基于BPPN的微电网通信WSN链路质量预测

安江　陈泰屹

摘 要：链路质量在微电网通信无线传感器（WSN）领域一直都是研究的热点，其具有非平稳和非线性的随机特性，难以实现精确的预测。根据微电网对于无线传感器通信质量和中国通信规范的要求，以小波神经网络预测模型（BPPN）为基础，提出了无线传感器质量的预测方法，并且在保证通信质量的前提下提出了相应的控制计算法。通过以微型太阳能发电的微电网通信系统对预测算法进行了实际测试，表明了该方法在实际应用中具有重要的理论意义和实际应用价值。

关键词： 微电网通信; 无线传感器; 链路质量预测; 网络发射功率

中图分类号： TN 929

文献标志码： A

Abstract： Link quality has always been a research hotspot in the field of micro-grid communication wireless sensor （WSN）. However， it has non-stationary and nonlinear stochastic characteristics， and is difficult to achieve accurate prediction. According to the requirements of wireless power communication for wireless sensor communication and the requirements of Chinas communication specifications， this paper proposes a wireless sensor quality prediction method based on BPPNmodel， and proposes a corresponding control calculation method under the premise of ensuring communication quality. The micro-grid communication system based on micro solar power is used to test the prediction algorithm. It shows that the method has important theoretical significance and practical application value.

Key words： microgrid communication; wireless sensor; link quality prediction; network transmission power

0 引言

微電网通信是一种通过通信控制网络、分布式电源、负载电力网络和储能一起连接而组成的微型可控制的区域性发配电系统。该系统既可以运行于并网模式，与电网联结，又可以运行于孤岛模式，脱离电网，具有独特的自我管理、自我保护、自我控制特点，成为传统电网过度发展中的最基本单元。而无线传感器因具有自然隔离、无布线、低成本、易于维护的优点，成为近年来新一代的通讯技术，并且由多功能组传感器连接的系统网络也被各行各业所运用。然而，微电网环境的复杂性和特殊性以及无线传感器自身的特点，使得本身容易受到环境干扰产生通信的随机波动，导致通信效率有所下降。如何通过WSN链路质量预测，可靠的调节网络发射功率，确保链路质量具有稳定性和可靠性逐渐成为研究的热点。齐志远[1]首先通过对几种不同链路质量预测算法记性分析，提出了一种针对于包括随机性干扰因素的时间序列。但是由于其仅是对于单一数值的预测，具有一定偶然性，结果难以得到保证性。Blank T B[2]以Kalman-filter为基础模型提出了一种预测算法，但是由于该算法的复杂度过高，参数稳定性要求较高。Narayanaswamy S等[3]提出的灰色预测模型在路由选择上提高了效率和精度，但是当环境变化时某些参数的改变所引起的通信链路波动会明显降低预测精度，在特殊环境中并不适用。本文基于一种网络发射功率的置信区间无线传感器链路质量预测模型，对微电网通信的下一时刻链路质量可靠性做了预测，以期未来的通信无线传感器链路质量可以在数据传输前对其进行评判和优化，有着重要的实际应用价值和理论意义。

1 微电网通信的质量分析

1.1 微电网通信的质量需求分析

由于复杂多变的环境影响，微电网中电力设备的各部分组件的通信需求和其应用存在着密切的相关。中国国家标准《配电自动化系统功能规划》对每个类型都提出了界限要求并将其分为遥测、遥信、遥控几类[4]，如表1所示。

美国衡量数据网络时同样也将可靠性作为一个重要的指标，如表2所示。

从表1和表2可以得到，微电网系统对于质量通信指标在不同的应用场景下均提出确定性要求。所以对于网络通信技术中的无线传感器应用领域，需在有限的资源下以及复杂环境下，依据不同数据类型，满足以上通信质量的区间要求。

