CN115276850A - 一种用于电力系统精确同步的环境识别方法 - Google Patents
一种用于电力系统精确同步的环境识别方法 Download PDFInfo
- Publication number
- CN115276850A CN115276850A CN202210346456.8A CN202210346456A CN115276850A CN 115276850 A CN115276850 A CN 115276850A CN 202210346456 A CN202210346456 A CN 202210346456A CN 115276850 A CN115276850 A CN 115276850A
- Authority
- CN
- China
- Prior art keywords
- channel
- environment
- power
- nlos
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/345—Interference values
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/364—Delay profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W56/00—Synchronisation arrangements
- H04W56/001—Synchronization between nodes
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种用于电力系统精确同步的环境识别方法,主要解决现有技术在非视距传输信道下时延估计误差较大的问题。其实现方案为:将现有电网信道环境分为视距传输和非视距传输信道。通过小波变换从电网环境下两种信道的数据集中提取特征参数,基于输入向量机IVM对特征值进行训练,构建出分类器模型。根据识别的信道类型,对于视距传输信道,采用非相干估计器估计传播时延;对于非视距传输信道,通过信号重构的方法得到首径信号,从而消除其对时延估计的干扰,得到准确的时延估计值,最后根据估计值调整电力设备时间,保证数据同步。本发明能估计视距传输和非视距传输信道下的时延,可用于复杂通信环境下的电力设备精确时间同步。
Description
技术领域
本发明属于电网通信技术领域,特别涉及一种用于电力系统精确同步的环境识别方法,可用于复杂信道环境下的电力系统时间精确同步,实现各电力设备间数据包同步交换。
背景技术
随着电网业务日益多样化,为了解决业务接入承载问题,需要将无线通信与传统电力系统相结合,例如机器人巡检、电力设备现场检修和协同调试、变电站移动巡检等。这些应用场景对各个电力设备之间的时间同步提出了更为复杂的要求。
设备间的时间同步可以通过估计传播时延来实现。在视距传输LOS信道下,多径幅度服从莱斯分布,此时直射径分量强度远远大于其他各径,可采用广义互相关算法来估计时延。对于非视距传输NLOS信道,多径幅度服从瑞利分布,各径强度相差较小,对时延估计干扰较大,需要对接收信号进行重构后再进行时延估计。
电网业务场景下的通信环境一般较为复杂,因此需要识别出其具体的信道环境,才能得到准确的时延。基于此可以采用机器学习对信道环境进行分类识别。输入向量机IVM作为一种机器学习的算法,广泛应用于分类问题中,具有以下显著优点:(1)借助特征选择策略获得最高的分类精度;(2)利用极少的输入向量实现最小稀疏性;(3)对分类结果进行概率解释。因此可以选择该技术来进行信道环境的识别。从而实现复杂环境下的电力系统时间精确同步,保证数据包的正确传输。
ZL201210084420.3专利公开了一种使用支持向量机SVM的信道环境检测方法。该方法取信号估计值变化量和数据块间跳变幅度作为信道的两个属性值以及信道环境是否发生变化作为支持向量机的初始赋值。用K-CV法确定惩罚参数 c及函数参数g,径向基核函数作为支持向量机参数来建立支持向量机模型并检测信道环境是否发生了改变。该方法实现了在信道环境完全未知的情况下,保证信道环境检测的准确性。但其只能检测信道环境是否发生变化,无法对具体信道环境进行识别。
