电力线通信(power line communication, PLC)是指以电力线及其输、配电网络作为传输介质的通信技术和系统应用^[1]，是电力系统独特的通信方式.它将已经架设好的、覆盖面极广的电力线作为传输媒介，与电网建设同步，可以减少投资，还具有见效快、灵活性强等优点^[2].

电力线通信主要存在的问题有以下几点：电力线换位及线路故障使衰耗剧增，电力线结构影响传输性能；受电力线强磁场干扰，噪声大，通信质量不稳定；通道容量小，音频范围窄及通信距离受限等^[3].为实现可靠、高效的电力线通信，国内外专家学者在优化组网等方面做了不少工作，本文介绍目前的几种优化电力线通信的方法并分析了其优缺点，可对从事PLC通信技术的研究者提供帮助.

1 方法介绍 1.1 智能仿生组网算法

智能仿生类算法^[4]主要是模拟生物群体和生物进化的智能化方法，目前热点的研究主要有人工神经网络^[5]、遗传算法^[6-7]、DNA分子算法^[8]、蚂蚁算法^[9-11]、人工蛛网^[12-14]等.下面介绍两类基于智能仿生的电力线组网优化算法.

1.1.1 基于蛛网的新型电力线通信组网算法及通信协议

此方法提出基于人工蛛网的通信模型，用人工蛛网组成的逻辑拓扑网络替代传统的低压配电网中主要负责通信协议的部分层网络，并制定新的自动路由协议，建立人工蛛网仿真模型^[12].人工蛛网拓扑如图 1所示.

为解决实际应用中电力线通信可靠性问题，提出基于单层蛛网的组网模型，如图 2所示.

组网过程：

1) 网关节点发送组网广播，收到广播的m个节点通过中心选择算法选择第1层蛛网的中心节点h，中心节点对剩下的m-1个节点分派逻辑ID.

2) 第1层蛛网组网完成后，网关向节点h发送指令，由节点h发送组网广播，收到组网广播且未加入已有组网的节点，通过中心选择算法选择一个与节点h可靠通信的节点作为第2层人工蛛网的中心节点i，其余节点成为该层蛛网的子节点，由节点i分派逻辑ID.

3) 重复步骤2直到所有节点加入组网.

对于实际低压电力线载波通信系统组网完成后产生的“盲点”问题，提出重路由算法，进一步提高网络的可靠性和抗毁性^[13].

在上述蛛网模型的基础上，可延伸出人工蛛网组网算法和人工蛛网路由协议(CWRP)^[14].

1.1.2 蚁群算法及其优化

1) 基本蚁群算法^[9-11]

蚁群算法是由意大利学者M.Dorigo等提出的一种模拟进化的随机搜索类算法，它受自然界中蚂蚁集体觅食行为的启发.蚂蚁的集体觅食行为称为自催化行为，表现为一种正反馈现象，是一种分布式最优化机制.

蚁群算法将特定的探测包作为人工蚂蚁，让其探测过程模拟蚂蚁觅食的行为.探测包将特定的人工信息素分布在其经过的路径上，其转移概率可通过计算机对各路径的启发函数和信息素进行统计、计算得到.当计算次数达到要求时，统计结果中信息素最高的路径就是所寻求的最优路径.

2) 结合人工蛛网的改进分级蚁群路由算法^[15]

本方法先通过改进的人工蛛网方法对低压电力线通信网络进行组网，用人工蛛网子网组成的分级网络将低压配电网进行分割，再应用改进的分级蚁群路由算法进行路径寻优，建立网络内任意节点与基站通信的最优路由.

组网初始化步骤：

① 基站发送组网广播，收到广播的节点作为第1逻辑层，选择节点h₁作为中心节点.h₁记录同层内剩余节点的逻辑ID，生成路由表.

② h₁发送组网广播，收到广播的节点作为第2逻辑层.h₁在第2逻辑层中随意选择一个节点h₂作为中心节点.

③ 第2逻辑层节点记录来自h₁的数据误码率e_h1和来自h₂的数据误码率e_h2.当e_h1>e_h2时，节点以h₂为中心节点组成新网络.当e_h1＜e_h2或未收到h₂广播时，选择新中心节点h₃，重复步骤3.直到第2逻辑层所有节点都加入网络.

