面向智慧园区的电力无线异构通信网络切换机制

周 霞，卜成杰，解相朋，陆建强，万 磊，魏 聪

（南京邮电大学 先进技术研究院，南京 210023）

0 引言

智慧园区作为智慧城市发展的重要趋势［1-3］，担负着科技创新、技术应用的重任，通过对智慧园区的建设，可以“以点代面”地带动区域化科技的发展［4］。智慧园区内的用电终端包括电动充电桩、智慧楼宇终端、配电自动化系统等。电力终端［5-6］在不同运行状态及运行时段对通信的需求差异较大，传统的固定通信方案已经不能满足园区内终端通信需求的动态变化，智能地改变通信网络以满足不同的网络需求［7-8］，自适应地选择接入网络，已成为一个亟待解决的问题。为提升园区整体的智能管控能力，保证电力终端设备可观可控，迫切需要完善园区内的电力无线异构通信网络切换机制［9］。

目前，无线异构通信网络切换算法主要有以下几类：基于多属性分析的通信网络选择算法［10-11］、基于神经网络的切换算法［12-14］、基于代价函数的通信切换算法［15-17］。文献［18］提出了基于AHP（层次分析法）的自适应垂直切换算法，对通信网络的性能进行分析，但该方法在计算过程中存在一定的主观臆断，难以实现对网络性能的客观分析。文献［19］分析了一种基于代价函数的网络选择方案，该算法的特点是采用策略驱动，其核心是根据代价函数值的大小来决定网络性能，但仅分析代价函数存在一定的不确定性，难以保证通信网络选择的准确性。文献［20］提出了一种灰度关联分析算法，根据通信网络指标对网络性能进行评估，虽然能在一定程度上改善网络和通信需求的匹配程度，但未充分考虑终端通信接入对网络自身性能带来的影响。文献［21］以最大化吞吐量为目标，将切换问题转换为目标优化问题，提高了计算效率，但忽视了终端用户数的动态变化，算法缺乏灵活性。

针对上述问题，本文提出一种TFN-AHP（三角模糊数层次分析法）算法［22］，量化异构网络通信能力。利用三角模糊数优化判决矩阵，解决传统专家打分引起的主观性问题；同时建立异构网络模型［23］，考虑通信网络的多项影响因素；结合层次决策模型得到网络属性权重值和网络状态值，确保通信网络选择的准确性。最后以某智慧园区网络情况为例进行分析，充分考虑业务的变化情况，计算多种场景下不同业务的网络状态值，验证所提算法的灵活性和有效性。

1 智慧园区电力无线异构通信网络模型

1.1 智慧园区电力业务特征分析

智慧园区内电力终端通信业务包括背景类通信业务、会话类通信业务、交互类通信业务以及流传输类通信业务，不同类型终端在运行过程中对通信的需求呈现多样性。园区内背景类业务的特点是对误码率要求较高，对传输时延和丢包率要求较低。会话类业务最主要的特点是要求端到端时延小，可以允许一定的丢包率。交互类业务对误码率的要求很高，甚至要求误码率为0。流传输类业务的特点是对带宽要求较高，流传输类业务是单向传输的，因此对实时性、时延以及抖动要求较低。园区内终端业务对应的通信业务类别如表1所示。

表1 园区内终端业务及通信类别

1.2 智慧园区电力无线异构网络模型

为研究园区电力终端通信的可靠性，确保通信子站与电力终端节点有效的通信连接，本文依据图1所示的智慧园区电力无线异构通信网络拓扑结构来构建异构网络模型。考虑4G、5G、LoRa以及WLAN 网络重叠覆盖的异构无线网络场景，选取带宽、时延、丢包率、网络能耗和误码率作为电力终端网络性能的评估指标。

图1 智慧园区电力无线异构通信网络拓扑结构

利用图论将电力无线异构通信网络用G(V，S)表示：V={v1，v2，…，vi，…，vd}为通信业务终端节点集合，网络模型中共有d个终端节点，vi为第i个终端；S={s1，s2，s3，s4}为网络通信方式集合，sj为第j种通信方式，j=1，2，3，4。

区别于传统一一对应的固定通信方式，在智慧园区的通信应用中，终端节点可以选择不同的通信网络，为了描述终端节点与通信网络的连接状态，本文用T(sj，vi)表示终端vi和通信方式sj在t时刻的连接状态：

