高級量測電氣信息流多服務質量傳輸約束路由算法

楊 挺 盆海波 陳培麗 孫雨耕

①(天津大學電氣與自動化工程學院 天津 300072)

②(天津電力公司 天津 300010)

1 引言

將分布式電源以微電網(Micro Grid)的形式接入電力系統并網運行，與主電網互為支撐，是發揮分布式發電系統效益的最有效技術，也是解決全球能源危機和保護環境的重要途徑，受到世界各國的重視和廣泛關注[1]。作為智能電網的重要組成部分，微電網的智能化和可自愈性是提升系統供能質量的首要需求。高級量測(Advance Measurement Infrastructure, AMI)可靠通信技術是實現以上目標的核心支持技術[2]。

隨著AMI技術的發展，先進的二次智能儀表逐步實現對饋線電壓u、電流i、功率P以及功率因數φ的實時測量；分布式電源和儲能器件的狀態量和運行模型也可被安裝在其上的各種傳感器測量；通過對逆變器的參數調節將實現分布式電源精確控制。多元電氣參量和控制信息需要在各電氣設備間以及和調度控制中心間進行數據交換，實現供能系統的智能自愈控制[3]。因此健壯的微網通信子網和面向多QoS約束的路由協議需要被重點研究[4]。

現有的通信網絡路由協議多采用集中式Dijkstra或Bellman-Ford算法在網絡中建立一棵最短路徑樹，以尋求最短路徑，如應用在Internet網絡的鏈路狀態路由協議(OSPF), Ad-hoc網絡的目的序列距離矢量路由協議(DSDV)，以及對 OSPF的改進協議負載均衡最短路徑路由協議(LBSPR)[5]。分析兩種核心算法的計算復雜度分別是：Dijkstra 為O(n2), Bellman-Ford為O(mn)，其中n為網絡節點個數，m為連接邊數。

但在智能微網 AMI系統中各種量測數據來源于不同儀表和傳感器，在電氣屬性上存在明顯差異[6]，在網絡中形成了眾多微流。另一方面，微網系統控制對電氣參量和控制信息的傳輸有著嚴格的限定，因此智能微網通信系統的數據流傳輸是多QoS約束的路由問題，屬于非確定多項式(NP)完全問題，需要設計新的低復雜度分布式路由算法以滿足AMI系統對通信需求。

目前分布式單信源最短路徑算法[7]包括文獻[8]提出的應用于異步網絡中的負環分布式最短路算法以及其改進算法。但是算法都是以歐式距離作為唯一量度，并不滿足多QoS約束路由計算需求。此外學者Pedro利用蟻群優化算法針對光迸發交換網絡設計了分布式的路由算法，通過節點容量計算路徑并均衡網絡[9]。

本文將區分服務體系結構(DiffServ)網絡模型引入智能微網通信子網系統，提出一種應用于智能微電網AMI系統的電氣信息流傳輸多QoS保證路由算法(EIF-MQC)。首先設計了基于IEC61850電氣標準的信息分形差分服務代碼點(DSCP)映射模型，基于模型將電氣智能儀表產生的異構電氣參量整形至邊界路由器中，并被分配代理。分形后多類流量通過EIF-MQC算法選擇可分別滿足各類流量QoS需求的最優路由。通過數學證明和采用“電氣可靠性技術解決方案聯合會(CERTS)微網系統”的計算機仿真證明算法的有效性和較優性。

2 AMI通信業務分類和DSCP模型映射

分析電力通信網絡，它是由調度中心和數目眾多的異構智能電氣設備(Intelligent Electronic Device, IED)組成[10]，數據流向是各個IED匯集到調度中心，而控制指令又是由調度中心下行到各IED執行。同時，分布式電源的接入要求IED間還應具有點對點數據交互能力，支撐智能微網完整自愈控制。為實現各IED間信息互聯互通，國際電工委員會TC57制定IEC 61850變電站通信網絡系列標準，保證供能系統中各電氣設備間信息交互的統一性[11]。

