本发明专利技术公开了一种电力线噪声建模方法及装置，包括：根据端到端电力线的环境数据构建电力线的噪声分布特征模型；所述电力线环境数据包括温度、电力电子设备接入数量、接入种类和接入行为；所噪声分布特征模型包括噪声幅度模型、噪声峰谷比模型和噪声相位模型；根据电力线噪声信息和小波噪声剥离网络模型剥离电力线的实际噪声数据；根据所述实际噪声数据和电力线环境数据，拟合所有噪声分布特征模型中各个自变量之间的权重参数，并对所述权重参数进行归一化得到电力线噪声模型；迭代训练所述电力线噪声模型，直至所述电力线噪声模型达到预设条件，停止训练，输出电力线噪声模型。
1、目前，低压电力线通信技术具有覆盖面广，组网方便，不需要安装新的通信设备等优势，是电网中数据传输的一种关键的通信技术。然而，随着高比例可再生能源和电力电子设备的接入，所带来的噪声干扰急剧增加，给电力线的高速可靠通信带来了挑战。电力线噪声建模技术通过建立简单精确的电力线噪声模型，能够充分研究电力线噪声特性，提高电力线通信系统传输质量，进一步优化电力线通信系统的性能。
2、现有的电力线载波噪声测试，忽略了电气量、环境量、用户行为等多种因素对电力线噪声建模的影响，未充分考虑电力线噪声特征量与电气量、环境量、用户行为等因素之间的非线性关系，导致电力线噪声建模准确性较差。同时忽略了高比例电力电子设备接入对电力线噪声建模，未考虑同时拟合噪声特征量与多种自变量之间关系的计算复杂度，导致电力线噪声建模计算复杂度较高，模型构建效率较低。
3、根据端到端电力线的环境数据构建电力线的噪声分布特征模型；所述电力线环境数据包括温度、电力电子设备接入数量、接入种类和接入行为；所噪声分布特征模型包括噪声幅度模型、噪声峰谷比模型和噪声相位模型；
>4、根据电力线噪声信息和小波噪声剥离网络模型剥离电力线的实际噪声数据；5、根据所述实际噪声数据和电力线环境数据，拟合所有噪声分布特征模型中各个自变量之间的权重参数，并对所述权重参数进行归一化得到电力线噪声模型；
6、迭代训练所述电力线噪声模型，直至所述电力线噪声模型达到预设条件，停止训练，输出电力线噪声模型。
7、本专利技术根据温度、电力电子设备接入数量、接入种类和接入行为等因素，多方面考虑电气量、环境量、用户行为电力线噪声建模的影响，从而构建噪声幅度、峰谷比、频带、相位等特征量的分布模型，从而根据各个特征量的分布模型构建电力线噪声模型，有效提高电力线噪声建模的准确性和模型构建效率。
8、进一步的，所述根据端到端电力线的环境数据构建电力线的噪声分布特征模型，包括：
9、根据电力线电流、电压、电线温度和电子设备接入数量，构建噪声幅度模型；
10、根据电力线噪声幅度的最大值与最小值构建电力线噪声峰谷比模型；
11、根据电子设备的接入数量、接入种类和接入周期构建电力线的噪声频带模型；
12、根据电子设备的接入种类和接入周期构建电力线的噪声相位模型。
13、进一步的，所述根据电力线噪声信息和小波噪声剥离网络模型剥离电力线的实际噪声数据，包括：
14、根据小波基函数的伸缩因子和平移因子构建小波噪声剥离网络模型；
15、根据所述小波噪声剥离网络模型和发送端与接收端的通信状况，剥离电力线的实际噪声数据。
16、进一步的，所述根据所述实际噪声数据和电力线环境数据，拟合所有噪声分布特征模型中各个自变量之间的权重参数，并对所述权重参数进行归一化得到电力线噪声模型，包括：
17、根据单一自变量拟合规则和所述实际噪声数据和电力线环境数据计算各个噪声分布特征模型的初始权重参数；所述单一自变量拟合规则中规定根据单一自变量和噪声分布特征量计算各个噪声分布特征模型的权重参数；
18、将所有初始权重参数进行归一化，获得电力线噪声模型。
19、进一步的，所述迭代训练所述电力线噪声模型，直至所述电力线噪声模型达到预设条件，停止训练，输出电力线噪声模型，包括：
20、在每一次迭代过程中，根据所述电力线噪声模型计算噪声理论值，并计算所述噪声理论值和噪声实际值的距离；
21、判断所述距离是否小于预设阈值，若是，则停止训练，输出电力线噪声模型；
22、若不是，则根据若干个不同组合的电力线环境数据计算各个噪声分布特征模型的权重参数的修正量，并根据各个修正量对所述权重参数进行融合，并根据融合后的权重参数更新电力线噪声模型，进入下一次迭代训练。
23、第二方面，本专利技术提供了一种电力线噪声建模装置，包括：特征模型构建模块、实际噪声分离模块、噪声模型构建模块和模型训练模块；
