任 智，吳本源，周 舟，蘇 新

（重慶郵電大學(xué)通信與信息工程學(xué)院，重慶 400065）

0 概述

2019 年，國家電網(wǎng)有限公司提出建設(shè)“三型兩網(wǎng)”世界一流能源互聯(lián)網(wǎng)的戰(zhàn)略目標(biāo)［1］，其核心是建設(shè)泛在電力物聯(lián)網(wǎng)以實(shí)現(xiàn)電力業(yè)務(wù)全面感知、高效處理、便捷應(yīng)用［2］，綜合應(yīng)用大數(shù)據(jù)、云計(jì)算、人工智能等新興通信技術(shù)，使電力系統(tǒng)設(shè)備和通信技術(shù)相融合。目前，電力系統(tǒng)業(yè)務(wù)發(fā)展具有信息采集業(yè)務(wù)爆發(fā)式增長、控制業(yè)務(wù)末端發(fā)展、覆蓋范圍廣等特點(diǎn)［3-4］。由于泛在電力物聯(lián)網(wǎng)節(jié)點(diǎn)數(shù)目眾多且范圍廣，隨著越來越多的資源受限影響節(jié)點(diǎn)間應(yīng)用層數(shù)據(jù)傳輸效率，進(jìn)而無法實(shí)現(xiàn)電力信息流的泛在互聯(lián)和有效傳輸。

為解決物聯(lián)網(wǎng)設(shè)備應(yīng)用層通信的效率問題，國際互聯(lián)網(wǎng)工程任務(wù)組（The Internet Engineering Task Force，IETF）于2014 年提出RFC7252 標(biāo)準(zhǔn)協(xié)議規(guī)范，設(shè)計(jì)一種基于表征狀態(tài)轉(zhuǎn)移（Representational State Transfer，REST）架構(gòu)的合理通用應(yīng)用層通信協(xié)議，即受限應(yīng)用協(xié)議（Constrained Application Protocol，CoAP）［5］。該協(xié)議類似于HTTP 協(xié)議，常用于低功耗、資源受限網(wǎng)絡(luò)節(jié)點(diǎn)間的通信，主要目標(biāo)是滿足（如物聯(lián)網(wǎng)）等節(jié)點(diǎn)資源受限環(huán)境下的特殊需求，實(shí)現(xiàn)物聯(lián)網(wǎng)數(shù)據(jù)共享［6］。

合理的擁塞控制是通信可靠傳輸?shù)谋匾ＷC。CoAP 協(xié)議在RFC7252 標(biāo)準(zhǔn)中提供一種基于Stop-andwait ARQ 重傳機(jī)制［6］的擁塞控制機(jī)制，在默認(rèn)情況下，重傳時間初始值隨機(jī)從2 s、3 s 內(nèi)選取，此后每次重傳時用指數(shù)退避算法對重傳超時時間（Retransmission TimeOut，RTO）進(jìn)行指數(shù)級更新。但物聯(lián)網(wǎng)的網(wǎng)絡(luò)環(huán)境往往彼此差別很大，因此這種原始的擁塞控制在物聯(lián)網(wǎng)環(huán)境中無法保證具有良好的數(shù)據(jù)傳輸效率。IETF提出一種新的RFC擁塞控制草案（CoAPSimple Congestion Control/Advanced，CoCoA）［6］，對CoAP 原始擁塞控制機(jī)制進(jìn)行改進(jìn)。CoAP 協(xié)議獲取能夠反映當(dāng)前鏈路狀況的鏈路往返時間（Round-Trip Time，RTT）并根據(jù)RTT自適應(yīng)地調(diào)整RTO，為CoAP 協(xié)議的擁塞控制機(jī)制增加了動態(tài)和學(xué)習(xí)特性。文獻(xiàn)［9］提出CoAP 物聯(lián)網(wǎng)應(yīng)用層通信方案，介紹物聯(lián)網(wǎng)場景的數(shù)據(jù)傳輸，探討物聯(lián)網(wǎng)中應(yīng)用層流服務(wù)的必要性。文獻(xiàn)［10］提出動態(tài)模式選擇機(jī)制，在CoAP 低功耗網(wǎng)絡(luò)場景下應(yīng)用層通信有2 種操作模式，以降低功耗并最小化延遲。文獻(xiàn)［11］對CoAP原始擁塞控制算法與CoCoA 算法進(jìn)行性能和可靠性對比，原始CoAP 擁塞控制算法過于保守導(dǎo)致在網(wǎng)絡(luò)擁塞狀態(tài)產(chǎn)生高時延和低成功率。文獻(xiàn)［12］在CoAP 頭部增加重傳ID 字段來解決弱估計(jì)器不確定性和在低帶寬、高丟包率的鏈路下存在估計(jì)誤差的問題，從而顯著提高擁塞網(wǎng)絡(luò)中的吞吐量。文獻(xiàn)［13］提出CoCoA 協(xié)議在網(wǎng)絡(luò)流量激增和超時重傳選擇不當(dāng)時，弱估計(jì)器無法準(zhǔn)確對RTT 進(jìn)行計(jì)算，進(jìn)而導(dǎo)致RTO 出現(xiàn)估計(jì)誤差，擁塞控制性能明顯低于原始CoAP 擁塞控制機(jī)制。文獻(xiàn)［14］采用CoCoA+算法對弱估計(jì)器計(jì)算進(jìn)行修改，減少了弱變化對網(wǎng)絡(luò)傳輸?shù)挠绊懀⒃黾恿丝勺兒笸艘蜃?。文獻(xiàn)［15］利用CoAP 傳輸帶寬延遲進(jìn)行網(wǎng)絡(luò)擁塞控制，對發(fā)送端的傳輸速率進(jìn)行調(diào)整，并與估計(jì)帶寬相匹配實(shí)現(xiàn)擁塞控制。

