基于物联网的园区综合能源系统快速通信网络建模与仿真

吕昊，何益鸣，田浩，王铁强，邱小洪，马瑞

(1. 国网河北省电力有限公司，河北 石家庄 050021；2. 长沙理工大学 电气与信息工程学院，湖南 长沙 410114)

0 引言

目前，泛在物联已开始运用到综合能源系统（integrated energy system, IES）各个环节[1]，加强了IES各部门之间的联系。泛在物联下感知层终端设备的不断接入，产生海量数据[2]，传统的综合能源信息采集、传输体系已不能使关键有效信息得到及时感知，IES中多个异质能源子系统之间的协调规划、优化运行、协同管理不能得到有效保障。

针对IES的协调规划与运行的问题，国内外学者进行了大量研究。文献[3]完成“源-网-荷”协同规划现状分析，对综合能源系统的重点和难点进行了展望。文献[4]提出依托于能源互联网的新型城镇能源系统，但信息接收延时高，系统调控及时性差。文献[5]提出了多能源互联站-网联合模型，通过能量传导器连接枢纽能源站或多个分布式能源站，但未能将物理系统和信息系统进行统筹。文献[6]提出利用数据驱动实现区域能源互联网多源数据融合的方法，可解决建模仿真环节中的精确度问题。以上文献均对IES协调规划进行研究，但均未解决系统调控层对关键有效信息快速感知、低时延的问题。

在物联网建设与通信网络传输问题上，文献[7]采用模块化思想，提出了一种光伏-通信联合仿真方法，以保证仿真的精确性。文献[8]提出以太网双网通信方案，提高数据交互的实时性和可靠性。文献[9]提出了用户侧物联网信息交换接口的标准化需求。文献[10-13]均采用了虚拟局域网 (virtual local area network, VLAN)技术对智能变电站过程层网络进行改进，有效提高智能变电站通信网络的实时性能。文献[14]采用基于信息物理融合和理论公式的通信网络流量计算。文献[15-17]探究了交换机之间端到端特性的网络性能。文献[18]将物联网仿真网络与云计算相结合，实现对采集数据的长期监控、管理、共享和分析。

综合能源电-气-热子系统存在不同延时特性问题，基于物联网的园区IES快速通信网络研究相对缺乏，系统调控性欠佳，特别是考虑基于交换机端口的VLAN划分技术后，IES快速通信系统运行极限问题亟待解决。因此，本文提出了基于物联网的IES星型通信网络模型，进行基于IES多时间尺度特性的通信网络VLAN划分，提高了通信网络性能。

1 基于物联网的IES通信网络建模

1.1 网络信息流建模

为实现IES 快速协同优化、多能互补、可再生能源高效消纳，本文建立基于物联网的IES信息采集、传输、控制体系。该体系是集物理系统、信息系统、通信系统、能源控制系统以及应用系统于一体的多元化复杂系统，其结构如图1所示。

图1 基于物联网的IES信息采集、传输与控制体系Fig. 1 IoT-based IES information collection，transmission and control system

随机网络演算 (stochastic network calculus,SNC)作为网络演算理论的一个重要部分，不仅弥补了排队论在到达和服务过程建模单一的局限性，而且在计算方式上弥补了固定网络演算(deterministic network calculus, DNC)过于保守的不足，对于复杂场景的运用效果极佳。考虑到IES通信网络数据流的自相似性和随机突发性，现采用SNC对网络数据流进行建模。

随机到达曲线[19]是对系统到达流量的约束，也是建立IES通信网络实时业务模型的关键。对于任意的时刻t≥ 0和流量值x≥0，某一累积输入数据流A(t)满足

式中：A(t) 为0～t时刻累计输入数据流；A(s) 为0～s时刻累计输入数据流； α (t)为A(t)的随机到达曲线；x为某任意流量值；f(x)为随机到达曲线的概率上界函数；P为事件发生概率；sup为取集合的上界。

式中： ρ为实时业务数据传输速度上限； σ 为数据突发量。

SNC理论引入随机服务曲线模型，可更准确反映通信网络交换机、路由器模块的业务处理能力。在随机服务曲线中，A*(t)为0～t时间内，其业务离开某系统的输出累积量，并对所有的t≥0和x≥ 0满足

