边缘侧分布式协同优化数据采集调度控制研究

吴昊文，谢文旺，张维，江瑾，王思源

（1.南方电网数字电网研究院有限公司，广东广州 510663；2.合肥工业大学电气与自动化工程学院，安徽 合肥 230009）

近年来，随着互联网信息技术、可再生能源技术以及电力改革进程的加速发展[1-3]，边缘计算技术已广泛融入综合供能系统监测的各个方面，但不同的监测对于数据传输也有不同的要求[4]。对能源设备供能的监测包括网络状态监测、运行状态监测、实时供能监测、事件监测四类[5-6]，每类监测对响应时间具有不同的要求。因此，将边缘计算应用于综合供能系统中，需要以应用的响应需求为优先级，对数据采集调度进行优化。

针对于上述优化问题，国内外学者已经开展了大量研究工作。文献[7-10]为了减少网络容量需求，智能电表数据量的减少是通过在数据集中点将多个小型智能计量消息连接到一个更大的数据包来实现的，为此作者提出了六种基于最早截止日期优先的数据采集调度方案；文献[11]考虑了数据采集的安全性问题，提出了一种隐私保护数据收集框架；文献[12-14]解决了与不可控紧急事件同时出现的信息流，采用找可用路由或者利用可用信道分配来减少干扰，以此来减少数据采集调度的延迟。

虽然文献[7-10]都是研究数据采集调度的优化问题，但都仅仅只关注最早截至日期的响应时间要求，而忽视了不同数据优先级的响应时间要求。因此，文中提出了一种多能源数据采集调度控制优化方法，用于满足用户特定服务质量要求。

文中利用多跳无线网络建立数据采集结构，通过优化数据包大小和频谱感知次数来最小化延迟，并提出了最优数据采集调度算法。测试结果表明，提出的算法和结构可以有效地提高数据采集调度的效率，以满足能源设备数据采集调度的时延要求。

1 多跳无线网络的数据采集结构

文中假设所有的综合供能系统的水、电、天然气表都配备有多跳的无线网络协议，并形成了一个网状网络；并且智能电表用于定期活动，如远程抄表、电压电能质量检测等，每个智能电表支持广泛的数据采集频率，可以远程配置。

该节根据所有智能电表之间的距离，建立了一种多跳无线网络数据采集生成树结构，如图1 所示。其中包括一个采集终端和若干个智能电表，采集终端充当边缘侧控制处理器，负责处理传输过来的数据；智能电表仅充当通信处理器，负责传输数据。

图1 多跳无线网络结构

2 系统模型与优化目标

2.1 系统模型

文中提出了一种进行暂态分析数据传输的模型。首先定义主要用户和次要用户，主要用户是信道的控制者，次要用户则只是使用者，而为了有效利用资源，传输数据的时候仅利用空闲信道进行数据传输。次要用户可以利用空闲信道进行数据传输，当主要用户以最高的优先级使用当前信道时，次级用户需要及时停止使用频谱，将信道让给主要用户。假设次要用户要传输的暂态分析数据流由一组数据包组成，在每个数据包传输开始处对信道进行频谱感知，当检测到空闲信道时，通过信道传输数据包后再次进行频谱感知。数据传输模型结构如图2 所示。

图2 数据传输模型

模型中将Dm定义为发送数据包的最大允许时间，因此，一次成功的传输是一个正常大小的数据包在[0,Dm] 时间段内传输。模型中提出以下假设：需要传输的数据流总长度大小为M，分为n份长度为L的数据包(满足条件M=n×L)；总信道个数为m。于是在第i个信道(0 ＜i＜m)传输一份数据包的时间为=L/Ri，其中Ri为第i个信道的带宽大小。提出发送每个数据包的时间为其中，为第i个信道发送一个数据包需要的总时间，Ts为频谱感知时间。假设所有信道带宽大小Ri相等，因此相同大小的数据包在任意信道中传输时间相等。

