智能低壓電網網絡分段時延測量技術研究

洪海敏　冷安輝　賀競輝　何先燈　梁昌鵠　羅冬坤

摘? 要： 對智能低壓電網終端、分支點、集中器之間分段時延測量的研究，有助于其網絡拓撲的發展。為解決現有測量技術，不能高精度在線測量端到端、端到分支點之間時延的問題，該文提出一種基于電力線通信技術和擴頻通信技術相結合的低成本、高精度時延測量技術，通過仿真研究并給出了該系統抗白噪聲、多徑以及窄帶干擾的性能指標。仿真結果表明，所提技術，在信噪比大于-11 dB的白噪聲、信干比大于4 dB的多徑信號以及信干比大于-3 dB的窄帶干擾下，均能實現±10 ns的測量精度。

關鍵詞： 低壓電網; 網絡分段; 時延測量; 電力線通信; 抗干擾; 仿真分析

中圖分類號： TN913.6?34; TP914.42? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）20?0179?04

Research on measurement technology of network sectional delay in smart low?voltage grid

HONG Haimin1， LENG Anhui1， HE Jinghui1， HE Xiandeng2， LIANG Changhu1， LUO Dongkun1

（1. Shenzhen Guodian Technology Communication Co.， Ltd.， Shenzhen 518109， China; 2. Xidian University， Xian 710071， China）

Abstract： The research on the measurement of sectional delay between terminals， branches and concentrators of smart low voltage grid is helpful to the development of its network topology. A low?cost and high?precision delay measurement technology based on the combination of power line communication technology and spread spectrum communication technology is proposed to solve the problem that the existing measurement technology can not accurately measure the delay between end?to?end and end?to?branch points online. The performance indexes under anti?interference of white noise， multi?path signal and narrowband signal are given by means of the simulation research. The simulation results show that the proposed technique can achieve ±10 ns measurement accuracy under the white noise with signal?to?noise ratio greater than -11 dB， multi?path signal with signal?to?interference ratio （SIR） greater than 4 dB and narrowband interference with SIR greater than -3 dB.

Keywords： low voltage grid; network section; delay measurement; power line communication; anti?interference; simulation analysis

0? 引? 言

低壓電網[1]是智能電網[2?4]的重要構成部分，它一般指380 V/220 V的電壓等級的電力配送網絡。一個典型的低壓電網由臺區變壓器、傳輸線、線路分支（通常安裝分支開關）、用戶電表構成。智能低壓電網，通常在臺區變壓器處安裝集中器，在部分分支開關和用戶電表處安裝采集器。采集器和集中器利用電力線通信模塊，完成低壓電網通信網絡的建立，并監控用戶的用電信息[5]。

目前建立的低壓電網主要依賴電力網絡，由錄入到系統中各個分支開關和用戶電表的信息構成。由于面臨著安裝錯誤和表計更替等問題[6]，造成實際運行的物理拓撲與規劃設計時的不一致。為解決越來越復雜的低壓電網拓撲結構和電網公司對低壓電網的管理越來越精益化的需求，對低壓電網物理拓撲發展的研究變得更為重要[7]。

文獻[8?9]分別提出了一種基于工頻信息采集的臺區識別和象限識別方法，文獻[7，10]通過機器學習和數據挖掘技術，對大量采集的用電信息進行分析，更準確地識別出了臺區、象限以及集中器和采集器的從屬關系，但文獻[8?10]均無法判定該臺區內電表之間的物理拓撲關系，如哪些電表在同一個表箱或同一條分支線路等。

由于低壓電網的物理拓撲是一種樹狀拓撲結構[1，11?12]，其典型單元為T型網絡分支，如圖1所示。其中A，B，C為用戶電表或者下一級分支開關，D為分支點。通過測量AD，DC和DB的傳播時延t1，t2和t3 （ns級精度），可得到三者相對位置關系，再利用網絡層析技術，最終可以獲得準確的低壓電網的物理拓撲[13?14]。

本文提出一種利用電力線通信模塊和擴頻通信技術，在低壓電網中實現高精度端到端的傳輸時延測量技術，并利用該技術計算，給出終端、分支點、集中器之間分段時延，從而為低壓電網物理拓撲發展提供了重要的參考數據。

