考虑多层信息融合的智能变电站网络通信故障定位方法.pdf

信息通信考虑多层信息融合的智能变电站网络通信故障定位方法（广东电网有限责任公司广州供电局，广东广州5 10 0 0 0）摘要：常规的智能变电站网络通信故障定位方法多数采用ER算法，对海量故障数据进行处理，具有一定的局限性，无法获取通信故障位置信息的关联，导致故障定位结果的准确率较低。针对这一问题，引入多层信息融合技术原理，提出了一种全新的网络通信故障定位方法。首先，利用多层信息融合技术，融合处理多层异构数据信息，获取网络通信故障位置信息的关联。在此基础上，建立故障定位模型，多维度实现网络通信故障精准定位的目标。实验分析结果可知，新的方法应用后，具有不同网络通信故障问题的智能变电站光纤链路的故障定位准确率均在97%以上，可行性较高。关键词：多层信息融合；故障；智能变电站；网络；故障；定位；通信中图分类号：TM770引言在多层信息融合的趋势下，网络通信技术速度逐渐加快，各个行业领域对网络通信技术的需求越来越大。现阶段，我国网络通信技术在实际应用中仍然存在一定的不足，主要体现在智能变电站网络通信故障。一旦网络通信中出现此问题，对网络配置与操控会产生较大的影响，降低智能变电站网络通信数据传输的质量与效率，在变电站网络通信后续运维过程中，需要消耗大量的人力与物力资源，对企业的运行造成严重经济损失。故障定位方法对智能变电站的稳定运行至关重要，受到变电站运行环境、运行条件等因素影响，其网络通信过程中存在一定的故障隐患。故障定位方法能够及时检测并定位出潜在的故障隐患，为后续制定网络通信维修方案提供重要数据参考依据2 。现阶段，传统的变电站网络通信故障定位方法多数采用LSTM网络算法原理，能够对多数通信故障收稿日期：2 0 2 3-0 3-0 8作者简介：崔兆阳（198 4-），男，汉族，广东广州人，本科，工程师，研究方向：电力网络通信。(2）通过预测结果可以知道，无论是从总体的均方根误差看，还是从单期的预测精度看，小波神经网络在形变数据预测精度方面优于BP神经网络，具有更好的应用前景。参考文献：1 Gabriel A K,Goldstein R M,Zebker H A.Mapping smallelevation changes over large areas:Differential radar inter-ferometryJ.Journal of Geophysical Research Solid Earth,1989,94(B7):9183-9191.2 Ddr Massonn,Marc?Ross,Cesar?Carmona,et al.The dis-placement field of the Landers earthquake mapped by radarinterferometryJ.Nature,1993:138-142.3 Ferretti A,Prati C,Rocca F.Permanent scatterers in SAR in-terferometryJ.IEEE Transactions on Geoscience and Re-mote Sensing,2002,39(1):8-20.4 Perissin D,Prati C,Engdahl M E,et al.Validating the SARWavenumber Shift Principle With the ERS-Envisat PS Co-herent CombinationJ.2006,44(9):2343-2351.5 Ferretti A,Savio G,Barzaghi R,et al.Submillimeter Accuracy of InSAR Time Series:Experimental ValidationJ.IEEETransactions on Geoscience and Remote Sensing,2007,45(5):1142-1153.6任超，施显健，周吕,等.