面向电网监测的无线传感器网络关键技术研究

李 婧, 温 蜜, 薛 梅

(上海电力学院 计算机科学与技术学院, 上海 200090)

面向电网监测的无线传感器网络关键技术研究

李 婧, 温 蜜, 薛 梅

(上海电力学院 计算机科学与技术学院, 上海 200090)

电网监测的WSN中存在网络路由路径单一、负载不均衡、生命周期短和可维护性差等问题,因此引入局部压缩感知和低占空比机制对其网络性能进行优化.对面向电网监测的无线传感器网络中存在的关键技术进行了详细分析,并具体阐述了国内外对于该领域的研究现状及进展,提出针对局部压缩感知数据的有效恢复、低占空比机制中精确时间同步、电网监测环境下传感器网络的最优化配置等3个关键问题的研究,可以延长电网监测WSN的整体生存时间,为电网监测提供有QoS保证的数据采集与传输,推动WSN在电力系统成功应用.

压缩感知; 电网监测; 无线传感器网络; 低占空比

随着智能电网建设规模的不断增加,系统的复杂性不断提高,加之自然灾害频繁发生,电网的安全运行和电力供应的可靠性变得尤为重要.传统的电网输电线路安全主要依靠人力巡检,运行效率低,周期长,更缺乏实时的监测手段,无法反映线路的真实状态.电网的输电线路监测具有分散性大、距离长、难以维护等特点,对于很多布置在偏远山区的输电塔,采用有线网络传输方式的施工成本高,线路布局困难而难以实现.而无线传感器网络(Wireless Sensor Network,WSN)技术的发展,使电网输电线路状态的实时监测成为现实,从而使电网运行于可视可控之中.

采用无线传感器网络对高压输电线路的监测主要包括输电线路的温度监测、绝缘子漏电监测、线路覆冰监测、输电塔的倾斜度监测，以及塔边的风速和雨量等气象信息监测.对电网的输电线路进行实时的状态数据采集,为电网的管理人员提供更全面、完整的电网运行数据,有助于确定决策系统控制实施方案和应对预案,提高电力系统的运行效率,及时发现故障隐患,提高输电可靠性,保障电网的运行安全.

与一般WSN不同,面向电网监测的WSN具有节点局部密集、感知数据稀疏、网络维护困难等特点,因此很多问题更突出,如路由路径单一、负载不均衡、网络生命周期短、可维护性和可靠性差等.

根据以上电网监测WSN的特点,为了确保电网监测数据的实时传输,需要建立稳定可靠的无线传感器网络,本文拟将压缩感知(Compressed Sensing,CS)概念[1]和低占空比(Low-Duty-Cycle)机制[2]引入电网监测的WSN,对其网络性能进行优化.根据CS理论,只要信号在某些基上能稀疏表示,就可以通过少量随机线性观测值来重构该信号.而我们所提出的局部压缩感知(Regional Compressed Sensing,RCS)是指在无线传感器网络监控的场景中划分可重叠区域,某个特定的传感器可以从属于两个或两个以上区域,属于一个区域的传感器节点将采用压缩感知的方式向数据采集点发送数据.因此,将局部压缩感知技术引入的目的是在获得显著数据压缩效果的同时,解决“热点”现象问题,从而大大降低数据处理的算法复杂度和能量消耗,延长网络的整体生存时间.而采用Low-Duty-Cycle的传感器节点会阶段性地睡眠,节点处于睡眠状态时,会关闭其他所有的功能模块,仅留下一个计时器,以备将来唤醒自己.一旦醒来,即可与邻节点进行数据的发送和接收.该模式减少了节点监听的时间,从而减少了相应的功率消耗,达到了有效节约节点能量的目的.

采用局部压缩感知和Low-Duty-Cycle机制,对面向电网监测的无线传感器网络性能进行优化,不仅能延长无线传感器网络的生存时间,而且能为电网监测提供有QoS保证的数据采集与传输服务,这对WSN在电力系统的成功应用起到有效的推动作用.