④ 重复步骤2、3, 直到网络中所有节点加入组网.

组网结束后，蚁群寻优算法步骤如下：

① 对源节点和目的节点的位置进行判断.当两者满足同级的位置条件时，通信中继选用所在子网的中心节点并记录相应路由表，结束算法.当两者不满足同级的位置条件时，向下执行步骤3.

② 运用蚁群算法，在各个子网的中心节点中进行路径寻优.

③ 对步骤2中找出的路径进行判断，看是否符合最优解的条件.若该路径是最优解，路由表即由相应节点组成，记录后算法结束.若路径不是最优解，返回步骤2，重复执行直到所得路径满足最优条件.

1.1.3 遗传算法及其优化

1) 遗传算法原理^[6-7]

遗传算法是由美国教授J.Holland等观察自然界中生物的遗传与进化过程后提出的一种智能仿生搜索算法，是由可行解组成的群体逐代进化过程，具有自适应性.遗传算法可用于复杂系统的优化，选择、交叉、变异是它的3个主要过程.

2) GAACS路由算法^[16]

本方法先通过遗传算法获得路径信息素的初始分布，再结合具有正反馈收敛的蚁群算法，并根据搜索情况对信息素挥发因子、转移概率因子、信息素强度等参数进行自适应调整，最终获得最优路由线路.

组网步骤如下：

① 参数初始化.

② 编码.

③ 初始化群体.

④ 计算种群内个体适应度值，判断迭代次数.若达到设置的迭代次数，转⑥，否则转⑤.

⑤ 将父代精英个体复制到子代种群，对种群进行路径杂交，变异运算, 转④.

⑥ 遗传算法得到集中器到目标电表的优化抄表路径，运用到蚁群算法初期信息素分布中.

⑦ 集中器向发起探索蚂蚁数据帧进行路径寻优.

⑧ 找出最优蚂蚁，进行全局信息素浓度更新.

⑨ 若连续N次迭代，最优解没变.自适应调整信息素挥发因子及信息素强度.

⑩ 若达到设置迭代次数，记录最优解，否则转⑦.

1.2 基于图论生成树的低压电力线通信路由

通过分析低压配电网的逻辑和物理拓扑结构，结合我国低压集中抄表系统的特点，针对网络节点仅具有中继转发功能的低压电力线通信网络提出此方法^[17].

在低压电力线通信网络中，将配电网逻辑拓扑结构抽象为连通图.连通图的数学模型构建之后，可用生成树在图论中的形成问题抽象替代节点间的通信问题.

组网算法步骤如下：

1) 中心节点按照其存储的普通节点地址，依次发送组网命令.接收到组网命令的对应节点回复响应帧.中心节点将接收到响应帧的普通节点添加到生成树第1层.

2) 若网络中还有未组网的节点，中心节点以第1层树的节点为中继访问余下节点，发送含有中继节点地址和目的节点地址的组网命令帧.访问顺序为：以第1层第k个节点(k=1, 2, …, m)作为中继节点，依次访问未组网节点.接收到组网帧的对应普通节点回复响应帧.中心节点将回复响应帧的普通节点添加到生成树第2层，记录中继节点.

3) 重复步骤2直到网络中所有节点均加入生成树，或中继级别大于7.此时，未加入组网的节点视为孤立节点.

1.3 基于通信信号信噪比的自动组网方法

为了提高通信可靠性、扩大通信范围，在分析低压电力线载波通信网络的拓扑模型和组网特点的基础上，提出一种基于通信信号“信噪比”的自动组网方法^[18].

1) 终端的逻辑分层和初始路由表的建立

① 集中器依次将寻呼报文发送至其通信范围内的下层终端.终端接收到报文后，提取中继地址和目的地址.若中继地址和自身地址相同，则终端将收到报文进行转发；若目的地址和自身地址相同，回复应答报文.集中器接收应答报文检测是否满足信噪比预设条件，满足则记下相应信噪比和终端地址.第1轮所有满足条件的终端列为逻辑层1.

② 再次进行逻辑分层时，集中器选取第1轮中所有满足条件的终端作为中继，向剩下的终端发送寻呼报文，并在收到报文回传后，把满足预设信噪比条件的终端作为逻辑层2.

