基于混合组网技术的数据聚合器最佳部署方案研究与设计

彭 林 鲍兴川

(全球能源互联网研究院信息与通信研究所 江苏 南京 210003)

0 引 言

配电通信网络是实现配电自动化和智能化电网的重要信息基础设施，是建设智能电网的主要内容。现在的电力系统中，智能电网所需要拥有的特性可以体现在其可靠性、兼容性、安全性等方面。因此，在智能电网中必须提高效率、降低消耗[1]。

智能电网的其中一个应用是智能电表器。目前，在农村、郊区和城市地区AMI已经得到了广泛的部署[2]。作为智能电力系统的一个重要部分，在AMI中，智能电表器会从居民用电和工业用电上搜集能耗和输电质量数据，并且通过电力系统的控制中心上传这些数据[3-4]。由于智能电表的使用频率比较高，所以在AMI中需要尽量降低丢包率和处理延时[5]。而分组丢失会降低负载的预计精度，并且它还会导致发电站给用户的供电成本增加。

比如说，当几个智能电表器每隔一个小时向供电站发送数据，若带宽不够，就会使得现有的通信体系难以处理大量上千字节的数据，并且导致分组丢失。针对这个问题，其中一种解决方案是用数据汇聚节点(DAP)把下游的几个智能电表所发送的数据进行汇聚，生成长消息。与前者的大量开销相比，分组开销似乎是微不足道的。这些DAP将能够在控制中心和智能电表器之间实现双向通信。因此，DAP在AMI的邻域网(NAN)中能起关键作用。在DAP的主要功能中，我们可以参考建立智能电表和终端节点的可靠通信，提供数据安全、保护客户数据、监控区域的网络状态以及支持各种应用[6-9]。

如图1所示，为了在不同的AMI的各个组件之间建立连接，通常会采用有线(电力线通信PLC、光纤等)或者无线(WIMAX、WiFi等)技术。智能电表器通过有线或者无线的方式与中间的数据汇聚节点相连接。DAP再通过中继节点把搜集到的用户数据上传至电网的控制中心。在AMI系统中最好的传输媒介是光纤。光纤EPON技术是一种新兴的宽带接入技术，是由802.3EFM研究组提出。EPON的组网方式有星形、链形等，与配电一次网架结构十分相似，特别适合配电自动化通信系统的组网[10]。光纤通信可以屏蔽电磁波以及其他噪声的干扰。光纤通信的优点包括很宽的带宽、低丢包率，与铜线相比直径更细，质量更轻、很高的长距离传输质量等方面。有线的方式涉及到布线及沟渠开挖等问题，难以在城市配网中实现及时、有效、低成本的组网，研究及示范工程建设工作也受到较大阻力[11]。

图1 智能电表数据传输系统示意图

无线通信技术包括手机通信(比如说4G、LTE、WIMAX等)和电磁波通信(比如z-波，Zigbee等)。这种无线通信技术用在DAP和智能电表之间的连接是非常合适的[12]。如果蜂窝设施已经存在，那么供电站就可以节省时间和财力去额外安装设备。这种通信技术的优点是具备很高的安全性，但是它的缺点在于蜂窝网络是由若干用户共享的，所以在一些紧急情况下可能会发生网络拥塞。另外，这种网络还会收到外界恶劣天气的干扰。WIMAX是基于IEEE 802.16标准的较为常用的无线网络技术。相比之下，无线技术的发展，其本身在通信质量、稳定性、安全性等方面不断提升，将在未来智能电网的建设及发展中起到重要的信息传递和交互的枢纽作用[13]。DAP的放置问题是AMI部署的最大困难之一。在智能电网中，每家每户都会有一个智能电表。但是人工去部署DAP最佳位置的分析成本比较高，并且特别是在用户很多的区域难在实践中实现。一般这个问题的公式化之后会归纳为NP-问题[14-15]。

