来源：《中国电力》2024年第11期
引文：吴赞红. 面向强干扰电力物联网的低功耗数据回传方法[J]. 中国电力, 2024, 57(11): 191-198.
在典型的电力物联网（Internet of Things，IoT）通信场景中，通常存在2类节点：一类是负责数据采集与发送的传感器节点；另一类是负责数据收集汇总的基站节点。大量的传感器节点实时采集各类电力设备的状态和数据信息，并按指定的通信协议发送给基站节点；基站节点接收所有传感器节点无线传输的数据，并将数据通过骨干网发送给后台服务器。《中国电力》2024年第11期刊发了吴赞红等撰写的《面向强干扰电力物联网的低功耗数据回传方法》一文。文章所提出的系统特点为：1）系统为定时同步系统，数据传输和信令传输都在指定的时隙内进行。在持续时变强干扰环境中采用同步系统可以避免无效的信道资源竞争，降低功耗。2）传输信道分解为控制信道与数据信道：数据信道内上传设备采集的数据，控制信道传输比特级控制信令、状态信息。3）传感器节点和基站节点都是低功耗窄带系统，带宽和频段皆可调。4）由于存在时变宽带强干扰，多个分布式传感器节点常开接收模式，在各自窄带频段上检测干扰情况，并在控制信道内上传给基站节点，基站节点通过多个窄带频谱拼接，从而知道整个宽带频段内的干扰情况。5）基站节点根据频谱干扰情况，选择干扰最低的窄带频段分配给有数据要上传的节点。本文提出的通信系统通过同步调度、极低功耗的分布式实时窄带干扰监测、最优信道数据上传等方法，保证了系统整体的低功耗特性，适用于存在时变宽带强干扰的电力物联网场景中。仿真结果表明，所提系统及传输方法相对于已有方法极大提升了通信容量，降低了系统功耗。
电网场景中设备繁多，电磁环境复杂，对传感器节点无线数据回传造成了时变宽带强干扰。针对此问题，提出了面向强干扰电力物联网的低功耗回传方法。通过同步调度、分布式实时窄带干扰监测、最优信道数据上传等步骤，大大降低了强干扰环境下的数据碰撞概率，提高了通信容量，同时保证了系统整体的低功耗特性。仿真结果表明：该方法的吞吐量相对于传统方法提升2倍以上，功耗下降50%以上。整体而言，该方法极大提升了通信容量，降低了系统功耗。本文主要针对存在宽带时变强干扰环境中的传感器节点低功耗数据回传问题。电力场景中的宽带时变强干扰存在3个特点：1）干扰频带较宽；2）干扰频段内各个子频段干扰强度不同；3）干扰情况随时间缓变。宽带强干扰如图1所示。
![]()
Fig.1 Schematic of broadband time-varying strong interference
典型的电力物联网网络结构如图2所示，包含1个基站节点和若干个传感器节点。在图2中，大量传感器节点实时采集电力设备数据并上传至基站节点。如果存在图1中的宽带时变强干扰，会极大影响数据上传性能，降低系统通信容量。
![]()
Fig.2 Network structure of power IOT
图2中的传感器节点一般是电池供电的低功耗系统，因此通常假设传感器节点是窄带的。为进一步降低功耗，此处假设基站节点同样也是窄带的。传感器和基站的频段可调，实际通信过程中，只有当传感器节点和基站节点的频段相同时才能进行通信。在此场景下，若采用传统类CSMA的竞争方式进行数据传输，传输效率低，且浪费功耗，因此本文提出了更高效的传输设计方案。
为便于低功耗通信协议的设计，本文所提通信系统包含2类信道：数据信道和控制信道。此外，在控制信道内还加入了固定时隙的概念，以下分别进行阐述。数据信道整体受宽带干扰的影响。假设场景中一共有N个传感器节点，编号为n=0,⋯,N−1。将总的干扰带宽B均分为N等分，则n号传感器节点监测的窄带频段bn为控制信道是一个带宽极窄的信道，用bc表示。此频段与数据频段分隔开，认为此频段上没有强干扰，可以随时用于通信。主要用于各个传感器节点向基站节点上报比特级频段干扰信息、数据状态信息以及基站节点向各个传感器节点下发控制信息。控制信道给所有传感器分配固定时隙，当有干扰情况更新时，各个传感器可以在自己的时隙上传频段干扰更新情况。同时，基站节点也可以通过控制信道指定节点在数据信道上进行数据上传。假设控制信道一个周期的时隙长度为T，则n号传感器节点分配的控制信令时隙tn为广播时隙固定为ts，在每个时隙周期的开头，时隙长度与控制信令时隙相同，用于基站节点下发控制信息。具体的时隙和信道频段划分如图3所示。
![]()
Fig.3 Time slot and frequency band division
