基于NDN 架构的智能配电网感知数据收集协议

喻磊，袁智勇，林心昊，刘胤良，雷金勇，史训涛，徐全，白浩，徐敏

（南方电网科学研究院， 广州 510663）

0 引言

近年来我国能源生产结构中，分布式、可再生能源的比重持续快速上升，分布式能源的快速发展催生了能源互联网概念的产生，智能电网进入到能源互联时代［1-2］。从覆盖范围来看，能源互联网可以被视为“广域网”，而智能配电网所属的区域能源互联网则是一个“局域网”。在区域能源互联网的场景下，相比于传统电网，能源不仅仅是在集中式发电端和终端用户之间单向流动［3-5］，而是在集中式发电端、分布式发电端、储能端和终端用户等之间多向流动，通信数据量将呈几何倍增长［6］。作为能源互联网“末梢神经”的无线传感器网络（wireless sensor network，WSN）也因此变得越来越重要［7-8］。

WSN 的核心功能即为数据采集，其在能源互联网中的应用性研究已经发挥了重要作用，包括智能配电网故障定位、变电站自动化、输电线路的实时监测等各方面［8-10］。但是随着太阳能和风能等分布式发电设备的广泛应用，传统WSN 网络在智能配电网中的应用面临越来越多的困难，例如，传统WSN 基于IP 网络，难以发挥出智能配电网中多种接入网络的性能；在气象灾害或巡检无人机等动态场景下难以获取节点IP地址，无法及时有效完成数据收集任务等［4］。命名数据网络（named data networking， NDN）是一种新型通用互联网架构，可以应用在多种物联网场景下［9-11］。NDN 架构的出现，为解决上述问题提供了可能。

文献［6］将智能电网中的网络架构划分为3 个层次，并映射到NDN 网络架构中，探讨了NDN 网络在智能电网骨干网络适配的可能性。文献［12］提出了一个轻量级的CCN-WSN 架构，实现WSN 网络上的新型网络架构适配，但是该方案依然使用“一发一收”的数据收集模式，效率较低。文献［13］初步概述了NDN 架构可以为WSN 带来的好处，包括对数据收集、移动性和安全性等的底层支持，但其没有根据智能电网应用领域中WSN 的独特性进行架构上的调整，在流量性能和时延上确界标准等方面存在不足。本文面向智能配电网感知数据收集任务需求，在深入研究智能配电网数据传输特征的基础上，对原生NDN 进行适配性改进，提出了一种智能配电网中感知数据收集协议——时延上确界保证的NDN 和WSN 结合的数据协议，简写为T-ND-WSN。T-ND-WSN 协议的主要创新点如下：

1）针对NDN 现有的缓存策略不符合智能配电网中感知数据收集场景的问题，T-ND-WSN 设计了概率缓存策略来满足智能配电网数据传输时延上确界标准和服务质量需求。

2）针对NDN 现有架构的“一发一收”数据收集模式效率低下的问题，T-ND-WSN 设计了基于PIT动态更新的“一发多收”数据收集机制。

1 应用场景

1.1 通信需求

智能配电网是智能电网的重要组成部分，在智能配电网中，基于WSN 的数据收集机制需要满足国家和电网公司等制定的配用电自动化技术标准的一系列相关要求［14］，表1 列出了智能配电网中配电自动化部分操作的通信实时性需求，从表1 中可以明显看出，不同操作在通信实时性需求方面存在较大差异。

表 1 智能配电网中配电自动化部分操作的通信实时性需求Tab. 1 Communication requirements of distribution automation in smart distribution grids