基于哨兵-1A时间序列合成孔经1132023年第0 5 期(总第2 45 期)崔兆阳文献标识码：A文章编号：2 0 9 6-9 7 5 9(2 0 2 3)0 5-0 113-0 5隐患作出精确识别，对智能变电站的正常运行具有一定帮助。然而，传统定位方法在实际应用过程中，仍然存在一定的问题与不足。主要体现在潜在故障隐患的识别效率较低，无法在快速时间内完成故障检测与定位，且在智能变电站光纤链路数据量庞大的情况下，故障隐患定位准确率较低，定位结果与实际网络通信情况存在较大偏差。多层信息融合技术能够改善上述问题，作为一种多层次的处理过程，能够对多层次结构的信息数据作出综合处理，为故障定位提供更加准确、可靠的数据结论。基于此，本文在传统故障定位方法的基础上，引入多层信息融合技术，针对智能变电站网络通信故障，提出了一种全新故障定位方法。1智能变电站网络通信故障定位方法设计1.1网络通信故障多层异构数据信息融合处理本文设计的智能变电站网络通信故障定位方法中，首先，雷达的地铁沿线地面沉降监测与分析 J.科学技术与工程，2020,20(2):803-808.7雷坤超,陈蓓蓓,贾三满,等.基于 PS-InSAR 技术的北京地面沉降特征及成因初探 J.光谱学与光谱分析，2 0 14，34(8):2185-2189.8张英豪,刘晓青,宁昕扬.灰色-马尔科夫模型在南俄5 水电站大坝变形预测中的应用研究 1.水利水电技术,2 0 18,49(2):139-143.9李豪杰,独知行,石娴,等.一种改进的动态灰色GM(1,1)模型在深基坑形变监测中的预测分析 .科学技术与工程,2020,20(28):11442-11446.10苗姜龙,陈曦,吕彦楠,等.基于BP神经网络的冻土路基预测与可靠度分析 J.自然灾害学报,2 0 18,2 7(4):8 1-8 7.11鄢秉红.基于BP神经网络的既有桥墩变位分析方法研究J.公路,2 0 2 0,6 5(3):148-15 3.12王琰，吕航，谷复光.多元线性回归方法在地面沉降量预测中的解析及应用 J.安全与环境工程,2 0 2 1,2 8(3):15 6-16 1.13刘吉昌.基于回归分析法的隧道洞口段山体加固过程中拱顶沉降预测分析 J.建筑技术开发,2 0 2 0(6):112-113.14吴杰,余腾,郭冰,等.小波神经网络在桥梁变形预测中的应用 J.测绘科学,2 0 17,42(11):7 4-7 9.15赵凤阳.基于小波神经网络的地铁沉降预测 J.今日自动化,2 0 2 0(6).8 5-8 7.Changjiang Information&Communications需要对智能变电站的运行情况与运行特征作出全方位、多维度的分析。以智能变电站网络通信的时间序列变化为基础，对通信传输信号进行提取，为后续的网络通信故障定位提供了传输信号的特性依据。分析网络通信压缩频域感知的运行结构，以认知用户的通信操作为基础，将智慧变电站网络通信的数据结构设定为A，假设Jk表示智能变电站网络授权用户传输的通信流量数据信号；H，表示智能变电站网络通信异常频谱感知传输信号；以网络通信节点为基础，以提高信号传输的无线功率为依据，建立智能变电站的运行情况与运行特征的表达式如下：(1)FH=H,RyxSc公式(1)中,F,表示智能变电站通信用户在网络传输中接收到的信号；R表示智能变电站网络通信授权用户不存在；Sc表示智能变电站网络通信授权用户存在。其次，利用传感器的传感作用，采集存在故障隐患的智能变电站网络通信故障多层异构数据。获取到智能变电站的运行情况与运行特征的实际情况。在此基础上，计算网络通信时间序列传输信号的自适应迭代步长，公式为：(2)J,xW公式（2）中，入表示智能变电站网络通信时间序列传输信号的自适应迭代步长；表示智能变电站网络通信信道时间序列信号传输的均衡指数；J表示智能变电站网络通信信道时间序列信号传输次数；We表示智能变电站网络通信信号传输第E次迭代时产生的方差。