楊 佳，段琪玥，許 強，馮 波

(1.重慶理工大學 電氣與電子工程學院， 重慶 400054；2.重慶工商大學 計算機科學與信息工程學院, 重慶 400067；3.重慶市能源互聯(lián)網(wǎng)工程技術研究中心， 重慶 400054)

0 引言

隨著近年來電網(wǎng)智能化、數(shù)字化水平的不斷提升，以及《國家電網(wǎng)公司具有中國特色國際領先的能源互聯(lián)網(wǎng)規(guī)劃》的發(fā)布和相關產(chǎn)業(yè)落地，電力通信網(wǎng)與電網(wǎng)之間的聯(lián)系也越來越緊密。作為能源互聯(lián)網(wǎng)的關鍵成分，智能配電通信網(wǎng)(distribution communication network，DCN)需要將配電信息系統(tǒng)中的指令快速、準確地下達給遠程智能終端設備。

配電通信組網(wǎng)整體技術框架由光纖通信、載波通信和寬帶無線通信等技術共同支撐起[1-2]。在智能配電網(wǎng)最后一公里，電力寬帶無線專網(wǎng)接入技術的通信覆蓋范圍會受基站位置的影響，具有網(wǎng)絡鋪設便捷、成本低廉、自組網(wǎng)及數(shù)據(jù)安全性高等特點的無線傳感器網(wǎng)絡(wireless sensor network，WSN)由于不需要特定的基站，更加適合通信節(jié)點數(shù)量大且位置特殊的配電通信系統(tǒng)。通過網(wǎng)關補充進光纖、載波等其他通信網(wǎng)，鋪就一張完善的配電通信網(wǎng)，直達有線、無線公網(wǎng)等通信方式難以到達的配電區(qū)域。其業(yè)務按控制對象可分為以配電自動化為代表的電網(wǎng)生產(chǎn)控制業(yè)務和以精準負荷控制為代表的管理信息化業(yè)務兩大類；從服務質(zhì)量(quality of service，QoS)來講，配電自動化要求較低的實時性，但要求較高的安全性和可靠性；而精準負荷控制短時內(nèi)傳輸?shù)臄?shù)據(jù)量較低。相比之下配電自動化業(yè)務在特殊位置的配電通信系統(tǒng)中更難穩(wěn)定，這也使得針對此類業(yè)務進行優(yōu)化改進更具必要性[3]。配電自動化系統(tǒng)結構見圖1。

圖1 配電自動化系統(tǒng)結構框圖

針對節(jié)點消耗問題，合理的分配能量、延長網(wǎng)絡壽命是WSN研究的重點。學者們通常從分簇和路由兩方面進行研究[4-14]。分簇路由方面，鄢麗娟等[4]提出了一種基于平均剩余能量的無線傳感器網(wǎng)絡分簇路由算法，但未給出明確的簇頭選舉機制，也未考慮簇頭能耗。朱敏等[5]提出了一種虛擬網(wǎng)格分簇路由算法CRVB，在一定程度上降低了時延和能耗，但簇首選舉僅考慮剩余能量單一指標。陶洋等[6]提出了一種量獲取無線傳感網(wǎng)能耗均衡分簇路由算法，由于未改善簇內(nèi)節(jié)點非均勻分布的問題，使得能耗均衡性表現(xiàn)一般。楊佳等[7]提出了面向用電信息采集的一種新的異構無線傳感器網(wǎng)絡分簇路由協(xié)議，該方法很好地均衡了網(wǎng)絡負載，但未考慮QoS指標，且未建立與配電網(wǎng)相對應的拓撲。路由方面，經(jīng)典群體智能算法之一的蟻群算法(ACO)被廣泛作為基本算法改進，有些學者針對移動自組織網(wǎng)絡，基于ACO提出了多路徑路由算法ARA。該算法使WSN在信息素低于某個值時進入整體休眠模式以延長網(wǎng)絡生命周期，但未考慮節(jié)點間不必要的網(wǎng)絡開銷和時延[8]。石鑫等[9]對基本蟻群算法進行改進，對長鏈狀輸電線WSN進行路由優(yōu)化，有效保障了網(wǎng)絡的QoS，但配電網(wǎng)與輸電線路場景之間仍存在一定區(qū)別，該方法并不能較好的適應。王建平等[10]提出一種基于信息可靠性最優(yōu)并滿足傳輸實時性的路由選擇模型，應用在黃山電網(wǎng)后達到了電網(wǎng)通信指標，但未考慮網(wǎng)絡壽命問題。Rama等[11]提出了基于ACO的WSN路徑尋優(yōu)和恢復算法，通過改進的啟發(fā)函數(shù)，將影響節(jié)點通信和網(wǎng)絡生命周期的各個因素納入考慮去尋找路徑，但其搜索前期信息素含量較為匱乏，容易出現(xiàn)盲目搜索、局部最優(yōu)等現(xiàn)象[12-13]。