針對泛在電力物聯(lián)網(wǎng)資源受限特性，本文基于CoAP 協(xié)議的泛在電力物聯(lián)網(wǎng)應(yīng)用層通信協(xié)議，提出一種鏈路穩(wěn)定性的CoAP 擁塞控制（A Link-Stability-Based CoAP Congestion Control，L-CoCC）算法。將泛在電力物聯(lián)網(wǎng)架構(gòu)結(jié)合CoAP 協(xié)議進(jìn)行應(yīng)用層通信，完成電力業(yè)務(wù)與通信技術(shù)相融合。在此基礎(chǔ)上，采用3 種自適應(yīng)RTT 估計(jì)器來區(qū)分鏈路狀態(tài)進(jìn)而估計(jì)RTO。

1 泛在電力物聯(lián)網(wǎng)與CoAP 協(xié)議

泛在電力物聯(lián)網(wǎng)的目標(biāo)是將電力系統(tǒng)和新興通信產(chǎn)業(yè)跨平臺相結(jié)合，因此，泛在電力物聯(lián)網(wǎng)場景下的應(yīng)用層通信協(xié)議尤為重要。

1.1 CoAP 協(xié)議

CoAP 協(xié)議的設(shè)計(jì)是為了滿足資源受限網(wǎng)絡(luò)和物聯(lián)網(wǎng)的應(yīng)用層通信需求，其協(xié)議棧如圖1 所示。為滿足CoAP 協(xié)議的輕量級要求，以UDP 為傳輸層協(xié)議，數(shù)據(jù)通過請求/響應(yīng)模型進(jìn)行交互。

圖1 CoAP 協(xié)議棧Fig.1 Protocol stack of CoAP

CoAP 協(xié)議邏輯上采用雙層結(jié)構(gòu)：1）消息層，節(jié)點(diǎn)間數(shù)據(jù)進(jìn)行交互和擁塞控制；2）請求/響應(yīng)層，與HTTP 類似的資源操作，包括獲取資源的GET 方法、創(chuàng)建資源的POST 方法、更新資源的PUT 方法、刪除資源的DELETE 方法。

CoAP 協(xié)議共定義了4 種消息類型，分別為需要被確認(rèn)的消息（Confirmable Message，CON）、不需要被確認(rèn)的消息（Non-Confirmable Message，NON）、應(yīng)答消息（Ackknowledge Message，ACK）、復(fù)位消息（Reset Message，RST）。通過這4 種消息，CoAP 協(xié)議同時實(shí)現(xiàn)了物聯(lián)網(wǎng)場景下的不可靠傳輸和輕量級的可靠傳輸。

1.2 泛在電力物聯(lián)網(wǎng)體系架構(gòu)