式中：A为输入数据流； β (t)为0～t时刻系统S提供的随机服务曲线；g(x)为随机服务曲线的概率上界函数。

式中：R为 业务输出速率。

对IES通信网络端到端时延进行建模时，引入SNC理论。

传输时延D(t)满足

式中：h(α,β)为到达曲线与服务曲线间的最大水平距离。

1.2 IES3层星型通信网络建模

1.2.1 IES 物理 3 层架构

传统IES对于电、气、冷、热能源子系统进行独立规划，且受限于多种因素，各子系统间耦合程度不高[20-25]。本文IES物理架构如图2所示。在图2中，现场级执行对各子系统异质能流数据及相关设备运行参数的数据采集工作，并对能流供给进行就地控制，如天然气网络气体压力测量、压缩机控制等。控制级实现IES各子系统的协调控制和指令分发功能，如设备启停、参数修改以及控制指令下发等。优化级作为最高决策层，在系统模型的基础上，以能源效率和环境效益为综合评价指标，采用线性规划、遗传算法等优化算法，在满足运行约束的条件下，确定现场级各子系统的最佳设定值。

图2 IES物理3层架构Fig. 2 IES physical three-layer architecture

1.2.2 IES 3 层星型通信网络模型

本文网络模型如图3所示。最底层4个子站分别对应IES电、气、冷、热子系统现场级部分，子站内均包括一个标准交换机模型和一个业务数据源模型。应用业务配置模块配置所需通信业务及其规格，各业务均通过标准交换机模型和业务数据源模型模拟数据的采集、转发和处理过程。中间的路由器模块用来接收和转发来自子站或主站的报文，看作IES控制级。文件服务器、数据服务器、网页服务器、优化控制中心模拟IES物理架构中的优化级计算分析平台。

图3 基于物联网的IES 3层星型通信网络模型Fig. 3 IoT-based IES three-layer star communication network model

2 IES快速通信网络

本文建立有别于传统通信网络配置的IES快速通信网络模型，依据各子系统现场级智能终端设备重要程度和空间区域不同，进行VLAN划分，使状态感知速度在网络通信环节得到巨大加强，提高IES优化级计算分析平台的效率。

2.1 IES 通信数据流种类

IES通信数据主要分为2种：（1）周期性数据，包括能流参数和能源设备运行参数。（2）随机性数据，主要包括测量信息异常或开关量改变时触发的突发型信息。2种数据在IES通信网络中以不同的报文形式在通信子站和主站之间传递。需大量采样的周期性数据具体包括：电网络中的电压、电流、相角、频率等；天然气网络中的管道流量、气体压强等；冷/热管网中的温度、压力、流量；各能源子系统能源设备运行参数、开关量状态数据。突发型信息主要为IES各子系统中参数异常报警信号和保护动作信号。

2.2 IES现场级智能终端分类

考虑异质能流不同时间尺度延迟特性，将现场级智能终端分为电网络智能终端、天然气网络智能终端、供冷/热系统智能终端。其中各子系统通信网络链路均存在周期性数据和突发型数据的传输，因此可将IES子系统智能终端进行划分。具体分为：周期性数据采集合并单元（MU）；产生突发型数据的能源设备控制单元（control）；产生突发型数据的保护装置（protection）。

由于整个系统的数据量是海量的，若不对信息流进行规划，则导致信息流中有用信息占比低。为了更好感知重要数据集，减少无用数据的干扰，对上述各子系统3种现场级智能终端都进行进一步划分。依据异常能流参数和异常能源设备运行参数对系统安全的影响程度，可分为关键智能终端MU1、control1、protection1，一般智能终端 MU2、control2、protection2。

2.3 VLAN划分

IES传统通信网络中广播信息泛滥，经常发生网络堵塞，网络延迟高，这对IES调控非常不利。应用VLAN技术，按照现场级智能终端分类方式，进行基于交换机端口的VLAN划分操作，将现场级到控制级的通信网络划分为几个不同的VLAN。这有利于减少VLAN中的广播信息，提高网络传输效率，保证重要数据集的高密度传输，确保IES优化级计算分析平台的高效性。

对电力网络、天然气网络均配置2个VLAN，即将关键智能终端、一般智能终端分开配置到2个VLAN。将电、气、冷/热网共划分成6个不同VLAN，具体配置如表1所示。

表1 VLAN配置Table 1 VLAN configuration

3 仿真分析

综合能源各子系统数据具备不同时间尺度特性，参数采集频率也会不一样，据此将各子系统智能终端设备数据源参数设置如表2～4所示。

表2 电网络智能终端设备数据源参数设置Table 2 Data source parameter setting of intelligent terminal equipment of electric network