基于上述問題，提出了一種基于虛擬網(wǎng)格的蟻群的多目標路由(energy and best distribution of ant colony optimization based on virtual grid，EDACO-VG)算法，通過在螞蟻尋路過程中對路徑信息素進行人為干預，在下一跳概率公式啟發(fā)因子中考慮節(jié)點當前能量來降低低能量節(jié)點失效的概率，避免收斂過快，從而使網(wǎng)絡能量消耗達到平衡。同時，在信息素更新公式里綜合考慮帶寬、時延、丟包率等QoS指標來滿足配電自動化業(yè)務要求。實驗結果表明，本文算法在延遲、生命周期以及能耗均衡性上有一定優(yōu)勢。

1 系統(tǒng)模型

1.1 能耗模型

WSN的能量模型中，節(jié)點的能耗由發(fā)射端和接收端兩部分能耗組成。在傳輸距離d，發(fā)送1 bit的信息消耗的能量ETx(l,d)為:

(1)

(2)

由式(1)和(2)可知，在傳輸范圍R超過門限值d時，能量消耗會快速增加，某些節(jié)點會極快地消耗掉能量，縮短網(wǎng)絡的生命周期。本算法中限定節(jié)點的傳輸范圍R

1.2 網(wǎng)格模型

鑒于本文配電網(wǎng)WSN各節(jié)點均勻布置的特點，對其進行邊長為L的虛擬網(wǎng)格劃分，每個網(wǎng)格編號以[GX,GY]表示。假設sink節(jié)點位于網(wǎng)格頂點，且其所屬網(wǎng)格坐標為(0,0)。共享同一頂點和同一條邊的網(wǎng)格互為鄰居網(wǎng)格，其坐標如圖2所示，以此類推。

圖2 虛擬網(wǎng)格示意圖

為了確保相鄰網(wǎng)格中的每個節(jié)點之間能夠正常通信，網(wǎng)格邊長L需滿足：

(2L)2+(2L)2≤r2

(3)

網(wǎng)格建立完成后，各節(jié)點通過式(4)確定其從屬網(wǎng)格。其中?c」表示小于c的最大整數(shù)。

GX=?x/L」,GY=?y/L」

(4)

為了實現(xiàn)網(wǎng)絡均衡耗能，在網(wǎng)格邊緣區(qū)域建立寬為s的公共區(qū)域。在簇頭選舉完成后，公共區(qū)域內(nèi)的普通節(jié)點加入離它最近的簇頭節(jié)點成簇，而不一定是加入本網(wǎng)格的簇頭。

1.3 QoS多目標模型

通過對配電通信網(wǎng)各業(yè)務的通信規(guī)范參數(shù)分析來介紹常見的配電通信業(yè)務需求，明確其具體標準。智能配電通信網(wǎng)代表業(yè)務QoS標準見表1。

表1 智能配電通信網(wǎng)代表業(yè)務QoS標準

將QoS的各參數(shù)根據(jù)配電自動化業(yè)務需求定義如下:

1) 時延

(5)

式中:Delay(s)代表總延遲，是路徑s所有節(jié)點上的延遲Delay(n)和節(jié)點間的延遲Delay(e)之和?？芍?，延遲大小與路徑節(jié)點個數(shù)成正比。

2) 帶寬

BandWidth(s)=max{BandWidth(e),e∈E(s)}

(6)