1 面临的挑战

由于面向电网监测的无线传感器网络具有特殊性,我们采用局部压缩感知和Low-Duty-Cycle机制对其性能进行优化,可以在保证节点数据采集率的前提下,尽可能节约能量,解决“热点”现象问题,提高网络的生存周期,优化网络的配置.但这也给面向电网监测的无线传感器网络带来了新的技术难题,提出了不少挑战性问题.

(1) 电网监测WSN的局部压缩感知数据有效恢复困难.现有的研究表明,使用局部压缩感知可以有效提高网络的数据采集率,延长网络生存时间.基于该理论,可以利用电网监测WSN感知数据的稀疏特性,在远小于Nyquist采样率的条件下,用随机采样的方式获取感知数据的离散样本,然后通过非线性算法重构感知数据.采用局部压缩感知技术,大幅减少了每个节点发送的感知数据包数量,降低了sink附近节点的能量消耗,并且每个中间结点只需做简单的线性运算,大大降低了数据处理的算法复杂度和能量消耗.但此方法只对一维网络有效,而对于最常见的二维网络,却无法在感知数据包发送数量不变的前提下,保证感知数据的有效恢复.在电网监测环境下,绝大多数都是二维或三维网络,如何针对电网监测无线传感器网络,提出有效的感知数据恢复方法,是一个全新的技术难题.

(2) Low-Duty-Cycle机制下,WSN的精确时钟同步问题.在采用Low-Duty-Cycle的无线传感器网络中,为避免数据发送失败或传输延迟过大,邻居节点间的同步是一个必要条件.传统的时间同步是通过广播消息来对多个接收者进行时间漂移的补偿,但是在Low-Duty-Cycle机制中,广播的方式将不起作用,需要研究适合Low-Duty-Cycle模式下WSN的时间同步协议.另外,电网监测WSN对时钟同步精确度有很高的要求,需要在设计时钟同步机制的同时,考虑各种因素(包括电网监测的应用场景等)对时钟同步的影响,以提高同步的精确度.在Low-Duty-Cycle机制中,如何实现精确的时钟同步,是电网监测WSN有待解决的一个重要问题.

(3) 在电网监测环境下,如何解决冲突,实现WSN的最优化配置.在电网监测WSN中,采用局部压缩感知和Low-Duty-Cycle机制,实现网络的最优化配置,存在一些冲突.首先,基于局部压缩感知的电网监测WSN,网络吞吐量和时延存在冲突.有研究表明,大规模网络吞吐量的提高会导致网络时延的增加[3],二者之间的关系如何变化尚不明确.其次,在Low-Duty-Cycle机制中,如何设置合适的占空比,仍然是一个富有挑战性的问题.如果将占空比设置过低,当节点在较短的活跃时间段内醒来时,可能会出现多个传感器节点同时向该节点发送数据的情况,从而引起数据包冲突.而且需要花费更长的时间等待网络形成一个期望的拓扑结构来提供常见的网络操作,这也使得系统对于监测事件和事故的响应时间变长.如果将占空比设置过高,虽然可以保证网络的传输性能,但无法兼顾节能的目的.同时,还会造成网络通信负载的不均衡分配,导致网络的生存时间缩短.因此,针对上述冲突问题进行研究,实现传感器网络的最优化配置,使得电网监测无线传感器网络既能使生存时间得以延长,又能保证良好的网络性能,这是电网监测WSN能够成功实施的关键.

2 国内外研究现状及发展动态

近几年,国内外针对电网监测的无线传感器网络进行了一些研究,提出了不同的实现思路和应用模型,并取得了一定的研究成果.文献[4]设计了一个电网输电线路监测无线传感器网络的分层通信拓扑结构,并对采集数据进行多信息集成和融合,从而实现了对输电线路故障的实时监测.文献[5]在抄表系统中利用无线传感器网络 ZigBee技术,完成了无线远程集中抄表功能.文献[6]提出了一种基于无线传感器网络的配电线路故障定位算法,运用配电线路故障定位原理实现故障的精确定位.文献[7]构建了一套基于无线传感器网络的冰灾监测预警机制.

2.1 基于压缩感知的无线传感器网络技术研究进展

以上研究成果中所提出的压缩感知技术主要针对一维(线状)的WSN有效,而对于二维WSN的性能提高不一定有效.这是由于二维WSN的数据采集节点有多个邻居节点(假设为a个),如果每个节点都发送M个数据包,那么数据采集节点将收到aM个数据包,而aM有可能大于N.若面向电网监测的WSN是二维或三维网络,则无法直接运用已有的研究成果.

