广东电网公司清远供电局
摘要：针对配电网测控保护的应用需求和环境特征,以构建实时可靠、高效低耗的传感器网络为目标,以带状异构传感器网络的拓扑受限、混杂异构、动态外部环境为出发点,开展带状传感器网络在体系结构与优化设计、实时可靠数据传输、信息融合与分析方面的基础理论和关键技术。从而能够对配电网运行的状态进行全方位的监测,对大量不同的传感器数据信息进行分析,起到对配电网灾害的预测和决策的控制。
关键词：传感器网络，数据传输，信息融合，带状异构传感器
本项目针对配电网灾害实时监测系统的应用需求和走廊带状环境特征，以构建实时可靠、高效低耗的传感器网络为目标，对配电网运行状态进行全方位的实时可靠监测，包括视频监测、灾害监测、设备状态监测、电力质量监测等。我们以带状异构传感器网络的拓扑受限、混杂异构、动态外部环境为出发点，开展以下几个方面的基础理论与关键技术研究：配电网走廊环境下带状异构传感器网络体系结构与优化设计策略；带状异构传感器网络实时可靠数据传输机制；大规模配电网监测异构数据的信息融合与分析机制，从而可以为带状异构传感器网络在配电网中的应用打下坚实的理论基础。
1 系统体系架构
针对配电网灾害实时监测系统的应用需求和环境特征，以构建实时可靠、高效低耗的传感器网络为目标，以带状异构传感器网络的拓扑受限、混杂异构、动态外部环境为出发点，开展带状传感器网络在体系结构与优化设计、实时可靠数据传输、信息融合与分析等方面的基础理论和关键技术。该配电网灾害实时监测系统的总体结构如下图1所示。
图2 配电网灾害实时监测系统体系架构关键技术
（1）针对配电网灾害实时监测系统的应用环境，建立多级互联的带状异构传感器网络体系结构，设计支持协议自适应切换的节点协议栈，满足配电网灾害实时监测系统对传感器网络服务质量（QoS）要求。
（2）提出基于局部网络流量负载感知的自适应MAC协议，提出基于网络流量变化趋势感知的数据传输拥塞控制协议，形成多层次的带状传感器网络数据实时可靠传输机制。
（3）提出面向情景灵敏感知的多源混杂信息高效融合方法，为建立配电网测控保护数据态势可视化平台提供可能，提出大规模多源异构数据时空关联的分析挖掘技术，形成系统的大规模异构数据融合与分析机制。该配电网灾害实时监测系统体系架构关键技术如图2所示。
2 信息感知
针对配电网走廊带状环境以及全方位监测的需求，研究传感器网络结构与优化设计策略，包括：研究多级互联的带状异构传感器网络体系结构；针对配电网灾害视频监测的需求，为降低能耗延长系统运行周期，研究基于轮流唤醒机制的低能耗事件图像采集机制。
2.1 多级互联的带状异构传感器网络体系结构
根据配电网灾害实时监测系统的要求，选择适合的传感器节点，依据周围环境的特点和杆塔的形状，在满足系统性能要求下，按照成本最小化原则，对传感器节点进行合理的分配。利用传感器网络多跳路由的特点，各杆塔上的监测数据通过多跳方式传送给监控中心进行处理[5]。支撑配电网灾害实时监测系统的无线传感器网络架构如图3所示，其中还包含视频监控设备。
图3 配电网测控保护系统的传感器网络架构
传感器节点布置在杆塔上面，灾害实时监测系统传感器网络适合采用2层的拓扑结构[5]，传感器被分为多个簇，簇内传感器组成第一层，用来整合各个传感器节点的数据并用于簇间转发，簇间通信作为第二层，以多跳的形式将数据传给监控中心（配电站），其实配电站就是汇聚节点。各簇里的传感器节点，负责采集传感器数据，最后把数据周期性汇聚到簇头节点，簇头节点只负责塔间的传送，为了避免干扰，簇内使用较小发射功率的频率f1和簇间使用较大发射功率的频率f2[6]。
2.2基于轮流唤醒机制的低能耗事件图像采集机制
为了降低多媒体数据（如传感器拍的图像）带来的能量消耗和时延，提出了基于轮流唤醒机制的低能耗事件图像采集机制。使用两层异构节点结构，位于系统的上层的高层节点“负责低层节点，而低层节点则负责区域内的图像采集工作[7]。基于事件驱动模式，高层节点轮流唤醒低层节点采集其本地图像，并对低层节点采集的图像进行融合处理，有效减小网络传输负载。另外，通过对节点的结构化部署以及事件视图的区域映射，建立基于动态模型的唤醒节点模式[8]。
