CN112688868B - 一种面向电力物联网的周期感知tsn路由方法 - Google Patents

Abstract

本发明属于电力物联网中的以太网路由领域，涉及一种面向电力物联网的周期感知TSN路由方法，包括：步骤1.对网络拓扑和时间触发流进行建模；步骤2.根据网络拓扑和时间触发流的特征进行指定用户参数K；步骤3.根据时间触发流两两之间的最大公约数，对所有时间触发流进行排序；步骤4.依次为所有时间触发流选择路径。本发明适用于电力物联网以及其他工业物联网中的控制信息的传输，在时间触发流的路由时既考虑了负载平衡又考虑了不同周期的流之间的可结合性，使得整个TSN网络能容纳更多的时间触发流，满足当前控制信息越来越多、越来越复杂的传输需要。

Description

一种面向电力物联网的周期感知TSN路由方法

技术领域

本发明属于电力物联网中的以太网路由领域，涉及一种面向电力物联网的周期感知TSN路由方法。

背景技术

电力物联网是以电力系统为核心，同时结合大量智能终端、传感设备、通信网、云平台等连接构成的复杂多网络系统。电力物联网部署大量的智能终端、传感设备，能够支持智能电网获取信息，实现智能交互，如绿色数据中心、智能变电站、智能家居与智能工业园等。成千上万的传感节点以各种方式访问智能电网，感知或控制电网的运行和环境特性，这些节点通常被组织或自组织成各种集群以形成边缘网络。电力物联网和智能电网相互耦合，形成了信息通信和电力系统的复杂二元复杂网络。电力物联网可以收集智能电网各个方面的环境信息、运行信息和运维信息，能够智能识别或判断指定对象、动作等。通过获取物理、化学、生物、视频和其他信号，得到关键参数，这些数据可以通过本地化的边缘计算来处理，一些必要的数据可以提交给远程的云计算中心进行统一处理，实现本地化和远程集中处理相结合。这种方式解决了快速响应和集中服务的问题，并降低了云端压力和通信开销。

以智能变电站为例，智能变电站采用大量传感器，如温湿度传感器、浸入式传感器、振动传感器、漏电传感器、智能视频传感器等。边缘计算可以通过本地智能处理来处理本地边缘网络的丰要信息。同时，运用边缘计算对关键信息进行判断，时间敏感的关键信息如报警信息、实时控制信息等需要边缘侧进行实时处理，而其他的非关键信息则可以上传到云计算中心进行处理。这些复杂的数据，对于带宽、周期的需求千差万别，时间敏感的关键信息更是有非常严格的确定性延迟和抖动要求，并且必须保障可靠性交付。而传统的以太网采用CSMA/CD技术，通信具有不确定性、非实时性和不可靠性，不能满足实时控制的要求。因此在边缘测，需要一种统一的网络对实时性数据和非实时性数据进行集中，并且能保证实时性数据的可靠性和确定性延迟。

时间敏感型网络(time sensitive network，TSN)是目前国际产业界正在积极推动的全新工业通信技术。时间敏感型网络允许周期性与非周期性数据在同一网络中传输，使得标准以太网具有确定性传输的优势，并通过厂商独立的标准化进程，已成为广泛聚焦的关键技术。时间是时间敏感网络的主要专注点，其旨在提供一种机制来确保信息能够在一个确定的、可预测的时间范围内完成源和目的节点之间的传输。详细来讲，TSN具有以下目标：针对交换网络的报文时延得到保障；时间敏感数据流和非时间敏感数据流可以混合传输，并且非时间敏感数据流的传输不会影响时间敏感数据流的传输时延；多种高层协议可以共享网络基础设施，即多种协议的负载可以同时在网络中传输；网络错误可以通过在源头获得精确的信息，从而快速地确诊和修复。TSN由一系列技术标准构成，其主要分为时钟同步、数据流调度策略以及TSN网络与用户配置三个部分相关标准。

在数据流调度策略方面，IEEE 802.1Qbv标准中定义了时间感知调度器，旨在优化以太网帧的传输优先级，保证信息在规定时间送达。时间感知调度的基本思想是采用时分多址，将以太网的通信分为固定长度、重复的时间片，称为超周期；每个超周期又划分为多个更细粒度的时间片，称为时间槽。每个时间槽可以分配给8个以太网优先级中的一个或多个，即在特定时间段内形成了虚拟通信信道，使特定的实时数据能够在非实时数据负载中穿插传输，减小了其他突发或异常的发送请求对实时数据传输的影响。IEEE802.1Qbv标准约束下的通信设备需要时间同步，并且要配置相同的调度表，即所有的设备都了解每个时间槽应该发送什么优先级的流量帧。在TSN的所有流量中，时间触发流的优先级最高，具有周期性、时延确定性、时延有界性的特点。这类流量常用于传输关键数据，如电力物联网中的控制流就是典型的时间触发流。

