面向电力巡检的MEC非正交共享传输方案研究

郭志民，田杨阳，张焕龙，李暖暖，刘伟华，王延峰，徐 晋

面向电力巡检的MEC非正交共享传输方案研究

郭志民1，田杨阳1，张焕龙2，李暖暖1，刘伟华2，王延峰2，徐 晋2

(1.国网河南省电力公司电力科学研究院，河南 郑州 450052；2.郑州轻工业大学，河南 郑州 450000)

为了解决电力巡检回传系统中视频传输占用带宽大、连接数量多、传输资源利用不充分等问题，针对多载波多用户上行传输网络，提出了一种基于移动边缘计算(Mobile Edge Computing, MEC)网络架构下分簇技术与非正交共享传输联合设计方案。考虑5G基站与客户终端设备(Customer Premise Equipment, CPE)通信链路的远近效应并将其CPE终端分簇来进行信息传输，从而提高CPE连接数量和频谱效率。为了消除簇间干扰，采用信号对齐技术，分别提出簇间最大信干噪比算法和簇间最小干扰泄露算法。为了消除簇内用户间干扰，采用了串行干扰消除技术。该方案使系统每个CPE都能达到最大的自由度，从而实现较高的系统和速率性能。仿真结果表明，所提方案相比于传统正交接入方案具有更高的系统和速率性能。

电力巡检；移动边缘计算；非正交多址接入；信号对齐；系统和速率

0 引言

2019年，国家电网启动了能源互联网的建设工作，加快推进了“三型两网、世界一流”战略的落地实施，旨在建设健壮又安全的智能电网和具有“云-管-边-端”协同的泛在电力物联网[1-3]。网络切片[4]、移动边缘计算(Mobile Edge Computing, MEC)[5-7]及新兴信息通信技术[8-10]是实现以上目标的有效技术手段。在线信息采集、监控为电网的高效可靠运行和职能决策控制提供了坚实的信息化保障。然而在实际中存在如下3个方面的问题亟待解决[11-12]。根据电网中3个不同特点的业务类型进行分别阐述。

(1) 控制类业务。诸如差动保护、同步向量测量及精准负荷控制等[13]，这类业务对网络演示的要求极其严格。差动保护要求业务端到端的时延降低到15 ms以内。同步授时业务要求精度小于10 μs。精准负荷控制业务要求延时低于50 ms，并且具有极高的网络可靠性要求[11]。为了避免业务阻塞导致网络崩溃，智能电网采用网络切片技术进行网络隔离，并且可以定制指标需求，空口资源、传输资源、核心网资源的高效利用得到保证，切片之间隔离度高，切片之间的故障、网络拥塞等问题不会互相影响。5G网络切片可以在基础网络设备中划分出多个逻辑隔离的端到端虚拟网络，形成一种新型网络构架，满足差异化、多样化的应用需求[4]。国网公司与中国电信、华为公司合作对现有变电站、配电网业务模式进行创新，融合5G 技术构建智能配电网，在南京完成了基于5G承载精准负控业务的测试验证。这初步验证了核心网切片应用的可行性，经实测端到端平均时延低至37 ms，带宽、时延等关键参数性能都能得以保障。

(2) 数据采集类业务。诸如分布式能源、能耗管理、路灯控制、智能抄表、电力基础设施等密集部署通信场景下的信息采集类业务。该类业务对时延和带宽要求不高但是要求连接数量巨大，连接密度可达每平方千米几千个终端用户。对于电力基础设施来说，因光缆敷设难度大、成本高，该场景下信息采集类业务可以采用无线通信方式来承载。5G通信场景中的增强型机器类型通信(Enhanced Machine Type Communication, MTC)技术的用户连接密度指标为100万个/km2，完全能够满足该类海量连接业务的需求[14]。另外由于信息采集的数据具有多样性，5G切片技术可提供更高强度的安全隔离，为电网信息采集业务提供安全性、稳定性的保障。

