桂海濤，秦麗文，楊 鑫，吳 凡，侯和明

(1.廣西電網(wǎng)公司桂林供電局，桂林 541002；2.廣西電網(wǎng)公司電力科學(xué)研究院，南寧 530023)

現(xiàn)代智能電網(wǎng)是在傳統(tǒng)電網(wǎng)基礎(chǔ)上,輔以大規(guī)模的信息通信技術(shù)和可再生能源集成。它會(huì)聚合電網(wǎng)用戶的各種信息進(jìn)行分析,以建立一個(gè)經(jīng)濟(jì)高效、具有較高自動(dòng)化的電力系統(tǒng)。此電力系統(tǒng)致力于實(shí)現(xiàn)高質(zhì)量的供應(yīng)、低損耗的傳輸、安全的供電。信息通信技術(shù)與智能電網(wǎng)的結(jié)合,將可再生能源整合到現(xiàn)有電網(wǎng)中,實(shí)現(xiàn)雙向傳輸、雙向信息傳輸、快速隔離和恢復(fù)停電、優(yōu)化終端用戶能耗。在智能電網(wǎng)中，信息和通信技術(shù)基礎(chǔ)設(shè)施使物理基礎(chǔ)設(shè)施更加高效[1]，確保更多可再生能源和智能設(shè)備的安全整合，有效的電力供應(yīng)，保證自愈能力，并允許客戶對(duì)其用電有更多的控制。

通信信息系統(tǒng)作為電力系統(tǒng)安全、穩(wěn)定、高效運(yùn)行的重要支撐，貫穿于各個(gè)應(yīng)用環(huán)節(jié)。在當(dāng)前智能電網(wǎng)發(fā)展的趨勢(shì)下通信信息系統(tǒng)的建成與完善將實(shí)現(xiàn)各項(xiàng)生產(chǎn)、運(yùn)行、服務(wù)信息的全面采集和高效處理。實(shí)現(xiàn)電網(wǎng)資源的優(yōu)化配置和高效利用。通信系統(tǒng)的優(yōu)劣將直接決定著整個(gè)智能配電系統(tǒng)性能的好壞[2]。當(dāng)前，有線和無(wú)線的通信方式均適用于智能電網(wǎng)系統(tǒng)，其中光纖和電力線通信(power line communication，PLC)是有線方式中的熱門方法。無(wú)線通信有衛(wèi)星、蜂窩、無(wú)線個(gè)人局域網(wǎng)通信技術(shù)(wireless personal area network communication technologies，WPAN)等技術(shù)。隨著第五代移動(dòng)通信技術(shù)(5th generation mobile communication technology，5G)網(wǎng)絡(luò)的出現(xiàn)，移動(dòng)蜂窩網(wǎng)絡(luò)正朝著實(shí)現(xiàn)大規(guī)模容量、大范圍連通和大規(guī)模處理的方向發(fā)展，它將成為智能電網(wǎng)實(shí)現(xiàn)遠(yuǎn)端節(jié)點(diǎn)信息共享的最佳選擇。文獻(xiàn)[3]中探索了5G蜂窩的設(shè)備間(device-to-device，D2D)應(yīng)用，提出了一種D2D的無(wú)線資源分配方案，可最大化蜂窩用戶的總速率。文獻(xiàn)[4]中對(duì)5G碎片化頻譜聚合提供了方案，并設(shè)計(jì)了傳輸幀結(jié)構(gòu)，能達(dá)到較好的低延遲效果。

智能電網(wǎng)處理海量數(shù)據(jù)需要一種高效、可靠的通信技術(shù)。目前的一些融合通信的方法的普遍缺點(diǎn)是融合需要相當(dāng)長(zhǎng)的時(shí)間，難以滿足智能電網(wǎng)服務(wù)的要求。文獻(xiàn)[5]中提出了一種用于高速載波通信和無(wú)線通信融合的功率控制方法。但存在通信路徑選擇耗費(fèi)時(shí)間過久的問題，不能保證電網(wǎng)中的高效通信。文獻(xiàn)[6]中提出了一種電力線與無(wú)線信道切換的算法。但未深入考慮組網(wǎng)方案。文獻(xiàn)[7]使用了一種無(wú)線專網(wǎng)和光纖通信相融合的方法。但未能考慮網(wǎng)絡(luò)的節(jié)點(diǎn)變動(dòng)因素，可擴(kuò)展性較差。

