基于URLLC的分布式光伏運維數據傳輸技術
2021-12-14 02:02:46王文天姜小濤葛磊蛟嵇文路李澤平
中國測試 2021年11期
王文天，姜小濤，葛磊蛟，方 磊，嵇文路，李澤平
（1.國網江蘇省電力有限公司南京供電分公司，江蘇 南京 210019; 2.天津大學電氣自動化與信息工程學院，天津 300072）
0 引 言
分布式光伏具有點多面廣、分散無序等特點，是我國“碳達峰、碳中和” 能源戰略的重要支持技術之一[1]。分布式光伏運維數據是實現分布式光伏精細化、精益化管理的重要基礎，一般通過有線和無線混合模式傳輸，但由于分布式光伏數量多、分布范圍廣，且單個分布式光伏電站數據具有生成頻率高、實時運維信息量小等特點，為有效實現在保證分布式光伏運維數據的精度前提下降低采集成本，現有基于無線傳輸技術的分布式光伏運維數據的高可靠傳輸方案面臨較大的挑戰[2-3]。
近年來，為實現光伏運維數據高可靠低時延采集，國內外的專家和學者們展開了研究。文獻[4-5]從采集系統的下位機著手，使用SOPC代替傳統單片機實現數據采集，并通過RS232/RS485串口協議和GPRS將數據發送至監控后臺。一定程度上滿足了數據實時采集的要求，但具有線纜鋪設成本高和蜂窩網絡資費高的缺點。基于此，專家考慮采用PLC（電力線載波通信）代替傳統串口通信，降低建設成本。但PLC方式每次加入新設備都需要重新分配載波，可拓展性差。因此PLC通常與無線通信方式相結合實現數據采集傳輸[6]。文獻[7-8]分別提出采用ZigBee和LoRa實現光伏電站節點與上機位終端之間數據傳輸，以此替代傳統有線通信方式進行監控組網，有效降低了光伏系統構建和運維的成本，但該方法依舊無法保證數據傳輸的實時性?；诖?，文獻[9]利用無線透傳進行數據采集并基于NB-IoT（窄帶物聯網）通過智能匯流箱上傳云服務器提高了數據監測的實時性，但依舊無法解決無線通信階段的延時問題。同時在實際應用場景中，分布式光伏電站一般建在用戶場地附近，數據采集終端須架設在較高的通信塔上才能改善樓宇和環境遮擋所引起非視距傳輸現象，以此保證采集數據的可靠性和穩定性，給設備維護造成不便。
根據以上分析，利用傳統有線或無線的方式進行光伏運維數據傳輸會大大增加數據監測系統的構建和運維成本，且采集數據的可靠性和實時性也無法確保。因此本文基于無人機（unmanned aerial vehicle，UAV）的快速部署能力強、視距（line of sight，LOS）傳輸增益高和成本低等優點，利用無人機輔助通信技術代替現有無線通信實現光伏運維數據高可靠、低時延傳輸。
與傳統方式相比，UAV輔助通信無需收發兩端具有直接的通信鏈路，而利用UAV作中繼間接實現設備無線連接[10-12]。因此，在滿足通信可靠性的前提下可將數據采集終端安裝在地面，減少前期安裝成本的同時方便后期設備維護。此外，本文利用UAV實現無線中繼通信的方案可進一步與PLC、NB-IoT相結合構建完整的數據采集系統。文獻[11]研究了UAV在短包傳輸條件下最小化系統誤碼率的中繼方案，然而該模型只考慮單個發送端和接收端，UAV僅作為解碼轉發信號的中繼，極大地限制了算法的推廣。基于此，本文從光伏電站實際場景出發，考慮多發送端傳輸模型，無人機作為中繼承擔信息暫時存儲的任務，并提出一種更具普適性的中繼方案優化算法。
超可靠低延時通信（ultra-reliable and low latency communications，URLLC）作為5G通信支持的三大應用場景之一[13]，通常采用短包傳輸方式以滿足低時延要求[14]。在此情況下傳統基于大數定律的香農信道容量不再適用，文獻[15]首次提出基于短包傳輸機制的信道可實現容量計算方法，實現了URLLC系統性能評價。由于光伏系統單個分布式光伏電站實時生成的運維數據量小且對時效性要求高，因此有必要采用短包傳輸實現低延時，達到數據實時監控的目的。