ZL 201810096220.7专利公开了一种多径时延估计方法和装置。该方法利用 DMRS获取各子载波对应的频域上的信道估计值,然后将频域上的去噪后的信道估计值进行时域变换,最后在时域上进行时域多径搜索,以确定承载DMRS的OFDM 符号中的多径时延。该方法能够在多径时延估计过程中对非多径的噪声和干扰项进行滤除,提高多径时延的估计准确。但对于存在小区间干扰的情况下性能会有所下降,此外对于NLOS环境也容易出现搜索错误导致时延估计误差增大。
发明内容
本发明的目的在于针对上述现有技术的不足,提供一种用于电力系统精确同步的环境识别方法,通过机器学习对电网信道进行分类识别,依据所识别的信道类型进行相应处理,从而保障了复杂环境下各通信电力设备的时间同步,实现一致的信息数据交换。
为实现上述目的,本发明的技术方案包括如下:
1)建立5G电网系统模型。5G智能电网由5G基站和电力设备组成,设备包括了用电设备和配电设备,均集成了5G通信模组;
2)为5G智能电网服务的基站对现有电网信道环境进行分类,并构建电力系统下的信道识别模型:
2a)将现有电网信道环境分为视距传输LOS和非视距传输NLOS信道;
2b)获取电网环境下典型的信道数据,处理得到LOS和NLOS信道的数据集;
2c)利用小波变换从数据集中抽取信道时频特征参数;
2d)基于输入向量机IVM在所述数据集上训练模型;
2e)对构建的信道识别模型进行参数调优;
3)电力设备向5G基站发送已经的导频信号;
4)5G基站对信道环境识别,并进行处理方式的选择:
若当前信道环境为NLOS信道,执行5);
若当前信道环境为LOS信道,执行6);
5)5G基站对接收信号进行信号重构,抵消非首径信号:
5a)将已知导频信号ST与接收信号SR进行互相关得到RA(τ),公式如下:
其中,KA是已知导频信号ST与接收信号SR的互相关结果的长度;
5b)根据RA(τ)计算第i个非首径信号分量的幅度损耗Ami公式如下:
5c)根据幅度损耗计算非首径信号SNLOS,公式如下:
其中,Mp为多径数;
5d)根据接收信号SR和非首径信号SNLOS得到首径信号SNC,公式如下:
SNC=SR-SNLOS;
6a)将已知导频信号ST与首径信号SNC进行互相关得到R(τ);
本发明与现有技术相比具有以下优点:
1)现有技术只是对信道环境变化进行检测,无法具体识别信道类型。本发明通过小波变换从电网通信环境提取特征参数,基于输入向量机IVM对特征值进行训练,构建出分类器模型,并采用网络搜索和交叉验证相结合的方法对其进行调优。使其可以从复杂环境中判断信道类型,为时延估计提供了基础。
2)现有技术只针对LOS信道对时延进行估计,在NLOS信道下误差较大,无法适用于复杂的电网环境当中。本发明通过机器学习识别信道类型。对于LOS 信道,采用非相干估计器估计传播时延;对于NLOS信道,利用信号重构的方法得到首径信号,从而消除NLOS信道对时延估计的干扰,得到准确的时延估计值。实现了复杂环境下的信道识别,保证电力系统时间的精确同步。对LOS和NLOS 信道均具有适用性。
附图说明
图1为本发明的实现总流程示意图;
图2为本发明中LOS信道下电网系统框图;
图3为本发明中NLOS信道下电网系统框图;
图4为本发明中的工作模式切换子流程图;
图5为本发明中的探测信号帧结构图。
1建筑物、2供电调度中心、3基站、4配电设备、5非MBSFN区域/控制区域、6MVSFN区域、A表示时隙1、B表示时隙2。
具体实施方式
以下结合附图及具体实施方式对本发明的技术方案进行详细说明。
如图1为本发明的实现总流程示意图,本发明采用了LOS和NLOS两种信道环境下的电网系统,如图2为LOS信道下电网系统框图,图3为NLOS信道下电网系统框图,其中建筑物1中的用电设备和配电设备4作为电网通信环境下与基站3通信的用户,均配置了5G通信模块。
本发明在LOS和NLOS信道下保证电力设备时间同步方法,其实现步骤如下:
步骤1、建立5G电网系统模型,5G智能电网由5G基站3和电力设备4组成,设备包括了用电设备和配电设备,均集成了5G通信模组。
步骤2、为5G智能电网服务的基站3对现有电网信道环境进行分类,并构建电力系统下的信道识别模型;
为5G智能电网服务的基站对现有电网信道环境进行分类的具体实现方式如下:
2.1)将现有电网信道环境分为视距传输LOS和非视距传输NLOS信道.
