面向電力物聯網的LoRa通信建模與性能仿真分析

薛宏利，蔡澤祥，譚煒豪，孫宇嫣，胡凱強，岑伯維

(華南理工大學電力學院，廣州510640)

0 引言

隨著能源轉型戰略的實施和電力通信技術的發展，海量分布式能源設備與電力用戶等通過物聯網技術大規模接入電網。為了促進廣泛的新能源開發利用，建立用戶和電網之間多樣化、自主可控的互動模式，電力物聯網需要海量異構的業務數據作為信息化和智能化的支撐，催生出電力物聯網多樣化的通信需求，從而實現終端設備的泛在接入和全方位感知[1 - 6]。

LoRa是一種基于線性調頻擴頻方式的無線傳輸技術，具有組網靈活、部署成本低和覆蓋范圍廣等優點，已經廣泛應用于車聯網、智能家居和智慧醫療等物聯網領域[7 - 10]。在電力通信領域，LoRa支持海量終端接入、傳輸距離長、傳輸速率適中和發射頻段公開有利于建設電力無線專網等，十分契合低壓集抄業務和環境監測業務的數據通信需求，較其他無線通信技術具有良好的適用性，能夠更好地滿足電力領域某些場景下“小數據”業務通信需求和電力無線專網建設要求，為電力物聯網感知層業務終端接入提供了一種良好的解決方案[11 - 17]。

目前針對LoRa技術的研究主要集中在應用前景和理論分析等方面。文獻[18]探討了LoRa在電力物聯網中的應用前景并提出了一種適用于配用電系統的云端能源物聯網架構體系，為能源物聯網海量廣泛的“小數據”連接提供可行方案，但未對LoRa在電力物聯網中的通信性能進行量化分析和驗證。在理論分析方面，文獻[19]剖析了LoRa在物理層調制信號的過程，并對其調制特性進行理論分析和數學擬合，重點關注LoRa物理層的調制特性，未涉及MAC層的研究，無法反映LoRa的實際通信性能。在以上研究基礎上，文獻[20 - 21]對比分析了不同MAC層協議對LoRa通信性能的影響，并提出了一種MAC層協議優化方案，但未考慮業務場景、終端數量等對LoRa通信性能的影響。綜合考慮LoRa物理層和MAC的技術細節，文獻[22]利用NS- 3仿真軟件對LoRa物理層和MAC層進行建模，并進一步考慮了終端數量和距離等因素影響，為本文定量分析LoRa通信性能提供了一種新思路，但NS- 3的操作復雜且可視化不強，難以進行推廣和應用。文獻[23]借助OPNET仿真軟件量化分析配用電監控系統的通信性能，OPNET層次化、圖形化的建模機制為通信建模提供了一種直觀有效的實現方法。

綜上所述，現階段缺乏深入量化分析LoRa通信性能的工具和研究方法，無法對LoRa在電力物聯網領域的通信性能和適用性等進行評價和驗證，難以科學合理地指導其工程化應用的開展。本文結合文獻[22]和文獻[23]的建模思路和方法，根據LoRa通信網絡規約，通過OPNET仿真軟件對LoRa通信進行報文信息和關鍵設備的自定義建模。進一步結合LoRa在電力物聯網低壓集抄和環境監測業務中的應用場景，配置業務類型、設備數量和接入距離等進行多場景通信性能仿真，量化分析LoRa通信網絡在電力物聯網中的實時性、可靠性和業務支撐能力等表現。仿真結果表明建模方法可行有效，同時相應的評價結論為LoRa在電力物聯網等領域的工程化應用提供科學合理的決策依據。

1 LoRa通信網絡規約

LoRaWAN在LoRa物理層調制基礎上增加MAC層協議等規約，定義了LoRa通信網絡規約和星型網絡架構。LoRa通信網絡協議棧分為3層，自上而下為應用層、MAC層和物理層。本節深入剖析LoRa通信網絡規約，為基于OPNET仿真平臺的LoRa通信建模提供理論基礎。

1.1 應用層

應用層為LoRa終端進行應用數據接入提供底層網絡接口，為網關和上層服務器提供用于通信的應用程序，使得LoRa通信能夠靈活應用于各種實際場景中。

1.2 MAC層

MAC層規定了LoRa終端具有Class A、Class B和Class C 3種工作模式，滿足不同應用場景的通信需求。其中Class A模式是LoRa終端必須實現的工作模式，在終端每次發送上行數據后都會緊跟兩個短暫的下行接收窗口，Class B模式在Class A模式的基礎上增加了指定時間打開的窗口，Class C在Class A休眠時間也打開窗口接收下行信息。本文重點討論Class A模式下LoRa通信網絡的性能。

