一种电网Ka高通量卫星网络通信故障判定方法及装置制造方法及图纸

技术编号:32508884 阅读:21 留言:0更新日期:2022-03-02 10:48
本发明专利技术公开了一种电网Ka高通量卫星网络通信故障判定方法及装置,进行网络故障监测,在出现网络故障时,对网络状态信息进行智能记录,在监测到卫星网络管理平台恢复连接时,将记录的网络状态信息上传至卫星网络管理平台,通过管理平台对历史样本数据的神经网络学习,训练气象和位置信息对网络状态信息的影响模型,实现集中管控,提高了电网Ka高通量卫星网络通信故障判定效率和精度,且准确率高,速度快,实时性好。实时性好。实时性好。

【技术实现步骤摘要】
一种电网Ka高通量卫星网络通信故障判定方法及装置


[0001]本专利技术涉及计算机
中的网络管理系统的软件开发技术,也涉及到了与地理位置信息相关的通信技术,尤其是指一种电网Ka高通量卫星网络通信故障判定方法及装置,可读储存介质及计算机控制系统。

技术介绍

[0002]在电力系统领域中,由于电力服务网络分布的广泛性、部分偏远性,地面公网通信网络和专网通信网络无法完全满足其实时通信要求,故需要引入Ka高通量卫星通信网络进行补充服务。地面公网通信网络,主要是3G、4G或5G无线通信网络。专网通信网络,主要包括电力系统载波通信、1.4G或1.8G无线专网通信和传统的Ku频段卫星通信专网。
[0003]虽然4G/5G无线公网在城区覆盖较好,但在高山峻岭、跨海输电线路等应用场景中通常存在覆盖盲区或覆盖不良的现象;1.4G或1.8G无线专网通信系统的建设尚处于初级阶段,总体覆盖率欠佳;传统的Ku频段卫星通信系统的固有特点为设备体积大、重量高、功耗大、便携性能欠佳、通信带宽资源昂贵。
[0004]因此,无论是地面公网通信网络还是专网通信网络,在电力系统中的应用都存在一定的局限性。在典型卫星网络接入场景中,卫星网络的智能便携天线通过路由器与多个设备相连,通过智能便携天线将多个设备所采集的数据上报至管理平台,通过管理平台进行数据分析与监测。但是,现有的卫星网络接入场景中存在一些不足之处:电站建设的地理状况复杂,存在网络故障,管理平台不能有效获取智能便携天线的网络状态信息;在铁塔上安装防外破摄像机以及辅助电力系统生产的传感器时,在公、专网覆盖不到位的铁塔上面,防外破摄像机以及传感系统的数据传输存在一定困难,视频回传时会导致通信资源的浪费;现有的无人机数据传送回指挥中心时无法提供稳定高带宽、低成本保证,不利于节约信道资源。

技术实现思路

[0005]针对上述
技术介绍
中的问题,提供了一种电网Ka高通量卫星网络通信故障判定方法,在高通量卫星一体化便携站进行数据上报时,通过便携站中的路由器记录网络状态信息在通信故障前后的变化,为神经网络训练模型提供样本数据,管理平台可以实时有效的监测通信网络状态。
[0006]本专利技术所述的一种电网Ka高通量卫星网络通信故障判定方法,包括:
[0007]S1通过智能便携天线中的路由器获取电力设备与Ka高通量卫星网络管理平台的通信状态;
[0008]S2通过北斗位置定位模块获取电力设备的位置信息,通过气象数据传感设备获取电力设备所在位置的气象信息;
[0009]S3所述管理平台监测若所述通信状态存在故障,则通过所述路由器记录故障前和故障中的网络状态信息;
[0010]S4当通信状态故障消除后,通过所述路由器将所述网络状态信息、气象信息和位置信息上报所述管理平台;
[0011]S5所述管理平台根据气象信息、位置信息和网络状态信息的历史样本数据建立影响通信网络质量的关系模型,实时判定Ka高通量卫星网络通信是否存在故障。
[0012]本专利技术基于管理平台的软件架构和Ka高通量卫星一体化便携站,进行网络故障监测,在出现网络故障时,对网络状态信息进行智能记录,在监测到卫星网络管理平台恢复连接时,将记录的网络状态信息上传至卫星网络管理平台,通过管理平台对历史样本数据的神经网络学习,训练气象和位置信息对网络状态信息的影响模型,实现集中管控,在未知网络状态信息的位置通过气象预测估计通信故障原因和持续时长,并根据估计的故障状态数据确定对应的数据传输策略,在通信正常时优先传输需要的数据。提高了电网Ka高通量卫星网络通信故障判定效率和精度,且准确率高,速度快,实时性好。
[0013]所述Ka高通量卫星是采用ka频段的新型通信卫星。鉴于Ka频段具有可用带宽宽,干扰少,设备体积小的特点。因此,Ka频段宽带卫星通信系统可为高速卫星通信、千兆比特级宽带数字传输、高清晰度电视(HDTV)、卫星新闻采集(SNG)、VSAT业务、直接到家庭(DTH)业务及个人卫星通信等新业务提供一种崭新的手段。
[0014]具体地,所述智能便携天线在卫星网络中通过路由器与复数个电力设备连接,所述智能便携天线将所述电力设备采集的数据上报至管理平台,通过管理平台进行数据分析与监测。
[0015]进一步地,所述北斗位置定位模块设置在所述智能便携天线中,实时获取位置信息并使用地图进行实时设备位置绘制;所述气象信息包括降雨强度、降雨穿行距离、降雪量、降雪穿行距离和同一时刻的雷电数量。
[0016]进一步地,所述网络状态信息包括通信指令、通信数据和通信信号衰减量;当通信状态存在故障时,所述网络状态信息表现为通信指令丢失、通信数据丢失和通信信号衰减;所述历史样本数据的选取是通过样本分析与网络状态信息变化有关的气象信息和位置信息。
[0017]进一步地,所述管理平台根据气象信息、位置信息和网络状态信息的历史样本数据建立影响通信网络质量的关系模型,实时判定Ka高通量卫星网络通信是否存在故障的步骤包括:建立神经网络模型,令神经网络的层数为K,输入层到输出层的节点个数分别为m0,m1,m2,
……
mK,输入向量的维度为m0,所述输入向量包括所述降雨强度、降雨穿行距离、降雪量、降雪穿行距离和同一时刻的雷电数量,输出向量维度为mK,所述输出向量为有影响或无影响,网络的第k层输出Y
(k)
为:
[0018][0019]net
(k)
=W
(k)
Y
(k

