喻磊，袁智勇，林心昊，劉胤良，雷金勇，史訓(xùn)濤，徐全，白浩，徐敏

（南方電網(wǎng)科學(xué)研究院， 廣州 510663）

0 引言

近年來(lái)我國(guó)能源生產(chǎn)結(jié)構(gòu)中，分布式、可再生能源的比重持續(xù)快速上升，分布式能源的快速發(fā)展催生了能源互聯(lián)網(wǎng)概念的產(chǎn)生，智能電網(wǎng)進(jìn)入到能源互聯(lián)時(shí)代［1-2］。從覆蓋范圍來(lái)看，能源互聯(lián)網(wǎng)可以被視為“廣域網(wǎng)”，而智能配電網(wǎng)所屬的區(qū)域能源互聯(lián)網(wǎng)則是一個(gè)“局域網(wǎng)”。在區(qū)域能源互聯(lián)網(wǎng)的場(chǎng)景下，相比于傳統(tǒng)電網(wǎng)，能源不僅僅是在集中式發(fā)電端和終端用戶之間單向流動(dòng)［3-5］，而是在集中式發(fā)電端、分布式發(fā)電端、儲(chǔ)能端和終端用戶等之間多向流動(dòng)，通信數(shù)據(jù)量將呈幾何倍增長(zhǎng)［6］。作為能源互聯(lián)網(wǎng)“末梢神經(jīng)”的無(wú)線傳感器網(wǎng)絡(luò)（wireless sensor network，WSN）也因此變得越來(lái)越重要［7-8］。

WSN 的核心功能即為數(shù)據(jù)采集，其在能源互聯(lián)網(wǎng)中的應(yīng)用性研究已經(jīng)發(fā)揮了重要作用，包括智能配電網(wǎng)故障定位、變電站自動(dòng)化、輸電線路的實(shí)時(shí)監(jiān)測(cè)等各方面［8-10］。但是隨著太陽(yáng)能和風(fēng)能等分布式發(fā)電設(shè)備的廣泛應(yīng)用，傳統(tǒng)WSN 網(wǎng)絡(luò)在智能配電網(wǎng)中的應(yīng)用面臨越來(lái)越多的困難，例如，傳統(tǒng)WSN 基于IP 網(wǎng)絡(luò)，難以發(fā)揮出智能配電網(wǎng)中多種接入網(wǎng)絡(luò)的性能；在氣象災(zāi)害或巡檢無(wú)人機(jī)等動(dòng)態(tài)場(chǎng)景下難以獲取節(jié)點(diǎn)IP地址，無(wú)法及時(shí)有效完成數(shù)據(jù)收集任務(wù)等［4］。命名數(shù)據(jù)網(wǎng)絡(luò)（named data networking， NDN）是一種新型通用互聯(lián)網(wǎng)架構(gòu)，可以應(yīng)用在多種物聯(lián)網(wǎng)場(chǎng)景下［9-11］。NDN 架構(gòu)的出現(xiàn)，為解決上述問(wèn)題提供了可能。

文獻(xiàn)［6］將智能電網(wǎng)中的網(wǎng)絡(luò)架構(gòu)劃分為3 個(gè)層次，并映射到NDN 網(wǎng)絡(luò)架構(gòu)中，探討了NDN 網(wǎng)絡(luò)在智能電網(wǎng)骨干網(wǎng)絡(luò)適配的可能性。文獻(xiàn)［12］提出了一個(gè)輕量級(jí)的CCN-WSN 架構(gòu)，實(shí)現(xiàn)WSN 網(wǎng)絡(luò)上的新型網(wǎng)絡(luò)架構(gòu)適配，但是該方案依然使用“一發(fā)一收”的數(shù)據(jù)收集模式，效率較低。文獻(xiàn)［13］初步概述了NDN 架構(gòu)可以為WSN 帶來(lái)的好處，包括對(duì)數(shù)據(jù)收集、移動(dòng)性和安全性等的底層支持，但其沒(méi)有根據(jù)智能電網(wǎng)應(yīng)用領(lǐng)域中WSN 的獨(dú)特性進(jìn)行架構(gòu)上的調(diào)整，在流量性能和時(shí)延上確界標(biāo)準(zhǔn)等方面存在不足。本文面向智能配電網(wǎng)感知數(shù)據(jù)收集任務(wù)需求，在深入研究智能配電網(wǎng)數(shù)據(jù)傳輸特征的基礎(chǔ)上，對(duì)原生NDN 進(jìn)行適配性改進(jìn)，提出了一種智能配電網(wǎng)中感知數(shù)據(jù)收集協(xié)議——時(shí)延上確界保證的NDN 和WSN 結(jié)合的數(shù)據(jù)協(xié)議，簡(jiǎn)寫(xiě)為T(mén)-ND-WSN。T-ND-WSN 協(xié)議的主要?jiǎng)?chuàng)新點(diǎn)如下：