Class A工作模式設置每個終端以ALOHA協議規定的方式接入網絡，即可以在隨機時刻通過無線信道傳輸數據。在每次傳輸上行數據之后，終端會延遲RECEIVE_DELAY1和RECEIVE_DELAY2依次打開兩個下行數據Ack(Acknowledgement)的接收窗口RX1和RX2，如圖1所示，終端在接收Ack完成或達到接收窗口最大時間后，立即關閉接收窗口并進入休眠。

圖1 Class A模式打開接收窗口示意圖Fig.1 Schematic diagram of opening the receiving window in Class A mode

1.3 物理層

物理層規定了LoRa通信網絡中終端設備在調制解調或數據傳輸時需要配置的各種參數，如擴頻因子、信道頻率、編碼率、帶寬等，LoRa網絡傳輸的數據速率R如式(1)所示。

(1)

式中：SF為擴頻因子，SF∈{7,8,9,10,11,12}；CR為編碼率；BW為帶寬。

LoRa在物理層調制技術所獲得的性能可以用誤碼率PBER和信噪比Γ之間的關系來描述，而LoRa調制特性一般是經現場實測或仿真得到，不同擴頻因子下的LoRa調制特性曲線如圖2所示[24]，反映了物理層的傳輸特性。

圖2 LoRa調制特性曲線Fig.2 LoRa modulation characteristic curves

2 基于OPNET的LoRa通信建模

OPNET仿真軟件提供了層次化、圖形化的建模機制，可以從進程域、節點域和網絡域對通信網絡中的報文信息、傳輸協議、通信設備等單元進行建模。圖形化的操作界面比NS- 3更加適應多場景仿真，有利于大規模復雜場景下的通信網絡性能仿真分析。本節基于對LoRa通信網絡規約的分析，借助OPNET仿真軟件對LoRa通信網絡進行自定義建模，建立報文信息和關鍵設備等模型，為量化評價LoRa通信網絡在應用場景中的通信性能提供有效的分析工具。

2.1 LoRa報文信息建模

LoRa報文信息格式如圖3所示，上送信息在應用層、MAC層和物理層進行逐步封裝或解析，來自網關的確認信息相比于上送信息在報文結構上缺少了載荷校驗碼(CRC)。

圖3 LoRa報文格式Fig.3 LoRa message format

2.2 關鍵設備建模

2.2.1 LoRa終端建模

LoRa終端將采集到的數據在應用層、MAC層和物理層依次進行封裝，接著經過物理層調制成無線信號傳輸至LoRa網關，最后LoRa終端接收Ack確認信息，完成采集數據上送，在OPNET中LoRa終端的節點模型如圖4所示。

圖4 LoRa終端節點模型Fig.4 LoRa terminal node model

1)應用層：通過修改OPNET自帶bursty_source進程模型，使其具有周期發送LoRa格式報文的功能，然后加載至Source模塊完成采集數據、封裝和轉發至MAC層的功能。

2)MAC層：Terminal_MAC模塊負責將來自應用層的報文進一步封裝并通過ALOHA協議隨機發送至物理層，發送完成后等待確認信息判斷是否重發。通過自定義建模將Terminal_MAC模塊的進程模型分為4個狀態機，如圖5所示。INIT狀態機對MAC層參數進行初始化，SLEEP狀態機模擬終端休眠狀態，ACTIVE狀態機模擬終端激活并發送數據，RECEIVE狀態機模擬終端上送數據后等待確認信息，狀態機之間通過中斷觸發轉移或執行相應功能。

圖5 Terminal_MAC進程模型Fig.5 Terminal_MAC process model

3)物理層：無線發信機tx和無線收信機rx模擬LoRa終端物理調制和解調制的通信過程，通過整定參數建模的方法調整工作頻段、帶寬、數據速率、調制曲線等參數，可以模擬不同工作條件和環境下的LoRa網絡空中傳輸性能。LoRa傳感器終端的基本工作頻段統一設置為868 MHz，采用125 kHz的傳輸帶寬，發送功率設為20 dB[25]。

2.2.2 LoRa網關建模

LoRa網關接收來自LoRa終端的上送報文，并對報文進行解析校驗然后發送Ack確認信息到LoRa終端，LoRa網關的節點模型如圖6所示。

圖6 LoRa網關節點模型Fig.6 LoRa gateway node model

1)應用層：Sink模塊接收來自LoRa終端上傳的報文，并統計報文傳輸過程中的延時、丟包率、吞吐量等網絡性能指標。

2)MAC層：Gateway_MAC模塊對來自物理層的上送報文進行MAC層的校驗，確認報文接收成功后發送Ack確認信息，完成數據接收。采用自定義建模的方式將Gateway_MAC進程模型分為5個狀態機，如圖7所示。INIT狀態機對MAC層參數進行初始化，IDLE狀態機表示空閑狀態等待下一個中斷到來，INSERT_sub狀態機表示將上送報文插入到隊列，pk_arrival狀態機表示判斷報文格式是否正確，Ack_send狀態機表示發送確認信息，狀態機之間通過中斷觸發轉移或執行相應功能。