据我们所知，目前还没有任何工作是关于混合组网中的DAP部署问题。其有助于用户和微电网在其自身的内部进行通信，可以减少能量服务的延迟和数据聚合的开销。

我们认为部署DAP有两种不同的选择：一种是选择可获得的节点AP(Available Nodes)，二是在潜在的节点PN(Potential Nodes)上新建。在AN与PN的区分在于有没有已经放置好的电线杆。显然，如果在潜在节点新建一个DAP成本会比较高，因为会增加电线杆的成本。

1 相关工作

在智能电网的DAP部署问题已经有了一些工作。黄等[14]通过研究WAN、NAN和HAN三层中的光纤通信和电力线通信(PLC)两种有线接入技术，提出了一种用于部署DAP的算法。与遗传搜索与禁忌搜索算法相比，该算法可以保证所需的性能。另外，与前两种方法相比，它具有较少的开发和部署成本。文献[15]中分析了在农村、城市和郊区这三种不同环境下的DAP部署数量分析。文中假设所有的DAP都需要部署在电线杆上，并且还分析考虑了各个节点之间的无线网络性能。而文献[16]中认为文献[15]所提出的方法会有很高的时间复杂度，通过我们目前的调查研究，在城市地区需要在适当的时间内给出响应。

在文献[17]中提出使用一种分布式数据包转发算法来找到最佳的DAP部署方案。他们的方案是把多跳网络本身作为通信设施，也就是说让智能电表本身进行数据聚合。但是这种方案在实际当中很少见，因为这些设施都被安装在不同的地方。在文献[18]和文献[19]中所给出的模型也有相同的问题。在文献[20]中，作者考虑了智能电网中的机器对机器间通信。他们提出了HEMS(家庭能源管理系统)流量集中的最优集群问题，并且使用动态规划算法来获得最优解。在文献[21]中，为了支持各种新的需求相应程序，文中考虑到了QoS参数，比如中断概率，分组误差等，精确、完全地测出传感器和仪表到NAN网络的连接概率和分组延迟。对于本文中的模型，我们假设DAP与智能电表的排队因素一起考虑。

基于现有的关于“AMI网络中DAP的最佳部署”问题，目前的相关工作可以分为以下三类：

A组 1) 之前的工作不仅考虑到了DAP的最佳部署位置，也考虑到了DAP部署的最佳数量。2) 之前的工作为DAP的部署位置设计了特定的算法。

B组 1) 之前的工作只考虑了智能电表与DAP之间的无线通信(WIMAX,Zigbee..)。2) 之前的工作只考虑了智能电表与DAP之间的有线通信(PLC,光纤...)。

C组 1) 在之前的数学模型中考虑了DAP与控制中心的连接。2) 在之前的数学模型中没有考虑到DAP与控制中心的连接。

基于以上的分类，之前的工作我们可以在表一中予以详细的归类。在表1中，我们详细地给出了在这个领域现有文章的相关工作，算法优势和存在的缺陷。

表1 DAP部署问题的各个算法比较

2 系统模型描述

通信设施是构建智能电网的基础。在本文中，我们考虑了由WIMAX和光纤链路组成的混合通信设施。我们假设每个用户的智能电表可以通过光纤或者WIMAX连接到DAP。通过考虑通信质量和设备成本这两个因素，上述模型会确定智能电表和DAP之间通过什么来传输。

此外，需要考虑在该区域原来有没有光纤链路存在。如果没有，那么还要在模型中考虑组建光纤网络的费用。因此，对于那些还没有配备光纤的用户来说，需要给出安装成本的表达式。本文所提出的最优化问题，就是讨论用户和DAP之间的连接类型问题。

下一步就是要选择DAP的放置位置。正如在文献[15]中所描述的，DAP可能被放置在电线杆AN上，或者要有高质量的数据传输就可能放置在新的地方(PN)。考虑有M个智能电表的AMI网络。假设AN={DAP1,DAP2,…,DAPsizeAN}，PN={DAP1,DAP2,…,DAPsizePN}，分别表示可以安装DAP的现有位置和潜在位置。CFi，j和CWi，j分别表示用光纤或者WIMAX建立智能电表i，i={1,2,…,M}和DAPj,j={1,2,…,SizeDAP}的成本。其中SizeDAP表示所需DAP的总数。成本的表达式如下：

