能源互联网路由策略研究

林 川 赵 海 刘 晓 李鹤群 徐久强

(东北大学信息科学与工程学院 沈阳 110819)



能源互联网路由策略研究

林 川 赵 海 刘 晓 李鹤群 徐久强

(东北大学信息科学与工程学院 沈阳 110819)

能源互联网将可再生能源技术与互联网技术相结合，实现分布式可再生能源的大规模利用与分享。针对在以“能源路由器”为基础、以“微电网”为结构单元的能源互联网中，存在大规模、频繁的能量与信息转移传输现象，即能量信息流的“路由”问题，基于能源互联网理想路由模型，利用复杂网络理论，提出3种路由策略，解决3种考虑不同因素下的能量信息流路由问题。针对“能量传输拥塞”问题，提出基于边权的路由策略；针对“能量负载均衡”问题，提出基于网络邻节点负载的路由策略；在同时考虑“能量传输拥塞”和“能量负载均衡”影响下，提出联合路由策略，并通过仿真实验证明了该策略的可行性与有效性。

能源互联网 能源路由器 微电网 复杂网络 路由策略

0 引言

能源互联网是以现有电网为基础，利用新型清洁能源与互联网技术，通过微电网，实现能源存储与共享的多级分布式开放系统[1]。借鉴现代互联网技术中的层次划分方法，将网络分为4个层次。图1为互联网TCP/IP 5层结构与能源互联网4层结构的映射关系图，在以传统电力网络和智能电网保证能源传输转移的电网潮流层之上，网络通信层和信息融合层将利用现代化“信息打包”技术[2]，最终将能源与信息标记为最基本的能量信息流，供余能交易层消费与收纳。若以互联网层次结构相比较，能源互联网的网络通信层以保证网络传输通信为目的，组成了能源互联网最基本的“路由层”，保证余能交易层实体间信息通信与能量转移。

在能源互联网中，路由层和余能交易层功能分别对应实体“能源路由器”[3]的路由转发功能和“微电网”[4]的能源选择与交易。其中，微电网作为能源互联网的基本组成单元，通过新能源的采集、转换、汇集、存储、消纳形成最基本的“能源局域网”。在能源互联网的发展过程中，微电网将作为能源互联网中的“微商”，驱动能源互联网经济的发展；能源路由器以保障能源信息高效安全转移为目标，实现规范化、软件可定义化[5]的能源信息路由控制系统，是能源互联网的核心控制单元。根据学者们在分布式能源存储及可控性方面的综合研究成果[6-8]，定义能源互联网为：以“能源路由器”为基础，以微电网为“能源局域网”(单元)的多级分布式能源共享复杂网络[9]，其基本架构如图2所示。

图1 能源互联网与互联网层次结构对比Fig.1 Comparision between the architecture of intergrid and internet

图2 基于能源路由器的能源互联网架构Fig.2 Architecture of intergrid based on energy route

在图2所示架构下，能源交易不再禁锢于传统集中式的能源分配与调度。能源将作为“商品”，在自由的“市场”即能源互联网上进行对等交易与兑换。即能源交易将以传统互联网的P2P形式进行，形成类似互联网形式的多级对等结构。然而，这种自由开放的能源交互体制，势必产生更多的能源转移问题，即能源路由。这不仅给能源路由器与能源互联网基础设施的设计带来挑战，同时与其相关的QoS，如能源传输效率、能源转移安全、能源传输成功率等相关问题必将影响能源互联网的安全与拓展，也是理想“能源路由环境”下，能源与信息路由策略制定过程中的NP难题，其中包括传统互联网通信面临的“拥塞控制”[10]和“负载均衡”[11]问题。“拥塞控制”和“负载均衡”是基于存储转发理念网络最基本的路由评价指标。因此，如何针对能源互联网的特定结构，设计优化路由策略，防止网络拥塞、平衡网络负载、保证能源安全转移、提高吞吐量是研究能源互联网能源与信息传输效率的重要问题。