1）針對(duì)NDN 現(xiàn)有的緩存策略不符合智能配電網(wǎng)中感知數(shù)據(jù)收集場(chǎng)景的問(wèn)題，T-ND-WSN 設(shè)計(jì)了概率緩存策略來(lái)滿足智能配電網(wǎng)數(shù)據(jù)傳輸時(shí)延上確界標(biāo)準(zhǔn)和服務(wù)質(zhì)量需求。

2）針對(duì)NDN 現(xiàn)有架構(gòu)的“一發(fā)一收”數(shù)據(jù)收集模式效率低下的問(wèn)題，T-ND-WSN 設(shè)計(jì)了基于PIT動(dòng)態(tài)更新的“一發(fā)多收”數(shù)據(jù)收集機(jī)制。

1 應(yīng)用場(chǎng)景

1.1 通信需求

智能配電網(wǎng)是智能電網(wǎng)的重要組成部分，在智能配電網(wǎng)中，基于WSN 的數(shù)據(jù)收集機(jī)制需要滿足國(guó)家和電網(wǎng)公司等制定的配用電自動(dòng)化技術(shù)標(biāo)準(zhǔn)的一系列相關(guān)要求［14］，表1 列出了智能配電網(wǎng)中配電自動(dòng)化部分操作的通信實(shí)時(shí)性需求，從表1 中可以明顯看出，不同操作在通信實(shí)時(shí)性需求方面存在較大差異。

表 1 智能配電網(wǎng)中配電自動(dòng)化部分操作的通信實(shí)時(shí)性需求Tab. 1 Communication requirements of distribution automation in smart distribution grids

1.2 網(wǎng)絡(luò)體系抽象

WSN 具有節(jié)點(diǎn)大規(guī)模部署、自組織、低功耗和成本低等獨(dú)特的優(yōu)勢(shì)，可以克服其他通信方式的缺點(diǎn)，因此WSN 在智能配電的本地通信網(wǎng)絡(luò)建設(shè)中得到越來(lái)越多的應(yīng)用，圖1 展示了WSN 在智能配電網(wǎng)中的典型應(yīng)用場(chǎng)景及網(wǎng)絡(luò)體系抽象。WSN可以有效地應(yīng)用于智能配電系統(tǒng)的建設(shè)，其作為能源互聯(lián)網(wǎng)的網(wǎng)絡(luò)末梢，通常被固定或者分散部署在受監(jiān)測(cè)的區(qū)域內(nèi)，采集智能配電網(wǎng)的電壓、電流、頻率、有功與無(wú)功等電氣參數(shù)，配電網(wǎng)設(shè)備周?chē)h(huán)境的溫度、濕度和風(fēng)力等環(huán)境參數(shù)，通過(guò)多跳和單跳的傳輸方式將收集到的數(shù)據(jù)包傳輸?shù)交净蛘逽ink節(jié)點(diǎn)［15-16］，最終將整個(gè)區(qū)域監(jiān)測(cè)到的數(shù)據(jù)匯聚到管理中心。但是隨著太陽(yáng)能和風(fēng)能等分布式發(fā)電設(shè)備的廣泛應(yīng)用，電能不僅僅是在集中式發(fā)電端和終端用戶之間單向流動(dòng)，而是在集中式發(fā)電端、分布式發(fā)電端、儲(chǔ)能端和終端用戶等之間多向流動(dòng)，數(shù)據(jù)監(jiān)測(cè)網(wǎng)絡(luò)的接入方式也由單一向多種接入方式演進(jìn)，傳統(tǒng)WSN 網(wǎng)絡(luò)在智能配電網(wǎng)中的應(yīng)用面臨越來(lái)越多的困難［17］。

圖1 WSN及其在智能配電網(wǎng)中應(yīng)用場(chǎng)景示意圖Fig. 1 WSN and its application scenarios in smart distribution grids

NDN 作為一種以數(shù)據(jù)需求為驅(qū)動(dòng)的新型網(wǎng)絡(luò)架構(gòu)，符合WSN 只關(guān)注數(shù)據(jù)收集任務(wù)本身的初衷。NDN 的出現(xiàn)為解決傳統(tǒng)WSN 在智能配電網(wǎng)應(yīng)用中所面臨的新問(wèn)題提供了一種可能，當(dāng)然，NDN 協(xié)議本身還需要做進(jìn)一步的適配。

