面向现代能源网络智能电网系统的基于网格编码调制与Turbo网格编码调制的高带宽效率与高可靠通信

《Scientific Reports》：Bandwidth-efficient and reliable communication in smart grid systems for modern energy networks using Trellis and Turbo Trellis Coded Modulation

　　

智能电网依赖稳健的通信基础设施，以便在地理上分布的能源资源之间实现实时监测、控制与信息稳定。网格编码调制（TCM）是一种成熟技术，尤其适用于带宽受限且存在噪声的信道，可用于提升频谱效率与通信可靠性。TCM通过将卷积编码（convolutional coding）与多级调制（multilevel modulation）相结合，在不增加带宽的前提下获得显著编码增益，因此非常适合智能电网通信链路。Turbo网格编码调制（TTCM）在TCM基础上进一步引入并行级联网格编码器（parallel concatenated trellis encoders）与迭代译码（iterative decoding），从而在包括加性噪声与衰落在内的多种信道失真条件下进一步提高系统性能与鲁棒性。本文给出了TCM与TTCM的基础数学框架，展示了在加性白高斯噪声（AWGN）与Rayleigh衰落信道下的仿真结果，并将其与未编码传输进行比较。本文还讨论了TCM的未来发展前景，包括与人工智能（AI）驱动的自适应编码以及5G赋能的智能电网基础设施的集成，强调了高可靠通信系统在下一代能源网络中的关键作用。因此，TTCM提供了一种混合型解决方案，将强纠错能力与高效带宽利用相结合，从而为可靠性关键型智能电网应用提供可信赖通信保障。

本文发表于《Scientific Reports》，聚焦现代能源网络中智能电网通信链路的可靠性与带宽效率优化问题。研究背景在于，现代智能电网已不再是单纯的电力输送系统，而是融合发电、输电、配电、用电、控制、市场与服务等多域协同的网络化能源系统。在这一体系中，变电站、相量测量单元（PMU，电网同步测量设备）、智能电表、分布式能源资源（DER，接入配电侧的小规模能源单元）以及各类物联网终端需要在复杂无线环境下交换时间敏感信息。然而，多径衰落、加性噪声、同频干扰以及通信带宽受限等因素，会显著削弱监测、控制和保护信号的传输可靠性。传统未编码调制方法在此类场景中的抗误码能力有限，因此有必要研究能够在不扩展带宽的前提下提升抗差错性能的编码调制技术。

围绕上述问题，研究人员系统讨论了网格编码调制（TCM）与Turbo网格编码调制（TTCM）在智能电网通信中的适用性。论文首先构建了面向智能电网无线链路的统一数学模型，将路径损耗、小尺度衰落、同信道干扰与加性白高斯噪声（AWGN）纳入分析框架，进而定义接收信号功率、信干噪比（SINR）与信道容量等关键性能指标。在此基础上，研究人员引入TCM与TTCM两类编码调制方案，对其在AWGN、Nakagami-m衰落与Rayleigh衰落条件下的性能进行对比，并与未编码系统进行比较。研究结论表明，TCM在多数仿真场景下表现出最优的频谱效率，持续优于未编码系统以及采用预编码的TTCM；而TTCM虽然并非总能在频谱效率上超过TCM，但凭借Turbo原理驱动的迭代译码，在低至中等E_b/N₀条件下具有更强误码性能与可靠性优势。因此，论文的重要意义在于明确了智能电网物理层设计中的一项关键工程权衡：在可靠性关键型业务中，应综合考虑频谱效率、译码复杂度与抗衰落稳健性，而非仅以吞吐量作为唯一指标。

研究人员采用的主要技术方法可概括为以下几个方面。首先，构建智能电网系统架构与通信模型，将发电、输电、配电、用户侧、控制域、市场域和服务域置于统一集成电力系统视角下分析。其次，建立无线链路数学模型，使用经验路径损耗模型、Nakagami-m衰落模型，并在特例中考虑Rayleigh衰落，同时以AWGN描述噪声、以SINR和Shannon容量公式评估链路性能。再次，建立TCM与TTCM发射机—接收机结构及其理论表达式，引入卷积编码、并行递归系统卷积（RSC）编码器、交织器、软输入译码与对数似然比（LLR）等方法。最后，通过仿真比较未编码、TCM编码和TTCM编码在不同信道、不同信噪比以及2 × 2与4 × 4多输入多输出（MIMO）配置下的频谱效率和码率分布累计函数（CDF）表现。