移動(dòng)邊緣計(jì)算(mobile edge computing，MEC)作為一種新興且有前景的技術(shù)，在其提供的環(huán)境中，云計(jì)算資源和能力被放置在移動(dòng)網(wǎng)絡(luò)的邊緣，更接近設(shè)備和終端用戶。智能終端是安裝在終端用戶家中的智能設(shè)備，可以收集實(shí)時(shí)測(cè)量數(shù)據(jù)并進(jìn)行遠(yuǎn)程操作，從而使電力系統(tǒng)的管理更加高效。這些數(shù)據(jù)通常包括消耗的能量，電流電壓和安培數(shù)，以及許多其他參數(shù)[8]。從智能終端到數(shù)據(jù)管理系統(tǒng)的通信可以通過不同的有線或無(wú)線網(wǎng)絡(luò)技術(shù)數(shù)據(jù)完成[9]。其中智能終端到邊緣服務(wù)器的通信采用5G蜂窩技術(shù)，這是因?yàn)樗哂懈邤?shù)據(jù)傳輸速率和超低延遲的性能優(yōu)勢(shì)，又由于有授權(quán)頻帶，入侵控制在蜂窩網(wǎng)絡(luò)中更好，對(duì)敏感能源數(shù)據(jù)的安全和隱私的安全風(fēng)險(xiǎn)更有彈性[10]。通信基于成熟的、被廣泛采用的通信基礎(chǔ)設(shè)施，使智能計(jì)量部署能夠跨越廣大地區(qū)和遠(yuǎn)程端點(diǎn)連接到同一管理網(wǎng)絡(luò)[11]。這有助于在不同地理區(qū)域的網(wǎng)絡(luò)實(shí)體之間進(jìn)行有效的信息交換。

因此，現(xiàn)從高效可靠的智能電網(wǎng)通信方式出發(fā)，結(jié)合經(jīng)濟(jì)、技術(shù)成熟度、技術(shù)適用范圍等因素，采用一種新的融合組網(wǎng)方式，達(dá)到快速融合組網(wǎng)，以實(shí)現(xiàn)高效可靠的通信。

同時(shí)，在電力通信網(wǎng)絡(luò)中，為了獲取更大的監(jiān)測(cè)區(qū)域的數(shù)據(jù)和收集更可靠的數(shù)據(jù)，往往會(huì)密集部署無(wú)線傳感器，導(dǎo)致相鄰節(jié)點(diǎn)收集的數(shù)據(jù)重疊，有時(shí)會(huì)導(dǎo)致節(jié)點(diǎn)上的數(shù)據(jù)完全相同。數(shù)據(jù)融合技術(shù)用于將每個(gè)節(jié)點(diǎn)的數(shù)據(jù)發(fā)送到其他節(jié)點(diǎn)或基站，目標(biāo)是刪除冗余數(shù)據(jù)，降低能源消耗。目前主要采用的數(shù)據(jù)融合算法是基于傳統(tǒng)的客戶/服務(wù)器模式。這個(gè)模型有以下問題：首先，企業(yè)的擴(kuò)張能力較弱。在網(wǎng)絡(luò)中添加新節(jié)點(diǎn)時(shí)，通常需要調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)以保持負(fù)載均衡。其次，該模型的網(wǎng)絡(luò)時(shí)延和能耗較大。處理節(jié)點(diǎn)可以同時(shí)接收傳感器發(fā)送的數(shù)據(jù)，但處理節(jié)點(diǎn)只能按照給定的順序接收數(shù)據(jù)。當(dāng)接收到的數(shù)據(jù)量增加或傳感器數(shù)量增加時(shí)，就會(huì)發(fā)生網(wǎng)絡(luò)延遲。這直接導(dǎo)致能源消耗的增加。最后，該模型的能耗不均勻。處理數(shù)據(jù)的節(jié)點(diǎn)需要連接到周圍的節(jié)點(diǎn)，這會(huì)導(dǎo)致該節(jié)點(diǎn)消耗更多的能量。如果一個(gè)節(jié)點(diǎn)需要頻繁地處理數(shù)據(jù)，則可以讓它成為超級(jí)節(jié)點(diǎn)，或者以一種更有效的方式來(lái)處理數(shù)據(jù)。以上兩種方法都會(huì)產(chǎn)生額外的網(wǎng)絡(luò)開銷。針對(duì)上述問題，現(xiàn)分析智能電網(wǎng)的需求和網(wǎng)絡(luò)架構(gòu)，建立多尺度數(shù)據(jù)融合模型，并在K均值聚類算法的基礎(chǔ)上，提出一種最優(yōu)的權(quán)重?cái)?shù)據(jù)融合與處理方法。該方法包括為每個(gè)節(jié)點(diǎn)分配權(quán)重并研究測(cè)量的準(zhǔn)確性。

1 新型融合組網(wǎng)技術(shù)

通信架構(gòu)為有線和無(wú)線融合的通信，因此融合的方式需要重點(diǎn)解決。為了達(dá)到高性能的通信效率及可靠性，采用了一種新的融合方案，提出的融合優(yōu)勢(shì)如下。

1.1 組網(wǎng)融合方式

有線和無(wú)線相互補(bǔ)充。在適合有線通信的區(qū)域選擇有線網(wǎng)絡(luò)承載通信；在不適合有線通信的區(qū)域使用無(wú)線網(wǎng)絡(luò)承載通信。

有線和無(wú)線在部分區(qū)域重疊。部分有線通信網(wǎng)絡(luò)即便部署到的地區(qū)，也無(wú)法接入到終端，此類終端采用無(wú)線網(wǎng)絡(luò)接入；部分有線故障度高的區(qū)域，采用無(wú)線通信作為有線通信網(wǎng)的互補(bǔ)方式。