③ 执行每一步后，若所有终端都被发现，则分层完成，否则集中器继续类似的步骤.

初始路由表抗毁性不强、可靠性不高，需进行进一步优化.

2) 初始路由表的优化

① 假设在组网过程中，通信网络的信道质量不发生变化，则优化从逻辑层2开始.测试每一个逻辑层2中终端的所有可能通信路径的“信噪比”.若不止一条路径满足要求，记录“信噪比”较大但不超过S条的通信路径.

② 对逻辑层3中的每个终端路由执行和步骤1相似的优化过程.

③ 进行以上步骤，直到完成所有终端的路由优化.

3) 进行路由表的动态更新和重构^[19].

1.4 低压电力线分簇算法及其改进算法 1.4.1 传统分簇算法

传统分簇算法^[20]中，令网络中拥有某些关联的节点集合组成簇，每个簇包含1个簇头节点和多个簇内成员节点.其中，簇头节点是通过某种算法或者规则挑选出来，收集簇内信息，进行数据融合处理，从而完成协调和管理簇内成员节点工作的节点.它还需要实现簇间转发的功能.

在分簇算法中，如果一个节点可以不只加入一个簇，那么它将会同时加入若干个相邻的簇，这样形成的网络结构是交叠的簇结构，如图 3所示.如果一个节点只能加入一个簇，这样形成的网络结构是互不交叠的簇结构^[21]，如图 4所示.使用非交叠分簇算法实现的组网中，网关节点到任意子节点的路径是唯一的，各节点间的通信链路也是唯一的.

1.4.2 分簇蛛网混合算法

该算法将非交叠分簇算法通信链路明确的优点和人工蛛网拓扑可靠性强的优点相结合^[22].组网步骤如下：

1) 网关节点发送组网帧，收到组网帧的节点回复应答帧，组成逻辑层1.

2) 已经加入网络的各节点将原组网帧中的源节点改为自身物理ID，层数加1.形成新的组网帧，依次向周围发送.直至该层的所有节点发送完组网帧.

3) 接收到组网帧的节点将自身层数与该组网帧发送方的层数进行判断：若两者层数相等，记录发送方ID及误码率，待该层组网结束，将所有同层发送方中与其误码率最小的两个节点作为相邻节点记录到路由表；若接收方层数大于发送方，接收方回复应答帧，加入发送方成为其簇员节点, 并不再对收到的来自上层的组网帧做出回应.

4) 重复上述步骤，直到所有节点加入组网.

1.5 基于PRIME标准的低压电力线载波组网

PRIME标准^[23]是一个基于正交频分复用技术，应用于CENELEC-A频带范围内的开放型窄带高速电力线载波通信技术^[24].

组网步骤如下^[25]：

1) 集中器每隔0.618 s发送一个组网帧；中继节点每隔3.09 s发送一次组网帧.

2) 未加入组网的节点收到组网帧后，通过接收到的组网帧中含有的信噪比、信号电平、链路质量参数、所在树形结构层次深度等相关参数，根据用户对通信实时性、可靠性、健壮性的需求，选择集中器或一个合适的中继节点作为自己的上层直接中继.

3) 超时未收到组网帧的未组网节点，主动发送组网请求帧，搜寻其通信范围内的普通节点，触发其转变为中继节点.

4) 收到组网请求帧的普通节点向集中器发送请求.集中器根据相关参数，选择收到同一未组网节点发送的组网请求帧的多个普通节点中的一个，使其转变为中继节点，转至步骤1.

5) 重复上述步骤，直到网络中所有节点都接入组网.

1.6 低压电力线最短路径动态算法 1.6.1 Dijstra算法

Dijstra算法^{[26, 27]}可用于计算一个节点到其他所有节点的最短路径，是典型的的单源最短路径算法.

1) 网络初始化

假设整个系统中有(N-1)个通信终端，加上集中器.上位机通过集中器依次搜索其通信范围内的所有终端，并对通信质量进行测试.建立一个(N×N)的矩阵Q.终端i与终端j之间的通信质量用矩阵Q (i, j)表示.获取Q值后，根据Q值的大小将通信质量划分为6个等级，即g={1, 2, 3, 4, 5, 6}.完成初始化即可得到元素为g(i, j)的矩阵G(N×N), 定义G为网络信息表.

