一種識別低壓電力線載波通信系統中隨機脈沖噪聲的新方法

丁永平,黨麗,劉超,蘇醒

(1.中國兵器工業新技術推廣研究所,北京100089; 2.哈爾濱博實自動化股份有限公司,哈爾濱150001)

一種識別低壓電力線載波通信系統中隨機脈沖噪聲的新方法

丁永平1,黨麗1,劉超2,蘇醒1

(1.中國兵器工業新技術推廣研究所,北京100089; 2.哈爾濱博實自動化股份有限公司,哈爾濱150001)

目的從電力線載波通信系統中提取隨機脈沖噪聲并分析其來源。方法建立一個簡單的檢測隨機噪聲的測試系統。結果FSV方法可以成功地識別熱水壺在電力線上造成的隨機脈沖噪聲,同時也證明了統計分析的方法對于識別隨機脈沖噪聲效果不佳。結論可以通過對MAFFSV方法結果設定閾值來識別低壓電力線載波通信系統中的隨機脈沖噪聲,進而可以確定低壓電力線網絡拓撲結構的改變。

隨機脈沖噪聲;電力線載波通信;FSV方法

低壓電力線網絡是世界上分布最為廣泛、堅固的電信號傳輸網絡。隨著低壓電力線載波技術的發展,低壓電力網絡在實現智能家居,多網融合等方面具有廣闊的應用前景。研究并建立低壓電力線的噪聲模型對提高電力線通信的傳輸效率及傳輸帶寬具有重要意義。研究表明,脈沖噪聲因其頻域寬帶特性對載波信號的影響巨大,需要使用相應的編碼和糾錯技術進行規避。低壓電網中的脈沖噪聲可以分為3類[1]:與工頻同步的周期性脈沖噪聲;與工頻異步的周期性脈沖噪聲;隨機脈沖噪聲。其中,隨機脈沖噪聲往往是由于電網設備的啟用或關閉引起的[2],也就意味著電網拓撲及傳輸特性的改變。準確檢測到這種傳輸特性的改變,并適時調整載波通信方式或啟用相關糾錯技術,對提高電力線載波技術的穩定性及安全性具有重要意義。文獻[3]指出,低壓電網中不同的用電設備在開啟或關閉時所發出的脈沖噪聲是不同的,且保持相對穩定。截止2013年,有2種方法分析典型的噪聲源,分別是時域法[4]和頻域法[5],另外,從電力載波線中提取典型噪聲[6]并區別于其他噪聲[7]。因此,可以使用隨機脈沖噪聲來識別不同用電設備的接入,進而推斷出電網拓撲的改變,為電力線通信系統的自調整提供重要信息。

1 FSV方法

FSV(Feature Selective Validation)方法由英國學者A.J.M.Martin于1999年提出[8],目的是建立一種定量、客觀、有統一標準的評價電磁仿真可信度和有效性的評估體系。目前該方法已經成為IEEE Std 1597.1[9]的一部分,正在受到越來越多的關注,另外FSV方法還可以應用于質量評估[10—11]和數據優化[12]。其主要思想如圖1所示,將待評估數據和可信數據通過濾波分解為2部分:趨勢數據(直流和低頻分量)和特性數據(高頻分量)。直流和低頻部分的分析給出了兩組數據的趨勢差異量(ADM),高頻部分的分析給出了其特性差異量(FDM)。以上的兩個指標合成全局差異量(GDM)來評估數據的可信度。

以上指標均有與每一數據點對應的單點指標ADMi,FDMi,GDMi,單點指標的平均值構成總指標ADMtot,FDMtot,GDMtot。以上評價指標可以給出定量和定性的結果,其評價等級對應見表1。

圖1 FSV方法的基本思想Fig.1 The principle of FSV method

表1 FSV評估方法的等級劃分Table 1 FSV interpretation scale

2 FSV方法用于隨機脈沖噪聲識別的方法流程

首先在實驗的基礎上獲取用電設備的隨機脈沖噪聲模式波形,隨后使用MAF-FSV方法對電網中檢測到的脈沖噪聲波形進行對比識別。通過對GDM-tot值的觀察來識別某種用電設備的開啟或關閉,進而對低壓電力通信信道進行重新估計或采取相應編碼技術改進通信質量。

