配电网5G通信架构及其时延可靠性研究

5G在数字配电网领域的核心价值在于发挥5G的超高可靠、低时延技术优势,为配电网涉控业务提供高可靠、低时延的通信。为了系统地提供配电网5G通信时延与可靠性理论分析方案,结合数字配电网业务给出了配电网5G通信典型架构,深入分析了针对配电网5G通信的时延模型,针对国内四大运营商5G帧结构逐一进行了端到端时延分析,并通过5G链路级仿真了3GPP Rel-15和Rel-16的5G可靠性数值,提出了配电网5G通信的时延与可靠性联合分析方法。

基于多重注意力和特征对齐的销钉缺陷检测方法

电网规模的快速扩张对输电线路的检测维护提出更高的要求,智能高效的自动化电力巡检图像识别算法作为提高检测维护的手段,已经成为目前研究的重要方向之一。为实现巡检图像中销钉缺陷目标的准确识别,文章提出一种基于多重注意力和特征对齐的销钉缺陷检测方法。首先,构建基于可变形注意力的可变形检测变压器(deformable detection transformer,Deformable-DETR)框架,解决现有识别算法中无法通过卷积神经网络进行像素点轮廓-环境关系建模的问题;之后,提出区域注意力特征提取模块,解决由可变形注意力带来的特征粒度不足的问题;为丰富目标物体特征质量,提出基于注意力的候选框特征对齐模块和约束函数;最后,选取华中地区某电力公司的航拍图像数据验证算法性能。结果表明,所提算法总体性能相比于现有的卷积算法提升5.4%,总体平均检测精度达到90.5%。

基于数据驱动知识显式嵌入的配电网最优需求响应策略

充分挖掘多元需求侧资源的灵活性,对于提升分布式新能源广泛接入背景下的新型配电网运行可靠性和经济性具有重要意义。然而,目前关于需求响应策略的解析化方法大多基于较为理想的用户行为观测和参数假设,纯数据驱动方法难以兼顾电网侧运行的复杂约束,策略的可用性存疑。为此,文章提出基于数据驱动知识显式嵌入的需求响应策略,首先,考虑到需求侧资源灵活性的强时段耦合特性,提出需求侧资源动态模型,定量分析需求侧灵活性资源的响应特性;其次,提出数据驱动知识的显式解析方法,将需求侧灵活性描述为混合整数线性模型并嵌入至配电网优化运行模型中,实现灵活实用的新型配电网供需交互与协调运行。最后,通过仿真算例验证所提方法兼具解析模型和数据驱动方法的优势,为不完全信息观测条件下源网荷协调运行提供较为实用化的解决方案。

基于图表示学习与知识蒸馏的电缆故障快速识别方法

在牵引供电系统设备故障预警中,准确并快速识别电缆的早期故障是智能化运维的关键技术。为挖掘特征构建的深层信息和解决工程部署迭代速率问题,文章提出一种基于图表示学习和知识蒸馏的电缆故障识别方法。首先,对电缆的电流信号采样分析,将时间序列下的特征信息用图特征进行动态显示和更新,采用卷积自编码器对特征图像实现降噪重构;然后,利用基于知识蒸馏的图卷积神经网络识别算法,构建教师-学生网络故障识别模型,研究在PSCAD仿真环境中搭建电缆故障模型采集过电流扰动信号;最后,通过实验对比证明所提模型的有效性和准确性,所提模型大幅提升模型迭代速率,同时增强在噪声扰动下的鲁棒性,具有工程应用价值。

信息化技术在电力通信业务中的应用

阐述信息化在电力通信业务中的应用现状,分析运行控制的特点和组成,包括继电保护业务、安全稳定装置、调度自动化业务,保护管理信息系统、性能监测装置、稳控管理信息系统的应用。