IEC 61850標準中清晰定義了面向對象的抽象通信服務接口(ACSI)和數據分類[12]，但并未限定與之配合的網絡傳輸協議。這種分層設計好處在于：ACSI與具體網絡及協議分離，使采用不同通信協議時只需要通過特定通信服務映射(SCSM)將ACSI映射到應用層協議，如此保證了標準的對新通信協議的普適性。這也為本文設計針對智能微網電氣參量傳輸的多QoS約束路由協議提供了良好的層次型網絡結構和應用層協議支持。

在IEC 61850標準中，AMI系統眾多的IED所需傳輸的數據已根據對網絡的QoS需求定義為不同類型的數據流。因此本文選用區別業務模型-DiffServ，并設計ACSI到DiffServ的映射，以實現智能電網信息流傳輸QoS保證。在服務模型中，網絡被化分為DiffServ域，位于域邊界的路由器(Edge Routers,ERs)對不同種類業務進行分類、整形并依QoS設置DSCP(DiffServ編碼點)，核心路由器(Core Routers,CRs)僅需根據DSCP完成轉發，實現業務滿足QoS需求的高速轉發[13,14]。我們在DiffServ的映射模型中依照傳輸QoS需求對AMI業務進行劃分并映射到DSCP編碼，圖1給出了映射模型實現指令。當數據通過IEC 61850定義的ACSI傳輸給網絡接入邊界路由器時，ERs依DSCP映射模型對數據進行分類、標記，隨后向DiffServ域內核心路由器進行轉發。

圖1 電氣信息流DSCP映射指令

需要指出的是DiffServ服務體系具有良好的擴展性，標準化的每跳行為(Per Hop Behavior, PHB)包括加速轉發(Expedited Forwarding, EF)、確定轉發(Assured Forwarding, AF)四類和盡力轉發(Best effort Forwarding, BF)，每一類又設置3種不通的丟包優先級[15]。因此該DSCP映射模型可以依據AMI數據電氣屬性靈活擴充和分類定義，其并不影響后續協議執行和網絡傳輸性能。

3 電氣信息流傳輸多QoS保證路由協議

3.1 AMI通信子網模型

其中 color(vi)是邏輯節點vi的類型屬性，Δ3×1(t)為節點的接收隊列緩沖區狀態矩陣，與DSCP中EF,AF, BF三類數據對應，每個節點具有3個緩沖隊列。

其中λ表示節點vi接收隊列長度；φ(t)和η(t)分別表示節點vi通信緩沖區在t時刻的數據包發送速率和接收速率。

其中Ψ(eij)是通信鏈路eij帶寬，κm(eij)是同一通道內其它微流已使用帶寬，ξm是控制報文預留帶寬占用率，μmax(eij)為鏈路最大估計延遲。由此可計算出鏈路可用剩余帶寬率ρ(eij)，如式(4)。

3.2 EIF-MQC算法描述

基于DSCP映射模型和AMI通信網數學模型，異構電氣參量被至邊界路由器整形，EIF-MQC將對每類流量分配代理后選擇滿足本類QoS約束的路由路徑，并在路由選擇過程中合理地利用網絡資源，避免擁塞，達到網絡均衡。

已證明同時使兩種以上相互獨立的約束達到最優的路由問題是NP完全問題。為解決該問題，我們基于分布式代理技術和流量工程理論，將各分形流的QoS約束附著在對應代理機上，采用分布式代理定向游離來完成滿足多QoS約束的路由選擇。設置每一代理映射一類流，屬性字段如圖2所示。

圖2 代理屬性字段

代理屬性字段包括代理標示，信源節點，信宿節點；當前寄宿節點屬性和下一條移動鏈路屬性；并且在數據段可攜帶電氣控制指令報文，其目的是對電氣控制指令加速傳輸。

不失一般性，設t時刻某IED產生數據并在ERs整形分類后進入DiffServ域，則在節點vj產生代理Agentj。EIF-MQC 以先布爾類(Boolean)屬性判定后數字類(Digit)屬性計算的順序進行下一跳游歷目的節點選擇。

Boolean類屬性值判斷選擇同類屬性邏輯節點。若非同類屬性邏輯節點，則不進行數據交互操作，保留該代理原有的各屬性值，僅將該邏輯節點作為單純轉發節點。

Digit類屬性值需通過計算vh與相鄰節點間鏈路殘余帶寬率和vh鄰居節點的隊列空余率，選取具有最大 Digit屬性值的鄰居節點作為下一跳游歷目的節點。代理實際操作過程如下：

