基于动态优先级的配用电物联网业务调度策略

薛宏利，蔡泽祥，胡凯强,王薇，刘媛媛

(1国网益阳供电公司，湖南 益阳 413000；2华南理工大学 电力学院，广东 广州 510641)

随着能源战略转型的推进和物联网技术的发展，海量分布式能源和配用电系统智能设备大量接入配电网。在异构多源业务数据爆发式增长的同时，配用电业务呈现体量大、种类多、通信要求各异等显著特点，传统配用电自动化系统架构难以满足新形势下配用电业务通信实时性、可靠性和安全性等需求[1-3]。

配用电物联网作为新形势下配用电自动化系统的解决方案，利用物联网“云管边端”架构和先进的通信技术实现海量异构业务数据的接入，可有效提升配用电系统、终端的信息化、智能化水平[4-5]。边缘物联网关作为业务数据汇聚接入和处理转发的中转站，具有数据协议识别、数字标签和优先级调度等功能，是配用电物联网业务通信过程中的关键节点。在海量异构业务数据突发接入时，边缘物联网关面临着巨大的通信压力，如何有效保障配用电物联网业务的通信需求是亟需研究的问题[6]。

目前针对保障电力业务通信需求的研究集中在业务带宽分配、数据包调度等方面。文献[7]提出基于M/M/1/k排队模型的带宽计算方法，根据各类配用电信息采集业务的通信需求预测最佳分配带宽，计算方法简单但未对不同业务进行区分，分析精度低。文献[8-11]理论分析配用电业务在介质访问控制(media access control，MAC)接入过程中的性能指标，并将其作为业务通信调度的决策依据；该方法分析精度高但计算模型复杂，实用性差。对于电力业务数据包的调度方法，传统方法如先进先出(first input first output，FIFO)算法、动态价值密度(dynamic value density，DVD)算法、最早截止期优先(earliest deadline first，EDF)算法等[12-13]，均只考虑单一业务特性，难以应对海量异构业务数据突发接入时的通信需求。文献[14]结合数据报文的重要度及最大等待时间，提出一种复杂度较低且可保证不同优先级数据包的公平性队列调度算法，这种方法采用静态优先级进行调度，但没有考虑业务通信的时效性。文献[15-18]建立改进加权公平队列模型，用于需求响应业务各类信息的通信队列调度，在保证实时性业务接入的情况下，尽量减少非实时性业务的等待延时；这种方法仅针对电力需求响应场景下的业务接入，应用范围小。文献[19]提出多业务服务质量(quality of service，QOS)保障的资源分配策略，以最大化基于有效容量的系统总效用为目标进行业务接入，但未考虑业务之间的动态抢占，系统业务的整体接入成功率不高。

针对现有研究的不足，本文提出一种基于动态优先级的配用电物联网业务调度策略。首先根据配用电物联网业务的通信需求和重要性评估业务通信价值，作为业务通信调度的重要参考；然后基于业务通信价值建立多优先级业务排队模型，分析边缘物联网关处理转发各类业务的平均排队延时，为业务调度提供理论支撑；其次，综合考虑业务剩余价值密度和业务执行迫切性，建立业务动态优先级因子，并结合业务抢占机制和设置抢占阈值，提出基于动态优先级的业务调度策略；最后，通过OPNET仿真分析验证该调度策略的有效性。

1 配用电物联网业务及其通信价值评估

1.1 配用电物联网业务

根据配用电物联网业务的功能和特性，总体上将其分为运行控制类和信息采集类2大类[20]。其中运行控制类业务包括配电网自动化、用电负荷需求侧响应和分布式能源调控等，可以实现配电网监测、控制和快速故障隔离等功能。信息采集类业务主要包括低压集抄、设备运行状态监测和环境监测等，功能包括对用户、设备和环境等进行信息采集、处理和实时监控。