2) 算法流程

① 取网络信息表G的子矩阵为V_n×n，对x∈V, v(s, x)=g(s, x)，置A={s}, B=V-{s}

② 寻找t∈B, 使得v(s, t)=min(v(s, x)|x∈B)，则t到s的最佳通信路径为v(s, t).

③ 令A=A∪{t}, B=B－{t}.

④ 若B为空集，算法结束，否则转步骤5.

⑤ 对与t相邻接的所有节点x，如果v(s, x)≤v(s, t)+v(t, x)，直接转步骤2，否则令v(s, x)=v(s, t)+v(t, x)，转步骤2.

1.6.2 粒子群算法

粒子群算法^[26]利用一种特殊的、具有v、x但不具有m的粒子代替优化问题，是一种基于群体的优化算法.该特殊粒子在运动时不断记录并更新自身值，通过反复迭代得出一个优化解^[28].

用一个粒子代表一个集中器与通信终端间的路径，即每个粒子对应一个解.算法流程：

1) 首先，为每个粒子赋一个随机值作为初始条件.

2) 粒子根据自身运动过程进行更新.

3) 粒子记录个体、群体历史最优值，并通过这两个值和自身进行对比，将自身值更新为对比后最优值.

4) 更新完成后判断所得结果是否满足条件.若满足优化条件或更新次数达到最大限度则算法结束，否则返回步骤2继续记录更新，直至满足条件.

1.7 基于虚拟IP的PLCSN组网路由算法

为了克服建立于逻辑拓扑的网络结构可能存在的可靠性不足的问题，该算法通过建立基于物理拓扑的平等簇结构，并引入反映网络拓扑的虚拟IP编址网络，实现节点定位和高效路由^[29].

1) 虚拟IP

虚拟IP这一编址方式包括十六进制的成员号和簇子网地址，它能够反映网络的拓扑结构.

2) 基于信号衰减强度的分支判别算法

设节点A是B的父节点，C是B广播探测到的节点.AB间衰减值为X, BC间为Y，AC间为Z.若X+Y－Z＜5 dB，则ABC同分支，否则C不在AB分支上.

3) 深度优先的组网遍历策略

该策略先从头到底探测出网络的某条支路.为了确定该支路有无后继节点，探测到底后让该支路的末端节点通过功率变化方式进行3次广播.若无则回溯上一级，广播探测有无支路.若有则继续向下探测，若无则继续向上回溯.

4) 组网算法

① Sink节点首先直接广播测试场强，在收到回复中选择衰减值最小的A节点为网络第一大分支第一层簇子网簇头.

② A广播消息测试场强，未加入网络的节点收到消息后，测试到A的衰减值.满足要求的节点发送回复帧，按衰减值升序分配簇内ID，为Cluster_A簇子网分配虚拟IP.

③ 按深度优先遍历策略，继续探测第一大分支的后继节点.

④ 若按照上一步骤经过3次广播仍未找到第一大分支的新后继节点，则回溯到Sink广播找第二大分支第1层，重复上述步骤直到全网的节点均被找出并分配到相应的虚拟IP，组网完成.

2 方法比较分析 2.1 人工蛛网算法

由单层蛛网组网模型可以看出，以人工蛛网逻辑拓扑为网络基本拓扑建立组网时，优点如下：

1) 基站只需要保证与每个子网的中心节点可靠通信，即可保证与网络内所有节点的通信.

2) 当中心节点与某一子节点的通信链路故障时，无需网络重构，可以直接令该子节点的邻居节点作为中继节点，完成中心节点与该子节点的相互通信.

由上述优点可知，在同一蛛网内，每一子节点都有两个相邻节点提供备用链路，这一结构提高了网络通信的可靠性和抗毁性.但同时，该组网结构的缺点也很明显：

1) 中心节点选择算法：先将低压配电网抽象为图G (V, E)，再通过Dijkstra算法求出图中所有顶点间的最短距离，组成距离矩阵D.通过优化目标函数，找出中心节点^[12].

