面向需求响应业务的灵活弹性传输策略

2022-02-17李磊王朝亮郝一浩李彬祁兵陈宋宋

电力建设 2022年2期

李磊，王朝亮，郝一浩，李彬，祁兵，陈宋宋

(1.国网浙江省电力有限公司，杭州市 310007；2. 国网浙江省电力有限公司营销服务中心，杭州市 311100；3.华北电力大学电气与电子工程学院，北京市 102206; 4. 需求侧多能互补优化与供需互动技术北京市重点实验室(中国电力科学研究院有限公司)，北京市 100192)

0 引言

随着大量柔性负荷接入电网，为确保电网的稳定正常运行、促进新能源消纳、保障电力供需平衡，电网正面临复杂多样的崭新挑战[1]。需求响应(demand response, DR)通过各类激励措施和手段，引导需求侧用户积极参与电网互动，是促进供需友好互动的有效手段[2]。在国家电网有限公司2020年印发的《国家电网有限公司电力需求响应工作两年行动计划(2020—2021年)》中明确实施需求响应在削峰填谷中起到了重要作用，提出进一步推进电力需求响应的规模，并探索智慧能源体系下的需求响应新模式。

随着DR市场机制不断完善[3-4]和DR实践日益丰富，高效可靠的DR控制要求电网侧调控平台、负荷聚合商、负荷终端用户之间实现良好的信息交互[5]。当前供需互动领域完成信息交互的通信传输载体呈现出多元化发展的趋势，其大致特点为以电力通信光纤为主要载体，同时部分地区正在进行各类无线专网的建设和使用[6]。已有面向DR通信的研究仍然以电力通信骨干网络的优化居多，例如将DR业务所携带的负荷量作为网络链路的权重来进行DR业务均衡优化[7]，或利用服务质量和带宽资源的动态调节分配实现电力通信网络资源的合理配置[8]。在配用电侧的终端通信网中，则较多依赖无线网络的灵活接入、移动性高等优势来满足电网末端的通信接入和覆盖需求。针对DR在无线网络中的信息交互质量要求，文献[9]通过考虑无线信道的衰落、路径损耗等影响对无线链路的中断概率进行量化，提出在无线通信网络中实现DR控制的可靠性模型，为之后无线网络中DR方案的制定提供了思路。文献[10]提出基于无线通信信道状态和发射功率的无线频谱资源分配方案。文献[11]使用5G小蜂窝规划来进行高效的DR管理，该方案在峰值负荷、时延和丢包率方面有显著改善作用。随着DR无线传输场景的普及，目前针对DR无线通信优化的必要性可总结如下：一是随着新型电力系统的建设，大量分散客户侧资源参与供需调节互动，用户末端的通信质量需要得到保证；二是电力通信骨干网通过高速光纤组网，整体来看其通信薄弱环节仍然是用户侧的无线通信链路；三是用户侧设备算力有限，需要充分合理利用计算资源。因此，较为有效的解决方式是结合具体的DR业务和通信质量需求制定合适的灵活优化策略。

本文考虑不同DR业务的通信服务质量需求，针对传统Tomlinson-Harashima precoding(THP)及相关技术在不同信道条件下性能差异较大、计算开销引入方面的问题，提出一种考虑DR业务优先级与信道条件的双层自适应编码策略。在上层根据电网和DR主站的广播信息获取来判断当前DR通信服务质量需求，避免引入不必要的系统处理时延；在下层基于实时信噪比监测确定自适应阈值，在编码算法之间进行自适应切换，使系统差错率维持较低水平。该策略能够在进行DR通信优化的同时，在误码率和处理时延之间进行权衡，在保证较低差错率的前提下合理规划计算资源，实现DR业务的灵活弹性传输。

1 DR信息交互机制

针对DR信息交互的相关工作大多依托开放式自动需求响应通信规范(OpenADR)提供的通信数据模型和技术规范进行研究，以虚拟顶部节点(virtual top node, VTN)和虚拟底部节点(virtual end node, VEN)作为信息交互的基本单元,实现DR系统的分层管理和控制的优化[12]。国内也相继推出了一系列DR系统标准体系[13]和DR信息交互规范[14]方面的国家标准和行业标准。国内外的大量DR标准和规范为DR的快速成熟和发展提供了支撑。图1为DR信息交互系统示意图。

图1 DR信息交互系统整体示意图Fig.1 Overall schematic diagram of demand-response information interaction system