电力线载波通信中基于深度学习的信道估计

【目的】电力线载波(PLC)通信系统采用基于帧突发的传输模式,由于PLC系统的收发信机之间存在载波频偏、PLC信道存在各种噪声以及时变特性,加之PLC系统没有专用参考信号,传统信道估计对PLC信道没有跟踪预测能力,进而造成PLC系统性能恶化。【方法】文章针对现有问题,提出了一种基于长短期记忆(LSTM)神经网络和去噪卷积神经网络(DnCNN)的去噪长短期记忆(DnLSTM)神经网络,并利用该DnLSTM神经网络进行了PLC信道估计。首先对DnLSTM神经网络进行离线训练再保存训练好的DnLSTM参数,之后将其部署到PLC系统中,加载训练完成的参数后再进行在线预测,得到PLC系统信道响应。在电力线系统仿真中,文章采用最小二乘法(LS)、最小均方误差(MMSE)算法以及DnLSTM神经网络进行信道估计,给出在高斯白噪声(AWGN)、组合噪声、色噪声和脉冲噪声条件下的仿真结果,同时调整了用于信道估计的前导符号数量并进行了对应的仿真。【结果】仿真结果表明,DnLSTM神经网络进行信道估计的精度与采用的前导符号数量有关,采用4个前导符号进行信道估计,其估计精度优于LS,接近MMSE算法,并且DnLSTM神经网络具有很好的抵抗载波频偏以及信道时变的能力。当用于信道估计的前导符号越多时,低信噪比(SNR)情况下的PLC系统性能越好,高SNR情况下的PLC系统性能相似。【结论】通过以上仿真可得出,基于LSTM和DnCNN的DnLSTM神经网络可以很好地估计存在频偏的PLC系统信道响应,可实时跟踪其变化。

超融合架构下电力通信网络管理故障研究分析

现网中的新旧设备共存、新老版本并存等实际情况,不同厂家网管平台的接口开放性、接口协议等差异性,给电力通信网络的有效管理带来了困难,尤其是更容易造成故障的频繁发生。基于不同网络设备的融合电力通信网络管理系统的核心技术,分析现有各类系统的部署环境,并对不同品牌厂商网管系统的网元管理模式、相关通信协议互通的可能性进行了分析,进而提出了一种新的电力通信网络管理故障控制策略,以尽可能地避免故障的发生,并随后对已发生故障作最优的处理,经实验验证,可有效避免故障的发生。

柔性双工网络功率分配:边剪枝加速的GNN计算

由于用户间干扰的存在,无线通信网络中的功率分配问题往往是非凸的、计算量巨大。当前图神经网络(graph neural network,GNN)成为一种有效的计算方法被用来解决该问题。为了最大限度地提高网络传输速率的同时降低计算复杂度,提出一种将设备属性和通信连接属性纳入GNN的柔性双工网络图表示方法,并构建了相应的柔性双工图神经网络(flexible duplex GNN,FD-GNN)模型,首次将节点对之间的距离、信道增益和邻居作为动态阈值引入到FD-GNN中,以适应动态环境。排除GNN中邻居的信道状态信息,通过修剪FD-GNN中的边来减少计算时间降低网络时间复杂度。仿真表明,所提出的基于信道增益邻居的阈值设定方法,性能最优且达到加权最小均方误差(weighted minimum mean square error,WMMSE)的97%,相较于Full-GNN所需的训练时间下降24%。提出的基于阈值的边剪枝有效降低了GNN运算的时间复杂度,提高了算法有效性。

基于共识算法的换流站无线传感网安全接入身份认证机制

为了确保换流站无线传感网的安全性和可靠性,文章在换流站无线传感网中构建安全接入身份认证机制,提出了一种基于加权投票的共识算法,对接入换流站无线传感网的无线感知设备进行身份认证和授权,确保接入设备对无线传感网络资源的访问合法性。所提出的共识算法采用了加权投票的思想,根据感知设备拥有的资源和性能2个方面综合考虑并决定权重,通过权重值衡量节点在共识过程中的影响力,从而提高共识过程的公正性和可信度,并有效避免网络中的恶意攻击行为。从平均耗时、吞吐量、出错率和通信量开销等方面进行仿真验证,结果表明所提算法能够更好地适应不同接入终端之间的差异,提高了共识算法的效率和可靠性,为换流站无线传感网提供了有效的安全保障。

基于5G NR-U的分布式新能源采集调控策略

随着电力市场的不断发展,电力终端接入规模不断扩大,分布式新能源采集调控策略成为重要的研究热点。通过使用工作于免许可频段的5G空中接口(5G new radio in unlicensed spectrum,5G NR-U)技术可以建立安全、低成本、自主可控的电力无线专网,为实现智能电网中分布式新能源采集调控业务应用提供安全、高速、灵活的平台。文章提出一种基于5G NR-U电力专网的分布式新能源采集调控策略,研究微电网群中的分布式光伏发电新能源信息共享与资源调控,并使用Stackelberg博弈算法求解最优调控策略。仿真结果表明,该调控策略能够显著提高微电网群的消纳能力,提高微电网运行稳定性和安全性。