2.2)获取电网环境下典型的信道数据,处理得到LOS和NLOS信道的数据集。
2.3)选择复Morlet小波作为母小波,利用小波变换从数据集中抽取信道时频特征参数。
2.4)基于输入向量机IVM在所述数据集上训练模型。
2.5)采用网络搜索和交叉验证相结合的方法对构建的信道识别模型进行参数调优。
步骤3、电力设备4向5G基站3发送已知的导频信号,导频信号采用同步广播块SSB,参照图4为工作模式切换子流程图。
图中所示区域6表示MVSFN区域中可用于承载进行精确同步所需的导频SSB,区域5
为非MBSFN区域/控制区域,不可用于承载SSB。根据子载波以及频段的不同区域6中SSB放置
位置是可选的,图中为SSB
Case
A的示例。默认SSB发送周期为20ms,发送根据实际需求可
进行变更,可选配置为5ms、10ms、20ms、40ms、80ms、160ms
步骤4、5G基站3对信道环境识别,并进行处理方式的选择:
若当前信道环境为NLOS信道,执行步骤5;
若当前信道环境为LOS信道,执行步骤6。
步骤5、5G对接收信号进行信号重构,抵消非首径信号,如图5所示为探测信号帧结构图。
所述的步骤S5的操作及计算步骤包括如下:
1)将已知导频信号ST与接收信号SR进行互相关得到RA(τ),公式如下:
2)根据RA(τ)计算第i个非首径信号分量的幅度损耗Ami,公式如下:
3)根据幅度损耗计算非首径信号SNLOS,公式如下:
其中,Mp为多径数;
4)根据接收信号SR和非首径信号SNLOS得到首径信号SNC,公式如下:
SNC=SR-SNLOS。
本步骤的具体实现方式如下:
6.1)计算已知导频信号ST与首径信号SNC互相关R(τ),公式如下:
其中,M是导频信号的长度,W是相关的时间窗口的长度。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制;尽管参照较佳实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换;而不脱离本发明技术方案的精神,其均应涵盖在本发明请求保护的技术方案范围当中。
Claims (10)
2.根据权利要求1所述用于电力系统精确同步的环境识别方法,其特征在于,所述的步骤S2中对现有电网信道环境进行分类的方法包括
a)将现有电网信道环境分为视距传输LOS和非视距传输NLOS信道;
b)获取电网环境下典型的信道数据,处理得到LOS和NLOS信道的数据集;
c)利用小波变换从数据集中抽取信道时频特征参数;
d)基于输入向量机IVM在所述数据集上训练模型;
e)对构建的信道识别模型进行参数调优。
5.根据权利要求2所述用于电力系统精确同步的环境识别方法,其特征在于,所述的步骤d)中使用IVM对LOS信道和NLOS信道进行分类识别,具体包括:
训练特征数据得到IVM模型和IVM分类器;
根据训练好的IVM分类器,判断LOS信道和NLOS信道。
7.根据权利要求2所述用于电力系统精确同步的环境识别方法,其特征在于,步骤a)所述分类方法首先将电网信道环境分为视距传输LOS信道和非视距传输NLOS信道,其中LOS信道中最强径可作为首径直接进行时延估计,NLOS信道需要对信号进行重构,得到首径信号。
8.根据权利要求7所述用于电力系统精确同步的环境识别方法,其特征在于,所述LOS信道和非视距传输NLOS信道的信道环境为基于信道环境参数所组成的时频信道数据集。
9.根据权利要求8所述用于电力系统精确同步的环境识别方法,其特征在于,所述步骤3)中信道环境参数通过小波变换抽取,选择复Morlet小波作为母小波,通过多小波变换,可以得到小波功率谱图像,小波功率谱显示了时间序列在一定尺度上的起伏特征及其随时间的变化,对小波功率谱进行归一化处理,作为IVM分类器的输入。
10.根据权利要求2所述用于电力系统精确同步的环境识别方法,其特征在于,所述的步骤e)中对构建模型进行参数调优采用网络搜索和交叉验证相结合的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210346456.8A CN115276850A (zh) | 2022-03-31 | 2022-03-31 | 一种用于电力系统精确同步的环境识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210346456.8A CN115276850A (zh) | 2022-03-31 | 2022-03-31 | 一种用于电力系统精确同步的环境识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115276850A true CN115276850A (zh) | 2022-11-01 |
Family
ID=83758341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210346456.8A Pending CN115276850A (zh) | 2022-03-31 | 2022-03-31 | 一种用于电力系统精确同步的环境识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115276850A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116582815A (zh) * | 2023-05-22 | 2023-08-11 | 青岛柯锐思德电子科技有限公司 | 一种基于测距信道评估的los与nlos场景判断方法 |
-
2022
- 2022-03-31 CN CN202210346456.8A patent/CN115276850A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116582815A (zh) * | 2023-05-22 | 2023-08-11 | 青岛柯锐思德电子科技有限公司 | 一种基于测距信道评估的los与nlos场景判断方法 |