1.2 网络体系抽象

WSN 具有节点大规模部署、自组织、低功耗和成本低等独特的优势，可以克服其他通信方式的缺点，因此WSN 在智能配电的本地通信网络建设中得到越来越多的应用，图1 展示了WSN 在智能配电网中的典型应用场景及网络体系抽象。WSN可以有效地应用于智能配电系统的建设，其作为能源互联网的网络末梢，通常被固定或者分散部署在受监测的区域内，采集智能配电网的电压、电流、频率、有功与无功等电气参数，配电网设备周围环境的温度、湿度和风力等环境参数，通过多跳和单跳的传输方式将收集到的数据包传输到基站或者Sink节点［15-16］，最终将整个区域监测到的数据汇聚到管理中心。但是随着太阳能和风能等分布式发电设备的广泛应用，电能不仅仅是在集中式发电端和终端用户之间单向流动，而是在集中式发电端、分布式发电端、储能端和终端用户等之间多向流动，数据监测网络的接入方式也由单一向多种接入方式演进，传统WSN 网络在智能配电网中的应用面临越来越多的困难［17］。

图1 WSN及其在智能配电网中应用场景示意图Fig. 1 WSN and its application scenarios in smart distribution grids

NDN 作为一种以数据需求为驱动的新型网络架构，符合WSN 只关注数据收集任务本身的初衷。NDN 的出现为解决传统WSN 在智能配电网应用中所面临的新问题提供了一种可能，当然，NDN 协议本身还需要做进一步的适配。

2 数据收集协议T-ND-WSN

本节首先给出NDN 原理的简单介绍，进而结合原生NDN 路由节点的组成，对本文提出的数据收集协议T-ND-WSN进行详细描述。

2.1 NDN原理简介

NDN 网络中有两类包：兴趣包和数据包。NDN 数据交互就是通过兴趣包和数据包的名字匹配来完成，即内容请求者通过发送包含特定名字的兴趣包来获取数据，而数据拥有者回复带有该名字的数据包。NDN 中路由节点维护内容缓存（content store， CS）、待定兴趣表（pending interest table， PIT）和转发信息库（forwarding information base， FIB）来实现包的转发。以兴趣包为例，其路由节点处理过程如图2 所示，路由节点首先根据最长前缀匹配原则查找CS 库中的内容，若匹配成功则直接返回Data 包；若匹配失败则查找PIT 表，若查找到PIT 条目，则更新该条目的入端口号；若未找到则增加新的PIT 条目，查找FIB 表并转发到上游路由节点，否则丢弃该兴趣包或返回NACK［18-19］。

图2 兴趣包路由处理过程Fig. 2 Interest packet routing process diagram

从图2中给出的路由节点处理过程可以看出，路由节点的CS 和PIT 表对于包的转发具有重要影响，本文提出的T-ND-WSN数据收集协议正是通过修改CS 的缓存策略和PIT 条目的更新算法来实现原生NDN对于智能配电网中有源WSN应用需求的适配。

2.2 CS概率缓存策略

在智能配电网场景中，有源WSN 中的节点可以通过电网直接供电，能源消耗不再是数据收集相关协议设计所面临的主要问题［20］，而以数据传输的可靠性和实时性为代表的服务质量（quality of service， QoS）成为必须解决的焦点问题，这是因为中国国家标准和电力系统行业标准中对数据传输的可靠性和时延上确界都做了严格的规定［14］。

原生NDN 中路由节点的CS 缓存策略默认为处处缓存算法（leave copy everywhere， LCE），该策略在缓存容量充足的时候能够获得良好的性能，但是对于内存容量受限的WSN 节点并不适用。本文提出CS 的概率缓存策略用于解决该问题，并提升智能配电网场景下数据传输的QoS，提高数据收集效率，下面对该策略进行详细描述。

2.2.1 传输数据的QoS建模

根据智能配电网传输数据的可靠性和实时性的不同，可以将传输数据的QoS 需求分为4 类：无可靠性和实时性要求；仅对可靠性有严格要求；仅对实时性有严格要求；同时对可靠性和实时性有严格要求。当可靠性要求严格时，可以通过在转发路径的各节点上尽可能缓存数据包，避免因为数据拥塞或者物理链路故障等丢失数据包；当实时性要求较高时，需要尽快将数据包从数据源节点转发至sink节点，即优先转发数据包。本文定义缓存系数α和转发系数β来描述不同传输数据对QoS的不同需求。