2 數(shù)據(jù)收集協(xié)議T-ND-WSN

本節(jié)首先給出NDN 原理的簡(jiǎn)單介紹，進(jìn)而結(jié)合原生NDN 路由節(jié)點(diǎn)的組成，對(duì)本文提出的數(shù)據(jù)收集協(xié)議T-ND-WSN進(jìn)行詳細(xì)描述。

2.1 NDN原理簡(jiǎn)介

NDN 網(wǎng)絡(luò)中有兩類(lèi)包：興趣包和數(shù)據(jù)包。NDN 數(shù)據(jù)交互就是通過(guò)興趣包和數(shù)據(jù)包的名字匹配來(lái)完成，即內(nèi)容請(qǐng)求者通過(guò)發(fā)送包含特定名字的興趣包來(lái)獲取數(shù)據(jù)，而數(shù)據(jù)擁有者回復(fù)帶有該名字的數(shù)據(jù)包。NDN 中路由節(jié)點(diǎn)維護(hù)內(nèi)容緩存（content store， CS）、待定興趣表（pending interest table， PIT）和轉(zhuǎn)發(fā)信息庫(kù)（forwarding information base， FIB）來(lái)實(shí)現(xiàn)包的轉(zhuǎn)發(fā)。以興趣包為例，其路由節(jié)點(diǎn)處理過(guò)程如圖2 所示，路由節(jié)點(diǎn)首先根據(jù)最長(zhǎng)前綴匹配原則查找CS 庫(kù)中的內(nèi)容，若匹配成功則直接返回Data 包；若匹配失敗則查找PIT 表，若查找到PIT 條目，則更新該條目的入端口號(hào)；若未找到則增加新的PIT 條目，查找FIB 表并轉(zhuǎn)發(fā)到上游路由節(jié)點(diǎn)，否則丟棄該興趣包或返回NACK［18-19］。

圖2 興趣包路由處理過(guò)程Fig. 2 Interest packet routing process diagram

從圖2中給出的路由節(jié)點(diǎn)處理過(guò)程可以看出，路由節(jié)點(diǎn)的CS 和PIT 表對(duì)于包的轉(zhuǎn)發(fā)具有重要影響，本文提出的T-ND-WSN數(shù)據(jù)收集協(xié)議正是通過(guò)修改CS 的緩存策略和PIT 條目的更新算法來(lái)實(shí)現(xiàn)原生NDN對(duì)于智能配電網(wǎng)中有源WSN應(yīng)用需求的適配。

2.2 CS概率緩存策略

在智能配電網(wǎng)場(chǎng)景中，有源WSN 中的節(jié)點(diǎn)可以通過(guò)電網(wǎng)直接供電，能源消耗不再是數(shù)據(jù)收集相關(guān)協(xié)議設(shè)計(jì)所面臨的主要問(wèn)題［20］，而以數(shù)據(jù)傳輸?shù)目煽啃院蛯?shí)時(shí)性為代表的服務(wù)質(zhì)量（quality of service， QoS）成為必須解決的焦點(diǎn)問(wèn)題，這是因?yàn)橹袊?guó)國(guó)家標(biāo)準(zhǔn)和電力系統(tǒng)行業(yè)標(biāo)準(zhǔn)中對(duì)數(shù)據(jù)傳輸?shù)目煽啃院蜁r(shí)延上確界都做了嚴(yán)格的規(guī)定［14］。

原生NDN 中路由節(jié)點(diǎn)的CS 緩存策略默認(rèn)為處處緩存算法（leave copy everywhere， LCE），該策略在緩存容量充足的時(shí)候能夠獲得良好的性能，但是對(duì)于內(nèi)存容量受限的WSN 節(jié)點(diǎn)并不適用。本文提出CS 的概率緩存策略用于解決該問(wèn)題，并提升智能配電網(wǎng)場(chǎng)景下數(shù)據(jù)傳輸?shù)腝oS，提高數(shù)據(jù)收集效率，下面對(duì)該策略進(jìn)行詳細(xì)描述。