(1)

式中：cij和pldij表示的是i和j之间的距离和丢包率。表达式中的其他参数如下：

R数据包的大小

γ在整个模型中的总能耗率

Eb每比特数据所消耗的能量

Tm网络的持续传输时间

T1两次数据传输之间的时间间隔

Κ信号衰落因子

如图2所示，图中的曲线从右到左，频率逐渐增加。城市中的单跳通信具有较低的延迟[14]，如果增加通信频率，路径损耗也会随之增加。所以，我们就把城市中的通信频率定为1 800 MHz。此外，可以使用COST231路径损耗模型来研究WIMAX通信[4]。

图2 城市区域各个频率段的路径损耗

我们所提出的模型不仅决定了智能电表和DAP之间的通信类型，还决定了可获得节点(AN)和潜在节点(PN)的DAP部署问题。

以下提出的成本函数模型由多个术语组成，包括：(1) 安装接入点(AP)和光纤传输系统的成本；(2) 在城镇地区基于WIMAX的DAP与用户之间的通信成本。从数学角度考虑，优化问题可以用如表达式表示：

(2)

其中约束条件为:

(1) ∀i,j:y(i,j)+z(i,j)=1

(3) ∀i,jy(i,j),z(i,j)∈{ 0,1}

式中:M、sizeAN和sizePN分别表示的是智能电表的数目，电线杆的数目和潜在节点的数目。这些地方都是有可能安装放置DAP的地方。COSTAN和COSTPN分别表示安装AN和PN的成本。这些成本都是固定的，因为这些成本只包含了安装费用和占用带宽的费用。 求和公式中的第三项和第四项分别表示电表i和DAPj之间使用光纤y(i，j)和WIMAXz(i，j)的通信成本。约束条件(1)决定了连接的类型。约束条件(2)表示当j被选为DAP的放置点，那么DAPj就会置1。约束条件(3)说明这个问题是线性的。最后一个约束条件讲的是每一个电表至少与一个DAP连接。我们所研究的最优化问题属于线性规划模型。在模型中如果有很多的节点存在，那么这个问题就没有一个准确的答案。在网络中如果有很多的节点存在，那么就会使用相关的近似算法。

3 基于K-means的近似算法描述

在这一节，我们将解释K-means算法如何使用式(2)中的优化问题来解决DAP的部署和通信媒介选择问题。在K-means算法中，簇K的数值是必须已知。在这个的问题中，可以找到一个近似值K，其中AMI的范围是比较难确定的。所以，假设K的初始值为其最小值K0,有：

(3)

根据K-means算法，每一次循环，智能电表都会选择最近的簇。因此，如果第i个智能电表属于第K个簇，那么yik=1，否则yik=0。然后簇头位置就会更新到他们所连接的智能电表上。在两次连续的循环中如果最新的簇头位置小于阈值，K-means算法就会结束循环。所以，我们需要计算智能电表到DAP和DAP到供电站的传输消耗，我们修改K-means算法然后结合考虑供电站的位置u，得到最新的簇头的公式是：

(4)

原来的K-means算法程序在本文的系统模型中破坏第5个约束条件。比如，在同一个簇上部署了数目大于A的智能电表器。在这种情况下，智能电表器通常可以在它们的通信范围内找到其他的簇，而且可以重新连接到新的簇头。最后，每个DAP有一个标签来表示它已经连接了电表的数量。当标签大于A时，就会让它重连下一个DAP。在修改后的K-means算法执行完毕，最后的簇头将映射到最近的电线杆上。如果因为映射导致某种约束条件不能满足，那么就说目前执行的算法不可行。

在算法1中我们做出了改进。首先从K0开始运行，从′NumTries′的不同初始位置运行改进的K-means，将最终的簇头映射到最近的电线杆，然后选择方案中消耗最小的那一个。因为K-means算法的初始位置会影响最终的结果，所以需要运行多次，寻求不同的布置方式来找到更加接近最佳的解决方案。最终，终止循环的条件是在可以接受的范围T内运行K+1个簇的成本大于K个簇的成本。可以把T设置为0使得随着K值的增加循环，最终的运算结果越来越接近理论值。也有可能存在那么一种情况：随着K增加，簇头数会逐渐接近SM数，使得运输的成本节省去补偿安装的成本。在这种情况下，一个合理的接受范围T可以让我们的算法能够算出更多的簇头配置，并且可能找到更好的方案，但是代价是增加了算法的时间复杂度。

算法1DAP最优部署的改进K-means算法。

参数为：SM,P,μ,a,b,α,β,γ,M.