基于数据驱动的电力光纤通信网脆弱节点动态挖掘

电力光纤通信网络脆弱节点受到外界影响或系统干扰时,会导致线路元件的相继故障,缩减网络的使用寿命,为此提出基于数据驱动的电力光纤通信网络脆弱节点动态挖掘方法。首先在大数据环境下剔除网络中的冗余节点,并根据剔除结果交换节点信息,确定通信网络脆弱节点位置连接后,获取通信网络的异常范围;再依据划分出的通信异常范围提取该区域中的节点脆弱性能特征,建立脆弱节点挖掘模型;最后依据该模型挖掘出通信网络中的脆弱节点,实现电力光纤通信网络脆弱节点动态挖掘。实验结果表明,利用该方法开展通信网络脆弱节点挖掘时,节点挖掘精度平均值为98%,网络传输时延最小值为19 ms,节点挖掘消耗时间为0.42 s,节点覆盖程度为96.88%,通信网络脆弱节点挖掘性能较好。

新型电力系统中人工智能应用的关键技术

在向新型电力系统升级转型的过程中,新一代人工智能技术是其中的关键创新技术之一,可以与传统机理方法形成优势互补。然而随着电力人工智能技术应用的推广与深入,逐渐凸显出影响应用成效的3个关键问题:数据均衡问题、模型可信性问题、实时优化协同问题。针对以上3个问题,文章梳理总结其对应的核心技术分支、发展现状与典型应用,提出通过数据增强、迁移学习、仿真推演等数据增强推演技术解决小样本带来的模型过拟合与泛化性能下降问题,通过串行、引导、嵌入、反馈、并行等数据机理融合模式解决模型安全性、可解释性、鲁棒性等可信危机问题,通过群体智能、混合增强智能等智能优化决策技术解决源荷高度不确定下的大规模资源快速、实时、精准决策。最后,结合3个关键问题维度,对电力人工智能发展所需要重点突破的技术方向进行了展望。

新型电力负荷管理系统的多模态通信组网研究

针对新型电力系统背景下电力负荷管理通信终端海量接入带来的通信可靠性问题,提出了一种基于多模态智慧网络的通信组网模型及其应用部署方案。首先在分析新型电力负荷管理系统业务通信可靠性需求基础上,构建了基于多模态智慧网络的层次化通信组网模型与部署架构;然后在所提组网模型框架下,针对现阶段新型电力负荷管理系统通信接入网层部署可靠性,设计了适应负控业务场景包含有线专网、无线专网和无线虚拟专网的通信接入网层工程应用部署方案;最后分析了新型电力负荷管理系统通信组网应用过程中尚待解决的关键技术问题,为新型电力负荷管理系统通信通道建设提供技术理论参考。

基于FAHP-EWM-TOPSIS的新型电力负荷管理系统的通信方式适配方法

针对目前新型电力负荷管理系统的发展,文章旨在寻找一种合适的通信方式来承载系统端到端的通信。首先,从新型电力负荷管理系统的概念出发,剖析差异化业务需求,建立业务指标体系架构;其次,基于模糊层次分析法-熵权法-逼近理想解排序法,分析最优通信方式的选择策略;最后通过算例,分析不同通信方式对差异化业务的适配程度,确定符合新型电力负荷管理系统的最优通信方式,为新型电力负荷管理系统通信架构搭建提出参考性意见。

换流站复杂工况下物联感知网络通信效能评估体系与模型

数字换流站是新型电力系统建设的枢纽节点,以融合终端为核心的物联感知网络是数字换流站物联感知体系的关键基础设施。数字换流站内复杂的电磁环境及高低温、盐雾腐蚀、交变湿热等工况条件下多种物理场相互作用和叠加,这些耦合干扰会影响换流站物联感知网络设备的通信效能,降低物联感知网络通信性能和服务质量,影响数字换流站全面智能感知能力和高效的智慧运检水平。针对缺乏数字换流站复杂电磁干扰与多物理场影响下物联感知网络通信效能有效评估方法这一问题,文章从基本通信能力、业务保障能力、生存保障能力和资源利用能力4个层面出发,建立多级分层的换流站物联网通信效能评估体系,在此基础上,采用支持向量机算法构建评估模型,实现对数字换流站物联感知网络通信效能的快速、准确评估,提升物联感知网络对换流站高效运行和数字化建设的支撑能力。

