基于參數估計的配電網載波通信異常信號識別方法

嚴宇平，洪雨天，陳守明，王建永

(1.廣東電網有限責任公司，廣州 510000； 2.廣東電力信息科技有限公司，廣州 510000)

0 引 言

為實現“雙碳目標”，促進電力綠色低碳循環發展，對電力調度工作提出了更高的要求，這就導致電力調配工作面臨巨大壓力。面對這種情況，建立有效的通信網絡具有重要的現實意義。以往電力通信網絡是作為獨立個體存在的，需要在各個配電節點上建立通信基站，才能實現電力信息的傳遞，從而實現調度[1]。然而，隨著配電網規模的增大，電力通信網絡構建成本越來越高，而且在一些偏遠或者環境惡劣地區，電力通信網絡更是很難建立起來。面對這種情況，提出配電網載波通信概念，并建立配電網載波通信網絡。配電網載波通信網絡使得有電力線布設的地方，就能夠實現信息傳遞、數據傳輸，而無需再建立單獨的通信網絡，具有很好的經濟性和廣泛性[2]。但是，電力線本身存在頻率阻抗很小，與電力線共同體的通信網絡極易受到干擾，信號經常出現異常，如反射、駐波、諧振等，導致傳遞的信號經常出現偏差，影響了信息傳遞的準確性，且這種干擾會隨著傳輸距離的增大而增強，所以當前配電網載波通信網絡并不適合數據的遠距離準確傳輸[3]。

基于上述背景，如何實現配電網載波通信異常信號的準確識別對于提高配電網載波通信網絡通信性能具有重要的現實意義，因此關于通信異常信號識別的研究有很多，例如文獻[4]提出了一種變尺度正交基函數分解的檢測方法。該方法首先通過變尺度正交基函數對信號進行分解，然后通過梯度上升法對最優解進行迭代求解，實現異常定位與檢測。文獻[5]基于支持向量機算法提出一種載波通信調制信號識別方法。該方法首先采集信號樣值，并進行預處理，然后提取信號多個特征，最后以這些特征為輸入，通過支持向量機進行進行判決歸類，實現異常信號識別。

雖然前人研究取得了一定的成果，但是這些方法識別準確性并沒有達到預期。針對上述問題，提出基于參數估計的配電網載波通信異常信號識別方法。通過文中研究以期提高配電網載波通信性能，為電力調度提供可靠的信息傳遞手段。

1 配電網載波通信異常信號識別方法

配電網載波通信是一種以電力線作為媒介的信息通信方式，是近年來新出現的電力通信模式。這種方式無需建立獨立的通信基站，可以節約很大一筆投資，為實現電力綠色低碳循環發展提供了重要的幫助，同時由于電力線覆蓋范圍廣，電力通信也不再受到地域和環境的限制[6]。然而，這種通信方式受到多方干擾，通信信號并不穩定，經常出現異常。在此背景下，為更好地實現配電網載波通信，提高通信質量，進行了基于參數估計的配電網載波通信異常信號識別方法研究[7]。該研究主要分為五個步驟，下文針對這五個方面進行具體分析。

1.1 配電網載波通信網絡建模

配電網載波通信網絡建模的目的是明確通信節點分布情況，以便為下一章節信號采集設備部署提供參考[8]。配電網載波通信網絡建模流程如下：

步驟1：初速化分布參數、精度閾值；

步驟2：按照式(1)計算最小化優化影響因子a：

(1)

式中Yi代表通信信道i的帶寬；X代表通信節點集合；n代表通信節點數量；

步驟3：按照拓撲距離計算節點通過通信網絡拓撲傳遞信息所產生的勢，即節點的拓撲勢[9]。計算公式如下：

(2)

式中Q(xi)代表節點i的拓撲勢；Hj代表節點j的質量；Lj→i代表節點j到節點i的最短路徑長度；a代表影響因子，也就是節點負責的通信范圍；

步驟4：根據步驟3計算出來的各節點的勢，對節點按照重要性排列，得到一個節點序列；

步驟5：根據重要性程度劃分標準，對節點進行分層，如表1所示。

表1 重要性程度劃分標準

步驟6：按照冪率分布規律，利用PLOD算法進行層內節點連接；

步驟7：依據選取“最近”連接點的原則進行層間連接，形成一個完整的配電網載波通信網絡模型[10]。

建立配電網載波通信網絡模型為通信信號采集設備部署提供了重要參考，使得采集到的載波通信信息更加全面[11]。

1.2 配電網載波通信信號采集

以構建的配電網載波通信網絡拓撲模型為參考，在其各個節點上部署采集器，采集經過該節點的載波通信信號，然后將采集到的通信信號傳輸到計算機終端，進行下一步的處理與分析[12]。配電網載波通信信號采集過程如圖1所示。

