基于NDN 架構的智能配電網感知數據收集協議

喻磊，袁智勇，林心昊，劉胤良，雷金勇，史訓濤，徐全，白浩，徐敏

（南方電網科學研究院， 廣州 510663）

0 引言

近年來我國能源生產結構中，分布式、可再生能源的比重持續快速上升，分布式能源的快速發展催生了能源互聯網概念的產生，智能電網進入到能源互聯時代［1-2］。從覆蓋范圍來看，能源互聯網可以被視為“廣域網”，而智能配電網所屬的區域能源互聯網則是一個“局域網”。在區域能源互聯網的場景下，相比于傳統電網，能源不僅僅是在集中式發電端和終端用戶之間單向流動［3-5］，而是在集中式發電端、分布式發電端、儲能端和終端用戶等之間多向流動，通信數據量將呈幾何倍增長［6］。作為能源互聯網“末梢神經”的無線傳感器網絡（wireless sensor network，WSN）也因此變得越來越重要［7-8］。

WSN 的核心功能即為數據采集，其在能源互聯網中的應用性研究已經發揮了重要作用，包括智能配電網故障定位、變電站自動化、輸電線路的實時監測等各方面［8-10］。但是隨著太陽能和風能等分布式發電設備的廣泛應用，傳統WSN 網絡在智能配電網中的應用面臨越來越多的困難，例如，傳統WSN 基于IP 網絡，難以發揮出智能配電網中多種接入網絡的性能；在氣象災害或巡檢無人機等動態場景下難以獲取節點IP地址，無法及時有效完成數據收集任務等［4］。命名數據網絡（named data networking， NDN）是一種新型通用互聯網架構，可以應用在多種物聯網場景下［9-11］。NDN 架構的出現，為解決上述問題提供了可能。

文獻［6］將智能電網中的網絡架構劃分為3 個層次，并映射到NDN 網絡架構中，探討了NDN 網絡在智能電網骨干網絡適配的可能性。文獻［12］提出了一個輕量級的CCN-WSN 架構，實現WSN 網絡上的新型網絡架構適配，但是該方案依然使用“一發一收”的數據收集模式，效率較低。文獻［13］初步概述了NDN 架構可以為WSN 帶來的好處，包括對數據收集、移動性和安全性等的底層支持，但其沒有根據智能電網應用領域中WSN 的獨特性進行架構上的調整，在流量性能和時延上確界標準等方面存在不足。本文面向智能配電網感知數據收集任務需求，在深入研究智能配電網數據傳輸特征的基礎上，對原生NDN 進行適配性改進，提出了一種智能配電網中感知數據收集協議——時延上確界保證的NDN 和WSN 結合的數據協議，簡寫為T-ND-WSN。T-ND-WSN 協議的主要創新點如下：

1）針對NDN 現有的緩存策略不符合智能配電網中感知數據收集場景的問題，T-ND-WSN 設計了概率緩存策略來滿足智能配電網數據傳輸時延上確界標準和服務質量需求。

2）針對NDN 現有架構的“一發一收”數據收集模式效率低下的問題，T-ND-WSN 設計了基于PIT動態更新的“一發多收”數據收集機制。

1 應用場景

1.1 通信需求

智能配電網是智能電網的重要組成部分，在智能配電網中，基于WSN 的數據收集機制需要滿足國家和電網公司等制定的配用電自動化技術標準的一系列相關要求［14］，表1 列出了智能配電網中配電自動化部分操作的通信實時性需求，從表1 中可以明顯看出，不同操作在通信實時性需求方面存在較大差異。

表 1 智能配電網中配電自動化部分操作的通信實時性需求Tab. 1 Communication requirements of distribution automation in smart distribution grids

