一种基于改进型THP 编码的需求响应信息传输优化方法

麻吕斌，郝一浩，薛利，李彬，祁兵，陈宋宋

(1. 浙江华云信息科技有限公司，浙江 杭州 310012；2. 华北电力大学 电气与电子工程学院，北京 102206；3. 北京国网普瑞特高压输电技术有限公司，北京 102200；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 100192)

0 引言

需求响应（demand response，DR）[1]是客户侧负荷资源参与电网互动的重要途径[2]，能充分调动客户侧负荷的可调节潜力[3]，提高电力系统运行的稳定性[4]。国家发展改革委和国家能源局在《关于做好2020 年能源安全保障工作的指导意见》（发改运行〔2020〕900 号）中明确指出要加强能源需求侧管理，推动煤炭清洁高效利用。随着国内需求响应相关支撑标准的大量研究[5-7]和DR 项目实践[8]逐渐趋于常态化，有必要以提升DR 信息交互质量和资源调度能力为目标进行研究[9]。在《电力需求响应信息交换规范》[10]中已经规范了DR 信息交换的一般原则和要求。

国内电力通信网采用以光纤通信等有线方式为主、无线传输方式为辅的建设方针。有线传输方式难以有效解决中低压配电网点多、覆盖面广的问题。电力无线专网具有诸多优点，如灵活组网、建设成本低、施工周期短等，能够有效弥补有线通信传输不足[11]。因此，无线专网成为电力通信网络建设“打通最后一公里”的重要选择[12]。截至2019 年7 月底，江苏省建设的无线专网基站已经累计1 257 座，超过3 000 个源网荷储控制类业务终端通过无线专网等方式接入[13]，无线专网初步发挥了电力通信的核心作用。在此之前的相关研究大多面向有线通信网或电力通信骨干网层面的DR 优化问题，如文献[14]研究了可编程逻辑控制器（PLC）信道下基于不同DR 业务等级和信噪比等级的需求响应业务自适应编码调制策略；文献[15]基于电力骨干网中DR 业务的现状，提出了一种业务均衡优化方法。针对无线通信下的DR 优化问题的研究，国内的相关研究主要采用高效的编码技术如空时编码策略来优化DR 业务传输[16-17]。国外的研究较为丰富，既有针对DR 业务的无线频谱资源划分[18]，也有探讨未来5G 网络的应用方式[19]。以上的研究为DR 业务在无线网络中的优化提供了良好的思路和见解。

本文针对无线接入的DR 终端进行信息交互过程中面临的无线传输需求，着手解决电网“最后一公里”的无线信息传输优化问题，提出一种基于非线性信息编码的DR 信息传输优化方案，该方案采用Tomlinson-Harashima(THP)预编码方法来消除无线基站到用户终端的信息传输过程中其他用户信息对自身的干扰，并基于误差矢量对消来设计信息传输矩阵来减少信道噪声产生的影响。然后通过仿真验证本文所采用的信息传输方案的可行性，及相较于其他信息传输方法在通信性能上的提升。

1 DR 通信模型与优化思路

在IEC 62746-10-1 中，完成DR 信息交互的双方使用虚拟顶部节点（virtual top node，VTN）和虚拟底部节点（virtual end node，VEN）的定义来区分上下级关系[20]。在DR 交互过程中，VTN 充当服务器向VEN 发布DR 事件，VEN 接收DR 事件并做出响应，该DR 事件又可继续向下游VEN发布，这种情况下VEN 将成为新的VTN，即一个虚拟节点或设备所扮演的角色会根据交互双方的上下级关系而发生改变。DR 信息交互服务共涵盖5 种业务，即事件业务、报告业务、注册业务、选择业务和轮询业务。文献[21]列出了不同DR 业务的净载荷大小，表1 为不同DR 业务的分析，其中M为事件中的信号数，N为报告的数量。

表1 各类DR 业务载荷分析Table 1 Payload analysis of different DR services

根据表1 的分析，可见DR 传输的数据量主要源自事件、报告2 种DR 业务，并且其具体的数据量与实际的事件和报告数量相关。

在DR 通信系统中，无线通信主要存在于客户侧负荷的接入端，因此本文的主要研究对象为电网末端VTN 与VEN 的信息交互，图1 为DR 无线信息交互系统示意。DR 无线通信传输的性能大部分取决于基站到用户之间的这段无线信道的环境，然而DR 无线传输面临着复杂的信道环境，会受到外部和自身的各种干扰[22]，最终导致信号的误码，使接收端无法正确收到DR 信息，进而影响DR 任务准确实施。在无线信息传输过程中除了信道噪声外，在发往多个DR 终端的不同DR 数据流之间也存在相互干扰。因此，实现高精准、细致化的DR 控制需要利用先进的通信技术，确保信息交互的高质量和可靠性。

