面向电力业务可靠性保障的PON-LTE融合接入网络资源分配机制

　　摘 要：随着智能电网的发展，业务对终端通信接入网可靠性保障要求也越来越高。目前，正交频分复用技术有着广泛的应用，结合无源光网络技术，成为了电力终端通信接入网技术中的一个热点研究方向。然而，由于终端通信接入网中各类设备对可靠性要求的不同，有的设备要求接入网对其进行冗余覆盖以保证高可靠性的服务。现有的大多数融合网络资源分配算法未能考虑业务的可靠性要求，且存在算法复杂、计算量大以及容易陷入局部最优解等问题，不足以满足终端通信接入网的业务可靠性要求。论文提出了一种面向智能电网终端通信接入网的上行资源分配方案，仿真结果表明，本方案能够在可靠性要求高的环境下，相对单一智能优化算法，在10GHz的PON带宽情况下，实现20%的网络覆盖增强效果。

　　关键词：资源分配；PON-LTE融合接入网；业务可靠性；智能电网

　　中图分类号：TN915.6 文献标识码：A

　　Abstract： With the development of smart gird， service requirements for reliability of terminal communication access network are getting higher and higher. At present， Orthogonal Frequency Division Multiplexing （OFDM） technology has a wide range of applications. Combined with passive optical network technology， it has become an important part in power communication access network technology. Due to the different reliability requirements of various types of devices in the grid， some devices require the access network to perform redundant coverage to ensure high reliability services. However， most existing resource allocation algorithms for integrated access network have problems such as non-reliability guaranteed， large computational complexity， and easy to fall into local optimal solutions， which are insufficient to meet the increasing requirements of business reliability. This paper proposes an uplink resource allocation scheme for the terminal communication access network in smart grid. The simulation results show that the scheme can effectively solve the above problems and gain 15-20% better coverage rate compared with single resource allocation algorithms under high reliability requirements.

　　Key words： resource allocation； PON-LTE integrated access network； business reliability； smart grid

　　1 引言

　　隨着智能电网通信技术的发展，网络对业务的可靠性保障要求也越来越高。目前，正交频分复用（Orthogonal Frequency Division Multiplexing， OFDM）技术可以较好地解决多径衰落或者多径反射所引起的频率选择性衰减，同时又具有频谱利用率高、信道均衡技术简单、信号调制解调易于实现、纠错能力强等优点，广泛地应用在各种通信领域[1]。在电力终端通信接入网中，无源光网络（PON）是一个重要的技术手段，而随着接入网设备数量的急剧增加， 对光纤的宽带传输能力要求在增加。OFDM-PON具有频谱效率高、抗色散性能好、带宽分配灵活等优点，成为PON的重要实现方式。近年来关于OFDM-PON的研究大量集中在下行方向。事实上，随着电力通信网上行业务占比要远高于下行，因此研究大容量、广覆盖OFDM-PON上行传输技术十分必要。

　　现在，已有的关于OFDM-PON中带宽分配的研究大部分关注如何有效提高带宽利用率。Doo等人[2]提出了一种用于OFDM-PON的高链路利用的两阶段资源分配算法，首先为每个光网络单元（ONU）分配时间窗口，然后分配子信道。Chen等人[3]基于频域、时域、调制格式和功率分配四个维度，提出了一种针对OFDM-PON的上行链路传输的MAC层动态带宽分配调度方案。在保证网络服务的QoS方面，Saito等人[4]提出了拥挤网络条件下的自适应带宽分配算法，其中调制格式、符号率和子载波数量可以根据PON-section的距离，每个ONU的QoS和带宽需求自适应地决定。Shao等人[5]应用统计方法动态分配带宽，充分利用帧和优先级来保证差异化服务的QoS，提出了QoS保证动态带宽分配方案。与一般的动态带宽分配方法不同，Lei等人[6]提出的是具有统一带宽的动态和平衡容量的OFDM-PON分配方案，通过比特和功率级别的负载控制来实现OFDM-PON资源的动态分配。