综上所述，根据能源互联网在能源与信息频繁转移与交易过程中面临的挑战，针对能源互联网中存在的“能量传输拥塞”和“能量负载均衡”问题，在理想网络模型下，利用复杂网络理论，提出3种不同应用场景下的路由策略。旨在规范化能源互联网能源与信息流在转移过程的路径选择策略，在保证能源与信息安全转移的同时，提高能源与信息的转移传输效率。

1 能源互联网理想路由模型

无论传统互联网还是能源互联网，其路由效率涉及网络结构、网络带宽、路由器设置，其中能源互联网还包括储能技术、开关技术、配电技术等复杂因素。因此，任何路由策略都不可能涵盖所有条件因素。为突出重点研究问题——仅考虑由网络拓扑结构相关性质决定的路由策略，即分析研究理想路由环境下的能源互联网路由策略，能源互联网的理想路由环境在此定义为忽略能源路由器个体间的差异，只由网络宏观拓扑结构性质决定的路由环境，即本文研究的能源互联网路由策略是在所有能源路由器设置条件相同的前提下进行的，包括储能单元、信息处理单元和优先级等。

根据图2所示结构，为了规范能源互联网能量与信息存储转发方式及结合相关学者在分布式能源存储转移技术[6]和传统电力网络拓扑研究相关成果[12]，本文研究基于以下两个条件：

1)在能源互联网中，能源路由器将配备“超级储能单元”[9]。由于储能单元的先进化，能量与信息将以能量信息流(Energy Information Flow，EIF)的形式在能源路由器间进行存储与转移，并可实现传输设备复用与高效化。图3为能量信息流的示意图，其中信息标签包括原地址、目的地址、下一跳路由地址等融合信息。

图3 能量信息流Fig.3 Energy information flow

2)能源互联网支持多种类能源表现形式，但最终将以“电能”形式输出，即本文研究的能量信息流的能量是以电能的形式在能源路由器间存储与转移的。

此外，BA网络模型因其无标度特性，常用来模拟抽象互联网[13]，且能源互联网将采用类似互联网多级对等的网络结构，因此本文将采用BA模型模拟能源互联网的基本结构。

2 能源互联网“拥塞控制”路由策略

能源互联网的能量传输拥塞是指在理想路由环境下，由于路由策略导致个别能源路由器的超级储能单元存在过多能量信息流转移传输任务，致使能源路由器转发服务过载，网络整体能量信息流传输效率急剧下降，以至崩溃。

无论是传统通信网络，还是能源互联网，网络拥塞问题均不可避免。本节旨在为仅考虑能量传输拥塞控制问题的能源互联网应用场景，讨论问题解决方案。

目前在诸多实际通信系统中，普遍采用最短路径路由策略(Shortest Path Strategy，SPS)[14]。在SPS策略下，一旦能源互联网的拓扑结构确定，EIF将会选择从源微电网i和目的微电网j之间经过的能源路由器数量最少的路径作为传输路径，即EIF的传输路径也将固定。

SPS策略虽具有最小化EIF的转发次数，进而减少转发等待消耗的优点，但在能源互联网中，由于其采用P2P的交易方式，导致各EIF具有平等性。对于度值较大、有多条最短路径经过的处于“中心节点”位置的能源路由器将被多个EIF中转任务竞争。网络传输EIF的吞吐量受到“中心节点”位置能源路由器的限制，产生“能量传输拥塞”。在能源互联网实际应用场景，甚至将导致部分处于中心位置的能源路由器瘫痪，产生安全隐患。

针对SPS策略应用于能源互联网中时存在的问题，一种解决思路是把中心化程度高的能源路由器上的EIF转发请求分散到其他中心化程度低的能源路由器。基于这样的思想，Yan Gang等[15]提出了有效路径路由策略(Efficient Path Strategy，EPS)。在EPS策略下，源微电网i和目的微电网j之间的所有可能的传输路径定义为

P(i→j)∶=i≡x0,x1,…,xn-1,xn≡j

(1)

而源微电网i和目的微电网j之间的有效路径则定义为

(2)