电力数据网络设备运行优化

为增强电网数据通信的安全性,巩固变电站网络运行的稳定性,需要对电力数据网络设备进行优化,文章详述调度数据设备和传输制造报文规范(manufacturing message specification,MMS)信息交换机的优化方案,涉及路由器限制明文流量的访问控制列表(accesscontrollist,ACL)优化、路由器ACL策略配置书写优化、调度数据设备组网模式优化、MMS交换机级联模式优化以及MMS交换机业务分区优化。除优化后符合调度设计及网络安全原则的方案以外,其余方案结合调控中心平台监视和模拟实验,对优化成效进行验证,结果表明方案实现了电力数据网络的持续健康运行。

无线和电力线混合通信的MAC层接入算法设计和性能分析

电力线和无线混合通信可以优势互补提升电力物联网室内覆盖的综合性能。针对无线接入和电力线中继的混合通信场景,文章提出一种适用于两跳混合中继的通用MAC层算法。综合考虑物理层信道参数和MAC层的载波侦听多路访问(carrier sense multiple access,CSMA)退避流程,建立了该MAC层算法的跨层性能分析模型,推导了两跳传输系统归一化吞吐量以及系统时延等性能;最后仿真验证了算法有效性和模型准确性,分析了物理层和MAC层关键参数影响系统性能的机理。与Basic-RTS/CTS算法相比,所提算法可有效提升系统吞吐量和时延性能。

基于数据挖掘与预警的电气设备运输状态识别技术研究

针对大多数电气设备在运输过程中存在状态获取方式单一且监测效果不佳等问题,提出了一种基于数据挖掘与预警的电气设备运输状态识别技术。该技术方案结合了输电杆塔、高层建筑等点位上部署的摄像机,全方位获取电气设备的运输图像。采用支持向量机划分电气设备类型,并在此基础上根据各个设备的运输需求,利用改进ResNet-18网络进行状态识别,从而快速得到运输状态且发出必要的预警。基于前端系统获取的图像集对所提技术进行的实验分析结果表明,其对电气设备类型及运输状态的识别准确率接近97%。

柔性双工网络中基于图神经网络的能源效率联合优化方法

在绿色通信和双碳目标的背景下,提升网络能源效率(energy efficiency,EE)是当前无线通信系统设计和可靠运行的关键技术之一。首先,针对柔性双工网络(flexible duplex networks,Flex-Net)的“和能源效率”最大化的问题,构建了一个具有成对固定通信链路的网络;接着,鉴于图神经网络在通信网络资源优化中的优势,提出了一种新的基于图神经网络(GNN)架构的柔性双工网络(GFlex-Net),以联合优化“通信方向”和“传输功率”,达到网络能效最大化。仿真结果表明,与传统的算法相比,所提出的架构有近乎最优的性能表现,达到穷举法性能的95%,但保持了较低的计算复杂度O(n2),同时算法揭示了GNN在资源优化中面对样本复杂性、可扩展性和泛化能力方面的优势。

异构网络中基于深度强化学习的用户关联与资源分配策略

由于异构网络非凸性和组合性的特点,联合用户关联和资源分配来实现能量效率(energy efficiency, EE)和频谱效率(spectral efficiency, SE)同时最大化的最优全局策略仍然是非常具有挑战性的。基于深度强化学习(deep reinforcement learning, DRL)的方法成为在保证异构网络下行链路用户设备(user equipments, UEs)服务质量(quality of service, QoS)的同时实现联合EE-SE性能最大化的必要解决方案。此外,为解决状态-动作空间下计算量大的问题,引入了多智能体架构的深度强化学习算法(MAD3QN)来获得近乎最优控制策略。仿真结果表明,MAD3QN算法在系统容量方面比DDQN算法和DQN算法分别提高了9.2%和18.2%,在联合EE-SE性能方面分别提高了8.5%和16.6%,提升了系统的有效性。