本文系统是一种同步系统，无论是控制信道调度信息传输还是数据信道传感器，数据传输都在基站的调度时间基准上进行。假设n号节点在广播时隙ts收到基站的调度信息，且被选取为可以进行数据上传的节点，则n号节点默认从t0时隙开始上传，此后一直将数据传输结束为止。场景中存在大量传感器节点，每个节点常开接收模式，以接收模式监听指定频段的干扰。当前市面上窄带通信系统的接收模式功耗远远低于发射模式，因此以常开接收模式换取传统CSMA的竞争开销是合理的。某个节点只有当其所监测的频段干扰情况发生明显变化且持续指定时间E之后（如接收信号强度指标降低指定步长且持续一段时间），才会通过控制信道在分配给自己的时隙内上传频段干扰变化情况给基站节点。本文所提系统整体通信流程如图4所示，其具体过程描述如下。
![]()
Fig.4 Overall communication procedures of the proposed system
基站和传感器节点开机，并将频段都调整到控制信道频段bc。所有传感器在bc频段打开接收模式；基站在bc频段发送定时信息，作为所提通信系统的同步时间基准。基站和各传感器节点以此时间基准确定图3中的时隙划分。基站通过控制信道的ts广播各个传感器节点需要监听的频段信息以及各节点在控制信道上的时隙分配情况。所有传感器在ts上接收广播信息，确定各自需要监听的频段情况和各自的控制信道时隙情况。所有传感器在基站指定的频段（n号传感器对应的频段为bn）打开接收模式，开始监听各个频段上的干扰。监听时长E之后，得到各个频段的平均干扰功率情况。各传感器节点对干扰功率值以8 bits量化，之后将量化的干扰强度值在控制信道各自时隙上传给基站节点。基站节点接收所有频段干扰信息，并选出干扰最小的频段，以备各个节点数据上传。所有传感器检测电力设备的状态信息或者采集电力设备的数据信息。同时，各个传感器持续监听各自频段的干扰情况。所有传感器持续监听各频段干扰情况，当干扰功率值变化超过指定门限值W，且持续时间超过E时（避免扰动），则将最新的干扰功率进行8 bits量化，并在控制信道各自时隙上传给基站节点。基站节点在控制信道各个时隙接收传感器节点的上报数据。根据上报的数据更新各频段的干扰功率情况，并重新选出干扰最小的频段以备分配给传感器节点进行数据上传。电网中不同传感器采集的数据上报的优先级不一样，一些传感器数据优先级高，一些传感器数据优先级低。本文定义4种数据优先级，采用2 bits量化。此外，为避免一些低优先级的传感器一直无法上传数据，辅助以当前累计采集未上报的数据量，即传感器当前缓存占用情况也作为基站决定上传优先级的依据，优先级结构如图5所示。
![]()
Fig.5 Priority control information structure
图5中，前面的2 bits是数据优先级，0到3表示优先级从低到高，后面的16 bits表示未上传的数据量。整体组成18位无符号整数值，根据此数值的大小决定数据上传优先级，值越大，优先级越高。当各个电力设备正常运行时，传感器采集的数据优先级都相同，此时即以未上传数据量决定上传优先级。而当某个电力设备有紧急数据要上传时，最高位的数据优先级变大，从而使得这个优先级结构的数值变大，优先级变高，保证了紧急数据的优先传输。因此，采用所提优先级控制结构，在操作时只需直接比较数值的大小即可判别数据的优先级，不会添加任何计算复杂度。各传感器将定时在各自的控制信道时隙内将上述2类量化信息上传至基站。基站节点根据各节点上传的数据状态计算出节点的数据优先级，选取优先级最高的节点编号。将当前最优信道编号和选取的最高优先级节点编号在控制信道ts时隙广播，默认约定数据上传时间从下一个控制时隙（即t0时隙）开始。各节点在ts时隙接收广播信号，提取其中的节点编号与自身编号对比。当节点编号与自身编号相同时，则将频段调整为下行广播指示的频段，在t0时隙开始，将数据上传至基站。数据上传完之后，基站节点将该节点的数据优先级降至最低（便于基站调度其他需要上传数据的节点）。上述步骤中基站和传感器节点详细交互流程如图6所示。
![]()
Fig.6 Detailed interaction process between the base station and sensor node
不同于已有干扰消除算法，本文在系统层面提出了全新的通信协议。为避免强干扰环境下无效的通信资源竞争，结合IoT终端高发送功率，低接收功率的特点，本文协议采用同步分时隙通信策略，让各网络终端在不同频段常开低功耗监听模式。当信道干扰发生变化时在控制时隙将各窄带信道干扰上传至中心基站，由中心基站根据前述优先级调度各终端在最优信道上传。本文方法的同步策略避免了强干扰环境下的无效资源竞争，同时，最优信道上传也实现了频谱效率的最大化，因此适用于强干扰环境下的低功耗回传系统。
