The growing intelligence of the nowadays distribution grids is due to the integration of Information and Communication Technologies (ICTs). Such a development is converting the traditional grid into the smart grid concept. Communicating over a reliable ICT infrastructure, distributed Intelligent Electronic Devices (IEDs) perform supervision, protection, and control of the smart grid. The communication network is not errorless, and any error of the underlying communication network can degrade the power grid performance or even cause instability in it. Hence, there is a necessity to obtain a modeling method to analyze its Quality of Service (QoS). One of the most important quality measures of the Substation Communication Network (SCN) traffic is the message transmission delay. Thus, this paper proposes a methodology to evaluate the message transmission delay through an analytical model. To estimate the transmission delay, a port connection model represents the message distribution model. Then a traffic-flow-source model, and a traffic-flow-service model are applied to characterize each flow while it is served through different ports. Finally, delay is calculated based on the corresponding flow and service information. The estimation model is applied on an IEC-61850-MMS (Manufacturing Message Specification)-based communication scenario for a load-shedding goal that is considered over a real reduced-scale HV/MV smart substation test bench. The estimated results are compared to the measured values by the Wireshark network analyzer that indicates an estimation error of less than 10%.

当今配电网的日益智能化是由于信息和通信技术 (ICT) 的集成。这种发展正在将传统电网转变为智能电网概念。通过可靠的 ICT 基础设施进行通信，分布式智能电子设备 (IED) 对智能电网进行监督、保护和控制。通信网络并非无差错，底层通信网络的任何错误都会降低电网性能，甚至导致电网不稳定。因此，有必要获得一种建模方法来分析其服务质量 (QoS)。变电站通信网络 (SCN) 流量最重要的质量度量之一是消息传输延迟。因此，本文提出了一种通过分析模型评估消息传输延迟的方法。为了估计传输延迟，端口连接模型代表消息分发模型。然后应用流量-流-源模型和流量-流-服务模型来表征通过不同端口提供服务的每个流。最后根据相应的流量和服务信息计算时延。该估计模型应用于基于 IEC-61850-MMS（制造消息规范）的通信场景，以实现在实际缩小规模的 HV/MV 智能变电站测试台上考虑的减载目标。将估计结果与 Wireshark 网络分析仪的测量值进行比较，表明估计误差小于 10%。为了估计传输延迟，端口连接模型代表消息分发模型。然后应用流量-流-源模型和流量-流-服务模型来表征通过不同端口提供服务的每个流。最后根据相应的流量和服务信息计算时延。该估计模型应用于基于 IEC-61850-MMS（制造消息规范）的通信场景，以实现在实际缩小规模的 HV/MV 智能变电站测试台上考虑的减载目标。将估计结果与 Wireshark 网络分析仪的测量值进行比较，表明估计误差小于 10%。为了估计传输延迟，端口连接模型代表消息分发模型。然后应用流量-流-源模型和流量-流-服务模型来表征通过不同端口提供服务的每个流。最后根据相应的流量和服务信息计算时延。该估计模型应用于基于 IEC-61850-MMS（制造消息规范）的通信场景，以实现在实际缩小规模的 HV/MV 智能变电站测试台上考虑的减载目标。将估计结果与 Wireshark 网络分析仪的测量值进行比较，表明估计误差小于 10%。并应用流量-流-服务模型来表征通过不同端口提供服务的每个流。最后根据相应的流量和服务信息计算时延。该估计模型应用于基于 IEC-61850-MMS（制造消息规范）的通信场景，以实现在实际缩小规模的 HV/MV 智能变电站测试台上考虑的减载目标。将估计结果与 Wireshark 网络分析仪的测量值进行比较，表明估计误差小于 10%。并应用流量-流-服务模型来表征通过不同端口提供服务的每个流。最后根据相应的流量和服务信息计算时延。该估计模型应用于基于 IEC-61850-MMS（制造消息规范）的通信场景，以实现在实际缩小规模的 HV/MV 智能变电站测试台上考虑的减载目标。将估计结果与 Wireshark 网络分析仪的测量值进行比较，表明估计误差小于 10%。该估计模型应用于基于 IEC-61850-MMS（制造消息规范）的通信场景，以实现在实际缩小规模的 HV/MV 智能变电站测试台上考虑的减载目标。将估计结果与 Wireshark 网络分析仪的测量值进行比较，表明估计误差小于 10%。该估计模型应用于基于 IEC-61850-MMS（制造消息规范）的通信场景，以实现在实际缩小规模的 HV/MV 智能变电站测试台上考虑的减载目标。将估计结果与 Wireshark 网络分析仪的测量值进行比较，表明估计误差小于 10%。