圖1 配電網載波通信信號采集過程

采集到的配電網載波通信信號表示如下：

(3)

式中x(t)代表t時刻的配電網載波通信信號；x(nGs)代表信號采樣值；L代表代表中心頻率；Gs代表采樣間隔；A代表帶寬；n代表節點數量；t代表時間。

在采集到的配電網載波通信信號中隱藏著異常信號，因此只要從中分離出正常信號、異常信號特征參數，即可實現異常信號識別[13]。

1.3 配電網載波通信信號去噪

采集到的配電網載波通信信號中除了正常信號、異常信號外，還包含一類噪聲信號的存在。這類噪聲若不去除，在后期會干擾識別結果[14]。為此，利用獨立分量分析的方法進行去噪處理。

假設含噪信號為：

(4)

式中xm+1代表噪聲通道；c代表噪聲成分；z代表原始信號組成的N維矢量；rij代表混合系數；R代表混合系數矩陣[15]。

通過求解系數矩陣W和獨立分量y=(y1,...,yn-1,yc)T，yc為噪聲獨立分量。去除噪聲獨立分量yc，使得y′=(y1,...,yn-1,0)T，即可得到無噪聲的x′。表示如下：

x′=W-1y′

(5)

經過去噪后，配電網載波通信信號只剩下正常信息和異常信號混合的信號，方便了后續參數估計和異常信號識別[16]。

1.4 配電網載波通信信號參數估計

參數估計，即根據樣本數據推斷分布特征或規律的過程。基于這一點，估計配電網載波通信異常信號分布特征，為后續異常信號識別奠定基礎[17]。信號斜率是指在帶寬內高端信號與低端信號dB數之差，信號初始頻率是指信號波形最初每秒鐘內重復的次數。在這里主要利用遺傳算法與分數階傅里葉變換相結合的算法進行配電網載波通信信號參數估計，得出信號初始頻率的估計值和信號斜率的估計值[18]。以這兩個值作為特征，用于后者最后的異常信號識別，以此提升異常信號識別精度。具體過程如下：

步驟1：采用格雷編碼方式，對信號x進行編碼。

(1)將信號x轉換成整數x′：

(6)

(2)將x′轉換成二進制碼；

(3)將二進制數按照式(7)轉成格雷碼：

fi=hi+1⊕hi,i=14,13,...,1

(7)

式中fi代表信號格雷碼；hi代表信號的二進制數表示；⊕代表異或運算[19]；

步驟2：計算種群適應度；

步驟3：利用輪盤賭方式選擇最優個體[20]；

步驟4：將選擇出來的M個最優個體遺傳到下一代，并進行交叉操作與變異操作；

步驟5：按照步驟1編碼運行的逆運算過程將新一代種群解碼，得到新一代個體；

步驟6：對新一代個體計算適應度值；

步驟7：判斷是否迭代終止？若滿足，找到最優解，記為P；否則，回到步驟2；

步驟8：得到的最優解P即為變換階數；

步驟9：對信號x進行P階的分數階傅里葉變換，尋找峰值F；

步驟10：按照式(8)將最優解P換算成q：

(8)

式中q代表峰值傾斜度；

步驟10：通過式(9)將F和q換算成k和f0的估計值：

(9)

式中k代表信號斜率；f0代表初始頻率。

基于估計出的信號斜率和初始頻率組成配電網載波通信信號特征(X=(k,f0))，用于后續異常信號識別[21]。

1.5 配電網載波通信異常信號識別

基于上文的研究，本節以估計出的信號斜率k和初始頻率f0作為輸入，通過構建的分類器進行配電網載波通信異常信號識別，具體過程如圖2所示[22]。

圖2 配電網載波通信異常信號識別流程

分類器是配電網載波通信異常信號識別的關鍵。分類器并不是單一的，而是有多少類異常信號，就需要構建多少個分類器[23]。

假設需要構建N個分類器，其中包括正分類器和負分類器，用于正常樣本和異常樣本分類。分類器需要經過訓練和測試兩個階段[24]。前者主要是經過訓練得到N個分類決策函數，后者根據訓練好的決策函數，輸入測試樣本，判斷樣本所屬類型[25]。

