智能配电网通信多信道调度策略

鲍兴川，彭 林

(全球能源互联网研究院信息与通信研究所，南京210003)

(* 通信作者电子邮箱 baoxingchuan@geiri．sgcc．com．cn)

0 引言

为了保证智能电网应用中的服务质量(Quality of Service，QoS)［1－3］，在通信干扰方面，往往通过多信道通信来克服无线射频干扰影响［4－5］，这样既保证了多信道通信，也提高了智能电网中的服务质量，而在延迟上，通过采用并行传输方式以提高网络的整体性能［6］;但是随着智能电网的发展，电网应用对于服务质量的要求变得越来越高，使得大多数通信技术(如表1所示)并不能完全保证电网应用中所要求的服务质量，这就需要一个可靠、高效的通信架构来为将来智能电网的应用提供令人满意的通信服务［7］。但是不同通信架构针对的通信延迟要求也是不同的［8］，加之通信设备间数据通信的网络流量负载和数据类型的不断变化［9］，使得时间因素成为了目前智能电网数据收集的关键因素。

智能的信道分配策略是目前对抗信道干扰最有效的途径:Musham等［10］提出在电网中使用一种邻近优化信道分配算法(Near-Optimal CA algorithm for Grid WMN，NOCAG)，以缓解多信道传输时信道干扰的影响;Suryawanshi［11］提出构建一种对抗信道干扰负载过大导致数据丢失的多信道通信模型并尽可能恢复因信道干扰丢失的数据;Naragund等［12］提出通过一种基于网络节点信道信息收集构建的路由树来进行信道分配，从而更加有效对抗干扰。

然而，影响传感器网络QoS性能的不仅仅是来自无线射频的干扰，同时还受到网络拓扑结构的影响，而且对于各种对抗信道干扰而进行的多信道分配策略中，不同的数据包对应的延迟要求也是不同的。为了进一步满足配电网感知应用中QoS需求，本文在保证对抗信道干扰的基础上，针对数据优先级的信道调度策略提出了基于最小跳数生成树的链路路由算法(Link routing algorithm Based on Minimum Hop Spanning Tree，LB-MHST)。根据无线传感器网络(Wireless Sensor Network，WSN)自身的网络特性和实时的链路状态，构建最小跳数生成树，再由数据传输时信道的可用状态结合父—子节点间的信干噪比(Signal-to-Interference plus Noise Ratio，SINR)值，对配电网通信信道进行分配，并且在信道分配期间充分考虑了数据的优先级，最终不仅保证了配电网良好的抗干扰性，而且还减少了配电网的传输延迟，进一步综合满足了配电网对数据传输的QoS要求。

表1 现有的无线传感网QoS感知路由协议对比Tab．1 Comparison of existing QoS aware routing protocols in wireless sensor network

1 配电网信道调度以及主站通信模型

1．1 信道调度模型

在研究过程中，使用对数正态分布阴影模型对智能电网环境中真实的信道情况进行建模。根据相关研究［20］，上述模型可以用在具有干扰的无线电传播环境当中，例如智能配电网状态感知环境。本文在实验模型中设置距离发射器d处的路径衰落为:

其中:PLd0→d是离发射器的距离为d处的路径衰落，单位为dBm;PL(d0)为参考距离d0处的路径衰落;η路径衰落系数(本文η为2．42);Xσ是均值为0、标准偏差为σ的高斯随机变量(本文 Xσ为3．12)。

针对智能电网中无线传感网对高链路质量的需求，本文基于接收器的信道调度(Receiver-Based Channel Assignment，RBCA)算法［21］的良好抗干扰性，结合WSN自身的网络特性，在后期的时间间隙分配上和多分支并行传输调度上考虑了数据的优先级，最终提出了一种根据数据优先级来划分信道的调度算法，即基于最小跳数生成树的链路路由算法，达到了减少了配电网传输的延迟的目的，进一步满足了在复杂环境中配电网对数据传输的QoS要求。

