面向微电网的WSN分簇算法

施 义，刘振兴，蔡 彬，谢祥中

(1.武汉科技大学 信息科学与工程学院，湖北 武汉 430081；2.伦敦大学学院 UCL动力工程系，伦敦 英国 WC1E 7JE)

0 引 言

作为智能电网领域的重要组成部分，微电网中存在各类分布式电源，网络中使用大量的监测设备来满足其双向、实时、高效的通信要求[1,2]。针对微电网就地控制层中采集节点多、节点位置分散等复杂的网络情况[3,4]，利用无线传感器网络(wireless sensor networks，WSN)技术来构建该层的数据监控网络是保证电网安全稳定运行的重要手段。

考虑微电网的实际特点，监控网络选择具有能量效率高、可扩展性强的分簇结构[5]。传统的分簇算法如LEACH算法采用均匀分簇，由于簇间路由是单跳的方式，存在远离汇聚点的簇头节点因通信代价高而过早死亡的问题[6]。EEUC算法引入非均匀分簇概念，在簇头选择阶段，其通信代价大，簇头选择和成簇等阶段缺乏节点剩余能量的考虑，导致靠近汇聚点的簇头节点没有足够多的能量完成大量数据的转发而提前死亡[7,8]，影响了网络整体的生命周期。

针对LEACH算法和EEUC算法的不足，结合微电网中分布式电源的分布情况，本文提出了一种基于节点实时能量的无线传感器网络非均匀分簇算法(node real-time energy based uneven clustering algorithm for WSN in micro-grid，NREUC)。NREUC算法在簇头竞争半径中引入节点实时能量作为部分权重，在成簇阶段，普通节点依据成簇判断因子来选择要加入的簇，达到非均匀分簇的目的。实验结果表明，与LEACH算法和EEUC算法相比，NREUC算法显著延长了网络中第一个节点死亡时间，死亡节点的分布是均匀分布，避免了监控盲区的出现，提高了网络的监控质量。

1 微电网监控网络

微电网的运行控制中，分布式电源的监控网络如图1所示。其中通信系统可以分为控制中心层、集中控制层和就地控制层[9]。终端电源单元将自身的状态信息通过无线传感器网络发送给数据汇聚层的监控单元，再由数据汇聚层统一通过光纤传递的方式传递给控制中心层进行调控[10]。本文中，假设网络里所有的监控节点和区域汇聚点位置是固定的，每个监控节点是同构的，都可以成为簇头、候选簇头或普通节点。同时，网络中链路是对称的，已知对方发射功率时，节点能够根据接收信号强度计算距离[11]。

图1 微电网中分布式电源模块监控网络

根据图1可得图2监控网络的仿真场景，其中小圆圈是监控节点，五角星是汇聚点。微电网中分布式电源模块监控网络中簇规模的整体趋势是靠近汇聚节点的簇规模小数量多，远离汇聚节点的簇规模大数量小，这样让靠近汇聚节点的簇头有更多的能量转发消息，不至于过早死亡形成“热区”。

图2 监控网络仿真场景

2 分簇算法

2.1 簇头选举

无线传感器网络在进行分簇时，首先是簇头选举的过程。在簇头选举中，NREUC算法利用簇头竞争半径来实现簇头节点的非均匀分布，在竞争半径Ri计算公式中引入距离和能量两个因素

(1)

式中：dmax、dmin——网络中节点到汇聚节点的最大与最小距离，d(si,s0)是节点i与汇聚节点的距离，R0是簇头竞争半径的最大值，Ep是网络中存活节点的平均能量与节点i的实时能量的比值，c是用于控制取值范围的参数。

考虑到节点的通信能耗，在NREUC算法的簇头竞争半径计算中，节点与汇聚节点间距离仍是主要因素，距离汇聚节点越远，竞争半径越大。节点自身实时能量是次要因素，对簇头竞争半径起到微调的作用，能量大的节点的竞争半径偏大，但不会影响网络中簇规模分布的整体结构。

2.2 成簇阶段

簇头节点确定后，进入成簇阶段。在本文NREUC算法中，普通节点根据成簇判断因子决定要加入的簇

(2)

式中：C(i,j,k)是第k轮，节点j到簇头i的成簇判断因子，Re(i,k)为簇头i的实时能量，Ek是当前网络中节点的平均能量，d(si,sj)为节点j到簇头i的距离。这样在考虑就近成簇减少通信代价的同时，让剩余能量大的簇头能够接收更多的节点，达到能量均衡的目的。

2.3 NREUC算法

图3 NREUC算法

初始化网络时，汇聚节点会向所有节点广播消息，以便让所有节点计算出与汇聚节点间的距离，用于后面的非均匀分簇以及节点向基站传输信息时发送功率的选择。NREUC算法采用循环机制，每轮中包括簇头的选举及簇的形成、簇间路由建立和数据的传输。网络中的节点有4种状态：普通节点状态，候选簇头状态，簇头状态和死亡状态。每个节点设有簇头标志位G，标志位G初始态置0，在节点当选簇头后，标志位G会置1。节点的状态每轮会动态变化，簇头在候选簇头中产生，其中候选簇头节点的簇头竞争半径为Ri，由式(1)得到。大小不同的竞争半径形成规模不等的簇。