圖7 Gateway_MAC進程模型Fig.7 Gateway_MAC process model

3)物理層：LoRa網關的物理層與LoRa終端物理層模型相匹配，需要配置對應的調制參數。

2.3 LoRa無線信道建模

LoRa無線信道模型模擬了數據信號在LoRa終端與LoRa網關之間從發射端到接收端所經歷無線傳輸路徑的過程，比如衰落、多徑等特性。在OPNET無線信道建模流程Pipeline Stage中，通過設置發收信機天線增益和路徑損耗為Okumura-Hata 模型來模擬LoRa無線信道在城市環境下的大尺度衰落特性[3]。如式(2)所示，可以求得收信機在不同環境中的接收功率Pr。利用OPNET模擬干擾噪聲功率Pi和背景噪聲功率Pb計算信道所處環境的信噪比Γ，如式(3)所示。進一步按照LoRa調制曲線推導出無線傳輸的誤比特率PBER，其余無線信道特性，如傳輸時延、多徑等采用OPNET自帶模型計算得出，綜合以上過程刻畫LoRa無線信道模型。

Pr=69.55+26.16log(fc)-13.82log(ht)-

α(hr)+(44.9-6.15log(ht))log(D)γ

(2)

Γ=10log[Pr/(Pb+Pi)]

(3)

式中：fc為發收信機工作頻段；ht為有效發射天線高度；hr為有效接收天線高度；D為發射機與接收機之間的距離；α(hr)為天線高度修正因子；γ為信號傳播距離修正因子。

3 面向電力物聯網的LoRa通信網絡仿真與性能分析

3.1 仿真案例

選取某低壓配電臺區內集抄業務和環境監測業務作為LoRa通信應用的仿真案例，如圖8所示。

圖8 仿真案例Fig.8 Simulation case

在低壓配電臺區配備一個LoRa網關以及許多LoRa終端，智能電表和環境監測傳感器利用RS485與LoRa終端接連，并通過LoRa終端經LoRa無線網絡上傳采樣數據至LoRa網關進行匯聚和處理，完成業務數據的接入，然后通過光纖、4G/5G等廣域通信手段與電力物聯網云平臺等進行業務交互。

低壓集抄業務和環境監測業務周期性上傳采樣數據，上傳頻率分別為次/15 min、次/min，并對采樣數據的傳輸過程提出一定的通信性能要求，利用通信服務質量(quality of service, QoS)指標時延和丟包率從實時性和可靠性兩方面來描述其通信約束，如表1所示。

表1 業務特性及其通信約束Tab.1 Business characteristics and communication constraints

通過OPNET仿真軟件，本文結合仿真案例選取報文信息模型、關鍵設備模型和網絡拓撲模型等搭建面向電力物聯網的LoRa通信網絡仿真模型，量化分析LoRa通信網絡在電力物聯網中的通信性能、適用性和業務支撐能力等表現。

3.2 仿真場景

本文選取業務類型、設備數量和接入距離等因素作為研究切入點，為LoRa終端配置不同擴頻因子，探討LoRa通信網絡在不同場景下的單業務通信性能，場景設置如表2所示。

表2 仿真場景Tab.2 Simulation scenario

3.3 仿真結果分析

3.3.1 通信性能及適用性分析

LoRa網關作為數據的匯聚點，接收所有LoRa終端上傳的數據，當LoRa終端配置不同擴頻因子SF時，LoRa網關接收數據的最大延時如表3所示。

表3 網關接收數據的最大延時Tab.3 Maximum delay for the gateway to receive data

從表3可以看出，場景1、2、3、5在LoRa終端配置擴頻因子SF=7～12的情況下，網關接收數據的最大延時在0.051～0.707 s之間，具備較強的實時性。隨著擴頻因子SF增大，網關接收數據的最大延時呈非線性上升，當擴頻因子達到11或12時，在場景4、6、7、8中分別達到1.674 s、1.007 s、1.088 s和2.026 s，已經超過1 s的通信約束，已經無法滿足業務實時性的需求。

在不同仿真場景下，網關接收數據的丟包率如表4所示。

表4 網關接收數據的丟包率Tab.4 Packet loss rate of the data received by the gateway

由表4可知，從場景1到場景8在LoRa終端配置所有擴頻因子下，網關接收數據的丟包率均在10-6～10-4數量級，具有較強的可靠性。隨著擴頻因子增大，網關接收數據的丟包率明顯降低，LoRa通信網絡的可靠性顯著提高。

