物联网无线通信传输层动态通道保障机制

杨 挺，张倩倩，阎彦含，孙雨耕

(天津大学电气与自动化工程学院，天津 300072)

在智能家居网络系统(intelligent home network system，IHNS)中，物联网(internet of things，IoT)[1]被广泛用于各类智能家电设备间的信息交互和智能控制．系统中一类重要信息是用户用电需求、实时用电量以及电压/电流等电能质量信息．用户可将该信息结合实时电价获知用电费用，合理安排用电计划，节省电能开销．并且这类源于用户侧的电量和电能质量信息是智能电网/城市配电网负荷侧的最基础数据，通过统计分析可获得地区性、季节性用电特征，将最终决定电能交互系统的运行状态和电网运营模式[2]．因此需要在发电侧、输/配电网和用户侧之间建立安全可靠的双向通信网络，建立高级量测体系(advance measurement infrastructure，AMI)，实现电气信息准确测量和传输[3-4]．

目前，城市配网系统通过同步数字传输网络(synchronous digital hierarchy，SDH)和自动交换光网络(automatically switched optical network，ASON)[5]已实现高带宽光纤可靠通信．但 AMI还存在一个挑战性问题――网络延设到用户端的“最后一公里”通信(last mile communication，LMC)．其困难在于，首先用户侧智能终端种类多，数量大，需要考虑网络建设的经济性；其次，用户侧应用环境的复杂和接入需求的多样性阻碍了可靠通信的实现．

无线通信技术的快捷多址接入和物联网的灵活组网结构为解决以上问题提供了理论支持和有效技术保障，被广泛关注并研究．其中确保数据的传输完整性、时效性和正确性是 AMI用户侧 LMC应用所需解决的核心问题．关键负荷控制命令的准确下达，突发事件监测数据的快速上报都将影响整个电力系统稳态运行．然而与光纤通信相比，无线信道的不稳定性易造成丢包和延迟．分析 IP通信网络，其底层协议采用的CSMA/CD技术和上层TCP重传机制共同作用保证传输误码率在 10-12．然而无线通信如802.11,WLAN采用 CSMA/CA退避机制，即使采用纠错编码、反馈补偿等技术，其误码率仍仅能够达到10-5～10-8，高误码率将加重数据流的重传[6]，致使整个物联网在数据传输层面上呈现为一个非稳定系统．因此，研究物联网系统高容错数据传输协议，有效提升数据传输的完整性和时效性对实现 AMI“最后一公里”信息交换具有重要意义．

笔者针对该问题，研究 AMI应用中物联网系统高容错传输协议，提出一种动态附加传输通道保障机制(dynamic supplementary transmission channel guarantee mechanism，DSTC)．在数据传输出现拥塞或丢包加速比陡增时，采用多代理技术在传输层动态建立附加通道将数据有效分摊，以降低传输延时和延迟抖动，提升物联网传输的数据完整性和时效性．

1 无线通信传输层协议研究现状

无线通信具有快速部署和便捷接入等优势，但信道可靠性低，高延迟和丢包率是成为其特殊场景应用的最大阻碍．为实现数据传输可靠端到端服务，学者研究并提出了多种无线网络传输层协议[7-8]，文献[9]采用逐跳、无确认机制设计了 PSFQ(pump slowly，fetch quickly)协议．其依靠发布、索取和报告操作达到通信的可靠性：节点以相对较低的速度转移(发布)报文．当接收端一旦检测到有数据丢失，该节点则尝试快速地从邻节点索取丢失数据的备份．文献[10]采用逐跳恢复应答方案提出 RBC(reliable bursty convergecast)协议．在传输中，中间节点为每个接收到的报文都做缓存处理，即 n次重复，直至接收报文的成功应答后再缓存中删除．因此 RBC协议是一种多重ACK机制．由于RBC协议是在所有中间节点对每个报文进行应答，一旦收到 ACK应答，节点就会清空缓存，这将有可能导致报文在意外丢失时无法从后向节点获取备份重传．由分析可知以上两协议适用于两节点直连的端到端传输．但更多的无线通信网络应用是信源到信宿节点间多跳传输，正如本文研究的从智能终端到户内网关和数据融合接入点并接入AMI系统过程是通过多级中继完成．因此需要针对自组织结构的无线通信网络设计可靠传输协议．

