[论文解读] Long-range Low-power Wireless Networks and Sampling Strategies in Electricity Metering

Mauricio C. Tomé, Pedro H. J. Nardelli+1 more|arXiv (Cornell University)|Mar 6, 2018

IoT Networks and Protocols参考文献 19被引用 7

一句话总结

本文提出了一种基于LoRa的低功耗无线网络，用于智慧城市的电能计量，采用事件触发采样以提高信号重建精度。通过使用随机几何模型对LoRa与非LoRa设备造成的同频干扰进行建模，并优化网关覆盖范围，该方法在30%中断概率阈值下实现了4% CV(RMSE)的信号重建质量，优于相同采样次数下的时间触发采样。

ABSTRACT

This paper studies a specific low-power wireless technology capable of reaching a long range, namely LoRa. Such a technology can be used by different applications in cities involving many transmitting devices while requiring loose communication constrains. We focus on electricity grids, where LoRa end-devices are smart-meters that send the average power demanded by their respective households during a given period. The successfully decoded data by the LoRa gateway are used by an aggregator to reconstruct the daily households' profiles. We show how the interference from concurrent transmissions from both LoRa and non-LoRa devices negatively affect the communication outage probability and the link effective bit-rate. Besides, we use actual electricity consumption data to compare time-based and event-based sampling strategies, showing the advantages of the latter. We then employ this analysis to assess the gateway range that achieves an average outage probability that leads to a signal reconstruction with a given requirement. We also discuss that, although the proposed analysis focuses on electricity metering, it can be easily extended to any other smart city application with similar requirements, like water metering or traffic monitoring.

研究动机与目标

• 评估在真实干扰条件下，基于LoRa的无线网络在城市电能计量中的性能表现。
• 基于实际电能消耗数据，对比时间触发采样与事件触发采样策略。
• 确定在给定中断概率下，能够确保目标信号重建质量的最优网关覆盖范围。
• 通过引入LoRa与非LoRa干扰源，并采用随机扩频因子分配以提升公平性，扩展先前的随机几何模型。
• 为智慧城市应用（如电能、水能与交通监测）提供可部署的框架，结合LoRa与事件触发采样技术。

提出的方法

• 采用随机几何模型分析LoRa网络中的上行链路传输，综合考虑LoRa与非LoRa干扰源，并采用一般化的干扰功率分布。
• 利用泊松点过程建模智能电表分布，结合瑞利衰落信道模型，分析网关覆盖范围与中断概率。
• 采用与距离无关的随机扩频因子分配策略，确保电能计量应用中各设备之间的公平性。
• 基于历史电能需求数据，采用基于阈值的算法实现事件触发采样，仅在电能消耗发生显著变化时触发传输。
• 采用变异系数均方根误差（CV(RMSE)）评估信号重建质量，在采样次数相等的条件下对比时间触发与事件触发采样性能。
• 基于实际家庭电能消耗数据推导数值结果，以验证两种采样策略的性能，并确定满足特定服务质量要求的网关覆盖范围。

实验结果

研究问题

• RQ1 LoRa与非LoRa设备造成的同频干扰对基于LoRa的智能电表网络中断概率与有效比特率有何影响？
• RQ2 在采样次数保持不变的条件下，事件触发采样与时间触发采样在信号重建精度方面有何差异？
• RQ3 为实现目标信号重建质量（如CV(RMSE) ≤ 4%），在给定中断概率下，所需网关覆盖范围是多少？
• RQ4 与基于距离的扩频因子分配相比，随机扩频因子分配在基于LoRa的电表部署中如何影响公平性与性能表现？
• RQ5 所提出的框架是否可推广至其他智慧城市应用（如水表计量或交通监测），且适用于具有相似消耗模式的场景？

主要发现

• 在采样次数相近的条件下，事件触发采样在信号重建误差方面持续优于时间触发采样，该结论已在先前未使用过的数据集上得到验证。
• 在30%的中断概率下，90%的家庭可实现CV(RMSE)为4%的信号重建质量，该性能足以满足实际聚合器的使用需求。
• 当智能电表密度为每平方公里0.5个，非LoRa设备密度为每平方公里0.05个时，为满足30%的中断概率目标，网关覆盖范围需达到2公里。
• 引入非LoRa干扰源显著提高了中断概率并降低了有效比特率，凸显了干扰感知网络规划的必要性。
• 所提出的结合事件触发采样与优化网关覆盖范围的框架，可支持可扩展、低成本的智慧城市应用部署，不仅限于电能计量。
• 基于阈值的事件检测算法可适配实时应用，并具有跨不同家庭与消耗模式的通用性。