面向智能电网广域通信的可靠路由算法研究

贾俊青，周 佳，郭 杉

（1.内蒙古电力科学研究院，内蒙古 呼和浩特 010020；2.内蒙古电力（集团）有限责任公司航检分公司，内蒙古呼和浩特 010020）

无线传感器网络（Wireless Sensor Networks，WSN）[1-4]是智能电网广域通信中的重要组成部分。通过将网络布置在传感器探测区域中，无线传感器所组成的节点即可与相邻节点进行通信。而在此部署过程中，对无线能量的高效率利用较为关键。因此，MAC、路由协议、数据聚合等多种通信协议的目标均为提升无线能量的利用率[5-6]。

当前智能广域电网具有区域面积大、电网结构复杂等特点，而作为WSN 的核心技术，路由协议的性能直接影响了能量传递的效率。WSN 路由协议的主要目的是通过对信号传播可靠路径的搜寻，将数据从某个节点转发至目标节点。传统的分簇通信路由协议无法对海量节点进行高效管理，文中基于广域无线传感器网络对分簇路由算法加以改进，从而优化电力网络数据的传输过程，该算法对提高电力通信系统的运行可靠性具有一定意义。

1 改进分簇可靠路由算法设计

1.1 WSN的系统及能耗模型

假设传感器有N个节点，且被随机放置在二维空间内，而基站位于该二维空间的外部，则节点模型的规则如下：

1）基站与节点的位置相对固定，传感器节点能量有限，而基站能量视为无限；

2）节点的优先级相同，被选作簇首的概率也相同；

3）每个节点均有独立ID，且传感器中有位置传感器和电量计。

除了系统模型外，节点传输数据也需消耗能量。WSN 通信能耗模型如图1 所示。

图1 WSN通信能耗模型

节点发送数据需要消耗的能量可表征为：

接收数据需要消耗的能量为：

节点硬件需要消耗的能量为：

式中，l为发送的二进制位数；d为信号传输的距离；Eelc为信号收发系数，单位为nJ/bit；Efs为能耗系数，单位为pJ(bit·m-2)；EDA为节点工作时的基础耗电系数；Emp为空间中的信号衰减系数，单位为pJ(bit·m-4)。

1.2 基于LEACH的WSN网络路由协议

WSN 网络路由协议按照节点组网方式的不同可分为平面与分簇路由协议两种，其中后者能减少节点的数量，并降低系统功耗。典型的分簇路由协议网络拓扑结构如图2 所示。

图2 LEACH分簇路由协议网络拓扑结构

低功耗自适应集簇分层型协议（Low Energy Adaptive Clustering Hierarchy，LEACH）算法[7-11]是经典的分簇路由方法之一。该算法的基本思想是通过分簇来降低整个网络的功耗，进而提升其整体性能。LEACH 路由协议将节点聚合成簇，而一个完整的簇由簇首及簇内节点构成。选择簇首的具体方法是随机生成一个0～1 的数，当该数值小于预设的判定值时，该节点将被选择为簇首。在选择过程中，若某个节点之前已被选为簇首，则在之后的过程中便不会再被选中。判定值I(n)如下所示：

式中，p表示预测的簇首占所有节点的百分比，r表示节点迭代次数，G表示未被选择为簇首的普通节点集合。

在确定好簇首之后，会对其他节点进行通知。而其他节点则会选择距离自身最近的簇首连接为簇，最终簇首再将簇内所有节点的信息相结合并发送至总节点，上述过程如图3 所示。

图3 簇首结合过程

1.3 分簇路由模型

虽然利用LEACH 协议将网络划分为簇结构能在一定程度上简化网络拓扑，但该协议仍存在诸多不足。如LEACH 的簇首选择仅通过随机数与阈值的比较而产生，故所有节点均可能成为簇首，这样便会导致随机性过高，并发生多个簇首分布不合理、簇内节点个数相差较大的情况，进而造成每个簇能耗的差异，且缩短系统整体的运行可靠性。因此针对上述缺点，文中使用启发式搜索算法来对参数进行优化，从而提升系统的性能。

文中选择的启发式算法为粒子群算法（Particle Swarm Optimization，PSO）[12-14]，其是一种模拟鸟类觅食行为的仿生学方法，即鸟群在搜寻食物源的过程中，虽然无法确定其正确位置，但可以通过个体间的信息分享使整个种群逐渐接近目标。