式中：K(t)、Q(t)、W(t)、N(t)、P(t)为通信网络在t时刻的性能参数；K[T(sj，vi)]、Q[T(sj，vi)]、W[T(sj，vi)]、N[T(sj，vi)]、P[T(sj，vi)]分 别为终端vi在sj通信方式下的时延、误码率、通信带宽、丢包率和网络能耗的参数信息；T(sj，vi)表示在异构通信网络中终端vi选取sj通信方式。

令δk、δq、δw、δn、δp分 别 为K(t)、Q(t)、W(t)、N(t)、P(t)的权重系数，可得：

对智慧园区内通信网络进行切换决策前，需明确电力通信指标量纲。由于选择的指标属性差异较大，为得到科学的评估结果，需要进行标准化处理。标准化指标包括成本型和效益型，其中：园区内网络带宽属于效益型指标，其值越大对终端节点的网络状态影响越大；时延、丢包率、误码率和网络能耗属于成本型指标，其值越小则终端节点的网络效果越好。标准化处理的计算公式为：

式中：rij为第i个属性的第j个指标的标准化值；r′ij为标准化前的原始数据；r′ij，max和r′ij，min分别为r′ij的最大值和最小值。标准化后的网络性能参数矩阵为[Knc(t)Qnc(t)Wnb(t)Nnc(t)Pnc(t)]T。

综上可得单个终端vi在t时刻采用sj通信方式下的网络状态值G[T(sj，vi)]为：

2 TFN-AHP算法的通信网络切换机制

2.1 AHP决策模型

AHP 是融合定量分析与定性分析的决策分析方法，适用于多属性决策问题。本文选取的电力终端节点在无线异构通信网络下影响因素为时延、误码率、通信带宽、丢包率和网络能耗，5个元素之间没有互相依赖关系，定义为属性层元素。在AHP中方案层元素为4G、5G、LoRa以及WLAN网络4 种通信方式，总目标网络状态值G[T(sj，vi)]，通过计算权重系数δk、δq、δw、δn、δp，排序无线异构通信网络的通信选择方案。智慧园区无线异构网络层次结构如图2所示。

图2 智慧园区无线异构网络层次结构

2.2 TFN-AHP算法

TFN-AHP算法主要包括以下7个部分。

1）三角模糊数定义。

为了表示一个值x隶属于集合M的程度，常用三角模糊函数来表示模糊隶属度函数。对任意的值x=[l，m，u]，三角模糊函数的隶属度函数μM(x)定义为：

式中：l、u、m分别为三角模糊函数的下界值、上界值、中间值。

2）构造模糊判决矩阵。

基于园区内通信能力的实际情况，对决策问题的网络属性构造模糊判决矩阵，利用1—9 标度法来衡量园区内不同通信属性的重要性，并将复杂的模糊评估问题定量化。构建模糊判决矩阵A=(ai j)n×n，模糊矩阵中各元素用三角模糊数ai j=[lij，mij，uij]表示，aij为第i个属性相对于第j个网络的相对重要性，且aj i=

模糊判决矩阵为：

3）一致性检验。

计算中值矩阵m=(mij)n×n，矩阵m为三角模糊数的中值mij组成的矩阵，计算矩阵m的最大特征值，依照传统AHP算法进行一致性检验。

4）模糊评价因子矩阵建立。

对判断矩阵构造模糊评价因子矩阵E=(eij)n×n，定义标准利差率bij=，其值反映了专家评判的模糊程度。标准利差率越大，模糊程度越大，反之，模糊程度越小。

5）计算调整矩阵Q。

调整矩阵Q=m×E，即：

6）调整矩阵对角化。

将矩阵Q转换为对角线为1 的判断矩阵Q′，用相容矩阵分析法对矩阵Q′进行变换，得相容矩阵P，则P的元素为：

式中：和为Q′的元素。

7）计算网络属性在终端节点网络状态处的权重。

终端节点网络状态的权重δi可由如下公式求得：

网络属性的权重越大，表示属性对园区内终端节点通信能力的影响越大；反之，权重越小，则影响越小。

2.3 电力无线异构通信网络切换机制

根据上文的TFN-AHP 算法可以确定终端节点的通信属性权重，结合式（4）可以计算出终端的网络状态值。在不同的运行时间段，园区内终端节点的业务流量、时延等通信要求均存在差异，亟需构建电力无线异构网络通信切换机制，动态调整终端节点的通信网络，保障园区内通信的可靠性，具体切换机制如图3所示。

