基于人工智能的通信電源監控數據采集方法

李 建，傅 政

（國網江西省電力有限公司南昌供電分公司，江西 南昌 330069）

0 引 言

現階段，通信電源監控系統的設計融合了計算機技術、通信技術等網絡智能方法，是一種綜合性的智能監控技術[1-3]。通過對通信網絡電源信息的采集與分析，實時采取應對的措施，以此來保證通信網絡系統的穩定性。以往的通信電源監控方法需要通過線路的接通才能實現遠程的控制，具有極大的不便利性與復雜性[4]。并且在實際應用過程中增加了通信電源監控數據采集的時間，降低了采集的準確率，影響后期對電子通信網絡的穩定性。

為了解決這一問題，本文應用人工智能技術研究設計了一種電子通信電源監控數據的采集方法，為監控系統提供有效的數據基礎，提高電子通信行業的經濟效益與社會效益。

1 設計數據采集模塊

在通信電源監控系統中，數據的采集處理模塊主要通過對電源監控數據的采集與分析，進而識別通信的運行狀態，發出相應的信號提示，是系統穩定運行的核心部分。數據采集模塊的抗干擾能力與準確性是模塊設計的基本原則，根據通信電源監控運行結構進行數據采集模塊的設計。監控系統的運行結構如圖1所示。

圖1 通信電源監控系統的運行結構示意圖

根據圖1所示的監控系統運行結構，分析其運行特征，結合數據采集的設計原則，采用人工智能技術實現電源監控數據采集模塊的設計[5]。電源監控的數據采集不僅是基于監控系統自身的運行，還需要應用人工智能技術，集合互聯網技術，才能做到數據采集的智能性與實時性，便于對通信電源的實時監督與處理。為了實現數據的采集功能，在系統中設置傳感器、A/D轉換器、單片機等設施，組成數據采集的基礎結構。在此基礎上，需要通過人工智能技術實現數據采集的量化工作，根據傳感器的運行將采集電源數據的變化參數轉換為電流以及電壓的變化形式的數據信息，將該信息通過A/D轉換器，將不同量度的數據統一化，轉變為監控系統能夠識別的有效數據。根據上述數據采集模塊的設計，結合人工智能技術的數據采集與處理方法，實現通信電源監控的智能化數據采集。

2 基于人工智能的數據采集方法

由于在通信電源的監控中存在許多的數據干擾問題，發生數據失真、數據錯誤、數據混亂等異常問題，降低了數據采集與處理的準確性[6]。因此，需要加強數據采集模塊的抗干擾能力與數據處理能力。現采用人工智能的數據處理技術在上述數據采集模塊的基礎上設計數據采集算法以及數據的處理算法，為數據采集方法的實現奠定良好的基礎。

2.1 數字濾波技術

數字濾波技術的方法有多種，根據通信電源監控系統對運行效率的要求采用處理時間較快的數據中值濾波技術，在保證通信運行效率的同時，提高數據采集的精確度。對采集的電源監控數據采樣ε次，將結果按照升序的方式進行排列，得到的中間值作為濾波的中值結果，計算表示為

式中：α(m,n)表示數據處理后的中值濾波器結果；μ(i,j)表示被干擾信號污染的數據信息；γmn表示在數據的中間值處的濾波器窗口范圍，大小為A×B的矩形狀；r表示在中值濾波器結果中，顯示為0數值的數據數量；T表示在中值濾波器結果中顯示為255數值的數據數量；μ′(i,j)表示在γmn矩陣范圍內去除污染數據信息中灰度值結果是0的與灰度值結果為255的數據后剩下的數據信息。在上述計算中，ε的取值是非常關鍵的，一般取奇數值，取值過大的話會增加數據采集與處理的時間，不利于通信電源監控的實時運行與高效運行，因此一般在3～5次的范圍最好，可以更加有效地修正采集電源監控數據的脈沖等信號干擾。

