基于电力线载波的低碳园区群拓扑预测和授时方法及系统技术方案

本发明专利技术公开了基于电力线载波的低碳园区群拓扑预测和授时方法及系统，利用电力线载波收集低碳园区拓扑间特征数据、电力线载波授时数据包历史授时时延以及误差数据，通过反向传播(Back Propagation，BP)神经网络准确预测低碳智慧园区群监测终端拓扑邻接关系。基于监测终端拓扑邻接关系，采用同步组博弈对授时数据包路径选择决策进行优化，进一步通过电力线载波为园区内部监测终端及电气设备授时，实现低碳智慧园区群的高精度低时延广覆盖时间同步。碳智慧园区群的高精度低时延广覆盖时间同步。碳智慧园区群的高精度低时延广覆盖时间同步。

【技术实现步骤摘要】
基于电力线载波的低碳园区群拓扑预测和授时方法及系统


[0001]本专利技术属于电力线载波通信领域，具体涉及基于电力线载波的低碳园区群拓扑预测和授时方法及系统。

技术介绍

[0002]当前我国处于能源转型阶段，在电力供应紧张背景下，构建以可再生能源为主体的低碳智慧园区群，具有节能减排、提高能效的重要意义。智慧园区群的低碳运行通过在园区光伏板、风电机组、电动汽车充电桩等电气设备上部署监测终端监控园区电能流转与设备运行情况的基础上，依靠柔性负荷调控、碳足迹监测、电力现货市场交易等电力业务来实现。在此过程中，监测终端的信息采集以及电力业务的稳定运行需要精准时间同步。一方面，电压、电流、相角等与时间强相关的低碳园区运行数据的采集，需要满足采集时间一致性，以确保线路故障测距、相量和功角动态监测、机组和电网参数校验的准确。另一方面，各类电力业务也需要在同一时间尺度下进行，时间不同步会导致园区群各能源主体的业务响应时间不一致，造成低碳智慧园区群失步振荡和异步运行，进而影响园区群整体的安全。现有北斗卫星授时方法需要在每个监测终端及电气设备上安装卫星定位模块和卫星接收天线，价格昂贵，施工不便。此外，卫星授时容易受到外界因素的影响，时间同步稳定性较差。5G、光纤授时方式的授时精度高，但5G传输距离短，为实现广域时间同步需要部署大量高功耗5G 基站，光纤施工成本高同样不利于大规模低碳智慧园区群的时间同步。因此，亟需一种支撑低碳智慧园区群安全稳定运行的低成本广覆盖时间同步方法。
[0003]电力线载波可以实现低成本广覆盖时间同步。电力线载波利用现有电力线路传输授时信息，无需额外架设网络，部署成本低，覆盖范围广，监测终端及电力设备通过连接电力线即可实现时间同步。利用电力线载波的低碳智慧园区群时间同步方法分为两步，首先，低碳智慧园区网关通过卫星、5G、光纤等时钟源收集精准授时信息，实现园区群不同网关间的时间同步。其次，园区网关通过电力线载波发送授时信号，实现园区内部监测终端及电气设备的广覆盖时间同步。但是目前电力线载波授时方法面临园区拓扑感知能力差、授时数据包时延大，授时误差大等问题。具体介绍如下：
[0004]第一，低碳智慧园区群电气设备频繁投切导致监测终端拓扑结构复杂多变，现有拓扑预测方法通过网关发送路径搜索信号，并对反馈的路径信息进行分析，从而进行拓扑预测。在园区复杂环境以及园区拓扑结构变化频繁的情况下，存在路径搜索时间长、拓扑预测精度差的问题，进而导致授时时延大、开销大。
[0005]第二，低碳智慧园区内部授时电力线载波数据包发送端的授时精度不同，并且发送端与接收端之间的电磁干扰、路径增益等信道特性动态变化，这导致授时数据包路径选择难以优化。此外，由于一些数据包接收端与授时数据包发送端之间没有可用路径或者路径条件较差，需要多跳传输来获取数据包，这增大了授时数据包路径选择优化的复杂度，导致授时时延大、误差大。
[0006]第三，衡量授时性能的指标包括授时时延、授时误差以及数据包传输可靠性等，各
性能指标相互制约。例如低碳智慧园区内某些授时数据包发送端的授时误差小，但与待授时监测终端之间的信道条件较差，利用该授时发送端进行授时可能会导致授时时延大、丢包率高等问题。因此，如何实现多性能指标之间的权衡也是一个问题。
[0007]现有技术一的技术方案：
[0008]基于电力线载波的拓扑预测方法；
[0009]现有技术一的缺点：
[0010]现有技术一需要发送大量电力线载波信号测量监测终端之间的路径信息，并对路径信息进行分析，从而预测网络拓扑，导致了网络资源大量浪费和拓扑预测时间严重增加，并且难以适应低碳智慧园区群拓扑结构的快速变化，无法满足拓扑预测的实时性需求。
[0011]现有技术二的技术方案：
[0012]基于电力线载波的时间同步方法；
[0013]现有技术二的缺点：
[0014]现有技术二以信干噪比最大化为目标为每个接收端选择发送端以优化电力线载波授时路径选择策略，未考虑发送端差异化的授时误差、授时时延等多指标的联合优化，导致接收端授时精度以整体授时性能严重降低，无法保障低碳智慧园区群复杂环境下的高精度时间同步。