LB-MHST算法把WSN中的sink节点作为根节点，根据实时的链路状态，构建最小跳数生成树，从而使得每一个连接到sink节点的子树的链路成本小于预先设定的值。然后，基于数据优先级的信道调度算法，其流程如图1所示。构建好路由树，再利用基于时分复用(Time Division Multiple Access，TDMA)的多信道调度算法计算最小调度长度，并根据节点之间的射频干扰(Radio Frequence，RF)状态实行信道分配，即若节点之间的SINR超过预定的阈值，才可以向这些节点分配信道。

1．2 配网主站通信模型

配电网主站的作用是对下游传感节点搜集上来的数据进行集中的分析处理。新一代的智能配电网主站系统需要支持配电生产、调度、运行及用电等业务的闭环管理，以保证配电网的安全，为经济指标综合分析以及辅助决策提供服务［22］。主站的通信配电网感知系统的通信模型如图2所示。显然，通过对电网中的数据传输根据优先级进行调度，可以大大减少配电感知系统主站层与感知层的实时通信延迟，以此提高电网的故障诊断和“自愈”的速度，增强电网运行的稳定性。

图1 基于数据优先级的信道调度算法流程Fig．1 Flow chart of channel scheduling algorithm based on data priority

图2 配电网感知系统的通信模型Fig．2 Communication model of distribution network sensing system

2 本文算法

为满足复杂环境的配电网中数据传输的QoS需求，本文把基于优先级的信道调度策略分为两部分。首先根据实时的信道链路状态信息，在RBCA算法的基础上，提出改进的信道分配算法。如算法1所示，先找出路由树中活跃的父节点，然后再对其分配信道。根据配电网数据的延迟要求，把需要转发的节点数据包分为三个等级，根据不同的数据优先级，提出数据传输算法，如算法2所示。结合上述两种算法，最终实现基于数据优先级的信道分配与数据传输，以提高配电网中感知节点的数据传输效率。

2．1 链路状态感知信道调度算法

在算法1中，节点之间的干扰链接是根据节点之间的SINR值来确定的，并且迭代地为父节点分配信道，输出信道分配矩阵。

算法1 信道调度算法。

算法1中，用parentS表示父节点集，interfP表示受干扰的父节点，sm表示信噪比矩阵，阈值指的是干扰信噪比阈值。

如图3所示，初始化父节点之后要遍历所有的父节点，逐一比较信干噪比阈值，然后遍历节点进行分类。在图3所示流程的新父节点设置上，按照图4所示示例调度，假设通信节点A为父节点，且节点B、C处于节点A的通信半径范围内，当A发送数据时计算出A与B、C之间的信噪比值，如果节点之间的SINR值大于设定的阈值，则为这两个节点分配信道。此时数据根据分配到的信道进行传输完毕以后，再根据算法2中的数据优先级方法(假设C数据优先级大于B)，处于节点C的通信半径的节点E接收节点C的信息，设置其父节点位为C，迭代循环依次为父节点分配传输信道。

图3 信道调度流程Fig．3 Flow chart of channel scheduling

图4 信道调度示意图Fig．4 Diagram of channel scheduling

本文中，时间间隙的分配是在信道分配给父节点以后进行的。在时间间隙上，要事先找出所有正在通信的节点，再在目前正在通信的节点中检查是否存在进行数据通信的父节点，根据通信的父节点找出通信子节点，实现节点的分配信道传输。