在对QoS 建模之前，首先给出WSN 中相邻节点vi和vj通信的链路可靠性rij和时延dij的数学表示。

式中：λ为故障率；μ为修复率，假定均为常数，可以由统计分析得出；lij为相邻节点的通信距离；v为数据传输速率；Δt为链路随机延时。考虑到WSN网络中数据多跳传输的特点，容易推得，可靠性rij具有可乘性，而时延dij具有可加性，因此，对于一条多跳数据传输路径(vs，…，vi，vj，…，vd)，可靠性rsd和时延dsd可表示为：

数据传输的QoS 可以从可靠性和实时性两方面度量。当数据包D 可靠性要求较高时，需要综合考虑当前节点vs的缓存占用和从当前节点至目标sink节点vd的路径可靠性，不妨假设当前节点vs的剩余存储容量为bs和总缓存容量bf，则可用式（3）计算获得数据包D被节点vs缓存的概率p(D|vs)。

式中：RD（·）为随机函数；Max（·）为求最大值函数：αD为数据包D的缓存系数。当数据包实时性要求比较高时，不妨假设其时延上确界为，则可用式（4）计算获得数据包Dˉ被节点vs转发的概率p()。

式中βDˉ为数据包Dˉ的转发系数。p(|vs)的值越大，则数据包被转发的概率越高，其值为1 时，则表示应立即转发。

2.2.2 概率缓存的协议适配

考虑到概率缓存策略中需要同步路径可靠性和时延，对于NDN 协议来说，通过修改兴趣包属性字段，并利用兴趣包进行信息同步较为方便，可以在兴趣包结构中增加上一跳节点标识、到达当前节点的路径可靠性、到达当前节点的路径时延、数据转发系数、数据缓存系数和时间上确界等，如表2所示。

表2 兴趣包新增属性字段列表Tab. 2 List of new attribute fields of interest packet

兴趣包在节点之间进行转发过程中，路径上的节点需要根据兴趣包中的属性值来动态维护自身的节点状态表，表3 给出了一个节点状态表示例，节点状态表中的一条记录包括邻居节点标识、经过该邻居节点到达sink 节点的各条路径的可靠率最大值和时延最小值。表中记录用于协助进行概率缓存策略的计算。

表3 节点状态表示例Tab. 3 Example of node status table

2.3 PIT动态更新算法

为了支持WSN 中“一发多收”的多源数据收集特征，本文修改原生NDN 路由节点在获取到返回Data 包后立即删除对应PIT 条目的工作流程，增加路由节点中PIT 条目的保留时长。然而，若PIT条目保留时间过长，WSN 节点内存空间有限，PIT条目累积之后，节点的PIT 表内存溢出；更重要的是，智能配电网中数据传输的时延上确界要求，依据时延上确界已经“过期”的数据包如果还在网络内被转发，会造成网络资源的极大浪费，针对上述问题，本文提出基于PIT 条目保留时长估算和数据包时延上确界相结合的PIT 条目动态更新算法，该算法分为两个步骤。

1）第一步：估算路由节点vi中PIT 条目的最长保留时长Tie；

2）第二步：结合命中第k 条兴趣包的第一个返回数据包中的时延属性和步骤一的估算结果Tie设定该PIT条目的超时计时器tk。

2.3.1 PIT条目保留时长估算

假设节点vi的PIT容量大小为N，不妨将PIT表建模为M/M/1(N)排队模型，其对应马尔科夫链式模型如图3所示。

图3 PIT表的马尔科夫链式模型Fig. 3 Markov chain model of PIT table

图3中λk-1表示PIT 中有k-1 个条目时兴趣包的到达率，Pk表示PIT 中有k 个条目的平衡概率，μk为PIT 中有k个条目时其条目的删除率，则根据PIT 中从k个条目变为k-1 个条目时的PIT 条目删除率等于PIT中从k-1个条目变为k个条目时的兴趣包到达率，可以得到平衡方程。