2.2.1 傳輸數(shù)據(jù)的QoS建模

根據(jù)智能配電網(wǎng)傳輸數(shù)據(jù)的可靠性和實(shí)時(shí)性的不同，可以將傳輸數(shù)據(jù)的QoS 需求分為4 類(lèi)：無(wú)可靠性和實(shí)時(shí)性要求；僅對(duì)可靠性有嚴(yán)格要求；僅對(duì)實(shí)時(shí)性有嚴(yán)格要求；同時(shí)對(duì)可靠性和實(shí)時(shí)性有嚴(yán)格要求。當(dāng)可靠性要求嚴(yán)格時(shí)，可以通過(guò)在轉(zhuǎn)發(fā)路徑的各節(jié)點(diǎn)上盡可能緩存數(shù)據(jù)包，避免因?yàn)閿?shù)據(jù)擁塞或者物理鏈路故障等丟失數(shù)據(jù)包；當(dāng)實(shí)時(shí)性要求較高時(shí)，需要盡快將數(shù)據(jù)包從數(shù)據(jù)源節(jié)點(diǎn)轉(zhuǎn)發(fā)至sink節(jié)點(diǎn)，即優(yōu)先轉(zhuǎn)發(fā)數(shù)據(jù)包。本文定義緩存系數(shù)α和轉(zhuǎn)發(fā)系數(shù)β來(lái)描述不同傳輸數(shù)據(jù)對(duì)QoS的不同需求。

在對(duì)QoS 建模之前，首先給出WSN 中相鄰節(jié)點(diǎn)vi和vj通信的鏈路可靠性rij和時(shí)延dij的數(shù)學(xué)表示。

式中：λ為故障率；μ為修復(fù)率，假定均為常數(shù)，可以由統(tǒng)計(jì)分析得出；lij為相鄰節(jié)點(diǎn)的通信距離；v為數(shù)據(jù)傳輸速率；Δt為鏈路隨機(jī)延時(shí)?？紤]到WSN網(wǎng)絡(luò)中數(shù)據(jù)多跳傳輸?shù)奶攸c(diǎn)，容易推得，可靠性rij具有可乘性，而時(shí)延dij具有可加性，因此，對(duì)于一條多跳數(shù)據(jù)傳輸路徑(vs，…，vi，vj，…，vd)，可靠性rsd和時(shí)延dsd可表示為：

數(shù)據(jù)傳輸?shù)腝oS 可以從可靠性和實(shí)時(shí)性兩方面度量。當(dāng)數(shù)據(jù)包D 可靠性要求較高時(shí)，需要綜合考慮當(dāng)前節(jié)點(diǎn)vs的緩存占用和從當(dāng)前節(jié)點(diǎn)至目標(biāo)sink節(jié)點(diǎn)vd的路徑可靠性，不妨假設(shè)當(dāng)前節(jié)點(diǎn)vs的剩余存儲(chǔ)容量為bs和總緩存容量bf，則可用式（3）計(jì)算獲得數(shù)據(jù)包D被節(jié)點(diǎn)vs緩存的概率p(D|vs)。

式中：RD（·）為隨機(jī)函數(shù)；Max（·）為求最大值函數(shù)：αD為數(shù)據(jù)包D的緩存系數(shù)。當(dāng)數(shù)據(jù)包實(shí)時(shí)性要求比較高時(shí)，不妨假設(shè)其時(shí)延上確界為，則可用式（4）計(jì)算獲得數(shù)據(jù)包Dˉ被節(jié)點(diǎn)vs轉(zhuǎn)發(fā)的概率p()。

式中βDˉ為數(shù)據(jù)包Dˉ的轉(zhuǎn)發(fā)系數(shù)。p(|vs)的值越大，則數(shù)據(jù)包被轉(zhuǎn)發(fā)的概率越高，其值為1 時(shí)，則表示應(yīng)立即轉(zhuǎn)發(fā)。

2.2.2 概率緩存的協(xié)議適配

考慮到概率緩存策略中需要同步路徑可靠性和時(shí)延，對(duì)于NDN 協(xié)議來(lái)說(shuō)，通過(guò)修改興趣包屬性字段，并利用興趣包進(jìn)行信息同步較為方便，可以在興趣包結(jié)構(gòu)中增加上一跳節(jié)點(diǎn)標(biāo)識(shí)、到達(dá)當(dāng)前節(jié)點(diǎn)的路徑可靠性、到達(dá)當(dāng)前節(jié)點(diǎn)的路徑時(shí)延、數(shù)據(jù)轉(zhuǎn)發(fā)系數(shù)、數(shù)據(jù)緩存系數(shù)和時(shí)間上確界等，如表2所示。

