基于WSNs的智能楼宇能耗监测管理系统研究

骆东松，吕朝磊

（兰州理工大学 电气工程与信息工程学院，兰州 730050）

随着我国经济的迅速发展，楼宇的能耗问题日益突出，绿色节能工程迫在眉睫。传统楼宇能耗监测管理系统一般采用有线通信网络进行数据采集，但其现场布线工程量大、组网不灵活、成本高等问题明显制约了现代化楼宇能耗监测技术的发展。与传统有线网络相比，无线传感器网络WSNs技术具有体积小，重量轻，功耗低，价格便宜，工作寿命长，无线通信可灵活便捷部署等优势，但仍存在诸如网络节点能量受限、节点数量众多、数据冗余等亟待解决的问题，面临着高可靠传输、精确监测控制等更高的要求。无线传感器网络领域中的能耗问题是人们研究的重点也是难点。对此，文中提出了基于WSNs技术的智能楼宇能耗监测管理系统，通过软硬件相结合实现了楼宇能耗数据的实时监测；分析了一种基于蚁群算法的无线传感器网络节点优化算法。该算法通过实验仿真有效地实现了网络能量均衡，延迟了WSNs的生命周期，提高了楼宇能耗监控系统数据传输可靠性。将新兴的无线传感器网络应用于楼宇能耗监测管理系统，可以有效地克服传统有线楼宇能耗监测管理系统的诸多缺点，对于楼宇智能化的实施具有实用价值与应用前景。

1 系统结构设计

1.1 系统设计目标

楼宇能耗监测管理系统的主要设计目标是在楼宇内部署一个基于无线传感器网络的系统，及时掌握楼宇内各种耗能设备的工作状态，实时采集楼宇内用电、用水、用气等能耗数据和温度、湿度、光强等环境参数，并对其进行系统的分析与处理，为政府部门实施节能措施提供科学依据。

1.2 系统需求分析

楼宇能耗监测管理系统的功能需求有：①实时采集与监测建筑能耗数据；②无线传感器网络与互联网融合；③实时数据图形化呈现；④处理与保存建筑能耗数据。

该系统的性能需求有：①实时性；②开放性和扩展性；③安全性；④稳定性。

1.3 系统总体结构

与无线传感器网络进行通讯时，所设计的系统平台能够连接用户网络收集到用户的信息和需求，从而将用户、能耗设备和环境的信息进行互通，实现用户和能耗设备以及环境三者的有机统一。根据楼宇内环境特点和应用需求，采用如图1所示的总体结构实现楼宇能耗监测管理系统，整个系统主要由ZigBee智能采集终端、无线传感器网络、互联网和监控中心等4部分组成。

图1 系统总体结构Fig.1 Overall structure of system

系统在楼宇楼道、各房间设置汇聚节点，以能量监测装置作为传感器节点即单个节点，它采用自组织方式进行组网，并利用无线通信技术进行数据转发，节点都具有数据采集与数据转发双重功能。节点对本身采集到的信息和其他节点转发给它的信息，进行初步的数据处理后，以相邻节点接力传送的方式传送到位于楼层底部或中部的汇聚节点，再经汇聚节点处理后通过楼宇内网方式发送到监控中心。

2 系统硬件设计

文中以支持ZigBee协议的CC1101芯片作为无线传感器模块。楼宇能耗实时无线监测节点由微处理器模块、传感器模块、存储器模块、无线通信模块、电源模块等组成，如图2所示。

图2 传感器网络节点结构Fig.2 Sensor network node structure

传感器节点基本靠电池供电，主要负责采集数据和一定的转发相邻节点数据的任务，使其大部分时间处于休眠状态可以延长节点的寿命。汇聚节点不仅需要采集数据，还负责网络建立与发出各种命令，汇聚终端节点、传感器节点发送过来的数据并上传至监控中心。所以，硬件设计上需要增加存储器并采用电源供电，这样可以有效地维护系统的稳定性和可靠性。

3 系统软件设计

由于传感器节点能量有限，因此必须有效地均衡网络能量，延长WSNs的生命周期，提高数据的可靠。

在此，首先分析影响WSNs能耗的主要因素和现有节能技术基础，进而提出利用无线信道能耗衰减模型，通过改进蚁群算法对无线传感器网络节点进行静态优化并部署策略。该策略能更好地优化无线传感器网络节点在复杂二维地理环境中的静态部署，并且有效地节约网络的能耗，提高无线传感器网络的使用寿命。

3.1 WSNs节点的能量消耗分析

WSNs整个网络运行时，采用无线收发采集数据和控制数据，其能量主要消耗在节点的无线射频前端通信部分，处理器和存储器也占一小部分，如图3所示。由图可见，节点在通信时能量消耗由大至小的模式分别为发送模式、接收模式、空闲模式、睡眠模式。由此推断，如果合理地将节点多模式工作引入WSNs的能量动态管理中，可以有效地减少能量消耗。