泛在電力物聯(lián)網(wǎng)將電網(wǎng)中的基礎(chǔ)設(shè)施、員工、用戶以及其所在環(huán)境進(jìn)行互聯(lián)互通的網(wǎng)絡(luò)環(huán)境，是一種適用于電力業(yè)務(wù)系統(tǒng)的工業(yè)級物聯(lián)網(wǎng)。其體系架構(gòu)如圖2 所示，在物聯(lián)網(wǎng)感知延伸層、網(wǎng)絡(luò)傳輸層和平臺應(yīng)用層3 層架構(gòu)的基礎(chǔ)上增加了邊緣計(jì)算層。

圖2 泛在電力物聯(lián)網(wǎng)架構(gòu)Fig.2 Architecture of ubiquitous electric IoT

泛在電力物聯(lián)網(wǎng)正處在飛速發(fā)展階段，通信網(wǎng)絡(luò)核心正在搭建，但加入急速增長的終端業(yè)務(wù)節(jié)點(diǎn)后仍面臨著通信覆蓋力度和可靠性的問題。目前迫切需求一種能夠滿足電網(wǎng)業(yè)務(wù)精準(zhǔn)負(fù)荷控制和智能化管理的應(yīng)用層通信協(xié)議［16］，泛在電力物聯(lián)網(wǎng)的網(wǎng)絡(luò)特點(diǎn)對其通信協(xié)議的要求歸納為以下3 個方面：1）輕量級，節(jié)點(diǎn)數(shù)目多且運(yùn)算能力受限，協(xié)議應(yīng)當(dāng)盡量簡單高效；2）流量控制，節(jié)點(diǎn)資源受限通信能力弱，應(yīng)減少業(yè)務(wù)負(fù)荷量；3）兼容和可拓展性，考慮到將結(jié)合大數(shù)據(jù)、云計(jì)算、深度學(xué)習(xí)等新興通信技術(shù)，協(xié)議應(yīng)當(dāng)具備兼容、可拓展性以及負(fù)載共享功能［17］。

CoAP 協(xié)議適用于工業(yè)物聯(lián)網(wǎng)［18］，最大的優(yōu)勢是其兼容性高，其與已有現(xiàn)成網(wǎng)絡(luò)架構(gòu)和傳輸協(xié)議的系統(tǒng)（如智能電表）［19］完美匹配。

輕量級的CoAP 協(xié)議適合泛在電力物聯(lián)網(wǎng)應(yīng)用場景，但考慮到泛在電力物聯(lián)網(wǎng)接入節(jié)點(diǎn)增多，網(wǎng)絡(luò)流量負(fù)載增大、鏈路不穩(wěn)定性等問題，很容易造成網(wǎng)絡(luò)擁塞，還需進(jìn)一步研究CoAP 協(xié)議從應(yīng)用層額外提供保障可靠性傳輸?shù)膿砣刂茩C(jī)制［20］。

2 L-CoCC 算法

本文根據(jù)泛在電力物聯(lián)網(wǎng)的鏈路特點(diǎn)提出一種基于鏈路穩(wěn)定性的L-CoCC 算法。默認(rèn)超時重傳值RTO的合理估計(jì)是CoAP 協(xié)議擁塞控制的關(guān)鍵因素［21］。在RTO時間內(nèi)接收方未收到數(shù)據(jù)包，發(fā)送方將該數(shù)據(jù)包視為丟失，并啟動包重傳。當(dāng)RTO小于實(shí)際網(wǎng)絡(luò)往返時延RTT時，會造成不必要的虛假重傳。但當(dāng)RTO過大時，又會造成重傳等待時間過長，形成網(wǎng)絡(luò)擁塞影響傳輸效率。

2.1 3 種RTT 估 計(jì)

L-CoCC 算法利用強(qiáng)RTT、弱RTT和失敗RTT這3 種估計(jì)器確定準(zhǔn)確的網(wǎng)絡(luò)鏈路狀態(tài)進(jìn)而估計(jì)RTO，并提供自適應(yīng)的擁塞控制。L-CoCC 算法在請求-響應(yīng)交互模型中加入重傳計(jì)數(shù)（Retransmission Count，RC）變量，以減小由于物聯(lián)網(wǎng)環(huán)境波動而引起的RTT負(fù)變化。因此使用下界RTO約束方法，避免了不必要的虛假重傳，且老化更新機(jī)制限制了RTO值的有效性，從而提高了所提方案的效率。3 種RTT估計(jì)器分別將成功、延遲和失敗的包視為強(qiáng)、弱和失敗的RTT。

