一种电力线载波通信终端设备地理位置获取方法

1.本发明涉及电力线载波通信领域，具体涉及一种电力线载波通信终端设 备的地理位置获取的方法。


背景技术：

2.当前低压电力线载波主要用于配电台区，大部分电力线埋于地下，且电表 等终端设备大都部署于室内。因此如上所述部署在非开阔空间的终端设备无 法由导航卫星获得地理位置信息，无法构建精确的地理位置拓扑。
3.目前电力线载波网络中对于无法由导航卫星获得地理位置信息的非开阔 空间终端设备，需人工进行检测，根据现场终端设备情况，更新地理位置拓扑 信息。该方式存在耗费大量人力、耗时长效率低的缺点。


技术实现要素：

4.(一)解决的技术问题
5.本发明所要解决的技术问题是终端设备部署在非开阔空间无法由导航卫 星获得终端设备的地理位置的问题。提供一种新的获取电力线载波通信终端 设备的地理位置的方法。
6.(二)技术方案
7.为解决上述技术问题，采用的技术方案如下：
8.一种电力线载波通信终端设备的地理位置获取的方法，所述具体方法为：
9.s1、将电力线载波通信网络中可由导航卫星获得地理位置的终端设备作 为全网位置关系的锚节点，无法由导航卫星获得地理位置的终端设备作为全 网位置关系的盲节点，结合锚节点的地理位置信息和网络地理拓扑信息，采用 多折线解析法获得冗余的盲节点地理位置估计值；
10.s2、采用crlb加权融合算法，根据冗余的盲节点地理位置估计值求出盲 节点地理位置解析值，该值即为非开阔空间通信终端设备的地理位置。
11.进一步地，需要强调的是，目前应用于电力线载波网络的定位技术较少， 常参考传感器网络定位技术，但由于电力线载波网络和传感器网络有很大区 别，需要对传感器网络定位技术进行改进才可应用于电力线载波网络，本发明 提供的方法仅适用于电力线载波网络。电力线载波网络和传感器网络电力线 载波网络的区别体现在以下几点：
12.1)电力线载波网络节点是固定不动的，需沿着固定的电力线传输信号， 而传感器网络节点可自由部署，常通过无线传输信号。
13.2)电力线载波网络中进行定位时，采用基于测距的定位技术只能沿着电 力线折线进行测距，并不能实现点对点的直接测距，而传感器网络则是多个点 对点的los直线测距，如示意图1所示。
14.3)电力线载波网络的地理拓扑不等于物理拓扑，物理拓扑不等于链路拓 扑，三种
拓扑存在一定的映射关系，而传感器网络的链路拓扑和物理拓扑是地 理拓扑严格的子集关系。
15.进一步地，为获得电力线载波网络中冗余的盲节点地理位置估计值，提出 多折线解析法，包含两种方法，一种为弦线逼近法，另一种为弧线逼近法。通 过弦线逼近法和弧线逼近法进行定位，获取冗余的盲节点地理位置估计值。接 下对多折线解析法进行介绍。
16.多折线解析法首先随机选取盲节点附近两个锚节点，锚节点广播包含自 身位置信息的数据包，盲节点收到该数据包后记录下锚节点的位置信息和自 身到锚节点的最小跳数。为获得盲节点地理位置初始估计值，提出弦线逼近法 进行估算。
17.弦线逼近法是指两个节点的距离近似为直线进行估算，为方便理解给出 示意图2。在电力线载波网络中，两节点间的实际距离是多折线的距离，而弦 线逼近法将两节点间的距离近似为直线。如图2所示，a点和b点是锚节点， m点是盲节点，m与a、b的折线距离近似为直线距离，m的地理位置初始估计 值(x
j
,y
j
,z
j
)由以下公式得出：
[0018][0019][0020][0021]
式中(x
i
,y
i
,z
i
)和(x
k
,y
k
,z
k
)为锚节点i和k的坐标，l
ij
为节点i到j的 跳数。
[0022]
由于节点间的实际距离是多折线距离，弦线逼近法获得的盲节点地理位 置初始估计值具有较大误差，为此提出弧线逼近法提高盲节点地理位置精度。
[0023]
在电力线载波网络中，两节点间的实际距离是多折线的距离，而弧线逼近 法将两节点间的距离近似为弧线。如图3所示，a点和b点是锚节点，m点是 盲节点，m与a、b的折线距离近似为弧线距离。首先需要通过测距的方法得 到盲节点分别到两个锚节点的距离，盲节点发送信号到锚节点，根据信号的到 达时间乘以信号传播速度即可得。需要指出的是，与传感器网络不同，测距计 算的距离是基于物理拓扑的，电力线载波网络物理拓扑与地理拓扑不等，实际 物理拓扑构建中会考虑阻抗、信噪比等参数，会选择更远但效益更好的节点来 优先传输，因此需要在理想情况下采用多次测距取最小值的方法获得距离。理 想情况是指网络中不存在故障节点，从而导致错误测距的情况。
[0024]
