面向电力物联网的LoRa通信建模与性能仿真分析

薛宏利，蔡泽祥，谭炜豪，孙宇嫣，胡凯强，岑伯维

(华南理工大学电力学院，广州510640)

0 引言

随着能源转型战略的实施和电力通信技术的发展，海量分布式能源设备与电力用户等通过物联网技术大规模接入电网。为了促进广泛的新能源开发利用，建立用户和电网之间多样化、自主可控的互动模式，电力物联网需要海量异构的业务数据作为信息化和智能化的支撑，催生出电力物联网多样化的通信需求，从而实现终端设备的泛在接入和全方位感知[1 - 6]。

LoRa是一种基于线性调频扩频方式的无线传输技术，具有组网灵活、部署成本低和覆盖范围广等优点，已经广泛应用于车联网、智能家居和智慧医疗等物联网领域[7 - 10]。在电力通信领域，LoRa支持海量终端接入、传输距离长、传输速率适中和发射频段公开有利于建设电力无线专网等，十分契合低压集抄业务和环境监测业务的数据通信需求，较其他无线通信技术具有良好的适用性，能够更好地满足电力领域某些场景下“小数据”业务通信需求和电力无线专网建设要求，为电力物联网感知层业务终端接入提供了一种良好的解决方案[11 - 17]。

目前针对LoRa技术的研究主要集中在应用前景和理论分析等方面。文献[18]探讨了LoRa在电力物联网中的应用前景并提出了一种适用于配用电系统的云端能源物联网架构体系，为能源物联网海量广泛的“小数据”连接提供可行方案，但未对LoRa在电力物联网中的通信性能进行量化分析和验证。在理论分析方面，文献[19]剖析了LoRa在物理层调制信号的过程，并对其调制特性进行理论分析和数学拟合，重点关注LoRa物理层的调制特性，未涉及MAC层的研究，无法反映LoRa的实际通信性能。在以上研究基础上，文献[20 - 21]对比分析了不同MAC层协议对LoRa通信性能的影响，并提出了一种MAC层协议优化方案，但未考虑业务场景、终端数量等对LoRa通信性能的影响。综合考虑LoRa物理层和MAC的技术细节，文献[22]利用NS- 3仿真软件对LoRa物理层和MAC层进行建模，并进一步考虑了终端数量和距离等因素影响，为本文定量分析LoRa通信性能提供了一种新思路，但NS- 3的操作复杂且可视化不强，难以进行推广和应用。文献[23]借助OPNET仿真软件量化分析配用电监控系统的通信性能，OPNET层次化、图形化的建模机制为通信建模提供了一种直观有效的实现方法。

综上所述，现阶段缺乏深入量化分析LoRa通信性能的工具和研究方法，无法对LoRa在电力物联网领域的通信性能和适用性等进行评价和验证，难以科学合理地指导其工程化应用的开展。本文结合文献[22]和文献[23]的建模思路和方法，根据LoRa通信网络规约，通过OPNET仿真软件对LoRa通信进行报文信息和关键设备的自定义建模。进一步结合LoRa在电力物联网低压集抄和环境监测业务中的应用场景，配置业务类型、设备数量和接入距离等进行多场景通信性能仿真，量化分析LoRa通信网络在电力物联网中的实时性、可靠性和业务支撑能力等表现。仿真结果表明建模方法可行有效，同时相应的评价结论为LoRa在电力物联网等领域的工程化应用提供科学合理的决策依据。

1 LoRa通信网络规约

LoRaWAN在LoRa物理层调制基础上增加MAC层协议等规约，定义了LoRa通信网络规约和星型网络架构。LoRa通信网络协议栈分为3层，自上而下为应用层、MAC层和物理层。本节深入剖析LoRa通信网络规约，为基于OPNET仿真平台的LoRa通信建模提供理论基础。

1.1 应用层

应用层为LoRa终端进行应用数据接入提供底层网络接口，为网关和上层服务器提供用于通信的应用程序，使得LoRa通信能够灵活应用于各种实际场景中。

1.2 MAC层

MAC层规定了LoRa终端具有Class A、Class B和Class C 3种工作模式，满足不同应用场景的通信需求。其中Class A模式是LoRa终端必须实现的工作模式，在终端每次发送上行数据后都会紧跟两个短暂的下行接收窗口，Class B模式在Class A模式的基础上增加了指定时间打开的窗口，Class C在Class A休眠时间也打开窗口接收下行信息。本文重点讨论Class A模式下LoRa通信网络的性能。