分類決策函數表達式如下：

(10)

式中f(x)代表類別決策值；X=(k,f0)代表配電網載波通信信號參數估計向量；ζ(·)代表核函數；β代表偏差因子；W代表判別函數超平面權重向量[26]。

通過分類決策函數最終輸出N個值，其中選擇最大值對應的那一類就是配電網載波通信信號類別，完成配電網載波通信異常信號識別。

2 仿真測試與分析

為測試所研究方法在配電網載波通信異常信號識別中的應用效果，以基于變尺度正交基函數分解的識別方法和基于支持向量機的識別方法作為比較對象，通過輸入相同測試樣本，評價方法的識別準確性。

2.1 樣本準備

為方法應用測試準備測試所需要的樣本。樣本主要包括兩種類型，即訓練樣本類和測試樣本類，具體數量如表2所示。

表2 載波通信信號樣本

2.2 相關參數設置

整個實驗測試過程，所涉及的相關算法、模型或方法的相關參數設置情況如表3所示。

表3 相關參數設置

2.3 配電網載波通信信號特征參數

利用1.4小節研究進行配電網載波通信信號參數估計，得出信號斜率k和初始頻率f0的估計值，以此繪制配電網載波通信信號特征圖，如圖3和圖4所示。

圖3 配電網載波通信信號斜率k

圖4 配電網載波通信信號初始頻率f0

根據圖3可知，配電網載波駐波信號斜率曲線波動較大，反射信號次之，而配電網載波諧振信號斜率最高，正常信號的斜率最低；分析圖4可知，配電網載波信號的初始頻率在10 s后基本趨于穩定狀態，并且頻率最高，諧振信號次之，其曲線波動較大，反射信號從20 s～30 s之間波動較大，其余保持平穩狀態，而駐波信號隨著時間的增長，初始頻率逐漸降低。

2.4 評價指標

識別方法評價指標為靈敏度(Sensitivity)和特異度(Specificity)。指標計算公式如下：

(11)

(12)

式中TP代表被正確地劃分為正常信號的樣本數；FN代表被錯誤地劃分為異常信號的樣本數；TN代表被正確地劃分為異常信號的樣本數；FP代表被錯誤地劃分為正常信號的樣本數。

2.5 測試結果與分析

利用所研究識別方法、基于變尺度正交基函數分解的識別方法和基于支持向量機的識別方法在相同條件下對表2測試樣本進行5次異常信號識別，然后統計靈敏度(Sensitivity)和特異度(Specificity)指標，最后計算平均值，結果如表4所示。

從表4中可以看出，進行5次異常信號識別后，與基于變尺度正交基函數分解的識別方法和基于支持向量機的識別方法相比，所研究方法對配電網載波通信異常信號進行識別，靈敏度(Sensitivity)和特異度(Specificity)指標平均值均要更大，由此說明所研究方法的識別性能表現更好，準確性更高，達到了研究目的。是因為本文利用遺傳算法與分數階傅里葉變換相結合的算法估計配電網載波通信信號參數，并將估計結果作為輸入，通過分類器精準識別配電網載波通信異常信號。

3 結束語

由于配電網載波通信網絡受到各種因素的影響，配電網載波通信難免出現異常，導致傳遞出異常信號，影響了信息傳遞的準確性。針對上述問題，文中提出一種基于參數估計的配電網載波通信異常信號識別方法。首先構建配電網載波通信網絡，分析通信節點分布情況，并以其為此參考，采集經過該節點的載波通信信號;然后將采集到的通信信號傳輸到計算機終端，進行配電網載波通信信號去噪處理，根據處理結果，利用遺傳算法與分數階傅里葉變換相結合的算法進行配電網載波通信信號參數估計，以獲取到的信號初始頻率的估計值和信號斜率的估計值為基礎，識別通信異常信號。最后通過仿真測試，證明了所研究方法的準確性，并解決了傳統方法中存在的問題。然而，所做研究仍有需要改進的地方，一是實驗樣本需要擴大；二是分類器設計需要進一步優化和改進。通過這兩部分的改進，對基于參數估計的識別方法有待進行深入分析與探討。