嚴宇平，洪雨天，陳守明，王建永

(1.廣東電網(wǎng)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(xiàn)“雙碳目標”，促進電力綠色低碳循環(huán)發(fā)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(wǎng)絡具有重要的現(xiàn)實意義。以往電力通信網(wǎng)絡是作為獨立個體存在的，需要在各個配電節(jié)點上建立通信基站，才能實現(xiàn)電力信息的傳遞，從而實現(xiàn)調度[1]。然而，隨著配電網(wǎng)規(guī)模的增大，電力通信網(wǎng)絡構建成本越來越高，而且在一些偏遠或者環(huán)境惡劣地區(qū)，電力通信網(wǎng)絡更是很難建立起來。面對這種情況，提出配電網(wǎng)載波通信概念，并建立配電網(wǎng)載波通信網(wǎng)絡。配電網(wǎng)載波通信網(wǎng)絡使得有電力線布設的地方，就能夠實現(xiàn)信息傳遞、數(shù)據(jù)傳輸，而無需再建立單獨的通信網(wǎng)絡，具有很好的經(jīng)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(wǎng)絡極易受到干擾，信號經(jīng)常出現(xiàn)異常，如反射、駐波、諧振等，導致傳遞的信號經(jīng)常出現(xiàn)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(wǎng)載波通信網(wǎng)絡并不適合數(shù)據(jù)的遠距離準確傳輸[3]。

基于上述背景，如何實現(xiàn)配電網(wǎng)載波通信異常信號的準確識別對于提高配電網(wǎng)載波通信網(wǎng)絡通信性能具有重要的現(xiàn)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(shù)分解的檢測方法。該方法首先通過變尺度正交基函數(shù)對信號進行分解，然后通過梯度上升法對最優(yōu)解進行迭代求解，實現(xiàn)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(xiàn)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(shù)估計的配電網(wǎng)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(wǎng)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(wǎng)載波通信異常信號識別方法

配電網(wǎng)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(xiàn)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(jié)約很大一筆投資，為實現(xiàn)電力綠色低碳循環(huán)發(fā)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(huán)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(wěn)定，經(jīng)常出現(xiàn)異常。在此背景下，為更好地實現(xiàn)配電網(wǎng)載波通信，提高通信質量，進行了基于參數(shù)估計的配電網(wǎng)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(wǎng)載波通信網(wǎng)絡建模

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

步驟1：初速化分布參數(shù)、精度閾值；

步驟2：按照式(1)計算最小化優(yōu)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(jié)點集合；n代表通信節(jié)點數(shù)量；

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

(2)

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

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

步驟5：根據(jù)重要性程度劃分標準，對節(jié)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(guī)律，利用PLOD算法進行層內節(jié)點連接；

步驟7：依據(jù)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(wǎng)載波通信網(wǎng)絡模型[10]。

建立配電網(wǎng)載波通信網(wǎng)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(wǎng)載波通信信號采集

以構建的配電網(wǎng)載波通信網(wǎng)絡拓撲模型為參考，在其各個節(jié)點上部署采集器，采集經(jīng)過該節(jié)點的載波通信信號，然后將采集到的通信信號傳輸?shù)接嬎銠C終端，進行下一步的處理與分析[12]。配電網(wǎng)載波通信信號采集過程如圖1所示。

圖1 配電網(wǎng)載波通信信號采集過程

采集到的配電網(wǎng)載波通信信號表示如下：

(3)

式中x(t)代表t時刻的配電網(wǎng)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(jié)點數(shù)量；t代表時間。

在采集到的配電網(wǎng)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(shù)，即可實現(xiàn)異常信號識別[13]。

1.3 配電網(wǎng)載波通信信號去噪

采集到的配電網(wǎng)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(shù)；R代表混合系數(shù)矩陣[15]。

通過求解系數(shù)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(jīng)過去噪后，配電網(wǎng)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(xù)參數(shù)估計和異常信號識別[16]。

