基于数字信号处理的电力光纤通信网络状态监测

药 炜，张 凯，原 军，张 源

(国网山西省电力公司太原供电公司,山西 太原 030012)

0 引言

随着电力系统的网络不断发展，光通信的容量逐渐扩大，变得更加复杂。而光纤通信网络在网络的动态特性中存在一些传输的问题，包括损耗、色散补偿、非线性补偿和各类噪声抑制等。在数据传输方面，服务的中断可能导致信息的灾难性后果。因此，针对电力光交换系统通信的监测显得十分重要。实现高质量的网络状态监测，不仅对于通信网络的控制、管理和运维有着重要意义，而且能够提升电力系统安全可靠的运维。在运维管理过程中，通信系统的性能监测是重要的环节，能够通过误比特率、QoS等进行性能评估。由此可见，在动态复杂的通信网络中，性能评估以及监测是必不可少的环节。

针对通信网络状态监测，文献[1]针对电力系统通信网络状态估计模型与智能告警进行了研究。文献[2]提出了一种基于信令大数据分析的网络故障发现方法。文献[3]提出了智能变电站通信网络状态监测信息模型及配置描述方法。文献[4]提出了基于SDN架构的5G通信网络中的切换算法。文献[5]对一种基于泛在物联网的多终端电力通信网抗干扰方法进行了研究。

目前，针对电力光纤通信的研究大多集中在网络规划[6]、运维方式[7]、故障检测[8]和安全可靠性评估[9]等方面。针对与数字信号处理方法结合的研究还较少。

为此，本文提出了一种基于数字信号处理的电力光纤通信网络状态监测方法。

1 光纤通信网络状态监测原理

1.1 监测系统结构

信道故障、延时、冗余、可靠性、数据同步、交换频率、数据带宽和数据规模均会对通信系统的选择产生影响。电力系统通信网络的结构如图1所示。

图1 电力通信网络示意

光纤通信网络状态监测的原理如图2所示。由图2可以看出，在光节点之间的光纤网络受到监控元件的同时监控。以信号模型作为提取原理，提取线路的相关信息。该监测能够提供网络的实时信息，因此能够有效判断故障位置以及故障原因。另外，网络的状态监测能够收集相关的故障信息，从而为故障类型的分布和推演提供了数据支撑。因此，能够进一步防止数据信号在传输过程中的丢失。通过及时的状态监测，能够采取预防措施避免事故或故障扩大，从而提升网络运行的可靠性。

图2 监测原理示意

通信网络的状态感知也能够提升网络资源的合理利用水平，如当动态网络中的链路质量有下降时，可以通过监测的信息切换传输链路，从而尽可能减少噪声或其他信号源对传输过程的影响。通过减少光传输功率能够提升信号的鲁棒性，避免信号发生非线性畸变。另外，传输信道的功率也能够进行相应的提升，从而增加数据速率，使用更高调频格式的数据。

数据路由算法在光纤通信网络中能够寻找最短路径进行流量传输，或者能够满足最小QoS约束条件下的路径。在这种情况下，延时、丢包和数据速率等内容均可以纳入考虑范围。通过网络的状态监测，能够提升损伤感知背景下的路由规划和路径规划。通过对所有可能路径不同参数的权重进行统筹考虑，可以得到决策结果，使得损伤感知背景下的路径规划更加合理。

1.2 监测系统参数

光纤传输是目前电力系统通信中主要的通信手段，其优点较多，但是在光纤传输过程中也会受到信号损伤的影响，因此会影响通信网络的性能。除此之外，其他网络元件也可能会影响到通信的质量。所有这些对通信网络构成的损害，都会降低通信链路的传输质量，从而影响数据传输速率和信号传输效率。信号传输过程中受到的影响可以分为一般影响和严重影响。包括光纤功率损耗、断纤、网络元件故障等在内的多为严重故障，而线性或非线性畸变则为非严重损伤。监测参数示意如图3所示。

图3 监测参数示意

主要的参数有光功率、光信噪比、色散、光纤非线性、品质因数以及波长漂移。通过对这类参数的监测，能够有效提升光纤通信系统的评价性能，避免在网络运行中出现损伤或信号缺失等现象。从而实现系统精确、动态运行，还能够允许光纤多信道运行，从而降低运维成本，提升系统的运行可靠性，提升动态响应时间。

2 基于数字信号处理的光纤通信监测原理

2.1 传统状态估计方法

利用传统状态估计方法，状态量X与量测量Z之间的关系为

ΔZ=HΔX+n

(1)

X为设备本身状态；Z为状态监测量；n为误差矩阵。

采用最小二乘法对状态进行估计，使整体误差最小，目标函数为

minJ=(ΔZ-HΔX)TR-1(ΔZ-HΔX)

(2)

R表示权重矩阵。

通过迭代计算得到：

ΔXk+1=[HTR-1H]HTR-1ΔZk

(3)

ΔZk+1=HΔXk+1

(4)