假设n号节点到基站的信道为hn，频带内平均强干扰功率为![]()
发射功率为pn，pn受最大功率pmax限制，即
假设干扰门限为Z，采用传统类CSMA协议。当干扰功率大于Z时，则节点退避，不传输数据。根据Z值的大小，节点选择退避，不传输数据的概率为pe，则最终的吞吐量Ce为以上为传统类CSMA资源竞争方法的系统吞吐量。采用此类方法时，所有节点共同竞争同一个宽带信道，在宽带信道内进行大容量数据传输。整体吞吐量受干扰功率的影响，当干扰功率高于门限值时，节点选择规避信道。在强干扰环境中，会极大地降低通信性能。采用本文方法时，宽带信道被整体划分为N个同带宽的窄带信道。基站节点总是选择干扰最低的窄带信道，并根据终端节点数据传输优先级选择节点进行数据上传。根据图2所示的宽带时变强干扰，出现全频带强干扰情况的概率很低，即当将宽带信道分解为多个窄带信道后，多数时刻基站都能选择到干扰较低的窄带信道进行数据上传。此时，信道容量Cp为式中：![]()
为最优信道的干扰功率；![]()
为选取的最优信道的增益情况。本文方法当选择最优信道后，即便出现小概率的最优信道强干扰情况，仍然进行数据传输，不进行退避。由于控制信道传输比特级控制信息，信息量小，功率消耗少，此处忽略不计。对于功耗分析而言，假设一段时间内所有传感器要上传的总数据量为S，对于传统类CSMA协议而言，所需的功耗Ge为对于传统类CSMA协议，当存在强干扰时总体吞吐量低，而总数据量相同时功耗大。而本文方法无论在弱干扰还是强干扰情况下总是选择最优信道，将所有功率分配给最优信道传输，总体功耗稳定，对于宽带强干扰情况具有很好的鲁棒性。相对于传统的异步资源竞争式的通信策略，本文协议采用分时隙、分信道的同步策略。时隙和信道的划分在网络初始化过程中便已经由中心节点广播给各个终端，网络运行过程中各终端节点无须进行资源竞争，因此没有复杂的竞争协议，网络资源管理的复杂度比传统策略低。此外，所提策略并未涉及复杂的计算，优先级的判别仅仅是数值大小的比较，计算复杂度同样较低。总体而言，本文方法显著降低了通信系统的复杂度。
在强干扰和弱干扰情况下，对传统方法和本文方法的性能进行比较。仿真参数如表1所示，仿真结果如图7和图8所示。
Table 1 Simulation parameters![]()
![]()
Fig.7 Throughput comparison simulation![]()
Fig.8 Power consumption comparison simulation
在强干扰的情况下，整个100 MHz数据带宽的所有窄带信道按如下方法设置干扰。95%的窄带信道随机添加大于10 dBm的干扰功率，功率在10~20 dBm之间均匀分布，5%的窄带信道随机添加小于10 dBm的干扰功率。而在弱干扰的情况下，给95%的窄带信道随机添加小于10 dBm的干扰功率，给5%的窄带信道随机添加大于10 dBm的干扰功率。数据分布以泊松分布产生，仿真1000000次数据包发送过程之后统计吞吐量和功耗情况。图7对吞吐量进行了归一化。从图7可以看出，本文方法无论是在强干扰还是弱干扰情况下，性能都大幅优于传统类CSMA的资源竞争协议。在强干扰的情况下，传统方法吞吐量极低，且随着节点数目的增加而竞争加剧，吞吐量出现下降的情况。本文方法由于避免了资源竞争，随着节点数目的增加，吞吐量基本保持稳定。在吞吐量仿真的基础上，图8对节点的最大发射功率进行了归一化。从图8可以看出，本文方法无论在强干扰还是弱干扰情况下，功耗都随着节点数量的增加呈线性增长。传统方法随着节点数量的增加而竞争加剧，功耗大幅增加，呈指数级增长。综合以上仿真情况，本文方法能够大幅提升电网强干扰环境下系统的上行吞吐量，降低系统功耗。
在一些电力物联网场景中，由于各类电力设备的运行，容易在很宽的频段内产生随时间慢变的强干扰。在此类场景下，传统类似CSMA的协议容易产生无效的资源竞争，浪费功耗，通信效率低。为此，本文提出了面向强干扰电力物联网场景的低功耗回传系统与方法。通过分布式传感器节点持续干扰监听，结合基站节点频谱拼接，优选信道数据上传，实现低功耗场景下的最大容量上行传输，针对性地解决了强干扰电力物联网环境下的数据回传问题。仿真结果表明，本文提出的低功耗通信方法相比于已有方法可以极大提升通信容量，降低通信功耗。该方法需要终端硬件能够在很宽的频率范围内灵活调频，增加了硬件系统实现的复杂度。因此，在本文方法的基础上，设计低成本的射频硬件方案是后续研究的主要内容。
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。