为便于理解给出示意图4，假设需要计算节点1到节点2的距离，在当前 时刻的物理拓扑中，利用测距计算出来的距离为信号从节点1绕过节点2到 达节点3的距离加上节点3到节点2的距离，即3跳的距离，而在地理拓扑 中，节点1到节点2的距离实际只有1跳的距离。因此基于物理拓扑的测距 得到的节点间距离总是大于或等于地理拓扑中节点间的距离，由于物理拓扑 是变化的，我们通过多次测距选取距离的最小值来逼近地理拓扑节点间距离， 如下式所示：
[0025]
d
ij
＝min{d
ij1
，d
ij1
，
…
，d
ijn
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0026]
式中d
ijn
为第n次节点i和节点j之间测距的距离。
[0027]
由于弧线在空间中的方向和弯曲程度并不规则，无法确定弧线具体位置， 因此只能利用盲节点到锚节点的距离进行几何建模，度量盲节点所在范围。如 图5所示，a和b为随
机选取的两个锚节点，m为盲节点，d
am
和d
bm
分别为通 过测距求得的a与m、b与m的距离，如图5所示虚线即为弧线距离。建模具 体过程如下：
[0028]
1)设l＝d
am
+d
bm
，以ab为底构建等腰三角形
△
nab，腰长为
[0029]
2)由下式计算a和b的长度d
ab
：
[0030][0031]
式中(x
a
，y
a
，z
a
)、(x
b
，y
b
，z
b
)分别为a和b的坐标。
[0032]
由下式计算
△
nab的高h：
[0033][0034]
3)以a和b为焦点在直角坐标系构建椭圆方程其中长半轴长度短半轴长度b＝h。以x轴为轴旋转椭圆一周得到椭 球，解析式为
[0035]
建模完成后，结合弦线逼近法获得的盲节点地理位置初始估计值确定盲 节点所在区域。为便于理解，以二维平面图图5为例进行讲解。经过盲节点m 可确定一条平行于y轴的线，用该线截断椭圆可获得线pq。推广到三维坐标 系中，经过盲节点m可确定一个平行于yoz平面的面，用该面截断椭球可获 得圆形切面区域，即为盲节点所在区域，如图6椭球阴影面所示。
[0036]
随机选取盲节点附近另外两个锚节点，重复弦线逼近法和弧线逼近法，获 得另一圆形切面区域。在三维空间中，找出两个圆形切面区域中距离最短的两 个点，以两个点所连直线中点的坐标作为盲节点地理位置估计值，如图6所 示，c1点和d1点分别是两个圆形切面区域中距离最短的两个点，m1点即为估 计的盲节点位置。特别的，若两个圆形切面区域平行且投射面有重叠部分，则 存在无数个切面上的点使距离最短，此时任意选取一对点所连直线中点的坐 标作为盲节点地理位置估计值。
[0037]
由四个锚节点作为一组采用以上多折线解析法即可确定一个盲节点地理 位置估计值。随机选取四个锚节点为一组，用不同的锚节点组合重复多折线解 析法，直到所有的锚节点组合都用尽，此方法可获得冗余的盲节点地理位置估 计值。如图7所示，不同组合对应的切面区域部分重叠，所有冗余的盲节点地 理位置估计值(x
i
,y
i
,z
i
)服从正态分布。其中重叠越密集的位置为正态分布的 均值，此时估计值最精准。假设共有n个估计值，联合所有位置估计值求解均 值和方差，均值代表精确性最高的盲节点位置估计值，方差则为估计值的正负 偏差。将盲节点的地理位置估计值进行拆分，通过下列公式分别计算三个维度 的均值e(x)，e(y)，e(z)：
[0038][0039]
[0040][0041]
其中x
i
，y
i
，z
i
分别是各个地理位置估计值在空间坐标系中的位置，p
i
为 第i个位置估计值的权重，由计算该估计值的锚定点定位精度决定，精度越高， 在数据融合过程中该地理位置估计值的权重越大。
[0042]
进一步地，每个盲节点地理位置估计值的权重由以下规则确定：在定位问 题中，克拉美罗下界(cramer
‑
rao lower bound，crlb)是评价锚节点定位性 能的标准。由于参考锚节点自身也有定位精度，以锚节点为参考得到的定位结 果会存在一定误差，我们采用crlb加权融合算法来减少这种误差。crlb加权 融合算法是指用每组锚节点的crlb值来衡量得出的盲节点地理位置估计的定 位精度，赋予相应的权重进行数据融合。首先定义一个与盲节点s
i
定位相关的 全变量该变量整合了与盲节点相联系的所有非确定锚节点坐标。
[0043]
根据贝叶斯估计(bayesian estimation，be)理论，给定任意一个无偏 的参数估计其估计误差的协方差必将受限于一个克拉美络下界(cramer
‑ꢀ
rao lower bound，crlb)即
[0044][0045][0046]
其中j
be
(α
i
