基于WSN 的輸電線路狀態監測與數據采集跨層優化方法*

宰紅斌 劉建國 唐保國 馬建國 上官明霞 單榮榮

(1. 國網晉城供電公司運維檢修部 晉城 048000；2. 國網山西省電力公司 太原 030021；3. 國電南瑞科技股份有限公司 南京 211106)

1 引言

近年來，隨著電力物聯網的發展，電力系統在實現電能分配、故障處理等功能的基礎上，增加了災難故障應急、配網自動化等新需求[1]。例如，采空區地質塌陷易造成輸電桿塔傾斜與基礎不均勻沉降的問題，而傾斜與沉降產生的非荷載應力極有可能使桿塔出現構件破壞、斷裂、變形等事故，威脅電力系統的運行安全[2]。因此，利用可靠的通信技術對輸電線路進行有效的狀態監測與數據采集已成為全國電力行業關注的熱點安全問題。在此背景下，需要構建可靠高效的輸電線路監測通信系統，對線路中各種重要數據的采集以及運行狀態的監測予以支撐。因此對通信網絡的改進優化，對電力物聯網中輸電線路狀態全方位監測具有重要意義[3]。

無線傳感器網絡(Wireless sensor network，WSN)作為一種具有很強自組織性的傳感器網絡，具有經濟性高、組網方便以及容錯率高等特點，適合應用于輸電線路監測[4]。基于WSN 的輸電線路監控網絡一般包括三層數據收集，第一層的基本傳感器節點(Basic sensor node，BSN)收集監測數據，第二層的數據中繼節點(Data relay node，DRN)將監測數據傳送到增強型中繼節點(Enhanced relay node，ERN)，第三層中ERN 通過蜂窩網絡或因特網網關連接到數據管理中心(Data management center，DMC)，而具有網關功能的中繼傳感器的位置是產生延遲的關鍵因素之一[5-6]。文獻[7]假設傳感器之間有一個理想的無線信道，信道傳播損耗決定了每個節點的傳輸范圍，選擇合適的DRN 數量能夠有效提高傳輸效率。但在高壓輸電線路附近存在大量的電磁噪聲源，尤其是電暈噪聲，可能會干擾無線通信信道，影響監測過程中數據傳輸的可靠性。文獻[8]基于ZigBee構建WSN 用于監控高壓輸電線路，考慮了收集數據中存在脈沖噪聲的問題，但未分析鏈路的延遲和ERN 位置等問題。文獻[9]使用高斯白噪聲模型模擬有損無線鏈路，由于脈沖噪聲，該模型不適用于高壓輸電線路附近的無線鏈路。

由于復雜的電力系統結構，無線傳感網絡所需要覆蓋的節點及區域規模較大，對數據傳輸的可靠性具有很高的要求，且存在電磁干擾，因此基于傳統分層設計的WSN 在惡劣的無線環境下性能較差，并且缺乏對DRN 正確定位的深入研究[10]。為此，提出了一種基于無線傳感網的輸電線路狀態監測與數據采集跨層優化方法。

2 輸電線路數據傳輸模型與分析

兩個高壓變電站之間通常裝配60～125 座輸電桿塔，大致呈直線排列，形成鏈路拓撲結構。因此，構建線性分層模型以收集高壓輸電線路系統的數據。在所提模型中，輸電線路配備了ZigBee 收發器，并且采用基于樹的拓撲結構設計ZigBee 網絡。其中BSN 是ZigBee 端節點，放置于高壓輸電線路電極，感應物理和機械參數；DRN 是ZigBee 中繼節點，設置于兩個桿塔之間，以滿足傳輸距離的要求；而ERN 連接至ZigBee 網關的協調器。系統的數據傳輸模型如圖1 所示。

圖1 輸電線路的數據傳輸模型

在輸電線路狀態監測與數據采集中使用WSN有很多優點，可以測量如溫度、應變、塔架、其他設備振動等參數[11]。但也存在很多問題，由于WSN需要在規定的時間內將大量數據可靠地傳送到控制中心，對延遲與可靠性方面的要求較高。其中延遲是消息從源離開到目的地接收消息過程中所測量處理時間和網絡傳輸時間的總和。可靠性為在端到端的延遲限制內成功接收消息的概率。根據輸電線路實際運行中，網絡延遲和可靠性的近似要求分別為4 s 和99%。