有線和無(wú)線融合網(wǎng)絡(luò)主要由至少一個(gè)匯聚節(jié)點(diǎn)和大量的終端節(jié)點(diǎn)組成，匯聚節(jié)點(diǎn)和終端節(jié)點(diǎn)之間的關(guān)系是典型的“主從”關(guān)系。在該網(wǎng)絡(luò)中，匯聚節(jié)點(diǎn)負(fù)責(zé)整個(gè)融合網(wǎng)絡(luò)的數(shù)據(jù)采集、存儲(chǔ)和處理。

圖1描述了本系統(tǒng)的整體架構(gòu)，在本架構(gòu)中服務(wù)器被分配到基站中，每個(gè)基站覆蓋一定的地理邊界和若干房屋。每個(gè)房子都有一個(gè)實(shí)現(xiàn)通過無(wú)線蜂窩與MEC進(jìn)行雙向通信的智能終端。邊緣服務(wù)器可以通過有線或無(wú)線網(wǎng)絡(luò)在廣域網(wǎng)中通信，這樣測(cè)量數(shù)據(jù)就可以發(fā)送到數(shù)據(jù)管理系統(tǒng)。此外，傳輸?shù)組EC的數(shù)據(jù)可以存儲(chǔ)在邊緣，用戶可以在需要時(shí)使用。除智能終端外，測(cè)量傳感器、執(zhí)行器，包括用戶授權(quán)的設(shè)備都可以與MEC上運(yùn)行的服務(wù)器進(jìn)行交互。圖 2 顯示了可以運(yùn)行在邊緣服務(wù)器及其通信接口上的應(yīng)用程序的內(nèi)部設(shè)計(jì)。服務(wù)器可以運(yùn)行一個(gè)或多個(gè)應(yīng)用程序，這些應(yīng)用程序可以與智能電表或其他設(shè)備、云或彼此通信。圖2中顯示了兩個(gè)服務(wù)器，其中每個(gè)服務(wù)器同時(shí)運(yùn)行應(yīng)用程序A和B，應(yīng)用程序可以執(zhí)行特定的進(jìn)程，并具有特定的通信接口來(lái)接收和發(fā)送數(shù)據(jù)。在本例中，MEC服務(wù)器A中的應(yīng)用程序A通過廣域網(wǎng)接口與數(shù)據(jù)管理系統(tǒng)通信，通過智能終端接口與智能終端通信，通過側(cè)接口與MEC服務(wù)器B中的另一個(gè)應(yīng)用程序A通信。

圖1 智能電網(wǎng)通信過程Fig.1 Smart grid communication process

圖2 MEC服務(wù)器的內(nèi)部設(shè)計(jì)Fig.2 The interior design of the MEC server

該體系結(jié)構(gòu)具有以下兩個(gè)優(yōu)點(diǎn)，使其可用于加強(qiáng)智能電網(wǎng)的系統(tǒng)管理。

(1)高效率。通過MEC，在設(shè)備和用戶附近提供服務(wù)，實(shí)現(xiàn)低延遲[12]。低延遲對(duì)智能電網(wǎng)的某些特性非常重要，如功率均衡、實(shí)時(shí)監(jiān)控、故障處理、發(fā)送警報(bào)和自修復(fù)，由于MEC的參與，智能終端可以更快地處理各種突發(fā)事件，進(jìn)而達(dá)到高效的目的。

(2)城市移動(dòng)網(wǎng)絡(luò)大范圍覆蓋。電信公司提供的現(xiàn)有移動(dòng)網(wǎng)絡(luò)基礎(chǔ)設(shè)施允許在覆蓋范圍較廣的區(qū)域內(nèi)實(shí)現(xiàn)擬議的架構(gòu)，因?yàn)榉涓C網(wǎng)絡(luò)通常覆蓋大部分或全部城市地區(qū)。此外，良好的網(wǎng)絡(luò)覆蓋也能最大限度地減少網(wǎng)絡(luò)中斷問題，這也為在智能電網(wǎng)中交付檢測(cè)到的問題提供了更好的支持。

1.2 組網(wǎng)融合方案

為了實(shí)現(xiàn)電力線通信與無(wú)線通信融合，需要對(duì)媒體訪問控制(media access control，MAC)層集成、網(wǎng)絡(luò)分層、網(wǎng)絡(luò)聚類。這是因?yàn)殡娏€通信與無(wú)線通信的差異會(huì)大大增加網(wǎng)絡(luò)的復(fù)雜性，通過上述方法可以增強(qiáng)融合組網(wǎng)的物理層能力，提高組網(wǎng)性能及通信的可靠性和效率。圖 3 為網(wǎng)絡(luò)分層步驟，圖4為網(wǎng)絡(luò)聚類步驟。