由组网过程可知，每次建立新的蛛网单位，都需要运用中心节点选择算法选择该蛛网单位的中心节点, 这将大大增加组网的耗时.

2) 人工蛛网模型过分依赖中心节点.网络中任一中心节点出现故障，不仅会影响网关节点与该中心节点所在蛛网的所有子节点的通信，还会影响网关节点与该中心节点之后的所有蛛网单位中的节点的通信.

通过上述分析可知，人工蛛网模型虽然提高了蛛网内节点的通信可靠性，但若单纯以蛛网模型实现组网，不仅增加了组网的耗时性，从网络整体而言，对中心节点依赖过高，降低了网络的稳定性.对于中心节点运行状态稳定、组网实时性要求不高的系统可以使用.但建议将人工蛛网模型与其他组网算法结合，利用蛛网拓扑在逻辑层内建立相邻节点，从而提高网络的可靠性.

2.2 结合人工蛛网的改进分级蚁群路由算法

算法优点如下：

1) 通过人工蛛网进行初始组网阶段，组网方式在单层蛛网组网模型上有所改进，每一逻辑层不再只有一个中心节点，降低了网络对中心节点的依赖性.

2) 人工蛛网组成的分级网络，使得子网所有节点的路由维护等都可以通过蛛网的各个中心节点完成，蚁群算法只需要在各子网的中心节点中进行路径寻优，降低了蚁群算法寻优的时耗.

3) 算法实现网络内任意节点与基站通信的最优路由的建立，提高通信的可靠性.

算法不足如下：

1) 人工蛛网的初始组网过程虽然有所优化，但网络对中心节点的依赖性依然存在.一旦中心节点出现故障，其所在蛛网的子节点及其后的蛛网节点与基站的通信均会受影响.

2) 人工蛛网组网阶段通过误码率的判断选择中心节点的步骤具有一定的随机性和盲目性，初始组网结束后，蚁群算法寻优过程也是不断迭代寻优直到得出最优解的过程.这两个过程使得该组网用时较长，不适用于时效性高的系统.

由上述分析可知，该算法通过结合人工蛛网与蚁群算法，能够建立网络内任意节点与基站通信的最优路由，减少通信平均路径，降低电力线信道上复杂噪声、信号衰减等影响，提高通信的可靠性，但对中心节点的依赖依然存在，且时效性不高.综合其特点，该算法适用于节点运行状态较稳定、对组网时效性要求不高的系统.

2.3 基于遗传自适应蚁群系统算法的中继路由方法

算法优点如下：

1) 将遗传算法得到的优化抄表路径运用到蚁群算法初期信息素分布中，不仅减少了蚁群算法得到最优解的迭代次数，提高最优解搜寻效率，且两次优化算法的运用使得路径寻优得到保证，确保了路径质量，降低了网络重构的概率^[16].

2) 算法能根据当前的搜索情况，自适应地改变状态转移因子、信息素挥发因子、信息素强度等参数，避免蚁群算法陷入局部最优解.

算法不足如下：

1) 遗传算法和蚁群算法都存在迭代寻优过程，虽然将蚁群算法和遗传算法相结合，相比单独使用这两种算法在寻优效率上有了很大的提高，但初始组网的耗时仍然不可忽视.

2) 算法针对集中器到某一目标节点实现路径寻优，故而集中器到每个节点的路径都是单一的.一旦链路中某一段出现故障，便需要进行网络重构.

由上述分析可知，算法解决了蚁群算法容易陷入局部最优解的问题，提高了最优解搜寻效率，确保路径质量，降低了网络重构概率，但组网耗时性和路径单一性值得注意.该算法适用于组网时效性要求低、通信质量要求高的系统.

2.4 基于图论生成树的低压电力线通信路由

算法优点如下：

1) 算法针对网络节点仅具有中继转发功能的低压电力线通信网络，对节点要求较低，除中心节点外，不要求节点具有路由组网能力，设备投资较低.

2) 初始组网过程相对简单，结合改进的路由重构策略，该算法具有较强的路由组网、维护能力.通过网络节点的变化进行动态路由，提高了通信的可靠性^[17].

算法不足如下：

1) 组网过程中需要通过层层轮询的方式访问每个未加入生成树的节点，组网耗时.