1: 从(11)获取K0.

2: k←0

3: do

4: K←K0+k.

5: For i=0:循环次数NT do

6: 平均，随机地初始化簇头位置.

7: 运行改进的K-means算法.

8: a-把簇头k部署在最近的电杆. b-选择节点的连接类型

9: (1)中获得的成本赋值给Fi。 否则若(5)-(8)中有任何条件不满足，那么Fi取∞。

10: 结束For循环。

11: Ck←min{Fi}.

12: diff←Ck-Ck-1.

13: k←k+1.

14: While diff<接受的范围T

15: 返回min {Ck}

4 实验与分析

我们所提出的问题可以用K-means算法在合理的时间内得到一个比较近似的结果。具体的模型仿真我们使用MATLAB软件来一步一步地去实现。

图3表示的是在使用K-means优化算法来解决这个优化问题的结果。图3中的虚线表示的是无线连接，实线表示的是光纤连接。通过计算，得出了在有25个智能电表，6个电线杆，8个潜在部署节点的环境中的最佳连接网络。

图3 DAP部署问题的其中一个最佳答案

如图4所示，我们所提出的混合组网模型的成本总是要小于纯无线或者是纯有线连接网络。在该网络中，平均每10个聚合器所在的网络的总消耗，用K-means改进算法得到的成本数值虽然略大于理论值，但是明显比有线网络或者无线网络的成本要小。

图4 三种组网方案成本对比

在本文所提出的混合组网结构中，使用高速光纤传输会比无线网络具有更可靠的服务质量。此外，所有DAP的部署总成本在混合组网中变得更低。

如图5所示，对于所给出的迭代K-means算法，描述了DAP的数目对不同布置方法的总成本的影响。显然，在DAP很少的时候，所有的智能电表会连接到少数的几个DAP上，这会导致成本的上升。但是，当DAP的数量很多的时候，安装DAP的成本比重增加，也会导致总成本很高。可以看出，我们所提出的混合组网的总成本介于无线网和光纤网之间。

图5 节点数量与三种组网的成本的关系

考虑到高密度的DAP情况，把同时有AN和PN的混合组网方案与仅有AN的混合组网进行了对比。结果表明，在前一种网络中，平均每个DAP会连5个智能电表，而在仅有可用节点的网络中，平均每个DAP要连接7个智能电表。

5 结 语

本文主要研究内容是研究DAP和AMI在智能配网中的最佳部署。我们主要考虑了使用有线和无线混合组网的方式实现DAP与智能电表之间的连接。为此，提出了计算部署总成本的LP优化问题。在本方案中，主干网使用光纤技术，其他地方使用基于WIMAX的无线通信连接。结果表明，所提出的DAP部署模型具有更好的经济效益。但是在本文中，我们并没有针对更加复杂的混合场景(城市、郊区、农村)进行研究。在混合场景中，由于混合拓扑结构会有区域重叠，所以混合场景中DAP的总数会小于每个单独的场景所需要的DAP总数之和。另外，我们正在研究新的优化问题，同时也在改变原来的模型来考虑更多的QoS参数。

[1] Carvallo A,Cooper J.The advanced smart grid:edge power driving sustainability[M]//The Advanced Smart Grid:Edge Power Driving Sustainability.Artech House Inc,2011.

[2] Li H,Gong S,Lai L,et al.Efficient and Secure Wireless Communications for Advanced Metering Infrastructure in Smart Grids[J].IEEE Transactions on Smart Grid,2012,3(3):1540-1551.

[3] WiMAX Forum System Profile Requirements for Smart Grid Applications Requirements for WiGRID[OL].[2016-12-10].http://tinyurl.com/wigrid.