在CoAP 協(xié)議中實(shí)現(xiàn)的大多數(shù)擁塞控制機(jī)制的假設(shè)只由網(wǎng)絡(luò)擁塞引起包丟失。但從大規(guī)模物聯(lián)網(wǎng)場景分析，當(dāng)節(jié)點(diǎn)在爭奪網(wǎng)絡(luò)資源時，會出現(xiàn)丟包和延遲，導(dǎo)致節(jié)點(diǎn)和通信鏈路都出現(xiàn)網(wǎng)絡(luò)擁塞。節(jié)點(diǎn)級的網(wǎng)絡(luò)擁塞大多為數(shù)據(jù)包延遲，而鏈路級的擁塞會導(dǎo)致數(shù)據(jù)沖突。因此，在RTO測量中，L-CoCC 算法同時考慮了鏈路級擁塞碰撞和節(jié)點(diǎn)級擁塞延遲的影響。

L-CoCC 算法運(yùn)行3 種RTT估計(jì)器，分別利用不同ACK 消息進(jìn)行RTT估計(jì)，強(qiáng)RTT表示數(shù)據(jù)包從客戶端節(jié)點(diǎn)到服務(wù)器節(jié)點(diǎn)的成功傳輸，即時ACK 用于計(jì)算數(shù)據(jù)包已成功傳輸?shù)膹?qiáng)RTT；弱RTT表示數(shù)據(jù)包從客戶端節(jié)點(diǎn)到服務(wù)器節(jié)點(diǎn)的延遲傳輸，延遲ACK 用于計(jì)算在重傳中傳輸數(shù)據(jù)包的弱RTT；失敗RTT表示從客戶端節(jié)點(diǎn)到服務(wù)器節(jié)點(diǎn)的數(shù)據(jù)包傳輸失敗，NO ACK 用于計(jì)算失敗的RTT，對于該RTT，相同的包已被重新傳輸，并且最多4 次都未能交付，失敗RTT表明存在著鏈路級的沖突，即有些數(shù)據(jù)包丟失。根據(jù)上述方法，實(shí)現(xiàn)了RTT的自適應(yīng)計(jì)算。

2.2 動態(tài)SR和RTO 估計(jì)器

L-CoCC 算法利用RTO來確保傳輸可靠性和最小的重傳。CoAP協(xié)議默認(rèn)擁塞機(jī)制使用平滑RTT（SR）和RTT抖動值（RTTVAR）。CoAP 協(xié)議根據(jù)最大延遲和處理延遲來決定數(shù)據(jù)包傳輸?shù)腞TT值，在收到第一個RTT樣本后，L-CoCC 算法計(jì)算RTO如式（1）～式（3）所示：

強(qiáng)RTT、弱RTT和失敗RTT分別表示正常網(wǎng)絡(luò)中、節(jié)點(diǎn)級阻塞延遲和鏈路級沖突的RTT。運(yùn)用L-CoCC算法對SR測量進(jìn)行了改進(jìn)，以區(qū)分網(wǎng)絡(luò)擁塞和鏈路沖突情況。在實(shí)際應(yīng)用場景中，3 種RTT的大小關(guān)系是：強(qiáng)RTT<弱RTT<失敗RTT。用FR、SR 和WR 分別表示最后4 次傳輸中失敗RTT、強(qiáng)RTT和弱RTT的頻率。其中，α值總是大于（1?α）。

在鏈路沖突情況下FR>SR>0，即失敗RTT的貢獻(xiàn)要高于強(qiáng)RTT。由于鏈路級別沖突，有更多的數(shù)據(jù)包被丟棄，只能及時接收到少部分?jǐn)?shù)據(jù)包。在這種情況下，擁塞窗口將處于最小狀態(tài)。鏈路沖突中的如式（5）所示：

在節(jié)點(diǎn)級網(wǎng)絡(luò)擁塞下WR>FR，即弱RTT的貢獻(xiàn)要高于失敗RTT。因此，發(fā)送方在最大程度上增加RTO，降低了網(wǎng)絡(luò)擁塞影響，最終提高物聯(lián)網(wǎng)場景下的通信性能。節(jié)點(diǎn)級網(wǎng)絡(luò)擁塞下的如式（6）所示：