在研究结果部分，论文首先通过“System architecture and smart grid communication model”说明，智能电网被建模为物理电力网络与上层通信网络耦合的综合系统。研究指出，电力基础设施呈现分层结构，包含集中式发电与分布式可再生能源并存的发电侧、承担大规模输电与区域交换的输电网，以及因DER和柔性负荷大量接入而由被动运行转向主动管理的配电网。同时，通信与测量基础设施覆盖整个电力系统，用于在发电设备、网络部件与控制中心之间传输测量值、状态信息与控制信号，以支撑电压、频率、拥塞与扰动响应管理。研究借此强调，可靠通信在智能电网中不是附属环节，而是实现可观测性与可控性的使能层。

在“Mathematical model”部分，研究人员给出了智能电网无线链路的完整分析框架。信号模型中，接收信号由信道增益h(t)、发送信号x(t)与噪声n(t)组成，并假设平坦慢衰落，这与低移动性智能电网节点特征相符。路径损耗模型采用经验公式表示距离衰减，并通过链路预算公式计算接收功率。小尺度衰落用Nakagami-m分布描述，其中m = 1时退化为Rayleigh衰落，m > 1对应较轻衰落，m < 1对应更严重衰落。进一步地，论文定义了包含干扰与噪声的瞬时SINR，并基于Shannon公式得到信道容量和频谱效率表达式。研究还明确说明，由于智能电网节点低速甚至静止、窄带运行且具有较稳定振荡器与网络级同步，因此载波频偏（CFO）可忽略不计。这一部分为后续比较不同编码调制方案奠定了统一且具有工程合理性的分析基础。

在“Trellis Coded Modulation (TCM)”部分，论文说明TCM的核心在于将卷积编码与多级调制联合设计，以在不增加带宽的条件下提升抗误码能力。研究人员指出，TCM发射端先对输入比特流进行编码与调制映射，再经受无线信道中的衰落、路径损耗与噪声；接收端则利用网格结构进行译码纠错。论文进一步给出信道增益（CG）定义，将同等误码率下未编码与编码系统所需能量之比及最小自由距离平方之比联系起来，用以量化编码带来的信噪比改进。同时，以高斯Q函数给出AWGN信道下误码率（BER）的近似表达，说明最小自由距离平方d_f²对系统性能具有关键影响。该部分结论是，TCM凭借较高频谱利用率与较低额外带宽代价，非常契合智能电网中带宽受限但可靠性要求高的链路需求。

在“Turbo Trellis Coded Modulation (TTCM)”部分，论文进一步讨论TTCM作为TCM的扩展形式。研究指出，TTCM通过两个并行递归系统卷积编码器和交织器构成发射端结构，在接收端采用软输入迭代译码，两个分量译码器之间通过外信息交换不断改善判决性能。论文特别强调，尽管TTCM在宽带和蜂窝通信中已有广泛研究，但其在智能电网环境中的应用仍相对不足。与追求峰值吞吐量的常规宽带系统不同，智能电网更关注长期稳定性、低信噪比条件下的错误恢复能力以及对关键控制与保护报文的稳健支持。在数学表达方面，研究给出TTCM误码率近似模型，将其与卷积码传输函数T(Y)和E_b/N₀联系起来。该部分结论是，TTCM适合用来体现可靠性与复杂度之间的工程折中，其优势主要体现在误码性能与衰落环境下的稳健性，而非在所有场景中都取得最高频谱效率。