文献[11]专门为无线传感器网络设计了修正TCP协议，DTC(distributed TCP caching)协议．它应用基于 SACK的特殊算法通过逐跳恢复的方式提供上、下行通信的可靠性：目的节点周期性地发送一个SACK报文依照传输路径回溯给源节点．在回溯传播路径上的每个中间节点作检查并从缓存中删除已收到的报文，未正确传输的报文将被该中间节点重传．但这种回溯至信源节点的过程将延长整个数据传输时间，并且 SACK周期回溯和报文重传过程将产生很大的流量，有可能导致无线网络传输负载过重，形成局部拥塞．局部拥塞将导致后续数据包由于无法及时转发而在中继节点上丢弃，从而进一步触发重传过程，加剧网络拥塞状况，因此协议容易引起拥塞窗口的频繁调整、经常处于慢启动阶段，导致连接吞吐量的急剧下降．然而电力通信应用对数据传输完整性和时效性具有较高需求，因为在规定时间内损失了任何数据信息将有可能对整个能量交互系统的稳定性带来致命影响．因此，笔者以保证数据完整性，提升系统的传输时效性为目的，针对自组织结构多跳无线传输物联网，设计传输层动态保障机制．

2 系统结构分析和数学模型建立

智能电网是高效合理利用可再生能源，解决能源危机的有效手段[12]．与传统电力系统相比，智能电网的一个显著特点是能够通过高级量测体系AMI准确获取用户侧用电需求，并通过系统智能决策，合理分配能量供给，提升能源利用率[13]．当 AMI系统延伸至用户侧，量取用电量和本地电能质量信息并进行细粒度负荷控制时，系统对通信组网和通信能力便提出了更高的要求：①大规模组网要求，AMI通信系统的自顶而下的分层结构将包含百万级数量的智能终端，以一个 110,kV站点为例，其通常有 20条 10,kV出线，配电 400个台区，共有 20万户智能电表，100万个智能终端．泛在终端接入则必须考虑网络建设的经济性和网络运行的可控性．②AMI的数据抄收、负荷控制、信息发布、事件上报、表计远程功能升级等需要可靠双向通信，确保数据的传输完整性和正确性．③AMI中数据交换更频繁、数据交换量更大、其中部分数据交换还具有高时效性要求．

无线通信自组织物联网具有快捷多址接入和灵活组网的优点，可较好地满足上述需求，实现 AMI“最后一公里”多智能终端信息交互．通信模式决定了网络逻辑结构，智能家居网络系统各种智能终端与控制中心以无线通信方式进行信息交互，通信多采用多播和敛播传输模式，即由户内控制中心以多播方式下发给各个智能终端控制命令，其中包含量测参数．而此时智能电表被映射为具有自组织功能的户内网关，智能终端(或智能家电)则将分布式监测数据以敛播方式传输到户内网关，经数据融合接入点(data aggregation points，DAPs)接入 AMI系统．在一个居民小区范围内通常不只含有一个接入点，而是多个DAPs设置以提升网络可靠性．这便与传统通信网络的点对点通信模式以及无线蜂窝移动网络的以基站为中心的单一星型通信结构有很大区别．短距离多跳无线通信技术如 PIEEE 802.11,s和 IEEE 802.15.4等技术，为这一功能实现提供了可能．PIEEE 802.11,s工作组已扩展了多跳网状通信网络技术，使其能够与 802.11设备相互通信[14]．作为ZigBee首选无线自组织通信技术的IEEE 802.15.4提供了完整的底层(物理层和数据链路层)解决方案以实现多点接入形成自组织网状网络[15]．图 1给出电能量测系统网络框架，包含智能家居电能监测、智能电表控制、DAPs中继和上层AMI系统云计算．

图1 智能电网高级量测系统“最后一公里”无线通信网络构架Fig.1 AMI “last mile communication” wireless network structure in smart grid