NREUC算法的具体实现步骤如下(如图3所示)：

步骤1 标志位G的初始化

对所有节点的簇头标志位G置0。

步骤2 候选簇头选举

先判断簇头标志位G，允许标志位为0的节点进行候选簇头的选举，否则节点休眠直至簇头竞选结束。再按概率选出部分节点成为候选簇头，其它落选节点休眠直至簇头竞选结束。

步骤3 簇头选举

依据式(1)求出的簇头竞争半径来实现簇头的选举。每轮簇头竞选中，候选簇头节点i有一张该节点的邻候选簇头信息表，表内的任意节点j都满足节点j与节点i间的距离小于这两个节点的竞争半径的最大值的条件。实时能量最大的候选簇头最先被选出担任簇头，同时它的邻候选簇头信息表中的候选簇头都退选成为普通节点。然后再在剩余的候选簇头中，选出实时能量最大的节点成为簇头，它的邻候选簇头信息表中的候选簇头也都退选成为普通节点，依次循环至没有候选簇头。在节点出任簇头后，该节点标志位G置1。

步骤4 成簇阶段

网络中的普通节点依据成簇判断因子的式(2)来选择簇头，形成规模大小不等的簇。

步骤5 信息传输阶段

本网络中采用簇内单跳，簇首间多跳的方式进行信息的传输。

步骤6 簇头标志G的再判断

信息传输完成后，计算各节点在本轮结束时的剩余能量，将剩余能量大于或等于平均剩余能量的簇头节点的标志位G置0，让其可以继续参与到后面的簇头竞选中。

步骤7 死亡节点个数判断

若网络中的节点死亡数超过预设最大值，则网络宣告死亡，否则进入新一轮的网络分簇、信息传递中。

3 算法仿真

3.1 仿真参数设置

本文在MATLAB中分别编码LEACH算法、EEUC算法和NREUC算法，并进行仿真性能分析。实验中，在边长200 m的方形区域内随机分布400个节点，网络中消耗的能量主要由发射电路能耗和功率放大电路的能耗组成。当节点发射比特数为k比特的数据到相聚d距离的位置时，通信能耗计算为

(3)

式中：Eelec——发射电路消耗的能量，εfs、εmp——两类信道模型中功率放大电路的最大消耗能量。相关仿真场景参数见表1。

表1 仿真场景参数

在式(1)簇头竞争半径Ri的计算中，系数c和最大竞争半径R0的值是需要预先设定的。其中，为方便与EEUC算法比较，系数c的值沿用原EEUC的值0.5。对于候选簇头的最大竞争半径R0，它影响最后簇的生成个数，最大竞争半径大时，则生成的簇个数少，从而影响最终网络中簇分布情况。这里采用实验方法得出本仿真环境下最大竞争半径的最适值为90 m。

3.2 仿真结果分析

网络仿真中，本文主要在网络生命周期及网络的死亡节点分布上进行比较分析。网络生命周期越长，特别是网络中第一个节点的死亡时间越长，则表明网络中能量越均衡，节点不会过早死亡。网络的死亡节点分布影响着整个网络的监控质量，死亡节点分布越均匀，监控质量越好。

3.2.1 网络生命周期

针对采集信息精确度要求较高的网络，节点的初始死亡时间决定着网络整体的生命周期。如微电网中，单元级别的设备状态数据采集需要达到全覆盖和高精度的要求，盲区的出现会影响整个网络的运行安全。

图4中比较了3种分簇算法的网络生命周期，NREUC算法相比于LEACH算法和EEUC算法，网络中第一个节点的死亡时间得到了很大的延长，网络整体的存活时间也得到了增加。NREUC算法中，簇间多跳路由的方式解决了LEACH算法中远离汇聚点的簇头节点因通信消耗大而过早死亡的问题。在候选簇头的选择上，NREUC算法加入簇头标志位的判断，让上轮中担任过簇头的这类能量消耗大的节点不参与之后的簇头竞选，提高候选簇头质量，避免不必要的能量消耗，缓解了EEUC算法中簇头选择能量开销大的问题。在NREUC算法簇头竞争半径计算中，考虑节点自身能量和其与汇聚节点间距离两个因素，使分簇的规模较EEUC算法更加合理。根据图4中NREUC算法曲线的衰减走势可以看出，NREUC算法在同等的能耗条件下提高了网络中的能量均衡程度，在网络生存周期后段，每轮中的存活节点占有率都要比LEACH算法和EEUC算法高。

