基于时间敏感网络的风电场通信网时延特性分析

高会生，于文思，韩东升

（华北电力大学电子与通信工程系，河北省 保定市071003）

0 引言

在风电场通信网络中，主要通信技术由以太网及PROFINET技术组成。但传统以太网无法提供有限低时延传输保证[1]，PROFINET网络技术硬件兼容性较差[2]。为保证实时数据高效传输，风电场需要高效统一的通信网络以保障系统高效可靠运行。时间敏感网络（time-sensitive networking，TSN）是在传统以太网的基础上增加流控机制，综合可靠性传输等相关标准而形成高可靠、低时延的传输网络。文献[3]阐述了TSN技术的发展现状并对其部署于电力通信网的可行性进行理论分析。

目前TSN技术尚不完善，在风电场通信场景下，其传输过程受多种因素影响，需对其时延特性进行全面分析。关于时延特性的研究，文献[4]采用基于概率模型建模分析法验证了网络时延数据的平稳及非周期性特征；文献[5]通过OMNeT++仿真平台对TSN流控机制时延情况及传输性能加以分析；文献[6]给出了基于排队论的电网高级计量系统中数据帧传输平均延迟的表达式。文献[7-8]基于确定网络演算理论分析了基于时间触发以太网及TSN的端到端最差时延及其影响因素。但上述方法仅涉及较为简单的网络环境，不适用于风电场内复杂的通信网络场景分析。

针对上述问题，本文结合风电场通信网络结构、数据业务以及TSN流控机制工作原理，提出了基于数据输入−输出曲线的TSN时延分析模型，并对时延及影响因素加以计算分析。通过算例验证了该时延分析方法的可行性及正确性，为实现风电场高效调控提供参考依据。

1 基于TSN的风电场通信网络

1.1 风电场通信网络

风电场平稳运行依赖于控制中心的及时准确调度，因此需要实时可靠的通信网络维持系统的稳定性。

风电场受地势等客观因素影响，其通信网络可根据实际情况灵活选择拓扑结构。文中所提方法适用于常见网络结构，本文以可靠性较高的环型拓扑结构为例分析其时延特性，如图1所示。

图1 风电场环型通信网络结构Fig.1 Ring communication network structure of wind farm

在风电场通信网络中，每台风力涡轮机（wind turbine generator，WTG）内部署2台交换机：机舱交换机（nacelle switch，NS）及风塔交换机（tower switch，TS）。NS、TS为通信终端系统，环网交换机（switch，SW）作为数据接入节点接入环网。NSi、TSi这2台交换机经工业电脑（industrial personal computer，IPC）连 接 到SWi。每一环网结构中，包括1台环网中心交换机（center switch，CS）将环网中各台交换机连接到升压站中的控制中心服务网络（supervisory control and data acquisition，SCADA）。

通信网络以光纤作为传输介质。由于其低衰减特性，信号保真度高、保密性强，光纤接入也作为电力通信网应用最为广泛的接入方式。

基于TSN的通信网络在结构上与传统以太网通信网络无差别，只需将TSN技术搭载于环网交换机内，其规模和大小可通过SWi的数量调节伸缩。

1.2 风电场数据业务

风电场“风机（W）−控制中心（S）”网络中传输数据业务按照电力系统通信网络行业标准划分为7类[2]，表1给出了相应的业务需求指标。

表1 风电场数据分类Table 1 Wind farm data classification

由表1可知，在风电场通信网络中传输数据类型较多，对时延要求也存在较大差异。传统以太网中各类型流量之间相互影响，产生较大时延冗余，数据传输延迟无法保证，甚至造成网络阻塞。TSN通过流控机制合理调度，保证实时数据低时延传输，从而提高风力发电系统运行稳定性。

1.3 TSN流控机制

TSN为工业数据传输提供了新的排队与转发机制，包含5种流控机制标准。针对风电场数据特征，本文以IEEE 802.1 Qbv[9]标准定义的时间感知整形器(time-aware shaper，TAS)为例，分析风电数据在TSN中传输时延特性。

在TAS中，可根据数据实际传输需求设定1~8个数据缓冲队列，如图2所示。交换机中过滤结构根据数据帧帧头信息将其导入相应的缓冲队列。缓冲队列出口由一门(Gate)控制，当门开启时该队列中数据帧具备传输条件，关闭时在队列内等待。门状态由预先设定的门控列表（gate control lists，GCL）控制。在GCL中o代表门打开，c代表门关闭。TAS工作机制等价于时分多址（time division multiple access，TDMA）工作原理。同时IEEE 802.1 Qbv定义了先行检查机制，用于保证帧的完整发送。因此，GCL参数中，门开时长应大于对应队列中缓存流量中最长帧的传输时长，调度周期TGCL应大于