由图1可知，具有通信功能的智能家电可抽象为物联网中数据源节点，智能电表为中继节点，通过多级簇树结构将用户侧电量信息汇集至 AMI系统．因此新的网络结构是多 DAPs的自组织簇树网络结构．数据源节点上的数据触发类型包括周期监测数据和突发激励数据．由于户内(或楼宇内)建筑阻隔以及各节点通信能力差异，节点间为异构通信模式．

以双向赋权图G=(V，E)表示上述通信网络．V＝{v1，v2，…，vn，vDAP1，vDAP2，…，vDAPm}为节点集，包含n个通信节点和m个汇聚节点；E＝{e1，e2，…，eq}为边集，映射节点间通信链路集合．与传统无线网络UDG(unit disk graph)图模型不同，将节点异构通信表示为 V 中节点的有效传输距离集合 Λ，Λ＝{λ1，λ2，…，λn，…，λm}，在节点集 n+m 较大时，可近似认为Λ服从Poisson分布，则双向通信链路的必要条件为 E＝{ei|D(vj，vk)≤min(λj，λk)，vj，vk∈V}．

3 动态附加传输通道保障机制描述

在物联网无线通信过程中，出现传输层数据拥塞或丢包加速比陡增时的通道保障机制．不失一般性，假设当前数据传输链接通道为 S(v0，vDAPi)，其中 v0是数据源节点，vDAPi是目的汇聚节点，即经任意一个DAP汇聚点接入 AMI系统．在 t0时刻传输出现拥塞，则拥塞点前向节点 vi通过连续自检发现缓冲区内来自同源数据不断累加并开始丢弃，拥塞点后向节点 vj发现在未拆除传输层链接时缓冲区内同源数据消失．则节点vi、vj可独立判断连接通道拥塞，并启动多代理动态附加通道保障机制．

保障机制采用着色和漂白技术，首先由节点 vi、vj沿原有传输通道分别向源、目的节点回溯，S(v0，vi)着红色，S(vj，vDAPi)着蓝色，并定义 DAPs永久蓝色且不褪色．此后，代理Ag_Red从vi出发，Ag_Blu从vj出发，依照各自复合量度探索建立最优附加通道．为保证附加通道传输具有低延时和抖动，即最优性，代理器游历过程中复合量度由残余带宽率和接收节点队列空余率 2个参数构成．接收节点队列占用率计算公式为

式中：μk为接收节点；vk为队列的空余率；qk为节点vk当前队列长度；vkl(t)和 vkr(t)分别为对于节点 vk通信缓冲区在 t时刻的数据包发送速率和接收速率；ξ为“流”控制报文传输预留的队列缓冲，ξ∈[0.01，0.1]；Bk为节点vk的通信缓冲区尺寸．

代理器游历修复的复合量度定义为

式中α和 β为权值系数，α+β＝1，对严格实时传输报文取低α /β比，对要求数据流传输过程低抖动，则提升变比．

当 ti时刻代理器在节点 vh，通过计算 vh与相邻节点间无线链路残余带宽率和 vh邻居节点的队列空余率，选取具有最大复合量度的邻居节点作为下一跳游历目的节点．局部搜索目标公式为

当代理器基于局部搜索优化目标确定并游历至下一跳节点 vk后，该节点被着染与代理器相同颜色，设置节点漂白计时器剩余时间 vk.TTL＝Ag.TTL，TTL为剩余时间(time to live)．随后节点进入漂白过程，即随着时间推移，vk.TTL减少，节点逐步被漂白，直至褪为未着色(白色)节点．图2给出动态附加通道保障机制执行过程中节点的状态转换Markov过程．

