基于人工智能的電力通信實時監測系統

彭波濤

摘 要：由于傳統系統計算過程繁瑣，計算量較大，導致系統響應性能比較差，在電力通信實時監測應用中響應時間較長，為此提出基于人工智能的電力通信實時監測系統。對通信監測儀和報警器進行設計，實現系統數據采集和監測結果警報。利用卡爾曼濾波算法對通信數據進行降噪處理，提高數據精度，利用人工智能算法計算電力通信誤碼率，并與設定閾值對比，輸出電力通信狀態監測結果。經實驗證明，設計系統響應時間短于傳統系統，響應性能更優越。

關鍵詞：人工智能;電力通信;實時監測;通信監測儀;報警器

中圖分類號：TN915.07 文獻標識碼：A

引言

通信是電力系統中重要組成部分，是電力系統各個單元之間數據傳輸的過程，因此有效的通信可以確保電力系統正常運行。由于電力系統內部結構比較復雜，各個單元之間通信量較大，受到外部因素和內部因素影響，電力通信存在一定的安全隱患，經常會發生電力通信故障，因此需要采取有效的監測手段對電力通信狀態進行實時監測[1]。相關研究人員研發了電力通信實時監測系統，常用的監測系統為基于大數據的電力通信實時監測系統，主要采用大數據技術對電力通信狀態進行分析。但是在實際應用中大數據技術運算過程比較繁瑣，需要海量的數據作為系統計算支撐，一套監測流程下來需要消耗一定的時間，導致系統實時響應性能比較差，響應時間比較長，無法達到電力通信實時監測需求，不能及時幫助工作人員發現電力通信故障。為了解決上述問題，本文提出基于人工智能的電力通信實時監測系統研究。此次試圖利用人工智能技術提高系統的智能化和信息化，從優化實時響應性能角度出發，在傳統系統基礎上進行優化設計，從而形成一套新的系統，為電力通信實時監測提供技術支撐。

1系統硬件設計

系統硬件主要包括通信監測儀、報警器、服務器以及顯示器，四個設備由系統電源電路連接實現供電，其拓撲結構如下圖所示。

如上圖所示，通過USB接口將通信監測儀與電網通信總線連接，對電網通信運行參數進行實時測量，通過wifi將數據發送給系統服務器上，由服務器完成對通信數據處理和分析，并將分析結果發送給報警器，觸發報警器報警，并將監測結果繪制成報告發送到顯示器上進行顯示[2]。由于服務器和顯示器為系統基礎硬件設備，基本與傳統系統一致，在后續不做過多說明，以下將對通信監測儀和報警器的選型與設計進行詳細說明。

1.1通信監測儀的選型

通信監測儀是系統的核心硬件設備，其主要作用是負責采集到電力通信運行數據，結合系統需求此次選擇德科的H7868型號的智能通信監測儀。由于電力通信總線設備提供的是RS485接口，而該通信監測儀的接口為USB接口，為了方便監測儀與通信總線連接，設計了RS485/USB轉換器，利用RS485/USB轉換器對通信總線接口和通信監測儀接口進行轉換，并經過該轉換器將通信總線上的數據傳送到通信監測儀SFGOK芯片上[3]。通信監測儀由掃描器、解析裝置兩部分組成，接通電源和通信總線后，由掃描器向通信總線進行電子掃描，將掃描到的數據由解析裝置進行解析處理，最后由SFGOK芯片完成對通信數據報文識別，并將監測數據發送到計算機上，用于系統計算。

1.2報警器的選型

報警器的作用是根據系統監測結果進行報警，用于提示工作人員，此次選擇的是DGR公司生產的JFYRTY-A4SF型號報警器，該報警器體積比較小，重量比較輕[4]。將報警器安裝在電力通信總線上方，該報警器有紅色和綠色兩種警示光，如果系統監測結果為電力通信狀態正常，不存在通信故障，則報警器會發出綠色警示光;如果系統監測結果為電力通信狀態失常，存在通信故障，此時報警器會發出紅色警示光，并且觸發報警器語音功能，發出警報。警示光閃爍頻率和警報音量會根據電力通信故障嚴重程度而定，故障越嚴重，報警器的警報音量越大，警示光閃爍頻率越快。

