一种低频电力线载波拓扑识别方法技术

本发明专利技术公开了一种低频电力线载波拓扑识别方法，其中，包括以下步骤：步骤1：持续进行连续电压采样，同时以流水线的方式并行处理前一时刻的采样数据；步骤2：采用基于FFT卷积神经网络的方法对采样数据进行高密度数据分析；步骤3：将多个滑窗数据的分析结果进行平均，把平均后的频谱模值作为载波信号的判决依据；步骤4：根据信号的频谱模值幅度进行阶梯分类，并输出16位调制信号编码；本发明专利技术基于FFT卷积神经网络的信号检测方式能够最大限度地利用调制信号的有效持续时间，并且用数字滤波器和多滑窗FFT平均相结合的方式，在降低了电力线噪声对调制信号干扰的同时提升了拓扑识别监测的准确度。准确度。准确度。

【技术实现步骤摘要】
一种低频电力线载波拓扑识别方法


[0001]本专利技术属于电力线载波通信
，具体涉及一种低频电力线载波拓扑识别方法。

技术介绍

[0002]电力线载波通信是一种利用电力线路作为高频信号在传输通道通信的方式，由于其将高频弱电信号和低频大电流共同传输，而无需专门铺设供电电路，在智能家居、智慧楼宇、自动抄表等诸多领域得到了广泛的应用。电力线载波通信领域中，网络拓扑分析是根据电网开关状态进行母线划分和电气岛划分，该技术是电网调度自动化、能量管理系统、配电管理系统的基础模块。传统的拓扑识别技术一般通过开关网络配合特定的电压、电流检测模块进行识别，传递的信息有限，不利于拓扑信息的快速更新。采用载波通信的方式可以实现更加丰富的信息传递，然而对载波信号的检测则相对比较复杂，因为电力线上的噪声较强，对所调制的载波信号构成了较强的干扰。
[0003]目前对载波信号的分析主要采取FFT的方式，传统的FFT载波参数测量方法存在牺牲频率分辨率为代价的缺点并且对数据采样的点数和周期数有严格的限制。
[0004]因此，如何实现高频率分辨率、高检测准确度的载波检测是电力线拓扑识别系统现有技术中需解决的问题。

