電力物聯網終端非法無線通信鏈路檢測方法

聶斌

摘要：我國的科技領域正在高速的發展中，各個層面都有了前所未有的突破性進展，建立泛在電力物聯網，在海量數據的支撐下實現物理、商業和信息的互聯與互動，是適應高比例可再生能源接入和電力市場化改革需要、推動能源轉型的重要基礎。電力系統中廣泛部署的物聯網終端可有效促進電網生產運行全過程的全景感知、信息融合及智能管理與決策，但也帶來了突出的網絡安全風險。

關鍵詞：電力物聯網終端;非法無線通信鏈路;檢測方法

引言

隨著我國國民經濟的飛速發展，各行各業都在本專業的技術上有了很大的進步，充分展示了我們的大國風范。為了適應多媒體應用的增加，滿足網絡容量、數據速率不斷增長的需求，無線通信系統鏈路質量檢測成為無線通信提高系統性能的重要研究點。無線網絡中，無線電波作為一種易受到外界干擾的傳輸介質，其傳輸質量會因外界影響而出現較大波動。為了能夠保證上層業務數據的傳輸，減小信號受到的干擾，需要評估檢測無線通信系統的鏈路檢測。

1無線通信概念

無線通信相對來講效率會高一些。它的信息傳輸媒介是微波通信以及衛星通信。無線電波形式是微波通信的主要傳輸方式，這種數據信息的承載體的傳輸距離一般在幾十千米左右，雖然距離不是很長，但是頻帶非常寬，承載的信息容量也非常巨大。因此使用微波通信的地區都會每相距幾十千米，就會建設一個微波中繼站，以確保信息傳遞效率。衛星通信顧名思義則是借助衛星作為中繼站，借此與地面上的地球站建立通信聯系，這種通信方式非常繁瑣，一般都會經過無線-有線-無線的傳輸方式。無線通信則可以不受地域、環境的外界限制，所以我國西部地區普遍應用無線通信技術，運用無線電發射塔，大大的增強了人們生活的便利性，方便了生活以及生產。但若是傳播信息過程中遇到電磁干擾過強時，信息的安全性則無法保障，較容易受到人為的干擾。另外信息傳輸信號不太穩定，可能會影響生活與生產，再加上無線電磁的輻射，也會對人體造成一定的傷害。

2電力物聯網終端非法無線通信鏈路檢測方法

2.1確定無線鏈路傳輸特點及速率選擇機制

無線通信傳輸中，通道無論采用何種物理層調制方法都易受到外界干擾。電磁波傳輸過程中存在很大的不確定性，存在大量干擾和損耗，丟包現象十分普遍。若采用固定速率，將很大程度影響無線網絡的性能。估計當前無線通信系統鏈路的質量，并以此為依據選擇合適的傳輸速率，可以大幅度提升網絡運行效率，在很大程度上優化網絡結構。當前的速率控制機制主要根據物理層選擇保守調制方法。假設丟包由于環境噪聲影響接收端譯碼，根據發送端發送失敗次數逐漸降低速率，但現實生活中，通常由于受到其他無線通信設備的干擾而導致丟包率進一步增大。如果始終單純降低速率，只會使數據包在信道中的傳輸時間延長，降低傳輸效率。通過改進現有MAC層協議，能提高無線通信系統的工作效率，檢測當前無線通信系統鏈路質量，并根據檢測結果調整鏈路，從而提高網絡性能。

2.2本地均值估計算法

本地均值估計算法包括本地場強測量采樣方法和采樣數據處理算法。測量采樣方法分為定點采樣和移動采樣，本文采用效率較高的移動采樣方法。因此本地均值估計算法步驟為：采用移動采樣方法進行采樣，選擇合適的采樣范圍（即樣本統計區間）和抽樣點數，通過采樣數據處理算法，消除疊加在本地場強均值（由本地大尺度衰落或路徑損耗決定）之上的隨機波動（由小尺度衰落決定），得到本地場強均值的估計值。樣本統計區間選取的準確與否決定能否有效消除快衰落信號對本地均值的影響。通常樣本統計區間可以沿徑向、區域或者帶寬選取，如果統計區間選取過小將導致快衰落消除不充分，使得本地均值估值誤差增大;如果統計區間選取過大，則本地條件將不復成立，得到的數據不能反映某一點附近范圍的場強均值。抽樣點數目決定估值方差，抽樣點太密將導致樣本不能統計獨立，無法通過平均處理消除隨機波動影響;抽樣點太稀，則會使估值方差增大。此外，抽樣點選取還受到接收設備能力以及運算復雜度的影響。