得到网络的状态估计结果后，可以基于估计值得到有效解。

2.2 基于数字信号处理状态估计方法

数据流量和带宽的需求促进了同步接收器和数字信号处理在光纤通信中的应用。同步接收器能够融合m-PSK或者m-QAM，工作效率更高。但同时，高阶调制信号也对信道噪声更为敏感。利用数字信号处理的方式能够有效解决线性信道损伤的问题。

假设光信道用信道传输矩阵H(f)表示，通过迫零(ZF)解或最小均方估计(MMSE)解得到的均衡滤波器W(f)表达式为

(5)

H(f)由传递函数D(f)和元素Ei与Ui(f)构成。

对式(5)进行变换，得到：

(6)

(7)

(8)

WUE(f)为归一化的W(f)；ui和vi构成PMD矩阵；ki为PDL衰减因数。

上述方法对于光信噪比、放大自发辐射噪声、线性损伤等内容的状态监测较为适用，同时在状态监测中，数据辅助估计比非数据辅助估计具有更好的估计精度、更快的估计时间，同时带宽利用率也更高。

2.3 仿真分析

本文利用如图4所示的系统进行通信网络状态监测模拟。选择OSNR为监测对象，光源为“Photom 352,353”，功率表计为Photom 211。

图4 仿真测试系统

利用本文所提的状态估计方法对光信噪比进行监测，得到OSNR结果如图5所示。

图5 仿真测试结果

本文对不同功率的光信号进行了测试，由图5可以看出，功率较大的光信号的监测值较低，而且功率大的光信号监测值偏离理论值的程度更大一些。

根据实验结果，说明本文所提的方法更适用于监测功率较大的光信号，可以有效针对光信噪比进行监测和识别。

3 基于数字信号处理的网络状态监测应用

光网络状态监测是对传输过程中的光信号和网络元件的估计和获取的过程。这类状态监测对于网络可靠灵活运行式必不可少的，并且对于网络定义软件也十分重要。通过状态监测，网络传输的数据速率、调制参数和功率等均可以清晰呈现。

基于数字信号处理的光通信网络状态监测已经成功应用于部分通信网络。基于数字信号处理的方法通常与人工神经网络算法相结合，从而实现对信号幅值以及多损伤监测等问题求解。另外，光信噪比的监测与调制格式的识别可以利用深度神经网络进行求解。此外，基于数字信号处理的方法还与卷积神经网络以及核算法等相结合。下面针对算法的主要应用进行说明。

3.1 主动故障检测与预防

网络运行状态与主动故障检测密切相关，如果能够充分利用网络的状态监测信息，实现主动故障监测和预防，就能够提升通信网络可靠性。目前，已经有研究应用支持向量机对网络设备的故障进行预测。通过利用故障数据，元件的物理参数可以实现不同状态下连续监测以及未来参数值的预测。预测的方式是通过基于数字信号处理的方法，得到不同设备和故障事件状态下的预测值。

另外，还可以通过朴素贝叶斯分类器实现参数的追踪。通过利用历史故障数据结合人工神经网络可以实现主动故障检测。在这种方法中，需要对神经网络进行训练，从而得到不同时间尺度下网络的正常和非正常运行状态。人工网络的训练可以用于检测网络故障，从而实现更高的精度，同时节省预测时间。

3.2 光纤非线性补偿

基于数字信号处理的算法能够对光纤非线性畸变进行补偿。通过所提的方法并利用不同非线性损伤的特点，提供相应的数据和概率模型，可以用于这类信号畸变的补偿。其中，与数字信号处理算法密切相关的有极限学习机器、随机后向传播、最大期望算法和高阶统计均衡器等。

3.3 QoT预测

部署光路径之前的QoT预测，对于光通信网络的优化设计是必不可少的。目前，QoT预测技术主要基于经验统计模型或者估计方法等。前者能够利用不同的物理信息数据以较好的精度进行光路径的质量预测，而后者预测精度较差。基于数字信号处理的QoT预测模型具有较多优势，能够在监测数据以及部署光路径之间建立合适的数据关系，从而为即将部署到光路径的QoT进行预测。

3.4 软件定义网络的优化

光纤通讯状态监测利用基于数字信号处理的方法还可以实现软件定义网络。结合机器学习等算法可以实现软件定义网络中的光网络规划。通过这类方法，可以结合实时链路信息以及网络拓扑结构对数据进行统一监测。人工神经网络模型也可以通过训练得到不同链路参数之间以及光信噪比数值。当训练过程结束时，人工神经网络模型可以更加准确地对不同光路径进行优化监测。最终，可以通过相应的预测机制，实现在一定概率情况下软件定义网络的容量达到最大。

4 结束语

本文提出的基于数字信号处理的电力光纤通信网络状态监测方法，充分利用了光纤通信过程中的元件参数，能够提升状态监测的质量和效率，同时考虑到信号噪声等敏感问题，突出解决了非线性损伤的影响。本文提出的方法能够针对主动故障检测与防御、光纤非线性补偿、QoT、软件定义网络的优化等方面进行应用，提升通信网络运行质量。