2.2 基于Low-Duty-Cycle机制的无线传感器网络技术研究进展

目前,国内外研究者针对Low-Duty-Cycle无线传感器网络的研究工作主要集中在节能高效网络的设计、生存时间最大化等方面.由于能源的有限性和高需求之间的矛盾越来越明显,研究者已经开始认识到在Low-Duty-Cycle无线传感器网络中保持较低的占空比的重要性.文献[18]提出了一种广播传输方法,其中传输过程是根据接收者的控制消息所标明的信息进行调度.文献[19]采用投机性的Flooding机制,实现了延迟和能源方面的高效率.文献[20]提出了一种Flooding方案,从而减少了能源消耗.文献[21]设计了一个动态数据包转发机制,优化了采集数据时消耗的能量.文献[22]提出了Dutycon来实现动态的占空比控制,从而获得端到端的延迟最小化.文献[23]研究了Low-Duty-Cycle传感器网络中的多任务调度问题,提出了一种包含性能分析的近似算法,针对实际网络设计了一种分布式的任务调度协议.

Tiny-sync算法[24]和mini-sync同步算法[25]是两个轻量的时间同步算法,通过交换少量的消息就能够提供具有确定误差上界的频偏和相偏.这两个算法的前提假设是,节点的时间是“真实时间”的线性变化,它的时钟偏移和相偏不变,这对于需要长期监测的无线传感器网络来说,很难保证.文献[26]研究了Low-Duty-Cycle传感器网络的时间同步精度.还有很多工作致力于解决时钟不确定性以及缩减时钟同步代价,如在文献[27]中,引入了按需精确同步的思想;文献[28]开发出温度补偿机制来缓和时钟偏移问题;文献[29]通过在每个节点上使用两个不同精度的时钟来维持一个共同的时间.

以上有关时钟同步协议的研究成果,没有考虑内部和外部网络因素对无线传感器网络的影响,同时也未探讨如何设计和实施有效的QoS保证协议,更没有涉及电网监测应用场景对时钟同步的影响.因此,无法解决电网监测Low-Duty-Cycle无线传感器网络精确时钟同步问题.

2.3 无线传感器网络的最优化配置技术研究进展

为了提高Low-Duty-Cycle网络的生命周期性,文献[30]提出了两种算法,通过使用动态的sink来进行数据采集.文献[31]提出使用流动性图表来预测移动用户未来的数据收集位置,避免了静态sink导致的网络寿命过短.SOHRABI K等人[32]提出了一种基于表驱动的 SAR 路由机制,在无线传感器网络中首次提出QoS概念,在确立路由树的同时将每条路径上节点能效与可靠性作为考虑因素.文献[33]中采用基于先验的链路知识选取最优的数据传输路径的静态路由规划技术,具有算法简单、路由决策速度快等特点.但该策略只有当链路发生故障和拥塞后,才会重新选择路径.静态路由规划技术为了提高数据传输的稳定性,必须建立冗余路径的方式,但这种方式会导致网络拥堵、成本开销增大.文献[34]采用动态路由规划技术,基于网络的拓扑变化来预测网络当前的通信状态,而采用动态性路由决策的过程,将会增加数据传输的时间开销.

以上研究成果没有涉及局部压缩感知WSN的网络吞吐量和时延的冲突解决方案,也未给出占空比设置的参考方法,更没有考虑在电网监测的特定环境下,QoS保证的协议设计和最大化网络生存时间的能量均衡问题.

3 结 语

目前，对于电网监测无线传感器网络的研究工作主要集中在不同的应用层面上,缺乏对电网监测无线传感器网络的时延、吞吐量、整体生存时间等性能的研究.而围绕局部压缩感知和Low-Duty-Cycle机制在无线传感器网络的相关研究已提出了很多方法,但还存在很多未解决的问题,且这些研究工作都是针对一般的应用环境或一些WSN实验原型系统来展开研究,很难在大规模WSN的应用中进行推广,也不能直接应用到电网监测无线传感器网络中.因此,基于电网监测无线传感器网络的特点,有必要针对局部压缩感知数据的有效恢复、Low-Duty-Cycle机制中精确时间同步、电网监测环境下传感器网络的最优化配置等方面开展有针对性的研究,从而提高电网监测无线传感器网络的相关性能,推动WSN在电力系统包括智能电网的大规模应用.