图1 DR 信息交互系统示意Fig. 1 DR information interaction system diagram

为了提高DR 信息交互的通信技术水平，可考虑采取2 种方法：（1）生产具有先进通信模块的DR 终端设备，使其硬软件设施具有高可扩展性，便于新技术和功能的扩展；（2）采用类似文献[16]中的方式，通过部署现场级的DR 边端服务器（如利用边缘物联代理设备）来实现信号的交汇和中继，利用此小型电力业务专用无线服务基站来实现DR 终端为提高通信质量所需的信道编码或增益等技术。后者所提理念被证实在分布式DR 领域具有良好的应用前景和应用价值[23]。预编码技术是MIMO 系统中保证信息传输质量的一项重要技术[24]，能够有效提高DR 基站下行链路的传输效率和质量，可用于解决本文场景下DR无线传输中的通信优化问题。DR 调度中心通过无线基站向DR 终端或负荷聚合商发送DR 业务信息时，为了减少信道干扰和外界噪声的影响，可利用信道状态信息（channel state information，CSI）在发送端对信号进行编码优化处理，便于更好地在接收端进行信号检测，达到提高DR 信息传输速率和系统性能的效果。

2 传统的THP 编码技术

本文采用的预编码是指利用无线信道的状态信息，对发送信号进行处理，优化信号的空间特性以消除信号间的干扰。大致可将预编码技术分类两大类，即线性编码和非线性编码[25]。其中THP 编码属于非线性编码，非线性编码是指在编码过程中将迭代、取模等非线性操作引入进来，一般能够获得较线性编码更加良好的系统性能。THP 算法在发射端和接收端各进行一次取模运算，并进行串行干扰抵消。定义v为对原信号进行取模运算后的信号矢量，则算法的接收信号可表示为

式中：H 表示矩阵的共轭转置，Q为 酉矩阵，R为下三角矩阵。 然后根据迫零准则的约束条件即GHcFB-1=I（其中I为单位矩阵），将分解后的信道矩阵Hc代 入后得到新的约束条件GRQFB-1=I。

进而可以得到满足约束条件的编码矩阵和反馈矩阵：F=QH,B=GR。此时就可以得到无信号间 干 扰 的 接 收 信 号yi=vi+zˆi，其 中zˆi=Gzi为 等 效噪声。

3 基于误差矢量对消的THP 编码优化算法设计

传统的THP 算法虽然能够有效消除数据流间的干扰，但是没有考虑信道噪声增强带来的影响，因而会一定程度上影响系统的优化性能。本文提出了一种面向DR 业务的基于误差矢量对消的THP 编码（preTHP _EVC）。

3.1 preTHP_EVC 算法基本原理

preTHP_EVC 采用对称模运算限制因反馈操作引起的功率放大，同时避免噪声的放大。同时对发送信号与接收信号进行误差矢量对消来减弱信道噪声的影响。preTHP _EVC 编码系统主要包括3 部分：线性求模反馈（包括求模运算和反馈矩阵）、编码矩阵、接收矩阵，各个模块的设计参数是基于对信道特性的获取和分析得到。如图2所示，将VTN 发出的DR 信息流量化为具有多个子信息流的信号矢量S={S1,···,SK}，K为DR 终端（VEN）的数量，每个子信息流Si,i∈[1,K]对应一个VEN。虚拟顶部节点（VTN）发出的DR 信号矢量S首先要经过取模运算模块和反馈矩阵得到信号矢量x˜i，然后经过编码矩阵完成发射端的处理得到信号矢量xi并 进入DR 信道Hc中传播得到

图2 preTHP_EVC 算法原理框图Fig. 2 Block diagram of preTHP_EVC algorithm

然后在接收端进行处理还原出等效DR 信息Sˆ并发送到VEN 节点，完成需求响应信息传输过程。

3.2 基于preTHP_EVC 的需求响应业务传输矩阵设计

在进行DR 业务信息传输优化过程中不仅仅要考虑消除信号间的干扰，也要重视信道噪声导致的不良后果。为了传统THP 算法中噪声增强带来的影响，可以在此基础上采用最小均方误差准则来减小DR 信道噪声的影响。其基本思想为将发送端与接收端的矢量信号的误差矢量最小化。定义误差矢量的表达式为

4 仿真及结果分析

本文结合实际的需求响应业务需求，对本文所列的3 种编码算法进行了详细的分析。仿真过程采用DL/T 1867—2018《电力需求响应信息交互规范》中各项规范。测试平台支持包含PULL和PUSH 在内的多种交互模式，DR 报文和字段的格式与生成机制严格按照DL/T 1867—2018 中的要求。