1.2 網絡體系抽象

WSN 具有節點大規模部署、自組織、低功耗和成本低等獨特的優勢，可以克服其他通信方式的缺點，因此WSN 在智能配電的本地通信網絡建設中得到越來越多的應用，圖1 展示了WSN 在智能配電網中的典型應用場景及網絡體系抽象。WSN可以有效地應用于智能配電系統的建設，其作為能源互聯網的網絡末梢，通常被固定或者分散部署在受監測的區域內，采集智能配電網的電壓、電流、頻率、有功與無功等電氣參數，配電網設備周圍環境的溫度、濕度和風力等環境參數，通過多跳和單跳的傳輸方式將收集到的數據包傳輸到基站或者Sink節點［15-16］，最終將整個區域監測到的數據匯聚到管理中心。但是隨著太陽能和風能等分布式發電設備的廣泛應用，電能不僅僅是在集中式發電端和終端用戶之間單向流動，而是在集中式發電端、分布式發電端、儲能端和終端用戶等之間多向流動，數據監測網絡的接入方式也由單一向多種接入方式演進，傳統WSN 網絡在智能配電網中的應用面臨越來越多的困難［17］。

圖1 WSN及其在智能配電網中應用場景示意圖Fig. 1 WSN and its application scenarios in smart distribution grids

NDN 作為一種以數據需求為驅動的新型網絡架構，符合WSN 只關注數據收集任務本身的初衷。NDN 的出現為解決傳統WSN 在智能配電網應用中所面臨的新問題提供了一種可能，當然，NDN 協議本身還需要做進一步的適配。

2 數據收集協議T-ND-WSN

本節首先給出NDN 原理的簡單介紹，進而結合原生NDN 路由節點的組成，對本文提出的數據收集協議T-ND-WSN進行詳細描述。

2.1 NDN原理簡介

NDN 網絡中有兩類包：興趣包和數據包。NDN 數據交互就是通過興趣包和數據包的名字匹配來完成，即內容請求者通過發送包含特定名字的興趣包來獲取數據，而數據擁有者回復帶有該名字的數據包。NDN 中路由節點維護內容緩存（content store， CS）、待定興趣表（pending interest table， PIT）和轉發信息庫（forwarding information base， FIB）來實現包的轉發。以興趣包為例，其路由節點處理過程如圖2 所示，路由節點首先根據最長前綴匹配原則查找CS 庫中的內容，若匹配成功則直接返回Data 包；若匹配失敗則查找PIT 表，若查找到PIT 條目，則更新該條目的入端口號；若未找到則增加新的PIT 條目，查找FIB 表并轉發到上游路由節點，否則丟棄該興趣包或返回NACK［18-19］。

圖2 興趣包路由處理過程Fig. 2 Interest packet routing process diagram

從圖2中給出的路由節點處理過程可以看出，路由節點的CS 和PIT 表對于包的轉發具有重要影響，本文提出的T-ND-WSN數據收集協議正是通過修改CS 的緩存策略和PIT 條目的更新算法來實現原生NDN對于智能配電網中有源WSN應用需求的適配。

2.2 CS概率緩存策略

在智能配電網場景中，有源WSN 中的節點可以通過電網直接供電，能源消耗不再是數據收集相關協議設計所面臨的主要問題［20］，而以數據傳輸的可靠性和實時性為代表的服務質量（quality of service， QoS）成為必須解決的焦點問題，這是因為中國國家標準和電力系統行業標準中對數據傳輸的可靠性和時延上確界都做了嚴格的規定［14］。

原生NDN 中路由節點的CS 緩存策略默認為處處緩存算法（leave copy everywhere， LCE），該策略在緩存容量充足的時候能夠獲得良好的性能，但是對于內存容量受限的WSN 節點并不適用。本文提出CS 的概率緩存策略用于解決該問題，并提升智能配電網場景下數據傳輸的QoS，提高數據收集效率，下面對該策略進行詳細描述。

2.2.1 傳輸數據的QoS建模

根據智能配電網傳輸數據的可靠性和實時性的不同，可以將傳輸數據的QoS 需求分為4 類：無可靠性和實時性要求；僅對可靠性有嚴格要求；僅對實時性有嚴格要求；同時對可靠性和實時性有嚴格要求。當可靠性要求嚴格時，可以通過在轉發路徑的各節點上盡可能緩存數據包，避免因為數據擁塞或者物理鏈路故障等丟失數據包；當實時性要求較高時，需要盡快將數據包從數據源節點轉發至sink節點，即優先轉發數據包。本文定義緩存系數α和轉發系數β來描述不同傳輸數據對QoS的不同需求。