1)
+b
(k)
[0020][0021][0022]其中,b
(k)
为第k层的偏置向量,w
(k)
为第k层的权重矩阵,Y
(k

1)
为第k

1层输出,f
(k)
为第k层激活函数,W为权重矩阵,i为向量维度的中间参数,k为层数,j为向量维度的中间参数,T表示向量转置的意思,m
k
为第k层的节点个数,W
i,j(k)
为第k层的第i个输入向量到第j个输出向量的权重矩阵因子,
[0023]Y
j(k

1)
为第k

1层的输出向量的第j维数,b
i(k)
为第k层的偏置向量的第i维数,net
i(k)
为第k层(隐藏层k)神经元的输入量的第i维数,net
(k)
中每个元素表示对输入层向量以及偏置向量的加权和;
[0024]根据逐层计算,得到所述神经网络模型中每一层的节点输入值和输出值;根据气象信息、位置信息和网络状态信息的历史样本数据与计算的结果,通过误差反向传播的网络更新算法逐层反向求导,对神经网络模型的权重进行更新,直到得到训练完成的神经网络,根据训练完成的神经网络,对实时Ka高通量卫星网络通信状态进行故障判定。
[0025]进一步地,所述路由器将所述本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种电网Ka高通量卫星网络通信故障判定方法,包括:通过智能便携天线中的路由器获取电力设备与Ka高通量卫星网络管理平台的通信状态;通过北斗位置定位模块获取电力设备的位置信息,通过气象数据传感设备获取电力设备所在位置的气象信息;所述管理平台监测若所述通信状态存在故障,则通过所述路由器记录故障前和故障中的网络状态信息;当通信状态故障消除后,通过所述路由器将所述网络状态信息、气象信息和位置信息上报所述管理平台;所述管理平台根据气象信息、位置信息和网络状态信息的历史样本数据建立影响通信网络质量的关系模型,实时判定Ka高通量卫星网络通信是否存在故障。2.根据权利要求1所述的一种电网Ka高通量卫星网络通信故障判定方法,其特征在于:所述智能便携天线在卫星网络中通过路由器与复数个电力设备连接,所述智能便携天线将所述电力设备采集的数据上报至管理平台,通过管理平台进行数据分析与监测。3.根据权利要求1所述的一种电网Ka高通量卫星网络通信故障判定方法,其特征在于:所述北斗位置定位模块设置在所述智能便携天线中,实时获取位置信息并使用地图进行实时设备位置绘制;所述气象信息包括降雨强度、降雨穿行距离、降雪量、降雪穿行距离和同一时刻的雷电数量。4.根据权利要求1所述的一种电网Ka高通量卫星网络通信故障判定方法,其特征在于,所述网络状态信息包括通信指令、通信数据和通信信号衰减量;当通信状态存在故障时,所述网络状态信息表现为通信指令丢失、通信数据丢失和通信信号衰减;所述历史样本数据的选取是通过样本分析与网络状态信息变化有关的气象信息和位置信息。5.根据权利要求3所述的一种电网Ka高通量卫星网络通信故障判定方法,其特征在于,所述管理平台根据气象信息、位置信息和网络状态信息的历史样本数据建立影响通信网络质量的关系模型,实时判定Ka高通量卫星网络通信是否存在故障的步骤包括:建立神经网络模型,令神经网络的层数为K,输入层到输出层的节点个数分别为m0,m1,m2,
……
mK,输入向量的维度为m0,所述输入向量包括所述降雨强度、降雨穿行距离、降雪量、降雪穿行距离和同一时刻的雷电数量,输出向量维度为mK,所述输出向量为有影响或无影响,网络的第k层输出Y
(k)
为:net
(k)
=W
(k)
Y
(k

1)
+b
(k
))其中,b
(k)
为第k层的偏置向量,w
(k)
为第k层的权重矩阵,Y
(k

1)
为第k

1层输出,f
(k)
为第k层激活函数,W为权重矩阵...

【专利技术属性】
技术研发人员:张思敏陈伯龙滕蔓吴若迪时隽
申请(专利权)人:广东电网有限责任公司广州供电局
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1