不同配用电物联网业务之间的重要性和通信需求存在差异。运行控制类业务影响着配电网中生产、控制等关键步骤，重要性高，突发性强，但业务数据量小，发生频率低，对配用电物联网的通信带宽、传输延时、丢包率和安全性等有较高要求。信息采集类业务覆盖的对象类型和数量多，业务数据量巨大，周期性强，对通信的传输延时、丢包率和安全性等要求并不高。

1.2 业务通信价值评估

业务通信价值不仅能评估业务经过通信网络达到目的地所带来的效益，还能反映当业务通信存在故障或发生中断时，对业务系统稳定运行造成的损失程度[21]。引入业务通信价值来评估配用电物联网业务在通信中的重要程度，运用特征指标法结合通信需求和重要性来计算不同配用电物联网业务的通信价值[22]，为业务调度提供参考。

定义：B={bi}(i=1,2,…,N)为业务集，共N种业务；Q={qm}(m=1,2,…,M)为影响业务通信价值的特征指标集合，共M个指标。定义si(qm)为业务bi在特征指标qm下的要求标准：如果bi在指标qm下相对于其他业务要求最低，则si(qm)=1；如果bi在指标qm下相对于其他业务要求最高，则si(qm)=Sbi。Sbi体现了业务集合B在qm下的需求差异程度，表示所有业务在qm下有Sbi种不同需求。定义BN(qm,bi)为bi在qm下的排序序号，B(qm,BN)为在qm下排序序号为BN的业务，定义特征指标集Q和业务集B到正整数域的映射f：Q×B→Z+，有

(1)

式中：B(qm,BN)≻B(qm,BN-1)表示在特征指标qm下，排序序号为BN的业务需求比排序序号为BN-1的业务高；B(qm,BN)≻B(qm,BN-1)表示排序序号为BN的业务需求与排序序号为BN-1的业务相同。通过映射f：Q×B→Z+可以获得业务bi在特征指标qm下的要求标准si(qm)。根据指标要求标准计算各类业务之间的相对通信价值矩阵A(qm)N×N，其元素

(2)

式中aij(qm)表示bi在qm下相对于业务bj的通信价值大小，bi∈B、bj∈B。由式(2)可知，aij(qm)有Sbi+1个取值可能，即bi在qm下相对于bj的通信价值有Sbi+1种等级，其取值与Sbi有关，aij(qm)值越大，表示bi在qm下相对于bj的通信价值越高。对特征指标集合Q中所有指标下的业务相对通信价值矩阵进行求和，得到业务综合相对通信价值矩阵CN×N，其元素

(3)

对矩阵C第i行元素求和，得到业务bi较其他业务的综合相对通信价值

(4)

对ci,sum进行归一化处理，映射到区间[X,1]﹝X∈(0,1)﹞上，得到业务bi的通信价值

(5)

根据所涉及的7类配用电物联网业务，本文取X=0.2，将业务最大通信价值和最小通信价值的距离设定为5倍，使得业务通信价值评估具有良好的区分性，能够有效指导业务动态优先级调度。根据业务通信需求和重要性，按照式(1)—(5)计算业务通信价值，结果见表1。

表1 配用电物联网业务特征指标及其通信价值

2 配用电物联网业务调度策略

2.1 多优先级业务排队模型

从统计角度来看，配用电物联网业务数据在某一时刻成批到达边缘物联网关缓存队列，并且数据包到达间隔时间符合均值为λ的泊松分布，边缘物联网关以服务时间服从参数为μ的负指数分布处理转发缓存队列中的数据包[23]。

基于多优先级业务排队模型的边缘物联网关将优先满足高通信价值业务的服务需求，在缓存队列里体现为高通信价值业务数据包具有高优先级。多优先级业务排队模型如图1所示。业务通信价值越高，数据包排名越靠前，具有相同通信价值的业务，按照先到先服务的策略排队。

在时间T内到达的同一批业务数据包共有K种类型，即存在K种优先级，缓存队列平均长度为L，现分析第k优先级数据包的平均排队时间Tk。由图1可知，Tk分为3个部分，分别为前一批次数据包处理时间tp、更高优先级数据包处理时间th和同优先级排在前面的数据包处理时间tq。