Class A工作模式设置每个终端以ALOHA协议规定的方式接入网络，即可以在随机时刻通过无线信道传输数据。在每次传输上行数据之后，终端会延迟RECEIVE_DELAY1和RECEIVE_DELAY2依次打开两个下行数据Ack(Acknowledgement)的接收窗口RX1和RX2，如图1所示，终端在接收Ack完成或达到接收窗口最大时间后，立即关闭接收窗口并进入休眠。

图1 Class A模式打开接收窗口示意图Fig.1 Schematic diagram of opening the receiving window in Class A mode

1.3 物理层

物理层规定了LoRa通信网络中终端设备在调制解调或数据传输时需要配置的各种参数，如扩频因子、信道频率、编码率、带宽等，LoRa网络传输的数据速率R如式(1)所示。

(1)

式中：SF为扩频因子，SF∈{7,8,9,10,11,12}；CR为编码率；BW为带宽。

LoRa在物理层调制技术所获得的性能可以用误码率PBER和信噪比Γ之间的关系来描述，而LoRa调制特性一般是经现场实测或仿真得到，不同扩频因子下的LoRa调制特性曲线如图2所示[24]，反映了物理层的传输特性。

图2 LoRa调制特性曲线Fig.2 LoRa modulation characteristic curves

2 基于OPNET的LoRa通信建模

OPNET仿真软件提供了层次化、图形化的建模机制，可以从进程域、节点域和网络域对通信网络中的报文信息、传输协议、通信设备等单元进行建模。图形化的操作界面比NS- 3更加适应多场景仿真，有利于大规模复杂场景下的通信网络性能仿真分析。本节基于对LoRa通信网络规约的分析，借助OPNET仿真软件对LoRa通信网络进行自定义建模，建立报文信息和关键设备等模型，为量化评价LoRa通信网络在应用场景中的通信性能提供有效的分析工具。

2.1 LoRa报文信息建模

LoRa报文信息格式如图3所示，上送信息在应用层、MAC层和物理层进行逐步封装或解析，来自网关的确认信息相比于上送信息在报文结构上缺少了载荷校验码(CRC)。

图3 LoRa报文格式Fig.3 LoRa message format

2.2 关键设备建模

2.2.1 LoRa终端建模

LoRa终端将采集到的数据在应用层、MAC层和物理层依次进行封装，接着经过物理层调制成无线信号传输至LoRa网关，最后LoRa终端接收Ack确认信息，完成采集数据上送，在OPNET中LoRa终端的节点模型如图4所示。

图4 LoRa终端节点模型Fig.4 LoRa terminal node model

1)应用层：通过修改OPNET自带bursty_source进程模型，使其具有周期发送LoRa格式报文的功能，然后加载至Source模块完成采集数据、封装和转发至MAC层的功能。

2)MAC层：Terminal_MAC模块负责将来自应用层的报文进一步封装并通过ALOHA协议随机发送至物理层，发送完成后等待确认信息判断是否重发。通过自定义建模将Terminal_MAC模块的进程模型分为4个状态机，如图5所示。INIT状态机对MAC层参数进行初始化，SLEEP状态机模拟终端休眠状态，ACTIVE状态机模拟终端激活并发送数据，RECEIVE状态机模拟终端上送数据后等待确认信息，状态机之间通过中断触发转移或执行相应功能。

图5 Terminal_MAC进程模型Fig.5 Terminal_MAC process model

3)物理层：无线发信机tx和无线收信机rx模拟LoRa终端物理调制和解调制的通信过程，通过整定参数建模的方法调整工作频段、带宽、数据速率、调制曲线等参数，可以模拟不同工作条件和环境下的LoRa网络空中传输性能。LoRa传感器终端的基本工作频段统一设置为868 MHz，采用125 kHz的传输带宽，发送功率设为20 dB[25]。

2.2.2 LoRa网关建模

LoRa网关接收来自LoRa终端的上送报文，并对报文进行解析校验然后发送Ack确认信息到LoRa终端，LoRa网关的节点模型如图6所示。

图6 LoRa网关节点模型Fig.6 LoRa gateway node model

1)应用层：Sink模块接收来自LoRa终端上传的报文，并统计报文传输过程中的延时、丢包率、吞吐量等网络性能指标。

2)MAC层：Gateway_MAC模块对来自物理层的上送报文进行MAC层的校验，确认报文接收成功后发送Ack确认信息，完成数据接收。采用自定义建模的方式将Gateway_MAC进程模型分为5个状态机，如图7所示。INIT状态机对MAC层参数进行初始化，IDLE状态机表示空闲状态等待下一个中断到来，INSERT_sub状态机表示将上送报文插入到队列，pk_arrival状态机表示判断报文格式是否正确，Ack_send状态机表示发送确认信息，状态机之间通过中断触发转移或执行相应功能。