[1] CHEN Z,YANGG,CHEN L,etal.Data aggregation scheduling with guaranteed life time and efficient latency in wireless sensor networks[J].China Communications，2012,9(9):11-21.

[2] GANERIWAL S,GANESAN D,SHIM H,etal.Estimating clock uncertainty for efficient duty-cycling in sensor networks[J].IEEE Transaction on Networking，2009,17(3):843-856.

[3] GAMAL A,MAMMEN J,PRABHAKAR B,etal.Throughput-delay trade-off in wireless networks[C]//Proceedings of IEEE INFOCOM,2004:583-587.

[4] CASEY P,JABER N.Design and implementation of a cross-platform sensor network for smart grid transmission line monitoring[C]//Proceedings of IEEE Smart Grid Comm,2011:285-290.

[5] ZHENG G,GAO Y,WANG L.Realization of automatic meter reading system based on zigbee with improved routingprotocol[C]//Proceeding of Power and Energy Engineering Conference,2010:28-31.

[6] 戴莹.无线传感器网络在智能电网中若干关键问题的研究[D].合肥:合肥工业大学,2013.

[7] BAROND D,WAKINM M,SARVOTHAM S.Distributed compressed sensing[R].Rice：Rice University,2006:50.

[8] BAROND D,DURTEM B.Aninformation-theoretic approach to distributed compressed sensing[C]//Proceeding of 43th Allerton Conference on Communication,2005:1-12.

[9] BARON D,DUARTE F,SARVOTHAM S,etal.Distributed compressed sensing of jointly sparse signals[C]//Proceeding of 39th Asilomar Conference on Signals,Systems and Computers,2005:1 537-1 541.

[10] DUARTEM F,WAKINM B,BAROND D,etal.Universald is tributed sensing viarandom projections[C]//Proceedings of 5th International Workshop on Information Processingin Sensor Networks(IPSN′06),2006:177-185.

[11] 胡海峰,杨震.无线传感器网络中基于空间相关性的分布式压缩感知[J].南京邮电大学学报,2009,29(6):12-16.

[12] 吕方旭,张金成,石洪君，等.WSN中的分布式局部压缩感知[J].传感技术学报，2013,26(10):1 446-1 452.

[13] 陈正宇,杨庚,陈蕾,等.基于压缩感知的WSNs长生命周期数据收集方法[J].电子与信息学报，2014,36(10):2 343-2 349.

[14] 黄海平,陈九天,王汝传,等.无线传感器网络中基于数据融合树的压缩感知算法[J].电子与信息学报，2014,36(10):2 364-2 369.

[15] 赵春晖,许云龙,黄辉.基于LU分解的稀疏目标定位算法[J].电子与信息学报，2013,35(9):2 234-2 239.

[16] ZHENG H,XIAO S,WANG X,etal.Capacity and delay analysis for data gathering with compressive sensing in wireless sensor networks[J].IEEE Transactions on Wireless Communications，2013,12(2):917-927.

[17] WANG F,LIU J C.RBS:a reliable broadcast service for large-scale low duty-cycled wireless sensor networks[C]//Proceedings of IEEE ICC,2008:2 416-2 420.

[18] GUO S,GU Y,JIANG B,etal.Opportunistic flooding in low-duty-cycle wireless sensor networks with unreliable links[C]//Proceedings of ACM MobiCom,2009:2 787-2 802.

[19] ZHU T,ZHONG Z,HE T,etal.Exploring link correlation for efficient flooding in wireless sensor networks[C]//Proceedings of USENIX NSDI,2010:4.

[20] GUO S,KIM S,ZHU T,etal.Correlated flooding in low-duty-cycle wirelesss sensor networks[C]//Proceedings of IEEE ICNP,2011:383-392.