若将群体中的鸟类抽象为粒子，则假定种群中共有M个粒子，每个粒子均可用位置xi={xi1,xi2,…,xiN}和速度vi={vi1,vi2,…,viN}表示，其中i=1,2,3,…,M，粒子与种群的历史最佳位置可分别表征为pbest、gbest，二者也可称为局部和全局的最佳位置。粒子的位置、速度更新公式如下：

式中，w为惯性因子，其值越大，搜索步长就越大，即表示算法的全局特性越强；其值越小，则搜索步长也越小，代表算法的局部特性更强。vij为第i个粒子在第j维的速度分量；t为迭代次数；c1和c2为权重因子，这两项参数可辅助w控制系统全局或局部特性发展的速度；r1、r2则代表0～1 间的随机数。

粒子群算法的执行流程如图4 所示。

图4 粒子群算法执行流程

文中算法将被部署至基站中，按照以下步骤进行节点分簇：

步骤1：确定簇首适应度函数。该函数的选择需要参考节点到簇首的平均距离，同时还需要考虑簇首的消耗能量。适应度函数的表达式为：

式中，fch为簇首适应度函数，f1、f2、f3分别表示剩余能量、簇首平均距离及能量分布的评价因子；α、β和λ分别为f1、f2、f3的权重因子；Ei(r)为第i个节点迭代r次后的剩余能量；Eave(r)则为所有节点迭代r次后的平均剩余能量。

步骤2：在指定的探测范围内初始化粒子，并赋予粒子初始化的位置和速度。

步骤3：初始化粒子的最佳位置pbest与最佳速度vbest，并计算粒子的适应度，进而不断更新粒子的最佳位置及速度。

步骤4：更新粒子的实时位置和速度，若达到搜索结束条件，输出结果；否则，重复步骤3 直至满足条件为止。

算法所搭载的系统结构如图5 所示。

图5 系统结构

1.4 性能评价指标

广域通信网络[15-16]需要具备实时性及可靠性，因此文中使用这两个指标对算法性能进行评估。

1）实时性采用报文传输时延来表示，其计算公式为：

式中，τ表示总的报文传输时延，τ1、τ2表示报文处理的总延时，τs表示报文发送延时，τp表示报文空间传播延时，τq表示报文接收延时。报文传输总时延的计算过程，如图6 所示。

图6 报文总时延示意

2）可靠性采用误码率来表征，其是评估数据在规定时间内传输精确度的指标。误码率可表示如下：

式中，n为传输出错的位数，N为传输数据的总位数，其与传感器节点个数相等。

2 实验与分析

2.1 实验环境搭建

实验平台选择了Matlab软件，通过实验对各个算法的性能指标加以对比。仿真参数设置如表1所示。

表1 参数设置

2.2 算法测试

基于粒子群的分簇路由算法可以优化网络能耗、提升系统的实时性，并增加数据传输的精确度。因此进行性能测试，对比算法为基础LEACH、LDC、LEACH-GA 以及EELBCA[17-18]。

网络能耗指的是在整个传感器网络运行中所耗费的总能量，能量耗费越少，表明系统相应的利用率越高。对不同迭代次数的算法进行测试，以获得系统剩余能量。剩余能耗实验结果，如表2 所示。从表中可以看出，随着迭代次数的增加，各算法的剩余能量均在下降。且当迭代次数为1 300 次时，原始LEACH算法的剩余能量为0 J，这表示所有节点均已死亡；而该文算法则剩余31.2 J，在所有算法中为最佳。

表2 剩余能耗测试结果

系统实时性与可靠性指标使用式（8）-（9）中的系统报文传播总时延及误码率表示，同时随机选择传播的路由路径，迭代次数选择500 次，测试结果如表3 所示。

表3 传播总时延测试结果

由表3 可知，在4 条路由传播选择路径中，该文算法的平均运行时延约为1.79 ms，平均误码率则为0.212 5，在所有算法中均为最低。由此证明所提路由算法具有良好的准确度及实时性。

3 结束语

文中基于PSO 算法对LEACH 广域通信传感器分簇路由协议加以改进，通过使用PSO 算法的自适应函数对原算法的关键簇首选择方式进行优化，并利用多参数加权的方式提高了系统的实时性及可靠性。在实验仿真测试中，该文算法在不同迭代次数下的能量消耗均为最低，同时还具备更小的路由传播时延和数据传输误码率。由此证明，该文设计的改进分簇算法性能相较原始算法有所提升，故可选择较优的路径进行数据传输。