表2 興趣包新增屬性字段列表Tab. 2 List of new attribute fields of interest packet

興趣包在節(jié)點(diǎn)之間進(jìn)行轉(zhuǎn)發(fā)過(guò)程中，路徑上的節(jié)點(diǎn)需要根據(jù)興趣包中的屬性值來(lái)動(dòng)態(tài)維護(hù)自身的節(jié)點(diǎn)狀態(tài)表，表3 給出了一個(gè)節(jié)點(diǎn)狀態(tài)表示例，節(jié)點(diǎn)狀態(tài)表中的一條記錄包括鄰居節(jié)點(diǎn)標(biāo)識(shí)、經(jīng)過(guò)該鄰居節(jié)點(diǎn)到達(dá)sink 節(jié)點(diǎn)的各條路徑的可靠率最大值和時(shí)延最小值。表中記錄用于協(xié)助進(jìn)行概率緩存策略的計(jì)算。

表3 節(jié)點(diǎn)狀態(tài)表示例Tab. 3 Example of node status table

2.3 PIT動(dòng)態(tài)更新算法

為了支持WSN 中“一發(fā)多收”的多源數(shù)據(jù)收集特征，本文修改原生NDN 路由節(jié)點(diǎn)在獲取到返回Data 包后立即刪除對(duì)應(yīng)PIT 條目的工作流程，增加路由節(jié)點(diǎn)中PIT 條目的保留時(shí)長(zhǎng)。然而，若PIT條目保留時(shí)間過(guò)長(zhǎng)，WSN 節(jié)點(diǎn)內(nèi)存空間有限，PIT條目累積之后，節(jié)點(diǎn)的PIT 表內(nèi)存溢出；更重要的是，智能配電網(wǎng)中數(shù)據(jù)傳輸?shù)臅r(shí)延上確界要求，依據(jù)時(shí)延上確界已經(jīng)“過(guò)期”的數(shù)據(jù)包如果還在網(wǎng)絡(luò)內(nèi)被轉(zhuǎn)發(fā)，會(huì)造成網(wǎng)絡(luò)資源的極大浪費(fèi)，針對(duì)上述問(wèn)題，本文提出基于PIT 條目保留時(shí)長(zhǎng)估算和數(shù)據(jù)包時(shí)延上確界相結(jié)合的PIT 條目動(dòng)態(tài)更新算法，該算法分為兩個(gè)步驟。

1）第一步：估算路由節(jié)點(diǎn)vi中PIT 條目的最長(zhǎng)保留時(shí)長(zhǎng)Tie；

2）第二步：結(jié)合命中第k 條興趣包的第一個(gè)返回?cái)?shù)據(jù)包中的時(shí)延屬性和步驟一的估算結(jié)果Tie設(shè)定該P(yáng)IT條目的超時(shí)計(jì)時(shí)器tk。

2.3.1 PIT條目保留時(shí)長(zhǎng)估算

假設(shè)節(jié)點(diǎn)vi的PIT容量大小為N，不妨將PIT表建模為M/M/1(N)排隊(duì)模型，其對(duì)應(yīng)馬爾科夫鏈?zhǔn)侥Ｐ腿鐖D3所示。

圖3 PIT表的馬爾科夫鏈?zhǔn)侥Ｐ虵ig. 3 Markov chain model of PIT table

圖3中λk-1表示PIT 中有k-1 個(gè)條目時(shí)興趣包的到達(dá)率，Pk表示PIT 中有k 個(gè)條目的平衡概率，μk為PIT 中有k個(gè)條目時(shí)其條目的刪除率，則根據(jù)PIT 中從k個(gè)條目變?yōu)閗-1 個(gè)條目時(shí)的PIT 條目刪除率等于PIT中從k-1個(gè)條目變?yōu)閗個(gè)條目時(shí)的興趣包到達(dá)率，可以得到平衡方程。

整理方程，可得Pk。

式中P0為沒(méi)有條目的概率，考慮到PIT 容量大小為N，用全概率公式求解，可得：

假設(shè)路由節(jié)點(diǎn)vi上PIT 以速率λi向前轉(zhuǎn)移到下一個(gè)狀態(tài)，則λk=λ i，μk=μi，令Tie= 1μi，ρ=λi μi，則ρ=λ iTie，將該公式和式（7）代入式（6），整理可得路由節(jié)點(diǎn)vi出現(xiàn)N個(gè)PIT 條目時(shí)候的穩(wěn)態(tài)概率

此時(shí)，Tie成為路由節(jié)點(diǎn)vi上PIT 條目最大保留時(shí)長(zhǎng)估計(jì)，而根據(jù)WSN 的具體場(chǎng)景，可以設(shè)置PNi的閾值上限，由此推算Tie的取值范圍。