在對QoS 建模之前，首先給出WSN 中相鄰節點vi和vj通信的鏈路可靠性rij和時延dij的數學表示。

式中：λ為故障率；μ為修復率，假定均為常數，可以由統計分析得出；lij為相鄰節點的通信距離；v為數據傳輸速率；Δt為鏈路隨機延時。考慮到WSN網絡中數據多跳傳輸的特點，容易推得，可靠性rij具有可乘性，而時延dij具有可加性，因此，對于一條多跳數據傳輸路徑(vs，…，vi，vj，…，vd)，可靠性rsd和時延dsd可表示為：

數據傳輸的QoS 可以從可靠性和實時性兩方面度量。當數據包D 可靠性要求較高時，需要綜合考慮當前節點vs的緩存占用和從當前節點至目標sink節點vd的路徑可靠性，不妨假設當前節點vs的剩余存儲容量為bs和總緩存容量bf，則可用式（3）計算獲得數據包D被節點vs緩存的概率p(D|vs)。

式中：RD（·）為隨機函數；Max（·）為求最大值函數：αD為數據包D的緩存系數。當數據包實時性要求比較高時，不妨假設其時延上確界為，則可用式（4）計算獲得數據包Dˉ被節點vs轉發的概率p()。

式中βDˉ為數據包Dˉ的轉發系數。p(|vs)的值越大，則數據包被轉發的概率越高，其值為1 時，則表示應立即轉發。

2.2.2 概率緩存的協議適配

考慮到概率緩存策略中需要同步路徑可靠性和時延，對于NDN 協議來說，通過修改興趣包屬性字段，并利用興趣包進行信息同步較為方便，可以在興趣包結構中增加上一跳節點標識、到達當前節點的路徑可靠性、到達當前節點的路徑時延、數據轉發系數、數據緩存系數和時間上確界等，如表2所示。

表2 興趣包新增屬性字段列表Tab. 2 List of new attribute fields of interest packet

興趣包在節點之間進行轉發過程中，路徑上的節點需要根據興趣包中的屬性值來動態維護自身的節點狀態表，表3 給出了一個節點狀態表示例，節點狀態表中的一條記錄包括鄰居節點標識、經過該鄰居節點到達sink 節點的各條路徑的可靠率最大值和時延最小值。表中記錄用于協助進行概率緩存策略的計算。

表3 節點狀態表示例Tab. 3 Example of node status table

2.3 PIT動態更新算法

為了支持WSN 中“一發多收”的多源數據收集特征，本文修改原生NDN 路由節點在獲取到返回Data 包后立即刪除對應PIT 條目的工作流程，增加路由節點中PIT 條目的保留時長。然而，若PIT條目保留時間過長，WSN 節點內存空間有限，PIT條目累積之后，節點的PIT 表內存溢出；更重要的是，智能配電網中數據傳輸的時延上確界要求，依據時延上確界已經“過期”的數據包如果還在網絡內被轉發，會造成網絡資源的極大浪費，針對上述問題，本文提出基于PIT 條目保留時長估算和數據包時延上確界相結合的PIT 條目動態更新算法，該算法分為兩個步驟。

1）第一步：估算路由節點vi中PIT 條目的最長保留時長Tie；

2）第二步：結合命中第k 條興趣包的第一個返回數據包中的時延屬性和步驟一的估算結果Tie設定該PIT條目的超時計時器tk。

2.3.1 PIT條目保留時長估算

假設節點vi的PIT容量大小為N，不妨將PIT表建模為M/M/1(N)排隊模型，其對應馬爾科夫鏈式模型如圖3所示。

圖3 PIT表的馬爾科夫鏈式模型Fig. 3 Markov chain model of PIT table

圖3中λk-1表示PIT 中有k-1 個條目時興趣包的到達率，Pk表示PIT 中有k 個條目的平衡概率，μk為PIT 中有k個條目時其條目的刪除率，則根據PIT 中從k個條目變為k-1 個條目時的PIT 條目刪除率等于PIT中從k-1個條目變為k個條目時的興趣包到達率，可以得到平衡方程。

