罗 杰， 黄小庆， 何 杰， 张开达

(湖南大学 电气与信息工程学院,湖南 长沙 410082)

输电线路在线监测WSNs优化部署研究*

罗 杰， 黄小庆， 何 杰， 张开达

(湖南大学 电气与信息工程学院,湖南 长沙 410082)

应用于输电线路在线监测的无线传感器网络(WSNs)通常呈长链型，存在跳数多、时延大的问题。引入具备无线公网通信模块的异构节点能够优化WSNs时延性能。考虑网络中传感器节点分布不均匀引起的数据分布不均匀这一普遍现象及其对时延的影响，建立了异构WSNs的最大时延模型；同时考虑网段划分和异构节点部署对时延的影响，提出了一种基于局部搜索思想的网络优化部署方法来优化网络时延。仿真结果表明：上述方法能有效降低网络最大时延，提高网络实时性。

无线传感器网络； 输电线路在线监测； 时延； 网络部署

0 引 言

输电线路是电能传输的主要通道,对输电线路进行在线监测，实时掌握其运行状态，及时发现并处理故障对确保电能的安全稳定传输有着重要的意义。无线传感器网络(WSNs)作为一种低功耗、低复杂度、低成本的无线网络，已经在工业监控等领域得到广泛应用[1，2]。如何将其应用于输电线路来实现在线监测数据的实时、可靠传输已成为研究热点[3，4]。

目前已有较多的文献研究了如何构建可靠、实时的输电线路WSNs。李丽芬等人[5]提出了一种长链型输电线路WSNs，监测数据通过节点间的无线接力传输至变电站。Leon R A[6],Yi Yang等人[7]将输电线路WSNs分为2层，底层单跳实现监测数据汇集，上层通过无线接力传输汇集数据至变电站。但上述2种网络单纯采用无线接力传输，路径长、跳数多，可能引起网络时延过大问题。为提高网络的实时性，Hung K S等人在分层网络的基础上，引入具备无线公网通信能力的异构节点，提出一种异构WSNs[8]。Chen J等人分析了该异构网络的时延和异构节点部署对时延的影响，并以最小化时延为目标提出一种异构WSNs的优化部署方法[9]。Fateh B等人以时延为约束，以组网成本最小为目标，采用线性规划的方法对异构WSNs进行了优化部署[10]。

在现有对该异构WSNs的研究中，大多数文献都假设网络中传感器节点分布是均匀的。但实际上输电线路上的传感器节点分布并不均匀，而这种不均匀性会对时延分析产生较大影响。基于此，本文分析了传感器节点分布不均匀情况下异构WSNs的时延，并提出一种新的网络优化部署方法来优化时延。

1 基于异构WSNs的输电线路在线监测系统

1.1 输电线路异构WSNs模型

输电线路异构WSNs按具体的功能分为2层：接入层与汇集层。网络结构如图1所示。

图1 输电线路异构WSNs网络模型Fig 1 Network model of transmission line heterogeneous WSNs

1)接入层：接入层由传感器节点(sensor node,SN)组成。SN负责采集监测量，一般部署在杆塔周围，以杆塔为中心形成多个子网，实现数据汇集。由于监测需求不同，重点监测区域的SN数量与监测量更多，SN分布不均匀。

2)汇集层：汇集层由中继节点(relay node，RN)与远传节点(long range communication node，LN)组成。RN通常安装在杆塔上，作为SN子网簇头汇集监测数据，并转发上游RN的数据。为减少能耗，降低信道竞争，RN通信距离控制在能与左右2个相邻节点通信的大小。LN为异构节点，除了起到与RN相同的作用外，它还能将数据通过无线公网直接远传至变电站。

1.2 数据传输方式

SN采样数据单跳汇集至RN(LN)后，被RN(LN)合并为单个数据包，沿输电线路传输至变电站。距变电站近的RN通过无线接力方式传输数据；距变电站远的RN采用混合传输方式，先将数据通过无线接力传输至LN，再由LN通过无线公网传输至变电站。

