电力通信传输网性能综合评估方法与流程

1.本发明涉及通信传输技术领域，且更具体地涉及一种电力通信传输网性能综合评估方法。


背景技术：

2.输变电通信网络建设过程中面临如下挑战：电力业务需求多，安全和可靠性要求高；传统的tdm业务与新增的ip业务需要同时承载；变电站内通信接口复杂，维护困难；特高压超长距输电对超长距离通信的需求等。比如华为输变电通信解决方案用ms-otn设备建设电力通信传输网，承载调度电话、差动继电保护、scada业务以及办公自动化等业务，为客户建一张高安全、高可靠、低时延和面向未来的网络。
3.在上述方法中，虽然电力通信传输应用过程中，虽然也能够进行电力通信传输网运行过程中的评估，但是网性能在进行数据信息评估时，效率低下、传输信息评估能力欠佳。


技术实现要素：

4.针对上述技术的不足，本发明公开一种电力通信传输网性能综合评估方法，能够有效地提高电力通信传输网性能综合评价，提高电力通信传输网运行效率。
5.本发明采用以下技术方案：一种电力通信传输网性能综合评估方法，其中包括以下步骤：步骤一、通过感知单元感知电力通信传输网的通信信息特征，将感知到的数据信息通过无线通信模块传递到应用终端；步骤二、构建改进型otn+ptn组网模式组成电力通信传输网架，将输入的数据信息传输，通信网络包括电力终端、光网络节点、中继节点、光纤链路和光电映射接口，通过分组传输网络实现数据信息传递，在分组传输网络中，通过扩展mpls-tp模块实现面向网络数据信息连接的数据分组传输，增加了标签转发能力，提高了基于ip地址的逐跳路由转发功能；其中扩展mpls-tp模块包括编码模块和识别模块；其中所述编码模块用于对电力通信传输网络架构中不同的数据节点进行编码，识别模块用于对编码后的数据节点进行识别；步骤三、通过优化模型对通信网络中电力通信传输网络性能进行评估，其中优化模型通过以下方法实现数据信息评估；优化模型函数构建方法通过以下步骤:(s31) 构建时延约束模型，时延约束模型函数表示为：（1）在公式（1）中，表示otn层光传输时延，表示光纤链路中数据的传输速度，
表示通信网络光纤链路的长度，表示光网络节点设备的处理时延，表示通信网络路由跳数，表示路由总时延，通过公式（1）优化模型计算电力通信传输网络性能评估的时延约束； (s32) 构建数据通信的可靠性约束函数模型；电力通信网性能的可靠性约束与电力终端路径、otn层光电接口路径和光纤路径的可靠度因素有关，表示了保护通信网中各模块无故障传输业务的概率，可靠性约束函数模型表示为：（2）在公式（2）中，表示光纤可靠性约束函数模型，表示电力通信主路径可靠度，表示电力通信备份路径可靠度，表示数据传输总可靠度； (s32) 构建电力通信网节点重要度函数；电力通信网节点重要度函数表示为：（3）在公式（3）中，表示电力通信传输网络中的电压等级权重，表示电力通信传输网络中的电力节点度数权重，表示电力通信传输网络中的节点电压等级，表示电力通信传输网络中的通信网电力节点度数；(s33) 构建电力通信传输网络中otn层的节点重要度与光网络层节点风险和节点占用率，占用率函数为：（4）在公式（4）中，表示光层节点风险度权重，表示光层节点占用率权重，表示了光层归一化风险度，表示了归一化电力节点度数；电力通信传输网络中通信网络的节点可靠性能标准差函数表示为：（5）在公式（5）中，其中表示电力通信传输网络中通信平均节点占用率，表示电力通信传输网络中网络节点总数，表示电力通信传输网络中网络可靠度，通过公式（5）反映出电力通信传输网络中节点波动情况；(s34) 计算网络数据通信的网络延时；优化模型对通信网络中可靠路由优化时，计算初始光层节点的重要度和通信网络时延，统计所有的可达路径构成主路径集合记作为，对于集合中每条路径计算出分离路径，得到备份路径集合，再对主路径和备份路径中的平均节点重要度进行计算，平均节点重要度函数为：
（6）在公式（6）中，g、h表示otn层网络节点，x、y表示主路径和备份路径的节点总数，表示网络数据节点为g时的节点重要度，表示网络数据节点为h时的节点重要度，通过公式（6）计算出节点重要度时，选择重要度最小的主路径和备份路径来传输电力通信系统中的业务数据，再对通信网络中节点重要度进行更新，以计算下一个电力通信传输网络中传输数据信息业务到达时的时间节点；步骤四、通过评估模块实现电力通信传输网络中通信评估，其中所述评估模块包括特征提取模块、卷积计算模块、池化计算模块、特征预测模块、信息聚类分析模块和损失计算模块，其中所述特征提取模块的输出端与卷积计算模块的输入端连接，卷积计算模块的输出端与池化计算模块的输入端连接，池化计算模块的输出端与特征预测模块的输入端连接，特征预测模块的输出端与信息聚类分析模块的输入端连接，信息聚类分析模块的输出端与损失计算模块的输入端连接；其中所述特征提取模块用于提取电力通信网络中的数据信息，所述卷积计算模块同于计算电力通信网络中的数据信息中的通信参数，池化计算模块用于对输入的信息特征图数值进行归一化，按照特征图归一化后的概率值大小随机采样选择；所述特征预测模块用于根据电力通信网络中的数据信息，预测电力通信网络中的数据信息在通信过程中的数据信息，信息聚类分析模块用于对输入的电力通信网络中的数据信息进行聚类分析和分类，以提高电力通信网络中的数据信息分类能力，所述损失计算模块用于计算电力通信网络中的数据信息在通信过程中的损失。