图7 Gateway_MAC进程模型Fig.7 Gateway_MAC process model

3)物理层：LoRa网关的物理层与LoRa终端物理层模型相匹配，需要配置对应的调制参数。

2.3 LoRa无线信道建模

LoRa无线信道模型模拟了数据信号在LoRa终端与LoRa网关之间从发射端到接收端所经历无线传输路径的过程，比如衰落、多径等特性。在OPNET无线信道建模流程Pipeline Stage中，通过设置发收信机天线增益和路径损耗为Okumura-Hata 模型来模拟LoRa无线信道在城市环境下的大尺度衰落特性[3]。如式(2)所示，可以求得收信机在不同环境中的接收功率Pr。利用OPNET模拟干扰噪声功率Pi和背景噪声功率Pb计算信道所处环境的信噪比Γ，如式(3)所示。进一步按照LoRa调制曲线推导出无线传输的误比特率PBER，其余无线信道特性，如传输时延、多径等采用OPNET自带模型计算得出，综合以上过程刻画LoRa无线信道模型。

Pr=69.55+26.16log(fc)-13.82log(ht)-

α(hr)+(44.9-6.15log(ht))log(D)γ

(2)

Γ=10log[Pr/(Pb+Pi)]

(3)

式中：fc为发收信机工作频段；ht为有效发射天线高度；hr为有效接收天线高度；D为发射机与接收机之间的距离；α(hr)为天线高度修正因子；γ为信号传播距离修正因子。

3 面向电力物联网的LoRa通信网络仿真与性能分析

3.1 仿真案例

选取某低压配电台区内集抄业务和环境监测业务作为LoRa通信应用的仿真案例，如图8所示。

图8 仿真案例Fig.8 Simulation case

在低压配电台区配备一个LoRa网关以及许多LoRa终端，智能电表和环境监测传感器利用RS485与LoRa终端接连，并通过LoRa终端经LoRa无线网络上传采样数据至LoRa网关进行汇聚和处理，完成业务数据的接入，然后通过光纤、4G/5G等广域通信手段与电力物联网云平台等进行业务交互。

低压集抄业务和环境监测业务周期性上传采样数据，上传频率分别为次/15 min、次/min，并对采样数据的传输过程提出一定的通信性能要求，利用通信服务质量(quality of service, QoS)指标时延和丢包率从实时性和可靠性两方面来描述其通信约束，如表1所示。

表1 业务特性及其通信约束Tab.1 Business characteristics and communication constraints

通过OPNET仿真软件，本文结合仿真案例选取报文信息模型、关键设备模型和网络拓扑模型等搭建面向电力物联网的LoRa通信网络仿真模型，量化分析LoRa通信网络在电力物联网中的通信性能、适用性和业务支撑能力等表现。

3.2 仿真场景

本文选取业务类型、设备数量和接入距离等因素作为研究切入点，为LoRa终端配置不同扩频因子，探讨LoRa通信网络在不同场景下的单业务通信性能，场景设置如表2所示。

表2 仿真场景Tab.2 Simulation scenario

3.3 仿真结果分析

3.3.1 通信性能及适用性分析

LoRa网关作为数据的汇聚点，接收所有LoRa终端上传的数据，当LoRa终端配置不同扩频因子SF时，LoRa网关接收数据的最大延时如表3所示。

表3 网关接收数据的最大延时Tab.3 Maximum delay for the gateway to receive data

从表3可以看出，场景1、2、3、5在LoRa终端配置扩频因子SF=7～12的情况下，网关接收数据的最大延时在0.051～0.707 s之间，具备较强的实时性。随着扩频因子SF增大，网关接收数据的最大延时呈非线性上升，当扩频因子达到11或12时，在场景4、6、7、8中分别达到1.674 s、1.007 s、1.088 s和2.026 s，已经超过1 s的通信约束，已经无法满足业务实时性的需求。

在不同仿真场景下，网关接收数据的丢包率如表4所示。

表4 网关接收数据的丢包率Tab.4 Packet loss rate of the data received by the gateway

由表4可知，从场景1到场景8在LoRa终端配置所有扩频因子下，网关接收数据的丢包率均在10-6～10-4数量级，具有较强的可靠性。随着扩频因子增大，网关接收数据的丢包率明显降低，LoRa通信网络的可靠性显著提高。