2．2 基于优先级的数据传输算法

本节提出一种延迟感知数据收集模型，为了体现服务差异，根据不同的数据流类型发送不同的数据包，实现了服务的差异化。如表2所示，为延迟敏感的包(如紧急应答包)赋予高优先级;为非实时的数据包(如周期性控制包)赋予中优先级;为其他的数据包赋予低优先级。为了简化复杂度，将流量分为:实时流量(Real-Time，RT)、非实时流量(Not Real Time，NRT)和最大投递流量(Best Effort，BE)流量。在算法2中，将节点的父集、活跃节点、分组接收速率(Packet Reception Rate，PRR)、总循环次数和跳数作为输入，然后通过服务优先级的调度算法，实现实时数据包的优先传输以及延迟感知数据传输。最后输出三种优先级的流量(RT，NRT，NE)的延迟。

表2 流量负载Tab．2 Traffic load

算法2 延时感知数据收集算法。

输入 父亲节点集合parentS，活跃节点nid，总循环次数round，跳数 nnodes。

输出 RT，NRT，BE数据包的延迟。

1) 初始化

2) 根据优先级发送数据包

3) for(t∈round){

4) for(nid∈nnodes){

5) 第nid个活跃节点的RT/NRT/BE数据包分别赋值给RT/NRT/BE Packets

6) 各个节点把数据包传输到sink节点

7) 如果nid的父节点的PRR值大于阈值，则执行8)

8) 如果nid的跳数为1，则执行9，否则执行11)

9) 分别按照RT/NRT/BE三个优先级来计算nid的时延

10) 节点通过中间节点把数据传到sink节点

11) 把nid节点的父节点赋值给三个优先级的节点集合，再跳到9)

12) }

13)}

14)当所有活跃节点数据传输完毕，或到循环次数，结束

在算法2中，节点接收数据包的速率PRR根据编码方式可以分为两种:

第一种是不归零编码(Non Return Zero，NRZ)方式:

第二种是secded编码方式:

其中:Pb是指调制方式，PL是指离发射器d处的路径衰落，fL是指框架尺寸。这里，算法2可以选择三种调制方式:振幅键控(Amplitude Shift Keying，ASK)、频移键控(Frequency-Shift Keying，FSK)和偏置正交相移键控(Offset Quadrature Phase Shift Keying，O-QPSK)。故对应相干解调时的误码率分别为:

其中:Eb/N0为每比特能量与噪声功率谱密度且Eb/N0表示为标准噪声误差函数，可表示为Q(x)=0．5*为 信 噪比，式(4)和式(5)中的BN是指Mica2收发器芯片的噪声带宽，R指Mica2上的数据传输速率。

3 仿真模型

3．1 应用场景

在智能电网中，不同应用对于通信延迟的要求是不同的。比如，应急响应通常是用来预测问题的发生，故需要在有效时间内及时传送紧急信息包以最大限度地减少运行中的电网问题，而消耗数据包对时间的要求就没有那么严格。因此，本文根据延迟要求将数据包类型的优先级分为三类:为紧急分组(称为实时流量(RT))赋予最高优先级;为包括温度、压力、消耗统计的数据包都被赋予第二优先级(被称为非实时(NRT));第三类是控制包(被称为最大能力投递流量(BE))。本文根据流量优先级对流量进行的分类，考虑了两种主要场景:

1)在第一个场景中，根据数据流的优先级对其进行分类，对多信道调度进行评估。

2)在第二个场景中，分别对高网络负载和低网络

对两种负载情形下的最大能力数据性能进行仿真评估。

3．2 仿真实验参数

本文使用基于Matlab的网络仿真器对所提出的算法进行验证评估，并使用不同的种子进行上百次实验。实验中部署了大约120节点，且所部署的200 m×200 m区域由一个源节点搜集信息。实验分别使用了不同数量(1，8，16)的信道对所提出的多信道调度算法进行仿真评估。此外，还利用对数正态阴影传输模型中的路径损耗和阴影偏差参数来模拟智能电网中的实际信道条件，具体相关参数如表2所示。对于网络协议的延迟性能，使用表3所示的低网络流量负载和高流量负载环境进行测评。本文使用的所有仿真参数如表3所示。