3 网络传输
针对配电网测控保护对实时性与可靠性的要求，研究带状异构传感器网络的可靠数据传输机制，包括：研究动态自适应的协议栈优化设计方法；研究带状异构传感器网络实时可靠数据传输机制，包括（1）基于局部网络流量感知的自适应高效MAC协议和（2）面向突发数据流的网络拥塞控制策略。
3.1动态自适应的协议栈优化设计方法
簇头节点负责塔间数据多跳传输、本地通信簇内传感器节点数据收集以及多源异质数据的本地融合等多项任务，采用双协议栈设计，如下图3所示，其中协议栈A用于与簇内传感器节点进行通信，采用TDMA信道分配协议，且由于簇内为单跳通信无需路由协议。
该协议栈的特点是：
a) 根据各种类型的服务不同的QoS要求，采取相应的资源分配策略。
b) 在MAC及路由协议上，采取了自适应MAC协议的方法，根据业务需要，及网络负载，动态切换协议模式，以提高网络的效率。例如，在重负载时，采用突发传输模式，提高网络的吞吐量，在轻负载并且数据的优先级较低时，采用选择性唤醒模式，以降低协议本身的复杂度，减少节点能量耗费，提高网络生命期。
c) 在对数据包的调度上，填加了速率控制模块，根据收集得到的网络状态信息，调整数据包的发送速率，以免网络发生拥塞。
d) 在层间调度上，提供了层间接口，既保持了分层的特点，每一层，又可跨层访问其它层的信息，提高了网络的运行效率。
3.2 带状异构传感器网络实时可靠数据传输机制
（1）基于局部网络流量感知的自适应高效MAC协议
由于网络环境以及应用需求的动态变化，导致网络数据流量随时间和空间经常变化，从而造成网络性能不稳定，比如，发生的特殊事件产生的尖峰数据流量会导致区域内数据流量不均衡，这就需要网络协议能根据感知的局部网络行为信息进行自适应调整与优化，避免通过全网调节而带来的巨大开销。为了解决此问题，本应用采用一种基于局部网络流量感知的自适应高效MAC协议[9]，通过测量MAC队列缓存长度以及传输速率来自适应控制，流量高时切换到突发模式传输数据，流量低时选择唤醒模式来提高协议性能，从而实现自适应功能，同时有助于降低能耗。
节点监测自身的数据包到达速率vi，当vi超过一定阈值时，即触发计算k跳区域内的平均数据到达速率v，如v也超过阈值(阈值的设定与节点数据缓冲区长度相关)，那么节点i的MAC协议自适应转为高数据流量传输状态，采用突发传输模式。突发传输模式描述如下：
节点在发送数据前先监测当前缓冲区中数据包数目，如果数目超过1，则通过RTS/CTS控制包向下一跳邻居节点进行信道预约，RTS控制包中包含的信息包括：本次突发传输中的数据包数目Nbst ，离本次传输结束的时间NAV、以及下一跳节点地址等。下一跳邻居节点在接收到RTS包后，回复CTS包进行本次突发传输的确认。所有的包都包含这次传输结束的时间，非目的邻居节点帧听到RTS则更新NAV，并进入睡眠。在信道预约成功后，发送方节点连续发送Nbst个数据包到下一跳邻居节点，最后接收节点回复一个ACK包进行确认并结束本次突发传输。同时，考虑到公平性与同步需求，限定一次突发数据传输中允许的最大数据包数目为Nmax。
当到区域内网络数据流量比较小时，采用选择性唤醒调度来减少不必要能量耗费。当数据包的速率低于预先的阀值β，就启用选择唤醒模式。阈值β按如下方法设定：预先计算协议周期T，设定基础流量强度为1/T，若数据包到达速率小于β=1/T，那么即可采用选择性唤醒模式。
在采用选择性唤醒模式时，首先当前节点检查待发送的数据包的地址域，得到下一跳节点地址并发送预约发送包(Engage to Send，ETS)，在同步阶段通过载波侦听方式竞争信道并发送给下一跳节点。下一跳节点接收到ETS包后检查相关地址信息，如地址相符，则回复一个同意发送包(Agree to send, ATS)给发送方用于确认当前的通信预约。其他接收到ETS或ATS包的非目的节点则更新自身的NAV，移除本周期内余下的侦听期以节约能量。发送节点和接收节点随后直接进行数据传输，数据通信过程中不需采用载波侦听，从而降低能量损耗。此外，其它没有参与本次通信的传感器节点则进入睡眠状态，从而减小数据通信过程中的冲突以及节点能量损耗。