技术实现思路

[0015]本专利技术所为了解决
技术介绍
中存在的技术问题，目的在于提供了基于电力线载波的低碳园区群拓扑预测和授时方法及系统，利用电力线载波收集低碳园区拓扑间特征数据、电力线载波授时数据包历史授时时延以及误差数据，通过反向传播(Back Propagation，BP)神经网络准确预测低碳智慧园区群监测终端拓扑邻接关系。基于监测终端拓扑邻接关系，采用同步组博弈对授时数据包路径选择决策进行优化，进一步通过电力线载波为园区内部监测终端及电气设备授时，实现低碳智慧园区群的高精度低时延广覆盖时间同步。
[0016]为了解决技术问题，本专利技术的技术方案是：
[0017]基于电力线载波的低碳园区群拓扑预测和授时方法，所述方法包括：
[0018]通过分析智慧园区群中智能网关和监测终端的实际分布情况及精准授时信息数据包，构建电力线载波授时系统模型；
[0019]基于电力线载波授时系统模型，在信干噪比约束下，通过优化电力线载波授时数据包的路径选择策略，构建优化问题；
[0020]获取低碳智慧园区数据库中存储的历史拓扑信息和电力线载波实时监测数据，进行监测终端拓扑情况预测，得到监测终端拓扑邻接关系；
[0021]基于电力线载波实时监测数据中的监测终端间的信干噪比、监测终端拓扑邻接关系和构建的优化问题，利用同步组博弈算法对授时信息数据包路径的决策进行优化，得到最优授时决策结果，所述决策结果实现园区群监测终端以及电气设备的时间同步。
[0022]进一步，所述分析智慧园区群中智能网关和监测终端的实际分布情况及精准授时信息数据包，具体为：
[0023]分析智慧园区群中智能网关和监测终端的实际分布情况，确定集合并表示为 S＝
{s0,s1,...,s
i
,...,s
I
}，其中s0表示智能网关，s1，s
i
和s
I
分别表示第1、i、I个监测终端；若园区的监测终端连接拓扑未知，则共考虑R轮授时过程，确定集合并表示为R＝{1,...,r,...,R}，其中1、r、R分别表示第1、r、R轮授时；
[0024]分析精准授时信息数据包，确定s
i
为数据包发送端，为数据包接收端；数据包路径选择指示变量用二进制变量表示，其中，表示第r轮授时中从s
i
接收数据包，否则确定二进制变量为智能网关以及各监测终端间的拓扑连接指示变量，把表示s
i
与连接，否则
[0025]进一步，所述电力线载波授时系统模型包括：电力线载波授时数据包传输模型、授时时延模型和累计授时误差模型；
[0026]构建所述电力线载波授时数据包传输模型，具体为：
[0027]考虑低碳智慧园区复杂电磁环境及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于电力线载波的低碳园区群拓扑预测和授时方法，其特征在于，所述方法包括：通过分析智慧园区群中智能网关和监测终端的实际分布情况及精准授时信息数据包，构建电力线载波授时系统模型；基于电力线载波授时系统模型，在信干噪比约束下，通过优化电力线载波授时数据包的路径选择策略，构建优化问题；获取低碳智慧园区数据库中存储的历史拓扑信息和电力线载波实时监测数据，进行监测终端拓扑情况预测，得到监测终端拓扑邻接关系；基于电力线载波实时监测数据中的监测终端间的信干噪比、监测终端拓扑邻接关系和构建的优化问题，利用同步组博弈算法对授时信息数据包路径的决策进行优化，得到最优授时决策结果，所述决策结果实现园区群监测终端以及电气设备的时间同步。2.根据权利要求1所述的基于电力线载波的低碳园区群拓扑预测和授时方法，其特征在于，所述分析智慧园区群中智能网关和监测终端的实际分布情况及精准授时信息数据包，具体为：分析智慧园区群中智能网关和监测终端的实际分布情况，确定集合并表示为S＝{s0,s1,...,s