步驟 1 在數據源邏輯節點初始化各類數據的代理Agentj{rely(j)=j, des(j)=k, num=0, colorj}。

步驟 2 觸發代理游歷轉發操作

(1)若?vi∈Neighbor(vj)∪ colori==colorj，則確定rely(j)=i。代理Agentj移動到邏輯節點i；

(2)若不存在滿足上述條件的邏輯節點vi，則進行Digit類屬性值“遴選”：屬性Aq優于屬性Ap被遴選，當且僅當滿足如下條件：

步驟 3 代理在邏輯節點j處發送探測報文explorej到鄰居邏輯節點，任何節點vh收到探測報文，則進行加法運算：

無延遲返回結果sh報文，其中包含加法運算的復合量度結果。

步驟..4 在等待一個輪詢周期T后，代理Agentj對所返回的所有results報文進行“遴選”。

步驟 5 最優結果作為代理下一跳目的節點，即Agentj{rely(j)=h, des(j)=k, num=num+1, colorj}游離到新寄宿節點vh。

步驟 6 若vh≠vk，跳轉至步驟 2；否則算法完成，成功輸出path(j,k)。

考慮到邏輯節點數據龐大而引起存儲空間過多的問題，采用哈希表形式進行存儲。哈希函數：Haxi_Add=CatBit(vi,vk)，其中，Haxi_Add為哈希地址；vi和vk為本條鏈路所連接的兩個節點的序列號。

我們給出數學證明判定依EIF-MQC算法計算出的傳輸路徑是“源-目的”節點間最短路徑。

在第1種情況中，設在節點i和j間存在多于一條連接鏈路e*和e，寄宿在vj上的代理發送explorej將沿著兩條鏈路發送到vi。在EIF-MQC算法中，vi選擇更優鏈路屬性值計算resultsi返回，因此說明e更優于e*，這與e*＜e矛盾，因此假設錯誤；

綜上所述，在無向非負賦權圖中，EIF-MQC計算出的路徑是最短路徑。 證畢

進一步分析EIF-MQC算法復雜度：由流程描述可知，算法路由選擇過程為兩級嵌套。外層是在網絡節點間遍歷尋求最優下一跳，故復雜度為O(n),n為網絡節點數；內層，在每次選擇下一跳節點時需要檢索并計算 Boolean類和 Digit類屬性：Boolean類屬性完成同類邏輯節點比對，計算復雜度為O(1)，隨后進行Digit類屬性值“遴選”操作，檢索范圍為當前節點的鄰節點數量，其不大于網絡度數D(最大節點度)，則檢索復雜度為O(D)。故EIF-MQC算法復雜度為O(n·D)。

4 算法仿真和性能評價

仿真實驗所用微網結構是基于 CERTS智能微電網。CERTS的微網示范平臺是由美國電力公司(American Electric Power, AEP)資助，已在俄亥俄州首府哥倫布的Dolan技術中心建立完成。系統包含3條饋線：饋線C為常規線路；饋線B中接入包含一臺 40 kW 的燃氣輪機(含儲能裝置)及可控負荷；饋線A包含兩臺40 kW的燃氣輪機及敏感負荷，用于驗證分布式電源的并聯運行及對敏感負荷的高質量供電問題。基于該微網系統結構，我們仿真通過含有22個IED邏輯節點和51條通信鏈路的通信網絡完成對3個40 kW燃氣輪機的運行狀態，每條饋線的電壓、電流和有功功率的監測和電氣參量測量。并且通信子網還承載每個逆變器和調度中心的控制信息交互，以及每個保護裝置的狀態信息上報通信。為實現該微網穩態運行和自愈控制，電氣側要求數據通信傳輸延遲小于 20 ms，丟包率在輕度負載時小于 0.1%，全運行時段不高于 5%。在圖 3中給出饋線監測IED節點設置位置和業務流向。

