基于交互時長的通信協議應用診斷與優化方法

巫鐘興，丁忠安，夏桃芳，朱子旭，王雅平

(1.中國電力科學研究院有限公司，北京 100192； 2.國網福建省電力有限公司營銷服務中心，福州 350009)

0 引 言

為滿足電能信息采集業務需求的快速發展，電力行業電測量標準化技術委員會組織編制發布了電力行業技術標準DL/T 698.45《電能信息采集與管理系統 第4-5部分：通信協議—面向對象的數據交換協議》(以下簡稱面向對象協議)，該協議采用面向對象方法建模，具有靈活擴展、采集高效、數據溯源性好等技術特點[1-3]。目前面向對象協議已在電力公司廣泛應用，很好的支撐了多表合一、高頻數據采集、停電事件上報等業務應用[4-5]。

目前電能信息采集方案配置主要采用人員經驗判斷方式，通常按照臺區的規模、用戶類型、本地通信方式等主要特征，大體上制定若干套固定的采集方案，并通過主站下發至采集終端，后續采集終端按照采集方案策略執行數據采集任務。由于臺區用電情況和設備運行工況的復雜多樣，固定的采集方案難以適應各種各樣的臺區特征和動態多變的臺區環境，導致采集效率不高，難以充分發揮出面向對象協議靈活配置的技術優勢[6-7]。

電能信息采集的通信環節主要分為主站與終端的遠程通信和終端與電能表的本地通信。遠程通信主要采用4G無線公網通信信道，存在通信成本較高和偏遠地區信號差等問題，但總體來說其通信帶寬高、穩定性好，通信交互問題較少。本地通信主要采用電力線載波、微功率無線、RS-485等通信方式，通信速率較低，容易受到干擾，測量點數量大，其通信效率對整個電能信息采集系統的影響較大。由于電力線載波在本地通信中占比最大，因此本文主要針對電力線載波通信方式進行研究。

本文主要聚焦面向對象協議應用中涉及本地通信環節的采集策略相關參數，針對電力線載波通信提出一種基于通信報文交互時長的診斷與優化方法。報文監測分析作為一種數據記錄存儲和關鍵信息提取的有效手段，在電力行業應用廣泛，文獻[8]研究了智能變電站過程層網絡報文特性并進行通信配置，文獻[9]將通信報文分析用于繼電保護故障信息系統。而多元線性回歸作為一種經典的數據分析方法，由多個自變量組合成最優組合進行預測或估計，預測效果更符合實際，并且在農業、建筑、地理環境、金融、教育等各行各業得到了廣泛的應用[10-15]。遞歸最小二乘廣泛應用于信號處理、系統辨識和線性優化等領域[16-19]。本文通過監控報文分析提取典型特征量，利用多元線性回歸和遺忘因子最小二乘建立一次通信交互時長模型，并根據典型特征庫數據進行模型更新。根據建立的一次通信交互時長模型，對臺區當前采集方案進行診斷，判斷方案中任務周期的合理性，并以最大化抄表效率為優化目標，通過數據項和歷史記錄讀取組合的方式調整報文長度，進行采集方案優化，實現“一臺區一方案”和方案動態調整，提高系統的采集效率，并通過試點應用驗證了該方法的可行性。

1 一次通信交互時長計算模型

1.1 影響交互時長的特征量

一次通信交互時長是指終端與電能表之間完成一次報文收發所需要的時間。一次通信交互時長主要取決于多個通信交互特征量，包括：請求報文長度、響應報文長度、載波通信速率、終端本體與路由模塊通信速率、電能表本體與載波模塊通信速率、終端響應延時、電能表響應延時。一旦臺區確定，則臺區設備和線路確定，在臺區正常工況下，可認為載波通信速率、終端本體與路由模塊通信速率、電能表本體與載波模塊通信速率均為定值，故載波傳輸時間、終端本體與路由模塊通信時間、電能表本體與載波模塊通信時間可認為與報文長度成正比；而終端響應延時、電能表響應延時取決于終端本體和電能表本體，分為可變延時和固定延時兩部分，可變延時可認為與報文長度成正比，固定延時為設備響應固定時間開銷。綜上可知，一次通信交互時長可分為與報文長度成正比部分和固定開銷部分，即可認為一次通信交互時長與請求和響應報文長度是線性相關的。