当满足以下 2个条件之一，附加通道即成功建立，搜索过程终止：①某一代理器到达异类颜色节点；②2个代理器在同一个节点内相遇．DSTC算法流程如图3所示．

图2 节点状态转换Markov过程Fig.2 Node states transition Markov process

图3 DSTC算法流程Fig.3 Flow chart of DSTC algorithm

4 仿真和性能评估

仿真环境模拟一个居民小区，区域内包含 1,000个智能终端数据源节点，10个 DAPs作为数据汇集点．无线通信采用自由空间信道传播模型，考虑实际应用场景功耗限制，仿真采用慢速传输9,600,bit/s．传输数据包长度为 1,024,bit，控制信息包为 256,bit．节点集合中各数据源产生数据量服从 X～N(μ，σ2)正态分布，μ＝20，σ＝3．网络运行期间，引用 Poisson分布来描述无线信道集合 E＝{eij}在传输层出现拥塞/中断事故概率，P(λ＝0.1)．仿真比较在一个完整工作日中不同时段通信负载差异情况下未采用 DSTC机制和采用DSTC机制的传输层服务质量．

由于居民用电习惯，在 1,d(工作日)内电器使用情况和电能质量检测密度不同使得 IHNS通信负载轻重存在差异，图4给出24,h内各时段通信负载．从图中可以看到，在 1：00和 18：00—24：00时段为居民用电高峰，智能终端与 AMI系统交换频繁，为通信重负载；相反在夜间休息时段 2：00—5：00，外出工作时段 9：00—11：00 和 13：00—16：00 为 IHNS通信轻负载时段．针对不同负载情况，以数据传输丢包率、传输延时和抖动为量度评价传输服务质量．

图4 在工作日24,h内各小时平均流量Fig.4 Communication traffic in whole workday

首先统计并计算各时段内数据包传输丢包率，如图 5所示．由分析结果可见传输延迟与网络流量有着紧密相关性：在网络通信轻负载时段数据传输表现良好的低丢包率；而在重度负载时段(如 18：00—24：00)，2种传输的丢包率均有所增加．但 DSTC依靠附加通道使后续到达数据包绕径传输，较好地抑制了大量简单丢包．网络重载时段 DSTC平均有效保留总数据量的 0.54%数据包不被丢弃．提升了电能质量检测数据的完整性，保证 AMI系统输入量精度．

图5 在工作日24,h内各小时丢包率Fig.5 Ratio of loss packets per hour in workday

传输层 TCP协议具有丢包重传机制，当处于较高丢包率时，大量的重传数据包占用网络带宽，造成数据传输延迟．图 6给出未使用 DSTC和使用通道保障机制下传输延时曲线．两类延时曲线跟随网络流量同向变化，重度负载时的丢包重传占用带宽和TCP慢启动是高传输延迟的主要诱导原因．而DSTC机制对两类诱因都有较好的抑制作用：首先 DSTC有效保留数据包不被大量丢弃，减少重传数据量；并且新建优化附加通道 TCP拥塞窗口保持大尺度传输，避免了慢启动形成．实验结果显示采用 DSTC的传输过程中 Delaymax＝0.4,s，比未使用该机制最大延时下降低 35.5%．进一步计算两曲线上统计数据(延时)的标准差，分别为 σno_DSTC＝0.21，σDSTC＝0.12，表明DSTC机制提供了较稳定的传输性能．

图6 在工作日24,h内各小时平均传输延迟Fig.6 Average delay per hour in workday

数据传输的时效性不仅由传输延时参数描述，同时抖动参数刻画了数据传输的时间稳定性．仿真中统计了24,h各时段的平均抖动，如图7所示．分析重度负载时段(18：00—24：00)，DSTC 使数据包传输获得低平均抖动性能(＝3.14,ms)．低抖动提升数据传输时效性，且利于控制类信息的准确下达，避免传输抖动造成控制信息下行至智能终端的滞后．消除不可控通信滞后对电能调度系统形成的扰动．

图7 在工作日24,h内各小时平均抖动Fig.7 Average jitter per hour in workday

5 结 语

用户侧用电需求、实时用电量以及电能质量信息是智能电网负荷端基础数据，最终决定电能交互系统的运行状态和电网运营模式．需要可靠接入智能电网高级量测系统．以无线通信多址接入技术为基础的物联网体系为实现泛在智能终端灵活接入AMI提供了有效解决途径．然而无线传输系统在重度通信负载时表现出传输易中断，丢包和重传率高等低性能表现，成为高级量测“最后一公里”接入/通信急需解决的核心问题和技术难点．针对该问题，本文采用多代理器协同技术设计实现了一种动态附加传输通道保障机制．由队列空余率和残余带宽率参数判选最优方向进行代理器独立游历，完成附加通道快速建立和更替．选取居民小区在一个完整工作日内的电能监测通信负载场景，仿真验证动态附加通道保障机制在网络通信不同时段“轻-重”负载情况下均可保持低丢包率传输，降低数据传输延时和抖动．进而从传输层面提升物联网通信系统用户侧电能监测信息的完整性和时效性．