圖3 仿真實驗CERTS微網系統結構

仿真實驗中我們將EIF-MQC與OSPF和LBSPR算法進行比較，計算不同算法配置流量后網絡帶寬使用率，并以標準差作為評價網絡資源分配參數，帶寬使用率標準差計算公式如式(5)給出。隨后計算業務在以上配置下傳輸過程的吞吐量，丟包率和傳輸延遲，以評價配置方案的優劣。

圖4給出了3種算法路由配置下每條鏈路的帶寬使用率。由結果可見EIF-MQC在配置流量時較好地均衡了各條鏈路的使用率，計算3種算法配置的帶寬利率標準差分別為 16.47%, 16.25%和12.18%。EIF-MQC均衡的帶寬使用最大程度地避免了在負載量增加時的網絡擁塞。

仿真實驗中還考慮了通信重度負載情況。該情況多是由供電系統故障引起：當供電系統出現故障時，分布式電源、繼電器和調度中心將協同控制，以在最短時間內完成自愈控制，平穩系統擾動。在這一過程中，將有大量電氣參量數據和控制指令需要在各電氣設備間交互，例如多個分布式電源的協同調節完成負載跟隨。因此，應用于電力通信網絡的路由協議必須在重度負載時仍能保證QoS傳輸，避免擁塞和丟包，否則將直接影響供能系統穩定運行和設備安全。對重度負載造成鏈路帶寬占用率增量44.15%通信場景進行仿真，獲得圖5平均帶寬使用率增量偏差圖。在該場景中，OSPF最大帶寬使用率達到58.67%, LB-SPR為61.74%，高帶寬利率將高概率風險的發生鏈路擁塞，EIF-MQC有效克服了該情況的發生，其峰值帶寬使用率為54.03%。同樣計算鏈路帶寬使用率的標準差σ, OSPF為6.77,LB-SPR為8.00, EIF-MQC為5.49。

除對網絡鏈路帶寬利用率分析，我們還對依照各種算法配置路由路徑進行性能評測。圖6給出各時段內數據包傳輸丟包率。由圖可見傳輸延遲與網絡流量負載有著緊密相關性：在網絡通信輕負載時段(10 s前)數據傳輸表現良好，無丟包情況發生，可滿足輕度負載時小于0.1%的QoS約束；而隨著負載加重，各種配置方案的傳輸丟包率均有所增加。這是因為在通信量聚增時，某些節點在承受大量到達數據報文，通信緩沖區容易造成溢出，從而丟棄低優先級數據包。但由于EIF-MQC合理分配了網絡流量，避免了節點承載超量到達數據的情況發生，避免緩沖溢出時的簡單丟包。在25 s后網絡重載時段，EIF-MQC平均有效保留總數據量的97.40%數據包不被丟棄，滿足全程丟包率低于5%的QoS傳輸需求，有效保證了AMI電能監測和控制精度。

在電力通信數據傳輸過程中多使用TCP協議，其具有丟包重傳機制保證報文的面向連接可靠傳輸。但當系統處于較高丟包率時，大量的重傳數據包占用網絡帶寬，造成數據傳輸延遲。圖 7給出3種配置算法的傳輸路徑的延時曲線。3類延時曲線跟隨網絡流量同向變化：網絡輕度負載時均具有良好的低延遲傳輸性能；但隨著數據量增加，傳輸延時逐漸增大，OSPF達到了26.4 ms, LB-SPR達到了24.9 ms。TCP協議丟包重傳是高延遲原因之一，而另一個主要原因是由于傳輸層慢啟動造成。當路由配置不適當造成局部擁塞時，中繼節點將頻繁調整擁塞窗口，使得傳輸處于慢啟動階段，造成傳輸延時增加并滯后。而EIF-MQC針對造成高延遲的這兩類誘導因素都有較好的抑制作用。低丟包率保證了數據的單次傳輸即成功，合理分配網絡流量由于避免了網絡出現局部擁塞的發生，抑制了慢啟動形成。EIF-MQC在整個負載變化時段均表現出良好的低傳輸延遲性能，最大延遲為19.3 ms，小于延遲上限 20 ms，有效保證了量測數據的時效性和控制指令下發準確性。