　　而对于智能电网中资源分配的研究，Zhu等人[7]提出了一种基于LTE的蜂窝系统的上行链路的自适应无线资源分配（AWRA）方案，考虑了用户的优先级和公平性，但是没有考虑到业务的可靠性。Webster等人[8]利用人口理论Lotka Volterra（LV）方程来最优地共享用户设备（UE）之间的电信子载波，能提供较比例速率约束算法和最大总和速率算法更高的平均吞吐量，还能够将子载波预分配给智能电网UE以减少传输延迟。

　　综上所述，至今仍没有关于智能电网终端通信接入网中OFDM-PON承载无线LTE网络场景的上行资源分配研究，更不用说在此基础上考虑业务的可靠性。所以，本文提出一种面向终端通信接入网上行资源分配方案，其中电力通信业务由OFDM-PON和LTE无线网络承载，在考虑业务多样性的同时，也保证了业务的可靠性。

　　2 模型构建

　　如图1所示，在OFDM-PON与无线技术组成的融合电力通信接入网络中，一个OLT具有固定带宽FB，对应一定数量的子载波，它连接到多个ONU，每个ONU充当无线接入基站BS，向下为其服务范围内的UE提供服务，考虑NAN中的不同终端节点的可靠性要求不同，对于高可靠性要求的终端节点，需要为其提供冗余覆盖，对具有冗余覆盖要求的终端UE，需要同时使用多个基站为其提供服务，并同时满足其QoS要求。设ONU-BS集合为K，UE集合为U，UEi的业务需求为Ri，ONU-BS K的固定带宽为Bk，其从OLT处获得的速率为vk，UEi从BSk处获得的带宽为bi，k。考虑不同终端的不同可靠性要求，即冗余覆盖数量，定义终端i需要的最低冗余覆盖数为Di。优化目标是在保证终端服务质量和可靠性要求的前提下，最大化网络能够服务的终端数量。

　　在无线网络中，带宽被划分为资源块RB，基站以资源块为单位为每个UE提供服务。用0-1变量表示基站k是否分配到OFDM-PON子载波s，用0-1变量zi，k来表示UEi是否从基站k处分得无线资源，即：

　　考虑到终端UE的可靠性需求，即需要为高可靠性要求的终端节点同时使用多个基站提供冗余覆盖，并同时满足终端的QoS要求，定义0-1变量qi来表示终端i的可靠性要求是否被满足，具体表示为：

　　资源分配策略在OLT端进行，因此以最大化覆盖终端节点的数量为目标，本文建立的资源分配模型可写为：

　　其中，约束C1和C2用于表明，zi，k为0-1变量；约束C3和C4表示基站为终端节点提供的速率需要满足其业务要求；约束C5表示基站若从OLT处分得PON资源，其为UE提供服务使用的系统容量不能超过PON链路容量限制，c是每個PON资源块的速率，等于PON系统总速率/资源块数量N；约束C6是基站带宽资源约束；约束C7表示PON中一个资源块只能被一个无线基站使用；约束C8为OFDM-PON系统的资源总量限制。

　　3 算法求解

　　容易看出，上述资源分配问题（6）是一个NP-Hard问题，本文提出一种混合智能优化算法来对其进行求解，定义外层自适应遗传算法的变量为，内层二进制粒子群的算法变量为zi，k，所设计的适应度函数为能覆盖且满足业务和可靠性要求的最大终端节点数量

　　首先，对于PON资源的分配，将变量编码为二进制遗传算法中的个体染色体基因，染色体长度为的大小，每个基因的取值为0或1，代表一个PON子载波是否分配给一个无基站。自适应进化的具体过程分为几步。

　　步骤一：种群初始化。产生由一组个体组成的种群，每个个体含有一个染色体，染色体长度等于的大小，每个染色体的组成为一组随机0-1二进制序列，代表一种PON资源分配方案。