利用報文監測分析軟件，長期監測臺區終端和電表之間通信報文，在剔除通信不良或干擾嚴重時段通信報文后，針對臺區正常通信報文，展開多維度多層次典型特征統計，提取請求報文長度、響應報文長度、一次通信交互時長、波特率等典型特征量，建立通信特征量典型特征庫，為模型建立和迭代更新提供數據支撐。

1.2 模型建立

多元線性回歸是以多個解釋變量的給定值為條件的回歸分析，是研究一個因變量和多個自變量之間依存關系的統計方法，它能估計多個自變量x的線性系數，使組成的線性方程最佳地預測因變量y的值。多元線性回歸模型的一般形式為：

yi=β0+β1xi1+…+βpxip+εi,i=1,2,...,n

(1)

式中β0,β1,…,βp是回歸系數，εi是相互獨立且服從同一正態分布的隨機誤差，n是獨立樣本個數，該模型詳細展開可表示為：

(2)

為書寫和表示方便，可以把該模型寫成矩陣表達式的形式：

Y=Xβ+ε

(3)

式中Y是由n次不同狀態下獲得的因變量觀測值構成的n維向量；X是由n次不同狀態下自變量樣本構成的n×(p+1)階矩陣；β是因變量回歸系數構成的p+1維向量；ε是n維隨機誤差向量。若X的列滿秩，可得到β的最小二乘估計：

(4)

統計學已證明是β的無偏估計，從而得到不含偏差項的樣本回歸函數：

(5)

基于1.1節對通信交互特征量的分析，可以將一次通信交互時長理解為與請求報文長度、響應報文長度線性相關的特征量，通過從典型特征庫中選取一定時間段內分布在不同長度區間的報文及相應交互時長作為樣本，基于多元線性回歸建立如下一次通信交互時長模型：

tone=a1Ltx+a2Lrx+a0

(6)

式中tone指一次通信交互時長(ms)，Ltx,a1為請求報文長度(byte)及其回歸系數;Lrx,a2為響應報文長度(byte)及其回歸系數;a0為固定時間開銷。

上述模型可以體現樣本所在時間段內一次通信交互時長與請求報文長度、響應報文長度之間的線性關系。但隨著時間推移，臺區運行工況可能發生變化，這一線性關系也可能發生變化。因此，間隔一定時間周期后，要從典型特征庫中選取最新樣本進行模型在線更新。完全選取新樣本數據重新計算模型，對存儲要求高，計算效率低，故考慮使用遞歸最新小二乘算法，利用新樣本對估計結果進行修正，減少存儲要求，提高計算效率，提高模型準確率。

遞歸最小二乘更新公式[16]為：

(7)

式中βn表示用前n次觀測數據得到的最優估計；Xn表示第n次觀測自變量樣本數據；yn表示第n次觀測因變量樣本數據；Pn=(ATA)-1表示用前n次觀測數據得到的逆矩陣，這里沒有直接求逆，而是通過Pn-1和Xn計算得到。

由于遞歸最小二乘算法認為不同時刻樣本數據是一樣的，對于樣本的重要性不夠重視，因此引入遺忘因子[20-22]的概念來提高當前樣本的重要性。將Pn帶入Kn，得到Kn計算公式為：

(8)

引入遺忘因子后，Kn計算公式更新為：

(9)

式中k指遺忘因子；k越大則當前觀測樣本的權重越大，歷史樣本的作用遺忘越快。

利用多元線性回歸建立一次通信交互時長模型后，間隔一定時間引入新的樣本數據，采用遺忘因子遞歸最小二乘法進行模型在線更新，提高模型的準確性。

2 通信協議應用診斷方法

基于一次通信交互時長模型，進行通信協議應用診斷，判斷采集方案中任務周期是否合理，即任務周期內能否完成本臺區所有的抄讀任務。

將不同任務的單次請求報文長度和單次響應報文長度帶入一次通信交互時長模型，計算出不同任務的一次通信交互時長。然后根據臺區規模可以計算出每個任務的單周期實際采集耗時，具體如式(10)所示。

