邊緣側分布式協同優化數據采集調度控制研究

吳昊文，謝文旺，張維，江瑾，王思源

（1.南方電網數字電網研究院有限公司，廣東廣州 510663；2.合肥工業大學電氣與自動化工程學院，安徽 合肥 230009）

近年來，隨著互聯網信息技術、可再生能源技術以及電力改革進程的加速發展[1-3]，邊緣計算技術已廣泛融入綜合供能系統監測的各個方面，但不同的監測對于數據傳輸也有不同的要求[4]。對能源設備供能的監測包括網絡狀態監測、運行狀態監測、實時供能監測、事件監測四類[5-6]，每類監測對響應時間具有不同的要求。因此，將邊緣計算應用于綜合供能系統中，需要以應用的響應需求為優先級，對數據采集調度進行優化。

針對于上述優化問題，國內外學者已經開展了大量研究工作。文獻[7-10]為了減少網絡容量需求，智能電表數據量的減少是通過在數據集中點將多個小型智能計量消息連接到一個更大的數據包來實現的，為此作者提出了六種基于最早截止日期優先的數據采集調度方案；文獻[11]考慮了數據采集的安全性問題，提出了一種隱私保護數據收集框架；文獻[12-14]解決了與不可控緊急事件同時出現的信息流，采用找可用路由或者利用可用信道分配來減少干擾，以此來減少數據采集調度的延遲。

雖然文獻[7-10]都是研究數據采集調度的優化問題，但都僅僅只關注最早截至日期的響應時間要求，而忽視了不同數據優先級的響應時間要求。因此，文中提出了一種多能源數據采集調度控制優化方法，用于滿足用戶特定服務質量要求。

文中利用多跳無線網絡建立數據采集結構，通過優化數據包大小和頻譜感知次數來最小化延遲，并提出了最優數據采集調度算法。測試結果表明，提出的算法和結構可以有效地提高數據采集調度的效率，以滿足能源設備數據采集調度的時延要求。

1 多跳無線網絡的數據采集結構

文中假設所有的綜合供能系統的水、電、天然氣表都配備有多跳的無線網絡協議，并形成了一個網狀網絡；并且智能電表用于定期活動，如遠程抄表、電壓電能質量檢測等，每個智能電表支持廣泛的數據采集頻率，可以遠程配置。

該節根據所有智能電表之間的距離，建立了一種多跳無線網絡數據采集生成樹結構，如圖1 所示。其中包括一個采集終端和若干個智能電表，采集終端充當邊緣側控制處理器，負責處理傳輸過來的數據；智能電表僅充當通信處理器，負責傳輸數據。

圖1 多跳無線網絡結構

2 系統模型與優化目標

2.1 系統模型

文中提出了一種進行暫態分析數據傳輸的模型。首先定義主要用戶和次要用戶，主要用戶是信道的控制者，次要用戶則只是使用者，而為了有效利用資源，傳輸數據的時候僅利用空閑信道進行數據傳輸。次要用戶可以利用空閑信道進行數據傳輸，當主要用戶以最高的優先級使用當前信道時，次級用戶需要及時停止使用頻譜，將信道讓給主要用戶。假設次要用戶要傳輸的暫態分析數據流由一組數據包組成，在每個數據包傳輸開始處對信道進行頻譜感知，當檢測到空閑信道時，通過信道傳輸數據包后再次進行頻譜感知。數據傳輸模型結構如圖2 所示。

圖2 數據傳輸模型

模型中將Dm定義為發送數據包的最大允許時間，因此，一次成功的傳輸是一個正常大小的數據包在[0,Dm] 時間段內傳輸。模型中提出以下假設：需要傳輸的數據流總長度大小為M，分為n份長度為L的數據包(滿足條件M=n×L)；總信道個數為m。于是在第i個信道(0 ＜i＜m)傳輸一份數據包的時間為=L/Ri，其中Ri為第i個信道的帶寬大小。提出發送每個數據包的時間為其中，為第i個信道發送一個數據包需要的總時間，Ts為頻譜感知時間。假設所有信道帶寬大小Ri相等，因此相同大小的數據包在任意信道中傳輸時間相等。