i
,...,s
I
}，其中s0表示智能网关，s1，s
i
和s
I
分别表示第1、i、I个监测终端；若园区的监测终端连接拓扑未知，则共考虑R轮授时过程，确定集合并表示为R＝{1,...,r,...,R}，其中1、r、R分别表示第1、r、R轮授时；分析精准授时信息数据包，确定s
i
为数据包发送端，为数据包接收端；把数据包路径选择指示变量用二进制变量表示，其中，表示第r轮授时中从s
i
接收数据包，否则确定二进制变量为智能网关以及各监测终端间的拓扑连接指示变量，把表示为s
i
与连接，否则3.根据权利要求2所述的基于电力线载波的低碳园区群拓扑预测和授时方法，其特征在于，所述电力线载波授时系统模型包括：电力线载波授时数据包传输模型、授时时延模型和累计授时误差模型；构建所述电力线载波授时数据包传输模型，具体为：考虑低碳智慧园区复杂电磁环境及噪声干扰，基于正交频分复用技术实现电力线载波授时数据包的传输，第r轮授时从s
i
接收数据包的速率为：其中，N
s
为OFDM符号传输速率，为传输功率，表示路径增益；其中，及σ0分别为路径频率响应、电磁干扰及高斯白噪声功率；表示信干噪比间隙，即抵抗信干噪比衰落的能力；其中，P
e
表示目标误
码率，Q
‑1(x)表示的反函数；构建所述授时时延模型；具体为：将每轮授时划分为若干个长度为τ的时隙，每个时隙开始时，s
i
开始向连接的传输电力线载波授时数据包；在低碳智慧园区监测终端拓扑的多跳传输中，第r轮授时接收数据包的时延由发送端s
i
接收数据包的时延和从s
i
接收数据包的单跳传输时延两部分组成，表示为：其中，表示s
i
接收数据包所经历的时隙数，为从s
i
接收数据包的单跳传输时延，表示为：其中，U
r
表示第r轮授时数据包的大小；构建所述累计授时误差模型，具体为：确定第r轮接收数据包的累积授时误差为：其中，为第r轮授时从s
i
接收数据包的累积授时误差，即：其中，表示第r轮授时从s
i
接收数据包形成的单跳授时误差，服从误差均值为α，标准差为β的正态分布，即标准差为β的正态分布，即为第r轮授时s
i
接收数据包的累积授时误差。4.根据权利要求3所述的基于电力线载波的低碳园区群拓扑预测和授时方法，其特征在于，优化目标是在信干噪比约束下，通过优化电力线载波授时数据包的路径选择策略，最小化平均每轮授时时延和授时误差的加权和，所述优化问题具体构建为：C1:C2:C3:C4:其中，χ是权重参数，用于动态权衡授时时延与授时误差；C1和C2为路径选择约束，表示每轮授时接收端最多从一个发送端接收数据包；C3表示与s
i
不连接时，无法从s
i
接收
数据包；为保证电力线载波授时数据包的传输质量，对路径的信干噪比做出约束，即C4：5.根据权利要求1所述的基于电力线载波的低碳园区群拓扑预测和授时方法，其特征在于，所述进行监测终端拓扑情况预测，具体包括：基于监测终端拓扑邻接关系，为精准授时信息数据包选择授时路径；将历史拓扑信息输入到预设的BP神经网络中进行预训练，得到训练好的BP神经网络模型；基于构建的电力线载波授时系统模型，把电力线载波实时监测数据输入到训练好的BP神经网络模型中，得到监测终端拓扑邻接关系。6.根据权利要求5所述的基于电力线载波的低碳园区群拓扑预测和授时方法，其特征在于，所述将历史拓扑信息输入到预设的BP神经网络中进行预训练，具体包括：将低碳智慧园区数据库中存储的园区监测终端拓扑邻接关系矩阵、拓扑间特征数据、历史电力线载波授时时...

【专利技术属性】
技术研发人员：周振宇，王雨桐，张孙烜，曲睿，于海军，廖斌，吕磊，王电钢，李嘉周，吴斗，黄林，常健，刘萧，陈语，
申请(专利权)人：国网四川省电力公司信息通信公司，
类型：发明
国别省市：