帶寬取路徑s上節(jié)點間傳輸數(shù)據(jù)的最大值。

3) 丟包率

(7)

Lost(n)代表s所有鏈路分支上的丟包率；

4) 剩余能量

(8)

(9)

其中：Eremain代表節(jié)點的剩余能量；Estart代表節(jié)點的初始能量。

2 算法步驟介紹

2.1 簇頭選舉

若采用傳統(tǒng)的LEACH算法，每個網(wǎng)格內(nèi)可能會產(chǎn)生多個簇頭。為保證簇頭的唯一性，引入三角模算子，綜合節(jié)點到基站距離與節(jié)點剩余能量2個目標量來選取每個網(wǎng)格的唯一簇頭。

2.1.1目標量隸屬度

節(jié)點到基站距離隸屬度函數(shù)：由能量模型可知，節(jié)點通信耗能與距離之間呈正相關。選用式(10)的高斯函數(shù)作為節(jié)點到基站距離隸屬度函數(shù)

(10)

(11)

式(11)表示距離歸一化過程。d(i)為節(jié)點i到基站距離；a是尖峰中心坐標、b是標準方差，皆為常數(shù)，其取值可改變函數(shù)位置形狀，本文取a=0，b=1?？梢?，節(jié)點到基站距離越近，則υd(i)越大,其隸屬于簇頭的概率也越大。

節(jié)點剩余能量隸屬度函數(shù)：簇頭節(jié)點往往要消耗更多的能量，某節(jié)點若頻繁成為簇頭會破壞網(wǎng)絡能耗的均衡性。剩余能量更多的節(jié)點擔任簇頭可保證負載均衡，由此選用式(12) 壓縮率的變形函數(shù)作為其隸屬度函數(shù)。

(12)

(13)

式(13)為剩余能量歸一化過程。E(i)為節(jié)點i的剩余能量，Einit為其初始能量。取A值為150，該式表明剩余能量低于一定值時，該節(jié)點當選簇頭的概率將大大降低。

2.1.2三角模算子融合判決

三角模融合判決能夠加強同類信息，調(diào)和矛盾信息，其表達式為：

(14)

其中υd(i),υe(i)∈(0,1)，加強性表示為：F(υd(i),υe(i))≥max{υd(i),υe(i)},υd(i)≥0.5,υe(i)≥0.5或F(υd(i),υe(i))≤min{υd(i),υe(i)},υd(i)≤0.5,υe(i)≤0.5調(diào)和性表示為min(υd(i),υe(i))

2.2 螞蟻準備階段

每只螞蟻在出發(fā)尋路之前更新攜帶內(nèi)存Mk，包含以下信息：① 需傳遞的數(shù)據(jù)；② 固定值的能量；③ 所有路過的節(jié)點、QoS參數(shù)(隊列延遲，丟包率，帶寬空間)。

2.3 螞蟻探索階段

當節(jié)點i需要發(fā)送信息時，首先查看路由表，如果有下一跳節(jié)點信息，則直接依照信息將數(shù)據(jù)發(fā)送，重復上述過程，直到轉發(fā)至j；如果沒有，則產(chǎn)生螞蟻去尋找通向目的節(jié)點的路徑。螞蟻尋徑示意圖見圖3。

圖3 螞蟻尋徑示意圖

螞蟻的具體探索表達式為：

(15)

螞蟻按照式(15)尋找下一跳。其中，ηij(t)是信息啟發(fā)函數(shù)，表達式為：

(16)

其中Estart是初始能量。

式(15)中的τij(t)是期望啟發(fā)函數(shù)

(17)

2.4 路徑信息素強度更新規(guī)則

ρ(0<ρ<1)是信息素的蒸發(fā)率，它可以對已有鏈路和無效路徑上的信息素值進行調(diào)節(jié)。對ρ進行設計，初始階段ρ保持在較大的范圍內(nèi)，此時下一跳節(jié)點按照先驗規(guī)律進行選擇，尋路具有高收斂性和低隨機性；但若一直保持初期的高收斂性，則容易導致算法陷入局部最優(yōu)解而無法擺脫，此時需減小ρ，使輸出結果趨于穩(wěn)定。