(3) 视频巡检类业务。这类业务是电力生产管理系统中高压线路物理特性巡检类的移动应用业务，诸如进行无人机或者机器人定期巡检、高清视频监控、AR/VR辅助维修及培训等[15-16]。这些业务都需要大量的图片、视频或者媒体流的回传。前端设备集成人工智能模块[17-18]，实时拍照并进行检测。它们需要同基站进行实时视频数据流的传输，占用大量的网络带宽资源。为了避免海量数据集中向云端传输而导致阻塞，现代网络采用边缘计算进行计算卸载，将异常结果回传到后端，减少大量无用数据的传输，节省了带宽。MEC通过将核心网用户面功能(User Plane Function, UPF)网元下沉，具备本地业务的分流和边缘计算能力。按照就近原则，MEC部署于邻近电力业务系统一端，并融合网络传输、存储等创新技术，提高每个节点的数据处理效率。在该网络架构下，只需把结果向后台反馈，可以实时地对前台需求做出响应，缩短响应时间，降低传输时延。同时，这也从源头上保护了数据的安全性和隐私性，为相关业务部门提供基于5G 的应用平台，满足未来爆发式电力物联网业务增长需求。

实现对电网输电线路的在线监控是保证其正常运行的信息基础。MEC和网络切片技术在网络系统结构等方面解决了云端通信的拥塞和延时问题。网络切片技术也能提高网络业务隔离度和健壮性。但是在MEC无线接入层方面有尚待解决的问题，将监控设备的海量用户连接需求和数据传输的大带宽需求进行联合优化设计对提升电网信息传输效率有着重要的研究意义。

5G通信中大规模多天线(Multiple Input Multiple Output, MIMO)技术和多载波(Multiple Carrier, MC)调制技术能够显著地提高无线接入系统的频谱效率和节能效率，已经成为无线通信的主流技术[19-20]。非正交多址接入(Non-Orthogonal Multiple Access, NOMA)通过将多用户调度至相同的时频资源进行共享传输，不仅能支持更多的用户连接数量，而且具有比正交接入(Orthogonal Multiple Access, OMA)更高的频谱效率[21-23]。电网监控系统中分布着大量的视频采集终端，本文称其为客户终端设备(Customer Premise Equipment, CPE)。由于电网视频类监控中CPE与基站的距离不同从而产生远近效应，因此本文提出将CPE进行分簇并联合采用MIMO和NOMA技术来进一步提高大带宽大连接应用场景的传输效率。

本文的主要研究工作如下：

(1) 提出了一种基于MEC网络架构下分簇技术与非正交共享传输联合设计方案。采用信号对齐技术，联合设计发送端预编码和接收端滤波，来消除簇间干扰；采用串行干扰消除技术，消除簇内用户间干扰。

(2) 因无法直接求解，采用迭代算法求解预编码矩阵和接收滤波矩阵。提出了簇间最大信干噪比算法(Maximum Signal to Inter-Cluster Interference and Noise Ratio, Max-SICINR)和簇间最小干扰泄露算法(Minimum Inter-Cluster Interference Leakage, Min- ICIL)，来求解预编码矩阵和滤波矩阵。

(3) 推导MIMO-NOMA系统中实现的最大CPE终端自由度(Degree of Freedom, DoF)。理论分析和仿真实验均表明，本文所提方案具有更高的系统和速率性能。

1  系统模型

图1 MEC电力系统上行通信网络模型

2 最大自由度的干扰消除方案

上述MIMO-NOMA系统面临着簇间干扰和簇内用户间干扰的问题。为了消除簇间干扰，使用信号对齐技术。为了消除簇内用户间干扰，使用NOMA 系统中串行干扰消除算法。通过该方案每个用户都能达到最大的自由度，从而最大限度地利用系统中空域和频率资源。本节详细地论述了最大化自由度的信号对齐方案及其设计方法。

2.1 实现的自由度

为了实现上述的最大自由度，提出了簇间最大信干噪比算法和簇间最小干扰泄露算法求解预编码矩阵和滤波矩阵。

2.2 簇间最大信干噪比算法

算法1详细叙述了簇间最大信干噪比(max- SICINR)算法。

算法1：簇间最大信干噪比(max-SICINR)算法

步骤3：迭代执行步骤1和步骤2直至算法收敛；

2.3 簇间最小干扰泄露算法

簇间最小干扰泄露(min-ICIL)算法如算法2所示，其输入变量、初始化步骤和输出变量与算法1相同，故在叙述中略去。

算法2：最小化簇间干扰泄露(min-ICIL)算法

步骤3： 迭代执行步骤1和步骤2直至算法收敛；

3 仿真结果与分析

3.1 仿真场景与参数设置

为了验证本文所提方案的性能，对比不同的传输方案如下：

2) 使用干扰对齐最小干扰泄露算法[24]的传统正交化传输方案MIMO-OMA。

3) 分簇的MIMO-NOMA方案。该方案通过NOMA和分簇技术提高了单位资源服务的CPE终端数，为了消除簇间干扰，使用了簇间最大信干噪比算法。为了消除簇内CPE终端间的干扰，使用串行干扰消除算法。