图1 多优先级业务排队模型

假设队列中包含n个前一批次到达的数据包，由于n的不确定性，tp可表示为

(6)

式中pn为n取各个值的概率，且当排队系统处于相对稳定状态时，pn满足[24]：

(7)

定义Ni为队列中第i优先级数据包的个数，则

(8)

假设该第k优先级数据包在队列同优先级数据包中排第j，则

(9)

式中pj为j取各个值的概率，且pj=1/Nk。综合式(6)—(9)，可求得

(10)

根据Little定律[25]对本文多优先级业务排队模型进行分析，可得

(11)

联立式(10)、式(11)可以进一步求得

(12)

综上分析可知，各类业务在边缘物联网关缓存队列的平均排队时间与业务到达率、服务率、排队次序以及各类数据包数量有关。

2.2 基于动态优先级的业务调度策略

当海量配用电物联网业务数据接入边缘物联网关时，运行控制类业务通信价值高，通信优先级高，数据量相对较少，排队时间较短，信息采集类业务通信价值低，通信优先级低，数据量大，排队时间较长。在业务数据突发接入时，仅采用业务通信价值作为静态优先级的评价标准，容易造成信息采集类业务数据的大量堆积和丢失，影响业务通信整体的实时性和可靠性。针对这些问题，本文在考虑业务通信价值的同时，结合业务通信的时效性，提出基于动态优先级的配用电物联网业务调度策略。

2.2.1 业务数据包属性

到达的同一批次业务B={bi}(i=1,2,…,N)数据包具有以下属性，见表2，边缘物联网关通过数字标签技术提取识别数据包属性。

表2 业务数据包属性

2.2.2 业务动态优先级因子

结合业务通信价值和时效性，引入剩余通信价值密度Gi(t)(即在业务剩余服务时间内单位时间产生的业务通信价值)，量化业务bi数据包滞留时间为t时的重要程度。bi的通信价值积累函数[21]

(13)

(14)

业务数据需要在绝对截止期内完成处理转发，越临近绝对截止时间，业务数据通信需求越迫切，因此本文引入业务执行迫切度来刻画业务数据的迫切性。定义Hi(t)为业务执行迫切度，主要由业务理论服务时间Ei和业务处理空闲时间Di-t之比来决定。Hi(t)可以通过业务执行迫切度系数v(v>1)进行调整，如式(15)：

(15)

综合考虑业务剩余通信价值密度Gi(t)和业务执行迫切度Hi(t)，本文将业务动态优先级因子Yi(t)作为实时评价业务数据包动态优先级的指标，Yi(t)越大，则该业务数据包优先级越高，其计算公式为：

(16)

根据业务特性和缓存队列服务情况，可通过设置业务通信价值累计变化指数p和业务执行迫切度系数v来调整业务调度中通信价值和通信时效性对优先级的影响程度。

2.2.3 业务抢占机制

在缓存队列中的业务数据包存在3种状态，分别为正在处理、排队等待处理和超过绝对截止期即将被丢弃。当同一批业务数据包到达边缘物联网关缓存队列时，首先处理初始优先级高的业务，之后随着时间推移或者新一批业务数据包到达，队列中业务数据包的优先级会发生变化，高优先级业务数据包在一定条件下可以抢占正在处理数据包的服务资源。

由式(16)可知，在业务等待处理和正在处理的过程中，业务数据包的动态优先级因子随时间的变化不同程度地增大，这可能会造成2个或者多个业务数据包的优先级交替上升，发生业务数据包反复抢占，即颠簸现象，进而导致边缘物联网关通信性能下降。为了减少颠簸现象的发生，设置一个业务抢占阈值β，限制动态优先级因子相差较小的业务之间发生服务资源抢占。例如，正在处理的业务数据包bk和排队等待处理的业务数据包bj，在t时刻二者的动态优先级因子分别为Yk(t)和Yj(t)，则发生业务抢占的条件为

(17)