CN116582815B (zh) * | 2023-05-22 | 2023-10-24 | 青岛柯锐思德电子科技有限公司 | 一种基于测距信道评估的los与nlos场景判断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Serafimovski et al. | Practical implementation of spatial modulation | |
US6463105B1 (en) | Methods and systems for estimation of the carrier to interference ratio for a wireless communication channel | |
CN107431589A (zh) | 用于处理和分配上行链路导频的方法和设备 | |
US10461962B2 (en) | Communication terminal and method for channel estimation | |
EP2768252B1 (en) | Apparatus for use in a cognitive radio system, method and non-transitory computer-readable medium | |
Fu et al. | Active user identification based on asynchronous sparse Bayesian learning with SVM | |
CN114615122B (zh) | 通信信号的频偏确定方法及装置 | |
Kumaresan et al. | Efficient user clustering using a low-complexity artificial neural network (ANN) for 5G NOMA systems | |
WO2004034615A1 (en) | Method and system for interference assessment and reduction in a wireless communication system | |
CN101420248B (zh) | 一种td-scdma终端频偏估计的方法及装置 | |
CN115276850A (zh) | 一种用于电力系统精确同步的环境识别方法 | |
US10951439B2 (en) | Wireless communication device and channel estimating method thereof | |
US9729356B1 (en) | Channel estimation with co-channel pilots suppression | |
Cai et al. | Active user and data detection for uplink grant-free NOMA systems | |
Rappaport et al. | Improving channel charting using a split triplet loss and an inertial regularizer | |
Pyatin et al. | Implementation and analysis of 5G network identification operations at low signal-to-noise ratio | |
Jespersen et al. | Deep learning for synchronization and channel estimation in NB-IoT random access channel | |
CN102739283A (zh) | 时分同步码分多址接收机中基于激活码道选择的联合检测方法 | |
EP1892869B1 (en) | A multiple code-set channel estimation method in time-slot cdma system | |
CN104980184A (zh) | 用于td-scdma系统的小区搜索方法和设备 | |
Wang et al. | Iterative carrier-frequency offset estimation for generalized OFDMA uplink transmission | |
Scalabrin et al. | Machine learning based network analysis using millimeter-wave narrow-band energy traces | |
Tarighat et al. | Improved wireless location accuracy using antenna arrays and interference cancellation | |
CN101198139B (zh) | Td-scdma终端及其进行同频干扰小区信息实时检测的方法 | |
CN103875292A (zh) | 一种协作调度方法和网络设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230412 Address after: 450099 No. 85, Songshan South Road, Erqi District, Zhengzhou City, Henan Province Applicant after: STATE GRID HENAN ELECTRIC POWER CORPORATION ELECTRIC POWER SCIENCE Research Institute Address before: 450052 No. 85 South Songshan Road, 27 District, Henan, Zhengzhou Applicant before: STATE GRID HENAN ELECTRIC POWER CORPORATION ELECTRIC POWER SCIENCE Research Institute Applicant before: Henan jiuyu enpai Power Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right |