一种识别低压电力线载波通信系统中随机脉冲噪声的新方法

丁永平,党丽,刘超,苏醒

(1.中国兵器工业新技术推广研究所,北京100089; 2.哈尔滨博实自动化股份有限公司,哈尔滨150001)

一种识别低压电力线载波通信系统中随机脉冲噪声的新方法

丁永平1,党丽1,刘超2,苏醒1

(1.中国兵器工业新技术推广研究所,北京100089; 2.哈尔滨博实自动化股份有限公司,哈尔滨150001)

目的从电力线载波通信系统中提取随机脉冲噪声并分析其来源。方法建立一个简单的检测随机噪声的测试系统。结果FSV方法可以成功地识别热水壶在电力线上造成的随机脉冲噪声,同时也证明了统计分析的方法对于识别随机脉冲噪声效果不佳。结论可以通过对MAFFSV方法结果设定阈值来识别低压电力线载波通信系统中的随机脉冲噪声,进而可以确定低压电力线网络拓扑结构的改变。

随机脉冲噪声;电力线载波通信;FSV方法

低压电力线网络是世界上分布最为广泛、坚固的电信号传输网络。随着低压电力线载波技术的发展,低压电力网络在实现智能家居,多网融合等方面具有广阔的应用前景。研究并建立低压电力线的噪声模型对提高电力线通信的传输效率及传输带宽具有重要意义。研究表明,脉冲噪声因其频域宽带特性对载波信号的影响巨大,需要使用相应的编码和纠错技术进行规避。低压电网中的脉冲噪声可以分为3类[1]:与工频同步的周期性脉冲噪声;与工频异步的周期性脉冲噪声;随机脉冲噪声。其中,随机脉冲噪声往往是由于电网设备的启用或关闭引起的[2],也就意味着电网拓扑及传输特性的改变。准确检测到这种传输特性的改变,并适时调整载波通信方式或启用相关纠错技术,对提高电力线载波技术的稳定性及安全性具有重要意义。文献[3]指出,低压电网中不同的用电设备在开启或关闭时所发出的脉冲噪声是不同的,且保持相对稳定。截止2013年,有2种方法分析典型的噪声源,分别是时域法[4]和频域法[5],另外,从电力载波线中提取典型噪声[6]并区别于其他噪声[7]。因此,可以使用随机脉冲噪声来识别不同用电设备的接入,进而推断出电网拓扑的改变,为电力线通信系统的自调整提供重要信息。

1 FSV方法

FSV(Feature Selective Validation)方法由英国学者A.J.M.Martin于1999年提出[8],目的是建立一种定量、客观、有统一标准的评价电磁仿真可信度和有效性的评估体系。目前该方法已经成为IEEE Std 1597.1[9]的一部分,正在受到越来越多的关注,另外FSV方法还可以应用于质量评估[10—11]和数据优化[12]。其主要思想如图1所示,将待评估数据和可信数据通过滤波分解为2部分:趋势数据(直流和低频分量)和特性数据(高频分量)。直流和低频部分的分析给出了两组数据的趋势差异量(ADM),高频部分的分析给出了其特性差异量(FDM)。以上的两个指标合成全局差异量(GDM)来评估数据的可信度。

以上指标均有与每一数据点对应的单点指标ADMi,FDMi,GDMi,单点指标的平均值构成总指标ADMtot,FDMtot,GDMtot。以上评价指标可以给出定量和定性的结果,其评价等级对应见表1。

图1 FSV方法的基本思想Fig.1 The principle of FSV method

表1 FSV评估方法的等级划分Table 1 FSV interpretation scale

2 FSV方法用于随机脉冲噪声识别的方法流程

首先在实验的基础上获取用电设备的随机脉冲噪声模式波形,随后使用MAF-FSV方法对电网中检测到的脉冲噪声波形进行对比识别。通过对GDM-tot值的观察来识别某种用电设备的开启或关闭,进而对低压电力通信信道进行重新估计或采取相应编码技术改进通信质量。

一些统计方法也可以被用来实现上述识别过程,例如相关系数法,可以用[-1,1]表征两组数据之间的相关性的大小。选用FSV方法主要基于以下考虑:首先,FSV方法的结果可以更加全面地反映数据差异,既包含幅值和趋势差异,又考虑了细节差异;其次,FSV方法的结果在一定程度上反映了人类目测数据差异的结果,是一种仿生算法;此外,FSV方法的结果形式多样,既有分指标又有总指标,可以针对不同的数据特性差异进行信号识别。