2.2 優化目標

在數據傳輸中，需要在給定時間Dm內完成數據傳輸。根據模型，文中把總時間延遲開銷τOH定義為式（1）：

式中，τS為頻譜感知造成的時間開銷，τR為重傳數據包造成的時間開銷。文中提出聯合優化數據包長度大小和頻譜感知次數，以此來降低傳輸延遲。

2.3 優化目標的數學描述

文中將目標函數定義為開銷時間和有效傳輸時間的商。考慮到主要用戶到達率擬合泊松到達模型，文中提出主要用戶到達率為式（2）：

式中，λi為主要用戶到達第i個信道的平均時間。因此得出在進行了X次頻譜感知之后，主要用戶到達的概率為式（3）：

根據提出的傳輸模型，如果在數據包傳輸時間內，并沒有主要用戶到達。則延遲僅由頻譜感知造成，頻譜感知的次數為X，每次頻譜感知的時間為TS，因此總延遲將等于XTS。而如果在新的頻譜感知過程系統檢測到一個主要用戶到達現有的通道，那么最后一個數據包將需要重新傳輸，這種狀態下的延遲為+XTS。由以上結論，可以將當前信道的頻譜感知和重傳開銷時間建模為式（4）:

為了得到平均時間開銷的具體值，需要計算得出E(X)和E((X))的值：

最終由式（6）、（7）得到平均時間開銷為：

根據提出的傳輸模型，如果在數據包傳輸時間內，并沒有主要用戶到達，這種狀態下的總的有效傳輸時間為(X-1)()。而如果在新的頻譜感知過程系統檢測到一個主要用戶到達現有的通道，那么最后一個包將需要重新傳輸，這種狀態下的有效傳輸時間為()。由以上結論，基于式（6）、（7）得到平均有效傳輸時間為式（9）：

為了在平均時間開銷小的前提下提高平均有效傳輸時間。將優化目標函數f定義為這兩個函數的比率，如式（10）所示：

f中未知變量為頻譜感知次數X與數據包大小，又由于頻譜感知次數X與數據包大小滿足如式（11）-（13）的約束條件：

所以文中的優化目標就是在式（11）-（13）的約束條件下，使得式（10）優化目標函數f取最小值。利用動態規劃算法，即可獲得最優數據包分包大小為L=(L)*與最優頻譜感知次數為X=(X)*。

3 最優數據采集調度算法

該節提出利用監測類型作為優先級進行最優排序調度，在保證重要數據傳輸的基礎上減少數據傳輸過程的延遲并提高成功率。根據式（14）-（15）計算各數據采集裝置的初始化參數矩陣Zi：

式中，bi為第i個數據采集裝置截止時間；Ei為第i個數據采集裝置任務重要等級，用數值3、2、1 分別表示重要程度，3 為非常重要，依次下降。文中將事件檢測設置為重要，網絡狀態檢測和運行狀態監測設置為一般，實施功能監測設置為不重要；Wi為第i個數據采集裝置任務重要性的價值密度。利用式（16）建立優先級表為P：

各區域數據采集裝置根據優先級表，按照優先級由高到低進行排序，將k個區域優先級最高的數據采集裝置利用空閑信道完成數據采集傳輸完畢。

4 仿真與結果

網絡的節點個數分別初始化為36、54、72、90、108、126、144。分別選取文中數據采集調度方法和文獻[7]、文獻[15]、文獻[16]進行對比。圖3 顯示了數據采集調度成功概率隨網絡節點個數變化的趨勢，文中算法的數據采集調度成功概率始終高于其他方法，文中算法可靠性最高。

圖3 數據采集成功概率

圖4 描述了數據采集延遲隨網絡節點的個數的變化趨勢，相比其他算法，文中算法的延遲時間增加緩慢，延遲時間始終沒有超出1 s，體現了文中算法的低延遲性。

圖4 數據采集延遲

圖5 描述了數據采集調度時間隨網絡節點個數變化的趨勢。文中算法的數據采集調度時間一直最短[17-19]。

圖5 數據采集時間

5 結論

針對能源設備供能的監測對于響應延遲具有不同的時延要求，文中提出了一種數據采集調度算法。通過聯合優化數據包大小和頻譜感知次數來構建目標函數，通過最優數據采集調度算法優化時延。仿真驗證的結果表明，與現有的方法相比，文中提出的數據采集調度算法在多網絡節點數據采集情況下，成功率更高，延遲更低。因此，文中所提出的方法可以有效地提高數據采集調度的成功率，進而可以滿足能源設備供能的監測時間約束條件。