綜上所述，為使蒸發(fā)函數(shù)ρ在算法執(zhí)行的各個階段滿足對收斂速度和隨機搜索能力的要求，對其進行定義:

(18)

其中：Δτij(t)是人為補充的信息素。本文中算法將配電通信網(wǎng)中關鍵的QoS指標如帶寬、丟包率、時延結合在信息素補充式中，確保螞蟻k在傳輸數(shù)據(jù)的過程中能根據(jù)業(yè)務需求選擇路徑。綜上，代價函數(shù)的定義為：

(19)

本文中，代價函數(shù)作為人為補充信息素Δτij(t)影響螞蟻下一跳節(jié)點選擇。式(19)中，ω1、ω2、ω3分別為時延、帶寬和丟包率所占權重，同時需滿足ω1+ω2+ω3=1 且ω1，ω2，ω3≥0。

結合式(15)—(19)可知，Δτij(t)越大，j節(jié)點被選為下一跳節(jié)點的概率就越大；而ω越大，其對應值在Δτij(t)中的權重越小，對其增長的影響就越小。

2.5 信息更新階段

m只螞蟻的前向?qū)ぢ愤^程實際是生成了一棵多目標路由樹，當sink節(jié)點收到路由信息后，隨即對其按照式(19)進行評估計算。選取最優(yōu)和次優(yōu)兩條路徑，當最優(yōu)路徑失效后，備用路徑頂替工作來保障配電通信正常。算法的具體過程如下：

步驟1times←0(times表示迭代次數(shù)或搜索次數(shù))；對每個τij和Δτij進行初始化；將每個螞蟻各自放在待搜索區(qū)域的中心位置，待搜索區(qū)域的大小根據(jù)螞蟻的數(shù)量和所占空間大小來確定；

步驟3針對螞蟻周圍的各個路徑信息素濃度的改變，使用更新方程對各個軌跡強度進行更新；

步驟4每只螞蟻k的數(shù)據(jù)變化:Δτij←0;times←times+1；

步驟5如果times<預期的搜索次數(shù)而且沒有退化行為(即搜索到的都是相同解),則轉回步驟2；

步驟6輸出當前的最優(yōu)解。

3 仿真結果及分析

為了驗證本文算法的性能，在Matlab2016b環(huán)境下進行仿真實驗。因文獻[13]中提出的MRFD算法基于螞蟻算法對多步前向區(qū)域建立多路由模型，考慮剩余能量、路徑單包傳遞能耗、條數(shù)等進行多路徑的選取，并進行精簡，具有相當參考性，故將其和經(jīng)典蟻群算法(ACO)作為對照組，用于驗證本文算法的可實施行性。

仿真中，節(jié)點隨機分布在500×500的范圍內(nèi)，sink節(jié)點布置在(0，0)處，源節(jié)點布置在(500，500)處。仿真參數(shù)設置如表2所示。

表2 仿真參數(shù)設置

配電網(wǎng)自動化業(yè)務對實時性要求較低，對帶寬、安全性和可靠性要求較高。因大多業(yè)務需要對配電網(wǎng)數(shù)據(jù)進行監(jiān)測和檢測，對數(shù)據(jù)保存的完整度要求高，對丟包率低的要求略高于實時傳輸時對帶寬分配的調(diào)整，因而設置ω1、ω2、ω3分別為0.5、0.3和0.2。

將改進的EDACO-VG算法與經(jīng)典的ACO和MRFD算法相比較。在實驗中，參數(shù)見表2，主要從4個方面來對比算法的性能：節(jié)點存活輪數(shù)、端到端的延遲、能量開銷和帶寬。為了驗證算法的有效性，通過網(wǎng)路范圍內(nèi)的源節(jié)點隨機產(chǎn)生0～1 000 bits的數(shù)據(jù)包發(fā)送到目的節(jié)點。節(jié)點存活數(shù)見圖4。

圖4 節(jié)點存活數(shù)