2.1 可靠性分析

通過提供錯誤反饋，自動重復請求(Automatic repeat reQuest，ARQ)協議增強了無線鏈路的可靠性，即接收方在發送數據包時會自動請求發送方重新發送數據包檢測數據包中的錯誤，但這也增加了系統延遲[12]。為了評估ARQ 對系統端到端可靠性的影響，將特定ARQ 策略的鏈路可靠性定義為lR

式中，Pl為在鏈路l上成功傳輸數據包的概率，N為允許的傳輸次數。最小重傳次數N*可使用目標鏈路可靠性lR獲得

2.2 延遲分析

數據包在鏈路l上的總延遲定義為lD，包括三個延遲分量，其中傳輸延遲tD等于分配給傳出鏈路的時隙長度；媒體訪問控制層(Media access control,MAC)延遲DMAC為分組在MAC 層中經歷的延遲；排隊延遲Dq為數據包在節點處等待的時間量[14]。則lD計算如下

式中，DSIFS和DACK分別是短幀間空間(Short interframe space，SIFS)和ACK 傳輸時間的持續時間。

2.2.2 MAC 層延遲

假設所有傳感器的物理層和MAC 層都使用時隙IEEE 802.15.4 標準，標準中的媒體接入層采用CSMA/CA 機制，則信道接入過程如圖2 所示。

圖2 CSMA/CA 機制的信道接入過程

MAC 初始化四個變量，退避次數(NB= 0)、競爭窗口(CW= 2)、退避指數(BE=macMinBE)和重傳時間(RT= 0)。在范圍為[0;2BE- 1]個單元的隨機完全退避周期之后，節點執行第一個清除信道評估(Clear channel assessment，CCA)。如果兩個連續的CCA 空閑，則節點開始分組傳輸；如果任一CCA由于忙信道而失敗，MAC 子層將同時增加NB和BE的值，最大值分別為需要CSMA/CA 算法退避的最大次數macMaxCSMABackoffs和macMaxBE。數據包CCA 失敗次數，取決于NB和BE的值。重復此過程，直到達到BOs(MaxBackoffs)的最大值或BE(MaxBE)的最大值。此時，數據包被丟棄并聲明信道訪問失敗，否則，CSMA/CA 算法生成一個隨機數的完全退避周期并重復該過程。

所提方法選擇馬爾可夫模型建模MAC 層經歷的預期延遲。基于該模型，如果Cj是與節點在第j次成功發送數據包事件相關的延遲，則退避計數器為0，并且發生兩個成功的CCA，表示如下

式中，T為退避期延遲，sT和cT分別為分組成功傳輸和分組沖突傳輸的時間段，X j為發生成功的分組傳輸，Xt為n次嘗試內成功的分組傳輸，Pr 為變量的條件概率。為了找到預期的退避延遲，考慮了兩個CCA 期間忙信道的所有可能性。

2.2.3 排隊延遲

式中，ζl和λl分別為鏈路l預期延遲和預期成功概率。

上述中應用重傳次數為N*的ARQ 達到所需的可靠性，意味著在由于鏈路信道噪聲而導致的N*個傳輸失敗后，包將被丟棄。每個鏈路的預期延遲可以導出如下

式中，Yi是第i次嘗試中成功傳輸的事件，Yt是N*嘗試中至少一次的成功傳輸。通過假設每個鏈路中的錯誤概率為Pel，可得到

最后，端到端延遲可以通過使用式(10)～(12)計算L個鏈路的延遲之和進行計算。

3 數據采集跨層優化

在數據采集中進行跨層優化，使WSN 的效用最大化，其中每個鏈接的效用定義為

式中，w為權重系數；在協調器中收集數據的效用是鏈路可靠性和平均延遲之間的加權權衡，可以通過增加可靠性或減少延遲來增加，且可以通過改變權重w調整兩者的重要性。

基于式(13)，假設所有鏈路的錯誤概率相等，便可得到跨層優化問題，使網絡的效用最大化，同時滿足可靠性和延遲約束。所提的數據采集跨層優化問題描述為

式中， 1O為第一個約束條件，保證端到端可靠性不會低于應用程序的可靠性要求0.99；O2 為第二個約束條件，確保端到端延遲小于最大延遲可接受的等待時間，假設為1 s。通過解決上述優化問題，可找到最佳鏈接數L以及最優路徑，以同時滿足輸電線路監測系統的可靠性和延遲要求，并且降低網絡損耗。