在正常情況下，SR 比WT、FR 大。因此，無需增加擁塞窗口的如式（7）所示：

將式（5）～式（7）代入式（4），可估計(jì)出總體RTO值。利用3 個RTT估計(jì)器來動態(tài)自適應(yīng)調(diào)整RTO值，但是在發(fā)端接收ACK 時不知道是第幾次重傳，導(dǎo)致計(jì)算出不準(zhǔn)確，所以擬加入重傳次數(shù)RC 字段以確定當(dāng)前是第幾次重傳并引入RTO下限機(jī)制和老化更新機(jī)制。

2.3 RC 值和RTT 波動估計(jì)RTO

在標(biāo)準(zhǔn)CoAP 協(xié)議中，節(jié)點(diǎn)使用消息ID 識別所有CoAP 確認(rèn)消息，并幫助系統(tǒng)檢測重復(fù)的數(shù)據(jù)包。對于擁塞情況，無法判定發(fā)端收到的響應(yīng)是重傳的延遲ACK 還是即時ACK。當(dāng)發(fā)端計(jì)劃向接收節(jié)點(diǎn)發(fā)出多個連續(xù)請求時，對于擁塞場景僅使用消息ID來確定數(shù)據(jù)包是不夠的，在估計(jì)RTO時導(dǎo)致2 個問題：1）確定太大的RTO，比RTT易導(dǎo)致包延遲，影響網(wǎng)絡(luò)吞吐量；2）RTO選擇不當(dāng)小于RTT，導(dǎo)致不必要虛假重傳和網(wǎng)絡(luò)擁塞造成的數(shù)據(jù)包丟失。

因此，L-CoCC 機(jī)制提出利用RC 字段來解決RTT的不公平性［22］，避免RTO的陡增和過度收縮。為了附加RC 新的字段，使用CoAP 協(xié)議中頭部控制消息的Option 選項(xiàng)。利用此字段信息，發(fā)端在收到ACK 包時提取RC 值以明確重傳次數(shù)。當(dāng)不發(fā)生重傳時，RC 值被賦值為零。對于每個重新傳輸?shù)陌?，RC 值遞增1。該機(jī)制利用RC 計(jì)數(shù)信息，避免了由于和RTO測量不當(dāng)而造成意外延遲和損失。

CoAP 和L-CoCC 機(jī)制傳輸對比如圖3 所示。CoAP 的原始擁塞控制機(jī)制如圖3（a）所示，可以看出節(jié)點(diǎn)A 收到的ACK 包中沒有重傳信息，無法得知ACK 包經(jīng)歷了幾次重傳，導(dǎo)致無法準(zhǔn)確計(jì)算RTT。L-CoCC 機(jī)制表明節(jié)點(diǎn)A 能夠得到正確的RTT，因ACK 包攜帶了RC 信息。鏈路沖突情況下L-CoCC 機(jī)制如圖3（b）所示，發(fā)送CON RC=2 后，發(fā)端收到第一個攜帶RC 的ACK。因此它被認(rèn)為是弱RTT，第一個CON 請求是一個失敗RTT，因此失敗和弱RTT的頻率都為1。當(dāng)網(wǎng)絡(luò)暢通時L-CoCC 機(jī)制如圖3（c）所示，第1 個和第2 個CON 請求都失敗，第3 次重傳后ACK 包被即時接收。

圖3 CoAP 和L-CoCC 機(jī)制傳輸對比Fig.3 Transmission comparison between CoAP and L-CoCC mechanisms

與其他擁塞控制機(jī)制簡單的收包時間減去發(fā)包時間計(jì)算RTT不同，L-CoCC 算法通過比較具有相同RC 值的CON 傳輸時間和ACK 的接收時間，使發(fā)送方節(jié)點(diǎn)測量數(shù)據(jù)包的實(shí)際RTT。

此外，利用RTT的波動RTTVAR對進(jìn)行加權(quán)預(yù)估，最大限度地減少RTO在后續(xù)傳輸中不必要的擴(kuò)展和收縮。體現(xiàn)出RTT的變化歷史，β的值設(shè)為0.125，返回值如式（8）所示：

從圖3（b）可以看出，RTT大于SR，因此的當(dāng)前值主要依賴于過去的RTTVAR。相比圖3（c）的RTT值小于SR。因此，值降低。L-CoCC 機(jī)制采用和SR的估計(jì)算法區(qū)分了擁塞和沖突場景，利用RTT波動限制了RTO的上限波動，并有效動態(tài)調(diào)整RTO值。與RTO上限值一樣，RTO的下限也決定了擁塞控制機(jī)制的效率。因此，利用RTO收縮方案成功地限制了RTO下限值。