1.2 链路质量的影响因素分析

评价无线传感器微电网通信的一项重要指标就是链路质量，其直接影响着应用对象的数据传输。影响无线传感器微电网通信链路质量的主要因素有[5]：

（1） 路径损耗指数

路径的损耗指数在不同的环境下存在不同的差异，如表3所示。

给出了路径损耗指数在不同的应用环境中的比较。

从表3中可以看出，微电网通信的路径损耗指数在不同的电力系统环境下有着很大差异。在地下电压控制室以及功率控制室中，室内环境中由于障碍偏少，两者的损耗指数偏低。但在600 kV的变电站，大型设备密集，损耗指数受到了信号的干扰导致指数偏大。

（2） 调节方式

微电网通信可以将信号由低频段转到高频段传输，通过调节信号的手段，提高了信号的传输质量并解决了在远距离传输时的质量偏低问题。同时，信号的误码率和信噪比在不同调节方式下又存在着各种对应联系。不同的调节方式下的误码率，如图1所示。

从图1中可以看出，在相同信噪比条件，使用QPSK调节方式，得到最大的PRR值，此时链路质量较低;而在FSK调节方式下，得到最小的PRR值，此时链路质量较高。所以，不同的调节方式也会对微电网通信的链路质量结果产生一定的干扰。

（3） 节点间距

节点间距即发送节点至接收节点的直线距离。微电网通信信号的强度在理想状态下和节点间距应该是呈现出对数关系，所以节点间距对于微电网通信的质量高低也起到了关键作用。通信质量和节点间距的关系，如图2所示。

由图2可知，当间距较大时，通信网络中的链路会出现中断，此为中断区。当间距较小时，通信质量较高，此为连通区。而从间距较小到间距逐渐增大，通信质量和节点间距有着不确定性，此为过渡区。

由此可得，在保持n和r不变时，信号的接收强度跟发射功率成正比，跟通信距离成反比。所以当保持通信环境和通信距离不变时，通信链路质量会随着发射功率的增大而逐渐增加然后趋于稳定。

2 微电网通信的链路质量预测模型

2.1 通信链路质量置信区间预测

理论上，微电网通信链路的信噪比具有随机的时间序列，很难通过绝对准确的数值测算来表明信噪比序列的随机性质。本文通过置信区间的预测方法来测算之后链路质量在哪一区间的概率。置信区间在统计学中被描述为：统计特性依据样本构造出的估计区间，同时也是对该样本的总体参数的区间估计。这一特征表现为该参数处于区间范围应该所具备的概率程度。

2.2 小波神经网络预测模型

在神经网络中运用小波变换理论即为小波神经网络，这一网络的突出优点为：具备高可靠性的算法输出结果，泛化性能良好，学习性能较强。其主要结构主要分为两种：紧致型和松散型。而这两种结构之间也存在着明显的差异，紧致型属于多输入多输出的网络类型，相反松散型的属于单输入单输出的网络类型。通过在普通神经网络的隐含层嵌入的属于紧致型小波分析，而通过先输入分析后在到普通神经网络的属于松散型小波分析。

本文主要引用的是紧致型小波分析为预测模型，因为其具备了独立的计算网络权值能力。小波神经网络预测模型主要分为两个部分，微电网通信的非平稳随机方差序列和非线性序列。输出也分为两个部分，非平稳随机方差序列和非线性序列的预测值。将此模型的结构参数列为表4所示。

2.3 近似解耦算法

针对信号目前常用的算法包括：经验模态分解（EMD）、中位值滤波和卡尔曼滤波。其中，卡尔曼滤波算法虽然取得的结果较好，但是算法太过复杂，需要更高要求的节点计算能力。中位值滤波所得到的时间序列虽然对于偶然性信号干扰起到很好的抑制作用，但具备较高的时间复杂度，需要更高要求的计算能力。EMD算法可以按照根据尺度特征进行分解，比较适用于非线性序列和非平稳性序列，但是也需要一定条件，如所分解的模态函数极值点于过零点具备相等数值。