2.3.2 PIT條目超時(shí)計(jì)時(shí)器

在智能配電網(wǎng)場(chǎng)景下，路由節(jié)點(diǎn)vi上的PIT 條目的刪除需要綜合考慮多個(gè)時(shí)間屬性，其存在兩種情況：第一種情況為該興趣包尚未收到任何返回?cái)?shù)據(jù)包，則此時(shí)超時(shí)計(jì)時(shí)器tk設(shè)置為T(mén)ie，從而維護(hù)該路由節(jié)點(diǎn)的PIT 表不溢出；第二種情況為已經(jīng)收到第一個(gè)回傳數(shù)據(jù)包，則該數(shù)據(jù)包中攜帶的路徑時(shí)延dsi、數(shù)據(jù)包時(shí)延上確界綜合考慮各時(shí)間屬性，超時(shí)計(jì)時(shí)器應(yīng)設(shè)置為：

當(dāng)路徑時(shí)延dsi比時(shí)延上確界還要大時(shí)，則超時(shí)計(jì)時(shí)器設(shè)置為0，直接刪除該P(yáng)IT條目。

3 仿真實(shí)驗(yàn)

3.1 實(shí)驗(yàn)環(huán)境

本文使用基于Python 庫(kù)作為仿真工具對(duì)T-NDWSN 協(xié)議進(jìn)行性能分析。WSN 仿真環(huán)境在20 000 m×20 000 m 的監(jiān)測(cè)區(qū)域內(nèi)隨機(jī)部署500 個(gè)無(wú)線傳感器，每個(gè)傳感器有5 MB 的內(nèi)存空間，其中FIB 為512 kB，CS 和PIT 的空間大小作為動(dòng)態(tài)參數(shù)在仿真程序中可設(shè)置，傳感器的傳輸范圍是300 m，數(shù)據(jù)傳輸速率為256 kbps，感知數(shù)據(jù)包大小為256 字節(jié)，興趣包的時(shí)延上確界均設(shè)定為2 s?？紤]到T-ND-WSN 應(yīng)用于有源WSN 網(wǎng)絡(luò)，傳感器節(jié)點(diǎn)的電池容量為無(wú)限。

表4 實(shí)驗(yàn)仿真環(huán)境參數(shù)Tab. 4 Experimental simulation environment parameters

3.2 實(shí)驗(yàn)分析

3.2.1 性能指標(biāo)

在仿真實(shí)驗(yàn)環(huán)境基礎(chǔ)上實(shí)現(xiàn)文獻(xiàn)［21］提出的CS 緩存策略（EPPC）、文獻(xiàn)［22］提出的PIT 更新算法（iHEMS）和本文提出T-ND-WSN 協(xié)議進(jìn)行性能對(duì)比分析?？紤]到T-ND-WSN協(xié)議提出的目的是實(shí)現(xiàn)感知數(shù)據(jù)的收集，我們選擇數(shù)據(jù)傳輸時(shí)延、緩沖區(qū)命中率和數(shù)據(jù)收集效率3 個(gè)性能指標(biāo)進(jìn)行性能分析，其中，數(shù)據(jù)傳輸時(shí)延指的是從興趣包發(fā)送到收到返回?cái)?shù)據(jù)包的平均時(shí)間間隔，其中本文提出的T-ND-WSN 協(xié)議支持“一發(fā)多收”模式，同一個(gè)興趣包返回多個(gè)數(shù)據(jù)包分別計(jì)算返回?cái)?shù)據(jù)包和對(duì)應(yīng)興趣包的時(shí)間間隔并求平均，如式（10）所示。

式中tij為發(fā)送第i個(gè)興趣包到收到對(duì)應(yīng)第j個(gè)數(shù)據(jù)包的時(shí)間間隔，對(duì)于“一發(fā)一收”模式，一個(gè)興趣包對(duì)應(yīng)一個(gè)數(shù)據(jù)包，此時(shí)X= 1；對(duì)于“一發(fā)多收”模式，一個(gè)興趣包實(shí)驗(yàn)設(shè)定為對(duì)應(yīng)M個(gè)數(shù)據(jù)包，此時(shí)X=M，如果未收到對(duì)應(yīng)數(shù)據(jù)包，則tij設(shè)置為當(dāng)前興趣包的時(shí)延上確界，在本實(shí)驗(yàn)中即為2 s。緩沖區(qū)命中率指的是興趣包發(fā)送請(qǐng)求后，在網(wǎng)絡(luò)內(nèi)部節(jié)點(diǎn)返回?cái)?shù)據(jù)包，而并不是數(shù)據(jù)原始生產(chǎn)者節(jié)點(diǎn)返回?cái)?shù)據(jù)包所占的比重，如式（11）所示。