数据传输方式与方向不同使整个WSNs汇集层被划分为多个独立的网段，如图2所示。远传网段(long range communication group,LG)指以混合传输方式传输数据的节点群，每个LG中包含一个LN。中继网段(relay group,RG)为以无线接力方式传输数据的节点群，RG中不含LN，位于线路两端靠近变电站的区域。为方便之后的研究，按图3对网络节点和网段进行编号。

2 网络时延分析

2.1 网络时延模型

网络中节点j数据包Sj经多跳传输的端到端时延模型可以表示为

(1)

其中,H(j)为Sj路由跳数，dtrans(j,i)为Sj第i跳传输时延，与链路带宽和Sj大小有关。dproc(j,i)为Sj第i跳处理时延，由节点处理能力决定。dqueue(j,i)为Sj第i跳等待发送的时延，由队列中的排队时间和信道竞争时间组成。

2.2 网络最大时延

网络时延具有随机性，因此,可采用网络中可能出现的最大时延评估网络实时性。由于RG与LG的数据传输方式不同，因此,分别进行分析。为简化分析，按实际情况做出如下假设：1)RN(LN)每隔周期T发送一个合并的数据包，包大小与子网中SN多少相关；2)周期T足够大以确保网络能在T内传输完所有数据包；3)MAC协议已解决“隐藏终端”与“暴露终端”问题；4)FIFO缓存队列足够大，链路可靠。

首先分析RG，由于路由跳数越多，时延越大，因此,RG的最大时延由末端节点数据包产生。设RG末端节点b数据包为Sb，Sb单跳时延中dproc(b,i)与dtrans(b,i)一般不变，dqueue(b,i)为变量，因此,Sb的经H(b)跳的时延D(Sb)可表示为

D(Sb)=Ab×H(b)+Bb.

(2)

RG末端数据包经2跳和3跳传输至变电站时可能产生的时延如图3。2跳时，D(S2)=2(S2/Ro)+2C+(S1/Ro)，其中,Bb=S1/Ro。3跳时，D(S3)=3(S3/Ro)+3C+2(S2/Ro)+(S1/Ro)，其中Bb=2(S2/Ro)+(S1/Ro)。

图3 RG末端节点2跳和3跳的时延分析Fig 3 Analysis on delay of 2 hops and 3 hops of the end node of RG

2跳时，网络中的数据包除S2外，只有S1。第1跳时节点2队列中只有S2。若dqueue(2,1)≠0，说明此时S2与S1竞争信道，且竞争失败，max(dqueue(2,1))=S1/Ro。S1只需1跳传输，故S2第2跳时，dqueue(2,2)=0。若第1跳时dqueue(2,1)=0，说明S1未参与信道竞争或竞争失败，但第2跳时，队列中S2可能需等待前端的S1发送，因此,max(dqueue(2,2))=S1/Ro。综上可知，S2经2跳传输时，max(Bb)=S1/Ro，图3(b)所示2跳情况的D(S2)为D(S2)最大值。

按2跳时同样的方式分析，可得3跳时max(Bb)=(2S2+S1)/Ro，图3(a)所示3跳情况的D(S3)亦为D(S3)最大值。

推广到一般情况，可得D(Sb)的最大值为

(3)

其中,f为RG首端节点号。对于任意RG，其最大时延DRG即为其中Sb时延最大值

DRG=max(D(Sb)).

(4)

图4 LG中末端节点时延最大情况Fig 4 Situation of the maximum delay of the end node of LG

再分析LG，与RG相同，LG的最大时延由末端节点数据包产生，但LG存在2个末端节点l和r。分析Sl，无线接力时Sl最大时延的情况与Sb类似，但max(Bl)应增加最后一跳信道竞争失败后等待LN接收对侧数据包的时间，具体情况如图4所示。此外，D(Sl)还需要增加无线公网传输时延。因此,D(Sl)的最大值为

(5)

其中,Rd为公网传输速率，k为LN位置。

对于任意LG，其最大时延DLG即为Sl与Sr时延最大值中的最大值

DLG=max(max(D(Sl),max(D(Sr))).