(10)

(11)

式中β為周期冗余系數，主要考慮為各任務失敗重試留一定時間冗余量。

將各任務調整后采集周期TZ與原采集周期T進行比較，若TZ>T，則說明終端無法在該周期內完成該采集任務，采集周期不合理，應該參考TZ進行任務采集周期修正。

3 通信協議應用優化方法

3.1 周期性任務采集耗時優化模型構建

針對每種周期性采集任務，通過增加其一次通信交互的報文長度，減少通信交互次數，從而減少任務整體采集耗時，盡可能提高通信效率，既有利于用戶規模大、通信工況差的臺區提高抄表成功率，也有利于為臺區數據采集方案中配置更多抄讀任務。因此建立如下周期性任務采集耗時優化模型：

(12)

對于確定的周期性任務，一旦確定其數據項組合形式以及一次讀取歷史記錄條數，相應的請求報文和響應報文長度即可確定，因此可通過不同數據項組合以及一次讀取多條歷史記錄的方式增大一次通信交互的報文長度，從而形成不同長度的收發報文組合；同時，完成該任務一天采集量的收發報文中包含的有效數據總長度可認為是固定的，增大一次通信交互報文長度后，相應地，一天內執行該任務的通信交互次數也隨之減少，通信效率隨之提高。圖1為通信效率隨報文長度變化趨勢圖。

圖1 通信效率隨報文長度變化趨勢圖Fig.1 Variation trend of communication efficiency with message length

通信效率隨一次通信交互報文長度的變化呈現正相關的變化趨勢，一次通信交互報文越長，通信效率越高。

3.2 二次優化周期性任務采集耗時優化模型

分析周期性任務采集耗時優化模型可知，某周期性任務一天收發報文中包含的有效數據總長度固定的情況下，任務總耗時中與報文長度相關部分也近似為固定值，只有任務總耗時中固定開銷部分隨著交互次數的減少而減少；所以盡可能增大一次通信交互報文長度，減少交互次數，即可最小化任務總耗時，最大化通信效率；但與此同時，一次通信交互報文越長，通信交互時丟幀可能性越高，通信成功率越低。

因此對周期性任務采集耗時優化模型進行再次優化，結合典型特征庫統計分析，根據實際通信需求對優化模型調整如下：

(13)

式中Rsuc為不同報文長度下一次通信交互成功率;Rlimit為一次通信交互成功率閾值;Rsuc可根據通信特征量典型特征庫統計計算得到;Rlimit可根據實際應用需求設置。圖2為通信效率和成功率隨報文長度變化趨勢圖。

圖2 再次優化后通信效率和成功率隨報文長度變化趨勢圖Fig.2 Variation trend of communication efficiency and success rate with message length after optimization

通信效率和通信成功率隨一次通信交互報文長度的變化呈現相反的變化趨勢，故優化模型在通信效率和通信成功率二者之間進行權衡，在滿足通信成功率閾值的前提下，盡可能增大一次通信交互報文長度，減少通信交互次數，提高通信效率。

上述模型可看作一個線性規劃模型，求解上述優化模型，即可得到當前臺區各周期任務效率最高的抄讀方式以及相應各周期任務實際抄讀周期，可參考求解結果進行采集方案配置，實現通信協議應用優化。

4 診斷與優化流程

通信協議應用方案診斷與優化流程見圖3。

圖3 診斷與優化流程Fig.3 Diagnosis and optimization flow

首先，利用報文監測分析軟件長期監測臺區終端和電表之間通信報文，建立臺區通信特征量典型特征庫。其次，從典型特征庫選取適量樣本數據，包括一次通信交互時長、請求和相應報文長度，利用多元線性回歸建立一次通信交互時長模型。再次，針對臺區當前采集方案，基于交互時長模型計算方案中周期性任務的估計周期，判斷當前任務周期的合理性。然后，針對臺區當前采集方案，建立周期性任務采集耗時優化模型，利用數據項和歷史記錄讀取組合的方式減少通信交互次數，提高通信效率。最后，一定時間周期后，從典型特征庫選取最新樣本，利用引入遺忘因子的遞歸最小二乘法對一次通信交互時長模型進行在線更新樣本數據，開啟新一輪通信協議應用診斷和優化。