式中：hR為興趣包發(fā)送請(qǐng)求后在網(wǎng)絡(luò)內(nèi)部節(jié)點(diǎn)返回?cái)?shù)據(jù)包的數(shù)目；hP為興趣包發(fā)送請(qǐng)求后數(shù)據(jù)原始生產(chǎn)者節(jié)點(diǎn)返回?cái)?shù)據(jù)包的數(shù)目。數(shù)據(jù)收集效率r指的是興趣包發(fā)送請(qǐng)求后，實(shí)際收到的有效數(shù)據(jù)包（去除重復(fù)數(shù)據(jù)包）占預(yù)期應(yīng)該收到的數(shù)據(jù)包的比例，如式（12）所示。

3.2.2 數(shù)據(jù)傳輸時(shí)延分析

圖4 展示了T-ND-WSN 和EPPC 兩種算法下的仿真結(jié)果對(duì)比，其中T-ND-WSN的數(shù)據(jù)傳輸時(shí)延受到轉(zhuǎn)發(fā)系數(shù)β的影響，估計(jì)分別展示取值0.3、0.4和0.5條件下的仿真結(jié)果。

圖4 數(shù)據(jù)傳輸時(shí)延仿真結(jié)果曲線圖Fig. 4 Simulation results of data communication delay

從仿真結(jié)果可以看出，當(dāng)CS 容量較小時(shí)，TND-WSN 的數(shù)據(jù)傳輸時(shí)延較大，這主要是由于TND-WSN 協(xié)議采用式（4）給出的基于概率的轉(zhuǎn)發(fā)機(jī)制，數(shù)據(jù)包傳輸?shù)那鞍攵?，由于時(shí)延冗余度較高，數(shù)據(jù)包被緩存的概率較大，網(wǎng)絡(luò)傳輸利用率較低，CS 容量較小，在緩存的數(shù)量到達(dá)一定閾值后，受到時(shí)間上確界影響而產(chǎn)生一定程度的丟包，直接導(dǎo)致整體平均時(shí)延較大，如圖中紅色橢圓標(biāo)注部分，為了整體顯示效果，極大值被人為設(shè)置為100 ms；而隨著CS 容量逐漸增長(zhǎng)，丟包情況逐漸減少，特別是到320 kB左右之后，網(wǎng)絡(luò)中數(shù)據(jù)包轉(zhuǎn)發(fā)和緩存逐漸達(dá)到平衡，T-ND-WSN 在轉(zhuǎn)發(fā)系數(shù)β推動(dòng)數(shù)據(jù)包大概率的沿著興趣包路徑快速返回，使得整體時(shí)延小于EPPC。同時(shí)，圖4 顯示轉(zhuǎn)發(fā)系數(shù)β設(shè)置與CS 容量有關(guān)，當(dāng)其取值與CS 容量相適應(yīng)時(shí)，不會(huì)出現(xiàn)大量數(shù)據(jù)包丟包，也即可以滿足傳輸時(shí)延上確界的要求。綜合分析實(shí)驗(yàn)結(jié)果可知，當(dāng)WSN 節(jié)點(diǎn)上CS 容量滿足一定條件時(shí)，T-ND-WSN 具有較好的實(shí)時(shí)性。

3.2.3 緩沖區(qū)命中率分析

緩沖區(qū)命中率一定程度上反映了CS 緩存策略的優(yōu)劣，圖5 展示了T-ND-WSN 和EPPC 兩種算法下緩沖區(qū)命中率的仿真結(jié)果對(duì)比。

圖5 緩沖區(qū)命中率仿真結(jié)果曲線圖Fig. 5 Simulation results of cache-hit ratio

緩沖區(qū)命中率在一定程度上可以反應(yīng)出物理網(wǎng)絡(luò)鏈路不穩(wěn)定時(shí)候，數(shù)據(jù)傳輸?shù)目煽啃?。圖5（a）中T-ND-WSN 的緩沖區(qū)命中率與EPPC 具有較大差異，這是因?yàn)榇藭r(shí)緩存系數(shù)α取值較小，數(shù)據(jù)包傳輸過(guò)程中被緩存在網(wǎng)內(nèi)節(jié)點(diǎn)的概率則較小，緩沖區(qū)命中率則較?。粓D5 中3 幅曲線圖的對(duì)比顯示出隨著緩存系數(shù)α取值逐漸變大，T-ND-WSN 的緩沖區(qū)命中率逐漸變好，并與EPPC 相差不大，特別是當(dāng)α取值為0.7 時(shí)，T-ND-WSN 的緩沖區(qū)命中率與EPPC 幾乎保持一致。由實(shí)驗(yàn)結(jié)果推知，為了使得數(shù)據(jù)傳輸?shù)姆?wù)質(zhì)量，在T-ND-WSN協(xié)議中，緩存系數(shù)α取值不應(yīng)過(guò)小。

