network sensing system

2 本文算法

為滿足復雜環境的配電網中數據傳輸的QoS需求，本文把基于優先級的信道調度策略分為兩部分。首先根據實時的信道鏈路狀態信息，在RBCA算法的基礎上，提出改進的信道分配算法。如算法1所示，先找出路由樹中活躍的父節點，然后再對其分配信道。根據配電網數據的延遲要求，把需要轉發的節點數據包分為三個等級，根據不同的數據優先級，提出數據傳輸算法，如算法2所示。結合上述兩種算法，最終實現基于數據優先級的信道分配與數據傳輸，以提高配電網中感知節點的數據傳輸效率。

2．1 鏈路狀態感知信道調度算法

在算法1中，節點之間的干擾鏈接是根據節點之間的SINR值來確定的，并且迭代地為父節點分配信道，輸出信道分配矩陣。

算法1 信道調度算法。

算法1中，用parentS表示父節點集，interfP表示受干擾的父節點，sm表示信噪比矩陣，閾值指的是干擾信噪比閾值。

如圖3所示，初始化父節點之后要遍歷所有的父節點，逐一比較信干噪比閾值，然后遍歷節點進行分類。在圖3所示流程的新父節點設置上，按照圖4所示示例調度，假設通信節點A為父節點，且節點B、C處于節點A的通信半徑范圍內，當A發送數據時計算出A與B、C之間的信噪比值，如果節點之間的SINR值大于設定的閾值，則為這兩個節點分配信道。此時數據根據分配到的信道進行傳輸完畢以后，再根據算法2中的數據優先級方法(假設C數據優先級大于B)，處于節點C的通信半徑的節點E接收節點C的信息，設置其父節點位為C，迭代循環依次為父節點分配傳輸信道。

圖3 信道調度流程Fig．3 Flow chart of channel scheduling

圖4 信道調度示意圖Fig．4 Diagram of channel scheduling

本文中，時間間隙的分配是在信道分配給父節點以后進行的。在時間間隙上，要事先找出所有正在通信的節點，再在目前正在通信的節點中檢查是否存在進行數據通信的父節點，根據通信的父節點找出通信子節點，實現節點的分配信道傳輸。

2．2 基于優先級的數據傳輸算法

本節提出一種延遲感知數據收集模型，為了體現服務差異，根據不同的數據流類型發送不同的數據包，實現了服務的差異化。如表2所示，為延遲敏感的包(如緊急應答包)賦予高優先級;為非實時的數據包(如周期性控制包)賦予中優先級;為其他的數據包賦予低優先級。為了簡化復雜度，將流量分為:實時流量(Real-Time，RT)、非實時流量(Not Real Time，NRT)和最大投遞流量(Best Effort，BE)流量。在算法2中，將節點的父集、活躍節點、分組接收速率(Packet Reception Rate，PRR)、總循環次數和跳數作為輸入，然后通過服務優先級的調度算法，實現實時數據包的優先傳輸以及延遲感知數據傳輸。最后輸出三種優先級的流量(RT，NRT，NE)的延遲。

表2 流量負載Tab．2 Traffic load

算法2 延時感知數據收集算法。

輸入 父親節點集合parentS，活躍節點nid，總循環次數round，跳數 nnodes。

輸出 RT，NRT，BE數據包的延遲。

1) 初始化

2) 根據優先級發送數據包

3) for(t∈round){

4) for(nid∈nnodes){

5) 第nid個活躍節點的RT/NRT/BE數據包分別賦值給RT/NRT/BE Packets

6) 各個節點把數據包傳輸到sink節點

7) 如果nid的父節點的PRR值大于閾值，則執行8)

8) 如果nid的跳數為1，則執行9，否則執行11)

9) 分別按照RT/NRT/BE三個優先級來計算nid的時延

10) 節點通過中間節點把數據傳到sink節點

11) 把nid節點的父節點賦值給三個優先級的節點集合，再跳到9)

12) }

13)}

14)當所有活躍節點數據傳輸完畢，或到循環次數，結束

在算法2中，節點接收數據包的速率PRR根據編碼方式可以分為兩種:

第一種是不歸零編碼(Non Return Zero，NRZ)方式:

第二種是secded編碼方式:

其中:Pb是指調制方式，PL是指離發射器d處的路徑衰落，fL是指框架尺寸。這里，算法2可以選擇三種調制方式:振幅鍵控(Amplitude Shift Keying，ASK)、頻移鍵控(Frequency-Shift Keying，FSK)和偏置正交相移鍵控(Offset Quadrature Phase Shift Keying，O-QPSK)。故對應相干解調時的誤碼率分別為:

其中:Eb/N0為每比特能量與噪聲功率譜密度且Eb/N0表示為標準噪聲誤差函數，可表示為Q(x)=0．5*為 信 噪比，式(4)和式(5)中的BN是指Mica2收發器芯片的噪聲帶寬，R指Mica2上的數據傳輸速率。

3 仿真模型

3．1 應用場景

在智能電網中，不同應用對于通信延遲的要求是不同的。比如，應急響應通常是用來預測問題的發生，故需要在有效時間內及時傳送緊急信息包以最大限度地減少運行中的電網問題，而消耗數據包對時間的要求就沒有那么嚴格。因此，本文根據延遲要求將數據包類型的優先級分為三類:為緊急分組(稱為實時流量(RT))賦予最高優先級;為包括溫度、壓力、消耗統計的數據包都被賦予第二優先級(被稱為非實時(NRT));第三類是控制包(被稱為最大能力投遞流量(BE))。本文根據流量優先級對流量進行的分類，考慮了兩種主要場景:

1)在第一個場景中，根據數據流的優先級對其進行分類，對多信道調度進行評估。

2)在第二個場景中，分別對高網絡負載和低網絡

對兩種負載情形下的最大能力數據性能進行仿真評估。

3．2 仿真實驗參數

本文使用基于Matlab的網絡仿真器對所提出的算法進行驗證評估，并使用不同的種子進行上百次實驗。實驗中部署了大約120節點，且所部署的200 m×200 m區域由一個源節點搜集信息。實驗分別使用了不同數量(1，8，16)的信道對所提出的多信道調度算法進行仿真評估。此外，還利用對數正態陰影傳輸模型中的路徑損耗和陰影偏差參數來模擬智能電網中的實際信道條件，具體相關參數如表2所示。對于網絡協議的延遲性能，使用表3所示的低網絡流量負載和高流量負載環境進行測評。本文使用的所有仿真參數如表3所示。

表3 仿真參數Tab．3 Simulation parameters

4 仿真實驗

基于現有的無線傳感器網絡平臺，本文實驗使用該平臺中智能配電網的信道參數對所提算法進行性能評估。

實驗1 信道數量對網絡延遲的影響。

預先設置性能評估中所需的無線電參數，實驗方案如表5所示。

表5 仿真實驗中的無線電參數Tab．5 Radio parameters in simulation experiment

4．1 信道數量對網絡延遲的影響

如圖5所示，不同的信道數量對數據包(包括RT、NRT、BE)的傳輸延遲的影響不同。在單信道傳輸時，RT類型數據包的傳輸延遲要明顯低于NRT、BE類型，且在圖5(a)中，當處于低流量負載時，實驗中三種類型的數據包延遲隨著信道數量的增加而減少。由于提出算法延續了MHST算法服務區分機制，所以攜帶RT業務的高優先級信道要優于承載NRT和BE數據流的低優先級信道;此外，實驗在建立數據傳輸路徑時考慮了實際的信道情況和鏈路質量的變化情況，所以與MHST最小跳數生成樹路由算法相比，最小跳數生成樹的鏈路路由算法可以更有效地減少三種類型的數據包傳輸延遲。

在不同流量負載下LB-MHST算法的性能不同，如圖5(b)所示，當RT分組數量增加時，LB-MHST以及MHST算法仍可以滿足RT數據包的延遲要求，但導致了NRT、BE分組通信延遲的增加。在實際通信中，由于NRT和BE數據包并不是數據傳輸的關鍵數據包，所以其通信延遲的增加并不會影響本文的性能評價。

圖5 兩種不同路由算法性能對比Fig．5 Performance comparison of two different routing algorithms

實驗2 多信道調度算法的延遲感知性能。

通過實驗2，展示了多通道調度對路由算法延遲性能的影響。重點研究了基于優先級的延遲感知調度算法對于數據傳輸延遲的影響。從實驗1可以看出，在多信道調度時，各種類型的數據包傳輸延遲都有著明顯的改善，而為了進一步減少數據的傳輸延遲，本實驗結合算法2對基于優先級的延遲感知調度算法將在數據傳輸延遲方面的影響進行討論。

從圖6(b)中可以看出，在高流量負載的單信道和多信道傳輸下，具有延遲感知調度的傳輸延遲性能要明顯優于無延遲感知調度。對比圖6可以看出，與MHST算法相比，在單信道調度時，LB-MHST算法將延遲性能提高了12%，8信道時延遲性能提高了15．2%，16信道時延遲性能提高了18%。從實驗結果中可以看出，LB-MHST算法可以進一步減少數據的傳輸延遲。

4．2 各信道調度對配電網通信主站影響

在本節中，分析了節點信道調度策略對電網通信主站性能的影響。為了驗證算法提高主站的通信效率，實驗對比了在主站實時通信的過程中使用了兩種算法后通信主站每秒處理的數據包數量。

圖6 不同負載下延遲感知調度性能對比Fig．6 Performance comparison of delay aware scheduling under different loads

如圖7所看出，本文算法能夠提高主站數據包處理效率，原因是路由選擇考慮了數據包的優先級，有效控制了配電網感知網絡的擁塞風險。

圖7 多信道調度對電網主站的性能影響Fig．7 Effect of multi-channel scheduling on master station performance

5 結語

現場實測表明，在智能配電網的基礎設施應用中低功耗無線通信會由于惡劣并且復雜的電網環境而存在噪聲、干擾、連通性差和衰落等問題。為了解決上述問題，本文提出了鏈路質量感知路由算法(LB-MHST)，并針對不同數據包的延遲要求，利用數據優先級傳輸，進一步滿足配電網中的QoS性能要求。此外，還分析了所提出的算法對電網主站實時通信的影響。通過大量的仿真實驗，表明了所提出算法可以有效減少智能電網環境中的通信延遲。未來，將對本文所提出算法在更加惡劣的智能電網環境中WSN的多信道調度作深入的調研，并研究如何把本文提出的調度策略與加權公平調度方案結合起來，以滿足在不同的智能配電網應用場景中的公平性要求。