式中，xi为能源路由器在网络中的相对编号；k(xi)为能源路由器xi的度值；β为可调参数，是不小于0的实数。即EPS策略选择能源路由器“度值和”最小的路径为最优路径。由式(2)可知，当β=0时，EPS策略即为SPS策略；当β>0时，处于“中心节点”位置上的能源路由器的EIF传输任务将被重新分配，发生能量传输拥塞的概率降低。

然而，无论EPS策略还是SPS策略，其研究控制对象都是针对网络中处于中心节点位置的能源路由器。而在能源互联网中，网络中的有效边即传输线路也将影响EIF的传输效率。这便将传统的“点”问题，转换为“点边”问题。针对以上问题，本节以EPS策略为参考蓝本，利用能源互联网的拓扑结构特性，提出基于边权的路由策略(Edge Weight Strategy，EWS)，以解决能源互联网中的能量传输拥塞问题。

2.1 基于边权的能源互联网路由策略

受布雷斯悖论在现实传输通信网络中减少某些资源可能有利于网络流量均衡的思想启发，同时借鉴文献[16]的设计思想——通过为抽象网络中的边赋权值量化分析传统通信网络，并通过删除其中一部分大权值的边以提升网络传输性能、缓解传输过程中的拥塞问题。然而在能源互联网中，传输设备不出现故障时，是不存在无效被删除的边(传输线路)。即使因为线路故障，暂时不适用，也有被再次复用的可能。则针对能源互联网设计的EWS路由策略(EIF的传输路径)为

(3)

式中，i、j为EIF传输转移过程中的源微电网(以下简称源节点)和目的地微电网(以下简称目的节点)；xs、xs+1为与一条传输线路(以下简称边)相关联的两个能源路由器(以下简称节点)；k(xs)为能源路由器xs的度值[17]；0≤α≤0.9，0≤β≤1.0，两者为可调参数，其较优值在后文确定。无论SPS策略，还是EPS策略，在“中心节点”处，皆易产生能量传输拥塞问题。因此，结合能源互联网的能量与信息转移特性，突出与大度值节点相关联的边，使EIF可以更好地绕过“中心边”而不改变网络的固有结构，本文规定β≥α≥0。

综上所述，基于边权的路由策略的主要思想就是通过对能源互联网中的边进行适当的加权，使EIF在传输过程中绕过产生能量传输拥塞概率较高的“中心边”，降低“中心边”被使用的概率。

2.2 仿真分析

仿真实验过程中，选取具有无标度特性的BA网络模型作为抽象的能源互联网并进行模拟路由实验。EIF传输模型采用文献[18]的传输模型。该模型可模拟表达EIF传输转移任务在网络中生成和消亡的规则。评价方法采用文献[19]提出的评价指标，其计算公式为

(4)

根据能源互联网的实际特性，式(4)中W(t)为t时刻网络中未处理的EIF传输转移任务总量，即网络中所有能源路由器的超级储能单元中存储EIF的总量；R为单位时间内新产生的EIF传输转移任务的数量。式(4)的物理含义为，当H(R)趋近于0时，说明随着不断产生的EIF，网络现存EIF总量没有发生明显变化，即所有EIF能通过网络传输到达目的节点，网络没有发生能量传输拥塞；当H(R)>0时，说明网络中未处理的EIF传输转移任务增加，EIF不能及时通过网络到达目的节点继而在局部节点中的超级储能单元累积滞留，网络将发生能量传输拥塞。由式(4)可知，R值越大，网络产生能量传输拥塞的概率越高。因此，在考虑网络拓扑结构属性的能源互联网中，必然存在一个临界Rc值，即：

1)当R

2)当R>Rc时，EIF不能及时通过网络到达目的节点，发生能量传输拥塞。EIF通过网络到达目的节点的传输时间增加，网络传输效率较低。此时H(R)随R的增大而增大，当H(R)=1时，网络严重拥塞。

3)当R=Rc时，网络处于临界状态，即Rc是保持网络处于稳定状态的临界值。

本文所关注的是能源互联网能源路由器传输控制器的EIF处理和传输能力，即能源互联网的传输转移效率。因此，仅用网络从稳定态到拥塞态的临界值Rc评价衡量路由策略，即Rc越大，路由策略越高效，路由策略的能量传输拥塞控制能力越强，产生能量传输拥塞的概率越低。

