基于泛在物联网的多终端电力通信网抗干扰方法的研究

张建粉，钱 宇，汤 三

(国网新疆电力有限公司巴州供电公司，新疆 库尔勒 841000)

0 引言

近年来，随着社会经济的发展和能源需求的增加，电力通信网被广泛应用。在多终端电力通信网得到广泛应用的同时，因为电力通信网中线路分散，数量较多，干扰问题也日趋严重。这些干扰会导致电力通信质量下降，甚至中断，因此电力通信网抗干扰设计对提高电力系统运行的稳定性与安全性具有重要意义。

当下，已经有许多专家对于电力通信网抗干扰方法进行了研究，也得到了一定的研究成果。文献[1]提出一种低压电力线载波通信主动抗干扰方法，该方法首先最大限度地匹配电力通信线路阻抗与收发控制器阻抗，在此基础上采用扩频技术主动选择高可靠性通信频段，以抑制强衰减、强干扰对电力通信的影响，实现电力线载波通信主动抗干扰设计。但是利用该方法进行多终端通信时，电力通信系统互联性差，网络抗干扰性能并不好。文献[2]提出基于改进斜投影算子的电力通信抗干扰方法，首先对传统斜投影偏振滤波器进行改进，利用改进后的滤波器进行偏振传输信号的优化、非线性向量的增强处理，以提升通信网络的抗干扰能力，但是在实际应用中滤波器性能不稳定，导致电力通信网抗干扰能力差。

由于传统方法的抗干扰能力不佳，因此设计基于泛在物联网的多终端电力通信网抗干扰方法。

泛在物联网是围绕电力系统各环节，充分应用移动互联、人工智能等现代信息技术、先进通信技术等，实现电力系统各个环节互联、人机交互的一种系统。具有全面感知、信息处理速度快、应用灵活等特点，因此将其应用到多终端电力通信网抗干扰中，具有重要意义。

1 电力通信网传输信道划分

利用泛在物联网系统对电力通信网传输信道划分，将多终端电力通信网传输信道划分为若干正交子信道，将信道中数据调制到每个子信道上，转换成低速子数据。由于在信道划分过程中，要进行频率选择，因此根据每个信道的子载波信噪比，对通信网传输信道的载波进行动态分配和选择，以降低噪声对多终端电力通信网传输信道划分的影响。

首先利用泛在物联网连接通信网，将通信网与网络层对接，获取通信网信息。对多终端电力通信网信号解调处理，根据分码结构形成一个向量组A={A1,A2,…,An}，在此基础上，对向量组编码处理，形成相应的发送矩阵，得到电力通信网信道传输的向量，用公式表示为

(1)

N为电力通信网中的第1个循环矩阵[3]；E为代表电力配电中心的通信信号的冲激响应。

在此基础上，采用动态子载波选择算法预测下一信道中的子载波，能够减少误码率，动态子载波选择算法构建[4]发送端和接收端的数学模型，如图1和图2所示。

图1 发送端数学模型

图2 接收端数学模型

图1～图2中，ak表示电力通信网传输信号;C0,C1,…,Cn-1表示不同的电力通信网传输信道;exp(·)为动态子载波选择函数。

利用如上所示的发送端数学模型和接收端数学模型为信道划分提供基础依据。

在得到电力通信网信道传输向量的基础上，利用泛在物联网技术进行信道预测，假设电力通信网中共有m个子载波，其中每个子载波的信噪比用Sm(m=1,2,…,n)表示。本文利用通信信道中的每个子载波，对信道值进行预测。发送端根据该子载波在时隙t时的信道预测值，并根据子载波的信道确定值划分电力通信网通信信道。其中，发送端接收到的应答信息状况包括在时隙结束时收到的应答信息与在高低误码率下接受的应答信息。假设该子载波在误码率下接收到的应答信息概率为g，时隙结束时接收到的应答状态信息[5]为h，则信道处于低码率的概率为

(2)

η为发送端接收到的信号概率;Pi为接收到应答信息的概率;z为信道误码率。

根据上述定义获得信道状态的预测值Dk，按照从大到小的顺序选用T个信道状态较好的子载波，以此作为信道划分依据，算法流程如图3所示。

图3 信道划分流程

图3中，D1表示信道处于高码率的概率;qn为n条电力通信网络通信信道总传输向量，当qn=0时，由于子载波信道较差，因此不再进行数据传输，重新获取通信信道子载波信噪比，直至获取的子载波处于较好状态。计算所有子载波信道的预测值，并进行排序。按照排序结果，完成对多终端电力通信网传输信道的划分，为多终端电力通信网抗干扰提供基础依据。