识别方法流程如图2所示。首先是将电网中采集到的脉冲噪声和目标用电设备的随机脉冲噪声模式信号读入。在进行识别前需要对读入的数据进行预处理,主要考虑到二者可能存在采样率或者度量单位的差异。然后,从待识别数据中截取长度与模式数据相同的一段数据,使用MAF-FSV方法进行对比,输出GDMtot值作为识别结果数据。

图2 使用FSV方法进行噪声识别流程图Fig.2 Flow chart of noise recognition method using FSV method

3 FSV方法用于随机脉冲噪声识别的试验设计

为了实现FSV方法在随机脉冲噪声识别中的应用,在实验室搭建低压电力线脉冲噪声检测系统,如图3所示。一般在对电力线噪声进行提取时,需要使用频率范围为10 kHz～50 MHz的电力线耦合器(一种高通滤波设备)[2]。鉴于目前课题组实验条件,设计使用线性阻抗稳定网络(LISN)来实现,选用R&S公司的二线V型网络ENV216,其观测频率范围可以达到9 kHz～30 MHz。脉冲噪声在经过LISN后波形的高频特性有可能会比改变,但考虑到本节方法的目的在于识别随机脉冲噪声,而非准确测量,如果模式信号和待识别信号均是经过LISN后获取,不会对信号识别噪声严重影响。此外,在实验过程中LISN还可以起到隔离电网中其他设备干扰的作用。测量系统如图4所示。多次测量后获取的电水壶和电钻的开启脉冲噪声分别如图5和图6所示。多次测量后可以证明这两种噪声稳定性较好。

图3 测量系统设置Fig.3 Measurement system setup

图4 测量系统实物Fig.4 Measurement system configuration

图5 热水壶开启产生的异步随机噪声波形Fig.5 Typical asynchronous impulsive noise given by kettle

图6 电钻开启产生的异步随机脉冲噪声波形Fig.6 Typical asynchronous impulsive noise given by electrical drill

4 试验结果及讨论

本节将MAF-FSV技术应用于低压电力线载波的噪声识别过程,以电水壶为例进行分析。如图7所示,待辨识数据由检测到的开水壶开关噪声以及电力线中的其他脉冲噪声构成。根据记录,分别在1,9.7以及16.4 ms加入实测热水壶的3组随机脉冲噪声模拟其开启。

将电水壶开启噪声从中识别出来需要首先建立电水壶噪声的典型波形模式。通过多次测量,建立了如图5所示模式的波形。

分别使用相关系数法和MAF-FSV方法对图7所示源数据中电水壶的开启进行识别。相关系数法的识别结果如图8所示。从结果中可以看出,目标噪声加入时间点的相关系数值突出,但是在非目标时间点依然可以出现较高的数值。由此,不能通过设定相应的相关系数阈值来实现目标脉冲噪声的识别。

图7 夹杂有其他噪声的电水壶开启噪声Fig.7 Impulsive noise mixed with other noises given by kettle

图8 使用相关系数法的识别结果Fig.8 Recognition result using the correlation coefficient method

采用MAF-FSV方法的识别结果如图9所示。可以发现,通过将识别阈值设置于[0.3,0.6]内,就可以将存在于源数据中的3次热水壶开启脉冲噪声识别出来。此外,由于在20 ms附近加入电钻的开启脉冲噪声,GDMtot的结果出现一个较低的值。这主要是由于两种用电设备在随机脉冲噪声波形上具有一定的相似性,如图10所示。即便如此,FSV方法依然可以提供相应的识别裕度来加以区分。

图9 使用FSV方法的识别结果Fig.9 Recognition result using the FSV method

图10 热水壶与电钻开启脉冲噪声的局部对比Fig.10 Partial comparison of asynchronous impulsive noises given by kettle and electrical drill

5 结语

可以通过对MAF-FSV方法结果设定阈值来识别低压电力线载波通信系统中的随机脉冲噪声,进而可以确定低压电力线网络拓扑结构的改变,对提高电力线载波通信系统的稳定性具有重要意义。这一技术的实时、在线应用面临的主要问题是计算速度的问题,如何提高FSV的计算效率将是未来研究的重点。

[1] ZIMMERMANN M,DOSTERT K.Analysis and Modeling of Impulsive Noise in Broad-band Powerline Communications[J].IEEE Trans Electro-magn Compat,2002,44 (1):249—258.