4) 使用簇间最小干扰泄露算法的分簇MIMO- NOMA方案。

3.2 仿真结果分析

图2对比了上述4种传输方案在不同发射功率下的系统和速率性能。从图2中可看出，NOMA方案显然优于OMA方案，非正交多址接入方案通过频谱资源在多个CPE终端业务传输复用，提高资源利用率，能够有效缓解电力系统频谱稀缺的问题。另外，通过分簇技术能够进一步复用频谱资源，提高服务的CPE终端数。所提方案能够使用迭代干扰对齐算法消除簇间干扰，使用串行干扰消除算法消除簇内CPE终端信息传输干扰，能够最大化提高网络容量，满足电力系统视频流信息传输的高速率传输要求。OAM技术虽能通过无线资源正交化避免干扰，但降低了单位资源下的CPE终端数和资源利用率，导致其系统和速率性能有所降低。在较低发射功率下，该电力上行通信系统是一个噪声受限的系统，所提算法虽能有效消除干扰，但此时只有增大发射功率才能有效提高系统传输速率。因此，在低发射功率下，在系统和速率方面，使用分簇技术的MIMO-NOMA传输方案略低于MIMO-OMA方案。

图2 不同传输方案的系统和速率性能

图3 不同通信场景的系统和速率性能

图4给出不同天线数下MIMO-NOMA传输方案(使用簇间最大信干噪比算法)的系统和速率性能。从图4中可看出，随着天线数的线性增加，可实现的自由度也在线性增加，系统和速率呈指数式增长。这说明本文提出的方案可充分利用空域资源，最大化提高系统和速率性能。类似地，图5给出不同子载波数下MIMO-NOMA传输方案(使用簇间最大信干噪比算法)的系统和速率性能，说明提出的方案也可充分利用频域资源，提高系统和速率性能。

图4 不同天线数MIMO-NOMA传输方案的系统和速率性能

图5 不同子载波数MIMO-NOMA传输方案的系统和速率性能

4 结论

面向电力系统的巡检业务，本文对基于MEC网络架构下多终端连接、大带宽上行信息传输技术进行了研究，提出了分簇技术与非正交共享传输联合设计方案。首先，将CPE终端进行分簇，采用NOMA接入技术。使用信号对齐技术来消除簇间干扰，并提出簇间信干噪比最大化算法和簇间干扰泄露最小化算法两种算法求解预编码矩阵与滤波矩阵。使用串行干扰消除技术来消除簇内用户间干扰。理论与仿真结果均表明该方案能够实现最大的自由度，相比于传统正交接入方案具有更高的系统和速率性能。

[1] 国家电网有限公司. 泛在电力物联网建设大纲[EB/ OL]. [2019-08-22]. https://max.book118.com/html/2019/ 0822/6240103224002055.shtm.

State Grid Corporation of China. Construction outline of ubiquitous power internet of things[EB/OL]. [2019-08-22]. https://max.book118.com/html/2019/0822/ 6240103224002055.shtm.

[2] 孔垂跃, 陈羽, 赵乾名. 基于MQTT协议的配电物联网云边通信映射研究[J]. 电力系统保护与控制, 2021, 49(8): 168-176.

KONG Chuiyue, CHEN Yu, ZHAO Qianming. Research on cloud-side communication mapping of the distribution internet of things based on MQTT protocol[J]. Power System Protection and Control, 2021, 49(8): 168-176.

[3] KONG X, XU Y, JIAO Z, et al. Fault location technology for power system based on information about the power internet of things[J]. IEEE Transactions on Industrial Informatics, 2020, 16(10): 6682-6692.

[4] 王莹, 王雪, 刘嫚, 等. 面向智能电网的 5G 网络切片应用前瞻性思考[J]. 电力信息与通信技术, 2020, 18(8): 1-7.

WANG Ying, WANG Xue, LIU Man, et al. Prospective thinking of 5G network slicing application in smart grid[J]. Electric Power Information and Communication Technology, 2020, 18(8): 1-7.