一些統計方法也可以被用來實現上述識別過程,例如相關系數法,可以用[-1,1]表征兩組數據之間的相關性的大小。選用FSV方法主要基于以下考慮:首先,FSV方法的結果可以更加全面地反映數據差異,既包含幅值和趨勢差異,又考慮了細節差異;其次,FSV方法的結果在一定程度上反映了人類目測數據差異的結果,是一種仿生算法;此外,FSV方法的結果形式多樣,既有分指標又有總指標,可以針對不同的數據特性差異進行信號識別。

識別方法流程如圖2所示。首先是將電網中采集到的脈沖噪聲和目標用電設備的隨機脈沖噪聲模式信號讀入。在進行識別前需要對讀入的數據進行預處理,主要考慮到二者可能存在采樣率或者度量單位的差異。然后,從待識別數據中截取長度與模式數據相同的一段數據,使用MAF-FSV方法進行對比,輸出GDMtot值作為識別結果數據。

圖2 使用FSV方法進行噪聲識別流程圖Fig.2 Flow chart of noise recognition method using FSV method

3 FSV方法用于隨機脈沖噪聲識別的試驗設計

為了實現FSV方法在隨機脈沖噪聲識別中的應用,在實驗室搭建低壓電力線脈沖噪聲檢測系統,如圖3所示。一般在對電力線噪聲進行提取時,需要使用頻率范圍為10 kHz～50 MHz的電力線耦合器(一種高通濾波設備)[2]。鑒于目前課題組實驗條件,設計使用線性阻抗穩定網絡(LISN)來實現,選用R&S公司的二線V型網絡ENV216,其觀測頻率范圍可以達到9 kHz～30 MHz。脈沖噪聲在經過LISN后波形的高頻特性有可能會比改變,但考慮到本節方法的目的在于識別隨機脈沖噪聲,而非準確測量,如果模式信號和待識別信號均是經過LISN后獲取,不會對信號識別噪聲嚴重影響。此外,在實驗過程中LISN還可以起到隔離電網中其他設備干擾的作用。測量系統如圖4所示。多次測量后獲取的電水壺和電鉆的開啟脈沖噪聲分別如圖5和圖6所示。多次測量后可以證明這兩種噪聲穩定性較好。

圖3 測量系統設置Fig.3 Measurement system setup

圖4 測量系統實物Fig.4 Measurement system configuration

圖5 熱水壺開啟產生的異步隨機噪聲波形Fig.5 Typical asynchronous impulsive noise given by kettle

圖6 電鉆開啟產生的異步隨機脈沖噪聲波形Fig.6 Typical asynchronous impulsive noise given by electrical drill

4 試驗結果及討論

本節將MAF-FSV技術應用于低壓電力線載波的噪聲識別過程,以電水壺為例進行分析。如圖7所示,待辨識數據由檢測到的開水壺開關噪聲以及電力線中的其他脈沖噪聲構成。根據記錄,分別在1,9.7以及16.4 ms加入實測熱水壺的3組隨機脈沖噪聲模擬其開啟。

將電水壺開啟噪聲從中識別出來需要首先建立電水壺噪聲的典型波形模式。通過多次測量,建立了如圖5所示模式的波形。

分別使用相關系數法和MAF-FSV方法對圖7所示源數據中電水壺的開啟進行識別。相關系數法的識別結果如圖8所示。從結果中可以看出,目標噪聲加入時間點的相關系數值突出,但是在非目標時間點依然可以出現較高的數值。由此,不能通過設定相應的相關系數閾值來實現目標脈沖噪聲的識別。

圖7 夾雜有其他噪聲的電水壺開啟噪聲Fig.7 Impulsive noise mixed with other noises given by kettle

圖8 使用相關系數法的識別結果Fig.8 Recognition result using the correlation coefficient method

采用MAF-FSV方法的識別結果如圖9所示。可以發現,通過將識別閾值設置于[0.3,0.6]內,就可以將存在于源數據中的3次熱水壺開啟脈沖噪聲識別出來。此外,由于在20 ms附近加入電鉆的開啟脈沖噪聲,GDMtot的結果出現一個較低的值。這主要是由于兩種用電設備在隨機脈沖噪聲波形上具有一定的相似性,如圖10所示。即便如此,FSV方法依然可以提供相應的識別裕度來加以區分。

圖9 使用FSV方法的識別結果Fig.9 Recognition result using the FSV method

圖10 熱水壺與電鉆開啟脈沖噪聲的局部對比Fig.10 Partial comparison of asynchronous impulsive noises given by kettle and electrical drill

5 結語

可以通過對MAF-FSV方法結果設定閾值來識別低壓電力線載波通信系統中的隨機脈沖噪聲,進而可以確定低壓電力線網絡拓撲結構的改變,對提高電力線載波通信系統的穩定性具有重要意義。這一技術的實時、在線應用面臨的主要問題是計算速度的問題,如何提高FSV的計算效率將是未來研究的重點。

[1] ZIMMERMANN M,DOSTERT K.Analysis and Modeling of Impulsive Noise in Broad-band Powerline Communications[J].IEEE Trans Electro-magn Compat,2002,44 (1):249—258.