本文统计DR 数据流在不同编码方案下的系统误码率（BER）性能。随机仿真4×200 组DR 业务数据流，涵盖DR 事件、DR 报告等标准信息交互业务数据，并将DR 业务流划分为若干子信息流发送到不同DR 终端，取Nt=4。统计信噪比（SNR）在区间[0, 30 dB]时的3 种预编码方案的BER 性能，其中preZF 采用文献[26]的编码方案，preTHP 表示文献[27] 中所采用的编码方案，preTHP_EVC 为第3 节中基于误差矢量对消的THP 编码方案。3 种编码方案随着信噪比的逐渐增大均呈现出愈加良好的误码率性能，其中preTHP_EVC 在不同信道条件下都呈现出较另外2 种编码方案更好的BER 性能，在信噪比为28 dB 时的误码率就已经低于0.1%。不同编码方式的误码率性能对比如图3 所示。

图3 不同编码方案的BER 性能对比Fig. 3 BER performance comparison of different coding schemes

为了分析本文算法在不同编码矩阵规模下的表现，仿真不同编码矩阵规模下的THP-EVC 算法的BER 性能。发现不同的编码矩阵在低信噪比情况下的性能表现差别不大；在信噪比高于10 dB之后，伴随着信噪比的增大，三者的BER 性能产生了差异化，并且编码矩阵规模越大其表现出的差错率越低。在信噪比λSNR=25 dB 时，Nt=16和Nt=8的BER 性能提升达到近三倍。图4 所示为改进型THP 在不同编码矩阵下的BER 性能分析。

图4 改进型THP 在不同编码矩阵下的BER 性能分析Fig. 4 BER performance analysis of improved THP under different coding matrices

随着编码矩阵的增加，虽然能够获得较好的BER 性能，但是同样引入了更多的计算开销。图5为preTHP_EVC 算法在不同编码矩阵下的系统处理时延，统计100 组在相同信道条件下传输等量信息情况下的时延数据，发现随着编码矩阵的增加，算法的开销也响应的增加，进而导致系统处理时延的增加。Nt=8时 比Nt=4的情况下大约增加了2.7 ms 处理时延，而Nt=16的 情况比Nt=8的情况下增加了约3.1 ms 处理时延。

图5 改进型THP 在不同编码矩阵下的处理时延Fig. 5 Processing delay of improved THP in different coding matrices

需求响应业务的信息载荷具有不固定性，5 种DR 信息交互业务的服务数量和信息载荷大小各不相同，每种业务具体净载荷的大小还与报告项数和事件中承载的信号数有关。为了仿真DR 传输中的实际情况，本文根据不同的DR 信道状况分析了传输2 种主流DR 业务信号，即报告业务和事件业务时的平均误码率性能。本文将信道状况分为3 个等级即A、B、C，其中A 表示信道的信噪比处于0～10 dB，B 表示信道的信噪比处于11～20 dB，C 表示信道的信噪比处于21～30 dB。可以发现，在不同的信道环境下，preTHP_EVC算法的误码率明显低于另外2 种算法，并且在DR 信道状况较好的情况下的性能更加明显。图6为信道传输事件业务时不同信道状况的误码率分析对比。

图6 传输事件业务时不同信道状况的误码率分析Fig. 6 Bit error rate analysis of different channel conditions in transmitting event services

为了分析不同编码方案下完成需求响应通信优化效果所需要的时间，本文统计了不同编码算法的计算开销。如表2 所示为不同编码方式的计算开销对比，可以发现每个算法的计算开销都在100 ms 的范围内波动，其中preZF 算法平均计算开销为0.002 297 s，preTHP 算法的平均计算开销为0.002 398 s，preTHP_EVC 算法的平均计算开销为0.002 449 s。非线性编码相较于线性编码的计算开销有所增高，增加幅度大约在1.01 ms，而基于误差矢量对消的THP 算法相较于THP 算法的计算开销的增幅在0.51 ms 左右。相较于该算法误码率性能上的提升，其引入的额外计算开销在可接受范围之内。

表2 不同编码算法的计算开销Table 2 Computing overhead of different coding algorithms s

5 结语

本文提出了一种面向DR 业务传输的基于误差矢量对消的THP 编码方式，该方法提供了良好的误码率性能，能够有效优化DR 无线传输系统性能。未来可以考虑不同应用场景及具体DR 业务的需求进行优化，根据具体需求侧业务特点采用自适应编码策略，或者联合考虑信道传输质量和网络拥塞情况进行跨层联合优化，最终使客户侧DR 设备与电网侧实现高可靠的信息交互与高质量DR 控制。