)表示费舍尔信息矩阵(fisher information matrix，fim)。
[0047]
而节点s
i
的贝叶斯估计所对应的定位精度信息可以用全变量α
i
的费舍尔 信息矩阵j
be
(α
i
)来完全刻画，其费舍尔信息矩阵定义为：
[0048][0049]
其中是关于全变量叫的二阶导数，符号表示关于分布 p(z
i
，α
i
)的数学期望，j
mle
(α
i
)是最大似然估计(maximum likelihood
ꢀꢀ
estimation，mle)对应的费舍尔信息矩阵，而j
p
(α
i
)表示先验费舍尔信息矩阵。 假定全变量α
i
中各个单变量先验独立，则其贝叶斯信息矩阵j
be
(α
i
)有如下结 构：
[0050][0051]
其中，我们假定盲节点s
i
的m
i
个参考锚节点依次记为另外， 公式
(13)中变量的每个最大似然信息矩阵以及变量的 先验信息矩阵按照如下公式来定义：
[0052][0053][0054]
基于以上两个定义，公式(13)中的定位信息矩阵可以表示为
[0055][0056][0057][0058][0059][0060][0061]
其中a
i,j
表示关于节点s
i
和s
j
的几何分辨率因子，
[0062][0063][0064]
同时有a
i,j
＝a
j,i
，且这两个矩阵都是对称的。注意，，且这两个矩阵都是对称的。注意，
[0065]
令那么全贝叶斯信息矩阵j
be
(α
i
)可以分 解为：
[0066][0067]
目标节点s
i
的贝叶斯定位信息由公式(13)中的贝叶斯全信息矩阵j
be
(α
i
) 来完全刻画。然而实际定位场景中参考锚节点的坐标s
j
是有误差的，其实际定位精度由其等效的贝叶斯信息矩阵j
eq
(s
i
)来描述。等效信息矩阵 j
eq
(s
i
)包含了所有必要的定位信息，因为[(j
be
(α
i
))
‑1]
[1：d,1：d]
＝(j
eq
(s
i
))
‑1。
[0068]
根据公式(24)中的矩阵结构及舒尔补理论，等效贝叶斯信息矩阵j
eq
(s
i
) 可推导为：
[0069][0070]
基于公式(16)
‑
(21)可得：
[0071][0072]
其中表示来自于参考锚节点s
j
的等效观测信息(纳入了其位置不确定 性)，而w
i,j
a
i,j
表示原观测信息(未考虑位置不确定性)。
[0073]
那么节点si的定位误差下限于其对应的克拉美络界即
[0074][0075][0076]
其中tr()表示矩阵的迹。
[0077]
每个盲节点地理位置估计值的权重根据参考锚节点组的crlb值确定， crlb值大则赋予的权重小，即：
[0078][0079]
式中p
i
为第i个盲节点地理位置估计值的权重，c
i
为第i个盲节点的参考 锚节点组的crlb值。
[0080]
根据对n个估计值的联合均值求解，可得到收敛的盲节点地理位置解析值 (e(x),e(y),e(z))。但是该收敛值仍旧存在一定误差，需计算位置估计值的方 差确定最后收敛结果的波动范围。同理，从三个维度分别计算方差d(x)，d(y)， d(z):
[0081][0082][0083][0084]
最终，可得到最高精确度的盲节点地理位置解析值及其波动范围：
[0085][0086]
(三)有益效果
[0087]
本发明提供一种电力线载波通信终端设备的地理位置获取的方法，具备 以下有益效果：
[0088]
本发明利用部署在开阔空间的终端设备作为地理位置锚节点，通过电力 线载波通信网络拓扑构建开阔空间部署的终端设备与非开阔空间部署的终端 设备之间的解析关系，获得非开阔空间终端设备地理位置的解析值。从而快速 定位故障设备，便捷实现设备状态检测，减少事故发生概率，且迅速准确的做 出处理并恢复至正常状态。同时节省人力物力，提高户变关系判断的准确性， 有利于线损的管理，提高电网经济运行水平。
附图说明
[0089]
下面结合附图和实施例对本发明进一步说明。
[0090]
图1，电力线载波与传感器网络测距方式示意图。
[0091]
图2，弦线逼近法示意图。
[0092]
图3，弧线逼近法示意图。
[0093]
图4，电力线载波网络物理拓扑与地理拓扑通信顺序区别示意图。
[0094]
图5，多折线解析法椭球模型二维示意图。
[0095]
图6，多折线解析法椭球模型三维示意图。
[0096]
图7，冗余盲节点地理位置估计值分布示意图。
具体实施方式
[0097]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施 例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅 用以解释本发明，并不用于限定本发明。
