基于HPLC的物联网通信技术研究_王鸿玺.pdf

第 46 卷 第 1 期2023 年 2 月电 子 器 件Chinese Journal of Electron DevicesVol.46No.1Feb 2023项目来源:2020 年国网河北省电力有限公司科技项目资助(kjcb202019)收稿日期:20211221修改日期:20220211esearch on Communication Technology of Internet of Things Based on HPLC*WANG Hongxi*，TAO Peng，LI Fei，SHI Zhengang，SHEN Hongtao，GAO Bo(Marketing Service Center，State Grid Hebei Electric Power Co，Ltd，Shijiazhuang Hebei 050000，China)Abstract:Aiming at the resource allocation problem of broadband power line carrier communication，a physical layer resource allocationalgorithm is proposed to meet the needs of low complexity Firstly，based on the equal power allocation method，the set of sub-carriers re-quired by each user to meet the minimum rate requirements is determined The multi-user problem in resource allocation can be split in-to single-user problems is determined the optimal power allocation Then Lagrange Multiplier Method is used to optimize the power ofthe sub-carrier set used by each user to further improve the system throughput Simulation analysis shows that the proposed algorithmhas higher throughput，and it is 13 52%and 5 61%higher than the maximum throughput algorithm and the Gong algorithmrespectively，meeting the minimum rate requirements of usersKey words:broadband power line carrier communication;Internet of Things communication;physical layer;resource allocation;SubcarrierEEACC:6150P;6240Jdoi:103969/jissn10059490202301007基于 HPLC 的物联网通信技术研究*王鸿玺*，陶鹏，李飞，石振刚，申洪涛，高波(国网河北省电力有限公司营销服务中心，河北 石家庄 050000)摘要:针对宽带电力线载波通信资源分配问题，提出一种物理层资源分配算法，满足低复杂度的需求。首先，基于等功率分配方法，确定每个用户满足其最小速率要求所需的子载波集合，资源分配中的多用户问题可以拆分为单用户问题，并满足最优功率分配，然后将拉格朗日乘子法用于优化每个用户使用的子载波集的功率，以进一步提高系统吞吐量。仿真分析表明，所提算法具有更高的吞吐量，比最大吞吐量算法和 Gong 算法提高了 1352%和 561%，能够满足用户的最低速率要求。关键词:宽带电力线载波通信;物联网通信;物理层;资源分配;子载波中图分类号:TM9136;TN915853文献标识码:A文章编号:10059490(2023)01004105随着智能传感器设备的海量接入，电力系统中出现了各种类型的通信需求，导致数据量呈爆炸式增长，这对现有的通信方式提出了严峻的挑战。电力物联网要实现电网综合态势感知，需要依托强大可靠的通信网络作为支撑。因此，通信系统是电力物联网的核心，在电力物联网行业具有较大的潜力1。电力物联网利用电力线作为数据传输的媒介，其通信系统能够与电气设备进行连接，通过低成本的优势，有效实现了各类终端设备的接入，有效提升了效率23。随着业界对电力线载波通信技术不断提出的需求，宽带电力线载波通信应运而生，通过这几年的不断发展，其速率也从原来的几千 bps 提高到每秒几兆，甚至是每秒几十兆，通信性能有了很大的提高4。随着智能电网对终端设备通信需求的不断增加，传统的正交频分复用(Orthogonal Fre-quency-Division Multiplexing，OFDM)资源分配算法已经无法满足信息传输和用户服务质量保证的需求，因而众多研究者也对此投入了广泛的关注。物联网和电力线通信(Power Line Communication，PLC)在家庭网络方面有广泛的应用前景。这个想法在物联网和射频识别(adio Frequency Identifica-tion，FID)流行之前就出现了。在物联网范式中，已经为家庭网络开发了服务，其作为物联网服务的一部分，在家庭网络上得到了充分的发展;存在没有与 FID 或传感器之间的连接问题，它们是资源有限的微型设备，主要是电池供电，整体推广存在一定的限制11。在智慧城市方面，PLC 和物联网可以帮助减少全球能源使用。世界上大约三分之二的能源、60%的水消耗和 70%的温室气体被城市使用。