2.2.4 基于动态优先级因子的业务调度策略

基于动态优先级的配用电物联网业务调度策略如图2所示。

图2 业务调度策略

3 仿真分析

3.1 仿真场景与参数设置

为了验证基于动态优先级的配用电物联网业务调度策略的有效性，选取某智能配电台区为应用场景，通过网络仿真平台OPNET[26]仿真分析边缘物联网关处理转发配用电物联网业务数据的通信性能，如图3所示。

图3 网络仿真场景

在网络仿真场景中，配用电物联网业务数据通过光纤/WALN汇聚到边缘物联网关进行处理，然后通过光纤转发至电力物联网云平台[7]。

仿真过程中主要对业务特性参数和边缘物联网关属性参数进行设置。根据配用电物联网业务的统计流量特征，业务汇聚流量大小设定为200 Kbit/s～10 Mbit/s，其中运行控制类业务和信息采集类业务数据包的产生比例为1:10。运行控制类业务采用泊松分布模拟产生随机性业务数据，信息采集类业务采用均匀分布模拟产生周期性业务数据，各类业务数据包长度和上传频率参考文献[27]。边缘物联网关的数据处理和转发能力为5 Mbit/s，缓存队列容量为500 MB。

3.2 仿真结果分析

3.2.1 基本性能分析

为了研究业务通信价值累计变化指数p、业务执行迫切度系数v和业务抢占阈值β对策略性能的影响，本文设定业务到达率为10 Mbit/s，通过控制变量法设置3个对照实验，仿真分析不同p、v、β下的通信性能。

实验1：设定v=2、β=1.5，并配置不同的p值，仿真分析p对本文所提策略性能的影响，仿真结果如图4所示。

由图4(a)可知，当p值增大时，正在被处理业务的剩余通信价值密度增大，不易被抢占，能够保证业务数据包能被顺利处理，因此丢包率随着p值的增大而降低。当p值增大到一定程度时，业务通信时效性对业务调度的影响过小，可能会导致一些业务无法及时完成，丢包率有所回升。随着p值增大，业务剩余通信价值密度对业务动态优先级的影响程度增大，业务执行迫切度对业务动态优先级的影响程度减小，因此在业务调度过程中大大提高了高通信价值业务的处理成功率，提升了边缘物联网关的通信收益，如图4(b)所示。由图4(c)可知，随着p值增加，业务之间发生抢占的次数减少，能够降低因业务抢占而造成的资源损失。总的来说，增加p值能够在一定程度上提高边缘物联网关的通信性能，但当p值继续增大到一定值时，通信性能趋于稳定或有所下降；这是因为业务剩余通信价值密度对业务调度的影响过大，忽略了业务时效性的影响，导致一些业务未能在截止期前完成。

图4 配置不同业务通信价值累计变化指数时算法性能仿真结果

实验2：设定p=2、β=1.5，配置不同的v值，仿真分析v对本文所提算法性能的影响，仿真结果如图5所示。

图5 配置不同执行迫切度系数时的算法性能仿真结果

由图5(a)可知，当v值增大时，业务通信时效性对业务调度的影响增大，能够在一定程度上提升业务数据包在截止期前完成的概率，降低丢包率。当v值增大到一定程度时，正在被处理业务数据包的业务执行迫切度不变，缓存队列中等待业务数据包的执行迫切性随着截止期的临近而不断增大，业务抢占发生的频率提高，业务抢占次数不断上升，如5(c)图所示。业务抢占频繁发生，导致边缘物联网关处理业务的效益下降，如图5(b)所示，并且丢包率也开始上升。总而言之，增大v值能够促进业务抢占，在一定程度上增加业务调度的灵活性，但当v值继续增大到一定值时，通信时效性对业务调度的影响过大，忽略了业务通信价值的影响，业务抢占频繁发生，反而对边缘物联网关的性能造成不利影响。