(6)

2.3 时延影响因素分析

由式(3)、式(4)可知，DRG受网段划分的影响，划入RG中的节点越多，H(b)，H(j)越大，DRG越大。同时DRG还受路由路径上各节点Sj大小的影响，Sj越大，DRG越大。由式(5)、式(6)可知DLG同样受网段划分和路由路径上各节点Sj大小的影响，但其大小还与k有关。当l和r确定时，k离r更近会增大H(l)，H(j)，从而增大DLG。

综上，网段最大时延受网段划分、网段内节点数据包Sj分布及LG中LN位置k的影响。

3 网络优化部署

定义全局网络时延Dmax为全部数据包到达变电站的最大时延，即Dmax=max{DRG(RG(1)), DRG(RG(2)),…,DLG(LG(g))}。当LN数量一定时，通过对网络进行优化部署，合理划分网段并确定LN最佳位置能有效降低Dmax。

由图3可知，当各LG末端节点l和r确定时，RG末端节点b与网段划分随之确定。g个LG的l，r和k可构成组合x=(l(1),r(1),k(1),…,l(g),r(g),k(g))。网络优化部署问题可描述为关于x的组合优化问题，如下式

minDmax=max{DRG(RG(1)),…,DLG(LG(g))},

s.t0

0

l(t)

r(t)=l(t+1)-1.

(7)

其中,n为汇集层节点数。本文借鉴局部搜索法的思想，提出一种快速寻优方法，总体思路为：从一个可行解出发，按特定的搜索方向构造新解，如果新解能够产生更小的Dmax，便继续循环；否则，终止搜索输出最优解。具体步骤如下：

1)按式(7)的约束随机生成可行解x0。

2)保持x0中l,r不变，执行“LN最佳位置搜索”，更新x0中的k，使任意LG(j)的DLG(j)等于l(j),r(j)确定时LG(j)的最小时延DL min(j)，形成新解x1。

“LN最佳位置搜索”步骤如图5,基本思想为：将LG中的k向l和r中最大时延更大的一侧靠近，以减小DLG，直至DLG达到最小为止。

图5 “LN的最佳位置搜索”步骤Fig 5 Procedure of “best location searching of LN”

3)执行“网段划分”，生成新解x2。

“网段划分”的基本思想为：找到按x1部署时最大时延等于Dmax网段m。将l(m)或r(m)向靠近k的方向改变(若m为RG,则改变相邻LG的l或r)，减少m中的节点数，同时重新划分其他网段，若能保证其他网段的DL min(j)

4)根据新解x2重新计算Dmax，若Dmax减小,则令x1=x2，返回步骤(3)继续搜索;否则,输出x1为最优解。

4 仿真与验证

采用Matlab进行仿真验证，以云南电网220 kV大镇线为监测对象构建网络，线路全长为104.132 km，杆塔281基，平均杆塔档距370 m。线路环境特征如表1所示。

表1 220 kV大镇线环境特征Tab 1 Environment features of 220 kV transmission line Dazhen

每基杆塔部署一个RN/LN，其数据包大小按以下方案模拟：基本运行状态数据包大小Sj=2 kbytes，若RN/LN属于表1中的n个环境特征区，增加2 kbytes·n的合并数据包长度。无线接力通信速率取Ro=31.25 kbytes/s，无线公网通信速率取Rd=8 kbytes/s，节点处理时延dproc=16 ms。

取LG数量g=8，将文献[10]的一般部署(normal place，NP)方法与本文的网络优化部署(optimize place，OP)方法对比，结果如表2。采用OP方法时Dmax=34.010 s，而

表2 g=8时采用2种部署方法的网段时延比较Tab 2 Comparison of network segment delay between two methods when g=8

采用NP方法时Dmax=63.220 s。这表明本文OP方法能够有效降低Dmax，而降低Dmax的方法为均衡各网段的最大时延。

图6为LN数量变化时，采用NP方法与本文OP方法进行部署后网络时延情况。随着LN数量的增加，Dmax逐渐减小，但趋势逐渐平缓，说明LN增加到一定数量后，时延优化效果逐渐减弱。而当LN数量一定时，采用OP方法部署的网络时延明显更小，网络实时性更优。

图6 LN数量变化时2种优化方法下的DmaxFig 6 Dmax under 2 different optimizing methods when the number of LN changes