[0098]
首先结合锚节点的地理位置信息和网络地理拓扑信息，采用多折线解析 法获得冗余的盲节点地理位置估计值。如图2，a点和b点是锚节点，m点是盲 节点，假设a点和b点坐标分别为(2，4，0)、(2，10，8)。由弦线逼近 法把折线距离近似为直线，测得a点距离点m为2跳，b点距离点m为1跳，由公 式(1)
‑
(3)计算可得m点地理位置初始估计值为接着由弧 线逼近法把折线距离近似为弧线，进行多次测距。为便于解释，假设只进行 5次测距，实际中测距次数远不止5次。测得距离d
am
＝{20，19，24，25， 23}，d
bm
＝{11，14，13，18，15}，分别取最小值d
am
＝19、d
bm
＝11。 如图5所示，将弧线拉直成等腰三角形
△
nab，建立椭球模型，具体过程如 下：
[0099]
1)设l＝d
am
+d
bm
＝30，以ab为底构建等腰三角形
△
nab，腰长为nab，腰长为
[0100]
2)由下式计算a和b的长度d
ab
：
[0101][0102]
式中(x
a
，y
a
，z
a
)、(x
b
，y
b
，z
b
)分别为a和b的坐标。
[0103]
由下式计算
△
nab的高h：
[0104][0105]
3)以a和b为焦点在直角坐标系构建椭圆方程其中长半轴 长度a＝5，短半轴长度以x轴为轴旋转椭圆一周得到椭球，解析 式为
[0106]
推广到三维坐标系中，经过点m可确定一个平行于yoz平面的面，用该面 截断椭球可获得如图5所示圆形横截面区域。随机选取盲节点附近另外两个 锚节点，重复以上操作获得另一圆形横截面区域，找出两个圆形横截面区域 中距离最短的两个点，以两个点所连直线中点的坐标作为盲节点地理位置估 计值，如图6所示，假设c1坐标为(1，6，2)，d1坐标为(3，14，9)，则 估计的盲节点位置为
[0107]
随机选取四个锚节点为一组，用不同的锚节点组合重复多折线解析法， 直到所有的锚节点组合都用尽，此方法可获得冗余的盲节点地理位置估计 值。如图7所示，不同组合对应的切面区域部分重叠，所有冗余的盲节点地 理位置估计值(x
i
,y
i
,z
i
)服从正态分布。其中重叠越密集的位置为正态分布的 均值，此时估计值最精准。为便于解释，假设共有10个估计值，集合为： {(2，9，7)，(1，10，5)，(2，8，8)，(2，8，4)，(4，9， 7)，(2，9，5)，(2，6，7)，(1，5，9)，(3，6，8)，(3，8， 7)}，由公式(10)
‑
(28)确定每个估计值的crlb值，接着由公式(29) 分配权重，假设权重集合为：{0.1，0.076，0.087，0.14，0.129，0.106， 0.057，0.189，0.066，0.05}。由公式(7)
‑
(9)求得盲节点的地理位置 解析值为：
[0108]
e(x)＝2
×
0.1+1
×
0.076+2
×
0.087+2
×
0.14+4
×
0.12 +2
×
0.106+2
×
0.057+1
×
0.189+3
×
0.066+3
×
0.05＝2.073
[0109]
e(y)＝9
×
0.1+10
×
0.076+8
×
0.087+8
×
0.14+9
×
0.129 +9
×
0.106+6
×
0.057+5
×
0.189+6
×
0.066+8
×
0.05＝7.674
[0110]
e(z)＝7
×
0.1+5
×
0.076+8
×
0.087+4
×
0.14+7
×
0.129 +5
×
0.106+7
×
0.057+9
×
0.189+8
×
0.066+7
×
0.05＝6.747
[0111]
最后收敛结果的波动范围由方差表示，由公式(30)
‑
(32)计算可 得：
[0112]
d(x)＝0.578471
[0113]
d(y)＝2.725724
[0114]
d(z)＝2.832991
[0115]
最终，可得到最高精确度的盲节点地理位置解析值及其波动范围：
[0116]
(2.073
±
0.2892355,7.674
±
1.362862,6.747
±
1.4164955)
[0117]
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领 域的技术人员能够理解本发明，但是本发明不仅限于具体实施方式的范围，对 本技术领域的普通
技术人员而言，只要各种变化在所附的权利要求限定和确 定的本发明精神和范围内，一切利用本发明构思的发明创造均在保护之列。