2.2 优化目标

在数据传输中，需要在给定时间Dm内完成数据传输。根据模型，文中把总时间延迟开销τOH定义为式（1）：

式中，τS为频谱感知造成的时间开销，τR为重传数据包造成的时间开销。文中提出联合优化数据包长度大小和频谱感知次数，以此来降低传输延迟。

2.3 优化目标的数学描述

文中将目标函数定义为开销时间和有效传输时间的商。考虑到主要用户到达率拟合泊松到达模型，文中提出主要用户到达率为式（2）：

式中，λi为主要用户到达第i个信道的平均时间。因此得出在进行了X次频谱感知之后，主要用户到达的概率为式（3）：

根据提出的传输模型，如果在数据包传输时间内，并没有主要用户到达。则延迟仅由频谱感知造成，频谱感知的次数为X，每次频谱感知的时间为TS，因此总延迟将等于XTS。而如果在新的频谱感知过程系统检测到一个主要用户到达现有的通道，那么最后一个数据包将需要重新传输，这种状态下的延迟为+XTS。由以上结论，可以将当前信道的频谱感知和重传开销时间建模为式（4）:

为了得到平均时间开销的具体值，需要计算得出E(X)和E((X))的值：

最终由式（6）、（7）得到平均时间开销为：

根据提出的传输模型，如果在数据包传输时间内，并没有主要用户到达，这种状态下的总的有效传输时间为(X-1)()。而如果在新的频谱感知过程系统检测到一个主要用户到达现有的通道，那么最后一个包将需要重新传输，这种状态下的有效传输时间为()。由以上结论，基于式（6）、（7）得到平均有效传输时间为式（9）：

为了在平均时间开销小的前提下提高平均有效传输时间。将优化目标函数f定义为这两个函数的比率，如式（10）所示：

f中未知变量为频谱感知次数X与数据包大小，又由于频谱感知次数X与数据包大小满足如式（11）-（13）的约束条件：

所以文中的优化目标就是在式（11）-（13）的约束条件下，使得式（10）优化目标函数f取最小值。利用动态规划算法，即可获得最优数据包分包大小为L=(L)*与最优频谱感知次数为X=(X)*。

3 最优数据采集调度算法

该节提出利用监测类型作为优先级进行最优排序调度，在保证重要数据传输的基础上减少数据传输过程的延迟并提高成功率。根据式（14）-（15）计算各数据采集装置的初始化参数矩阵Zi：

式中，bi为第i个数据采集装置截止时间；Ei为第i个数据采集装置任务重要等级，用数值3、2、1 分别表示重要程度，3 为非常重要，依次下降。文中将事件检测设置为重要，网络状态检测和运行状态监测设置为一般，实施功能监测设置为不重要；Wi为第i个数据采集装置任务重要性的价值密度。利用式（16）建立优先级表为P：

各区域数据采集装置根据优先级表，按照优先级由高到低进行排序，将k个区域优先级最高的数据采集装置利用空闲信道完成数据采集传输完毕。

4 仿真与结果

网络的节点个数分别初始化为36、54、72、90、108、126、144。分别选取文中数据采集调度方法和文献[7]、文献[15]、文献[16]进行对比。图3 显示了数据采集调度成功概率随网络节点个数变化的趋势，文中算法的数据采集调度成功概率始终高于其他方法，文中算法可靠性最高。

图3 数据采集成功概率

图4 描述了数据采集延迟随网络节点的个数的变化趋势，相比其他算法，文中算法的延迟时间增加缓慢，延迟时间始终没有超出1 s，体现了文中算法的低延迟性。

图4 数据采集延迟

图5 描述了数据采集调度时间随网络节点个数变化的趋势。文中算法的数据采集调度时间一直最短[17-19]。

图5 数据采集时间

5 结论

针对能源设备供能的监测对于响应延迟具有不同的时延要求，文中提出了一种数据采集调度算法。通过联合优化数据包大小和频谱感知次数来构建目标函数，通过最优数据采集调度算法优化时延。仿真验证的结果表明，与现有的方法相比，文中提出的数据采集调度算法在多网络节点数据采集情况下，成功率更高，延迟更低。因此，文中所提出的方法可以有效地提高数据采集调度的成功率，进而可以满足能源设备供能的监测时间约束条件。