SCADA系统向变电站采样数据的周期为4～8 s，以8 s为时延限制，计算不同优化部署方法下保证时延满足采样间隔的最少LN节点数，结果如表3。结果表明:OP方法比NP方法少用26个LN即满足了时延需求。

表3 满足SCADA采样周期的最少LN数Tab 3 Minimal amount of LN that can satisfy the SCADA sampling cycle

5 结 论

将WSNs应用于输电线路在线监测具有诸多优势，但特殊的应用环境为网络构建带来了许多困难。本文对输电线路在线监测异构WSNs的实时性问题进行了研究，考虑传感器节点分布不均匀的实际情况，建立了最大时延模型；然后以网络最大时延最小为目标，提出了网络优化部署方法。仿真结果表明:所提出的方法能有效降低网络最大时延，提高网络实时性。

[1] 杨维卫,俞阿龙,贾芳芳,等.基于WSNs和移动Agent的桥梁结构健康监测研究[J].传感器与微系统,2013,32(12):78-81.

[2] 李家琪,刘宪华,陈浩扬,等.基于无线传感器网络的海水水质在线监测系统开发[J].传感器与微系统,2013,32(11):95-97.

[3] 赵增华,石高涛,韩双立,等.基于无线传感器网络的高压输电线路在线监测系统[J].电力系统自动化,2009,33(19):80-84.

[4] 刘 芹,王 钢,董 镝,等.线路在线监测的自组织自愈无线传感器网络方案[J].高电压技术,2010,36(3):616-620.

[5] 李丽芬,朱永利,于永华.基于长链树状无线传感器网络实现输电线路在线监测数据传输[J].电网技术,2011,35(6):199-203.

[6] Leon R A,Vittal V,Manimaran G.Application of sensor network for secure electric energy infrastructure[J].IEEE Transactions on Power Delivery,2007,22(2):1021-1028.

[7] Yi Yang,Divan D,Harley R G,et al.Design and implementation of power line sensor net for overhead transmission lines[C]∥Proceedings of 2009 IEEE Power & Energy Society General Meeting,Calgary,Canada,2009:1-8.

[8] Hung K S,Lee W K.On wireless sensors communication for overhead transmission line monitoring in power delivery system-s[C]∥Proceedings of 2010 First IEEE International Conference on Smart Grid Communications, Gaithersburg,USA,2010:309-314.

[9] Wu Yik-chung,Cheung Long-fung,Lui King-shan,et al.Efficient communication of sensors monitoring overhead transmission line-s[J].IEEE Transactions on Smart Grid,2012,3(3):1130-1136.

[10] Fateh B,Govindarasu M,Ajjarapu V.Wireless network design for transmission line monitoring in smart grid[J].IEEE Transactions on Smart Grid,2013,4(2):1076-1086.

Optimized deployment research of WSNs used in transmission line online monitoring*

LUO Jie, HUANG Xiao-qing, HE Jie, ZHANG Kai-da

(College of Electrical & Information Engineering,Hunan University,Changsha 410082,China)

Long-chain wireless sensor networks(WSNs)used in transmission line online monitoring presents some problems such as many hop counts and large delay.To optimize delay performance of WSNs,heterogeneous nodes that can communicate through wireless public network are brought in.Considering the uneven distribution of data caused by uneven deployment of sensor nodes,and effect on delay build the maximum delay model of heterogeneous WSNs;then considering that the network segments partition and effect of heterogeneous nodes deployment on delay,network optimization deployment method based on local search idea is proposed to optimize network delay.Simulation results indicate that the proposed method can effectively decrease the maximum network delay and improve the real-time of WSNs.

wireless sensor networks(WSNs); transmission line online monitoring; delay; network deployment

10.13873/J.1000—9787(2014)08—0052—04

2014—01—13

国家自然科学基金资助项目(51137003)；国家“863”计划智能电网重大专项课题资助项目21(2011AA05A120)；国家青年科学基金资助项目(61104090)

TM 732

A

1000—9787(2014)08—0052—04

罗 杰(1990-)，男，江西萍乡人，硕士研究生，主要研究方向为无线传感器网络在智能电网中的应用。