　　步骤二：适应度计算。根据个体染色体组成，进行无线基站与业务终端的PON资源分配，在此基础上再对基站与终端节点之间的无线资源进行分配，在满足终端节点的最低业务速率和可靠性覆盖要求的前提下，计算按此方案进行资源分配得到的能够覆盖的终端节点数量，将此作为个体的适应度。

　　步骤三：选择。使用轮盘赌方法选择出种群中适应度值较高的个体，进行下一步操作。

　　步骤四：交叉。以交叉概率Pr对个体对j1和j2中每一个体的染色体，交换其指定位置。其中Pr可根据适应函数值动态调整，其计算方法为

　　其中ηmin为种群中最小适应度，ηmean为种群中所有个体适应度的平均值。Pr0为默认交叉概率，αr和βr为取值范围为[0，1]的常系数。

　　步骤五：变异。以变异概率Pm选出个体j，对个体染色体中的指定位置进行翻转。在自适应遗传算法中，Pm也可以根据适应度值进行动态调整，其公式为

　　其中Pm0为默认变异概率，αm和βm也是取值范围为[0，1]的常系数。

　　步骤六：判断是否到达遗传进化次数，若已达到，停止；否则，转到第2步。

　　其次，对于业务终端与基站之间的无线资源分配，用PSO中的一个粒子代表一种分配方案，一个粒子的大小即为变量zi，k的大小，每个位置的值为0或1，对应zi，k的一个具体取值，粒子适应度函数为此资源分配方案下所能覆盖到的终端节点个数。

　　具体地，用表示粒子群中第W个粒子在第t代进化时的位置值。对应地，用表示第W个粒子在第t代的更新速度。在最小速度Vmin和最大速度Vmax范围内，粒子速度和位置的更新方式为

　　其中pbw和gb分别表示第t代进化后的本地最优解和全局最优解，c1和c2为学习因子（加速常数），R（0，1）为0和1之间的随机数，函数保证了粒子位置值取0或者1，其定义为

　　4 仿真结果分析

　　如图2所示，显示了本文所提混合智能优化算法与单一智能优化算法的收敛性能。从图中可以看出，在相同的迭代次数下，使用混合智能优化算法可以更快的收敛到最优解，因为这一算法可以对两类决策变量同时进行寻优，相比于仅一层的寻优算法，速度更快，也可以一定程度上避免单一算法早熟或陷入局部最优的问题。

　　图3显示了满足业务与可靠性要求的终端覆盖比例随PON带宽的变化情况，其对应的冗余覆盖数分别为1、2、3，其中最低冗余覆盖数为2和3的终端比例分别固定为20%。从图中可以看出，无论可靠性要求的高低，随着PON资源的增加，网络可以覆盖的终端数量都会增加，显然这是因为当终端业务与可靠性需求固定时，即各个终端的冗余覆盖数不变时，PON资源更多，能够满足更多终端的业务需求，也可以为原本达不到可靠性需求的终端提供更多资源使其实现冗余覆盖。从图中还可以看出，q越小，在相同PON资源下能够达到的终端覆盖率越高，因为高可靠性会占用更多的资源；而且，当PON资源越少，这种差异越明显，因为冗余覆盖数变大后，由于资源受限，原本可以覆盖的终端节点难以达到可靠性要求，而变为不能被覆盖。

　　如图4所示，显示了在不同高可靠性终端的比例下，满足业务与可靠性要求的终端覆盖比例随PON带宽的变化情况，其中高可靠性终端的最低要求冗余覆盖数为2，其对应比例分别为10%、20%和30%。从图中可以看出，PON资源越多，相同场景下能够覆盖的终端数量越多，这与上一张图的趋势一致。另外，高可靠性终端所占比例越大，相同资源下能够覆盖的终端数量越少，原因是在终端数量和位置都不变的条件下，显然更多的冗余覆盖会消耗更多PON资源，导致整体覆盖率的下降。进一步可以发现，当PON资源越紧缺时，高可靠性占比之间的差别越大，同样，原因是受限的资源无法满足高可靠性的要求而不能覆盖终端节点。