2 多终端电力通信网抗干扰模型构建

在上述电力通信网传输信道划分的基础上，构建多终端电力通信网抗干扰模型。利用泛在物联网中的人工智能技术建立通信连接、快速组网[6]，对电力通信网中的信息实时感知和处理。首先建立多终端电力通信网信号模型，利用多普勒频移公式[7]表示电力通信网信号频率与信号传输速度之间的关系，即

(3)

根据上述信号模型，得到电力通信网中信号线性时变信号，假设电力通信网中跟踪误差ex=x-xn，信道的冲击响应为随机过程，即满足

(4)

w为电力通信网状态信息;a为参考信号;E{·}为通信信号冲激响应量。

在此基础上，将得到的电力通信网信号的散射函数[9]定义为

(5)

j为电力通信网散射信号;F{·}为通信网中数据传输总量;d(c,t)为电力通信网信道函数。

在上述计算完成的基础上，得到干扰抑制后的多终端电力通信网状态方程[10]

(6)

h为多终端电力通信网通信信号带宽;B为采样间隔;r为电力终端数量。

当多终端电力通信网中2个状态信号相同时，相关峰值最大，可以由相关监测器发送信号。但是当存在单频、窄带、多径以及多址干扰时，需要对信号功率进行解拓处理，以过滤其他信号。通过上述定义，得到基于泛在物联网的多终端电力通信网抗干扰模型，如图4所示。

图4 多终端电力通信网抗干扰模型

通过上述处理，完成多终端电力通信网抗干扰模型的建立。

3 实验对比

3.1 实验方案

为验证此次设计的基于泛在物联网的多终端电力通信网抗干扰方法的有效性，此次实验利用多台移动电脑与终端配合来进行。将通信距离设置为1 500 m左右，实验电力线噪声功率在10～100 dBm中调整，实验中载波频率选择210 kHz，扩频带宽设定为20 kHz。

为了保证实验的严谨性，将文献[1]方法与文献[2]方法与此次设计方法对比。实验指标选择为电力系统环节互联度与抗干扰性能比较。

在此次实验过程中，电力通信网输入信号的时域波形如图5所示，实验噪声强度如图6所示。

图5 实验信号的时域波形

图6 实验噪声强度

根据上述仿真环境与参数的设定，使用文献抗干扰方法与此次设计的基于泛在物联网的多终端电力通信网抗干扰方法进行比较。

3.2 实验结果分析

3.2.1 电力通信系统环节互联度比较

电力通信系统环节互联度是指各条电力线路与电力通信系统环节各个环节的互联程度，互联度好的电力通信系统信息传输速度快，整体性好，一旦哪个环节发生干扰就能快速检测到并加以解决，是提升电力通信网抗干扰能力的基础。计算公式为

(7)

HZ为第Z条线路上的电力通信系统环节;α为互联系数;HK为电力系统环节总数量。

不同研究方法互联度计算结果如表1所示。

分析表1可知，在120次实验中，文献[1]方法互联度在63.4%～69.3%之间，文献[2]方法互联度的变化范围是73.9%～80.1%，本文方法互联度在97.6%以上，电力系统各个环节的连通性好，是提升电力通信网抗干扰能力的基础。

表1 互联度比较结果

3.2.2 抗干扰性能比较

实验过程中，在不同时间段进行多次测试，检验应用不同方法后多终端电力通信网抗干扰能力，对比结果如图7所示。

图7 抗干扰性能比较

由图7可以看出，文献[1]方法应用后，在采样点110～130处存在噪声干扰，说明此方法不能完全抵御噪声干扰，抗干扰能力较差。文献[2]方法应用后，在采样点370～470处存在噪声干扰，且噪声干扰范围较大，因此该方法的抗干扰性能不好。基于泛在物联网的抗干扰方法应用后，能够完全抵御噪声对多终端电力通信网的干扰，抗干扰性强。

因此，通过上述实验对比结果可以证明，此次设计的电力通信网抗干扰方法大大提高了多终端电力通信网的抗干扰能力。

4 结束语

针对传统的多终端电力通信网抗干扰方法抗干扰性能较差的问题，利用泛在物联网系统，设计了一种基于泛在物联网的多终端电力通信网抗干扰方法。此次设计从电力通信网传输信道划分和多终端电力通信网抗干扰模型构建实现了多终端电力通信网的抗干扰。实验对比结果表明，本文所设计方法的抗干扰性能好。

综上所述，此次设计的电力通信网抗干扰方法提高了电力通信网的抗干扰性能，在电力通信网管理中具有较好的应用价值，能够推动电力通信网的发展。