1.4 配電網(wǎng)載波通信信號參數(shù)估計

參數(shù)估計，即根據(jù)樣本數(shù)據(jù)推斷分布特征或規(guī)律的過程。基于這一點，估計配電網(wǎng)載波通信異常信號分布特征，為后續(xù)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(shù)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(shù)。在這里主要利用遺傳算法與分數(shù)階傅里葉變換相結合的算法進行配電網(wǎng)載波通信信號參數(shù)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(shù)x′：

(6)

(2)將x′轉換成二進制碼；

(3)將二進制數(shù)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(shù)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(yōu)個體[20]；

步驟4：將選擇出來的M個最優(yōu)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(yōu)解，記為P；否則，回到步驟2；

步驟8：得到的最優(yōu)解P即為變換階數(shù)；

步驟9：對信號x進行P階的分數(shù)階傅里葉變換，尋找峰值F；

步驟10：按照式(8)將最優(yōu)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(wǎng)載波通信信號特征(X=(k,f0))，用于后續(xù)異常信號識別[21]。

1.5 配電網(wǎng)載波通信異常信號識別

基于上文的研究，本節(jié)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(wǎng)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(wǎng)載波通信異常信號識別流程

分類器是配電網(wǎng)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(jīng)過訓練和測試兩個階段[24]。前者主要是經(jīng)過訓練得到N個分類決策函數(shù)，后者根據(jù)訓練好的決策函數(shù)，輸入測試樣本，判斷樣本所屬類型[25]。

分類決策函數(shù)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(wǎng)載波通信信號參數(shù)估計向量；ζ(·)代表核函數(shù)；β代表偏差因子；W代表判別函數(shù)超平面權重向量[26]。

通過分類決策函數(shù)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(wǎng)載波通信信號類別，完成配電網(wǎng)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(wǎng)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(shù)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(shù)量如表2所示。

表2 載波通信信號樣本

2.2 相關參數(shù)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(shù)設置情況如表3所示。

表3 相關參數(shù)設置

2.3 配電網(wǎng)載波通信信號特征參數(shù)

利用1.4小節(jié)研究進行配電網(wǎng)載波通信信號參數(shù)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(wǎng)載波通信信號特征圖，如圖3和圖4所示。

圖3 配電網(wǎng)載波通信信號斜率k

圖4 配電網(wǎng)載波通信信號初始頻率f0

根據(jù)圖3可知，配電網(wǎng)載波駐波信號斜率曲線波動較大，反射信號次之，而配電網(wǎng)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(wǎng)載波信號的初始頻率在10 s后基本趨于穩(wěn)定狀態(tài)，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(wěn)狀態(tài)，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(shù)；FN代表被錯誤地劃分為異常信號的樣本數(shù)；TN代表被正確地劃分為異常信號的樣本數(shù)；FP代表被錯誤地劃分為正常信號的樣本數(shù)。

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(shù)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(tǒng)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(shù)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(wǎng)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(xiàn)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(shù)階傅里葉變換相結合的算法估計配電網(wǎng)載波通信信號參數(shù)，并將估計結果作為輸入，通過分類器精準識別配電網(wǎng)載波通信異常信號。

3 結束語

由于配電網(wǎng)載波通信網(wǎng)絡受到各種因素的影響，配電網(wǎng)載波通信難免出現(xiàn)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(shù)估計的配電網(wǎng)載波通信異常信號識別方法。首先構建配電網(wǎng)載波通信網(wǎng)絡，分析通信節(jié)點分布情況，并以其為此參考，采集經(jīng)過該節(jié)點的載波通信信號;然后將采集到的通信信號傳輸?shù)接嬎銠C終端，進行配電網(wǎng)載波通信信號去噪處理，根據(jù)處理結果，利用遺傳算法與分數(shù)階傅里葉變換相結合的算法進行配電網(wǎng)載波通信信號參數(shù)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(tǒng)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(yōu)化和改進。通過這兩部分的改進，對基于參數(shù)估計的識別方法有待進行深入分析與探討。