整理方程，可得Pk。

式中P0為沒有條目的概率，考慮到PIT 容量大小為N，用全概率公式求解，可得：

假設路由節點vi上PIT 以速率λi向前轉移到下一個狀態，則λk=λ i，μk=μi，令Tie= 1μi，ρ=λi μi，則ρ=λ iTie，將該公式和式（7）代入式（6），整理可得路由節點vi出現N個PIT 條目時候的穩態概率

此時，Tie成為路由節點vi上PIT 條目最大保留時長估計，而根據WSN 的具體場景，可以設置PNi的閾值上限，由此推算Tie的取值范圍。

2.3.2 PIT條目超時計時器

在智能配電網場景下，路由節點vi上的PIT 條目的刪除需要綜合考慮多個時間屬性，其存在兩種情況：第一種情況為該興趣包尚未收到任何返回數據包，則此時超時計時器tk設置為Tie，從而維護該路由節點的PIT 表不溢出；第二種情況為已經收到第一個回傳數據包，則該數據包中攜帶的路徑時延dsi、數據包時延上確界綜合考慮各時間屬性，超時計時器應設置為：

當路徑時延dsi比時延上確界還要大時，則超時計時器設置為0，直接刪除該PIT條目。

3 仿真實驗

3.1 實驗環境

本文使用基于Python 庫作為仿真工具對T-NDWSN 協議進行性能分析。WSN 仿真環境在20 000 m×20 000 m 的監測區域內隨機部署500 個無線傳感器，每個傳感器有5 MB 的內存空間，其中FIB 為512 kB，CS 和PIT 的空間大小作為動態參數在仿真程序中可設置，傳感器的傳輸范圍是300 m，數據傳輸速率為256 kbps，感知數據包大小為256 字節，興趣包的時延上確界均設定為2 s。考慮到T-ND-WSN 應用于有源WSN 網絡，傳感器節點的電池容量為無限。

表4 實驗仿真環境參數Tab. 4 Experimental simulation environment parameters

3.2 實驗分析

3.2.1 性能指標

在仿真實驗環境基礎上實現文獻［21］提出的CS 緩存策略（EPPC）、文獻［22］提出的PIT 更新算法（iHEMS）和本文提出T-ND-WSN 協議進行性能對比分析。考慮到T-ND-WSN協議提出的目的是實現感知數據的收集，我們選擇數據傳輸時延、緩沖區命中率和數據收集效率3 個性能指標進行性能分析，其中，數據傳輸時延指的是從興趣包發送到收到返回數據包的平均時間間隔，其中本文提出的T-ND-WSN 協議支持“一發多收”模式，同一個興趣包返回多個數據包分別計算返回數據包和對應興趣包的時間間隔并求平均，如式（10）所示。

式中tij為發送第i個興趣包到收到對應第j個數據包的時間間隔，對于“一發一收”模式，一個興趣包對應一個數據包，此時X= 1；對于“一發多收”模式，一個興趣包實驗設定為對應M個數據包，此時X=M，如果未收到對應數據包，則tij設置為當前興趣包的時延上確界，在本實驗中即為2 s。緩沖區命中率指的是興趣包發送請求后，在網絡內部節點返回數據包，而并不是數據原始生產者節點返回數據包所占的比重，如式（11）所示。

式中：hR為興趣包發送請求后在網絡內部節點返回數據包的數目；hP為興趣包發送請求后數據原始生產者節點返回數據包的數目。數據收集效率r指的是興趣包發送請求后，實際收到的有效數據包（去除重復數據包）占預期應該收到的數據包的比例，如式（12）所示。

3.2.2 數據傳輸時延分析

圖4 展示了T-ND-WSN 和EPPC 兩種算法下的仿真結果對比，其中T-ND-WSN的數據傳輸時延受到轉發系數β的影響，估計分別展示取值0.3、0.4和0.5條件下的仿真結果。