整理方程，可得Pk。

式中P0为没有条目的概率，考虑到PIT 容量大小为N，用全概率公式求解，可得：

假设路由节点vi上PIT 以速率λi向前转移到下一个状态，则λk=λ i，μk=μi，令Tie= 1μi，ρ=λi μi，则ρ=λ iTie，将该公式和式（7）代入式（6），整理可得路由节点vi出现N个PIT 条目时候的稳态概率

此时，Tie成为路由节点vi上PIT 条目最大保留时长估计，而根据WSN 的具体场景，可以设置PNi的阈值上限，由此推算Tie的取值范围。

2.3.2 PIT条目超时计时器

在智能配电网场景下，路由节点vi上的PIT 条目的删除需要综合考虑多个时间属性，其存在两种情况：第一种情况为该兴趣包尚未收到任何返回数据包，则此时超时计时器tk设置为Tie，从而维护该路由节点的PIT 表不溢出；第二种情况为已经收到第一个回传数据包，则该数据包中携带的路径时延dsi、数据包时延上确界综合考虑各时间属性，超时计时器应设置为：

当路径时延dsi比时延上确界还要大时，则超时计时器设置为0，直接删除该PIT条目。

3 仿真实验

3.1 实验环境

本文使用基于Python 库作为仿真工具对T-NDWSN 协议进行性能分析。WSN 仿真环境在20 000 m×20 000 m 的监测区域内随机部署500 个无线传感器，每个传感器有5 MB 的内存空间，其中FIB 为512 kB，CS 和PIT 的空间大小作为动态参数在仿真程序中可设置，传感器的传输范围是300 m，数据传输速率为256 kbps，感知数据包大小为256 字节，兴趣包的时延上确界均设定为2 s。考虑到T-ND-WSN 应用于有源WSN 网络，传感器节点的电池容量为无限。

表4 实验仿真环境参数Tab. 4 Experimental simulation environment parameters

3.2 实验分析

3.2.1 性能指标

在仿真实验环境基础上实现文献［21］提出的CS 缓存策略（EPPC）、文献［22］提出的PIT 更新算法（iHEMS）和本文提出T-ND-WSN 协议进行性能对比分析。考虑到T-ND-WSN协议提出的目的是实现感知数据的收集，我们选择数据传输时延、缓冲区命中率和数据收集效率3 个性能指标进行性能分析，其中，数据传输时延指的是从兴趣包发送到收到返回数据包的平均时间间隔，其中本文提出的T-ND-WSN 协议支持“一发多收”模式，同一个兴趣包返回多个数据包分别计算返回数据包和对应兴趣包的时间间隔并求平均，如式（10）所示。

式中tij为发送第i个兴趣包到收到对应第j个数据包的时间间隔，对于“一发一收”模式，一个兴趣包对应一个数据包，此时X= 1；对于“一发多收”模式，一个兴趣包实验设定为对应M个数据包，此时X=M，如果未收到对应数据包，则tij设置为当前兴趣包的时延上确界，在本实验中即为2 s。缓冲区命中率指的是兴趣包发送请求后，在网络内部节点返回数据包，而并不是数据原始生产者节点返回数据包所占的比重，如式（11）所示。

式中：hR为兴趣包发送请求后在网络内部节点返回数据包的数目；hP为兴趣包发送请求后数据原始生产者节点返回数据包的数目。数据收集效率r指的是兴趣包发送请求后，实际收到的有效数据包（去除重复数据包）占预期应该收到的数据包的比例，如式（12）所示。

3.2.2 数据传输时延分析

图4 展示了T-ND-WSN 和EPPC 两种算法下的仿真结果对比，其中T-ND-WSN的数据传输时延受到转发系数β的影响，估计分别展示取值0.3、0.4和0.5条件下的仿真结果。