首先确定α、β最优取值范围，即在网络规模不变的前提下，Rc取最大值时，α、β的取值范围。图4是重复进行50组实验(每次实验，BA模型网络规模节点数为1 000)α、β取不同值条件下Rc的平均值情况。如图4所示，随着α、β的调整，Rc也随之波动，并在图中峰顶部分取得较优值。本文选取其中一组较优的值即Rc(α=0.5, β=0.7)=100作为α、β的可选值并在此对EPS策略和EWS策略进行比较。

图4 Rc最优解分布图Fig.4 Rc optimal values distribution

图5为在α=0.5,β=0.7时，EPS和EWS策略在不同网络规模(网络节点数量)下Rc值变化趋势。如图5所示，当网络规模较小时，两种路由策略的性能大致相同；随着网络规模的增大，EWS策略比EPS策略性能提升更加明显。相同规模网络下，采用EWS的能源互联网比采用EPS的能源互联网产生能量传输拥塞的概率平均低26.5%。由此可知，EWS路由策略在降低能源互联网的能量传输拥塞、提升能源转移效率方面是可行的，其性能优于传统的EPS策略，更优于SPS策略[15]。

图5 EPS与EWS不同网络规模下Rc比较Fig.5 Rc comparison under EPS and EWS in different network size

3 能源互联网“负载均衡”路由策略

网络的无标度特性使某些重要的链路成为数据传输的最优路径，给与之相连的“中心节点”带来更多的数据中转任务。因为经过网络的“中心节点”意味着在不产生拥塞的前提下，更高效率地完成传输任务。因此，如何在保证网络传输质量的前提下，使所有节点“各司其职”，即充分利用“中心节点”，也是优化网络效率的关键突破口，即负载均衡优化问题。结合能源互联网的能源路由特性，本文定义能源互联网的“能量负载”为某一时刻，某一能源路由器的超级储能单元存储EIF的数量。定义能源互联网的“能量负载均衡”为在所有节点均参与EIF中转工作的前提下，使某些“大度值”节点在避免使网络产生能量传输拥塞的同时拥有较多的中转任务，提高资源利用率。

因此，为了实施能源互联网的“能量负载均衡”策略，就需要全局或局部掌握网络各节点实时动态的负载信息，继而进行局部调整，以达到全局最优。本节只考虑能源互联网能量负载均衡问题，讨论研究能源互联网的路由策略。

3.1 基于邻居节点负载的能源互联网路由策略

无论是传统通信网络，还是能源互联网，每个节点或能源路由器实时向网络中广播其信息都是不现实的。因为这不仅会造成广播风暴，而且还会占用不必要的通信带宽。因此，本文设计了一种基于邻居节点负载信息的路由策略(Adjacent Node Load Strategy，ANL)。在ANL策略中，EIF在每个时间步内只通过获取当前节点的邻居节点实时能量负载信息，继而动态地选择下一跳路由节点，其选路规则为

P(i,j)=min(D(i,j)+Qi+1)

(5)

式中，P(i，j)为从节点i到节点j的路径；D(i，j)为从i到j的最短路径条数；Qi+1为当前节点的邻节点能量负载信息。在所有满足条件的路径中，选取和值最小的路径。

3.2 仿真分析

仿真实验采用网络规模节点数量为1000的BA网络模型和文献[18]的传输模型，分别对EPS、SPS及ANL策略下的网络各节点的能量负载分布情况进行对比。此外，为了量化实验结果，采用各路由策略下的能源互联网度值最大前10个节点的能量负载标准差量化路由策略的“负载均衡”控制力，标准差越大，路由策略负载均衡控制力越弱。