[2] AVRIL G,GAUTHIER F,MOULIN F,et al.Characterization of Time Variation of the Powerline Channel Frequency Response Simultaneously with Impulsive Noise[C]// International Symposium on in PLC and Its Applications. Pisa,Italy:IEEE,2007:330—335.

[3] BARMADA S,MUSOLINO A,RAUGI M,et al.A Wavelet Based Method for the Analysis of Impulsive Noise Due to Switch CommutationsinPowerLineCommunication (PLC)Systems[J].IEEE Transactions on Smart Grid, 2011(2):92—101.

[4] ZIMMERMANN M,DOSTERT K.Analysis and Modeling of Impulsive Noise in Broad-band Powerline Communications [J].IEEE Transactions on EMC,2002,44:249—258.

[5] KHANGOSSTAR J,LI Z,MEHBOOB A.An Experimental Analysis in Time and Frequency Domain of Impulse Noise over Power Lines[C]//International Symposium on in PLC and Its Applications.Udine,Italy:IEEE,2011: 218—224.

[6] AVRIL G,MOULIN F,ZEDDAM A,et al.Impulsive Noise Detection on Masked Carriers[C]//IEEE International Symposium on in PLC and Its Applications.Jeju city,South Korea,2008:369—373.

[7] SATISH L,NAZNEEN B.Wavelet-based Denoising of Partial Discharge Signals Buried in Excessive Noise and Interference[J].IEEE Trans Dielectr Electr Insul,2003,10 (2):354—367.

[8] MARTIN A J M.Quantitative Data Validation[D].Leicester:Department of Engineering,De Montfort Univ,U K,1999.

[9] IEEE STD 1597.1—2008,IEEE Standard for Validation of Computational Electromagnetics Computer Modeling and Simulations[S].

[10]KNOCKAERT J,PISSOORT D,VANHEE F.Comparing EMC-signatures by FSV as a Quality Assessment Tool [C]//Progress In Electromagnetics Research Symposium.Marrakesh,Morocco:IEEE,2011:1099—1103.

[11]FEBO D D,PAULIS F D,ORLANDI A.Three Dimensional Full Wave Validation of the Maxwell Garnett to Debye Model Approach[C]//International Symposium on EMCEMC Europe.York,UK:IEEE,2011:670—675.

[12]PAN S,WANG H,FAN J.Applying Feature Selective Validation(FSV)as an Objective Function for Data Optimization[C]//International Symposium on EMC.Fort Lauderdale,FL,USA:IEEE,2010:718—721.

A Novel Method for Recognizing Asynchronous Impulsive Noise in Power Line Communication Systems

DING Yong-ping1,DANG Li1,LIU Chao2,SU Xing1

(1.Advanced Technology Generalization Institute of CNGC,Beijing 100089,China; 2.Harbin Boshi Automation Co.Ltd.,Harbin 150001,China)

Objective To extract the asynchronous impulsive noise from the power communication line and obtain the source of particular kind of noise.Methods A simple measurement system was constructed to detect the asynchronous impulsive noises.Results The Feature Selective Validation(FSV)method was able to successfully recognize the impulsive noise produced in the power line by the connection of a kettle.Meanwhile,the statistical analysis was proved useless in the recognition of asynchronous impulsive noise.Conclusion The asynchronous impulsive noise in the low-voltage power communication line could be recognized by setting threshold values for the results of MAF-FSV method,and the change in the topological structure of the low-voltage power line network could then be determined.

asynchronous impulsive noise;power line communication;FSV method

10.7643/issn.1672-9242.2014.05.020

TM73

:A

1672-9242(2014)05-0103-04

2014-06-27;

2014-07-10

Received:2014-06-27;Revised:2014-07-10

丁永平(1983—),男,黑龍江人,碩士,高級工程師,主要研究方向為電磁兼容性分析、設計及測試等。

Biography:DING Yong-ping(1983—),Male,from Heilongjiang,Master,Senior engineer,Research focus:EMC analysis,design&testing.