2系統軟件設計

2.1通信數據預處理

系統在對電力通信數據采集時會受到外部因素干擾，以及系統數據采集設備自身的采集殘差，導致采集到的電力通信數據會存在噪聲，即采集數據精度沒有達到監測需求，因此需要對電力通信數據進行預處理。此次利用卡爾曼濾波算法對通信數據進行降噪處理，計算出通信數據預測值，其計算公式如下：

公式（2）中，g表示電力通信數據方差，v*表示電力通信數據理想值[5]。利用上述公式計算出通信數據方差，根據該數值對采集的通信數據進行濾波，從而達到數據降噪的目的。

2.2基于人工智能的電力通信狀態監測分析

電力通信狀態失常的表現為電力通信誤碼，因此以電力通信誤碼率作為電力通信狀態判斷的依據，利用人工智能技術對處理后的數據進行計算，其計算過程如下圖所示。

如上圖所示，利用人工智能技術設計電力通信誤碼率描述模型，其用公式表示如下：

公式（5）中，γ*表示電力通信誤碼率的先驗均值;S表示電力通信誤碼率的先驗方差。將公式（5）計算結果與通信數據代入到公式（3）中，求解出電力通信誤碼率。在系統中設定了一個誤碼率閾值，如果計算數值超過該閾值，則表示電力通信狀態為失常狀態，需要進行維護;如果計算數值未超過該閾值，則表示電力通信正常，根據該規則輸出監測結果。

3實驗論證分析

實驗以某電力通信總線設備為實驗對象，利用此次設計系統與傳統系統對該電力通信狀態進行實時監測。實驗準備了三個通信監測儀和一個報警器，將通信監測儀的監測范圍設定為5.5m，監測頻率設定為3.65GHz，監測信號發射頻率設定為3.64GHz，數據讀取周期設定為0.01s。實驗共采集到23.26GB電力通信數據，監測時間為24h，共進行50次監測。利用公式（5）計算出誤碼率參數為1.26、1.64，經系統監測該電力通信平均誤碼率為5.15%，系統的誤碼率閾值設定為6.5%，系統監測情況如下表所示。

實驗以響應時間為檢驗兩種系統的指標，以通信監測儀采集到第一個通信數據為開始時間，以系統輸出監測結果為結束時間，利用OJHY軟件分別分析出，兩個系統監測10次、20次、30次、40次、50次、60次時平均響應時間，具體數值如下表所示。

從表2中數據分析可以得出以下結論：設計系統平均響應時間比較短，最短為0.005s，基本為實時監測，這是因為設計系統采用了人工智能技術，利用人工智能技術對通信狀態進行智能化分析，簡化了電網通信狀態計算流程，從而使系統監測響應時間更短一些。而傳統系統響應時間比較長，做大響應時間為5.264s，遠遠大于設計系統，因此實驗結果證明了，在響應性能方面設計系統優于傳統系統，能夠實現電力通信實時監測。

4結束語

此次利用人工智能技術設計一套新的電力通信實時監測系統，實現了對傳統系統硬件與軟件方面的優化與創新，并且提高了系統的監測響應性能，有助于提高電力通信安全性與可靠性，能夠為電力通信故障維護提供可靠的數據依據。

參考文獻

[1]湯龍龍，方鐘，龐鑠，等.一種基于物聯網分布式光纜在線監測裝置在電力通信上的應用[J].通訊世界，2020，27（01）：239-240.

[2]李葵，吳非，王韜，等.基于物聯網的電力通信機房可視化系統[J].自動化與儀表，2020，35（09）：97-100.

[3]王偉屹，趙曄.卡爾曼濾波算法下電力通信自動化監測系統設計[J].西安工程大學學報，2021，35（05）：50-55.

[4]李文佳，金燊.區域通信網光纜智能分配監測系統的設計與實現[J].長江信息通信，2021，34（05）：159-161.

[5]張博凡，施禹.電力通信光纜在線監測系統的設計與應用[J].電力安全技術，2020，22（10）：34-37.