通过对所获得的智能变电站网络通信时间序列传输信号的自适应迭代步长，对反复发送的信号进行滤波处理，获得经过等效后的最优邻接节点间隔。通过在无线网络中布放多个传感节点，设置传感节点位置，获取智能变电站网络通信中出现的异常数据主要频率特性。依据多层信息融合技术原理，对多层异构数据进行信息融合处理，设定数据信息存储规则，实现故障数据信息统一存储的目标，为后续故障定位提供重要参考依据 5 。设计智能变电站网络通信故障告警数据存储格式，如表1所示。表1智能变电站网络通信故障告警数据存储格式字段名称1告警时间2告警装置名称3保护ID4告警内容按照表1所示的存储格式，统一存储故障告警数据，依据故障定位业务应用需求，设置告警数据之间存在的关联关系。依据多层信息融合技术，按照数据结构特点，将网络通信故障数据划分为告警数据与混合数据两个种类，进行数据信息关联与融合，进而获取智能变电站网络通信故障位置信息的关联。1.2建立网络通信故障定位模型基于上述智能变电站网络通信故障多层异构数据信息融合处理结束后，获取到通信故障位置信息的关联。接下来，建立网络通信故障定位模型，实现故障精准定位的目标。在建立的网络通信故障定位模型中，需要输入智能变电站网络通信历史崔兆阳：考虑多层信息融合的智能变电站网络通信故障定位方法故障样本，结合当前故障情况，自动生成可靠性较高的故障样本6。将智能变电站通信网络看作一个整体的系统，将其中各个节点故障视为系统个体发生的随机行为7。设定网络通信故障节点之间的相互关系为模型的拓扑结构，该结构如图1所示。FG=AxF,Jk网络通信图1网络通信故障节点间的相互关系拓扑结构图根据图1所示的拓扑结构，构建网络通信故障定位模型，模型表达式为：元=1-数据类型TimestampVarcharVarcharVarchar智能变电站光纤PHY芯片FPGACPUS(X)=g(Er,Pr,Ar,Ms,M,)公式(3)中，X表示智能变电站网络通信故障特征集；Et表示智能变电站网络通信物理拓扑；Pr表示智能变电站网络通信逻辑拓扑；Ax表示智能变电站设备的配置方式；Ms表示智能变电站设备的运行状态；M。表示智能变电站网络通信运行环境参数。通过模型表达式，得出网络通信故障样本，并依据以下公式进行存储。(4)S,=X,Ms,Er,P,公式（4)中，N表示网络通信故障样本个数；S表示第j个网络通信故障事件对应的数据样本；X表示网络通信故障特征信息构成的集合。智能变电站网络通信故障定位模型逻辑关系，如图2 所示。（网络通信保护动作告警）信息长度/Byte信息匹配100（网络通信保护通道告警信息100100节点1节点1节点n(3)通信资源判断识别管控系统定位故障故障模式区域路由配置信息告警端口位置信息图2 网络通信故障定位模型逻辑关系图如图2 所示，当智能变电站网络运行中出现通信告警信息时，为故障定位模型启动的触发条件。触发故障定位模型后，对网络通信保护动作告警信息与保护通道告警信息进行匹配处理。标记网络通信告警信息的时序属性，查找对应的告警信息内容，判断故障模式。在此基础上，结合智能变电站网络路由配置信息的动态变化，识别网络通信故障区域，分析告警设备路由拓扑8。模型通过送代训练，结合通信告警端口的位置信息，输出故障定位结果，实现网络通信故障详细定位的目标。114详细故障Changjiang Information&Communications2实验分析综合上述内容，便是本文引入多层信息融合技术，针对智能变电站网络通信故障问题，设计的故障定位方法的整体流程。本文认为，上述提出的论述内容具有较高的可行性，可以投入电力工程中应用。为了保证其故障定位效果，进一步客观地验证该故障定位方法的有效性，进行了如下文所示的实验分析。2.1实验准备选取某地区R智能变电站作为此次实验研究的目标，该变电站为110 kV，对其过程层通信网络作出全面分析。该智能变电站二次系统的组成结构，如图3所示。智能变电站系统组成两个线路间隔两