表3 天然气网络智能终端设备数据源参数设置Table 3 Data source parameter setting of intelligent terminal equipment of natural gas network

表4 供冷/热系统智能终端设备数据源参数设置Table 4 Data source parameter setting of intelligent terminal equipment of cooling/heating network

3.1 场景分析

为了保证IES网络通信系统在各种运行状况下的可靠运行，建立反映系统在不同运行状况下网络性能的多种仿真场景具有重要意义。仿真场景主要包括VLAN划分运行场景、流量递增运行场景分析。VLAN划分运行场景有利于分析IES通信网络快速性。在对当前系统最佳网络吞吐量和任意网络吞吐量的需求进行对比分析后，可以在当前系统的基础上分析得到IES任意网络吞吐量需求的通信系统规模设置。流量递增场景参数设置如表5所示。

表5 网络流量递增参数设置Table 5 Parameter setting of network traffic increment

3.2 结果分析

3.2.1 VLAN 划分场景仿真结果分析

VLAN划分前后的通信网络延时和网络吞吐量分别如图4～5所示。由图4可知，划分VLAN后，系统中报文冲突的发生概率大大减小，报文发送更加高效，网络带宽得到合理应用，延迟抖动较小，提高报文传输的实时性能。由图5可知，在报文传输稳定后，划分VLAN前的感知层到控制层网络通信速度仅是划分VLAN后的60%。因此可以看出，是否划分VLAN对网络性能的影响非常大。

图4 通信网络时延仿真结果Fig. 4 Time delay simulation results of communication network

图5 网络吞吐量仿真结果Fig. 5 Throughput simulation results of communication network

3.2.2 流量递增场景仿真结果分析

在划分VLAN的基础上，对IES通信网络临界运行状态做进一步仿真分析。FTP应答时间随流量递增的变化如图6～7所示，其中初始时刻为通信网络饱和运行时刻。

图6 FTP业务应答时间变化Fig. 6 Response time of FTP service

图7 满足系统应答时间阈值概率Fig. 7 Probability of meeting the system response time threshold

从图6～7可以看出：在饱和运行情况下，当流量增长15%～16%时，系统应答时间变化幅度较小，且有接近一半的时间满足应答阈值；当流量增长17%时，业务应答时间会近似增多为08:00的3倍，满足阈值的概率也趋近于零。

系统链路利用率变化及阈值概率分别如图8～9所示。由图8～9可以看出，随着链路流量每增加1%，链路带宽利用率增大10%。当链路利用率到达90%，链路带宽利用率随网络流量增多变化不大。满足链路利用率阈值的概率在08:00时降低55%，降低到原来45%。在12:00时，满足阈值的比例再次降低30%，仅为15%左右，表示通信链路基本不符合预期要求。

图8 系统链路利用率变化Fig. 8 Changes of link utilization

图9 10 base_T链路条件下满足链路利用率阈值概率Fig. 9 Probability of meeting the link utilization threshold under 10 base_T link condition

若要提高IES通信网络的传输速度，一方面采取VLAN划分的方式，降低时延，提高传输速度；另一方面改善通信网络硬件性能，合理配置通信设备，创建最佳通信网络传输规模。在100 base_T链路条件下满足链路利用率阈值概率如图10所示。由图10可以看出，增加链路带宽后，满足网络链路利用率阈值的概率大大提高，这使得IES通信网络条件得到巨大改善。

图10 100 base_T链路条件下满足链路利用率阈值概率Fig. 10 Probability of meeting the link utilization threshold under 100 base_T link condition

4 结语

本文基于物联网下IES的特点，构建了基于物联网的综合能源数据采集、传输、控制体系架构。对IES物理层次结构分析，建立了基于物联网的IES 3层星型通信网络模型。

基于新建模型，结合IES空间分布和多时间尺度延迟特性，对IES网络进行VLAN划分。仿真结果验证了IES通信系统信息的低延时、快速传输。

基于实际系统对延时的要求，设置系统业务应答时间阈值和链路利用率阈值，在控制系统网络吞吐量的情况下，获得了通信网络实时运行状态，并分析了满足快速性、低延时性要求下的IES通信网络规模设置。后续将对IES快速通信网络最佳运行点及临界运行点做进一步研究。