圖3 網(wǎng)絡(luò)分層過程 Fig.3 Network layering process

圖4 網(wǎng)絡(luò)聚類Fig.4 Network clustering process

由于電力線通信和無(wú)線通信的物理層的獨(dú)立性，融合通信網(wǎng)絡(luò)的MAC層集成是必要的[13]。目前，有兩種收斂模型的方法：獨(dú)立的MAC收斂和統(tǒng)一的MAC收斂。

獨(dú)立MAC收斂可以通過與獨(dú)立MAC層協(xié)議的簡(jiǎn)單硬件集成來(lái)實(shí)現(xiàn)。在這種融合方法中，協(xié)議轉(zhuǎn)換和混合組網(wǎng)均被采用以實(shí)現(xiàn)融合通信，并通過一些必要的資源管理和調(diào)度來(lái)增強(qiáng)。因此，可以整體上提高融合網(wǎng)絡(luò)的可靠性。

統(tǒng)一的MAC收斂采用公共MAC層進(jìn)行PLC和無(wú)線通信。在該解決方案中，必須通過動(dòng)態(tài)頻譜檢測(cè)來(lái)獲取PLC或無(wú)線通信的信號(hào)，然后通過Turbo代碼來(lái)減少符號(hào)間干擾。這樣就可以進(jìn)行聯(lián)合信道評(píng)估，對(duì)兩個(gè)信道進(jìn)行比較，實(shí)現(xiàn)統(tǒng)一的MAC層結(jié)構(gòu)。

實(shí)際上，在混合網(wǎng)絡(luò)條件下，統(tǒng)一的MAC收斂可以避免MAC層中不必要的協(xié)議轉(zhuǎn)換。受益于統(tǒng)一的MAC融合，可以實(shí)現(xiàn)資源調(diào)度，訪問控制和網(wǎng)絡(luò)管理等，以保證整個(gè)系統(tǒng)的服務(wù)質(zhì)量。圖5為統(tǒng)一MAC層融合通信系統(tǒng)圖。

圖5 統(tǒng)一MAC層融合通信系統(tǒng)圖Fig.5 Unified MAC layer fusion communication system diagram

傳統(tǒng)的組網(wǎng)融合主要采用交疊分簇算法：規(guī)定一個(gè)簇員可以屬于多個(gè)簇，采用縱向網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，節(jié)點(diǎn)間可進(jìn)行橫向通信從而將縱向網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)擴(kuò)展為復(fù)雜網(wǎng)狀拓?fù)?。具體過程可表述為：根節(jié)點(diǎn)發(fā)送廣播進(jìn)行分簇，首先收到第一層節(jié)點(diǎn)的應(yīng)答，并為它們分配邏輯地址，第一層地址分配完成后進(jìn)行第二層地址的分配，第一層的節(jié)點(diǎn)作為第二層的簇根節(jié)點(diǎn)，為第二層的節(jié)點(diǎn)分配邏輯地址，以此類推，直到所有節(jié)點(diǎn)分配完畢。此種算法能適應(yīng)信道質(zhì)量的實(shí)時(shí)變化，邏輯通信鏈路破壞時(shí)有一定自愈能力，但組網(wǎng)融合需要花費(fèi)相當(dāng)長(zhǎng)的時(shí)間，很難滿足智能電網(wǎng)性能要求。

在PLC與無(wú)線融合通信系統(tǒng)中，融合網(wǎng)絡(luò)采用分層集群拓?fù)浣Y(jié)構(gòu)。圖6為分層集群拓?fù)浣Y(jié)構(gòu)圖。在典型的PLC與無(wú)線融合系統(tǒng)中，匯聚節(jié)點(diǎn)可以直接與鄰居節(jié)點(diǎn)建立通信，鄰居節(jié)點(diǎn)設(shè)置為level1節(jié)點(diǎn)。而且匯聚節(jié)點(diǎn)和其余節(jié)點(diǎn)之間的通信必須通過中繼路徑實(shí)現(xiàn)，整個(gè)網(wǎng)絡(luò)內(nèi)的所有節(jié)點(diǎn)可以劃分為幾個(gè)不同的級(jí)別，從level1到leveln。匯聚節(jié)點(diǎn)定義為R0級(jí)節(jié)點(diǎn)，節(jié)點(diǎn)Ri(i=1,2，…，L)是直接與Ri-1級(jí)節(jié)點(diǎn)通信的節(jié)點(diǎn)。核心節(jié)點(diǎn)首先觸發(fā)網(wǎng)絡(luò)層次結(jié)構(gòu)，搜索其下游節(jié)點(diǎn)。之后，R1級(jí)節(jié)點(diǎn)也會(huì)進(jìn)行網(wǎng)絡(luò)尋找R2級(jí)節(jié)點(diǎn)。重復(fù)此操作，可以找到每個(gè)節(jié)點(diǎn)所屬的級(jí)別。這樣，網(wǎng)絡(luò)層次結(jié)構(gòu)就這樣完成了，這個(gè)過程的細(xì)節(jié)可以描述如下。

