基于BPPN的微電網(wǎng)通信WSN鏈路質量預測

安江　陳泰屹

摘 要：鏈路質量在微電網(wǎng)通信無線傳感器（WSN）領域一直都是研究的熱點，其具有非平穩(wěn)和非線性的隨機特性，難以實現(xiàn)精確的預測。根據(jù)微電網(wǎng)對于無線傳感器通信質量和中國通信規(guī)范的要求，以小波神經(jīng)網(wǎng)絡預測模型（BPPN）為基礎，提出了無線傳感器質量的預測方法，并且在保證通信質量的前提下提出了相應的控制計算法。通過以微型太陽能發(fā)電的微電網(wǎng)通信系統(tǒng)對預測算法進行了實際測試，表明了該方法在實際應用中具有重要的理論意義和實際應用價值。

關鍵詞： 微電網(wǎng)通信; 無線傳感器; 鏈路質量預測; 網(wǎng)絡發(fā)射功率

中圖分類號： TN 929

文獻標志碼： A

Abstract： Link quality has always been a research hotspot in the field of micro-grid communication wireless sensor （WSN）. However， it has non-stationary and nonlinear stochastic characteristics， and is difficult to achieve accurate prediction. According to the requirements of wireless power communication for wireless sensor communication and the requirements of Chinas communication specifications， this paper proposes a wireless sensor quality prediction method based on BPPNmodel， and proposes a corresponding control calculation method under the premise of ensuring communication quality. The micro-grid communication system based on micro solar power is used to test the prediction algorithm. It shows that the method has important theoretical significance and practical application value.

Key words： microgrid communication; wireless sensor; link quality prediction; network transmission power

0 引言

微電網(wǎng)通信是一種通過通信控制網(wǎng)絡、分布式電源、負載電力網(wǎng)絡和儲能一起連接而組成的微型可控制的區(qū)域性發(fā)配電系統(tǒng)。該系統(tǒng)既可以運行于并網(wǎng)模式，與電網(wǎng)聯(lián)結，又可以運行于孤島模式，脫離電網(wǎng)，具有獨特的自我管理、自我保護、自我控制特點，成為傳統(tǒng)電網(wǎng)過度發(fā)展中的最基本單元。而無線傳感器因具有自然隔離、無布線、低成本、易于維護的優(yōu)點，成為近年來新一代的通訊技術，并且由多功能組傳感器連接的系統(tǒng)網(wǎng)絡也被各行各業(yè)所運用。然而，微電網(wǎng)環(huán)境的復雜性和特殊性以及無線傳感器自身的特點，使得本身容易受到環(huán)境干擾產(chǎn)生通信的隨機波動，導致通信效率有所下降。如何通過WSN鏈路質量預測，可靠的調節(jié)網(wǎng)絡發(fā)射功率，確保鏈路質量具有穩(wěn)定性和可靠性逐漸成為研究的熱點。齊志遠[1]首先通過對幾種不同鏈路質量預測算法記性分析，提出了一種針對于包括隨機性干擾因素的時間序列。但是由于其僅是對于單一數(shù)值的預測，具有一定偶然性，結果難以得到保證性。Blank T B[2]以Kalman-filter為基礎模型提出了一種預測算法，但是由于該算法的復雜度過高，參數(shù)穩(wěn)定性要求較高。Narayanaswamy S等[3]提出的灰色預測模型在路由選擇上提高了效率和精度，但是當環(huán)境變化時某些參數(shù)的改變所引起的通信鏈路波動會明顯降低預測精度，在特殊環(huán)境中并不適用。本文基于一種網(wǎng)絡發(fā)射功率的置信區(qū)間無線傳感器鏈路質量預測模型，對微電網(wǎng)通信的下一時刻鏈路質量可靠性做了預測，以期未來的通信無線傳感器鏈路質量可以在數(shù)據(jù)傳輸前對其進行評判和優(yōu)化，有著重要的實際應用價值和理論意義。

1 微電網(wǎng)通信的質量分析

1.1 微電網(wǎng)通信的質量需求分析

由于復雜多變的環(huán)境影響，微電網(wǎng)中電力設備的各部分組件的通信需求和其應用存在著密切的相關。中國國家標準《配電自動化系統(tǒng)功能規(guī)劃》對每個類型都提出了界限要求并將其分為遙測、遙信、遙控幾類[4]，如表1所示。

美國衡量數(shù)據(jù)網(wǎng)絡時同樣也將可靠性作為一個重要的指標，如表2所示。

從表1和表2可以得到，微電網(wǎng)系統(tǒng)對于質量通信指標在不同的應用場景下均提出確定性要求。所以對于網(wǎng)絡通信技術中的無線傳感器應用領域，需在有限的資源下以及復雜環(huán)境下，依據(jù)不同數(shù)據(jù)類型，滿足以上通信質量的區(qū)間要求。

1.2 鏈路質量的影響因素分析

評價無線傳感器微電網(wǎng)通信的一項重要指標就是鏈路質量，其直接影響著應用對象的數(shù)據(jù)傳輸。影響無線傳感器微電網(wǎng)通信鏈路質量的主要因素有[5]：