ACO算法在90輪附近節(jié)點開始出現(xiàn)死亡；MRFD算法在120輪時節(jié)點開始出現(xiàn)死亡；本文算法在260輪時節(jié)點出現(xiàn)死亡，相較于ACO和MRFD分別延長生命周期約為180%和116.67%。很顯然，在相同的運行時間下，新算法存活節(jié)點數(shù)更多，究其原因是本文算法在預設的網(wǎng)格中引入三角模算子，綜合節(jié)點位置與剩余能量融合判決出最佳簇頭。簇間路由階段又將鄰居節(jié)點剩余能量考慮進了下一跳擇路方程中，且量子蟻群算法本身在全局尋優(yōu)和快速收斂方面更具優(yōu)勢，網(wǎng)絡能量利用率得以更加平均，網(wǎng)絡壽命得以延長。

在圖5中觀察3種算法源節(jié)點到目標節(jié)點的平均時延，在節(jié)點密度n為100、150、200、250、300時，經(jīng)過多次實驗得到最短路徑平均時延?？梢钥闯?，與ACO算法和MRFD算法相比，本文算法求得的最短路徑平均延時在220～320 ms附近，降低延遲約1/3，能夠滿足居民用電情況監(jiān)測的 1 s級和負荷控制與管理通信業(yè)務的分鐘級延遲要求。

由圖6可知，隨著時延的增加,配電自動化業(yè)務的帶寬需求不斷降低,且幅度逐漸趨于平緩[15]。這是因為需要根據(jù)業(yè)務重要性對帶寬進行合理的權重分配，如極緊急業(yè)務(配電失電信息傳輸?shù)?分得同時段較多帶寬量，非緊急業(yè)務(輸電裝置常規(guī)信息采集等)分得較少帶寬；帶寬的優(yōu)化效果是否滿足用戶業(yè)務需求同樣可以通過時延看出。如果仿真中時延始終要小于預先設定的時延違閾值且波動不大，則可以滿足配電自動化業(yè)務的帶寬分配QoS要求。而由圖5可知，3種算法在業(yè)務傳輸數(shù)據(jù)時都能滿足配電自動化業(yè)務的時延需求，而本文模型計算的帶寬結果更平緩，更滿足需求。

圖5 源節(jié)點到目標節(jié)點的延遲

圖6 時延對帶寬需求影響

由圖7可知采用本文算法、經(jīng)典ACO算法和MRFD算法在發(fā)送0～1 000個數(shù)據(jù)包區(qū)間均勻取10個點時，所消耗的能量對比情況?？梢钥闯觯疚乃惴ǖ哪芰肯氖冀K少于ACO算法和ARA算法，并且隨著發(fā)包數(shù)量的增加，與另2種算法的能量消耗差距越來越大。

由圖8可知，由于在人為補充信息素表達式時考慮了配電自動化業(yè)務的丟包率要求作為篩選指標，ED-ACO和另外2個算法相比，丟包率明顯更低,更能滿足配電自動化業(yè)務對高壓線路的數(shù)據(jù)監(jiān)控需求更加準確的特點。

圖8 傳輸過程中節(jié)點丟包率

4 結論

所提出的EDACO-VG算法在延遲、生命周期和能耗均衡性上具有優(yōu)勢，更能滿足通信網(wǎng)中配電自動化業(yè)務需求。與經(jīng)典蟻群算法ACO和MRFD對比，由于EDACO-VG算法在成簇階段首次引入三角模算子融合判決節(jié)點位置和剩余能量，根據(jù)最大隸屬度原則選舉簇頭，在一定程度上優(yōu)化了網(wǎng)絡能耗；在下一跳轉移概率信息啟發(fā)函數(shù)中綜合考慮了節(jié)點剩余能量和路徑信息素更新，又在期望啟發(fā)函數(shù)中考慮了配電自動化業(yè)務對丟包率、帶寬、時延等指標等因素，找到了源節(jié)點到目標節(jié)點之間的最優(yōu)路徑，提高了全局搜索的能力，使得求出的解比其他2種對比算法更加適用于DCN的配電自動化業(yè)務。

由于仿真時對代價函數(shù)中ω的劃分較固定，算法整體能滿足需要的指標，但不一定最優(yōu)。接下來將探索在不同配電網(wǎng)業(yè)務下的ω值劃分，對配電通信網(wǎng)中其他業(yè)務和不同業(yè)務間帶寬分配滿意度進行優(yōu)化。