5 結束語

圖4 鏈路帶寬使用率

圖5 重度通信負載情況下帶寬使用率增量偏差

圖6 單位時間平均丟包率

圖7 單位時間內傳輸報文的平均延遲

智能微電網是實現高質量能源供給，可再生能源高效利用的有效途徑，其穩定運行需要高級量測和可靠通信技術的支撐。基于流量工程理論和分布式代理技術，本文提出一種應用于智能微電網通信的新型的電氣參量傳輸算法(EIF-MQC)，并理論證明了算法收斂性和傳輸路徑有效性。在仿真實驗中，算法在輕度-重度通信負載條件下均具有較好帶寬利用率，比OSPF和LB-SPR資源使用均衡，有效避免了網絡擁塞情況發生。并且所配置路由可有效降低數據傳輸延時，有效提升了IED感知電氣量時效性和自愈控制指令的準確性，從而微電網為自愈控制提供了高可靠通信保障。

[1]Kahrobaeian A and Mohamed Y A R I. Interactive distributed generation interface for flexible micro-grid operation in smart distribution systems[J].IEEE Transactions on Sustainable Energy, 2012, 3(2): 295-305.

[2]Gungor V C, Sahin D, Kocak T,et al.. Smart grid technologies: communication technologies and standards[J].IEEE Transactions on Industrial Informatics, 2011, 7(4):529-539.

[3]Fadlullah Z M, Fouda M M, Kato N,et al.. Toward intelligent machine-to-machine communications in smart grid[J].IEEE Communications Magazine, 2011, 49(4):60-65.

[4]Vallejo A, Zaballos A, Selga J M,et al.. Next-generation QoS control architectures for distribution smart grid communication networks[J].IEEECommunications Magazine, 2012, 50(5): 128-134.

[5]Antic M, Maksic N, Knezevic P,et al.. Two phase load balanced routing using OSPF[J].IEEE Journal on Selected Areas in Communications, 2010, 28(1): 51-59.

[6]Niyato D and Wang P. Cooperative transmission for meter data collection in smart grid[J].IEEE Communications Magazine, 2012, 50(4): 90-97.

[7]Frederickson G N. A single-source shortest path algorithm for planar distributed network[C]. Proccedings, STACS 85(Lecture Notes Comput. Sci., Vol. 182), Springer-Verlag,1985: 143-150.

[8]Chandy K M and Misra J. Distributed computation on graphs: shortest path algorithms[J].Communications of the ACM, 1982, 25(11): 833-837.

[9]Pedro J, Pires J, and Carvalho J P. Distributed routing path optimization for OBS networks based on ant colony optimization[C]. Global Telecommunications Conference(GLOBECOM 2009), Honolulu, Hawaii, USA, Nov. 30, 2009:1-7.

[10]Higgins N, Vyatkin V, Nair N K C,et al.. Distributed power system automation with IEC 61850, IEC 61499, and intelligent control[J].IEEE Transactions on Systems,Man,and Cybernetics,Part C:Applications and Reviews, 2011,41(1): 81-92.

[11]Zhu Lin, Shi Dong-yuan, and Duan Xian-zhong. Standard function blocks for flexible IED in IEC 61850-based substation automation[J].IEEE Transactions on Power Delivery, 2011, 26(2): 1101-1110.

[12]Zhabelova G and Vyatkin V. Multiagent smart grid automation architecture based on IEC 61850/61499 intelligent logical nodes[J].IEEE Transactions on Industrial Electronics, 2012, 59(5): 2351-2362.

[13]鄒園萍, 糜正琨. 于MPLS和DiffServ的域內網絡資源配置方法[J]. 電子與信息學報, 2007, 29(1): 214-217.

Zou Yuan-ping and Mi Zheng-kun. Intra-domain network resource allocation method based on MPLS and DiffServ[J].Journal of Electronics&Information Technology, 2007,29(1): 214-217.

[14]Mahmoud O, Anwar F, Sellami A,et al.. Quality of service over heterogeneous network with MPLS backbone[C].Materials Science and Information Technology, MSIT2011,Singapore, Sept. 2011: 3362-3365.

[15]Taghrid S, Adel E A, and Shaer A. QoS policy verification for DiffServ networks[C]. 2011 IEEE 19th International Workshop on Quality of Service(IWQoS), San Jose, USA,2011: 1-3.