圖6 分層集群拓?fù)浣Y(jié)構(gòu)Fig.6 Hierarchical cluster topology

步驟 1核心節(jié)點(diǎn)通過電力線和無(wú)線信道廣播網(wǎng)絡(luò)搜索消息，消息中攜帶節(jié)點(diǎn)ID和級(jí)別Ri。

步驟 2各終端節(jié)點(diǎn)收到組網(wǎng)搜索消息后，提取其上游節(jié)點(diǎn)的節(jié)點(diǎn)ID和級(jí)別Ri，從電力線和無(wú)線信道分別獲取信噪比(signal to noise ratio，SNR)SNRPLC和SNRWC。

步驟 3如果終端節(jié)點(diǎn)的級(jí)別大于Ri+1，則設(shè)該節(jié)點(diǎn)的級(jí)別為Ri+1。

步驟 4終端節(jié)點(diǎn)對(duì)其上游節(jié)點(diǎn)的節(jié)點(diǎn)ID、級(jí)別Ri、SNRPLC、SNRWC等信息進(jìn)行重新編碼。

步驟 5終端節(jié)點(diǎn)向其上游級(jí)節(jié)點(diǎn)Ri發(fā)送應(yīng)答消息。

步驟 6Ri級(jí)終端節(jié)點(diǎn)收到下游節(jié)點(diǎn)的應(yīng)答消息，提取節(jié)點(diǎn)ID、Ri級(jí)、SNRPLC、SNRWC等信息，并向下游節(jié)點(diǎn)發(fā)送確認(rèn)消息。

步驟 7所有Ri+1級(jí)節(jié)點(diǎn)收到確認(rèn)消息，完成這些節(jié)點(diǎn)的網(wǎng)絡(luò)層次，通過發(fā)送網(wǎng)絡(luò)搜索消息觸發(fā)新一輪的網(wǎng)絡(luò)搜索動(dòng)作。

步驟 8重復(fù)步驟 2 ～步驟 7 的操作，直到整個(gè)網(wǎng)絡(luò)中所有節(jié)點(diǎn)都完成相應(yīng)級(jí)別的網(wǎng)絡(luò)層次結(jié)構(gòu)。

網(wǎng)絡(luò)分層完成后再進(jìn)行網(wǎng)絡(luò)聚類。在此期間，根據(jù)PLC和無(wú)線信道的連接程度和鏈路質(zhì)量，選擇每一級(jí)集群節(jié)點(diǎn)。然后，這些集群組織其他節(jié)點(diǎn)，形成整個(gè)融合網(wǎng)絡(luò)。這種網(wǎng)絡(luò)聚類的描述如下。

步驟 1每個(gè)節(jié)點(diǎn)通過PLC和無(wú)線信道設(shè)置并廣播自己的聚類競(jìng)爭(zhēng)周期時(shí)間給鄰居節(jié)點(diǎn)。

步驟 2每個(gè)節(jié)點(diǎn)只接收并保存來(lái)自同級(jí)鄰居節(jié)點(diǎn)的聚類競(jìng)爭(zhēng)消息。

步驟 3當(dāng)聚類競(jìng)爭(zhēng)周期結(jié)束時(shí)，每個(gè)節(jié)點(diǎn)根據(jù)式(1)計(jì)算自身的聚類競(jìng)爭(zhēng)值Vc。

(1)

式(1)中：D為節(jié)點(diǎn)連接度；n為其鄰居節(jié)點(diǎn)的和；m為信噪比優(yōu)于閾值的鄰居節(jié)點(diǎn)數(shù)，其和為加權(quán)因子，其值必須滿足關(guān)系式為

(2)

步驟 4每個(gè)節(jié)點(diǎn)與同級(jí)的鄰居節(jié)點(diǎn)交換Vc。

步驟 5每個(gè)節(jié)點(diǎn)將本身的Vc與鄰居節(jié)點(diǎn)比較，若沒有鄰居節(jié)點(diǎn)的Vc高于它則將其本身設(shè)置為聚類節(jié)點(diǎn),否則它成為常見的節(jié)點(diǎn)并發(fā)送應(yīng)用消息到一個(gè)Vc最高的節(jié)點(diǎn)。

步驟 6每個(gè)聚類節(jié)點(diǎn)向上游節(jié)點(diǎn)發(fā)送中繼請(qǐng)求消息。

步驟 7聚類節(jié)點(diǎn)收到上游節(jié)點(diǎn)的中繼確認(rèn)消息后，得到上游節(jié)點(diǎn)的SNRPLC和SNRWC。

步驟 8聚類各節(jié)點(diǎn)選擇上游簇頭中的中繼節(jié)點(diǎn)，向融合網(wǎng)絡(luò)核心節(jié)點(diǎn)發(fā)送組網(wǎng)注冊(cè)消息，該消息包含了集群所有節(jié)點(diǎn)的信息。