1? 端到端傳輸時延測量技術研究

現有的傳輸時延測量技術，主要有3類。

1） 基于通信的端到端網絡傳輸時延測試技術，常見于計算機網絡通信端到端傳輸時延測試[14]和無線通信網絡端到端傳輸時延測試。通過記錄收發網絡時延探測包（比如Ping命令）的時間差，得到端到端傳輸時延。受限于通信的傳輸速率及物理層傳輸控制機制，該時延測量精度通常都在μs級以上[9，15]，不能滿足T型分支結構時延測量ns級分辨率的要求。

2） 基于脈沖法的傳輸時延測量技術，主要應用于網線、電纜、光纖長度測試以及UWB定位系統中[16?17]。上述長度測試儀通過在被測系統的一端安裝設備收發窄脈沖，并記該發送脈沖和反射回波脈沖的時間差，獲得傳輸時延[16]。由于低壓配電網存在多個節點和分支點，必然會產生多個反射回波脈沖，因此無法探測出圖1所示T型分支結構的各段傳輸時延。UWB定位系統通過超窄脈沖的收發和已知的參考基站，計算出傳輸時延或者時延差，從而計算出地理位置，其脈沖寬度通常小于2 ns，不適用于電力線載波通信系統的頻段要求[17]。

3） 基于擴頻通信的時延測量技術[18]。它常見于全球定位系統。由于擴頻信號具有良好的抗干擾性，因此其測量的精度更高，更適合于通信信道復雜的低壓配電網中的端到端傳輸時延測量。

但GPS系統或者文獻[18]均需要先對擴頻信號解調，導致系統功耗和復雜度高，不適用于對功耗和成本敏感的低壓電網。

2? 智能低壓電網分段時延測量算法

為了測量圖1所示低壓電網中典型T型網絡各段傳輸時延t1，t2和t3，需要首先測量出AB，AC和BC的傳輸時延τ1，τ2和τ3。

圖2給出了所提的低壓配電網高精度端到端傳輸時延測量算法運行的終端結構。

所提分段時延測量算法的流程描述如下：

1） 集中器通過電力線通信模塊給節點A發送包含被測量的節點B時延測量命令;

2） 節點A的微處理器通過電力線通信模塊向節點B發送時延測量命令;

3） 節點B的微處理器通過電力線通信模塊給節點A回復測量確認命令;

4） 節點A的微處理器向其可編程器件發出時延測量開始命令;

5） 節點A的可編程器件產生測量信號，送給射頻發射模塊，并在測量信號全部發送完時，記錄當前時間T1;

6） 節點A發出的測量信號，通過內部電路和電力線后，達到節點B的射頻接收模塊;

7） 節點B的射頻接收模塊將信號處理后，送給節點B的可編程器件;

8） 在節點B的可編程器件中，對接收到的測量信號進行識別后，立即將提前產生好的測量回復信號發送給節點B的射頻輸出模塊;

9） 測量回復信號經過內部電路和電力線后達到節點A的射頻接收電路;

10） 節點A的射頻接收電路將接收到的測量回復信號處理后，送給節點A的可編程器件;

11） 節點A的可編程器件識別到測量回復信號到來后，記錄此時的時刻T2，則傳輸時延：

[τ1=0.5（T2-T1-T處理）]? ? ? ? （1）

式中，T處理為信號調制、識別、發送所花去的時間，它為一個確定值，與調制和識別算法、處理器運算速度、信號發送速率以及信號長度有關，可通過校準去除。節點A的可編程器件把測量結果τ1發送給節點A的微處理器;

12） 節點A的微處理器將測量結果，通過電力線通信模塊向集中器匯報傳輸時延τ1;

13） 集中器收到τ1后，再通過電力線通信模塊分別給節點A發送包含被測量的節點C時延測量命令，給節點B發送包含被測量的節點C時延測量命令，并由節點A和節點C、節點B和節點C配合完成上述過程，得到AC傳輸時延τ2，和BC的傳輸時延τ3;