2) 组网过程中没有路径择优的步骤，因而组网只实现了中心节点与普通节点建立通信路径，但通信质量无法保证.

3) 由于普通节点仅具有中继转发功能，中心节点需要记录所有加入网络的普通节点及其中继节点，路由开销较大.

由上述分析可知，该算法适用于节点仅具有中继转发功能、对时效性和通信质量要求均不高的系统.

2.5 基于通信信噪比的自动组网方法

算法优点如下：

1) 组网全部在集中器中完成，其余终端只需要具备报文的接收和转发功能，设备要求低.

2) 路由优化后，优先使用信噪比高的通信路径.在不改变中继深度的前提下，提高通信可靠性和抗干扰能力.

3) 当S>1时，原链路通信失败，可立刻切换到信噪比相对较小的另一条链路恢复通信，避免频繁的网络重构，提高时效性^[18].

算法不足如下：

1) S >1时，消耗较多硬件资源，提高了硬件成本.

2) 若在初始组网时先进行初始路由表的建立，再进行路由表的优化，组网耗时较长.

针对算法的特点和存在的不足，建议算法的使用根据组网环境灵活变化.当系统对组网耗时有比较高的要求或网络运行环境较好，不容易出现通信失效时，初始组网可以先不进行优化.集中器记录各路径的信噪比，在网络重构时进行优化，以此节省初始组网的组网耗时.当系统对组网耗时要求不高或网络运行环境较恶劣、容易出现网路重构时，初始组网便进行路由优化，选择通信质量较好的路径，并建立备用路径，提高网络的可靠性和抗毁性.

2.6 分簇蛛网混合算法

传统交叠分簇算法链路复杂，非交叠分簇算法虽然链路简单、明确，但抗毁性较差.相比两者，分簇蛛网混合算法有以下优点：

1) 在非交叠分簇算法的基础上，引入蛛网拓扑.综合了非交叠分簇算法链路明确和蛛网拓扑可靠性强的优点.由于簇内邻居节点的存在，链路失效时，不用进行网络重构，直接通过相邻节点作为中继即可恢复通信.

2) 组网过程是通过各级簇头节点层层向下，不需要轮询也不仅仅通过集中器组网，时效性高.

3) 相应通信协议简单，开销小，稳定性高，对于提高通信可靠性具有积极意义.

算法不足如下：

1) 簇头节点需要具备协调和管理簇内成员节点工作、实现收集簇内信息、数据融合处理和簇间转发的功能，设备要求较高.

2) 簇员节点一旦接收到上层节点发送的组网帧即加入，组网过程不存在路径择优，不能保证通信质量.

针对分簇蛛网混合算法存在的不足，可以在该算法的基础上加上路径择优，实现组网优化.具体实现方法为：初始组网时，节点收到上层节点发送的组网帧，便记录发送方的ID及误码率.初始组网结束后，进行网络优化.节点重新逐层发送组网帧，从逻辑层2开始，节点判断自己加入的簇头节点是否为误码率最低的上层节点，若是，则该节点不做任何处理，若不是，该节点向目前的簇头节点发送退出帧，退出其簇，并回复误码率最低的上层节点发送的组网帧，成为其簇员节点，从而实现簇员节点对簇头节点的择优选择.

2.7 基于PRIME标准的低压电力线载波组网算法

该算法组网过程实质上是集中器通过一层层中继节点不断向外扩展，最终形成组网的过程.算法优点如下：

1) 算法初始组网步骤简单、有效，能够在较短时间内完成初始化组网.

2) 算法中，新加入网络的节点对上层直接中继的选择，以及集中器对转变为中继节点的普通节点的选择都有择优过程，这使得建立的通信链路的通信质量得到保证.

3) 算法提供开放的架构，为用户提供相关参数信息，用户能根据其需求合理设置参数，满足速率、可靠性等需求，灵活性强^[25].

4) 算法提供终端电表主动注册功能，充分考虑新增电表或电表掉线后重新加入的情况.

5) 根据算法的网络维护和路由重构，该算法能够针对电力线信道噪声、衰减、干扰和负载特性变化等因素，及时修改网络路由，提高了网络通信的可靠性.

