基于人工智能的电力通信实时监测系统

彭波涛

摘 要：由于传统系统计算过程繁琐，计算量较大，导致系统响应性能比较差，在电力通信实时监测应用中响应时间较长，为此提出基于人工智能的电力通信实时监测系统。对通信监测仪和報警器进行设计，实现系统数据采集和监测结果警报。利用卡尔曼滤波算法对通信数据进行降噪处理，提高数据精度，利用人工智能算法计算电力通信误码率，并与设定阈值对比，输出电力通信状态监测结果。经实验证明，设计系统响应时间短于传统系统，响应性能更优越。

关键词：人工智能;电力通信;实时监测;通信监测仪;报警器

中图分类号：TN915.07 文献标识码：A

引言

通信是电力系统中重要组成部分，是电力系统各个单元之间数据传输的过程，因此有效的通信可以确保电力系统正常运行。由于电力系统内部结构比较复杂，各个单元之间通信量较大，受到外部因素和内部因素影响，电力通信存在一定的安全隐患，经常会发生电力通信故障，因此需要采取有效的监测手段对电力通信状态进行实时监测[1]。相关研究人员研发了电力通信实时监测系统，常用的监测系统为基于大数据的电力通信实时监测系统，主要采用大数据技术对电力通信状态进行分析。但是在实际应用中大数据技术运算过程比较繁琐，需要海量的数据作为系统计算支撑，一套监测流程下来需要消耗一定的时间，导致系统实时响应性能比较差，响应时间比较长，无法达到电力通信实时监测需求，不能及时帮助工作人员发现电力通信故障。为了解决上述问题，本文提出基于人工智能的电力通信实时监测系统研究。此次试图利用人工智能技术提高系统的智能化和信息化，从优化实时响应性能角度出发，在传统系统基础上进行优化设计，从而形成一套新的系统，为电力通信实时监测提供技术支撑。

1系统硬件设计

系统硬件主要包括通信监测仪、报警器、服务器以及显示器，四个设备由系统电源电路连接实现供电，其拓扑结构如下图所示。

如上图所示，通过USB接口将通信监测仪与电网通信总线连接，对电网通信运行参数进行实时测量，通过wifi将数据发送给系统服务器上，由服务器完成对通信数据处理和分析，并将分析结果发送给报警器，触发报警器报警，并将监测结果绘制成报告发送到显示器上进行显示[2]。由于服务器和显示器为系统基础硬件设备，基本与传统系统一致，在后续不做过多说明，以下将对通信监测仪和报警器的选型与设计进行详细说明。

1.1通信监测仪的选型

通信监测仪是系统的核心硬件设备，其主要作用是负责采集到电力通信运行数据，结合系统需求此次选择德科的H7868型号的智能通信监测仪。由于电力通信总线设备提供的是RS485接口，而该通信监测仪的接口为USB接口，为了方便监测仪与通信总线连接，设计了RS485/USB转换器，利用RS485/USB转换器对通信总线接口和通信监测仪接口进行转换，并经过该转换器将通信总线上的数据传送到通信监测仪SFGOK芯片上[3]。通信监测仪由扫描器、解析装置两部分组成，接通电源和通信总线后，由扫描器向通信总线进行电子扫描，将扫描到的数据由解析装置进行解析处理，最后由SFGOK芯片完成对通信数据报文识别，并将监测数据发送到计算机上，用于系统计算。

1.2报警器的选型

报警器的作用是根据系统监测结果进行报警，用于提示工作人员，此次选择的是DGR公司生产的JFYRTY-A4SF型号报警器，该报警器体积比较小，重量比较轻[4]。将报警器安装在电力通信总线上方，该报警器有红色和绿色两种警示光，如果系统监测结果为电力通信状态正常，不存在通信故障，则报警器会发出绿色警示光;如果系统监测结果为电力通信状态失常，存在通信故障，此时报警器会发出红色警示光，并且触发报警器语音功能，发出警报。警示光闪烁频率和警报音量会根据电力通信故障严重程度而定，故障越严重，报警器的警报音量越大，警示光闪烁频率越快。