[2] AVRIL G,GAUTHIER F,MOULIN F,et al.Characterization of Time Variation of the Powerline Channel Frequency Response Simultaneously with Impulsive Noise[C]// International Symposium on in PLC and Its Applications. Pisa,Italy:IEEE,2007:330—335.

[3] BARMADA S,MUSOLINO A,RAUGI M,et al.A Wavelet Based Method for the Analysis of Impulsive Noise Due to Switch CommutationsinPowerLineCommunication (PLC)Systems[J].IEEE Transactions on Smart Grid, 2011(2):92—101.

[4] ZIMMERMANN M,DOSTERT K.Analysis and Modeling of Impulsive Noise in Broad-band Powerline Communications [J].IEEE Transactions on EMC,2002,44:249—258.

[5] KHANGOSSTAR J,LI Z,MEHBOOB A.An Experimental Analysis in Time and Frequency Domain of Impulse Noise over Power Lines[C]//International Symposium on in PLC and Its Applications.Udine,Italy:IEEE,2011: 218—224.

[6] AVRIL G,MOULIN F,ZEDDAM A,et al.Impulsive Noise Detection on Masked Carriers[C]//IEEE International Symposium on in PLC and Its Applications.Jeju city,South Korea,2008:369—373.

[7] SATISH L,NAZNEEN B.Wavelet-based Denoising of Partial Discharge Signals Buried in Excessive Noise and Interference[J].IEEE Trans Dielectr Electr Insul,2003,10 (2):354—367.

[8] MARTIN A J M.Quantitative Data Validation[D].Leicester:Department of Engineering,De Montfort Univ,U K,1999.

[9] IEEE STD 1597.1—2008,IEEE Standard for Validation of Computational Electromagnetics Computer Modeling and Simulations[S].

[10]KNOCKAERT J,PISSOORT D,VANHEE F.Comparing EMC-signatures by FSV as a Quality Assessment Tool [C]//Progress In Electromagnetics Research Symposium.Marrakesh,Morocco:IEEE,2011:1099—1103.

[11]FEBO D D,PAULIS F D,ORLANDI A.Three Dimensional Full Wave Validation of the Maxwell Garnett to Debye Model Approach[C]//International Symposium on EMCEMC Europe.York,UK:IEEE,2011:670—675.

[12]PAN S,WANG H,FAN J.Applying Feature Selective Validation(FSV)as an Objective Function for Data Optimization[C]//International Symposium on EMC.Fort Lauderdale,FL,USA:IEEE,2010:718—721.

A Novel Method for Recognizing Asynchronous Impulsive Noise in Power Line Communication Systems

DING Yong-ping1,DANG Li1,LIU Chao2,SU Xing1

(1.Advanced Technology Generalization Institute of CNGC,Beijing 100089,China; 2.Harbin Boshi Automation Co.Ltd.,Harbin 150001,China)

Objective To extract the asynchronous impulsive noise from the power communication line and obtain the source of particular kind of noise.Methods A simple measurement system was constructed to detect the asynchronous impulsive noises.Results The Feature Selective Validation(FSV)method was able to successfully recognize the impulsive noise produced in the power line by the connection of a kettle.Meanwhile,the statistical analysis was proved useless in the recognition of asynchronous impulsive noise.Conclusion The asynchronous impulsive noise in the low-voltage power communication line could be recognized by setting threshold values for the results of MAF-FSV method,and the change in the topological structure of the low-voltage power line network could then be determined.

asynchronous impulsive noise;power line communication;FSV method

10.7643/issn.1672-9242.2014.05.020

TM73

:A

1672-9242(2014)05-0103-04

2014-06-27;

2014-07-10

Received:2014-06-27;Revised:2014-07-10

丁永平(1983—),男,黑龙江人,硕士,高级工程师,主要研究方向为电磁兼容性分析、设计及测试等。

Biography:DING Yong-ping(1983—),Male,from Heilongjiang,Master,Senior engineer,Research focus:EMC analysis,design&testing.