IEEE802.1Qbv中只定义了基本的调度机制，当前TSN中的时间触发流的路由方法还没有统一的标准，一般还是采用传统以太网中的最短路径的方法。虽然这种方法的路径延迟最短，但会导致单条路径上传输的流量过多，整个网络能容纳的时间触发流的数量受限。由于当前电力互联网中的传感器越来越多，网络中的时间触发流也相应地越来越多、越来越复杂，传统的最短路径的方法已不能满足这种需求。现有的研究中，主要通过负载平衡的路由方法，尽可能让负载在网络中均匀分布，使得单一路径的负载降低，从而能容纳更多的流量。但现有的方法均没有考虑到不同周期的时间触发流的可结合性不同，有可能会让不可结合的流量或可结合性低的流量通过相同的路径，导致不可调度。例如，周期为15微妙和周期为30微妙的流量两者最大公约数为15，可结合性高，适合通过相同的路径；而周期为15微妙和周期为16微妙的流量最大公约数为1，若两者通过相同的路径，一定会发生冲突。这说明在TSN的时间触发流的路由中，不仅要考虑负载平衡，还要考虑流之间的可结合性或两个流的周期的最大公约数。

发明内容

为了解决现有技术中存在的上述技术问题，本发明提供一种面向电力物联网的周期感知TSN路由方法，适用于电力物联网以及其他工业物联网中的控制信息的传输，在时间触发流的路由时既考虑了负载平衡又考虑了不同周期的流之间的可结合性，其具体技术方案如下。

一种面向电力物联网的周期感知TSN路由方法，包括以下步骤：

步骤1.对网络拓扑和时间触发流进行建模；

步骤2.根据网络拓扑和时间触发流的特征进行指定用户参数K；

步骤3.根据时间触发流的两两之间最大公约数，对所有时间触发流进行排序；

步骤4.依次为所有时间触发流选择路径。

进一步的，所述步骤1具体包括：

将网络拓扑表示为有向图G≡(V,E)，其中V为网络中的节点集合，V≡(N,S)，N为网络终端站的集合，所述网络终端站包括主机、传感装置，S为交换机集合，E为网络中两个节点之间的链接的集合；设F为网络中时间触发流f的集合，所述时间触发流f≡(src,dst,siz,prd)由四个元素组成的元组，四个元素分别为每个时间触发流的源、目的地、大小和周期。

进一步的，所述参数K用于惩罚时间触发流路径选择时的路径长度。

进一步的，所述步骤3具体包括：

先计算所有时间触发流的最小公倍数LCM0，然后选中第一个流，将所述选中的流从集合F中去掉，再重新计算最小公倍数LCM1，若LCM1＝LCM0/流周期，则该流与其他流的最大公约数均为1，即与其他流不可结合，将所述流标记为class 0，并进行优先分配路径；若LCM1＝LCM0，则该流的周期是其他流周期的因数，将所述流标记为class 1，而其他流则标记为class 2；最后在所有时间触发流均作标记之后，以流的标记作为第一元素，流周期作为第二元素，对标记后的流从小到大排序。

进一步的，所述步骤4具体包括：

步骤4.1当时间触发流为标记为class 0的流时，该流与标记为class 0的流以外的其他流不可结合，且均选择最短的路径；

步骤4.2当时间触发流为标记为class 0的流以外的其他流时，则采用MSOW的方法，遍历该流所有可能的路径，计算每条路径的代价值，选择代价值最小的路径。

进一步的，所述步骤4.2具体包括：

首先获得路径经过的所有链接，计算链接数hops；

接着遍历所有经过的链接，将选中的流加入到已通过链接的流集合，并计算流集合的最大公约数GCD，再计算选中的流在链接中的权重wgt，表达式为：

接着更新链接的总权重值SOW，表达式为：

SOW＝SOW+wgt，

找到各个链接中的最大权重值MSOW，作为该路径的权重值；

最后计算该路径的代价值cost，表达式为：

cost＝MSOW+K*hops；

选择所有路径中cost最小的路径，作为选中的时间触发流的路径；

在为一个流选择完路径后，更新该流经过的所有链接的权重值，进行下一个流的路径选择操作，直至所有的时间触发流均选择完路径。

本发明能够使得整个TSN网络能容纳更多的时间触发流，满足当前控制信息越来越多、越来越复杂的传输需要。

附图说明

图1是本发明的方法流程示意图；

图2是本发明的时间触发流排序方法流程示意图；

图3是本发明的MSOW计算方法流程示意图。

具体实施方式

为了使本发明的目的、技术方案和技术效果更加清楚明白，以下结合说明书附图对本发明作进一步详细说明。

如图1所示，一种面向电力物联网的周期感知TSN路由方法，包括：

首先，对网络拓扑和时间触发流进行建模，具体为：

将网络拓扑表示为有向图G≡(V,E)，其中V为网络中的节点集合，V≡(N,S)，N为网络终端站的集合，所述网络终端站包括主机、传感装置等，S为交换机集合，E为网络中两个节点之间的链接的集合；设F为网络中时间触发流f的集合，所述时间触发流f≡(src,dst,siz,prd)由四个元素组成的元组，四个元素分别为每个时间触发流的源、目的地、大小和周期；