步驟 9重復(fù)步驟 1～步驟 8，直到所有節(jié)點(diǎn)在核心節(jié)點(diǎn)上完成注冊(cè)。

該方法保持了PLC與無(wú)線信道之間鏈路的一致性，不需要進(jìn)行復(fù)雜的計(jì)算，也不需要對(duì)網(wǎng)絡(luò)信令消息進(jìn)行擴(kuò)展。因此，與原交疊分簇算法相比，該方案沒有明顯增加復(fù)雜性。

2 數(shù)據(jù)融合

2.1 多尺度數(shù)據(jù)融合

在智能電網(wǎng)和人機(jī)通過數(shù)據(jù)中心進(jìn)行交互時(shí)，數(shù)據(jù)融合模型分為4個(gè)層次:數(shù)據(jù)注冊(cè)、對(duì)象細(xì)化、風(fēng)險(xiǎn)評(píng)估和流程細(xì)化，如圖7所示。

圖7 多級(jí)數(shù)據(jù)融合模型Fig.7 Multi-level data fusion model

智能電網(wǎng)中的通信網(wǎng)絡(luò)通常包含各種各樣的數(shù)據(jù)，這些數(shù)據(jù)可能包括控制數(shù)據(jù)、保護(hù)數(shù)據(jù)和監(jiān)控?cái)?shù)據(jù)。數(shù)據(jù)注冊(cè)功能將不同類別的數(shù)據(jù)對(duì)齊到一個(gè)公共的參考框架中。對(duì)象細(xì)化旨在將位置信息和電子設(shè)備的屬性結(jié)合起來(lái)，以定位、監(jiān)視和識(shí)別設(shè)備。對(duì)象細(xì)化包括狀態(tài)估計(jì)、諧波估計(jì)和故障診斷。狀態(tài)估計(jì)可以從監(jiān)控和數(shù)據(jù)采集(supervisory control and data acquisition，SCADA)系統(tǒng)通過遠(yuǎn)程終端單元(remote terminal unit，RTU)定期收集的遠(yuǎn)程捕獲的測(cè)量數(shù)據(jù)集確定電力系統(tǒng)最可能的狀態(tài)。作為電力系統(tǒng)監(jiān)測(cè)、標(biāo)準(zhǔn)檢查程序和補(bǔ)償實(shí)踐的重要組成部分，諧波估計(jì)計(jì)算先進(jìn)計(jì)量基礎(chǔ)架構(gòu)(advanced meter infrastructure，AMI)系統(tǒng)的幅值和相位等諧波參數(shù)。故障診斷就是對(duì)智能電網(wǎng)中的故障進(jìn)行識(shí)別和定位。

風(fēng)險(xiǎn)是需要保護(hù)的可能性損失。如果沒有風(fēng)險(xiǎn)，就沒有保護(hù)的必要。在檢查風(fēng)險(xiǎn)時(shí)，必須識(shí)別漏洞和威脅。風(fēng)險(xiǎn)評(píng)估包括分析資產(chǎn)，識(shí)別信息和資產(chǎn)的價(jià)值，識(shí)別漏洞和潛在風(fēng)險(xiǎn)(由于威脅造成的)，風(fēng)險(xiǎn)降低措施以及與接受、避免或轉(zhuǎn)移風(fēng)險(xiǎn)相關(guān)的決策。

流程細(xì)化是監(jiān)控整個(gè)數(shù)據(jù)融合流程的過程，并尋求在操作和物理約束條件下對(duì)數(shù)據(jù)融合進(jìn)行優(yōu)化。對(duì)于智能電網(wǎng)，這個(gè)級(jí)別通常涉及地理分布上的收集和處理和使用自適應(yīng)系統(tǒng)對(duì)系統(tǒng)故障和其他問題進(jìn)行自我調(diào)整。

參照上述模型，圖 8 所示的多尺度數(shù)據(jù)融合可以通過以下3步實(shí)現(xiàn)。

圖8 多尺度數(shù)據(jù)融合Fig.8 Multi-scale data fusion

(1)多尺度數(shù)據(jù)融合。將來(lái)自不同類型傳感器的數(shù)據(jù)對(duì)齊到一個(gè)公共的參考框架中。

(2)特征矩陣提取。從輸入數(shù)據(jù)中提取相關(guān)信息，以執(zhí)行期望的任務(wù)，形成特征矩陣。

(3)推理與決策。在知識(shí)庫(kù)的基礎(chǔ)上，利用貝葉斯定理、Dempster-Shafer(D-S)準(zhǔn)則、人工神經(jīng)網(wǎng)絡(luò)等方法生成融合結(jié)果。

2.2 基于最佳權(quán)重分配的數(shù)據(jù)融合算法

在傳統(tǒng)的數(shù)據(jù)融合處理算法中，公共節(jié)點(diǎn)和宿節(jié)點(diǎn)之間的環(huán)境差異很小。公共節(jié)點(diǎn)和宿節(jié)點(diǎn)均采用K均值算法或分布式K均值算法進(jìn)行數(shù)據(jù)融合。該算法的數(shù)據(jù)融合思想是對(duì)從第一個(gè)節(jié)點(diǎn)到最后一個(gè)節(jié)點(diǎn)的冗余數(shù)據(jù)進(jìn)行加權(quán)平均處理，最終達(dá)到數(shù)據(jù)融合的目的。這種方法簡(jiǎn)單直觀。