24、所述特征模型构建模块，用于根据端到端电力线的环境数据构建电力线的噪声分布特征模型；所述电力线环境数据包括温度、电力电子设备接入数量、接入种类和接入行为；所噪声分布特征模型包括噪声幅度模型、噪声峰谷比模型和噪声相位模型；
25、所述实际噪声分离模块，用于根据电力线噪声信息和小波噪声剥离网络模型剥离电力线的实际噪声数据；
26、所述噪声模型构建模块，用于根据所述实际噪声数据和电力线环境数据，拟合所有噪声分布特征模型中各个自变量之间的权重参数，并对所述权重参数进行归一化得到电力线噪声模型；
27、所述模型训练模块，用于迭代训练所述电力线噪声模型，直至所述电力线噪声模型达到预设条件，停止训练，输出电力线噪声模型。
28、进一步的，所述特征模型构建模块，用于：
29、根据电力线电流、电压、电线温度和电子设备接入数量，构建噪声幅度模型；
30、根据电力线噪声幅度的最大值与最小值构建电力线噪声峰谷比模型；
31、根据电子设备的接入数量、接入种类和接入周期构建电力线的噪声频带模型；
32、根据电子设备的接入种类和接入周期构建电力线的噪声相位模型。
33、进一步的，所述实际噪声分离模块，用于：
34、根据小波基函数的伸缩因子和平移因子构建小波噪声剥离网络模型；
35、根据所述小波噪声剥离网络模型和发送端与接收端的通信状况，剥离电力线的实际噪声数据。
36、进一步的，所述噪声模型构建模块，用于：
37、根据单一自变量拟合规则和所述实际噪声数据和电力线环境数据计算各个噪声分布特征模型的初始权重参数；所述单一自变量拟合规则中规定根据单一自变量和噪声分布特征量计算各个噪声分布特征模型的权重参数；
38、将所有初始权重参数进行归一化，获得电力线噪声模型。
39、进一步的，所述模型训练模块，还用于：
40、在每一次迭代过程中，根据所述电力线噪声模型计算噪声理论值，并计算所述噪声理论值和噪声实际值的距离；
41、判断所述距离是否小于预设阈值，若是，则停止训练，输出电力线噪声模型；
42、若不是，则根据若干个不同组合的电力线环境数据计算各个噪声分布特征模型的权重参数的修正量，并根据各个修正量对所述权重参数进行融合，并根据融合后的权重参数更新电力线噪声模型，进入下一次迭代训练。
本文档来自技高网...
【技术保护点】
1.一种电力线噪声建模方法，其特征在于，包括：
2.如权利要求1所述的电力线噪声建模方法，其特征在于，所述根据端到端电力线的环境数据构建电力线的噪声分布特征模型，包括：
3.如权利要求1所述的电力线噪声建模方法，其特征在于，所述根据电力线噪声信息和小波噪声剥离网络模型剥离电力线的实际噪声数据，包括：
4.如权利要求1所述的电力线噪声建模方法，其特征在于，所述根据所述实际噪声数据和电力线环境数据，拟合所有噪声分布特征模型中各个自变量之间的权重参数，并对所述权重参数进行归一化得到电力线噪声模型，包括：
5.如权利要求1所述的电力线噪声建模方法，其特征在于，所述迭代训练所述电力线噪声模型，直至所述电力线噪声模型达到预设条件，停止训练，输出电力线噪声模型，包括：
6.一种电力线噪声建模装置，其特征在于，包括：特征模型构建模块、实际噪声分离模块、噪声模型构建模块和模型训练模块；
7.如权利要求6所述的电力线噪声建模装置，其特征在于，所述特征模型构建模块，用于：
8.如权利要求6所述的电力线噪声建模装置，其特征在于，所述实际噪声分离模块，用于：
9.如权利要求6所述的电力线噪声建模装置，其特征在于，所述噪声模型构建模块，用于：
10.如权利要求6所述的电力线噪声建模装置，其特征在于，所述模型训练模块，用于：
...
【技术特征摘要】
1.一种电力线噪声建模方法，其特征在于，包括：
2.如权利要求1所述的电力线噪声建模方法，其特征在于，所述根据端到端电力线的环境数据构建电力线的噪声分布特征模型，包括：
3.如权利要求1所述的电力线噪声建模方法，其特征在于，所述根据电力线噪声信息和小波噪声剥离网络模型剥离电力线的实际噪声数据，包括：
4.如权利要求1所述的电力线噪声建模方法，其特征在于，所述根据所述实际噪声数据和电力线环境数据，拟合所有噪声分布特征模型中各个自变量之间的权重参数，并对所述权重参数进行归一化得到电力线噪声模型，包括：
5.如权利要求1所述的电力线噪声建模方法，其特征在于，所述...
【专利技术属性】
技术研发人员：施展，付佳佳，李星南，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：
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。