圖4 數據傳輸時延仿真結果曲線圖Fig. 4 Simulation results of data communication delay

從仿真結果可以看出，當CS 容量較小時，TND-WSN 的數據傳輸時延較大，這主要是由于TND-WSN 協議采用式（4）給出的基于概率的轉發機制，數據包傳輸的前半段，由于時延冗余度較高，數據包被緩存的概率較大，網絡傳輸利用率較低，CS 容量較小，在緩存的數量到達一定閾值后，受到時間上確界影響而產生一定程度的丟包，直接導致整體平均時延較大，如圖中紅色橢圓標注部分，為了整體顯示效果，極大值被人為設置為100 ms；而隨著CS 容量逐漸增長，丟包情況逐漸減少，特別是到320 kB左右之后，網絡中數據包轉發和緩存逐漸達到平衡，T-ND-WSN 在轉發系數β推動數據包大概率的沿著興趣包路徑快速返回，使得整體時延小于EPPC。同時，圖4 顯示轉發系數β設置與CS 容量有關，當其取值與CS 容量相適應時，不會出現大量數據包丟包，也即可以滿足傳輸時延上確界的要求。綜合分析實驗結果可知，當WSN 節點上CS 容量滿足一定條件時，T-ND-WSN 具有較好的實時性。

3.2.3 緩沖區命中率分析

緩沖區命中率一定程度上反映了CS 緩存策略的優劣，圖5 展示了T-ND-WSN 和EPPC 兩種算法下緩沖區命中率的仿真結果對比。

圖5 緩沖區命中率仿真結果曲線圖Fig. 5 Simulation results of cache-hit ratio

緩沖區命中率在一定程度上可以反應出物理網絡鏈路不穩定時候，數據傳輸的可靠性。圖5（a）中T-ND-WSN 的緩沖區命中率與EPPC 具有較大差異，這是因為此時緩存系數α取值較小，數據包傳輸過程中被緩存在網內節點的概率則較小，緩沖區命中率則較小；圖5 中3 幅曲線圖的對比顯示出隨著緩存系數α取值逐漸變大，T-ND-WSN 的緩沖區命中率逐漸變好，并與EPPC 相差不大，特別是當α取值為0.7 時，T-ND-WSN 的緩沖區命中率與EPPC 幾乎保持一致。由實驗結果推知，為了使得數據傳輸的服務質量，在T-ND-WSN協議中，緩存系數α取值不應過小。

3.2.4 數據收集效率分析

數據收集效率是本文所提T-ND-WSN協議所要解決的關鍵點。圖6 展示了的T-ND-WSN、iHEMS和EPPC在不同PIT容量下的數據收集效率。

圖6 數據收集效率仿真結果曲線圖Fig. 6 Simulation results of data collection efficiency

實驗結果表明，相比于iHEMS 和EPPC，TND-WSN 的數據收集效率具有明顯優勢，這與iHEMS 和EPPC 的設計原理基本一致，其中EPPC只對CS 緩存策略進行了優化，PIT 條目依然沿用“一收一發”機制，因此數據收集效率較低；而iHEMS 的PIT 條目更新使用固定時間值，直接且簡單，數據收集效率的結果也相對差一些；對比不同PIT 容量下相同算法的數據收集效率，顯然，PIT容量越大，數據收集效率越好，這是因為PIT 容量越大，PIT 條目的更新周期則越長，網絡邊緣節點或者物理網絡不穩定的節點所生產的數據更容易被收集。

4 結語

隨著以可再生能源為代表分布式能源被廣泛運用到電力產業，WSN 作為在智能配電網中網絡架構的“末梢神經”，遇到越來越多的挑戰，如WSN基于IP網絡，對多種無線接入網的復雜環境缺乏靈活性；在氣象災害或巡檢無人機等動態場景下難以獲取節點IP地址，無法及時有效完成數據收集任務等。NDN 架構對這些問題的解決具有原生支持方案，本文結合NDN 架構優勢，提出了一種智能配電網中感知數據收集協議——T-ND-WSN。

T-ND-WSN 協議采用概率緩存策略和PIT 動態更新機制對原生NDN 進行改進，在保留原生優勢的前提下，還對智能配電網中數據傳輸的時延上確界標準和可靠性需求給予了支持。仿真結果表明，T-ND-WSN 其在滿足智能配電網數據通信時延上確界前提下，在數據傳輸實時性和可靠性兩個維度上也具有一定的提升。智能配電網不僅接入網環境相對復雜，其數據收集任務也多種多樣［23-24］，未來，在針對不同數據收集類型的協議自適應方面以及基于NDN 的數據安全協議方面可以開展更進一步的研究。