聚類算法的最終目的是根據(jù)情況將空間數(shù)據(jù)集X劃分為K個(gè)聚類。群集的中心是Y。通常，應(yīng)考慮以下幾點(diǎn)：數(shù)據(jù)中心是否存在集群趨勢(shì)；如果有趨勢(shì)，如何通過算法找到這些聚類；聚類劃分后，通過算法驗(yàn)證分組的正確性。

在傳統(tǒng)的加權(quán)算法中，通過簡(jiǎn)單的加權(quán)平均處理多個(gè)節(jié)點(diǎn)的冗余數(shù)據(jù)，然后直接獲得融合數(shù)據(jù)。這種方法的優(yōu)點(diǎn)是可以實(shí)時(shí)處理動(dòng)態(tài)對(duì)的原始數(shù)據(jù)。數(shù)據(jù)融合模型簡(jiǎn)單易懂，定義如下：假設(shè)每個(gè)節(jié)點(diǎn)具有相同的采集靈敏度并且每個(gè)普通節(jié)點(diǎn)都可以正常工作，加權(quán)平均值的算法公式為

(3)

上述公共節(jié)點(diǎn)和宿節(jié)點(diǎn)使用相同的加權(quán)融合算法在數(shù)據(jù)傳輸之前執(zhí)行數(shù)據(jù)融合，從而減少了網(wǎng)絡(luò)中傳輸?shù)臄?shù)據(jù)量。但是這種方法過于理想化。在現(xiàn)實(shí)的數(shù)據(jù)采集環(huán)境中存在許多干擾。由于干擾導(dǎo)致的錯(cuò)誤數(shù)據(jù)無(wú)法輕易消除。接收器節(jié)點(diǎn)受到的影響更大。由于數(shù)據(jù)之間的相關(guān)性，一個(gè)錯(cuò)誤的數(shù)據(jù)將導(dǎo)致整個(gè)宿節(jié)點(diǎn)的較大誤差，這將嚴(yán)重影響數(shù)據(jù)的準(zhǔn)確性。

傳統(tǒng)加權(quán)算法的主要前提是群集中每個(gè)節(jié)點(diǎn)的采樣條件是一致的，但是在實(shí)際環(huán)境中這顯然是不可能的[14]。每個(gè)節(jié)點(diǎn)和受監(jiān)視的對(duì)象都可能受到環(huán)境的影響。并且每個(gè)節(jié)點(diǎn)獲取的數(shù)據(jù)與實(shí)際數(shù)據(jù)之間存在偏差。傳統(tǒng)的數(shù)據(jù)融合算法通常會(huì)忽略數(shù)據(jù)采集與實(shí)際數(shù)據(jù)之間的偏差，并為所有數(shù)據(jù)分配相等的權(quán)重。該操作不可避免地導(dǎo)致不正確的數(shù)據(jù)融合。因此，可以使用最優(yōu)權(quán)重算法：3個(gè)節(jié)點(diǎn)分別被賦予權(quán)重因子 1、權(quán)重因子 2 和權(quán)重因子 3，將所有具有權(quán)重因子的節(jié)點(diǎn)融合到數(shù)據(jù)融合中心。

結(jié)合傳統(tǒng)的數(shù)據(jù)融合方法和權(quán)重因子，該算法的整體模型如圖 9 所示。加權(quán)值直接表示對(duì)每個(gè)數(shù)據(jù)的關(guān)注程度。數(shù)據(jù)的準(zhǔn)確性越高，節(jié)點(diǎn)的數(shù)據(jù)誤差越小，權(quán)重也越大。相反，精度越低，節(jié)點(diǎn)數(shù)據(jù)的誤差越大，權(quán)重越小[15]。在為每個(gè)節(jié)點(diǎn)分配適當(dāng)?shù)臋?quán)重之后，將對(duì)平均值進(jìn)行處理，從而將大大提高測(cè)量值的準(zhǔn)確性。在加權(quán)值算法的數(shù)據(jù)融合過程中，權(quán)重分布非常重要[16]。當(dāng)數(shù)據(jù)合適時(shí)，傳統(tǒng)的數(shù)據(jù)融合算法和加權(quán)算法有很大的不同。動(dòng)態(tài)加權(quán)的方法有很多，例如距離統(tǒng)計(jì)、最小方差等[17]。采用最小方差法，以最優(yōu)條件實(shí)現(xiàn)最優(yōu)權(quán)重分配，使總平均值誤差最小。假設(shè)要估計(jì)的真值是T，則

圖9 最優(yōu)權(quán)重?cái)?shù)據(jù)算法流程圖Fig.9 Flow chart of optimal weight data algorithm

(4)

(5)

(6)

由于方差是加權(quán)因子的二次函數(shù)，因此方差必須具有最小值。根據(jù)拉格朗日定律，得到定律為

(7)