　　5 结束语

　　本文提出的面向智能电网终端通信接入网的上行资源分配方案能够有效解决混合接入网中部分终端的高可靠性需求，通过与单一智能优化算法进行对比，当冗余覆盖数提高或是高可靠性终端占比提高时.本文提出的混合智能优化算法在迭代次数相同的情况下，在不同PON资源情况下能够提升15-20%的终端覆盖率，并且不会存在其他优化算法可能的计算量大、陷入局部最优点等问题。根据模拟结果，本文得出了PON资源数量有限时，满足高可靠性终端越多，能够覆盖的总终端数量就越少，因此如何权衡各类终端的数量需要根据具体情况进行调控。从研究结果可以看出，本文提出的面向智能电网终端通信接入网上行资源分配方案具有一定的实用性和发展前景。

　　基金项目：

　　1.国网江苏省电力公司科技项目（项目编号：J2017072）；

　　2.国家科技重大专项（项目编号：2017ZX03001013）。

　　参考文献

　　[1] N. Cvijetic.OFDM for Next-Generation Optical Access Networks [J].Lightwave Technology， 2012，30（4）：384-398.

　　[2] Doo K， Bang J， Han M S， et al. Two‐Stage Resource Allocation to Improve Utilization of Synchronous OFDM‐PON Supporting Service Differentiation[J]. Etri Journal， 2015， 37（4）：409-13.

　　[3] Chen J， Li Y， Chen J， et al. Four-dimensional scheduling for uplink dynamic bandwidth allocation in OFDM-PON[J]. Optik-International Journal for Light and Electron Optics， 2013， 124（24）： 6922-6925.

　　[4] Saito H， Minato N， Tamai H， et al. Highly Efficient Adaptive Bandwidth Allocation Algorithm for WDM/OFDM-PON-Based Elastic Optical Access Networks[J].IEICE Transactions on Communications， 2018， 101（4）： 972-978.

　　[5] Shao A， Dou Q， Xiao Y， et al. Bandwidth allocation design to guarantee qos of differentiated services for a novel OFDMA-PON[C]. 2012 18th IEEE Asia-Pacific Conference on Communications （APCC）， 2012： 775-780.

　　[6] Lei C， Chen H， Chen M， et al. Dynamic and balanced capacity allocation scheme with uniform bandwidth for OFDM-PON systems[J]. Optics Communications， 2015， 338： 106-109.

　　[7] Zhu R， Tan X， Yang J， et al. An adaptive uplink resource allocation scheme for LTE in smart grid[J]. Journal of Communications， 2013， 8（8）： 505-511.

　　[8] Webster R， Munasinghe K， Jamalipour A. Optimal resource allocation for smart grid applications in high traffic wireless networks[C]. 2014 IEEE International Conference on Smart Grid Communications （SmartGridComm）， 2014： 398-403.

　　作者簡介：

　　朱红（1971-），女，汉族，江西南丰人，华北电力大学，硕士，研究员级高级工程师；主要研究方向和关注领域：电力系统信息通信和智能电网。

　　韦磊（1982-），男，汉族，南京江苏人，河海大学，博士，高级工程师；主要研究方向和关注领域：电力系统信息通信和智能电网。

　　李秋生（1981-），男，汉族，南京江苏人，南京邮电大学，高级工程师；主要研究方向和关注领域：电力系统通信。

　　严东（1976-），男，江苏南京人，河海大学，硕士，工程师；主要研究方向和关注领域：电力通信网。

　　蔺鹏（1987-），男，汉族，山东莱芜人，内蒙古师范大学，学士，工程师；主要研究方向和关注领域：电力通信网、网络管理、仿真系统。

　　朱红　韦磊　李秋生　严东　蔺鹏