表3 仿真参数Tab．3 Simulation parameters

4 仿真实验

基于现有的无线传感器网络平台，本文实验使用该平台中智能配电网的信道参数对所提算法进行性能评估。

实验1 信道数量对网络延迟的影响。

预先设置性能评估中所需的无线电参数，实验方案如表5所示。

表5 仿真实验中的无线电参数Tab．5 Radio parameters in simulation experiment

4．1 信道数量对网络延迟的影响

如图5所示，不同的信道数量对数据包(包括RT、NRT、BE)的传输延迟的影响不同。在单信道传输时，RT类型数据包的传输延迟要明显低于NRT、BE类型，且在图5(a)中，当处于低流量负载时，实验中三种类型的数据包延迟随着信道数量的增加而减少。由于提出算法延续了MHST算法服务区分机制，所以携带RT业务的高优先级信道要优于承载NRT和BE数据流的低优先级信道;此外，实验在建立数据传输路径时考虑了实际的信道情况和链路质量的变化情况，所以与MHST最小跳数生成树路由算法相比，最小跳数生成树的链路路由算法可以更有效地减少三种类型的数据包传输延迟。

在不同流量负载下LB-MHST算法的性能不同，如图5(b)所示，当RT分组数量增加时，LB-MHST以及MHST算法仍可以满足RT数据包的延迟要求，但导致了NRT、BE分组通信延迟的增加。在实际通信中，由于NRT和BE数据包并不是数据传输的关键数据包，所以其通信延迟的增加并不会影响本文的性能评价。

图5 两种不同路由算法性能对比Fig．5 Performance comparison of two different routing algorithms

实验2 多信道调度算法的延迟感知性能。

通过实验2，展示了多通道调度对路由算法延迟性能的影响。重点研究了基于优先级的延迟感知调度算法对于数据传输延迟的影响。从实验1可以看出，在多信道调度时，各种类型的数据包传输延迟都有着明显的改善，而为了进一步减少数据的传输延迟，本实验结合算法2对基于优先级的延迟感知调度算法将在数据传输延迟方面的影响进行讨论。

从图6(b)中可以看出，在高流量负载的单信道和多信道传输下，具有延迟感知调度的传输延迟性能要明显优于无延迟感知调度。对比图6可以看出，与MHST算法相比，在单信道调度时，LB-MHST算法将延迟性能提高了12%，8信道时延迟性能提高了15．2%，16信道时延迟性能提高了18%。从实验结果中可以看出，LB-MHST算法可以进一步减少数据的传输延迟。

4．2 各信道调度对配电网通信主站影响

在本节中，分析了节点信道调度策略对电网通信主站性能的影响。为了验证算法提高主站的通信效率，实验对比了在主站实时通信的过程中使用了两种算法后通信主站每秒处理的数据包数量。

图6 不同负载下延迟感知调度性能对比Fig．6 Performance comparison of delay aware scheduling under different loads

如图7所看出，本文算法能够提高主站数据包处理效率，原因是路由选择考虑了数据包的优先级，有效控制了配电网感知网络的拥塞风险。

图7 多信道调度对电网主站的性能影响Fig．7 Effect of multi-channel scheduling on master station performance

5 结语

现场实测表明，在智能配电网的基础设施应用中低功耗无线通信会由于恶劣并且复杂的电网环境而存在噪声、干扰、连通性差和衰落等问题。为了解决上述问题，本文提出了链路质量感知路由算法(LB-MHST)，并针对不同数据包的延迟要求，利用数据优先级传输，进一步满足配电网中的QoS性能要求。此外，还分析了所提出的算法对电网主站实时通信的影响。通过大量的仿真实验，表明了所提出算法可以有效减少智能电网环境中的通信延迟。未来，将对本文所提出算法在更加恶劣的智能电网环境中WSN的多信道调度作深入的调研，并研究如何把本文提出的调度策略与加权公平调度方案结合起来，以满足在不同的智能配电网应用场景中的公平性要求。