图2 TAS交换机结构Fig.2 Structure of TAS switch

该标准定义了保护带(Guard Band)机制。在“报告记录”等较低时延要求的数据帧传输时隙结束前增加保护带，以保证“保护数据”传输时隙开始时没有其余数据帧正在传输，造成等待延迟。

图1 中SWi搭载TSN技术，将各业务流量分离缓存。通过门的打开、关闭操作，最大程度上避免了各业务流量之间的交叠影响。当SW1中“保护数据”缓冲队列门打开时，该类业务数据帧由SW1传输到SW2，进入缓冲队列等待下一次传输。通过时间门控制发送状态，实现了各业务类型数据有限低时延传输。

2 TSN时延特性分析

2.1 传输时延

文献[10]指出，通信网络中端到端时延为数据传输路径中每一节点产生的延迟总和。因此需重点分析传输路径中数据每经过一个网络节点进行缓冲及调度消耗的时间。

根据TSN网络调度特性及TAS数据转发原理，将数据传输流程所产生的时延加以分类，详见表2。

表2 时延分类Table 2 Classification of latency

存储时延、输出时延、链路时延在数据处理转发过程视为确定值。本文将上述确定时延之和定义为传输结构恒定转发延迟dtech。

排队时延包括数据传输等待延迟以及门结构关闭产生的门闭阻塞延迟。排队时延的不确定性是数据传输时延产生抖动的主要因素。在风电场通信系统中数据业务种类较多，传输需求各有不同，调度情况复杂，因此亟需合理的时延分析模型研究其时延特性。

2.2 时延分析

确定网络演算理论[11]基于节点i内数据的到达曲线−服务曲线模型，用于反映网络系统最差处理性能。文献[8]基于上述模型分析了GCL参数对节点i内目标流量M传输的影响，并通过最大水平差计算最差传输时延。

图3 揭示了4种场景下2种模型的差别。由

式中：i表示节点编号；表示节点i内第j个传输时隙数据输出曲线。

当交换机存在多个输入端口时，不同输入端的同一业务类型的数据帧进入同一缓冲队列，造成“自排队”竞争。该节点为各输入端口中数据输入曲线之和为

通信网络中“数据爆发只增加一次延迟[12]”，因此后续交换机对应端口输入曲线由当前节点交换机输出端口的输出曲线确定：

式中：n表示数据输入时隙总数；表示节点i中第j个传输时隙数据帧输出累计长度。

j传输时隙数据帧的端到端时延为各节点时延之和加上各节点传输结构恒定转发延迟：

式中N表示传输路径中间节点数。

目标流量M端到端最差时延为

2.3 算法设计

图4 算法流程图Fig.4 Flowchart of the algorithm

其关键步骤总结如下文所述。

2）生成工具曲线。在本文所用模型中，工具曲线包括输入曲线及 输出曲线根据数据帧参数，结合式（2）、（3）绘制节点目标流量M的根据以及链路传输速率以文献[8]所示方法计算服务时长并绘制各节点目标流量M的及 后续节点

3）统计网络时延。结合式（1）、（4）、（5）计算不同GCL参数下数据业务各节点及端到端时延，比较分析GCL参数对时延影响关系。

通过上述流程，对不同GCL参数下的时延加以统计，量化分析其对系统时延的影响程度，从而为风电场合理配置通信网络参数提供理论依据。

本文选取不同规模的网络拓扑模型分别计算对应结构下数据传输时延参数，来对该算法的正确性及可行性加以验证。同时，对比分析了TSN与传统以太网的时延特性，验证了TSN的灵活性及实时性。

3 算例

3.1 算例说明

为证明TSN通信网部署方案及时延分析模型的可行性及适用性，本节以“保护数据”及“模拟测量”业务为目标流量，在Matlab R2019b环境下按照图4流程计算了简单拓扑网络及多节点拓扑网络中不同GCL参数下传输时延。最后对比分析了TSN与传统以太网传输模式，说明了TSN满足风电场通信网络所需的有限低时延特性。

根据文献[13]对风电及电网通信网络上传数据相关参数描述，表1中各业务流量传输参数设定见表3。在TSN交换机中，7类业务分别对应交换机中7个缓冲队列，传输工作互不干扰。同时，风电场通信网中“模拟测量”及“状态信息”业务通过“数据轮询”业务以“询问−应答”模式传输。在实际部署中，“数据轮询”业务门结构关闭后“模拟测量”及“状态信息”业务门结构同时开启。“报告记录”及“视频监控”业务对应门结构为常开状态，当链路空闲时，上述2项业务进行传输，避免带宽资源浪费。