[5] 韩青, 高昆仑, 赵婷. 边云协同智能技术在电力领域的应用[J]. 物联网学报, 2021, 5(1): 62-71.

HAN Qing, GAO Kunlun, ZHAO Ting. Application of edge-cloud collaborative intelligence technologies in power grids[J]. Chinese Journal on Internet of Things, 2021, 5(1): 62-71.

[6] 黄冬梅, 何立昂, 孙锦中, 等. 基于边缘计算的电网假数据攻击分布式检测方法[J]. 电力系统保护与控制, 2021, 49(13): 1-9.

HUANG Dongmei, HE Li'ang, SUN Jinzhong, et al. Distributed detection method for a false data attack in a power grid based on edge computing[J]. Power System Protection and Control, 2021, 49(13): 1-9.

[7] MAO Y, YOU C, ZHANG J, et al. A survey on mobile edge computing: the communication perspective[J]. IEEE Communications Surveys & Tutorials, 2017, 19(4): 2322-2358.

[8] 高志远, 彭林, 李炳林, 等. 新兴ICT技术对电力系统自动化的协同支撑作用研究[J]. 电力系统保护与控制, 2021, 49(7): 160-166.

GAO Zhiyuan, PENG Lin, LI Binglin, et al. Research on the collaborative support of emerging new ICTs for power system automation[J]. Power System Protection and Control, 2021, 49(7): 160-166.

[9] HU Zhuangli, HE Tong, ZENG Yihui, et al. Fast image recognition of transmission tower based on big data[J]. Protection and Control of Modern Power Systems, 2018, 3(2): 149-158.

[10] 杨晗竹, 完颜绍澎, 胡光宇, 等. 基于区块链的电力泛在业务接入网关的研究[J]. 广东电力, 2020, 33(8): 54-61.

YANG Hanzhu, WANYAN Shaopeng, HU Guangyu, et al. Research on power universal service access gateway based on blockchain[J]. Guangdong Electric Power, 2020, 33(8): 54-61.

[11] 瞿水华, 郭钊杰, 许乐飞. 5G 技术在智能电网中的实践和验证[J]. 供用电, 2021, 38(5): 2-9.

QU Shuihua, GUO Zhaojie, XU Lefei. Practice and verification of 5G technology in smart grid[J]. Distribution & Utilization, 2021, 38(5): 2-9.

[12] 陈兆雁, 柴宜, 平常, 等. 基于5G边缘计算的可调节负荷互动技术研究[J]. 华电技术, 2021, 43(3): 9-13.

CHEN Zhaoyan, CHAI Yi, PING Chang, et al. Research on adjustable load interaction technology based on 5G edge computing[J]. Huadian Technology, 2021, 43(3): 9-13.

[13] 胡光宇, 张影, 孔为为, 等. 5G环境下差动保护在电力系统中的应用[J]. 山东电力技术, 2020, 47(6): 10-17.

HU Guangyu, ZHANG Ying, KONG Weiwei, et al. Research on application of differential protection in power system under 5G environment[J]. Shandong Electric Power, 2020, 47(6): 10-17.

[14] ZTE. Uplink multi-user transmission for massive MTC[C] // 3GPP TSG RAN Meeting(RP-152208), December 2015, Anaheim, USA.

[15] 冯积家. 基于5G无人机在电力输电线路自动巡线的实现与研究[J]. 电力设备管理, 2020(9): 203-204.

FENG Jijia. Implementation and research of automatic line inspection of power transmission lines based on 5G UAV[J]. Electric Power Equipment Management, 2020(9): 203-204.

[16] 琚泽立, 杨博, 孙浩飞, 等. 面向电力智能巡检的多机器人系统协同路径规划算法[J]. 智慧电力, 2020, 48(6): 92-97.

JU Zeli, YANG Bo, SUN Haofei, et al. Cooperative path planning of multi-robot system for power grid intelligent inspection[J]. Smart Power, 2020, 48(6): 92-97.

[17] LI Zhi, YE Lin, ZHAO Yongning, et al. Short-term wind power prediction based on extreme learning machine with error correction[J]. Protection and Control of Modern Power Systems, 2016, 1(1): 9-16.

[18] 白昱阳, 黄彦浩, 陈思远, 等. 云边智能: 电力系统运行控制的边缘计算方法及其应用现状与展望[J]. 自动化学报, 2020, 46(3): 397-410.