图6为采用EPS、SPS、ANL策略，通过模拟向网络持续EIF至网络产生能量传输拥塞时，各节点能量负载的分布情况。如图6所示，采用SPS策略时，EIF主要聚集在大度值节点处；采用EPS策略时，大度值节点上积攒的EIF数量较少，EIF转移任务大都集中在小度值节点处；而采用ANL策略时，网络各节点的能量负载呈现出两个相对独立的区域，即大度值区和小度值区。在各区域内部，各节点的能量负载较均衡，而在区域之间，大度值区比小度值区承担了更多的EIF传输任务。度值最大前10个节点的能量负载实际情况如表1所示。

图6 EPS、SPS、ANL策略下，EIF的分布情况Fig.6 EIF distribution under EPS，SPS，ANL

路由策略能量负载标准差占总负载比例(%)EPS81.602.6SPS243.8184.0ANL79.4575.2

由表1可知，与SPS、EPS策略相比，ANL策略在保证大度值节点得到更合理的利用的同时，在负载均衡控制能力上，分别比SPS和EPS策略提升了67.3%和2.5%。此时网络的能量负载分布情况更适合实际能源互联网中设备的资源属性。

4 能源互联网“拥塞控制”和“负载均衡”联合路由策略

4.1 基于边权和邻节点负载的联合路由策略

第2节提出的EWS以及第3节提出的ANL策略分别解决了能源互联网在能量信息流转移传输过程中存在的能量传输拥塞和能量负载均衡问题。在此基础上，提出一种基于边权与节点能量负载的联合路由选路策略(United Routing Strategy，URS)，旨在控制能源互联网在能量转移过程中的能量传输拥塞问题。同时合理分配能量负载，提高能源互联网的能量转移传输效率，以适应能源互联网复杂的应用场景。

URS策略有效利用EWS和ANL策略的优点。其公式化描述为

(6)

式中，h、n为可调参量，0≤h<1.0， 0≤n<1.0。 式(6)共有两个核心部分组成，前半部分为基于EWS策略思想的网络度值边权和。其中，xs、xs+1为与边相关联的两个节点的编号；k(xs)为节点xs的度值；xs≤xs+1， 0≤α≤1.0， 0≤β≤1.0， 且β≥α≥0。 后半部分为基于ANL策略思想的网络动态属性邻节点能量负载信息。其中，ds+1为当前节点的邻节点能量负载信息。在此基础上，对其进行算数和累加，并从中选取满足从源节点i到目的节点j所有可能路径中，和值最小的路径。此外当h=0时，URS策略退化为EWS策略。

4.2 仿真分析

在URS策略中，为计算Rc最优解下的h和n值，首先固定α、β值，采用EWS策略中较优Rc值仿真实验结果，即α=0.5、β=0.7作为α、β的值。在此基础上，通过仿真模拟，确定h和n的最优值。图7是重复进行50组实验(每次实验中BA模型网络规模节点数量为1 000)，h、n取不同值条件下Rc的平均值情况。矩形区域内等高线代表Rc的取值范围，等高线110围成区域内的Rc取得较优值，即存在多组候选解。此外，为选取其中一组较优的值，通过实验发现，虽然不同的h、n组合可取得相同的Rc，但H(R)的增长速度并不相同。显然，H(R)增长速度越慢，网络拥塞至恶化的速度越慢。如图8所示，h=0.1、n=0.5和h=0.1、n=0.8两组值均能取得较优的Rc=111，但前者的增长速度更慢，故本文选择前者作为h、n的取值。

图7 Rc最优解分布图Fig.7 Rc optimal values distribution

图8 H(R)分布图Fig.8 Distribution of H(R)