2.4 RTO限制與更新

RTT的負(fù)變化使RTO比RTT小，這種情況會導(dǎo)致虛假重傳，再次出現(xiàn)高碰撞和擁堵。因此，本文附加了限制RTO（）測量中的max（?L，K×RTTVAR）條件，如式（9）所示：

其中：L為RTT的下限，建議初始L值不大于10 s。在隨后的RTO測量中，如果RTT的負(fù)變化增加，則L值增加10；當(dāng)RTT出現(xiàn)正變化時，L的值重置為10 s。因此，L-CoCC 算法決定了RTO收縮的最小程度以及CON 報(bào)文的虛假重發(fā)。下限RTO對擁塞控制機(jī)制的影響如圖4 所示。

圖4 L-CoCC 下限機(jī)制Fig.4 L-CoCC lower bound mechanism

K的值設(shè)置為4，利用SR值進(jìn)行估計(jì)，降低了RTTVAR對弱RTO估計(jì)的影響。從圖4（a）可以看出，由于RTT值極小，RTTVAR為負(fù)的擁塞控制機(jī)制。RTTVAR大幅減小，導(dǎo)致RTO急劇減少，并虛假重傳。但L-CoCC算法降低了RTT的L值，因此發(fā)送方節(jié)點(diǎn)可以在超時之前收到ACK 消息，避免了不必要的數(shù)據(jù)包重傳和延遲。

考慮到泛在電力物聯(lián)網(wǎng)的鏈路不穩(wěn)定因素，RTT變化很快。當(dāng)估計(jì)的RTO值在一段時間內(nèi)沒有更新時，就執(zhí)行更新老化。L-CoCC 平衡了基于的和基于之間的RTO值，RTO值如式（10）所示：

在CoAP 中L-CoCC 機(jī)制使用3 種RTO估計(jì)器、RTO值的下界限制、RTT波動處理方案和老化概念，提高了在泛在電力物聯(lián)網(wǎng)場景下的CoAP 性能。

3 仿真分析

以網(wǎng)絡(luò)鏈路估計(jì)為基礎(chǔ)從理論上對L-CoCC 算法進(jìn)行定量分析。本文模擬泛在電力物聯(lián)網(wǎng)場景，選取原始CoAP 協(xié)議中指數(shù)退避機(jī)制算法，L-CoCC算法、文獻(xiàn)［23］中CoCoA++算法，重復(fù)實(shí)驗(yàn)分別對3 種算法的吞吐量、端到端時延、請求成功率等指標(biāo)進(jìn)行比較分析。

3.1 網(wǎng)絡(luò)拓?fù)涮卣?/h3>

由于泛在電力物聯(lián)網(wǎng)部署環(huán)境的特殊性和復(fù)雜性，泛在電力物聯(lián)網(wǎng)的拓?fù)浣Y(jié)構(gòu)如圖5 所示。樹狀拓?fù)鋵⒍鄠€子節(jié)點(diǎn)連接到中央服務(wù)器，中央服務(wù)器承擔(dān)子節(jié)點(diǎn)入網(wǎng)、資源調(diào)度、數(shù)據(jù)收集、數(shù)據(jù)處理等功能。但由于泛在電力物聯(lián)網(wǎng)資源受限性和傳輸鏈路不穩(wěn)定性，因此節(jié)點(diǎn)間通信很容易發(fā)生沖突。

圖5 泛在電力物聯(lián)網(wǎng)拓?fù)浣Y(jié)構(gòu)Fig.5 Topology structure of ubiqutous electric IoT