[21] WANG X,XING G,YAO Y.Dynamic duty cycle control for end-to-end delay guarantees in wireless sensor networks[C]//Proceedings of IEEE IWQoS,2010:1-9.

[22] XIONG S G,LI J Z,LI M,etal.Multipletask scheduling for low-duty-cycled wireless sensor networks[C]//Proceedings of IEEE INFOCOM,2010:1 323-1 331.

[23] SICHITIU M L,VEERARITTIPHAN C.Simple accurate time synchronization for wireless sensor networks[C]//Proceeding of IEEE Wireless Communications and Networking Conference,New Orleans,LA.March 2003:1 266-1 273.

[24] VAN G J,RABAEY J.Lightweight time synchronization for sensor networks[C]//Proc 2nd ACM Int′l Conf Wireless Sensor Network and Application,San Diego,CA.September 2003:11-19.

[25] KOO J,PANTA R,BAGCHI S,etal.A tale of two synchronizing clocks[J].Proc of ACM Sensyc,2009(1):239-252.

[26] ZHONG Z,CHEN P,HE T.On-demand time synchronization with predictable accuracy[C]//Proceeding of IEEE INFOCOM,2011:2 480-2 488.

[27] SCHMID T,CHARBIWALA,ANAGOSTOPOULOU Z,etal.A case against routing-integrated time synchronization[C]//Proceeding of ACM Sensys,2010：267-280.

[28] SCHMID T,DUTTA P,SRIVASTAVA M.High resolution low power time synchronization an oxymoron no more[C]//Proc.of ACM/IEEE IPSN,2010:151-161.

[29] XING G,WANG T,XIE Z,etal.Rendezvous planning in mobility assisted wireless sensor networks[C]//Proceedings of IEEE RTSS,2007:311-320.

[30] KUSY B,LEE H,WHCKE M,etal.Perdictive qoS routing to mobile sinks in wireless sensor networks[C]//Proceedings of IEEE/ACM IPSN,2009:109-120.

[31] LEE H,WICHE M,KUSY B,etal.Data stashing:energy-efficient information delivery to mobile sinks through trajectory prediction[C]//Proceedings of IEEE/ACM IPSN,2010:291-302.

[32] SOHRABI K,GAO JV.Protocols for self-organization of a wireless sensor network[J].IEEE Personal Communications,2000,7(5):16-27.

[33] LI W H,HAMDI C E.Communication cost minimization in wireless sensor and actor networks for road surveillance[J].IEEE Transactions on Vehicular Technology,2011,60(2):618-631.

[34] MOUSTAPHA A I,SELMIC R R.Wireless sensor network modeling using modified recurrent neural networks:application to fault detection[J].IEEE Transactions on Instrumentation and Measurement,2008,57(5):981-988.

(编辑 白林雪)

ResearchonKeyTechnologiesofWirelessSensorNetworksforPowerGridMonitoring

LIJing,WENMi,XUEMei

(SchoolofComputerScienceandTechnology,ShanghaiUniversityofElectricPower,Shanghai200090,China)

In the WSN of power grid system,there are many practical challenges in the designs of WSN,such as the limited choices of routing paths,imbalanced network traffic,limited life-time of WSN,and the complexity of maintenance.To address these challenges,it is proposed to investigate and optimize the performance of WSNs based on regional compressed sensing (RCS) and low-duty-cycle (LDC) mechanism.The key technologies of wireless sensor networks for grid monitoring are introduced.In addition,the research status and progress of this field at domestic and abroad are described in detail.Three key technologies are proposed including how to realize RCS so that we can reconstruct original data efficiently,how to improve the accuracy of clock synchronization and how to optimize the setting of WSN for real-time power-grid monitoring.With these research topics,it will increase life-time of WSN,supply efficient and QoS guaranteed data collection and translation and facilitate the deployment of smart grid system.

compressed sensing; grid monitoring; wireless sensor network; low-duty-cycle

10.3969/j.issn.1006-4729.2017.04.012

2017-03-09

李婧(1980-),女,博士,副教授,山东海阳人.主要研究方向为网络通信协议,智能电网.E-mail:lijing@shiep.edu.cn.

国家自然科学基金(61572310).

TM764;TN929.5;TP212.9

A

1006-4729(2017)04-0367-05