图9 SPS、EPS、URS策略下Rc比较Fig.9 Rc comparison under SPS，EPS，URS strategies

对比实验采用网络规模节点数量为1000的BA网络模型和文献[18]的传输模型。分别比较网路在采用URS、EPS、SPS策略时，临界Rc和网络能量负载分布的仿真结果。图9显示3种策略下H(R)的增长情况。图9的统计结果可说明：采用SPS策略，极易导致能源互联网产生能量传输拥塞。采用EPS策略则降低了网络产生能量拥塞的概率。URS策略吸收了EPS的优点，在能量传输拥塞控制、提升网络转移传输效率方面更优秀，比SPS和EPS策略分别提升214%和14.2%。图10为具有相同网络规模(节点数量为1000)，分别采用SPS、EPS、URS策略的不同BA网络，不断向网络输入EIF转移任务至网络产生能量传输拥塞时，网络各节点的能量负载分布情况。由图10可知，SPS策略下大度值节点能量负载过大，且负载与节点度值呈现出近似的指数关系。EPS策略下大度值节点能量负载过小，大度值节点没有得到充分利用，造成了资源浪费。与之相比，URS策略充分利用了大度值节点，使大度值节点整体保持能量负载均衡。通过计算度值最大前10个节点的能量负载标准差，采用URS策略的能源互联网的负载均衡控制能力比采用SPS和EPS策略的网络分别提升55%和2.1%。

图10 SPS、EPS、URS策略下能量信息流分布情况Fig.10 EIF distribution under SPS，EPS，URS

综上所述，本文提出的联合路由策略URS，在降低网络发生能量传输拥塞概率的同时，使网络中的节点能量负载更加均衡。

5 结论

根据以“能源路由器”为基础，以“微电网”为单元的能源互联网，在能源信息流路由过程中存在的“能量传输拥塞”与“能量均衡”问题，提出3种路由策略：

1)在仅考虑能量传输拥塞的应用场景下，利用复杂网络度值中心性理论，通过量化分析网络中的节点，继而为所对应的边赋权值，提出基于边权性质的能源互联网路由策略——EWS。仿真实验发现：EWS策略优于SPS策略，比传统EPS策略在能量传输拥塞控制能力上提升26.5%。

2)在只考虑能量负载均衡的应用场景下，通过实时获取邻居节点的能量负载信息，提出基于邻居节点能量负载动态信息的路由策略——ANL。仿真实验证明：ANL策略比传统的SPS、EPS策略在能量负载均衡控制能力上分别提升67.3%和2.5%。

3)在联合考虑能量传输拥塞和能量负载均衡的应用场景下，利用现有研究提出一种联合属性路由策略——URS。仿真实验表明：URS策略在能量传输拥塞控制能力上，分别比传统SPS、EPS策略提升214%和14.2%；网络负载均衡控制能力比采用SPS、EPS策略分别提升55%和2.1%，是一种折中的路由策略。

[1] Rifkin J.The Third Industrial Revolution：How Lateral Power is Transforming Energy，the Economy，and the World[M].New York：Palgrave Macmillan，2011.

[2] Duerr R E，Yang M Q，Lee C.Towards a standard archival format for earth science data：storing NASA ECS data using HDF5 archival information packages (AIP)[C].IEEE International Geoscience and Remote Sensing Symposium，Boston，MA，2008，4：451-454.

[3] Xu Yi，Zhang Jianhua，Wang Wenye.Energy router：architectures and functionalities toward energy internet[C].IEEE International Conference on Smart Grid Communications，Brussels，2011：31-36.

[4] Hatziargyriou N，Asano H，Iravani R，et al.Microgrids，an overview of ongoing research，development，and demonstration projects[J].IEEE Power and Energy Magazine，2007(8)：78-94.

[5] Chen Z，Cao J W.Information Center Networks[M].Beijing：Tsinghua University Press，2013.

[6] 陈昌松，段善旭，殷进军，等.基于发电预测的分布式发电能量管理系统[J].电工技术学报，2010，25(3)：150-156. Chen Changsong，Duan Shanxu，Yin Jinjun，et al.Energy management system of distributed generation based on power forecasting[J].Transactions of China Electrotechnical Society，2010，25(3)：150-156.

[7] 黄杏，金新民.微网用分布式电源变流器下垂特性控制策略[J].电工技术学报，2012，27(8)：93-100. Huang Xing，Jin Xinmin.A voltage and frequency droop control method for microsources[J].Transactions of China Electrotechnical Society，2012，27(8)：93-100.

[8] 唐西胜，邓卫，齐智平.基于储能的微网并网/离网无缝切换技术[J].电工技术学报，2011，26(S1)：279-284. Tang Xisheng，Deng Wei，Qi Zhiping.Research on grid-connected/islanded seamless transition of microgrid based on energy storage[J].Transactions of China Electrotechnical Society，2011，26(S1)：279-284.

