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 PDF

Info

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
Application number
CN202210346456.8A
Other languages
English (en)
Inventor
韩伟
张峰
马伟东
刘磊
孔圣立
段文岩
韩源
吴春红
蔡得雨
乔利红
李晓辉
张喜庆
李欢洋
王先文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
Henan Jiuyu Enpai Power Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of State Grid Henan Electric Power Co Ltd, Henan Jiuyu Enpai Power Technology Co Ltd filed Critical Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
Priority to CN202210346456.8A priority Critical patent/CN115276850A/zh
Publication of CN115276850A publication Critical patent/CN115276850A/zh
Pending legal-status Critical Current

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

一种用于电力系统精确同步的环境识别方法
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：
Figure BDA0003576673530000031
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：
Figure BDA0003576673530000032
5c)根据幅度损耗计算非首径信号SNLOS，公式如下：
Figure BDA0003576673530000033
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；
6)5G基站根据首径信号估计传播时延
Figure BDA0003576673530000041
并发送给电力设备；
6a)将已知导频信号ST与首径信号SNC进行互相关得到R(τ)；
6b)采用非相干估计器从R(τ)中估计出传播时延
Figure BDA0003576673530000042
并发送给电力设备；
7)电力设备根传播时延
Figure BDA0003576673530000043
调整已有时间信息，实现数据同步交换。
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：
Figure BDA0003576673530000061
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：
Figure BDA0003576673530000062
3)根据幅度损耗计算非首径信号SNLOS，公式如下：
Figure BDA0003576673530000063
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。
步骤6、5G基站根据首径信号估计传播时延
Figure BDA0003576673530000071
并发送给电力设备。
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：
Figure BDA0003576673530000072
其中，M是导频信号的长度，W是相关的时间窗口的长度。
6.2)采用非相干估计器从R(τ)中估计出传播时延
Figure BDA0003576673530000073
用户根据估计的传播时延
Figure BDA0003576673530000074
来调整已有时间信息，公式如下：
Figure BDA0003576673530000075
步骤7、电力设备根传播时延
Figure BDA0003576673530000076
调整已有时间信息，实现数据同步交换。
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)

1.一种用于电力系统精确同步的环境识别方法，其特征在于，包括如下步骤：
S1.建立5G电网系统模型；
S2.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：
S3.电力设备向5G基站发送已知的导频信号，导频信号采用同步广播块SSB；
S4.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，执行步骤S5)；
若当前信道环境为LOS信道，执行步骤S6)；
S5.5G基站对接收信号进行信号重构，抵消非首径信号；
S6.5G基站根据首径信号估计传播时延
Figure RE-FDA0003847227250000012
并发送给电力设备：
S7.电力设备根传播时延
Figure RE-FDA0003847227250000011
调整已有时间信息，实现数据同步交换。
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。
3.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S5的操作步骤包括如下
1)将已知导频信号ST与接收信号SR进行互相关得到RA(τ)，计算公式如下：
Figure FDA0003576673520000014
2)根据RA(τ)计算第i个非首径信号分量的幅度损耗Ami，计算公式如下：
Figure FDA0003576673520000021
3)根据幅度损耗计算非首径信号SNLOS，计算公式如下：
Figure FDA0003576673520000022
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，计算公式如下：
SNC＝SR-SNLOS。
4.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S6的操作步骤包括如下：
1)将已知导频信号ST与首径信号SNC进行互相关得到R(τ)；
2)采用非相干估计器从R(τ)中估计出传播时延
Figure FDA0003576673520000023
并发送给电力设备。
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。
6.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，步骤S6中根据首径信号估计传播时延
Figure FDA0003576673520000024
实现如下：
6a)计算已知导频信号ST与首径信号SNC互相关R(τ)：
Figure FDA0003576673520000025
其中，M是导频信号的长度，W是相关的时间窗口的长度；
6b)计算传播时延
Figure FDA0003576673520000026
Figure FDA0003576673520000031
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。
CN202210346456.8A 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 Pending CN115276850A (zh)

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)

* Cited by examiner, † Cited by third party
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

Cited By (2)

* Cited by examiner, † Cited by third party
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