2.2 標度變換技術

在實際的通信電源監控的數據采集過程中，不同的數據具有不同的計量方法，以及不同的量綱，將采集信號進行轉換實現采集數據的統一是數據采集方法的關鍵步驟。由于數據之間的關聯性是不確定的，根據數據的線性關聯與非線性關聯，進行以下2種形式的標度變換計算。進行線性關聯數據的標度轉換計算，表示為

式中：C表示采集數據的初始值；Cmax表示相同標度數據的最大值；Cmin表示相同標度數據的最小值；ωmin、ωmax分別表示初始采集數據經過標度變換后的輸出結果；η表示初始數據相應的線性標度變換的轉換系數。在實際的轉換過程中，數據的最大、最小值均為已知數據，因此簡化上述計算，得到：

式中：umax、umin分別表示最大最小轉換結果的參數。根據上述計算，可以得到具有線性關聯的采集數據的標度轉換結果，實現數據的統一性。在實際采集數據與監測數據的關系為非線性關聯的情況下，進行非線性關聯數據的標度轉換，引進多項式插值計算。在上述線性計算的基礎上代入多項式的次數與系數進行標度轉換，實現非線性關聯性的采集數據的統一。根據上述計算，通過對數字綠波技術、標度轉換技術的應用，實現了通信電源監控數據的采集方法，為通信的穩定性提供了技術支持。

3 試驗與檢測

為檢測本文設計的基于人工智能通信電源監控數據采集方法的高效性與可行性，根據通信的快速性與準確性，設計了仿真模擬對比試驗。

3.1 試驗準備

根據通信電源監控系統的運行特征，基于WindowsXP系統搭建試驗環境，主要設備及其配置如表1所示。

表1 仿真模擬試驗環境的主要設備及其配置表

基于上表所示的試驗環境，在平臺的上位機側，按照隨機的時間間隔，輸入300組不同種類的指令，其中100組為斷電指令數據組、100組為打開門禁的數據指令、100組為過壓數據指令，觀察并記錄下位機的數據采集后發出提示所用的時間與準確率。

3.2 試驗結果與分析

在上述試驗準備的基礎上，從上位機側發出數據信息指令，通過數據采集模塊的通信接口將數據傳送到數據采集器，經過對數據的分析與處理，將數據的處理結果通過傳感器進行監測控制，將信號傳送給用戶操作端，完成電子通信電源監控數據的采集與處理。

對于300組數據指令，分別記錄本文設計數據采集方法（試驗組）與傳統的數據采集方法（對照組）采集處理所用時間，并進行對比，結果如圖2所示。

圖2 2種方法數據采集所用時間對比

由圖2可知，對于300組數據，兩組方法數據采集所用時間均能滿足《通信電源和空調集中監控系統技術要求》中，對數據采集分析并發出警告上報時間在30 s內的最低標準。但是對照組的數據采集處理所用平均時間為9.54 s，而試驗組的數據采集處理的平均時間為5.42 s，試驗組對數據的采集與處理時間更快，表明本文設計的通信電源監控數據采集方法具有高效性。

記錄2種方法對300組數據指令采集的準確率，結果如圖3所示。

圖3 2兩種數據采集方法準確率對比圖

由圖3可知，對于300組數據，采用對照組方法對數據指令進行采集的平均準確率為84.7%，而采用試驗組方法對數據指令進行采集的平均準確率為99.4%，試驗組的準確率更高。

綜上所述，本文設計的基于人工智能的通信電源監控數據的采集方法具有高效性與準確性，為通信網絡的穩定運行，提供了數據基礎。

4 結 論

對通信電源的監控，可以為通信網絡穩定運行創造安全可靠的運行環境。結合人工智能技術，加強研究優化通信電源監控的數據采集方法，可以實時地對通信網絡的運行，進行有效監測與調控，保證通信網絡可以在安全可靠的環境中運行，為通信網絡項目的穩定發展提供一種智能技術支持。