3.2 仿真參數(shù)設(shè)置

本文使用Windows 平臺上OPENT Modeler 14.5仿真軟件，構(gòu)建了如圖5 所示的拓?fù)浞抡鏈y試環(huán)境。CoAP 消息由每個子節(jié)點(diǎn)產(chǎn)生，并定期向拓?fù)渲械闹醒敕?wù)器傳輸，為了生成不同級別的網(wǎng)絡(luò)流量，設(shè)置不同節(jié)點(diǎn)個數(shù)M，并將數(shù)據(jù)傳輸間隔T設(shè)為2～30 s，模擬網(wǎng)絡(luò)擁塞情況和鏈路沖突情況。每個節(jié)點(diǎn)的發(fā)射、接收功率以及通信范圍均相同；其中鏈路帶寬設(shè)為50 kb/s，模擬資源受限網(wǎng)絡(luò)場景；消息重傳時間初值為2 s，最大重傳次數(shù)K值設(shè)為默認(rèn)值4。在資源受限環(huán)境下網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)M不同和數(shù)據(jù)傳輸間隔T不同對各性能指標(biāo)的影響，其具體數(shù)值如表1 所示。

表1 仿真參數(shù)設(shè)置Table 1 Simulation parameters setting

3.3 仿真結(jié)果分析

依據(jù)上述參數(shù)設(shè)定仿真場景。對4 種隨機(jī)SEED 值下的的仿真各重復(fù)實(shí)驗(yàn)20 次，隨機(jī)種子數(shù)不同對應(yīng)的仿真結(jié)果相近，并取整體平均值95%置信區(qū)間作為最終的仿真數(shù)據(jù)進(jìn)行分析。

3.3.1 吞吐量

選取傳輸時間間隔T=5 s，不同節(jié)點(diǎn)個數(shù)的吞吐量對比如圖6 所示。仿真結(jié)果表明，相比CoCoA++算法，L-CoCC 算法有更高的吞吐量，平均提升9.61%，比原始CoAP 協(xié)議平均提升34.7%。3 種算法在節(jié)點(diǎn)數(shù)目較少時，吞吐量差別不是很明顯，但隨著節(jié)點(diǎn)數(shù)目增加，網(wǎng)絡(luò)開始出現(xiàn)擁塞狀態(tài)，因此CoCoA++和L-CoCC 算法吞吐量均高于原始CoAP。

圖6 在不同節(jié)點(diǎn)數(shù)L-CoCC、CoCoA++、CoAP 算法吞吐量對比Fig.6 Throughput comparison between L-CoCC，CoCoA++，CoAP algorithms on different nodes number

不同傳輸時間間隔吞吐量對比如圖7 所示。圖7選取節(jié)點(diǎn)數(shù)目M=100，仿真結(jié)果表明，相比CoCoA++算法，L-CoCC算法吞吐量平均提升7.61%，比原始CoAP算法平均提升14.7%。L-CoCC 算法在網(wǎng)絡(luò)中以最小重傳數(shù)量交付大部分?jǐn)?shù)據(jù)包，當(dāng)發(fā)送周期間隔從2 s 增加到30 s 時，由于網(wǎng)絡(luò)流量網(wǎng)絡(luò)吞吐量從4.62 Mb/s 減少到0.31 Mb/s，但性能仍優(yōu)于CoCoA++算法和CoAP算法。

圖7 在不同傳輸時間間隔L-CoCC、CoCoA++、CoAP 算法吞吐量對比Fig.7 Throughput comparison of L-CoCC，CoCoA++，CoAP algorithms on different transmisson time intervals

隨著網(wǎng)絡(luò)流量增大，網(wǎng)絡(luò)開始出現(xiàn)擁塞或沖突，L-CoCC 算法使用3 種基于整體的RTO估計(jì)器，從而更精確地估算出RTO值，減少重傳等待時間和虛假重傳次數(shù)，及時準(zhǔn)確地對RTO進(jìn)行估算，有效提高了數(shù)據(jù)包交付的成功率，能夠維持較高的網(wǎng)絡(luò)吞吐量。L-CoCC 算法在網(wǎng)絡(luò)出現(xiàn)嚴(yán)重?fù)砣蜴溌芳墰_突時提升了網(wǎng)絡(luò)性能。

3.3.2 端到端時延

不同節(jié)點(diǎn)數(shù)目端到端時延對比如圖8 所示。選取傳輸時間間隔T=10 s，L-CoCC 算法有更低的平均端到端時延。相比CoCoA++算法，L-CoCC 算法平均降低了9.18%。相比CoAP 算法，平均降低了18.31%。在節(jié)點(diǎn)數(shù)目較少時，CoCoA++算法端到端時延略高于其他兩種算法。

圖8 在不同節(jié)點(diǎn)數(shù)L-CoCC、CoCoA++、CoAP 算法端到端時延對比Fig.8 End-to-end delay comparison between L-CoCC，CoCoA++，CoAP algorithms on different nodes number