从业务类型角度来看，环境监测业务数据上送频率大于低压集抄业务，报文传输产生冲突的概率提高，导致丢包和重传，通信延时和丢包率增大。通过对比场景1和2、场景2和3可知LoRa终端数量增加和传输距离扩大均会导致通信延时和丢包率增大。

理论上，LoRa物理层调制过程中增加扩频因子将数据信息调制成更多的码片进行传输，能够从噪音中提取出更多的有效数据，减小了丢包率，但在同样码片数量条件下降低了传输实际数据的效率，使得数据传输速率(比特率)减小，传输延时增加[26]。综合表3和表4可知，LoRa终端提高扩频因子进行传输时，牺牲数据传输的实时性而增强了传输的可靠性。因此，仿真结果表明LoRa通信网络性能表现符合理论预期，从而验证了基于OPNET的LoRa通信建模与仿真方法的有效性。

3.3.2 业务支撑能力分析

随着接入设备数量上升，LoRa通信网络性能呈非线性变化趋势下降，因此在通信约束下，LoRa通信存在最大业务支撑能力的限制。探讨LoRa通信网络的业务支撑能力，对于LoRa通信在电力物联网等领域的工程规划和建设具有重要意义。本节将从延时和丢包率两方面，分析LoRa通信对业务的支撑能力。

以低压集抄业务场景为例，设智能电表的接入半径为1 km，LoRa终端配置不同扩频因子时，随着接入设备数量增加，网关接入数据的最大延时变化如图9所示。

图9 网关接入低压集抄业务数据的最大延时变化图Fig.9 Maximum delay change diagram of gateway access to low-voltage centralized automatic meter reading service data

由图9可知，随着智能电表数量增加，扩频因子越小，延时增大趋势越缓，能够支撑的智能电表数量越大。通过仿真结果分析得出，在不同扩频因子下LoRa通信的最大支撑能力具有很大差异，当SF=7时，为2 200个，当SF=12时，为600个。

随着接入智能电表数量增加，网关接入数据的丢包率变化如图10所示。

图10 网关接入低压集抄业务数据的丢包率变化图Fig.10 Change graph of packet loss rate of gateway access to low-voltage centralized automatic meter reading service data

由图10可知，随着智能电表数量增加，业务数据的丢包率也不断上升，可以通过调大扩频因子来降低数据的丢包率，提高LoRa通信网络的可靠性。当扩频因子SF=7时，最大支撑能力为2 100个，当扩频因子SF=12时，最大支撑能力超过2 500个。

与之类似，当环境监测传感器的接入半径为1 km，配置LoRa终端不同扩频因子时，随着接入设备数量增加，网关接入数据的最大延时变化如图11所示。

图11 网关接入环境监测业务数据的最大延时变化图Fig.11 Maximum delay change diagram of gateway access environmental monitoring service data

由图11可知，在通信延时约束下，当扩频因子SF=7时，最大支撑能力为1 700个，当扩频因子SF=12时，最大支撑能力仅为400个。

同理，随着接入传感器数量增加，网关接入数据的丢包率变化如图12所示。

从图12可以看出，在通信丢包率约束下，当扩频因子SF=7时，最大支撑能力为1 600个，当扩频因子SF=12时，最大支撑能力超过2 500个。

综合图9—12，在实时性和可靠性的双重通信约束下，LoRa通信网络对低压集抄业务和环境监测业务的最大支撑能力如表5所示。

由表5可知，LoRa通信网络对低压集抄和环境监测这两种业务的最大支撑能力受扩频因子的影响较大。当终端数量为1 000～2 000时，建议LoRa终端扩频因子采用7～9，业务通信具有较强的实时性；当终端数量小于1 000时，建议LoRa终端扩频因子采用10～12，业务通信具有较强的可靠性。

4 结语

本文基于LoRa通信规约，依托OPNET仿真软件建立了LoRa通信模型，包括报文信息模型、关键设备模型、无线通信信道模型，为量化分析LoRa在电力物联网等领域的应用性能提供了有效的工具。结合电力物联网领域中低压集抄和环境监测的业务场景对LoRa通信网络的应用性能进行仿真分析，量化评价多场景下的LoRa通信网络的性能表现、适用性和业务支撑能力。仿真结果验证了本文建模方法的有效性，同时评价结论为LoRa在电力物联网领域的工程化应用提供了科学合理的决策依据。