基于人工智能的通信电源监控数据采集方法

2022-11-25李建，傅政

通信电源技术 2022年13期

李建，傅政

（国网江西省电力有限公司南昌供电分公司，江西南昌 330069）

0 引言

现阶段，通信电源监控系统的设计融合了计算机技术、通信技术等网络智能方法，是一种综合性的智能监控技术[1-3]。通过对通信网络电源信息的采集与分析，实时采取应对的措施，以此来保证通信网络系统的稳定性。以往的通信电源监控方法需要通过线路的接通才能实现远程的控制，具有极大的不便利性与复杂性[4]。并且在实际应用过程中增加了通信电源监控数据采集的时间，降低了采集的准确率，影响后期对电子通信网络的稳定性。

为了解决这一问题，本文应用人工智能技术研究设计了一种电子通信电源监控数据的采集方法，为监控系统提供有效的数据基础，提高电子通信行业的经济效益与社会效益。

1 设计数据采集模块

在通信电源监控系统中，数据的采集处理模块主要通过对电源监控数据的采集与分析，进而识别通信的运行状态，发出相应的信号提示，是系统稳定运行的核心部分。数据采集模块的抗干扰能力与准确性是模块设计的基本原则，根据通信电源监控运行结构进行数据采集模块的设计。监控系统的运行结构如图1所示。

图1 通信电源监控系统的运行结构示意图

根据图1所示的监控系统运行结构，分析其运行特征，结合数据采集的设计原则，采用人工智能技术实现电源监控数据采集模块的设计[5]。电源监控的数据采集不仅是基于监控系统自身的运行，还需要应用人工智能技术，集合互联网技术，才能做到数据采集的智能性与实时性，便于对通信电源的实时监督与处理。为了实现数据的采集功能，在系统中设置传感器、A/D转换器、单片机等设施，组成数据采集的基础结构。在此基础上，需要通过人工智能技术实现数据采集的量化工作，根据传感器的运行将采集电源数据的变化参数转换为电流以及电压的变化形式的数据信息，将该信息通过A/D转换器，将不同量度的数据统一化，转变为监控系统能够识别的有效数据。根据上述数据采集模块的设计，结合人工智能技术的数据采集与处理方法，实现通信电源监控的智能化数据采集。

2 基于人工智能的数据采集方法

由于在通信电源的监控中存在许多的数据干扰问题，发生数据失真、数据错误、数据混乱等异常问题，降低了数据采集与处理的准确性[6]。因此，需要加强数据采集模块的抗干扰能力与数据处理能力。现采用人工智能的数据处理技术在上述数据采集模块的基础上设计数据采集算法以及数据的处理算法，为数据采集方法的实现奠定良好的基础。

2.1 数字滤波技术

数字滤波技术的方法有多种，根据通信电源监控系统对运行效率的要求采用处理时间较快的数据中值滤波技术，在保证通信运行效率的同时，提高数据采集的精确度。对采集的电源监控数据采样ε次，将结果按照升序的方式进行排列，得到的中间值作为滤波的中值结果，计算表示为

式中：α(m,n)表示数据处理后的中值滤波器结果；μ(i,j)表示被干扰信号污染的数据信息；γmn表示在数据的中间值处的滤波器窗口范围，大小为A×B的矩形状；r表示在中值滤波器结果中，显示为0数值的数据数量；T表示在中值滤波器结果中显示为255数值的数据数量；μ′(i,j)表示在γmn矩阵范围内去除污染数据信息中灰度值结果是0的与灰度值结果为255的数据后剩下的数据信息。在上述计算中，ε的取值是非常关键的，一般取奇数值，取值过大的话会增加数据采集与处理的时间，不利于通信电源监控的实时运行与高效运行，因此一般在3～5次的范围最好，可以更加有效地修正采集电源监控数据的脉冲等信号干扰。

2.2 标度变换技术

在实际的通信电源监控的数据采集过程中，不同的数据具有不同的计量方法，以及不同的量纲，将采集信号进行转换实现采集数据的统一是数据采集方法的关键步骤。由于数据之间的关联性是不确定的，根据数据的线性关联与非线性关联，进行以下2种形式的标度变换计算。进行线性关联数据的标度转换计算，表示为

式中：C表示采集数据的初始值；Cmax表示相同标度数据的最大值；Cmin表示相同标度数据的最小值；ωmin、ωmax分别表示初始采集数据经过标度变换后的输出结果；η表示初始数据相应的线性标度变换的转换系数。在实际的转换过程中，数据的最大、最小值均为已知数据，因此简化上述计算，得到：

式中：umax、umin分别表示最大最小转换结果的参数。根据上述计算，可以得到具有线性关联的采集数据的标度转换结果，实现数据的统一性。在实际采集数据与监测数据的关系为非线性关联的情况下，进行非线性关联数据的标度转换，引进多项式插值计算。在上述线性计算的基础上代入多项式的次数与系数进行标度转换，实现非线性关联性的采集数据的统一。根据上述计算，通过对数字绿波技术、标度转换技术的应用，实现了通信电源监控数据的采集方法，为通信的稳定性提供了技术支持。

3 试验与检测

为检测本文设计的基于人工智能通信电源监控数据采集方法的高效性与可行性，根据通信的快速性与准确性，设计了仿真模拟对比试验。

3.1 试验准备

根据通信电源监控系统的运行特征，基于WindowsXP系统搭建试验环境，主要设备及其配置如表1所示。

表1 仿真模拟试验环境的主要设备及其配置表

基于上表所示的试验环境，在平台的上位机侧，按照随机的时间间隔，输入300组不同种类的指令，其中100组为断电指令数据组、100组为打开门禁的数据指令、100组为过压数据指令，观察并记录下位机的数据采集后发出提示所用的时间与准确率。

3.2 试验结果与分析

在上述试验准备的基础上，从上位机侧发出数据信息指令，通过数据采集模块的通信接口将数据传送到数据采集器，经过对数据的分析与处理，将数据的处理结果通过传感器进行监测控制，将信号传送给用户操作端，完成电子通信电源监控数据的采集与处理。

对于300组数据指令，分别记录本文设计数据采集方法（试验组）与传统的数据采集方法（对照组）采集处理所用时间，并进行对比，结果如图2所示。

图2 2种方法数据采集所用时间对比

由图2可知，对于300组数据，两组方法数据采集所用时间均能满足《通信电源和空调集中监控系统技术要求》中，对数据采集分析并发出警告上报时间在30 s内的最低标准。但是对照组的数据采集处理所用平均时间为9.54 s，而试验组的数据采集处理的平均时间为5.42 s，试验组对数据的采集与处理时间更快，表明本文设计的通信电源监控数据采集方法具有高效性。

记录2种方法对300组数据指令采集的准确率，结果如图3所示。