[9] 曹军威，孟坤，王继业.能源互联网与能源路由器[J].中国科学：信息科学，2014，44(6)：714-727. Cao Junwei，Meng Kun，Wang Jiye.An energy internet and energy routers[J].Science China Information Sciences，2014，44(6)：714-727.

[10]Habachi O，Hsien-Po S，van der Schaar M，et al.Online learning based congestion control for adaptive multimedia transmission[J].IEEE Transactions on Signal Processing，2013，61(6)：1460-1469.

[11]De Mello M O M C，Borges V C M，Pinto L D L，et al.Load balancing routing for path length and overhead controlling in Wireless Mesh Networks[C].IEEE Symposium on Computers and Communication，Funchal，2014：1-6.

[12]陈彬，于继来.电力网络拓扑分析与源流路径链生成算法[J].电力系统及其自动化学报，2012，24(1)：25-31. Chen Bin，Yu Jilai.Algorithm of power network topology analysis and path chain generation[J].Proceedings of the CSU-EPSA，2012，24(1)：25-31.

[13]Barabasi A L，Albert R，Jeong H.Mean-field theory for scale-free random networks[J].Physica A：Statistical Mechanics and Its Applications，1999，272(1-2)：173-187.

[14]Chen S，Huang W，Cattani C.Traffic dynamics on complex networks：a survey[J].Mathematical Problems in Engineering，2012，20(12)：35-43.

[15]Yan Gang，Zhou Tao，Hu Bo.Efficient routing on complex networks[J].Physical Review E，Statistical，Nonlinear，and Soft Matter Physics，2006，73(4 Pt 2)：046108.

[16]Zhang Guoqing，Wang Di，Li Guojie.Enhancing the transmission efficiency by edge deletion in scale-free networks[J].Physical Review E，Statistical，Nonlinear，and Soft Matter Physics，2007，76(1 Pt 2)：017101.

[17]Liu Jianguo，Ren Zhuoming，Guo Qiang，et al.Node importance ranking of complex networks[J].Acta Physica Sinica，2013，62(17)：178901.

[18]Tang Ming，Zhou Tao.Efficient routing strategies in scale-free networks with limited bandwidth[J].Physical Review E，Statistical，Nonlinear，and Soft Matter Physics，2011，84(2 Pt 2)：026116.

[19]Arenas A，Díaz-Guilera A，Guimera R.Communication in networks with hierarchical branching[J].Physical Review Letters，2001，86(14)：3196-3199.

Research on Routing Strategy for InterGrid

LinChuanZhaoHaiLiuXiaoLiHequnXuJiuqiang

(College of Information Science and Engineering Northeastern University Shenyang 110819 China)

The InterGrid aims at facilitating large-scale utilization and sharing of renewable energy by integrating renewable energy and Internet technologies.For the large-scale and frequent transmission of the energy flow and the information flow in InterGrid based on energy routers and micro grid，there is a routing problem.Based on the complex network theory，three routing strategies simulated in an ideal routing model of InterGrid are given，which focus on different routing problems of the energy and information flow under three practical considerations.Firstly，a routing strategy based on assigning weight for the edge is proposed to solve the problem of energy transmission congestion.And then，a routing strategy based on the load of adjacent node is presented aiming at the problem of energy load balancing.Besides，a united routing strategy for the InterGrid is proposed which considers both energy transmission congestion and energy load balancing.The simulating experiments illustrate the effectiveness of our proposed routing strategies.

InterGrid，energy router，micro-grid，complex network，routing strategy

国家自然科学基金(60973022)，国家项目支撑计划课题(2012BAH82F04)资助项目。

2015-02-14 改稿日期2015-03-07

TM711；TM743

林 川 男，1988年生，博士，研究方向为互联网宏观拓扑结构复杂性，新型电力网络结构。(通信作者)

赵 海 男，1959年生，教授，博士生导师，研究方向为嵌入式技术、复杂网络、普适计算、信息融合和计算机网络。