实验3：设定p=2、v=2，配置不同抢占阈值β，仿真分析β对本文所提算法性能的影响，仿真结果见表3。

表3 不同抢占阈值下边缘物联网关的通信性能

由表3可知，提高抢占阈值能够明显减少业务抢占次数，降低业务处理的平均延时，但会造成业务丢包率的上升，且当处于β=1和β=∞这2种极端情况时，边缘物联网关的通信收益都不理想，相较于β=1.5时通信效益更低。因此需要综合考虑业务通信需求和通信网络状况，选取合适的抢占阈值，从而满足业务通信需求和提升边缘物联网关的通信效益。

3.2.2 应用性能分析

当边缘物联网关采用基于动态优先级的业务调度策略时，p值和v值均取2，业务抢占阈值β取1.5。各类业务数据包的平均处理时延和多优先级排队模型理论分析结果如图6所示。

由图6可以看出，随着业务到达率增加，配电网自动化、分布式能源控制和负荷需求响应等运行控制类业务的平均处理时延分别在0.08～0.20 s、0.14～0.43 s和0.21～0.62 s缓慢上升，而信息采集类业务在0.49～1.30 s内快速增大，表明本文所提策略能够有效满足运行控制类业务的通信需求[28]。对比仿真值与理论分析结果可知，仿真值虽然有细微波动，但其曲线与理论分析结果变化趋势吻合，从而验证了多优先级业务排队模型的正确性。由于基于动态优先级的业务调度策略考虑到了业务通信价值和通信时效性，在保障运行控制类业务的通信需求的同时，可改善业务通信的公平性，相较于理论分析结果在一定程度上降低了信息采集类业务的平均排队时间。

图6 业务平均处理时延

边缘物联网关缓存队列中的业务数据包在超过绝对截止期时会有一定的概率发生丢包，对比分析FIFO法、DVD法、EDF法和本文策略下边缘物联网关处理转发业务的平均丢包率，对比结果如图7所示。

图7 业务平均丢包率

在业务到达率小于5.6 Mbit/s时，EDF方法丢包率最低，因为其总是能够在绝对截止期前处理最紧迫业务数据包。而在业务到达率进一步增加时，本文策略开始具有明显优势，能够合理安排长时间等待业务抢占服务资源，降低业务超过绝对截止期从而发生丢包的概率。FIFO方法、EDF方法和DVD方法不能对前端业务进行抢占，大量业务数据包到达时导致后端业务数据包长时间等待超过绝对截止期，边缘物联网关处理转发业务数据包的可靠性遇到瓶颈。

业务数据包被成功处理转发则实现其通信价值，给边缘物联网关创造效益；处理业务数据包超过绝对截止期限则通信价值丧失，且无效占用边缘物联网关资源，造成效益损失[29]。本文仿真分析了不同业务调度策略下的边缘物联网关的通信效益，结果如图8所示。

图8 边缘物联网关通信效益

由图8可知，当业务到达率较小(≤5 Mbit/s)时，本文策略相较于EDF方法的通信价值收益差，这是因为当通信负载较低时，只要能合理安排截止期早的业务数据包进行处理，EDF方法就能保证绝大部分业务能及时完成，边缘物联网关通信效益最高。当业务到达率较高(≥5 Mbit/s)时，DVD方法优先选择处理高通信价值的业务，可能造成截止期早的业务错过截止期而丢失通信价值，导致边缘物联网关的通信收益受损。在海量配用电物联网业务数据接入时，由于通信资源限制，需要保护部分关键业务的通信需求，而本文策略综合考虑业务通信价值和通信时效性，合理安排业务数据包的抢占处理，缓解业务通信价值损失的程度，此时边缘物联网关的通信收益高于EDF方法和DVD方法。

4 结束语

本文提出一种基于动态优先级的配用电物联网业务调度策略，综合考虑业务通信价值和业务通信时效性，建立业务动态优先级因子作为业务数据包优先级调度的指导依据，并加入业务抢占机制和设置抢占阈值，满足不同业务的通信需求。OPNET仿真分析验证了本文所提业务调度策略的有效性，在保障运行控制类业务的通信需求的同时，可降低信息采集类业务的排队延时，并且在海量业务数据突发接入时，相较于传统的业务调度算法具有更好的可靠性和效益。