5 應用結果與分析

5.1 抄讀效率分析

為驗證所提算法的有效性，以某試點臺區應用數據為例進行分析。該臺區的用戶規模為N=500，周期性任務S為15 min曲線任務(數據項：電壓、電流、正向有功總電能)，對應任務的采集周期為為15 min。

從臺區典型特征庫中選取最近7天內的100組樣本數據，每組樣本包括請求報文長度、響應報文長度、一次通信交互時長。為提高所建模型的有效性，樣本中請求報文和響應報文長度盡可能分布在不同長度區間內，然后利用選取的樣本數據計算模型回歸系數，得到一次通信交互時長模型為：

tone=8.6Ltx+11.3Lrx+212

(14)

任務S通常的單次請求報文長度Ltx=71，和單次響應報文長度Lrx=112，帶入式(10)可以計算出該任務的單周期實際采集耗時約為17.4 min，大于原任務的采集周期15 min，即在15 min周期內無法完成該曲線任務的抄讀，應進行任務周期修正，如將曲線任務S的抄讀周期改為30 min。

將任務S的抄讀周期修正為30 min，即一天要完成48點曲線數據采集，完成一天數據采集量的收發報文中包含的有效數據總長度固定，通過歷史記錄讀取組合的方式調整任務的單次報文長度，一天內執行該任務的通信交互次數也隨之變化，該映射關系如表1所示，表最后一列體現了不同報文長度下一次通信交互的成功率，由該臺區典型特征庫統計得到。

表1 不同歷史記錄讀取組合抄讀情況Tab.1 Different ways of reading historical records

令一次通信交互成功率閾值Rlimit= 95%，將表1中滿足通信交互成功率閾值的報文長度數據代入式(13)，得到完成該任務一天采集量的最短耗時，即為該任務效率最高的抄讀方式；此時該任務一天通信交互6次，一次抄讀8條歷史記錄，可參考該結果進行采集方案配置。

根據歷史記錄數據讀取組合調整報文長度，提高了系統的電能信息采集效率，說明文中方法具有較好的實用性。

5.2 對電能信息采集效率的對比分析

為了更好的驗證文中方法的性能，將目前采用人員經驗判斷方式進行電能信息采集的方案設為傳統方法，與文中所提進行電能信息采集的方法進行對比，對比結果如表2所示，其中任務耗時是指完成周期性任務一天采集量的采集總耗時。

表2 兩種方法對比結果Tab.2 Comparison results of two methods

通過表2可知，在執行不同的周期性任務時，相比傳統的人工經驗判斷方式，使用文中提出的基于交互時長的通信協議應用診斷與優化方法進行電能信息采集，采集效率始終有較大提升。而且，在任務抄讀周期越短時，采集效率提升越明顯；這是由于抄讀周期越短，傳統方法通信交互次數越多，使用文中方法進行優化后，通信交互次數下降越明顯，采集效率提升越大。對比結果進一步說明了文中方法在實際應用上具有良好性能。

6 結束語

針對目前電能信息采集方案難以匹配臺區通信工況導致采集效率不高的問題，提出了一種基于交互時長的通信協議應用診斷與優化方法。通過監控報文分析提取典型特征量，利用多元線性回歸和遺忘因子最小二乘建立一次通信交互時長模型，計算周期任務交互時長判斷任務周期合理性，通過數據項和歷史記錄讀取組合的方式增長報文長度，提高通信效率。該方法充分考慮了臺區間的通信工況差異性，為提高低壓臺區抄表效率和成功率提供了一種行之有效的思路。在后續的研究中，還可以從結合采集任務優先級和建立通信成功率模型兩方面著手，進一步提高優化方法的實用性。