技术实现思路

[0005]本专利技术的目的在于提供一种低频电力线载波拓扑识别方法，以解决上述
技术介绍
中提出的问题，以实现电力线网络的高速、准确的拓扑识别。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种低频电力线载波拓扑识别方法，其中，包括以下步骤：步骤1：持续进行连续电压采样，同时以流水线的方式并行处理前一时刻的采样数据；步骤2：采用基于FFT卷积神经网络的方法对采样数据进行高密度数据分析；步骤3：将多个滑窗数据的分析结果进行平均，把平均后的频谱模值作为载波信号的判决依据；步骤4：根据信号的频谱模值幅度进行阶梯分类，并输出16位调制信号编码。
[0007]优选的，工作开始时测量的分析结果为系统噪声水平值。
[0008]优选的，当所述频谱模值大于系统噪声幅度时，则认为载波调制信号到达。
[0009]优选的，以相邻滑窗数据的平均值作为判决依据。
[0010]优选的，记录信号触发判定时的数据滑窗序号，根据信号的持续时间和窗口的时间长度，确定16位有效信号分别对应的窗口，并依次记录数据处理得到的频谱模值。
[0011]优选的，根据信号频谱模值幅度进行高低阶梯分类，幅值高于系统噪声模值的数据位判定为1，低于系统噪声模值的数据位判断为0。
[0012]优选的，基于FFT卷积神经网络中卷积核包括数字滤波器和FFT两种数字信号处理手段。
[0013]优选的，所述滑窗处理的数据需先经过数字滤波器抑制带外噪声，然后进行FFT变换。
[0014]优选的，取频率下的模值作为载波信号的判决依据，其中，（f
c
）为载波调制信号，（f0）为电力线。
[0015]优选的，每次滑窗数据量为：，其中，i表示窗口数，表示每次滑动的数据偏移量，表示每次滑窗数据处理的数据量。
[0016]本专利技术的技术效果和优点，该低频电力线载波拓扑识别方法：1、本专利技术基于FFT卷积神经网络的信号检测方式能够最大限度地利用调制信号的有效持续时间；2、本专利技术采用数字滤波器和多滑窗FFT平均相结合的方式，在降低了电力线噪声对调制信号干扰的同时提升了拓扑识别监测的准确度；3、本专利技术利用流水线的方式实现了数据采样和数据处理的并行操作，大大降低了系统对硬件资源需求，仅用一个单片机芯片就可以实现拓扑识别，极大地控制了系统成本。
附图说明
[0017]图1为本专利技术所述拓扑识别方法的流程图；图2为本专利技术数据采样和处理方法。
具体实施方式
[0018]下面将结合本专利技术实施例中的附图1
‑
2，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0019]本专利技术提供了如图1
‑
2中所示的一种低频电力线载波拓扑识别方法，其中，包括以下步骤：步骤1：为了检测电力线上随时可能到来的载波调制信号，系统开启时便持续进行连续电压采样，并同时以流水线的方式并行处理前一时刻的采样数据。
[0020]在实际情况中，系统可以通过ADC三通道进行连续电压采集。
[0021]步骤2：由于采样数据在时间上是连续的，采用基于FFT卷积神经网络的方法对采样数据进行高密度数据分析。
[0022]步骤3：将多个滑窗数据的分析结果进行平均，这样可以很大程度地降低电力线上随机噪声的干扰，从而避免传统卷积神经网络的卷积采用单一滑动窗口带来的技术缺陷，然后把平均后的频谱模值作为载波信号的判决依据。
[0023]在实际情况中，通过读取各通道特定频率下的频谱模值，可以根据需要取相邻的四个滑窗数据的平均值作为判决依据。
[0024]具体的，系统开启，工作开始时测量的分析结果为系统噪声水平值，当所述频谱模
值大于系统噪声幅度时，则认为载波调制信号到达。
[0025]这时，记录信号触发判定时的数据滑窗序号，与信号来临边沿进行严格对其，根据每一位信号的持续时间和窗口的时间长度，确定接下来16位有效信号分别对应的窗口，并依次记录数据处理得到的每一位频谱模值。
[0026]步骤4：根据信号的频谱模值幅度进行阶梯分类，并输出16位调制信号编码；具体的，根据信号频谱模值幅度进行高低阶梯分类，幅值高于系统噪声模值的数据位判定为1，低于系统噪声模值的数据位判断为0。
[0027]在本专利技术中，根据每一位信号频谱模值幅度进行高低阶梯分类，在实际判断中，幅值明显高于系统噪声模值的数据位判定为1，否则判断为0，最后一次性输出16位的调制信号编码。
[0028]具体的，以相邻滑窗数据的平均值作为判决依据。
[0029]具体的，基于FFT卷积神经网络中卷积核包括数字滤波器和FFT两种数字信号处理手段。
[0030]在本专利技术中，数据处理方法的实现是利用基于FFT卷积神经网络方法对信号进行高密度地分析检测，其中，卷积核主要包括数字滤波器和FFT两种数字信号处理手段，通过将多个滑窗的数据分析结果进行平均，降低随机噪声的影响，进而确保载波信号的准确分析与判别。
[0031]如图2中滑窗数据处理所示：
①‑⑤
窗口的数据为系统底噪，通过对这些窗口信号的频谱分析结果取平均即可获得较低的底噪幅值；
⑬‑⑯
窗口的数据为有效载波信号，通过对这些窗口信号的频谱分析结果取平均即可获得较为稳定的载波信号幅值。
[0032]稳定的载波信号幅值以及稳定的底噪幅值均增加了系统判别的准确度。
[0033]另一方面，
⑥‑⑫
的数据为过渡值，应尽可能地避免用于判别。
[0034]此外，在本专利技术中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低频电力线载波拓扑识别方法，其特征在于，包括以下步骤：步骤1：持续进行连续电压采样，同时以流水线的方式并行处理前一时刻的采样数据；步骤2：采用基于FFT卷积神经网络的方法对采样数据进行高密度数据分析；步骤3：将多个滑窗数据的分析结果进行平均，把平均后的频谱模值作为载波信号的判决依据；步骤4：根据信号的频谱模值幅度进行阶梯分类，并输出16位调制信号编码。2.根据权利要求1所述的一种低频电力线载波拓扑识别方法，其特征在于：工作开始时测量的分析结果为系统噪声水平值。3.根据权利要求1所述的一种低频电力线载波拓扑识别方法，其特征在于：当所述频谱模值大于系统噪声幅度时，则认为载波调制信号到达。4.根据权利要求1所述的一种低频电力线载波拓扑识别方法，其特征在于：以相邻滑窗数据的平均值作为判决依据。5.根据权利要求1所述的一种低频电力线载波拓扑识别方法，其特征在于：记录信号触发判定时的数据滑窗序号，根据信号的持续时间和窗口的时间长度，确定16位有效信号分别对...

【专利技术属性】
技术研发人员：陈又丰，史蒙云，李权，姜华，张建兴，孙金良，
申请(专利权)人：江苏米特物联网科技有限公司，
类型：发明
国别省市：