由上述优点可知，算法提供的终端电表主动注册功能和用户设置参数功能是其一大特色，这增强了用户侧的互动性，提高了组网的灵活性和可靠性.

算法不足如下：

1) 算法要求所有节点都具有成为中继节点的设备条件，故对设备要求很高.

2) 组网帧中需要包含信噪比、信号电平、链路质量参数、所在树形结构层次深度等相关参数，路由开销大.

由上述特点可知，该算法适用于终端功能强、投资大、组网时效性及通信质量要求高、用户侧互动强的大范围系统.

2.8 低压电力线最短路径算法

Dijstra算法是解决关于带权图的最短路径问题的一种贪心算法^[28].该算法在集中器到各节点的通信长度上，采用逐次对比的方法完成路径择优，一定程度上保证了通信链路的质量，提高了电力线通信的可靠性.但算法存在以下不足：

1) 该算法需要从集中器开始，一个个找出从源节点出发到所有其他节点的最短路径，算法计算量较大，运行时间长.

2) 集中器到各个节点的通信路径都是唯一的，网络抗毁性不强.

3) 择优过程只考虑了通信路径长度，考虑因素较片面.基于电力线信道的复杂度，路径短的链路不一定通信质量好.

根据上述总结，Dijstra算法在实时性要求不高、终端数量较少时可以使用.但基于其存在的不足，建议与其他组网算法结合使用，作为其他算法的择优步骤.

粒子群算法相比Dijstra算法，计算过程耗时较短，但优化后链路通信质量不如Dijstra算法.此外，Dijstra算法存在的不足粒子群算法也存在，故而粒子群算法在实时性要求较高、终端数量较多时可以使用.但基于其特点，建议与其他组网算法结合使用，作为对实时性要求较高的组网系统中的择优步骤.

2.9 基于虚拟IP的PLCSN组网路由算法

该算法提出基于物理拓扑的组网，不同于传统基于逻辑拓扑的组网方式.该算法有如下优点：

1) 物理拓扑是电力线网络唯一静态的因素，建立在物理拓扑上的网络结构最为可靠稳定.

2) 算法引入反映网络拓扑结构的虚拟IP编址方式，实现高效路由和节点定位^[29].

3) 算法在选择簇子网簇头时，有按路径长度择优过程，提高了所建链路的通信质量.

算法不足如下：

1) 组网过程中，按深度优先遍历策略，先探测第一大分支的后继节点.待第一大分支探测不到后继节点后，回溯到Sink节点，探测第二大分支.依次类推直到探测完所有分支.这一组网步骤较为耗时，组网时效性不高.

2) 算法要求所有节点都具有发送组网帧的功能，故对设备要求较高.

根据该算法特点，它适用于终端功能强、实时性要求不高、通信环境较差且通信质量要求较高的系统.

根据上述比较分析，各算法适用范围如表 1所示.

3 研究展望

由上述优缺点可以看出，组网可靠性的提高往往需要在其他方面做出退让，如人工蛛网组网、蚁群算法和基于图论的生成树路由法均增大耗时，降低系统时效性，基于PRIME标准的低压电力线载波组网算法增大投资等.进一步的研究需要在可靠性和其他网络性质方面加以权衡，进一步优化.

在解决电力线通信可靠性问题方面，主要有两大思路.一是本文所提到的通过网络层组网路由的方法来提高电力线通信网络层面的可靠性，二是提高点对点通信正确接发概率，主要包括基于物理层的减少噪声影响、减少信道衰减等和基于链路层的介质访问控制和信道编码^[30].可以将目前已经提出并验证可行的不同思路的优化方案加以结合，如通过降低衰减实现最优组网、为组网目的进行信道建模等.

4 总结

电力线通信因其独特的优点，成为城市配电自动化通信的首选方式之一.目前基于PLC的自动抄表系统已经得到广泛应用，业内人士也致力于将电力线通信向着增大通信容量、提高通信速率的方向发展.由于信道具有强噪声、高衰减、通道容量小、音频范围窄、阻抗不匹配等特点，电力线通信的使用受到了一定的限制.通过对电力线通信优化方法的研究，努力解决电力线通信目前存在的不足之处，电力线通信将更贴近人们的生活，得到更广泛的应用.