由于光伏電站和接收終端之間的信道增益受到環境因素的影響，本文考慮UAV作為解碼轉發（decode and forward，DF）中繼在其上方飛行以輔助分布式光伏電站與終端之間通信。本文的主要目標是聯合優化分組長度分配和UAV位置，以使在有限分組長度和低延時約束下的解碼誤碼率最小化?；诖?，本文提出一種基于交替方向乘子法（alternating direction method of multipliers，ADMM）[16]以及隨機擾動的交替迭代方法實現分組長度分配和UAV路徑規劃。一方面采取ADMM加速對偶法迭代速度，另一方面利用隨機擾動避免全局迭代陷入局部最優點。實驗結果表明，本文提出的交替迭代方法性能可比擬窮舉搜索法，且相比于窮舉搜索法具有收斂性好、復雜度低、運算速度快等優點。
1 系統模型
圖1 無人機中繼傳輸模型
由于放大轉發（amplify and forward，AF）模式下中繼節點對收到的數據不進行任何的解調或解碼操作，只對信號的功率做歸一化處理，然后用自身的發射功率將信號放大后發射給目的節點，盡管該方案操作簡單、開銷小、復雜度低，但在放大有用信號的同時也放大了噪聲。考慮到URLLC要求，本文UAV作為DF中繼且以時分多址正交接入技術（TDMA）接收來自分布式光伏電站信息。如圖1所示，分布式光伏電站的運維數據傳輸過程可分為兩個階段：階段一對應分布式光伏電站到UAV的傳輸，階段二對應UAV到接收終端的傳輸。現將分組長度做如下分配：假設第一階段分配給A1和A2兩個設備的分組長度分別為m1和m2，分配給第二階段的分組長度為m0。根據短包傳輸機制[17]，分組長度滿足
式中：Tmax——系統傳輸持續時間；
B——無線傳輸帶寬；
M——系統總分組長度。
UAV懸停在一定高度時，無線信號可無遮擋地在發信端和接收端之間直線傳播，即滿足LOS傳輸特性[18]，因此可采用自由空間路徑損耗信道模型對信道進行簡化：
式中：dT,R——收發兩端的距離；
α——路徑損耗系數；
β——基準距離dref=1 m時的信道功率增益，即
式中：GANT——天線增益；
fc——載波頻率。
則分布式光伏電站A1和A2到UAV的信道功率增益可表示為
其中dAi,UAV為光伏電站Ai到UAV的距離。類似地，UAV到接收終端T的信道增益可表示為
其中dUAV,T為UAV到接收終端T的距離。假設UAV和分布式光伏電站的信息發送功率固定為PUAV和PA。根據文獻[15]，URLLC要求下以分組長度mi發送L的數據包在無人機端的解碼誤碼率可表示為
此外，為了盡可能整體降低誤碼率ε，本文假設分組資源利用率能夠達到理想的飽和狀態，即式（1）取到等號。綜上所述，本文的目標為聯合優化兩個傳輸階段分組資源分配和無人機路徑規劃，以最小化整體解碼誤碼率。因此該優化問題可以表述為
問題（8）將分布式光伏運維數據傳輸模型等效為有限分組長度機制下誤碼率最小化問題。根據式（8），系統目標函數ε不是關于無人機位置x以及分組長度mi（i=0,1,2）聯合凸的函數，即該多目標優化問題難以直接在凸優化的框架內解決。因此本文提出了一種基于隨機擾動ADMM的交替迭代方法，該算法能在較低的復雜度下求得問題（8）的全局最優解，并得到中繼系統中UAV的目標位置和無線傳輸過程中最佳的頻帶和時隙資源分配。
2 算法設計
近似可直觀理解為：要使保證整個通信鏈路的解碼誤碼率最小，每個鏈路的誤碼率都應盡可能足夠小。經過近似后，由3個分量（ε0、ε1、ε2）組成，且每個分量都是包含分組長度和UAV位置兩個優化變量的函數。若假設UAV位置x已知，根據式（4）～（5）可得3個鏈路固定的信道功率增益，繼而式（9）的3個分量都是關于對應鏈路分組長度的函數，即：
若假設分組分配mi（i=0,1,2）已知，則式（9）僅是關于x的函數。根據上述目標函數特點，本文設計了分組長度與無人機位置的交替優化方法。
首先固定x優化，假設mi取值連續并計算式（6）～（7）的一階和二階導數，根據凸函數的二階條件可證每一鏈路的誤碼率表達式都為凸函數，即εi（mi）是關于mi的凸函數。由此性質可被展開為3個可分離的凸函數。根據目標函數的這一分離形式以及優化問題（8）滿足線性約束項條件，本文引入ADMM來優化mi（i=0,1,2）分配方案。ADMM的基本思想是利用對偶上升和對偶分解求解原問題的對偶形式，并在基礎上利用乘子法在對偶問題上加入懲罰項。這樣不僅可以松弛強凸條件，而且能夠將加速迭代收斂速度。首先根據式（8）寫出其增廣拉格朗日函數：
