一种基于拓扑感知的载波通信故障检测方法技术

本发明专利技术公开了一种基于拓扑感知的载波通信故障检测方法，包括：利用拓扑自动识别策略构建载波通信拓扑结构模型；采集所述载波通信拓扑结构模型节点的故障检测模型所需要的相关信息数据，并对所述数据进行预处理；利用预处理后的数据训练所述故障检测模型，采用准确率评价模型对所述故障检测模型的检测准确率进行评估；若评估结果符合预设标准则停止训练，利用训练好的故障检测模型检测载波通信网络的故障。本发明专利技术能够快速准确的检测出电网发生的故障。生的故障。生的故障。

【技术实现步骤摘要】
一种基于拓扑感知的载波通信故障检测方法


[0001]本专利技术涉及载波通信、故障检测的
，尤其涉及一种基于拓扑感知的载波通信故障检测方法。

技术介绍

[0002]现有技术中的拓扑识别方法均需要依赖在分支上安装的外部设备，如电流脉冲发生器、分支电流检测器、晶闸管等外部设备，这种技术增加了拓扑识别的成本，增加了系统的复杂度，增加了电网故障发生的概率，同时由于需要外部增加设备，给电网的运维也带来了更大的困难，因此，如何快速准确的进行故障检测识别是亟待解决的问题。