表3 数据帧参数Table 3 Data frame parameters

本节以最小发送间隔传输的“模拟测量”为例分析计算其传输时延情况。设网络链路传输速率为100 Mbit/s。

3.2 简单拓扑示例

在实际网络中，数据传输前交换机对传输路径可用性加以判断。当图1所示三节点环网中某节点或链路发生故障，数据仅能通过1条链路进行传输，传输路径如图5所示。G链路故障，IPC1数据流经最长传输路径到达环网中心交换机CS。

图5 环网传输路径Fig.5 Transmission path of ring network

根据风电场信息传输需求，按照图4流程设定分析计算图5各个节点交换机最差时延平均时延及时延方差σi。假设每个节点传输结构恒定转发延迟dtech为5 μs[10]。

为分析TGCL对数据传输时延的影响，设“保护数据”为50μs，TGCL分别为100μs、200μs、300μs。3种场景下传输时延见表4。

表4 不同T GCL下“保护数据”时延Table 4"Protection traffic"latencies under different T GCL

当TGCL减少，全局时间内门闭阻隔减少，减小。当TGCL与传输流量的发送周期为整数倍关系时，最小且数据分布最为集中。

表5 不同下“模拟测量”时延Table 5"Analogue measurements"latencies under different

表5 不同下“模拟测量”时延Table 5"Analogue measurements"latencies under different

?

通过上述数据可知，本文提出的时延分析模型及算法适用于TSN时延特性分析。验证了GCL参数对时延影响关系。

3.3 多节点拓扑示例

本文采用文献[14]提供的风电场通信网络结构，以包含风机数目最多（18台）的环网为例分析数据传输端到端时延情况。

TSN交换机根据文献[15]定义选择最近的传输路径进行发送，因此当通信环网正常运行时，数据流经最多节点交换机个数为10。

为分析GCL参数对风电通信网中流量端到端时延的影响，将“保护数据”TGCL分别设为200 μs、300μs、400μs和500 μs，“模拟测量”TGCL分别设为600μs、750μs、900μs和2000μs。同时“保护数据”分别设为50μs、100 μs、150μs和200 μs，“模拟测量”分别设为100 μs、250 μs、400μs和550μs，以不同形状表示不同TGCL下数据端到端时延。图6为一个变化周期内端到端时延。

图6 不同GCL参数下端到端时延Fig.6 End-to-end latencies under different GCL parameters

通过上述分析可知，该时延分析模型及算法适用于工程实际网络时延计算。通过配置合理的GCL参数，TSN能够满足风电通信系统低时延需求，为TSN技术在风电场等工业领域推广实施及配置优化提供了理论参考依据。

3.4 传统以太网对比分析

传统以太网采用“绝对优先级调度”模式。数据帧到达时，交换结构对链路可用性加以判断，当链路中无数据帧正在传输，且缓冲队列中无高优先级帧等待，目标流量进行传输。但该模式不能对流量加以整形处理，因此传统以太网无法提供确定时延保证，数据传输时延可预测性随着路径节点数的增加而降低。表6为“保护数据”业务在图5所示结构中2种传输技术下的时延数据，其中TSN选定2组GCL参数进行分析。设传统以太网中恒定转发延迟为10μs[10]。

由表6数据及3.2、3.3节分析可知，TSN通过GCL参数对流量的整形处理，根据数据传输需求将同时到达数据帧分隔到不同服务时隙，从而影响数据传输时延及其可预测性。在TSN调度中，合理配置GCL参数（场景1）其传输性能明显优于传统以太网传输模式，当GCL参数与数据调度需求不匹配时（场景2），TSN传输时延较传统以太网更长。因此，在风电场通信网应用中需根据各业务传输需求合理配置GCL参数，保证其良好传输性能的同时避免带宽浪费。

表6 “保护数据”传输时延对比Table 6 Comparison of "protection traffic"latencies

4 结论

针对当前风电场通信网络存在的问题，本文提出基于TSN风电场通信网络部署方案，并建立TAS数据输入−输出曲线模型，推导出风电场通信业务时延计算方法，并以两则算例探讨了GCL参数对时延的影响，验证了算法的正确性。结果表明，通过合理配置相关参数，TSN传输性能明显优于传统以太网。为解决风电通信系统现有问题、优化通信网络配置，合理分配网络资源提供了参考依据。

当前物联网与可再生能源控制的结合受到广泛关注，但风电系统通信方案不够成熟，无法立即实现物联网搭载。下一步应完善风力发电应用的通信规范，以高效的通信技术推进物联网搭载建设及数字化智慧风电厂建设进程。