式中：λ——對偶變量；
ρ——懲罰因子；
μ——尺度變換后的對偶變量，μ=λ/ρ。
根據ADMM算法，具體的交替更新過程可表示為
圖2 二分搜索法
圖3分別繪制了函數g（x）及其導數關于的x曲線。由圖3可知g（x）為擬凸函數，即隨著x不斷增大，函數g（x）首先表現出凸性，然后為凹，緊接著又表現為凸性。且存在一個位置xopt，當0
圖3 函數g（x）及其導數關于x的曲線
在實際仿真實驗中，分組長度和位置交替迭代過程中容易在初始位置陷入局部最優點無法進一步收斂，即一次交替過程中開始固定的位置等于本次迭代結束時優化得到位置。為克服該問題，本文在迭代中為分組長度引入隨機擾動，具體表示如下：
式中：m0,opt、m1,opt和m2,opt——固定UAV位置時最優的分組長度；
n1,n2∈[1,Nmax]——兩個隨機整數。
從而得到加入隨機擾動后的3組長度分配，全局迭代算法具體過程如圖4所示。
圖4 全局迭代算法
根據上述全局迭代算法，中繼系統可以得到每一次無線傳輸中UAV的目標位置x和不同時隙的最佳分組長度分配mi（i=0,1,2）。進一步對不同傳輸過程應用全局迭代算法可實現UAV路徑規劃，從而實現分布式光伏運維數據的高可靠低延時傳輸。
3 仿真分析
本節對上述提出的基于ADMM算法和擾動的交替迭代算法進行仿真，并將其與窮舉搜索法和現有算法[10]進行性能比較。文獻[10]算法的主要思想是不斷調整mi以便平衡每個鏈路的誤碼率，并在應用基于梯度的方法找出最佳無人機部署之前采用距離離散化來初步確定無人機范圍，文獻[10]表明該算法能夠低復雜度地解決無人機部署和URLLC資源分配聯合優化問題。結果表明本文所提出的算法與文獻[10]的方法性能基本相同，但復雜度更低。首先將系統參數設置如表1所示。
表1 系統的主要參數
圖5和圖6首先討論了ADMM和全局迭代的收斂情況。由圖5可知，當固定UAV位置于終端接收機與其距離最遠處發電站的中間位置，同時按發送數據包大小分配初始分組長度，ADMM能在5次以內完成迭代，即tA=5。
圖5 給定不同初始值ADMM迭代的收斂情況
圖6 對于不同初始固定位置全局算法的迭代收斂情況
圖6給出了不同初始位置情況下全局算法的迭代收斂情況。由圖6可知，對于不同的初始UAV位置，本文所提出的全局算法基本能在迭代10次之內達到收斂，即tG=10。由此可見本文所提出的全局算法具有較好的收斂性能，該性能增益主要來源于ADMM中對偶上升的思想以及懲罰項的加速迭代作用。為了減少不必要的迭代，加快運算速度，本文在仿真實驗中選取人為可控的初始值，從而降低算法的復雜度。
圖7對不同算法性能進行比較并分析了M值大小對解碼誤碼率的影響。
圖7 分組長度M的大小對解碼誤碼率的影響
由圖可知：
1）增大分組長度可以有效地降低誤碼率。但M值變大將對系統帶寬提出更高的要求，并且會對數據傳輸的實時性造成影響。
2）當M>180時，誤碼率達到10–5以下，達到有限碼長下高可靠性要求[10]。
最后將本文所提全局迭代算法與其他方法進行性能比較。其中“固定分組長度”表示以數據包大小分配mi并采用二分法搜索最優的UAV位置；“固定無人機位置”表示固定x=D2/2并采用ADMM分配最優分組長度；“窮舉搜索法”表示計算所有可能情況并比較得到最優解。由仿真結果可知：
1）本文提出的全局迭代算法與文獻[10]方法和窮舉搜索法的性能基本相同且明顯優于其他兩種方法。
2）此外由表2可知，相比于文獻[10]方法和窮舉搜索法，本文提出的全局迭代算法復雜度更低，運算速度更快。
表2 算法復雜度和運算時間比較
4 結束語
本文考慮基于無人機輔助通信的分布式光伏運維數據采集技術。采用無人機作為中繼系統，通過短包傳輸技術輔助分布式光伏電站和終端接收機之間通信。在此基礎上為保證無線傳輸的可靠性，使得系統的整體解碼誤碼率達到最小，本文提出了基于URLLC要求的無人機中繼系統聯合優化懸停位置和通信鏈路分組長度分配的問題，并且針對多個發送端單個接收端的模型提出了一種基于隨機擾動ADMM的低復雜度迭代算法。仿真結果表明，本文算法能在較少的迭代次數內達到收斂，且該算法與窮舉搜索法具備基本相同的性能，但復雜度更低，運算速度更快。