建筑和交通占能源消耗的 40%和温室气体(CO2)产生的约 21%，使用高效技术可在不影响舒适度的情况下降低建筑物的能耗和二氧化碳排放量。智慧城市的概念部分基于物联网和 PLC，其总体目标是实现基电子器件第 46 卷于智慧城市、智能家居、智能建筑和智能移动的智能环境。通过将智能设备与 IoT 和 PLC 结合使用，建筑物或家庭的运营将更加简单、安全、可靠、环保且具有成本效益。这些智能设备将通过互连的传感器和执行器收集数据，并根据特定事件的请求实时做出反应，为人类生活提供了极佳的便利。因此，拥有可靠的通信网络基础设施，例如允许对智能设备进行编程的无处不在的网络系统。这种基础设施需要价格低廉、易于安装和维护且可靠，这是因为具有高性能和可靠性的传统网络价格昂贵且难以在家庭环境中进行管理。这些因素使无处不在的网络和 PLC成为智能家居环境网络基础设施的良好候选者，因为它们随时可用且几乎没有 PLC 安装成本。文献 5 提出了最大吞吐量算法，该算法根据同一子载波在不同用户之间的差异的问题，信道质量最好的用户拥有更多的子载波，实现多用户分集增益。该算法的主要目的在于使得系统的吞吐量达到最大化利用，但却忽略了信道质量较差的用户，在该算法下，这些用户没有得到足够的资源，服务质量相对较差，极大地影响了公平性。基于此，文献 6提出了应对于最大吞吐量的 max-min 算法，主要用于解决最大吞吐量算法造成的公平性问题，其将大量的系统资源分配给信道质量较差的用户，而将少量的资源分配给信道质量较好的用户，以实现用户之间的绝对公平。虽然这使得用户之间的公平性得到了保证，但却使得网络性能整体下降了，从而使得系统的总吞吐量降低。文献 7 提出了基于速率最大化(ate Adaptation，A)准则的遗传算法和注水算法相结合的优化分布。优化后的算法在性能上得到了一定的提升，系统的总吞吐量也提升了，但算法忽略了服务层面，导致整体的服务质量下降了，这是因为部分服务的服务质量需求(Quality of Service，QoS)无法满足。文献 8 采用等功率分配方法为每个子载波加载功率，根据公平偏差最大累积原则为用户分配系统资源，通过调整偏差度来控制用户速率的稳定性。但是这种算法在系统容量不足的情况下很容易导致非实时用户无法满足其 QoS 要求。综上所述，目前的算法在一定程度上解决了资源分配的问题，但也存在一定的缺陷，用户没有按需获得足够的资源，导致网络整体通信性能不够理想，系统的吞吐量也没有达到最大化的要求。针对以上问题，本文提出一种物理层资源分配算法，该算法满足低复杂度的要求。仿真分析表明，本文算法具有更高的吞吐量，能够满足用户的最低速率要求。1物联网资源分配算法物联网的发展面临着诸多的问题，如物联网设备爆炸式增长，无线资源匮乏等，充分考虑到物联网的特点，必须设计有效的资源分配算法。11电力线载波通信问题描述如图 1 所示，电力线通道为开放共享通道12，所有的 PLC 网关都是独立存在的个体。每个 PLC 设备的相位资源是通过互相竞争得到的，通过相互之间的竞争得到原始资源。本文的资源分配问题归根到底是分配子载波信道的问题，而如何分配取决于功率的状态信息，根据该信息可以实时为用户和非实时用户动态分配，根据动态分配得到子载波。有了子载波之后，需要选择调制方式，不同调制方案的选择在于信道增益的大小，根据大小可动态选择，并利用香农公式可以得到比特。多用户动态资源分配除了提到的不同用户之间的 QoS 速率需求之外，用户之间的公平性也是不可或缺的考量。这是因为，往往一些信道质量较好的用户由于其优越性占据了大量的资源，这使得信道质量降低。所以在资源分配的时候，不仅仅要考虑到各业务 QoS 速率要求，更需要从系统整体的角度出发，提高系统整体吞吐量。图 1网络拓扑12物理层资源分配模型假设载波通信系统中有 N 个子载波，h 个实时(eal-Time，T)用户，j 个非实时(None-eal-Time，NT)用户，T 用户集合为 h，NT 用户集合为 j。对于多用户宽带电力线载波通信系统，系统在资源分配时，由于时延的问题，为了满足 T 用户的速率24第 1 期王鸿玺，陶鹏等:基于 HPLC 的物联网通信技术研究要求 QoSkT，系统为用户分配了子载波，为 T 用户分配资源在满足其 QoS 速率要求时，应尽可能降低 T用户的资源占用率，以预留足够的资源满足 NT 用户的 QoS 速率要求 QoSkNT。上述步骤之后，如果系统有剩余资源，继续将剩余的资源全部分配给用户，以提高系统的整体吞吐量。通过以上分配思路，宽带电力线载波通信的动态资源分配数学模型如下:maxNn=1Ii=1Kk=1Cn，i，kn，i，kstC1:Cn，i，k 0，1 n，i，kC2:Kk=1Cn，i，k 1n，iC3:Nn=1Kk=1Cn，i，kPn，i，k PtotaliC4:Pn，i，k Pmaxn，i，kC5:Nn=1Ii=1Cn，i，kn，i，k QoSkTk hC6:Nn=1Ii=1Cn，i，kn，i，k QoSkNTk j(1)如方程(1)所示，式中变量的定义与描述如表 1所示。表 1变量描述变量描述Cn，i，k子载波分配标志位Cn，i，k=0子载波 n 没有分配给第 i 个载波调制符号中的用户 kCn，i，k=1子载波 n 分配给用户 kn，i，k第i 个载波调制符号中分配给用户k 的子载波n 上的比特数Ptotal系统总发射功率的上限Pmax功率谱限制下每个子载波的发射功率上限QoSk用户 k 的 QoS 速率要求该数学模型中的约束条件:C1 为子载波的标志位分配，C2 表示在任何 OFDM 符号中，子载波 n 只能分配给一个用户;C3 表示 N 个子载波上的功率之和不超过总发射功率限制;C4 表示每个子载波上的发射功率不超过功率谱限制下的单载波最大发射功率;C5 表示在任意第 i 个 OFDM 符号，用户 k 获得的速率大于 T 用户 QoS 速率要求;C6 表示在任意第 i 个 OFDM 符号处，用户