（1） 路徑損耗指數(shù)

路徑的損耗指數(shù)在不同的環(huán)境下存在不同的差異，如表3所示。

給出了路徑損耗指數(shù)在不同的應用環(huán)境中的比較。

從表3中可以看出，微電網(wǎng)通信的路徑損耗指數(shù)在不同的電力系統(tǒng)環(huán)境下有著很大差異。在地下電壓控制室以及功率控制室中，室內環(huán)境中由于障礙偏少，兩者的損耗指數(shù)偏低。但在600 kV的變電站，大型設備密集，損耗指數(shù)受到了信號的干擾導致指數(shù)偏大。

（2） 調節(jié)方式

微電網(wǎng)通信可以將信號由低頻段轉到高頻段傳輸，通過調節(jié)信號的手段，提高了信號的傳輸質量并解決了在遠距離傳輸時的質量偏低問題。同時，信號的誤碼率和信噪比在不同調節(jié)方式下又存在著各種對應聯(lián)系。不同的調節(jié)方式下的誤碼率，如圖1所示。

從圖1中可以看出，在相同信噪比條件，使用QPSK調節(jié)方式，得到最大的PRR值，此時鏈路質量較低;而在FSK調節(jié)方式下，得到最小的PRR值，此時鏈路質量較高。所以，不同的調節(jié)方式也會對微電網(wǎng)通信的鏈路質量結果產(chǎn)生一定的干擾。

（3） 節(jié)點間距

節(jié)點間距即發(fā)送節(jié)點至接收節(jié)點的直線距離。微電網(wǎng)通信信號的強度在理想狀態(tài)下和節(jié)點間距應該是呈現(xiàn)出對數(shù)關系，所以節(jié)點間距對于微電網(wǎng)通信的質量高低也起到了關鍵作用。通信質量和節(jié)點間距的關系，如圖2所示。

由圖2可知，當間距較大時，通信網(wǎng)絡中的鏈路會出現(xiàn)中斷，此為中斷區(qū)。當間距較小時，通信質量較高，此為連通區(qū)。而從間距較小到間距逐漸增大，通信質量和節(jié)點間距有著不確定性，此為過渡區(qū)。

由此可得，在保持n和r不變時，信號的接收強度跟發(fā)射功率成正比，跟通信距離成反比。所以當保持通信環(huán)境和通信距離不變時，通信鏈路質量會隨著發(fā)射功率的增大而逐漸增加然后趨于穩(wěn)定。

2 微電網(wǎng)通信的鏈路質量預測模型

2.1 通信鏈路質量置信區(qū)間預測

理論上，微電網(wǎng)通信鏈路的信噪比具有隨機的時間序列，很難通過絕對準確的數(shù)值測算來表明信噪比序列的隨機性質。本文通過置信區(qū)間的預測方法來測算之后鏈路質量在哪一區(qū)間的概率。置信區(qū)間在統(tǒng)計學中被描述為：統(tǒng)計特性依據(jù)樣本構造出的估計區(qū)間，同時也是對該樣本的總體參數(shù)的區(qū)間估計。這一特征表現(xiàn)為該參數(shù)處于區(qū)間范圍應該所具備的概率程度。

2.2 小波神經(jīng)網(wǎng)絡預測模型

在神經(jīng)網(wǎng)絡中運用小波變換理論即為小波神經(jīng)網(wǎng)絡，這一網(wǎng)絡的突出優(yōu)點為：具備高可靠性的算法輸出結果，泛化性能良好，學習性能較強。其主要結構主要分為兩種：緊致型和松散型。而這兩種結構之間也存在著明顯的差異，緊致型屬于多輸入多輸出的網(wǎng)絡類型，相反松散型的屬于單輸入單輸出的網(wǎng)絡類型。通過在普通神經(jīng)網(wǎng)絡的隱含層嵌入的屬于緊致型小波分析，而通過先輸入分析后在到普通神經(jīng)網(wǎng)絡的屬于松散型小波分析。

本文主要引用的是緊致型小波分析為預測模型，因為其具備了獨立的計算網(wǎng)絡權值能力。小波神經(jīng)網(wǎng)絡預測模型主要分為兩個部分，微電網(wǎng)通信的非平穩(wěn)隨機方差序列和非線性序列。輸出也分為兩個部分，非平穩(wěn)隨機方差序列和非線性序列的預測值。將此模型的結構參數(shù)列為表4所示。

2.3 近似解耦算法

針對信號目前常用的算法包括：經(jīng)驗模態(tài)分解（EMD）、中位值濾波和卡爾曼濾波。其中，卡爾曼濾波算法雖然取得的結果較好，但是算法太過復雜，需要更高要求的節(jié)點計算能力。中位值濾波所得到的時間序列雖然對于偶然性信號干擾起到很好的抑制作用，但具備較高的時間復雜度，需要更高要求的計算能力。EMD算法可以按照根據(jù)尺度特征進行分解，比較適用于非線性序列和非平穩(wěn)性序列，但是也需要一定條件，如所分解的模態(tài)函數(shù)極值點于過零點具備相等數(shù)值。