14） 集中器利用式（2）計算出分段時延：

[t1=0.5（τ1+τ2-τ3）]? ? ? ? （2）

[t2=0.5（τ1-τ2+τ3）]? ? ? ? （3）

[t3=0.5（-τ1+τ2+τ3）]? ? ? ?（4）

由于低壓配電網存在白噪聲、窄帶噪聲、周期干擾和隨機脈沖噪聲等多種噪聲，為提高測量精度，必須選擇抗干擾性強的測量信號和被測量信號。

鑒于擴頻通信系統具有良好的抗白噪聲、窄帶干擾和隨機脈沖干擾性能，本文選擇擴頻信號作為測量信號和測量回復信號。為提高時間分辨率，采用自相關性能良好的m序列偽隨機碼作為擴頻調制信號。為解決低壓配電網多個分支節點和終端對測量信號反射，導致測量模糊的問題，特選用m1序列的調制信號作為測量信號，m2序列的調制信號為測量回復序列，且m1和m2正交，保證了測量的有效性和準確性。

由于采用了偽隨機碼調制信號，測量信號屬于擴頻信號，可以以較低的功率發射，對電力線通信系統影響較小;同時電力線通信模塊的通信信號對于測量系統是窄帶通信信號，其信號對測量系統的干擾相當于窄帶干擾，根據擴頻通信技術特點，窄帶干擾在擴頻信號解擴時，會被大大降低。因此，本文所提的測量方法，可以與電力線通信系統共存。

本文選用BPSK調制方式產生測量信號[xm1（t）]和測量回復信號[xm2（t）]。式（5），式（6）中，m1（t）和m2（t）均為m序列。如圖4所示，對測量信號和被測量信號的捕獲，采用滑動相關法，其相關峰計算公式如式（5）～式（10）所示。

為降低系統復雜度，采用限幅放大1 bit采樣對接收到的m序列調制信號直接進行相關運算，采用式（10）給出的均方根誤差表征測量精度。

[xm1（t）=m1（t）sin（ωct）]? ? ? ? ? ? （5）

[xm2（t）=m2（t）sin（ωct）]? ? ? ? ? ? （6）

[Rymy′m（t）=12N-1k=-NNym（n）y′m（k+t+τ）] （7）

[ym（t）=1，-1，? m（t）sin（ωct）≥0m（t）sin（ωct）<0]? ? ? ? （8）

[y′m（t）=1，-1，? ? m（t）sin（ωct）+n（t）≥0m（t）sin（ωct）+n（t）<0] （9）

[RMSE=1ni=1nτ2i]? ? ? ? ? ? ?（10）

式中：[ym（t）]為本地存儲的1 bit量化的m序列BPSK調制信號; [y′m（t）]為m序列BPSK調制信號經過信號之后的1 bit量化的序列;τ為傳輸時延;τi為第i次測量得到的傳輸時延。時延測量精度為采樣率的倒數。

3? 實驗結果與分析

本節仿真分析不同噪聲對測量系統精度的影響。仿真參數為：m1和m2選用15位的m序列，符號速率1 Mb/s，采樣率100 MHz，載波頻率4 MHz，測量分辨率為10 ns。

圖5給出了無噪聲干擾時1 bit采樣的m序列擴頻BPSK調制信號的相關峰。鑒于所提算法是對BPSK調制信號直接進行相關運算，且載波頻率是擴頻符號速率的4倍。因此在擴頻信號滑動相關的過程中，2個碼元（200個采樣點）內，會出現7個相關峰。由于主峰的位置仍然表征了m序列BPSK調制信號對齊的時刻，因此可以用式（6）捕獲正確的相關峰，從而計算出傳輸時延。

圖6～圖8給出了不同干擾下本系統的測量精度（m?code標識）。仿真次數為50次，判決門限為0.1，采用式（9）計算。為對比本文算法效果，在圖中同時給出采用脈沖法測量時延的性能（Pulse標識），其中，脈沖寬度為10 ns，判決門限為接收信號最大值和最小值的平均值，重復次數和測量結果計算方式與本文所提算法相同。