图4 数据传输时延仿真结果曲线图Fig. 4 Simulation results of data communication delay

从仿真结果可以看出，当CS 容量较小时，TND-WSN 的数据传输时延较大，这主要是由于TND-WSN 协议采用式（4）给出的基于概率的转发机制，数据包传输的前半段，由于时延冗余度较高，数据包被缓存的概率较大，网络传输利用率较低，CS 容量较小，在缓存的数量到达一定阈值后，受到时间上确界影响而产生一定程度的丢包，直接导致整体平均时延较大，如图中红色椭圆标注部分，为了整体显示效果，极大值被人为设置为100 ms；而随着CS 容量逐渐增长，丢包情况逐渐减少，特别是到320 kB左右之后，网络中数据包转发和缓存逐渐达到平衡，T-ND-WSN 在转发系数β推动数据包大概率的沿着兴趣包路径快速返回，使得整体时延小于EPPC。同时，图4 显示转发系数β设置与CS 容量有关，当其取值与CS 容量相适应时，不会出现大量数据包丢包，也即可以满足传输时延上确界的要求。综合分析实验结果可知，当WSN 节点上CS 容量满足一定条件时，T-ND-WSN 具有较好的实时性。

3.2.3 缓冲区命中率分析

缓冲区命中率一定程度上反映了CS 缓存策略的优劣，图5 展示了T-ND-WSN 和EPPC 两种算法下缓冲区命中率的仿真结果对比。

图5 缓冲区命中率仿真结果曲线图Fig. 5 Simulation results of cache-hit ratio

缓冲区命中率在一定程度上可以反应出物理网络链路不稳定时候，数据传输的可靠性。图5（a）中T-ND-WSN 的缓冲区命中率与EPPC 具有较大差异，这是因为此时缓存系数α取值较小，数据包传输过程中被缓存在网内节点的概率则较小，缓冲区命中率则较小；图5 中3 幅曲线图的对比显示出随着缓存系数α取值逐渐变大，T-ND-WSN 的缓冲区命中率逐渐变好，并与EPPC 相差不大，特别是当α取值为0.7 时，T-ND-WSN 的缓冲区命中率与EPPC 几乎保持一致。由实验结果推知，为了使得数据传输的服务质量，在T-ND-WSN协议中，缓存系数α取值不应过小。

3.2.4 数据收集效率分析

数据收集效率是本文所提T-ND-WSN协议所要解决的关键点。图6 展示了的T-ND-WSN、iHEMS和EPPC在不同PIT容量下的数据收集效率。

图6 数据收集效率仿真结果曲线图Fig. 6 Simulation results of data collection efficiency

实验结果表明，相比于iHEMS 和EPPC，TND-WSN 的数据收集效率具有明显优势，这与iHEMS 和EPPC 的设计原理基本一致，其中EPPC只对CS 缓存策略进行了优化，PIT 条目依然沿用“一收一发”机制，因此数据收集效率较低；而iHEMS 的PIT 条目更新使用固定时间值，直接且简单，数据收集效率的结果也相对差一些；对比不同PIT 容量下相同算法的数据收集效率，显然，PIT容量越大，数据收集效率越好，这是因为PIT 容量越大，PIT 条目的更新周期则越长，网络边缘节点或者物理网络不稳定的节点所生产的数据更容易被收集。

4 结语

随着以可再生能源为代表分布式能源被广泛运用到电力产业，WSN 作为在智能配电网中网络架构的“末梢神经”，遇到越来越多的挑战，如WSN基于IP网络，对多种无线接入网的复杂环境缺乏灵活性；在气象灾害或巡检无人机等动态场景下难以获取节点IP地址，无法及时有效完成数据收集任务等。NDN 架构对这些问题的解决具有原生支持方案，本文结合NDN 架构优势，提出了一种智能配电网中感知数据收集协议——T-ND-WSN。

T-ND-WSN 协议采用概率缓存策略和PIT 动态更新机制对原生NDN 进行改进，在保留原生优势的前提下，还对智能配电网中数据传输的时延上确界标准和可靠性需求给予了支持。仿真结果表明，T-ND-WSN 其在满足智能配电网数据通信时延上确界前提下，在数据传输实时性和可靠性两个维度上也具有一定的提升。智能配电网不仅接入网环境相对复杂，其数据收集任务也多种多样［23-24］，未来，在针对不同数据收集类型的协议自适应方面以及基于NDN 的数据安全协议方面可以开展更进一步的研究。