不同傳輸時間間隔端到端時延對比如圖9 所示。選取節(jié)點(diǎn)數(shù)目M=100，相比CoCoA++算法，L-CoCC 算法的端到端時延平均降低了11.98%，相比CoAP 算法，L-CoCC 算法平均降低了15.47%。當(dāng)傳輸時間間隔低時，網(wǎng)絡(luò)流量較大L-CoCC 算法端到端時延明顯低于其他兩種算法。

圖9 在不同傳輸時間間隔L-CoCC、CoCoA++、CoAP 算法端到端時延對比Fig.9 End-to-end delay comparison between L-CoCC，CoCoA++，CoAP algorithms on different transmisson time intervals

L-CoCC 算法使用三種基于整體的RTO估計(jì)器，在擁塞和沖突環(huán)境下結(jié)合RTT和RTT抖動進(jìn)行RTO更新，保證了RTO的準(zhǔn)確性和實(shí)時性。在低網(wǎng)絡(luò)流量中，由于CoCoA++算法加入選擇字段且增加了少量控制開銷，所以其延遲略高；當(dāng)網(wǎng)絡(luò)擁塞嚴(yán)重時，L-CoCC 算法的時延明顯低于其他兩種算法。

3.3.3 請求成功率

不同節(jié)點(diǎn)數(shù)目請求成功率對比如圖10 所示。選取傳輸時間間隔T=10 s，相比CoCoA++算法，L-CoCC算法的請求成功率平均提升1.93%；相比CoAP 算法，L-CoCC 算法平均提升3.97%。當(dāng)入網(wǎng)節(jié)點(diǎn)為50 個時，3 個算法的請求成功率都接近88%，隨著入網(wǎng)節(jié)點(diǎn)數(shù)增加，請求成功率逐漸降低，但L-CoCC 算法表現(xiàn)仍優(yōu)于CoAP 和CoCoA++算法。

圖10 在不同節(jié)點(diǎn)數(shù)L-CoCC、CoCoA++、CoAP 算法請求成功率對比Fig.10 Request success rate comparison between L-CoCC，CoCoA++，CoAP algorithms on different nodes number

不同傳輸時間間隔3種算法請求成功率對比如圖11所示，選取節(jié)點(diǎn)數(shù)M為100，相比CoCoA++算法，L-CoCC算法的請求成功率平均提升2.73%；相比CoAP 算法，L-CoCC算法平均提升了4.34%。在傳輸時間間隔低時，L-CoCC和CoCoA++算法的請求成功率明顯高于CoAP算法，在時間間隔高時三者都接近于94%。

圖11 L-CoCC、CoCoA++、CoAP 算法不同傳輸時間間隔請求成功率對比Fig.11 Request success rate comparison between L-CoCC，CoCoA++，CoAP algorithms on different transmission time intervals

泛在電力物聯(lián)網(wǎng)網(wǎng)絡(luò)具有結(jié)構(gòu)復(fù)雜、穩(wěn)定性不高特點(diǎn)，易造成信道沖突。L-CoCC 算法可以自適應(yīng)地調(diào)整RTO，避免RTO出現(xiàn)陡增和過度收縮，并且利用RC 字段明確重傳狀態(tài)和重傳次數(shù)，避免網(wǎng)絡(luò)中過度重傳進(jìn)而確保了高請求成功率。

4 結(jié)束語

針對泛在電力物聯(lián)網(wǎng)的資源受限特性，以及在應(yīng)用層通信協(xié)議上的局限性，本文提出L-CoCC 算法。在網(wǎng)絡(luò)擁塞狀態(tài)下，使用3 種RTT估計(jì)器對網(wǎng)絡(luò)鏈路穩(wěn)定性進(jìn)行估計(jì)。實(shí)驗(yàn)結(jié)果表明，相比CoAP 協(xié)議和CoCoA++算法，L-CoCC 算法降低了時延并提高了網(wǎng)絡(luò)吞吐量和請求成功率，有效緩解了電力物聯(lián)網(wǎng)場景下的網(wǎng)絡(luò)擁塞和鏈路沖突。下一步將結(jié)合泛在電力物聯(lián)網(wǎng)場景，引入動態(tài)學(xué)習(xí)思路，對重傳次數(shù)值和更新時間設(shè)置進(jìn)行研究。