图4 3种分簇算法的网络生命周期

3.2.2 网路死亡节点分布

根据图5和图6中网络的死亡节点分布可以看出，图5中EEUC算法中死亡节点大多集中在靠近汇聚节点的区域，图6中NREUC算法中死亡节点分布均匀。

图5 EEUC算法的死亡节点分布

图6 NREUC算法的死亡节点分布

NREUC算法在每轮的簇头选举阶段都会考虑各个节点的剩余能量问题，减少低能量节点成为簇头的可能性，在簇头竞争半径计算中加入簇头自身能量的考虑因素，利用大小不等的簇头竞争半径达到网络中簇头节点非均匀分布的目的。同时在成簇时，NREUC算法将簇头能量考虑进去，普通节点在选择簇头时不再是单纯的就近选择，而是根据节点与簇头间距离及簇头剩余能量两个因素进行判断，最终使得网络中最后的死亡节点分布是均匀的，解决了EEUC算法中靠近汇聚点的簇头节点因转发过多数据而提前死亡的问题，达到提高网络监控质量的目的。

4 结束语

本文提出了一种面向微电网的WSN非均匀分簇算法，算法的核心思想是在簇头选择和成簇阶段均加入节点的实时能量因素进行考虑，以均衡网络中的能量消耗，延长网络的生存时间。针对微电网监控网络中节点分布广、监控精度高的特点，该算法相比于传统的分簇算法，网络中能量均衡的程度更高，节点初始死亡时间更晚，网络生命期更长。

虽然本文的NREUC算法对无线传感器网络中能量均衡起到了较好的效果，但在分簇时需要一定的消息开销，可能会影响网络生存时间。下一步的工作考虑减少网络中每轮的能量消耗，同时验证该算法在实际微电网环境中应用的可行性。

[1]YANG Xinfa,SU Jian,LYU Zhipeng,et al.Overview on micro-grid technology[J].Proceedings of the Chinese Society of Electrical Engineering,2014,34(1):57-70(in Chinese).[杨新法,苏剑,吕志鹏,等.微电网技术综述[J].中国电机工程学报,2014,34(1):57-70.]

[2]Arefifar SA,Mohamed ARI,El-Fouly T.Optimized multiple microgrid-based clustering of active distribution systems consi-dering communication and control requirements[J].IEEE Transactions on Industrial Electronics,2015,62(2):711-723.[3]WU Xiong,WANG Xiuli,LIU Shimin,et al.Summary of research on microgrid energy management system[J].Electric Power Automation Equipment,2014,34(10):7-14(in Chinese).[吴雄,王秀丽,刘世民,等.微电网能量管理系统研究综述[J].电力自动化设备,2014,34(10):7-14.]

[4]Angelo PM,Ted S.A survey of techniques used to control microgrid generation and storage during island operation[J].IEEE Transactions on Power Systems,2015,30(2):701-709.

[5]Bin LI,Wang WJ,Yin QY,et al.An energy-efficient geographic routing based on cooperative transmission in wireless sensor networks[J].Science China Information Sciences,2013,56(7):1-10.

[6]FENG Lin,RAN Xiaomin,MEI Guanlin.WSN coverage tactics based on balanced node energy consumption[J].Computer Engineering and Design,2015,36(9):2334-2339(in Chinese).[冯琳,冉晓旻,梅关林.基于节点能耗均衡的WSN覆盖策略[J].计算机工程与设计,2015,36(9):2334-2339.]

[7]YUE Liying,DAI Yueming,WU Dinghui.Energy optimized uneven clustering routing protocol in wireless sensor networks[J].Computer Engineering and Applications,2015,51(15):80-85(in Chinese).[岳丽颖,戴月明,吴定会.一种能量优化WSNs非均匀分簇路由协议[J].计算机工程与应用,2015,51(15):80-85.]

[8]WEN Peizhi,XU Chenjiao,DENG Zhenrong,et al.Cluster-routing protocol for heterogenous multi-level wireless sensor networks[J].Computer Engineering and Design,2016,37(6):1471-1477(in Chinese).[温佩芝,许晨蛟,邓珍荣,等.多级异构无线传感器网络分簇路由协议[J].计算机工程与设计,2016,37(6):1471-1477.]

[9]ZHANG Xinchang.Solution and application of micro-grid ope-ration control[J].Power System Protection and Control,2014,42(10):141-146(in Chinese).[张新昌.微电网运行控制解决方案及应用[J].电力系统保护与控制,2014,42(10):141-146.]

[10]Tan X,Li Q,Wang H.Advances and trends of energy sto-rage technology in microgrid[J].International Journal of Electrical Power & Energy Systems,2013,44(1):179-191.

[11]JIANG Changjiang,SHI Weiren,TANG Xianlun,et al.Energy-balanced unequal clustering routing protocol for wireless sensor networks[J].Journal of Software,2012,34(5):1222-1232(in Chinese).[蒋畅江,石为人,唐贤伦,等.能量均衡的无线传感器网络非均匀分簇路由协议[J].软件学报,2012,34(5):1222-1232.]