在“Simulation results”部分，研究人员使用QPSK与16-QAM调制，并在2 × 2及4 × 4 MIMO配置下评估系统性能，以对应变电站到变电站、汇聚节点到智能电表等实际部署场景。结果显示，在SNR = 20 dB条件下，未编码系统的频谱效率最低，TCM编码能够在不增加带宽的情况下明显提高频谱效率，而TTCM依靠迭代译码获得最高频谱效率表现。随后，在4 × 4 MIMO信道中比较频谱效率与SNR关系时，结果又显示TCM编码系统达到约15–28 bps/Hz，优于未编码系统约12–22 bps/Hz以及TTCM加预编码的约13–24 bps/Hz，说明在该配置下TCM取得了吞吐量、编码增益和计算复杂度之间的较优平衡。进一步在CDF与码率比较中，未编码系统码率最低，4 × 4 MIMO优于2 × 2；TCM的CDF—码率性能最佳，约为15–17 bps，而TTCM加预编码约为12.8–14.8 bps，虽优于未编码系统，但略逊于TCM。

在针对不同信道环境的分析中，论文分别比较了AWGN与Nakagami信道，以及AWGN与Rayleigh信道下的表现。在Nakagami与AWGN比较中，未编码条件下Nakagami信道在20 dB时频谱效率较AWGN下降约9%，但随SNR升高具有更好扩展性；采用TCM后，频谱效率提高约13%–15%，且抗衰落能力增强，其中Nakagami信道的相对提升更为明显；TTCM加预编码则在25 dB附近将衰落差距缩小至约7%，并达到与TCM相近的约9 bps/Hz水平。在Rayleigh与AWGN比较中，未编码系统下Rayleigh信道在20 dB时较AWGN下降约12%；TCM可在未编码基础上提升约19%的频谱效率，并在两类信道中保持稳定增益；TTCM加预编码在25 dB时可取得约45%的绝对提升，但其20 dB时基线仍比TCM低约23%。这些结果共同表明，在AWGN与衰落信道中，引入编码及预编码能够显著增强链路稳健性，但若以综合效率与稳定性为主要目标，TCM表现更优。

在“Results and discussion (smart grid perspective)”部分，论文对结果作出面向智能电网场景的归纳。研究明确指出，纳入TTCM并非因为其在频谱效率上始终优于TCM，而是为了展示迭代译码方案固有的“可靠性—复杂度”权衡。尽管TCM在许多条件下具有更高频谱效率，TTCM依旧能够凭借Turbo式迭代译码在低到中等E_b/N₀区间获得更好的BER性能。对于控制、监测和保护类业务而言，通信完整性和误码抑制往往比极限吞吐量更重要，因此TTCM仍具有现实应用价值。该讨论强化了论文的核心观点：智能电网通信设计应按业务可靠性等级选择物理层方案。

论文“Conclusions”部分可译为：本文研究表明，网格编码调制（TCM）在频谱效率方面持续优于未编码系统以及带预编码的Turbo网格编码调制（TTCM）。在相关结果中，TCM约达到27 bps/Hz，高于TTCM约24.8 bps/Hz；在4 × 4 MIMO信道中，TCM实现15–28 bps/Hz，而TTCM加预编码为13–24 bps/Hz，CDF—码率分析同样证实TCM在CDF = 0.9时达到最高17 bps码率。此外，结果还表明TCM在Rayleigh与Nakagami等衰落环境中具有较强稳健性，相较基线可持续实现约13%–19%的频谱效率增益，并在中高SNR区域表现出更佳扩展性。比较分析进一步说明，在Rayleigh衰落场景中，随着SNR升高，TCM优于结合预编码的TTCM。尽管带预编码的TTCM能够增强对信道损伤的抵抗能力，并较独立TTCM带来更高可靠性，但其性能增益受到迭代译码复杂度及处理开销限制。这些发现揭示了频谱效率、计算复杂度与系统稳健性之间的重要实际权衡，而这正是智能电网通信基础设施设计中的关键考虑因素。总体而言，论文通过统一模型、理论推导与仿真结果说明：若以频谱效率与稳定增益为核心，TCM更具优势；若面对可靠性关键任务并强调低中信噪比下的误码控制，TTCM则体现出重要补充价值。