图3 WSNs节点的能耗分布Fig.3 Energy consumption distribution of WSNs nodes

为了深入理解节点多种工作模式实现有效节能的条件。文中采用节点在自由空间的无线传输能量损耗模型[1]，如图4所示。

图4 无线传输能量损耗模型Fig.4 Wireless transmission energy consumption model

所做的推导过程如下：

1）如图5所示，节点为节约能量在t1时刻，从激活的空闲侦听模式花费tdn时间，转换到睡眠状态。节点维持睡眠状态直至下一事件的发生时刻tevnt，如果WSNs节点在时间段t1～tevnt的空闲侦听则所消耗的能量Eact为

图5 WSNs节点空闲模式与睡眠模式切换能量消耗Fig.5 WSNs node idle mode and sleep mode switching energy consumption

2）为便于分析，假设节点从激活空闲状态切换到休眠状态的τdn时间段内，平均功率消耗为（Pact+Pslp）/2，在时间段t1～tevnt至少消耗能量 Emin为

3）由式（1）和式（2）可得，WSNs节点通过模式转换所节省的能量Esav为

4）如果在时刻tevnt，节点接收的唤醒指令经过tup时间后，节点运行达到空闲侦听状态，则在此时间内消耗的能量Eoh为

5）基于所选择的工作转换模式下节点的节能最优化准则，所节省的能量与消耗的能量应满足的准则为

为便于从时间的角度解释节点模式转换节能条件，式（5）可等价为

由式（6）可知，频繁动态功率模式管理是有时间限制条件的，即需要满足一个确定的时间长度，否则不能达到节能的效果，甚至会增加更多的能耗。

3.2 节点的最优化部署

在分析WSNs节点能量消耗的基础上，提出有障环境中基于蚁群算法优化部署无线传感器网络节点的方法，很好地实现节点部署线路的规划设计[2]。采用蚁群算法，结合分割点之间数据传输能耗权值矩阵和分割点坐标进行搜索计算，找到最佳的部署线路并绘图，计算线路上整个能量消耗，以达到节约无线传感器网络能量的目的。

文中对蚁群算法的应用是基于蚁群算法的静态无线传感器节点部署。蚂蚁系统可分为三大模型[3]，分别是蚁密系统（ant-denstiy system）、蚁量系统（ant-quantity system）、蚁周系统（ant-cycle system）。它们均属于蚂蚁优化ACO（ant colony optimization algorithms）算法。在此选用蚁周系统。无线传感器网络节点在有阻挡环境中部署，进行静态优化部署的最终目标是减少无线传感器网络的通信能耗，而对节点的通信路径长度的缩短部署非常困难，经过长时间的研究与分析，设计出节点的最优化部署——蚁群算法节点路径部署优化流程，如图6所示。

图6 蚁群算法节点路径部署优化流程Fig.6 Optimization flow chart of node deployment of ACO

部署节点方式中节点之间的平均距离差距较小时，部署节点的数量越少则整个网络的传输能耗节约越多。简而言之，在部署节点时，既要缩短整个网络的传输路径，又要减少部署节点的数量，最终使得能耗节约达到最大化。

4 测试数据结果与分析

设定部署环境中，网络相邻节点之间的距离Lmax=35，使用无线传感器网络中比较常见的ZigBee协议下CC1101模块的无线载频2.4 GHz，其参数设置为hTra=0.4 m，hRec=0.4 m，L=1；通过载波波长公式，计算出波长λ=0.125 m。将这些参数代入收发能耗判断阀值即d0=40.192，然后通过大量试验计算，设置能耗模型参数值为

对于实际工程环境，通过地理测量得到平面地形分布图。文中通过实验法设置传感器节点坐标和簇首坐标，对自由空间巷道进行相邻线段可视分割，从而获取分割点坐标。利用蚁群算法进行优化，设置蚁群算法参数如下：信息素积累因子α=1，启发信息影响因子β=2，信息素蒸发系数ρ=3，信息素增强系数Q=30，最大迭代次数k=100，每代蚂蚁个数m=30，对新路径探索控制参数q0=0.85。蚁群算法平均路线长度收敛曲线如图7所示，可见基于该蚁群算法的收敛性良好。

图7 蚁群算法平均路线长度收敛曲线Fig.7 Convergence curve of average route length of ACO

综上，文中所提蚁群算法的优化效果很好，也就是，蚁群算法优化部署能够很好地节约无线传感网络能耗，延长其使用寿命。

5 结语

应用WSNs技术实现了楼宇能耗无线实时监测管理系统。该系统具有使用方便，易于维护与扩展，灵活可靠等优点，且具有很强的实用性。针对WSNs技术中数据可靠性传输问题，提出了有障环境中基于蚁群算法优化部署无线传感器网络节点的方法，实现了网络能量均衡，延长了WSNs的生命周期，防止因传感器节点过早死亡而引起的数据丢包，提高了楼宇能耗监测管理系统的数据传输可靠性，对研究当代智能楼宇能耗监测管理的应用具有一定的参考和指导意义。

参考文献：

[1]Liu T，Leskes M，Yu W，et al.Cycling Li-O2 batteries via LiOH formation and decomposition[J].Science，2015，350 （6260）：530-533.

[2]牛星，李捷，周新运.无线传感器网络节点能耗测量及分析[J].计算机科学，2011，39（2）：84-87.

[3]Azhar Mahmood.A Hybrid Method for Mining Wireless Sensor Networks Data[D].Wuhan：Huazhong University of Science and Technology，2013：2-12.