這些方法都具有一定的局限性，本文基于微電網(wǎng)通信鏈路信號的一些基本特征，列出了一種近似解耦算法：

3 無線傳感器鏈路質量測試

3.1 微電網(wǎng)通信基本結構

本文所提到的計算法通過一種以太陽能發(fā)電的微電網(wǎng)通信系統(tǒng)的無線傳感器作為測試平臺進行了驗證。該系統(tǒng)是由太陽能微電網(wǎng)控制服務器、協(xié)調器節(jié)點、無線傳感器網(wǎng)絡節(jié)點、以及數(shù)個微型太陽能發(fā)電裝置組成。

（1） 太陽能系統(tǒng)服務器

太陽能系統(tǒng)服務器是根據(jù)聚合的每一個交流電母線狀態(tài)信息以及太陽能發(fā)電設備的狀態(tài)信息，從而計算該設備的下垂控制參數(shù)，然后輸送到每一個發(fā)電設備實驗對于微電網(wǎng)無線網(wǎng)絡的控制以及優(yōu)化。

（2） 無線傳感器網(wǎng)絡節(jié)點

將每個節(jié)點收集到的太陽能發(fā)電設備狀態(tài)信息聚合后，通過TCP/IP數(shù)據(jù)包的形式輸送到跟蹤服務器系統(tǒng)。同時，將跟蹤服務器系統(tǒng)的信息也輸送給下端的每一個節(jié)點。

（3） 協(xié)調器節(jié)點

無線傳感器的協(xié)調器節(jié)點負責收集每一個太陽能發(fā)電設備的電功率、電流、電壓等信息然后輸送到下端的每一個節(jié)點。

（4） 微型太陽能發(fā)電裝置

通過具有下垂控制的逆變器、太陽能電池組成的微型太陽能發(fā)電裝置所產(chǎn)生的電能輸送到母線上，并且實現(xiàn)每一臺設備的并聯(lián)和孤島運行。

3.2 微電網(wǎng)通信鏈路質量測試結果分析

在原有的微電網(wǎng)系統(tǒng)基礎上，聯(lián)合上述的測試通信系統(tǒng)，保證系統(tǒng)正常運行的基礎上，以驗證本文所提出算法的可行性。具體的測試結果參數(shù)，如表5所示。

根據(jù)通信質量需求，本次測試應用將控制器的給定值設置為99.00%，并且以通信質量的區(qū)間下界設為控制器的輸入，每一條通信鏈路都通過調節(jié)機制對鏈路質量做了最優(yōu)的調控，使得整體的微電網(wǎng)通信質量得到了提升，各功率控制下的質量性能對比，如圖3所示。

圖3可以得到，在初始化過程即網(wǎng)絡通信初始階段，通信質量較低，隨時間的延后，功率模糊控制各個節(jié)點使得網(wǎng)絡的質量整體上快速增加并靠近給定值。而明顯可以看出，通過固定功率控制時，整個網(wǎng)絡通信的平均質量相比于功率模糊控制時要低的多。

4 總結

根據(jù)微電網(wǎng)對于無線傳感器通信質量的要求和中國通信規(guī)范要求，以網(wǎng)絡發(fā)射功率為基礎提出了無線傳感器質量的預測方法并且在保證通信質量的前提下提出了相應的控制計算法：

（1） 分析了網(wǎng)絡通信的質量要求，并對鏈路質量影響因素進行分析，得出其本質特征是由非平穩(wěn)隨機序列和非線性序列的耦合。

（2） 根據(jù)鏈路質量置信區(qū)間預測結果提出一種基于網(wǎng)絡發(fā)射功率的控制系統(tǒng)結構，并研究了一種具有更高穩(wěn)定性和可靠性的模糊控制的優(yōu)化控制算法。

（3） 通過以微型太陽能發(fā)電的微電網(wǎng)通信系統(tǒng)對本文預測算法進行了實際測試，表明了該方法在實際應用中具有更好的實用價值。

參考文獻

[1] 齊志遠，李志峰.基于ZigBee通信的微電網(wǎng)監(jiān)控網(wǎng)絡[J].計算機工程，2017，43（4）：79-83.

[2] Blank T B， Brown S D， Calhoun A W， et al. Neural network models of potential energy surfaces[J]. Journal of Chemical Theory & Computation， 2015， 1（103）： 4129-4137.

[3] Narayanaswamy S， Kawadia V， Sreenivas R S， et al. Power Control in Ad-Hoc Networks [J]. Theory， Architecture， Algorithm and Implementation of the COMPOW Protocol， 2012， 32（3）： 156-162.

[4] 孫孝峰，郝彥叢，趙巍，等.孤島微電網(wǎng)無通信功率均分和電壓恢復研究[J].電工技術學報，2016，31（1）：55-61.

[5] 舒堅， 劉滿蘭， 尚亞青， 等. 基于高斯過程回歸的鏈路質量預測模型[J]. 通信學報， 2018， 39（7）：152-160.

[6] 劉琳嵐， 許江波， 陳宇斌， 等. 基于超限學習機的WSNs鏈路質量評估方法[J]. 北京郵電大學學報， 2018（1）：134-138.

（收稿日期： 2019.08.27）