BAI Yuyang, HUANG Yanhao, CHEN Siyuan, et al. Cloud-edge intelligence: status quo and future prospective of edge computing approaches and applications in power system operation and control[J]. Acta Automatica Sinica, 2020, 46(3): 397-410.

[19] DING Z, ADACHI F, POOR H V. The application of MIMO to non-orthogonal multiple access[J]. IEEE Transactions on Wireless Communications, 2016, 15(1): 537-552.

[20] BUZZI S, D’ANDREA C, ZAPPONE A, et al. User-centric 5G cellular networks: resource allocation and comparison with the cell-free massive mimo approach[J]. IEEE Transactions on Wireless Communications, 2020, 19(2): 1250-1264.

[21]DAI L L, WANG B, YUAN Y, et al. Non-orthogonal multiple access for 5G: solutions, challenges, opportunities, and future research trends[J]. IEEE Communications Magazine, 2015, 53(9): 74-81.

[22] SAITO Y, KISHIYAMA Y, BENJEBBOUR A, et al. Non-orthogonal multiple access (NOMA) for cellular future radio access[C] // IEEE 77th Vehicular Technology Conference (VTC Spring), June 2-5, 2013, Dresden, Germany: 1-5.

[23] 佘蕊, 张宁池, 王艳茹, 等. 面向电力物联网的5G通信认知无线电NOMA系统研究[J]. 中国电力, 2021, 54(5): 35-45.

SHE Rui, ZHANG Ningchi, WANG Yanru, et al. Research on cognitive radio non-orthogonal multiple access system in 5G communications oriented to ubiquitous power internet of things[J]. Electric Power, 2021, 54(5): 35-45.

[24] GOMADAM K, CADAMBE V R, JAFAR S A. A distributed numerical approach to interference alignment and applications to wireless interference networks[J]. IEEE Transactions on Information Theory, 2011, 57(6): 3309-3322.

A non-orthogonal share transmission scheme of mobile edge computing for power inspection

GUO Zhimin1, TIAN Yangyang1, ZHANG Huanlong2, LI Nuannuan1, LIU Weihua2, WANG Yanfeng2, XU Jin2

(1. State Grid Henan Electric Power Research Institute, Zhengzhou 450052, China;2. Zhengzhou University of Light Industry, Zhengzhou 450000, China)

There are problems in power inspection of a transmission system e.g., large bandwidth requirement, massive terminal connection and inefficient transmission resource utilization. Thus a joint design scheme that combines clustering and non-orthogonal multiple access (NOMA) is proposed based on mobile edge computing (MEC). This is for a multi-carrier multi-user uplink access network. Considering the near-far effect between a 5G base station and customer premises equipment (CPE), the CPEs are divided into several clusters to transmit information, with an increased number of connected CPEs and spectral efficiency. In order to mitigate inter-cluster interference, signal alignment is used, and a maximum signal to inter-cluster interference and noise ratio (Max-SICINR) algorithm and a minimum inter-cluster interference leakage (Min-ICIL) algorithm are proposed. To mitigate the inter-user interference in the same cluster, a successive interference cancellation is used. With the proposed scheme, each CPE can achieve the maximum degree of freedom, which leads to improved system sum-rate performance. Simulation results demonstrate that the proposed scheme has a higher system sum-rate performance than the conventional orthogonal multiple access scheme.

power inspection; mobile edge computing; non-orthogonal multiple access; signal alignment; system sum-rate performance

10.19783/j.cnki.pspc.211377

The work is supported by the National Natural Science Foundation of China (No. 61873246, No. 61901418, No. 62072416, No. 62006213, and No. 62102373).

国家自然科学基金项目资助(61873246，61901418，62072416，62006213，62102373)；国家电网公司科技项目资助(5600-202046347A-0-0-00)“面向智能电网运维场景的视听觉主动感知与协同认知技术研究及应用”

2021-10-12；

2021-11-28

郭志民(1977—)，男，学士，教授级高工，研究方向为人工智能、信息安全和泛在电力物联网等；E-mail: 1519883890@qq.com

田杨阳(1993—)，女，硕士，工程师，研究方向为机器学习，信息安全等；E-mail: Tianyangyang199306 @163.com

张焕龙(1981—)，男，通信作者，博士，副教授，研究方向为模式识别、人工智能、泛在电力物联网和信息融合等。E-mail: zhl_lit@163.com

(编辑 魏小丽)