在OpenADR2.0b中，当电网需要进行DR调控时，由VTN生成DR事件信号，发送包含一个或多个事件信息的oadrDistributeEvent到VEN，如果事件需要被响应则VEN发送oadrCreatedEvent到VTN。交互可以使用PUSH或PULL模式，对于PUSH模式，VTN主动地将事件载体传递到VEN；对于PULL模式，VEN使用oadrPoll从VTN拉取DR事件。除发送EiEvent事件信号外，DR信息交互还包括发送和接收报告、注册、选择和轮询服务。其中，VEN通过报告业务可以就调节潜力、可调节负荷量、可响应时长等信息与VTN进行交互；注册服务是指在设备参与DR计划前进行登记和注册，使其具有参与DR交互的能力；基于选择业务，VEN可以根据自身设备状态选择参与或不参与VTN发起的调度；VEN可利用独立轮询机制周期性地获取当前系统状态。

上层骨干网的DR信息交互过程中依赖于高速的电力光纤组网，而在面向终端和小用户的下层信息交互，更多会采用多种通信方式，其中无线通信为重要且广泛的一种方式。

2 DR通信优化分析和优化策略

2.1 DR通信优化分析及优化方法

当电网末端用户如居民小型负荷、充电汽车与充电桩、部分工商业用户参与DR调度时，其通过DR终端设备与无线基站建立通信连接，最后汇入电力通信骨干网。当前已有的工作中大多在电力通信骨干网层面对DR任务进行资源分配，鲜有针对终端接入网侧如用户与基站间的通信问题做具体的优化。电力通信骨干网采用高速光纤进行组网，在省际骨干网络、省级骨干网络和地市骨干传输网灵活采用同步数字体系(synchronous digital hierarchy，SDH)和光传送网(optical transport network，OTN)技术体制，使其具备了较为完善的通信技术体制。因此，对用户体验质量产生的较大波动主要来源为无线接入网的通信问题，尤其是基站与用户间的这段无线链路。虽然现有的无线通信技术已经相对成熟，但其技术本质并不针对具体的电力业务需求，有必要在考虑业务通信需求的前提下制定高效的自适应策略以提高末端DR用户与电网进行信息交互的质量。

进行DR交互的过程中，不同的业务和场景所需的通信服务质量不能一概而论，不同的DR业务具有不同的通信需求。参照文献[15]的划分方式，得到表1的DR业务通信服务等级。其中，M为事件个数，N为报告项数，U为DR用户数。表1列出了OpenADR所划分的5种DR业务的具体通信服务质量需求，并将其划分为3个优先级。事件业务承载DR实施的重要信号，包括响应的开始时间、响应时长等，因此需要相对高的通信质量和可靠性，也是本文主要的优化对象。

2.2 传统的THP编码

无线通信基站间存在的同频干扰、信道衰弱和复杂的外部环境等因素对无线信道造成影响，是影响DR末端用户通信质量的主要原因。通过部署和利用预编码技术如THP编码技术可实现无线通信链路的信道增益，能够有效改善通信性能。THP传输系统的原理框图如图2所示。

图2 THP系统原理图Fig.2 Schematic diagram of THP system

假设在DR无线传输中发送端和接收端的天线数量分别为Nt和Nr。令a∈Nt×1表示单位发射功率的数据符号，其在发射端首先要经过反馈操作和取模运算。在反馈操作中通过严格下三角矩阵B∈Nt×Nr可实现对信号的串行干扰消除，串行干扰消除虽然能有效消除天线间的信号干扰，但也会使信号功率增大，因此需要通过取模操作保证发射信号功率不变。将取模运算用矢量形式表示，则信号经过求模反馈后的信号可表示为：

(1)

式中：ak表示第k个用户的数据符号；dk表示第k个用户数据取模的矢量扰动。

第k个用户的接收信号yk(t)为：

(2)

式中：hk表示信道矩阵Hc的第k行；fk为预编码矩阵F的第k行；噪声项nk为复高斯随机噪声。

|(gkhkfkB-1(a+d)+gknk)|

(3)

式中：gk为接收端加权矩阵G的第k行；a和d分别为用户k的数据符号和取模扰动矢量值。将信道矩阵Hc分解如下：

(4)

表1 DR业务通信服务质量需求Table 1 Communication quality of service requirements for demand response services

GRQFB-1=I

(5)

3 DR通信自适应编码策略

3.1 加权前置算法

在传统的THP算法中，接收端加权矩阵G的作用实际是消除反馈操作过程中为使矩阵B成为严格下三角矩阵而引入的干扰。系统设计初衷为了使其具备一定的兼容性而把加权矩阵置于接收端，这就导致信号在经过信道引入的噪声被放大或减小，在信噪比较高或较小时尤为明显。鉴于矩阵G的实际作用与信道无关，为探索其置于接收端可能对系统差错率造成的潜在影响，设计一种将加权矩阵置于反馈操作后的算法，并称此算法为加权前置(weighted ahead precoding, WAP)算法，此时各传输矩阵参数满足如下关系式：

RQFGB-1=I

(6)