图3 电力无线异构通信网络切换流程

步骤Ⅰ：构建电力无线异构通信网络模型，根据输入的智慧园区终端信息和通信基站信息，建立园区电力无线异构通信网络模型，构建终端-网络接入关联矩阵，分析现有通信属性参数信息，构建终端通信网络的网络状态矩阵。

步骤Ⅱ：分析园区内电力终端业务的运行状态，分析不同运行状态的通信需求。

步骤Ⅲ：根据所述的TFN-AHP 算法，计算不同通信方式下终端节点的网络属性权重，量化网络性能参数。

步骤Ⅳ：根据步骤Ⅲ计算的网络属性权重，计算不同通信方式下终端节点的网络状态值，并进行排序，得出通信网络的选择方案。

3 基于智慧园区场景的仿真分析

3.1 智慧园区仿真场景及算法选择

智慧园区电力通信场景的仿真环境如图1 所示，选取园区内5 km 仿真场景，通信方式由4G、5G、LoRa 以及WLAN 通信构成，选取初始运行时刻网络的参数［20］如表2所示。

表2 智慧园区候选网络的参数

智慧园区内充电桩属于会话类业务范畴，其在使用中存在随机性，运行时间以及工作次数均不可确定。以智能充电桩为例，采用1-9 标度法对园区内终端业务的网络属性进行打分，获得各指标的判断矩阵。

根据式（9）—（11）可计算出汽车充电桩业务的通信网络属性权重分别为0.369、0.124、0.077、0.204、0.226。为了证明TFN-AHP 算法的有效性，分析传统AHP算法的充电桩业务权重，并将两种算法得出的权重与目标权重进行比较，如图4所示。

图4 园区智能充电桩业务网络属性权重对比

在算例场景中，园区内汽车充电桩在运行状态下对网络时延的要求较高，根据图4 可以看出TFN-AHP 算法在时延方面优于传统的AHP 算法。在误码率、带宽、丢包率和能耗方面，AHP算法得出的权重值有参考性，可以反映业务对通信性能的需求。但AHP算法存在专家打分的主观性，本文提出的TFN-AHP 算法在整体上明显更加逼近目标权重，并有效解决了AHP算法主观性较强的问题。

3.2 智慧园区多场景通信切换分析

应用TFN-AHP 算法可求出园区内终端各类型业务的网络属性权重，如图5所示。

图5 智慧园区终端业务网络属性权重

结合智慧园区终端业务网络属性权重，根据式（4）可得出不同通信业务在TFN-AHP算法下的网络状态值，如表3所示。

表3 不同通信业务下的网络状态值

5G通信方式具有高带宽和低时延特性，不同场景下的网络状态值较大，但网络能耗较高，在会话类业务场景下，4G通信方式的综合性能更加突出。LoRa 和WLAN 通信方式的整体网络状态值较小，但其能耗较低，可以作为4G 网络和5G网络的补充应用。根据表3可得，会话类业务在待机状态时选用WLAN 网络，在运行前切换至4G网络，当业务较大、带宽需求较高时，接入5G网络。可见，本文选择结果既能满足园区内电力终端通信需求的动态变化，又能合理均衡网络资源，维持网络平衡。

4 结语

随着智慧园区建设的逐步推进，传统的通信方式已无法满足终端通信需求的动态变化。本文提出TFN-AHP 算法来解决无线异构通信网络的选择问题，研究成果如下：

1）构建智慧园区网络模型，充分考虑通信网络的影响因素，结合参数特征和归一化方法，选取网络状态值作为网络评价指标，提高切换机制的准确性。

2）通过引入三角模糊数，解决了传统专家打分主观性太强的问题，与传统AHP 算法相比较，TFN-AHP 算法更能满足智慧园区内电力终端的通信需求。

3）提出电力无线异构通信网络切换机制，能够有效地选择适合业务需求的通信网络，并完成切换，对均衡智慧园区通信网络资源有一定的指导意义。