2系统软件设计

2.1通信数据预处理

系统在对电力通信数据采集时会受到外部因素干扰，以及系统数据采集设备自身的采集残差，导致采集到的电力通信数据会存在噪声，即采集数据精度没有达到监测需求，因此需要对电力通信数据进行预处理。此次利用卡尔曼滤波算法对通信数据进行降噪处理，计算出通信数据预测值，其计算公式如下：

公式（2）中，g表示电力通信数据方差，v*表示电力通信数据理想值[5]。利用上述公式计算出通信数据方差，根据该数值对采集的通信数据进行滤波，从而达到数据降噪的目的。

2.2基于人工智能的电力通信状态监测分析

电力通信状态失常的表现为电力通信误码，因此以电力通信误码率作为电力通信状态判断的依据，利用人工智能技术对处理后的数据进行计算，其计算过程如下图所示。

如上图所示，利用人工智能技术设计电力通信误码率描述模型，其用公式表示如下：

公式（5）中，γ*表示电力通信误码率的先验均值;S表示电力通信误码率的先验方差。将公式（5）计算结果与通信数据代入到公式（3）中，求解出电力通信误码率。在系统中设定了一个误码率阈值，如果计算数值超过该阈值，则表示电力通信状态为失常状态，需要进行维护;如果计算数值未超过该阈值，则表示电力通信正常，根据该规则输出监测结果。

3实验论证分析

实验以某电力通信总线设备为实验对象，利用此次设计系统与传统系统对该电力通信状态进行实时监测。实验准备了三个通信监测仪和一个报警器，将通信监测仪的监测范围设定为5.5m，监测频率设定为3.65GHz，监测信号发射频率设定为3.64GHz，数据读取周期设定为0.01s。实验共采集到23.26GB电力通信数据，监测时间为24h，共进行50次监测。利用公式（5）计算出误码率参数为1.26、1.64，经系统监测该电力通信平均误码率为5.15%，系统的误码率阈值设定为6.5%，系统监测情况如下表所示。

实验以响应时间为检验两种系统的指标，以通信监测仪采集到第一个通信数据为开始时间，以系统输出监测结果为结束时间，利用OJHY软件分别分析出，两个系统监测10次、20次、30次、40次、50次、60次时平均响应时间，具体数值如下表所示。

从表2中数据分析可以得出以下结论：设计系统平均响应时间比较短，最短为0.005s，基本为实时监测，这是因为设计系统采用了人工智能技术，利用人工智能技术对通信状态进行智能化分析，简化了电网通信状态计算流程，从而使系统监测响应时间更短一些。而传统系统响应时间比较长，做大响应时间为5.264s，远远大于设计系统，因此实验结果证明了，在响应性能方面设计系统优于传统系统，能够实现电力通信实时监测。

4结束语

此次利用人工智能技术设计一套新的电力通信实时监测系统，实现了对传统系统硬件与软件方面的优化与创新，并且提高了系统的监测响应性能，有助于提高电力通信安全性与可靠性，能够为电力通信故障维护提供可靠的数据依据。

参考文献

[1]汤龙龙，方钟，庞铄，等.一种基于物联网分布式光缆在线监测装置在电力通信上的应用[J].通讯世界，2020，27（01）：239-240.

[2]李葵，吴非，王韬，等.基于物联网的电力通信机房可视化系统[J].自动化与仪表，2020，35（09）：97-100.

[3]王伟屹，赵晔.卡尔曼滤波算法下电力通信自动化监测系统设计[J].西安工程大学学报，2021，35（05）：50-55.

[4]李文佳，金燊.区域通信网光缆智能分配监测系统的设计与实现[J].长江信息通信，2021，34（05）：159-161.

[5]张博凡，施禹.电力通信光缆在线监测系统的设计与应用[J].电力安全技术，2020，22（10）：34-37.