考虑到传统的THP编码采用QR分解将基站与用户间的无线信道分解为多个等效子信道，但是由于各等效子信道的信噪比(signal to noise ratio, SNR)之间具有较大差异，在所有子信道中使用相同的星座会导致多入多出(multiple-input multiple-output，MIMO)通信系统的整体误码率(bit error rate，BER)性能是由低SNR的最差子信道所决定[16]。这种情况下往往向最差子信道分配更多功率以提高系统的误码率性能，但这会造成信道容量的损失。文献[17]提出一种采用几何均值分解(geometric mean decomposition，GMD)[18]的方法，可以实现在BER性能和信道容量之间的折中。GMD分解将信道分解为相同的子信道，从而使各子信道的信道增益相同，但是该方法会额外引入计算开销，且在低信噪比情况下表现较差。对信道矩阵Hc的分解式如下：

Hc=QgmdRgmdPH

(7)

式中：Qgmd为GMD分解得到的酉矩阵；P为酉矩阵；PH为P的共轭转置；Rgmd为GMD分解得到的上三角矩阵。各矩阵参数满足如下关系式：

(8)

3.2 双层自适应编码策略

在发送端进行预编码处理能够提高系统的性能，但是会少量增加设备的处理时延。GMD分解是在奇异值分解的基础上进行置换变换和双边Givens变换而得到，相比传统THP编码算法仍有部分新增处理时延，而WAP算法与THP的处理时延处于同一水平。可根据以上特点设计DR通信传输自适应优化策略。

本文自适应策略重点考虑3个方面：一是电网所处的DR时段，二是DR业务的通信服务质量需求，三是考虑通信优化引入的系统处理时延。DR事件的时间轴如图3所示，DR实施要经过爬升期、执行期和恢复期3个阶段。当DR主站向即将参与DR调控的终端广播DR实施消息后DR终端进入爬升期时段，此时DR主站与DR终端需要进行大量信息交互以确保DR的精准实施；而在DR执行期间所需的信息交互等级有所下降，仅需进行轮询、报告等服务来实时汇报DR实施状态；在恢复期DR主站和终端同样需要大量信息交互来进行结算和恢复。综上，在DR事件实施期间，在DR启动和结束时为DR指令下发时段，此时需要较高的通信服务质量保障，而在执行期通信服务质量可以降级，在不进行DR事件时的日常服务中并不需要针对性的特殊通信保障。

图3 DR事件时间轴Fig.3 Timeline of demand response event

本文提出的双层自适应编码策略首先根据从电网公司获取当前电网状态是否处于DR事件期间，以DR主站广播的消息作为上层自适应阈值，根据电网是否进行DR事件来确定系统选择何种自适应编码方式。当电网状态处于DR启动和结束时段，本文自适应策略为了保证DR通信的质量，在下层的编码策略将根据系统对信道实时监测在THP算法和GMD_based算法两者之间基于预先设置的信噪比阈值进行切换，从而获得最佳的系统误码率性能。系统平均信噪比由式(9)得到。

(9)

式中：N为信道高斯噪声功率因子；Xk为第k个子载波的发送信号；Hk为第k个子载波的信道参数；Yk为接收信号；σ2为噪声方差。当假设信道在频域上慢变即Hk≈Hk-1时，噪声方差由(10)得到。

(10)

式中：E(·)为求均值。

若电网处于DR正常执行期间，为避免DR通信优化引入过多不必要的开销，此时所采取的自适应编码不包括GMD_based，而采用包括THP和WAP的自适应策略，之后再根据算法与信噪比之间的联系优先选择性能较好的算法。

本文提出的双层自适应编码切换策略如图4所示，具体的自适应编码策略的实施步骤如下。

图4 自适应编码策略实施步骤Fig.4 Steps of an adaptive coding switch strategy

步骤1：根据系统对信道的实时监测获取信道信噪比；

步骤2：从电网公司或DR主站的广播消息得知是否处于DR事件指令下发时段来判断启用哪一种自适应编码方式，如果处于DR指令下发时段，进入步骤3，否则进入步骤5；

步骤3：设定2种编码方式，分别为THP编码和GMD_based编码，在两者之间进行自适应切换，根据信噪比所处区间判断启用哪一种编码策略；

步骤4：确认和切换对应编码方式；

步骤5：设定3种编码方式，分别为THP编码、WAP编码和无编码，若根据DR主站广播信息得知此时处于DR事件执行期间，则根据预设信噪比阈值判断启用THP编码或WAP编码，否则不进行预编码；

步骤6：确认和切换对应编码方式；

步骤7：完成自适应编码，进入下一个时间节点并返回步骤1。

4 仿真分析

本文仿真平台具备多种DR业务情景下的DR业务传输模型。平台遵循OpenADR规范和DL/T 1867—2018《电力需求响应信息交互规范》交互模型，根据DR业务通信服务质量等级将DR场景划分为电网需要执行DR事件和电网不需要执行DR事件两类，分别仿真分析在采用本文所提的双层自适应编码策略(double layer adaptive coding strategy，BLACS)和单独使用THP、WAP、GMD_based情况下的整体系统性能。其中，选取文献[19]中的THP和文献[20]的GMD_based作为对比算法，WAP为3.1节所述算法。