計(jì)算總和的偏導(dǎo)數(shù)以獲得最小平均方差，即

(8)

3 仿真

為了突出本文算法的優(yōu)越性，采用融合組網(wǎng)方式和最優(yōu)權(quán)重融合算法/中央集中算法對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行比較。首先探究本文算法的優(yōu)勢(shì)。表 1 為最優(yōu)權(quán)重算法的節(jié)點(diǎn)數(shù)和錯(cuò)誤率。為了進(jìn)一步研究最優(yōu)權(quán)重分配算法，使上述算法的數(shù)據(jù)更加準(zhǔn)確。假定最優(yōu)權(quán)重分配算法和中心集中算法的初始條件相同，并且它們具有相同的K矩?cái)?shù)。執(zhí)行算法后，可以對(duì)群集進(jìn)行劃分。表 2 顯示了這兩個(gè)實(shí)驗(yàn)的結(jié)果。將最優(yōu)權(quán)重分配算法的實(shí)驗(yàn)結(jié)果與集中式算法的實(shí)驗(yàn)結(jié)果進(jìn)行了比較。隨著網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量的增加，最優(yōu)權(quán)重分配算法在執(zhí)行時(shí)間上具有優(yōu)勢(shì)。

表1 最優(yōu)權(quán)重分配算法Table 1 Optimal weight allocation algorithm

表2 最優(yōu)權(quán)重分配算法和中心集中算法的所需時(shí)間Table 2 The time required for the optimal weight allocation algorithm and the centralized algorithm

另外，數(shù)據(jù)融合的過程會(huì)影響算法的成本。假設(shè)節(jié)點(diǎn)的有效通信半徑為 30 m，數(shù)據(jù)的相關(guān)半徑定義為 50 m。實(shí)驗(yàn)分別采用最小生成樹算法、最佳權(quán)重分配算法和中心集中算法進(jìn)行仿真，所得到的仿真圖描述了3種算法的通信和融合成本。

圖10顯示了3種算法的總能耗的比較，圖 11 顯示了3種算法的數(shù)據(jù)融合成本的比較。顯然，當(dāng)單元融合成本最低時(shí)，最小生成樹算法和最優(yōu)權(quán)重分配算法具有更好的數(shù)據(jù)融合效果，這是由于兩種方法以較低的融合成本消除了冗余數(shù)據(jù)。在最小生成樹算法和中央集中式算法的實(shí)現(xiàn)過程中，每節(jié)點(diǎn)個(gè)都需要參與數(shù)據(jù)融合，因此其通信能耗大約是一個(gè)常數(shù)。在執(zhí)行過程中，最優(yōu)權(quán)重分配算法的每個(gè)節(jié)點(diǎn)都直接參與數(shù)據(jù)融合，這就導(dǎo)致數(shù)據(jù)融合成本的快速增加。在最佳權(quán)重分配算法中，由于數(shù)據(jù)融合的高昂成本，某些節(jié)點(diǎn)被禁止進(jìn)行數(shù)據(jù)融合。因此，最優(yōu)權(quán)重分配算法與其他兩種算法的最大區(qū)別在于，數(shù)據(jù)融合的能耗將隨著融合成本的增加而降低。

圖10 3種算法的總能耗比較Fig.10 Comparison of total energy consumption of the three algorithms

圖11 3種算法的數(shù)據(jù)融合消耗比較Fig.11 Comparison of data fusion consumption of the three algorithms

然后對(duì)小區(qū)區(qū)域網(wǎng)的通信進(jìn)行了探究，即智能終端與其對(duì)應(yīng)MEC服務(wù)器之間通信的平均延遲?？梢宰⒁獾剑奂鞯氖褂寐适侵悄茈娋W(wǎng)部署時(shí)要考慮的重要參數(shù)。圖 12 為不同聚合百分比下的平均延遲。

由圖12可以看出，聚集率在實(shí)際智能電網(wǎng)部署中產(chǎn)生了重要作用。最后對(duì)本文算法的融合組網(wǎng)方式與傳統(tǒng)方式進(jìn)行比較，表 3 為不同節(jié)點(diǎn)數(shù)下通信成功率的比較。可明顯看出本文算法的融合組網(wǎng)方式具有較好的性能。

圖12 不同聚合百分比下智能終端與MEC服務(wù)器的平均延遲Fig.12 Average latency of smart terminals and MEC servers at different aggregation percentages

表3 通信成功率比較Table 3 Comparison of success rate of communication

4 結(jié)論

針對(duì)智能配電網(wǎng)通信網(wǎng)絡(luò)復(fù)雜、工作環(huán)比較混亂、通信點(diǎn)多的問題。在不同通信區(qū)域采用適合的通信方式，并提出了新的組網(wǎng)方案，并采用了數(shù)據(jù)融合的方法，根據(jù)仿真結(jié)果可以表明達(dá)到了智能電網(wǎng)高效通信的目的，具有較好的性能。