3.1 優化算法

跨層優化問題是混合整數非線性優化問題，本文解決方案是鏈路自適應直接搜索(Link adaptive direct search，LADS)算法[15]，通過多次迭代找到最佳解決方法。LADS 算法每次迭代的目標是在鏈路上生成一個試驗點，以改進當前可用的最佳解。當一個迭代無法實現這一點時，下一個迭代將在更精細的鏈路上啟動[16]。每個LADS 迭代由三個步驟組成：輪詢、搜索和更新，且相應的函數在鏈路的一些試驗點上進行計算，鏈路的離散結構在迭代j時式中，τ＞1 是一個固定的有理數，jω是一個有限的整數，如果迭代j成功，則其值為正或空；如果迭代失敗，則其值嚴格為負，即失敗后鏈路大小參數減小，成功后可能增大。LADS 算法求解跨層優化問題的具體步驟如圖3 所示。

圖3 LADS 算法求解跨層優化問題的流程

3.2 路由算法

為了進一步提高WSN 的數據傳輸可靠性，在LADS 算法獲得最優鏈數后使用量子蟻群算法進行路由選擇，該算法結合了進化計算和量子計算。量子蟻群算法每只螞蟻下一時刻所選擇的位置會根據選擇概率在移動之前進行確定；而選擇概率的獲得則是依據每條路徑上的可見度大小和信息素強度進行判斷，再結合使用量子比特更新每只螞蟻的位置[17-18]。在量子進化算法中，代表每只螞蟻當前位置信息的量子比特由量子旋轉門進行更新，最終實現螞蟻的移動[19-20]。量子蟻群算法流程如下所示。

(1)time← 0(times為迭代次數)；初始化每個信息素ijχ和信息素變量ijχΔ ；每個待搜索區域的中心位置為每個螞蟻的初始位置，根據螞蟻數量和螞蟻所占空間的大小可以確定待搜索區域的大小。

(7) 若times<預期搜索次數，且沒有退化行為則返回步驟(2)。

(8) 獲得當前最優解并輸出。

4 仿真結果與討論

為了驗證所提方法的性能，在Matlab2016a 平臺上搭建系統仿真模型進行試驗論證。假設連接到每個DRN 的五個BSN 中的每一個都具有Poisson流量分布，速率為每時隙0.02 包。通過考慮電暈噪聲的Γ、A、0P和1P四個參數的二態信道，分析了四種不同信道狀態的性能如下：很好的頻道低沖動頻道為“良好”狀態；良好頻道中等沖動頻道為“良好”狀態；不良頻道中等沖動頻道為“不良”狀態；極差頻道高沖動頻道為“不良”狀態。其中典型電暈脈沖通道的仿真參數值如表1 所示。

表1 典型電暈脈沖通道的仿真參數

4.1 通道條件對包錯誤率、延遲的影響

通道條件和電暈噪聲會對分組錯誤率(Packet error rate，PER)產生不同的影響，其中兩種不同強度的電暈噪聲對信道信噪比的影響如圖4 所示。

從圖4 可以看出，信道越沖動，PER 越高。例如，當SNR= 10時，PER 更為沖動通道將為0.01，而對于較少脈沖的通道，將為0.000 05。而不同類型通道的端到端延遲情況如圖5 所示。

圖4 不同強度電暈噪聲對信噪比的影響

圖5 不同通道類型與端到端延遲的關系

從圖5 可以看出，對于非常好的信道，延遲最小為0.019 s，對于非常壞的信道，延遲最小為0.024 s。對于非常壞的信道，預計會有更多的有錯誤的包，反過來會導致損壞和丟失幀的更多重傳。相比之下，對于非常好的信道，分組受到的影響較小，并且發生較少數量的分組損壞和重傳。因此，端到端延遲較少。