这些方法都具有一定的局限性，本文基于微电网通信链路信号的一些基本特征，列出了一种近似解耦算法：

3 无线传感器链路质量测试

3.1 微电网通信基本结构

本文所提到的计算法通过一种以太阳能发电的微电网通信系统的无线传感器作为测试平台进行了验证。该系统是由太阳能微电网控制服务器、协调器节点、无线传感器网络节点、以及数个微型太阳能发电装置组成。

（1） 太阳能系统服务器

太阳能系统服务器是根据聚合的每一个交流电母线状态信息以及太阳能发电设备的状态信息，从而计算该设备的下垂控制参数，然后输送到每一个发电设备实验对于微电网无線网络的控制以及优化。

（2） 无线传感器网络节点

将每个节点收集到的太阳能发电设备状态信息聚合后，通过TCP/IP数据包的形式输送到跟踪服务器系统。同时，将跟踪服务器系统的信息也输送给下端的每一个节点。

（3） 协调器节点

无线传感器的协调器节点负责收集每一个太阳能发电设备的电功率、电流、电压等信息然后输送到下端的每一个节点。

（4） 微型太阳能发电装置

通过具有下垂控制的逆变器、太阳能电池组成的微型太阳能发电装置所产生的电能输送到母线上，并且实现每一台设备的并联和孤岛运行。

3.2 微电网通信链路质量测试结果分析

在原有的微电网系统基础上，联合上述的测试通信系统，保证系统正常运行的基础上，以验证本文所提出算法的可行性。具体的测试结果参数，如表5所示。

根据通信质量需求，本次测试应用将控制器的给定值设置为99.00%，并且以通信质量的区间下界设为控制器的输入，每一条通信链路都通过调节机制对链路质量做了最优的调控，使得整体的微电网通信质量得到了提升，各功率控制下的质量性能对比，如图3所示。

图3可以得到，在初始化过程即网络通信初始阶段，通信质量较低，随时间的延后，功率模糊控制各个节点使得网络的质量整体上快速增加并靠近给定值。而明显可以看出，通过固定功率控制时，整个网络通信的平均质量相比于功率模糊控制时要低的多。

4 总结

根据微电网对于无线传感器通信质量的要求和中国通信规范要求，以网络发射功率为基础提出了无线传感器质量的预测方法并且在保证通信质量的前提下提出了相应的控制计算法：

（1） 分析了网络通信的质量要求，并对链路质量影响因素进行分析，得出其本质特征是由非平稳随机序列和非线性序列的耦合。

（2） 根据链路质量置信区间预测结果提出一种基于网络发射功率的控制系统结构，并研究了一种具有更高稳定性和可靠性的模糊控制的优化控制算法。

（3） 通过以微型太阳能发电的微电网通信系统对本文预测算法进行了实际测试，表明了该方法在实际应用中具有更好的实用价值。

参考文献

[1] 齐志远，李志峰.基于ZigBee通信的微电网监控网络[J].计算机工程，2017，43（4）：79-83.

[2] Blank T B， Brown S D， Calhoun A W， et al. Neural network models of potential energy surfaces[J]. Journal of Chemical Theory & Computation， 2015， 1（103）： 4129-4137.

[3] Narayanaswamy S， Kawadia V， Sreenivas R S， et al. Power Control in Ad-Hoc Networks [J]. Theory， Architecture， Algorithm and Implementation of the COMPOW Protocol， 2012， 32（3）： 156-162.

[4] 孙孝峰，郝彦丛，赵巍，等.孤岛微电网无通信功率均分和电压恢复研究[J].电工技术学报，2016，31（1）：55-61.

[5] 舒坚， 刘满兰， 尚亚青， 等. 基于高斯过程回归的链路质量预测模型[J]. 通信学报， 2018， 39（7）：152-160.

[6] 刘琳岚， 许江波， 陈宇斌， 等. 基于超限学习机的WSNs链路质量评估方法[J]. 北京邮电大学学报， 2018（1）：134-138.

（收稿日期： 2019.08.27）