從業務類型角度來看，環境監測業務數據上送頻率大于低壓集抄業務，報文傳輸產生沖突的概率提高，導致丟包和重傳，通信延時和丟包率增大。通過對比場景1和2、場景2和3可知LoRa終端數量增加和傳輸距離擴大均會導致通信延時和丟包率增大。

理論上，LoRa物理層調制過程中增加擴頻因子將數據信息調制成更多的碼片進行傳輸，能夠從噪音中提取出更多的有效數據，減小了丟包率，但在同樣碼片數量條件下降低了傳輸實際數據的效率，使得數據傳輸速率(比特率)減小，傳輸延時增加[26]。綜合表3和表4可知，LoRa終端提高擴頻因子進行傳輸時，犧牲數據傳輸的實時性而增強了傳輸的可靠性。因此，仿真結果表明LoRa通信網絡性能表現符合理論預期，從而驗證了基于OPNET的LoRa通信建模與仿真方法的有效性。

3.3.2 業務支撐能力分析

隨著接入設備數量上升，LoRa通信網絡性能呈非線性變化趨勢下降，因此在通信約束下，LoRa通信存在最大業務支撐能力的限制。探討LoRa通信網絡的業務支撐能力，對于LoRa通信在電力物聯網等領域的工程規劃和建設具有重要意義。本節將從延時和丟包率兩方面，分析LoRa通信對業務的支撐能力。

以低壓集抄業務場景為例，設智能電表的接入半徑為1 km，LoRa終端配置不同擴頻因子時，隨著接入設備數量增加，網關接入數據的最大延時變化如圖9所示。

圖9 網關接入低壓集抄業務數據的最大延時變化圖Fig.9 Maximum delay change diagram of gateway access to low-voltage centralized automatic meter reading service data

由圖9可知，隨著智能電表數量增加，擴頻因子越小，延時增大趨勢越緩，能夠支撐的智能電表數量越大。通過仿真結果分析得出，在不同擴頻因子下LoRa通信的最大支撐能力具有很大差異，當SF=7時，為2 200個，當SF=12時，為600個。

隨著接入智能電表數量增加，網關接入數據的丟包率變化如圖10所示。

圖10 網關接入低壓集抄業務數據的丟包率變化圖Fig.10 Change graph of packet loss rate of gateway access to low-voltage centralized automatic meter reading service data

由圖10可知，隨著智能電表數量增加，業務數據的丟包率也不斷上升，可以通過調大擴頻因子來降低數據的丟包率，提高LoRa通信網絡的可靠性。當擴頻因子SF=7時，最大支撐能力為2 100個，當擴頻因子SF=12時，最大支撐能力超過2 500個。

與之類似，當環境監測傳感器的接入半徑為1 km，配置LoRa終端不同擴頻因子時，隨著接入設備數量增加，網關接入數據的最大延時變化如圖11所示。

圖11 網關接入環境監測業務數據的最大延時變化圖Fig.11 Maximum delay change diagram of gateway access environmental monitoring service data

由圖11可知，在通信延時約束下，當擴頻因子SF=7時，最大支撐能力為1 700個，當擴頻因子SF=12時，最大支撐能力僅為400個。

同理，隨著接入傳感器數量增加，網關接入數據的丟包率變化如圖12所示。

從圖12可以看出，在通信丟包率約束下，當擴頻因子SF=7時，最大支撐能力為1 600個，當擴頻因子SF=12時，最大支撐能力超過2 500個。

綜合圖9—12，在實時性和可靠性的雙重通信約束下，LoRa通信網絡對低壓集抄業務和環境監測業務的最大支撐能力如表5所示。

由表5可知，LoRa通信網絡對低壓集抄和環境監測這兩種業務的最大支撐能力受擴頻因子的影響較大。當終端數量為1 000～2 000時，建議LoRa終端擴頻因子采用7～9，業務通信具有較強的實時性；當終端數量小于1 000時，建議LoRa終端擴頻因子采用10～12，業務通信具有較強的可靠性。

4 結語

本文基于LoRa通信規約，依托OPNET仿真軟件建立了LoRa通信模型，包括報文信息模型、關鍵設備模型、無線通信信道模型，為量化分析LoRa在電力物聯網等領域的應用性能提供了有效的工具。結合電力物聯網領域中低壓集抄和環境監測的業務場景對LoRa通信網絡的應用性能進行仿真分析，量化評價多場景下的LoRa通信網絡的性能表現、適用性和業務支撐能力。仿真結果驗證了本文建模方法的有效性，同時評價結論為LoRa在電力物聯網領域的工程化應用提供了科學合理的決策依據。