4.2 數據傳輸對比分析

WSN 中每個傳感器節點都對應的存在各自最優路徑，傳感器將通過該路徑將采集到的數據傳輸給協調器。在單位時間內，不同方法下協調器接收的數據量如圖6 所示。

從圖6 可看出，WSN 在執行數據傳輸任務時，所提方法中，協調器接收到的數據量在單位時間內呈緩慢增加趨勢，最終在總數據量為32 000 bit 時趨于穩定，而文獻[7]方法和文獻[9]方法分別在29 000 bit 和24 000 bit 時達到穩定狀態。因此，相比于其他方法，所提方法在數據傳輸時的路徑選擇更具優勢。

圖6 單位時間內不同方法下協調器接收的數據量對比

由于輸電線路所處環境復雜，傳感器節點的通信易中斷，從而導致數據包的丟失。因此，對于所提方法的性能需要利用數據包接收率(Packet reception rate，PRR)進行進一步的評估，其中PRR=數據的接收量/數據的發送量，對于所提試驗環境，不同方法的PRR 如圖7 所示。

圖7 不同方法的PRR 對比結果

從圖7 可看出，相比于文獻[7]和文獻[9]方法，所提方法的數據包接收率更高，具有更好的數據包接收可靠性。由于量子蟻群算法的優勢在路徑搜索階段的充分利用，使得全局最優路徑能夠更好地獲得，并且利用LADS 算法得到最佳鏈數，大大提高了數據傳輸可靠性，可以更好地適應電力環境下WSN 的工作要求。

4.3 最佳跳數分析4.3.1 端到端延遲與跳數的關系

跳數和端到端延遲之間的直接關系如圖 8所示。

圖8 端到端延遲與跳數的關系

從圖8 可以看出，隨著跳數從1 增加到10，延遲從0.02 s 增加到0.2 s。增加跳數，每跳的排隊延遲和處理延遲將會導致端到端延遲。并且在不同通道條件下，端到端延遲不同，與良好信道相比，壞信道會經歷更多的延遲，這進一步論證了壞信道會引入更多的錯誤數據，導致ARQ 和傳輸延遲增加。

4.3.2 PER 與跳數的關系

分組錯誤率和跳數之間的關系如圖9 所示。

圖9 PER 與跳數的關系

從圖9 可以看出，隨著跳數的增加，PER 沒有顯著增加，但在同一跳數下，條件越好的信道，其PER 越低。因此可得出，信道條件對PER 的影響比跳數更為明顯。

基于以上論述，可以找到了滿足不同信道條件下最優跳數。當信道條件良好時，最優跳數為42，且延遲為1 s，可靠性為99%；當信道條件較差時，最優跳數為20；對于非常壞的信道，最優跳數僅為1。通過調節權重w便可靈活權衡延遲可靠性，獲得最佳數據傳輸鏈路。

5 結論

針對高壓輸電線路中易產生電暈噪聲的問題，結合通信網絡服務質量所要求的低延遲和高可靠性要求，提出了一種基于無線傳感器網絡的跨層優化方法。傳感器數據被收集并發送到具有ZigBee 網關的個人區域網絡協調員。采用跨層優化的方法尋找滿足應用延遲和可靠性要求的DRN 的最佳數目。并考慮尋找ERNs 位置的物理和MAC 層參數，得出電暈噪聲對可用DRN 數目有顯著影響的結論。為了簡化分析，假設齊次鏈路即所有鏈路具有相同的錯誤概率。結論總結如下。

(1) 針對輸電線路狀態監測與數據采集的具體情況，設計了系統通信模型，并深入分析可靠性和延遲，在最大可靠性約束下，需要控制傳輸延遲以滿足給定的時間限制。

(2) 由于基于WSN 輸電線路的數據采集存在延遲較高的問題，提出了跨層優化方法，將尋找最佳傳感器節點數的問題化為混合整數非線性規劃，并通過鏈路自適應直接搜索算法進行求解，以獲得最優鏈路。

(3) 針對現有輸電線路的WSN 規模較大時會出現數據傳輸可靠性低等問題，為此提出了基于量子蟻群的WSN 路由算法，能實現全局最優，有效地找出最佳路由路徑。

在電力系統通信業務的大背景下，提出的方法研究暫時都還只停留在理論仿真階段，需要進行進一步的實際工況驗證，并保證較高的穩定性和可靠性才能在實際電力系統環境中推廣應用。