（2）面向突发数据流的网络拥塞控制策略
在配电网测控保护中，紧急事件发生带来的大量突发数据，将导致网络传输拥塞，这在带状结构传感器网络中将表现得更为严重。本项目提出一种基于紧急事件驱动的可靠数据传输协议，通过数据包排队队列当前长度以及其变化波动趋势来确定是否有拥塞发生，各节点（传感器、控制器等）自我评估其拥塞状态与等级，对可能发生的拥塞进行提前干预，利用多阶段速率自适应调节机制对节点发送速率进行控制。
节点排队队列模型描述如下：每个节点维护三个FIFO排队队列，分别针对高优先级、中优先级以及低优先级数据，其队列最大长度均不超过QLmax，在判定是否发生拥塞时，各队列的权重分别为wh,wm,wl。对每个排队队列，定义其队列长度为QLi，每个队列排队长度波动率为ρi，i∈{h,m,l}。排队队列长队波动率反应队列长队的变化趋势，其值越大，则表示随后发生拥塞的可能性或程度会越大，若其值为负，则表示排队队列长度减小，拥塞程度有所减轻。节点根据到达数据包的优先级将其加入到相应的队列，每隔一个固定间隔周期t，节点计算其排队队列长度以及波动率。
本协议使用两个参数来预测网络拥塞等级，即联合排队队列长度QLu以及联合排队队列长度波动率，其中波动率ρ。对单个排队队列，其队列长度波动率ρi计算如下：
4.2大规模多源异构数据时空关联的分析挖掘技术
利用前端无线传感器网络监测的海量的配电网监测数据，使用数据挖掘技术，分析诊断配电网运行状态，以及其故障与灾害情况，如类型、发生地、分布区域、分布强度、分布规律等，深入了解配电网的状态和预测预警，可有效指导配电网的智能保护与管理。
针对大量的高维度“时-空”关联的配电网监测数据，我们将主要使用关联分析、聚类分析以及机器学习分类三种数据挖掘方法，发现各种监测数据与配电网运行状态、故障、灾害之间的联系与规则，利用监测数据建立系统安全评估决策模型，快速判断系统运行状态并提出相应的控制策略，实现配电网正常运行时状态参数和配电网故障承受能力之间的映射。构建支持向量机分类器对配电网故障事件、灾害异常事件、配电网运行异常状态事件等进行分类研究。针对电网故障与灾害异常事件，分类对象包括故障与灾害类型、故障与灾害强度等[12]。
5 总结
基于传感器网络的配电网灾害实时监测系统，研究该系统的关键技术，通过带状走廊传感器采集所需的数据，数据通过
实时可靠数据传输机制到达处理中心，处理中心通过信息融合和可视化处理，对电网故障灾害进行预警并辅助决策控制。
[1]张雄. 10kV配电网自动化系统的智能化建设[J]. 无线互联科技,2012,10:48-49.
[2] 王阳光, 尹项根, 游大海, 等. 基于无线传感器网络的电力设施冰灾实时监测与预警系统. 电网技术, 2009, 33(7):14-20.
[3] 张强, 孙雨耕, 杨挺, 崔振辉. 无线传感器网络在智能电网中的应用. 中国电力, 2010,43(6).
[4] 王卫亚. 基于无线传感网络的高速公路恶劣气象监测及交通控制模型研究. 博士学位论文, 2008.
[5]王阳光,尹项根,游大海. 无线传感器网络应用于智能电网的探讨[J]. 电网技术,2010,05:7-11.
[6]马硕,秦理. 基于传感器网络的配电网保护通信技术[J]. 电力建设,2013,01:49-52.
[7]黄应清,齐鸥,蒋晓瑜,刘中晅. 基于分水岭算法的图像融合质量评价方法[J]. 计算机工程,2013,01:252-255+282.
论文作者:植成铭
论文发表刊物:《基层建设》2017年第36期
论文发表时间:2018/3/28
标签：节点论文; 传感器论文; 网络论文; 带状论文; 数据论文; 配电网论文; 灾害论文; 《基层建设》2017年第36期论文;