2.3架構無線mesh網絡

無線mesh網絡是一個分層網絡架構，受應用場景不同的影響，構架不盡相同，其與因特網進行有線連接的接入點位于最高層。無線mesh網絡路由器以多跳的形式在中間層次連接，以此提供無線終端用戶接入和轉發數據包的相關服務。類似于Ad Hoc網絡的一部分支持多跳傳遞功能，實現各移動STA之間的數據多跳傳輸。mesh網絡架構能夠有效避免一點對多點的星型結構，避免由單點故障和中心網絡堵塞導致的全網癱瘓。與傳統無線通信系統相比，無線mesh網絡的傳輸可靠性大大增強。mesh網絡中，為了降低成本和發送功率，減少不同網絡信號之間的互相干擾，一般選用相對較短的單跳無線通信鏈路。終端用戶可以在任意地點隨時與其他終端聯系，網絡覆蓋范圍與傳統網絡相比大幅度增加，系統容量隨之提升。

2.4基于密度聚類的非法通信鏈路檢測

聚類分析是將樣本集合分組成為由類似的樣本組成的多個類簇的分析過程。作為一種無監督的模式識別方法，聚類方法需要在沒有標記數據指導下對數據集進行分組，使得同一類內的相似性盡可能大，而不同類之間的差異性盡可能大。在無監督條件下如何確定聚類數量，是聚類算法的核心問題。作為一種經典的密度聚類算法（Density BasedSpatial Clustering of Applications with Noise，DBSCAN）可在有噪聲的狀態空間中根據樣本分布密度劃分任意形狀類簇，并可根據鄰域半徑和鄰域內樣本數自動確定聚類數量，能有效解決人為設定聚類數量的難題。DBSCAN算法通過搜尋樣本空間中特定對象在鄰域半徑內的相鄰對象，當其鄰域半徑內樣本數大于等于鄰域最小樣本數時，將這些對象形成一個類簇。基本概念：（1）鄰域半徑R：算法中給定數據集特定對象搜尋其相鄰對象的掃描鄰域半徑。（2）鄰域內最小樣本數Min：特定對象及其鄰域內對象構成類簇最少包含樣本數。（3）核心樣本p：樣本p周圍鄰域半徑內存在不少于Min個相鄰樣本;樣本a、b、c。（4）邊界樣本：邊界樣本是不滿足核心樣本條件、但處于其他核心樣本鄰域半徑內的樣本，邊界樣本半徑鄰域內的樣本數達不到最小樣本數。（5）噪聲樣本：數據集中不屬于各聚類類簇的樣本。（6）密度可達：核心點a鄰域半徑內的點與a為直接密度可達;核心點a鄰域半徑內多點間為密度可達。（7）密度相連：數據集中樣本a、b與樣本f均為密度可達，但a和b密度不可達，則稱a、b密度相連。密度聚類算法首先確定聚類半徑和鄰域內最少樣本數Min;然后計算所有樣本間歐氏距離;再逐個掃描樣本點，將鄰域內大于Min的樣本設為核心點，處于核心點鄰域內的設為邊界點，剩下未進行歸類的為噪聲點;最后將密度可達和密度相連的樣本歸為一類即可完成聚類。

結語

隨著我國信息技術的不斷發展和創新，人們的生活水平也在不斷提高，對通信技術的需求也隨之增加，并且越來越重視通信技術的發展，而無線技術的研發可以更好地滿足人們對通信技術的要求，由此可見無線通信技術勢必是未來通信行業的發展趨勢。

參考文獻

[1]薛禹勝，朱洪波，王琴，等.物聯網對能源轉型的支撐[J].物聯網學報，2019，3（1）：1-7.

[2]荊孟春，王繼業，程志華，等.電力物聯網傳感器信息模型研究與應用[J].電網技術，2014，38（2）：532-537.

[3]劉念，余星火，王劍輝，等.泛在物聯的配用電優化運行：信息物理社會系統的視角[J].電力系統自動化，2020，44（1）：1-12.