3.2.4 數(shù)據(jù)收集效率分析

數(shù)據(jù)收集效率是本文所提T-ND-WSN協(xié)議所要解決的關(guān)鍵點(diǎn)。圖6 展示了的T-ND-WSN、iHEMS和EPPC在不同PIT容量下的數(shù)據(jù)收集效率。

圖6 數(shù)據(jù)收集效率仿真結(jié)果曲線圖Fig. 6 Simulation results of data collection efficiency

實(shí)驗(yàn)結(jié)果表明，相比于iHEMS 和EPPC，TND-WSN 的數(shù)據(jù)收集效率具有明顯優(yōu)勢(shì)，這與iHEMS 和EPPC 的設(shè)計(jì)原理基本一致，其中EPPC只對(duì)CS 緩存策略進(jìn)行了優(yōu)化，PIT 條目依然沿用“一收一發(fā)”機(jī)制，因此數(shù)據(jù)收集效率較低；而iHEMS 的PIT 條目更新使用固定時(shí)間值，直接且簡(jiǎn)單，數(shù)據(jù)收集效率的結(jié)果也相對(duì)差一些；對(duì)比不同PIT 容量下相同算法的數(shù)據(jù)收集效率，顯然，PIT容量越大，數(shù)據(jù)收集效率越好，這是因?yàn)镻IT 容量越大，PIT 條目的更新周期則越長(zhǎng)，網(wǎng)絡(luò)邊緣節(jié)點(diǎn)或者物理網(wǎng)絡(luò)不穩(wěn)定的節(jié)點(diǎn)所生產(chǎn)的數(shù)據(jù)更容易被收集。

4 結(jié)語(yǔ)

隨著以可再生能源為代表分布式能源被廣泛運(yùn)用到電力產(chǎn)業(yè)，WSN 作為在智能配電網(wǎng)中網(wǎng)絡(luò)架構(gòu)的“末梢神經(jīng)”，遇到越來(lái)越多的挑戰(zhàn)，如WSN基于IP網(wǎng)絡(luò)，對(duì)多種無(wú)線接入網(wǎng)的復(fù)雜環(huán)境缺乏靈活性；在氣象災(zāi)害或巡檢無(wú)人機(jī)等動(dòng)態(tài)場(chǎng)景下難以獲取節(jié)點(diǎn)IP地址，無(wú)法及時(shí)有效完成數(shù)據(jù)收集任務(wù)等。NDN 架構(gòu)對(duì)這些問(wèn)題的解決具有原生支持方案，本文結(jié)合NDN 架構(gòu)優(yōu)勢(shì)，提出了一種智能配電網(wǎng)中感知數(shù)據(jù)收集協(xié)議——T-ND-WSN。

T-ND-WSN 協(xié)議采用概率緩存策略和PIT 動(dòng)態(tài)更新機(jī)制對(duì)原生NDN 進(jìn)行改進(jìn)，在保留原生優(yōu)勢(shì)的前提下，還對(duì)智能配電網(wǎng)中數(shù)據(jù)傳輸?shù)臅r(shí)延上確界標(biāo)準(zhǔn)和可靠性需求給予了支持。仿真結(jié)果表明，T-ND-WSN 其在滿足智能配電網(wǎng)數(shù)據(jù)通信時(shí)延上確界前提下，在數(shù)據(jù)傳輸實(shí)時(shí)性和可靠性兩個(gè)維度上也具有一定的提升。智能配電網(wǎng)不僅接入網(wǎng)環(huán)境相對(duì)復(fù)雜，其數(shù)據(jù)收集任務(wù)也多種多樣［23-24］，未來(lái)，在針對(duì)不同數(shù)據(jù)收集類(lèi)型的協(xié)議自適應(yīng)方面以及基于NDN 的數(shù)據(jù)安全協(xié)議方面可以開(kāi)展更進(jìn)一步的研究。