[4] NIST PAP2 guidelines for assessing wireless standards for smart grid application[EB/OL].[2016-12-11].ftp://ftp.3gpp2.org/TSGC/Working/2011/2011-01-Seattle/TR45.

[5] Depuru S S S R,Wang L,Devabhaktuni V.Smart meters for power grid:Challenges,issues,advantages and status[J].Renewable & Sustainable Energy Reviews,2011,15(6):2736-2742.

[6] Zabihi M,Tavasoli M,Yaghmaee M H,et al.Analyzing the Effects of Various Attacks on Smart Meter[C]//Proceedings of the 3rd International Conference and Exhibition on Electricity Distribution,USA,2015:861-865.

[7] Tavasoli M,Yahmaee M H.Security of smart grid and proposed method for NONCE based authentication[C]//Proceedings of 7th international conference on information and knowledge technology,Iran,2015.

[8] Gungor V C,Sahin D,Kocak T,et al.Smart Grid and Smart Homes:Key Players and Pilot Projects[J].Industrial Electronics Magazine IEEE,2012,6(4):18-34.

[9] Karimi B,Namboodiri V,Jadliwala M.On the salable collection of metering data in smart grids through message concatenation[C]//Proceedings of IEEE International Conference on Smart Grid Communications.IEEE,2013:318-323.

[10] 张军,郜士其,胡阳,等.配电通信接入网中混合通信组网的研究[J].电力系统通信,2011,32(227):36-41.

[11] 莫海峰,杨晴,宣磊.基于混合组网的城市配网通信网络研究与设计[J].无线互联科技,2014(7):39-40.

[12] Mahmood A,Javaid N,Razzaq S.A review of wireless communications for smart grid[J].Renewable & Sustainable Energy Reviews,2015,41:248-260.

[13] 范寅秋,弭娟.无线专网技术在智能配网中的应用[J].电脑知识与技术,2011,7(5):1103-1118.

[14] Huang X,Wang S.Aggregation Points Planning in Smart Grid Communication System[J].IEEE Communications Letters,2015,19(8):1315-1318.

[15] Aalamifar F,Shirazi G N,Noori M,et al.Cost-efficient data aggregation point placement for advanced metering infrastructure[C]//IEEE International Conference on Smart Grid Communications.IEEE,2015:344-349.

[16] Rolim G,Passos D,Moraes I,et al.Modelling the Data Aggregator Positioning Problem in Smart Grids[C]//IEEE International Conference on Computer and Information Technology;Ubiquitous Computing and Communications;Dependable,Autonomic and Secure Computing;Pervasive Intelligence and Computing.IEEE,2015:632-639.

[17] Lu Z,Wen Y.Distributed Algorithm for Tree-Structured Data Aggregation Service Placement in Smart Grid[J].IEEE Systems Journal,2014,8(2):553-561.

[18] Souza G,Mestrando F V,Lima C,et al.Optimal positioning of GPRS concentrators for minimizing node hops in smart grids considering routing in mesh networks[C]//Innovative Smart Grid Technologies Latin America.IEEE,2013:1-7.

[19] Rolim G,Sousa C,Carrano R,et al.Smart Grid deployment planning:Case Study covering a Brazilian Feeder in Automation Process[C]//Proceedings of the 3rd International Conference and Exhibition on Electricity Distribution,Loyn,France:666.

[20] Niyato D,Xiao L,Wang P.Machine-to-machine communication for home energy management system in smart grid[J].Communications Magazine,IEEE,2011,49(4):53-59.

[21] Abolhassani B,Salt J E,Dodds D E.A two-phase genetic K-means algorithm for placement of radioports in cellular networks[J].IEEE Transactions on Systems Man & Cybernetics Part B Cybernetics A Publication of the IEEE Systems Man & Cybernetics Society,2004,34(1):533.

[22] Liang H,Wang B,Liu W,et al.A novel transmitter placement scheme based on hierarchical simplex search for indoor wireless coverage optimization[J].IEEE Transactions,2012,60(8):3921-3932.