再为网络中的每个时间触发流选择路由，具体包括：

a.指定用户参数K，该参数K用来惩罚时间触发流路径选择时的路径长度，防止每次选择的路径过长，所述参数K由用户根据网络拓扑和时间触发流的特征进行指定；

b.如图2所示，对所有时间触发流进行排序，具体为：

由于流之间的最大公约数是两个流之间可结合性的决定性因素，故根据对两两之间最大公约数的影响对流进行排序：先计算所有流的最小公倍数LCM0，然后选中第一个流，将所述选中的流从集合F中去掉，再重新计算最小公倍数LCM1，若LCM1＝LCM0/流周期，则说明该流与其他流的最大公约数均为1，即与其他流不可结合，将所述流标记为class 0，并进行优先分配路径；若LCM1＝LCM0，则说明该流的周期是其他流周期的因数，将所述流标记为class 1，而其他流则标记为class 2；最后在所有时间触发流均作标记之后，以流的标记class作为第一元素，流周期作为第二元素，对标记后的流从小到大排序。

c.依次为所有时间触发流选择路径，具体为：

当时间触发流为标记为class 0的流时，所述流与标记为class 0的流以外的其他流不可结合，故均选择最短的路径，尽量减小对其他流的影响；当时间触发流为标记为class 0的流以外的其他流时，则遍历该流所有可能的路径，计算每条路径的代价值，选择代价值最小的路径；如图3所示，采用MSOW，即Maximum sum of wgt的计算方法，先获得路径经过的所有链接，计算链接数hops；接着遍历所有经过的链接，先将选中的流加入到通过链接的流集合，计算流集合的最大公约数GCD，再计算流在链接中的权重wgt，表达式为：

接着更新链接的总权重值SOW，即sum of wgt，表达式为：

SOW＝SOW+wgt，

找到各个链接中最大的权重值MSOW，作为该路径的权重值；

最后计算该路径的代价值cost，表达式为：

cost＝MSOW+K*hops；

选择所有路径中cost最小的路径，作为选中的时间触发流的路径，在为一个流选择完路径后，更新该流经过的所有链接的权重值，进行下一个流选择路径的操作，直至所有的时间触发流均选择完路径。

Claims (1)

1.一种面向电力物联网的周期感知TSN路由方法，其特征在于，包括以下步骤：

步骤1. 对网络拓扑和时间触发流进行建模，具体为：

将网络拓扑表示为有向图G≡(V，E)，其中V为网络中的节点集合，V≡(N，S)，N为网络终端站的集合，所述网络终端站包括主机、传感装置，S为交换机集合，E为网络中两个节点之间的链接的集合；设F为网络中时间触发流f的集合，所述时间触发流f≡（src，dst，siz，prd）由四个元素组成的元组，四个元素分别为每个时间触发流的源、目的地、大小和周期；

步骤2. 根据网络拓扑和时间触发流的特征进行指定用户参数K，所述参数K用于惩罚时间触发流路径选择时的路径长度；

步骤3. 根据时间触发流两两之间的最大公约数，对所有时间触发流进行排序，具体为：先计算所有时间触发流的最小公倍数LCM0，然后选中第一个流，将所述选中的流从集合F中去掉，再重新计算最小公倍数LCM1，若LCM1 = LCM0/流周期，则该流与其他流的最大公约数均为1，即与其他流不可结合，将所述流标记为class 0，并进行优先分配路径；若LCM1= LCM0，则该流的周期是其他流周期的因数，将所述流标记为class 1，而其他流则标记为class 2；最后在所有时间触发流均作标记之后，以流的标记作为第一元素，流周期作为第二元素，对标记后的流从小到大排序；

步骤4. 依次为所有时间触发流选择路径，具体包括以下子步骤：

步骤4.1 当时间触发流为标记为class 0的流时，该流与标记为class 0的流以外的其他流不可结合，且均选择最短的路径；

步骤4.2 当时间触发流为标记为class 0的流以外的其他流时，则采用MSOW的方法，遍历该流所有可能的路径，计算每条路径的代价值，选择代价值最小的路径；

其中，所述步骤4.2具体包括：

首先获得路径经过的所有链接，并计算链接数hops；

接着遍历所有经过的链接，将选中的流加入到已通过该链接的流集合，并计算流集合的最大公约数GCD，再计算选中的流在该链接中的权重wgt，表达式为：

,

接着更新链接的总权重值SOW，表达式为：

，

找到各个链接中的最大权重值MSOW，作为该路径的权重值；

最后计算该路径的代价值cost，表达式为：

；

选择所有路径中cost最小的路径，作为选中的时间触发流的路径；

在为一个流选择完路径后，更新该流经过的所有链接的权重值，进行下一个流的路径选择操作，直至所有的时间触发流均选择完路径。

Images