由圖6可知，由于擴頻系統的良好抗干擾性，所提時延測量系統在SNR=-11 dB的白噪聲下仍能達到10 ns的測量精度，相比脈沖法需要SNR>0 dB才能夠實現10 ns的測量精度，性能提升了10 dB。因為兩種算法都具有相同的時間分辨率，所以從圖7中可以看出，所提算法的抗多徑性能與脈沖法相近，在SIR =4 dB左右，可以達到10 ns的測量精度。圖8中顯示了所提算法在SIR=-3 dB時具有10 ns的精度，而脈沖法需要SIR>7 dB時才具有相同的測量精度。

4? 結? 語

本文研究并提出一種結合電力線通信模塊和擴頻通信技術的端到端時延測量技術。該技術利用電力線通信模塊之間的相互通信，確定低壓配電網中被測量的具體終端，結合T型網絡結構特征，計算出低壓配電網各分段之間的傳輸時延。

通過采用正交的m序列擴頻作為測量信號和測量回復信號，并采用1 bit采樣的m序列BPSK調制信號直接相關峰，實現了低復雜度、高精度、抗干擾強的時延測量性能。通過仿真論證了所提算法相比于傳統脈沖法，性能得到了極大的提升。

注：本文通訊作者何先燈。

參考文獻

[1] 雷錫社，劉敏.低壓配電網通信技術及應用介紹[J].現代電子技術，2002，25（10）：14?17.

[2] 李國華，白寶成，劉海龍，等.智能電網技術在電力系統規劃中的應用研究[J].自動化與儀器儀表，2019（9）：230?233.

[3] SCHWEFEL H P， ZHANG Y J A， WIETFELD C， et al. Emerging technologies initiative ‘smart grid communications： information technology for smart utility grids [C]// 2018 IEEE International Conference on Communications， Control， and Computing Technologies for Smart Grids. Copenhagen： IEEE， 2018： 124?131.

[4] GENG H. Engaging consumers in the smart grid marketplace [M]. Boston： Wiley Telecom， 2017.

[5] 李維嘉.河北地區用電信息采集系統的研究及應用[D].保定：華北電力大學，2018.

[6] WAERESCH D. Topology fault detection in low voltage grids based on statistical analyses of smart meter data [C]// 2016 IEEE PES Innovative Smart Grid Technologies Conference Europe. Ljubljana： IEEE， 2016： 1?5.

[7] 羅步升，林志超，何小龍.基于拓撲解析與深度學習融合的低壓集抄系統故障診斷方法[J].電測與儀表，2018，56（20）：145?152.

[8] 袁超.低壓配電網絡臺區識別技術的研究與開發[D].大連：大連理工大學，2014.

[9] 薛軍，王桃桃.一種通過電壓特征區分臺區和相別的方法研究[C]//2017智能電網新技術發展與應用研討會論文集.南京：[s.n.]，2017：350?353.

[10] 羅冉冉，龍磊，張垠，等.基于故障樹理論的單相智能電能表黑屏故障分析方法研究[J].電測與儀表，2014，51（23）：6?10.

[11] ZHANG Nan， SUN Yan， LIU Di， et al. FL?TN： a fault location algorithm based on tree topology for smart grid [C]// 2019 Chinese Control and Decision Conference. Nanchang： IEEE， 2019： 6221?6225.

[12] 張小博，王婷，佟芳，等.基于譜聚類的用電采集網絡拓撲推斷算法[J].電力信息與通信技術，2018，16（12）：39?45.

[13] 張潤生，李艷斌，李嘯天.基于合并分層聚類的網絡拓撲推斷算法[J].電子學報，2013，41（12）：2346?2352.

[14] 劉海客，李集林，尤啟迪，等.一種基于OpenFlow協議的拓撲發現方法[J].電子設計工程，2016，24（13）：116?119.

[15] 王睿，肖麗媛，曹蘇蘇，等.IP網絡中端到端時延估計方法[J].北京郵電大學學報，2014，37（z1）：97?103.

[16] 胡善江，賀巖，俞家勇，等.基于深度學習的脈沖激光測距回波時刻解算方法[J].中國激光，2019，46（10）：203?211.

[17] 史劉強，付江濤.基于UWB定位系統設計[J].電子設計工程，2019，27（15）：161?165.

[18] 劉松柏.群時延對擴頻測距系統測距精度的影響[J].兵器裝備工程學報，2017，38（5）：118?122.