技术实现思路

[0003]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0004]鉴于上述现有存在的问题，提出了本专利技术。
[0005]因此，本专利技术解决的技术问题是：现有技术中的电网拓扑结构易增加电网故障发生的概率，且无法对发生的故障进行及时准确的检测，给电网的运维也带来了更大的困难。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：利用拓扑自动识别策略构建载波通信拓扑结构模型；采集所述载波通信拓扑结构模型节点的故障检测模型所需要的相关信息数据，并对所述数据进行预处理；利用预处理后的数据训练所述故障检测模型，采用准确率评价模型对所述故障检测模型的检测准确率进行评估；若评估结果符合预设标准则停止训练，利用训练好的故障检测模型检测载波通信网络的故障。
[0007]作为本专利技术所述的基于拓扑感知的载波通信故障检测方法的一种优选方案，其中：建立所述载波通信拓扑结构模型的过程包括，初始化，各个分支的电力载波STA均处于未上电状况；集中器CCO上电，所述集中器CCO运行后实时获取所述集中器CCO的NTB值，所述NTB为所述CCO的时间基准；所述电力载波STA所在的分支随机上电，各个STA所在的分支上电时间间隔大于T，T一般为100毫秒；所述集中器CCO在收到STA上电接入的时刻记录当下NTB值，以及对应的STA唯一编码；所述集中器CCO根据记录在案的具备相同的NTB值所对应的STA列为统一分支；在所有支路完成上电后，将同一NTB值的STA归为同一分支，得到整个载波通信网络的分支拓扑关系。
[0008]作为本专利技术所述的基于拓扑感知的载波通信故障检测方法的一种优选方案，其中：所述相关信息数据包括环境因素、电信号所转化的频谱图、传输介质的相关参数。
[0009]作为本专利技术所述的基于拓扑感知的载波通信故障检测方法的一种优选方案，其中：所述数据预处理过程包括，清洗空缺值、格式内容、逻辑错误、非需求信息数据；对所述相关信息数据进行特征构造、信息数据分级及信息数据量化；对变换后的信息数据进行信息统计，将信息数据合并到统一的信息数据存储中；采用判别器对信息数据样本中仍可能
出现异常的样本进行检测剔除；将所述进行检测剔除的信息数据按8:2比例分为训练集和测试集。
[0010]作为本专利技术所述的基于拓扑感知的载波通信故障检测方法的一种优选方案，其中：所述故障检测模型包括，利用多关系卷积神经网络计算拓扑网络节点的上下文信息：
[0011][0012]其中，和为多关系卷积神经网络中需要学习的参数，σ为RELU激活函数，表示相关联的第i个节点，使用一层可以为每个节点带来来自其相邻节点的上下文数据信息，堆叠多个层可以编码出更广泛的上下文；
[0013]堆叠L层，并将最后一层的输出作为最终的节点嵌入χ，或通过取χ的平均值获得全局嵌入特征，并将其与全局网络节点特征表示进行融合，得到全局编码特征
[0014]作为本专利技术所述的基于拓扑感知的载波通信故障检测方法的一种优选方案，其中：还包括，基于相似度计算公式将所述上下文信息的编码特征与历史数据的编码特征进行对比，所述相似度计算公式为：
[0015][0016]其中，表示历史数据的编码特征，F(w)表示线性函数，W表示权重系数，N表示常数，j表示迭代数，p表示数据提取几率。
[0017]作为本专利技术所述的基于拓扑感知的载波通信故障检测方法的一种优选方案，其中：所述准确率评价模型包括，
[0018][0019]其中，m1、m2分别表示真实发生的故障源节点数、受故障源节点影响的下游故障节点数，k1、k2分别表示故障源节点数、故障节点数。
[0020]作为本专利技术所述的基于拓扑感知的载波通信故障检测方法的一种优选方案，其中：所述预设标准包括，当所求得的AAR值大于百分之95时，停止训练所述故障检测模型。
[0021]作为本专利技术所述的基于拓扑感知的载波通信故障检测方法的一种优选方案，其中：所述异常样本判定的数学模型包括，
[0022][0023][0024]其中，E表示求期望，xP
data
表示样本x服从真实样本的数据分布，zP
latent
表示变量z服从隐变量空间的数据分布，G(z)表示将隐变量z映射到与真实样本维度一致的生成样本空间，D(
·
)表示判别器输出，其值位于0
‑
1之间，定义样本u为某一未知样本，D(u)越趋向于
1，则判别器认为样本u为异常样本的概率越大，反之为正常样本的概率越大。
[0025]本专利技术的有益效果：本专利技术能够快速准确的检测出电网发生的故障。
附图说明
[0026]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0027]图1为本专利技术一个实施例提供的一种基于拓扑感知的载波通信故障检测方法的基本流程示意图；
[0028]图2为本专利技术一个实施例提供的一种基于拓扑感知的载波通信故障检测方法的拓扑结构示意图。
具体实施方式
[0029]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本专利技术的具体实施方式做详细的说明，显然所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通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，都应当属于本专利技术的保护的范围。
[0030]在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是本专利技术还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似推广，因此本专利技术不受下面公开的具体实施例的限制。
[0031]其次，此处所称的“一个实施例”或“实施例”是指可包含于本专利技术至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0032]本专利技术结合示意图进行详细描述，在详本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于拓扑感知的载波通信故障检测方法，其特征在于，包括：利用拓扑自动识别策略构建载波通信拓扑结构模型；采集所述载波通信拓扑结构模型节点的故障检测模型所需要的相关信息数据，并对所述数据进行预处理；利用预处理后的数据训练所述故障检测模型，采用准确率评价模型对所述故障检测模型的检测准确率进行评估；若评估结果符合预设标准则停止训练，利用训练好的故障检测模型检测载波通信网络的故障。2.如权利要求1所述的基于拓扑感知的载波通信故障检测方法，其特征在于：建立所述载波通信拓扑结构模型的过程包括，初始化，各个分支的电力载波STA均处于未上电状况；集中器CCO上电，所述集中器CCO运行后实时获取所述集中器CCO的NTB值，所述NTB为所述CCO的时间基准；所述电力载波STA所在的分支随机上电，各个STA所在的分支上电时间间隔大于T，T一般为100毫秒；所述集中器CCO在收到STA上电接入的时刻记录当下NTB值，以及对应的STA唯一编码；所述集中器CCO根据记录在案的具备相同的NTB值所对应的STA列为统一分支；在所有支路完成上电后，将同一NTB值的STA归为同一分支，得到整个载波通信网络的分支拓扑关系。3.如权利要求1所述的基于拓扑感知的载波通信故障检测方法，其特征在于：所述相关信息数据包括环境因素、电信号所转化的频谱图、传输介质的相关参数。4.如权利要求1或3所述的基于拓扑感知的载波通信故障检测方法，其特征在于：所述数据预处理过程包括，清洗空缺值、格式内容、逻辑错误、非需求信息数据；对所述相关信息数据进行特征构造、信息数据分级及信息数据量化；对变换后的信息数据进行信息统计，将信息数据合并到统一的信息数据存储中；采用判别器对信息数据样本中仍可能出现异常的样本进行检测剔除；将所述进行检测剔除的信息数据按8:2比例分为训练集和测试集。5.如权利要求4所述的基于拓扑感知的载波通信故障检测方法，其特征在于：所述故障检测模型包括，利用多...

【专利技术属性】
技术研发人员：龙邹，吴振田，钟震宇，王秀竹，连柯，杨志花，易仕敏，任震宇，李森林，
申请(专利权)人：广东电力通信科技有限公司，
类型：发明
国别省市：