4.1 不同算法误码率分析

本文仿真DR无线传输系统在多径瑞利衰弱信道环境下不同算法的差错性能，关键仿真参数如下：报文类型一律采用DL/T 1867—2018《电力需求响应信息交互规范》中的“发布事件请求”字段“DistributeEventRequest”，报文字节数为912 Byte，信道噪声为加性高斯噪声。统计不同信噪比环境下的BER。3种算法的BER性能对比如图5所示，取步长为1 dB情况下仿真了信噪比处于0～30 dB区间内各算法的误码率情况。

图5 不同编码方案下BER统计分析Fig.5 BER statistical analysis under different coding schemes

由图5可知，THP算法在信噪比较差(0～8 dB)的情况下表现较好于另外两种算法，相较于WAP和GMD_based的误码率平均分别有0.171 535和0.035 525的降幅；在信噪比大于8.65 dB之后，GMD_based算法开始表现出优于另外两种算法的性能，在信噪比为20 dB时，差错率只有0.007 8%，而另外两种算法的差错率则可达到0.006 5和0.013 35，大幅优于另外两种算法。另外值得注意的是在信噪比大于18.25 dB后，WAP算法的误码率同样低于传统的THP算法，并能在信噪比为24 dB时达到0.005 843的误码率降幅。由此可得出所提策略中两种自适应方法的信噪比阈值分别为8.65 dB和18.25 dB。

4.2 处理时延分析

本文所提算法为尽量避免引入过多系统处理时延，在通信服务质量优先级和处理时延做权衡，首先统计出不同算法的处理时延，如表2所示。关键仿真参数如下：报文类型一律采用DL/T 1867—2018《电力需求响应信息交互规范》中的“发布事件请求”字段“DistributeEventRequest”，报文字节数为912 Byte，信道噪声为加性高斯噪声。

表2 不同编码方案处理时延对比Table 2 Comparison of processing delay of different coding schemes ms

由表2可知，3种算法的处理时延都维持在一个较低的水平。传统的THP算法的处理时延能够维持在0.956～1.244 ms，WAP的处理时延则处于0.948～1.205 ms之间，而GMD_based算法的处理时延有所增加，处于1.193～1.925 ms之间；三者的平均处理时延分别为1.02、1.05、1.39 ms。可以发现，3种算法的处理时延都维持在较低的水平，且波动范围都在可接受范围之内；值得注意的是前两者的处理时延基本处于同一水平，而后者由于引入GMD分解运算，其处理时延较前两者的平均处理时延分别增加0.37 ms和0.34 ms。

为进一步验证本文双层自适应编码在有效规划计算资源方面的效果，统计两种DR场景下的自适应算法的处理时延。实际情况下编码策略的平均处理时延对比如图6所示，此时信道环境及信噪比呈现波动性，在此每组数据进行50次报文下发，统计15组平均处理时延数据。其中，BLACS-1表示电网不需要下发DR 实施指令情况下的本文算法平均系统处理时延，此时业务类型以轮询为主；BLACS-2表示电网下发DR 实施指令情况下的本文算法平均系统处理时延，此时业务类型以事件、报告为主。以全时段采用GMD_based作为对比策略，由于电网大多数时间并不需要下发DR指令，此时本文自适应算法能在进行通信优化的同时尽量减少处理时延的引入；当电网进行DR指令的下发时，为了保证通信的质量，便采取差错率更低的编码方式，在引入可接受的处理时延的情况下得到更好的通信性能。

图6 不同编码方案下平均处理时延统计分析Fig.6 Statistical analysis of average processing delay under different coding schemes

4.3 日内DR执行期间误码率分析

本节关键仿真参数和场景如下：信息交互监测采样间隔为15 min，以图3为例，需求响应实施时段为10:00—17:00，其中通知时段为10:00—11:00，执行期为11:00—16:00，恢复期为16:00—17:00，通知时段信息交互的报文类型以 “DistributeEventRequest”为主，执行期信息交互报文类型以 “QueryRegistrationRequest”为主，恢复期信息交互报文类型以“MomentDataReportRequest”为主。

在采用本文自适应编码策略的情况下，仿真某地区夏季用电高峰期一天内0～24 h的误码率，分别采取纯THP算法和GMD_based算法作为对比策略。如图7所示，本文策略实现了DR执行期间及执行期间不同时段的灵活自适应优化，重点对DR实施过程进行优化，并且针对DR指令下发时间段和DR完成时间段所需的信息交互质量需求进行重点优化，较好实现了本文设计初衷。