［1］ Kranz M ， Holleis P， Schmidt A. Embedded interaction：Interacting with the internet of things[J].IEEE Internet Computing，2010，14(2)：46-53.

［2］ 余贻鑫，栾文鹏. 智能电网的基本理念[J]. 天津大学学报，2011，44(5)：377-384.

Yu Yixin，Luan Wenpeng. Basic philosophy of smart grid[J].Journal of Tianjin University，2011，44(5)：377-384(in Chinese).

［3］ Niyato D，Xiao Lu，Wang Ping．Machine-to-machine communications for home energy management system in smart grid[J].IEEE Communications Magazine，2011，49(4)：53-59．

［4］ Yang Ting，Zhang Zhidong. Research on transmission

data system of smart grid based on IPv6 DiffServ model[C]//Proceedings of the2nd IEEE InternationalConference Asia-Pacific Power and Energy Engineering Conference. Chengdu，China，2010：1-4.

［5］ Jaiszczyk A. Automatically switched optical networks：Benefits and requirements[J].IEEE Communications Magazine，2005，43(2)：S10-S15.

［6］ Li Xiaolong，Zeng Qing´an. Influence of bit error rate on the performance of IEEE 802. 11 MAC protocol[C]//Proceedings of IEEE Wireless Communications and Networking Conference(WCNC2007). Hong Kong，China，2007：367-372.

［7］ Iyer Y G，Gandham S，Venkatesan S. STCP：A generic transport layer protocol for wireless sensor networks[C]//Proceedings ofIEEE ICCCN2005. San Diego，USA，2005：17-19.

［8］ Wan Chieh-Yih，Eisenman S B，Campbell A T，et al.Siphon：Overload traffic management using multi-radio virtual sinks in sensor networks[C]//Proceedings ofthe 3rdInternational Conference on Embedded Networked Sensor Systems(SenSys’05). San Diego，USA，2005：116-129.

［9］ Wan Chieh-Yih，Campbell A T，Krishnamurthy L.Pump-slowly，fetch-quickly(PSFQ)：A reliable transport protocol for sensor networks[J].IEEE Journal on Selected Areas in Communications，2005，23(4)：862-872.

［10］ Zhang Hongwei，Arora A，Choi Young-ri，et al. Reliable bursty convergecast in wireless sensor networks[C]//Proceedings of the6th ACM International Symposium on Mobile AD Hoc Networking and Computing．2005：1-12.

［11］ Dunkels A，Alonso J，Voigt T，et al. Distributed TCP Caching for Wireless Sensor Networks[R]. Sweden：Swedish Institute of Computer Science Technical Report 6，2004.

［12］ Arnold G W. Challenges and opportunities in smart grid：A position article[J].Proceedings of the IEEE，2011，99(6)：922-927.

［13］ 程时杰，李兴源，张之哲．智能电网统一信息系统的电网信息全域共享和综合应用[J]. 中国电机工程学报，2011，31(1)：8-14.

Cheng Shijie，Li Xingyuan，Zhang Zhizhe. Entire-gridarea information-sharing and integrated applications in united information system for smart grid[J].Proceedings of the CSEE，2011，31(1)：8-14(in Chinese).

［14］ Camp J，Knightly E. The IEEE 802. 11,s extended service set mesh[J].IEEE Communications Magazine，2008，46(8)：120-126.

［15］ Yi Peizhong，Iwayemi Abiodun，Zhou Chi. Developing ZigBee deployment guideline under WiFi interference for smart grid applications[J].IEEE Transactions on Smart Grid，2011，2(1)：110-120.