6.作为本发明进一步的技术方案，感知单元采用的控制芯片为stm32f429zet6单片机，通过arm32位的cortex tm-m4 的处理器内核实现通信数据信息的传输，其中所述感知单元具有12通道的dma和112个快速i/o端口，主频范围为1.4~1.6ghz。
7.作为本发明进一步的技术方案，感知单元感知到的数据信息为通信协议、网络通信模式、传输数据信息的格式、通信传输速度、组网模式、网络节点、数据流、数据流协议头、数据流符号、数据流特征信息、感知时延和链路带宽。
8.作为本发明进一步的技术方案，无线通信模块采用usr-g806路由器。
9.作为本发明进一步的技术方案，mpls-tp模块通过模拟量采集电路采集电力通信网络中的数据信息，在输入通道中，由、和共同组成采集电路的输入集，和的电阻值分别为和，实现输入电流和电压的转换，其中二极管型号为ss34，实现了输入端反接保护，使最大正向导通压降为0.5v，模拟开关和运算放大器构成了采集电路的中间级，开关输出端级联一个电压跟随器。
10.作为本发明进一步的技术方案，电力通信传输网架为改进型otn+ptn组网模式的电力通信网架构。
11.作为本发明进一步的技术方案，通过网络评估算法模型实现电力通信传输网络性能评估，其中网络评估算法的方法为：对电力通信网网络中fdd网络进行卷积运算公式为：
（7）在公式（7）中，公式中x为输入的电力通信网网络输电线路图像数据，表示fdd网络的核函数，表示输出电力通信网网络特征映射结果，表示电力通信网网络的加权平均参数，表示图像数据的权重向量，卷积分计算函数为：（8）在公式（8）中，公式中、表示缺陷图像输入特征矩阵的长度和宽度，表示网络的激活函数，表示缺陷特征向量，通过公式（8）完成对特征提取通道中向量的非线性激活；完成特征提取后，电力通信网网络进行不同尺度特征融合，融合公式表示为：（9）在公式（9）中，b表示fpn网络中先验框架数量，c表示电力通信网网络线路缺陷特征的类别个数，和表示图像网格坐标的偏移量横向坐标和纵向坐标，和表示预测电力通信网网络线路传输性能的尺度，则电力通信网网络线路缺陷特征归一化函数表示为：（10）在公式（10）中，表示电力通信网网络线路缺陷数据信息尺度归一化处理，表示电力通信网网络线路缺陷特征数据信息检测模型的真实目标框，表示电力通信网网络线路通信数据信息的聚类中心；计算电力通信网网络线路检测模型的坐标损失，损失函数为：（11）在公式（11）中，表示电力通信网网络线路提取信息图像的大小，表示电力通信网网络线路检测模型目标框的实际值，表示电力通信网网络线路尺度变换参数，表示电力通信网网络线路数据传输过程中的损失函数。
12.本发明有益的积极效果在于：本发明通过感知单元感知电力通信传输网的通信信息特征，将感知到的数据信息通过无线通信模块传递到应用终端；通过构建改进型otn+ptn组网模式组成电力通信传输网架，将输入的数据信息传输，通信网络包括电力终端、光网络节点、中继节点、光纤链路和光电映射接口，通过分组传输网络实现数据信息传递，在分组传输网络中，通过扩展mpls-tp模块实现面向网络数据信息连接的数据分组传输，增加了标签转发能力，提高了基于ip地址的逐跳路由转发功能；通过通过优化模型对通信网络中电力通信传输网络性能进行评估，其中优化模型通过以下方法实现数据信息评估；通过评估模块实现电力通信传输网络
中通信评估，其中所述评估模块包括特征提取模块、卷积计算模块、池化计算模块、特征预测模块、信息聚类分析模块和损失计算模块，大大提高了电力通信传输网性能综合评估能力。
附图说明
13.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：图1为本发明流程示意图；图2为本发明中卷积运算模型；图3为本发明模拟量采集电路示意图。
具体实施方式
14.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
15.如图1所示，一种电力通信传输网性能综合评估方法，包括以下步骤：步骤一、通过感知单元感知电力通信传输网的通信信息特征，将感知到的数据信息通过无线通信模块传递到应用终端；步骤二、构建改进型otn+ptn组网模式组成电力通信传输网架，将输入的数据信息传输，通信网络包括电力终端、光网络节点、中继节点、光纤链路和光电映射接口，通过分组传输网络实现数据信息传递，在分组传输网络中，通过扩展mpls-tp模块实现面向网络数据信息连接的数据分组传输，增加了标签转发能力，提高了基于ip地址的逐跳路由转发功能；其中扩展mpls-tp模块包括编码模块和识别模块；其中所述编码模块用于对电力通信传输网络架构中不同的数据节点进行编码，识别模块用于对编码后的数据节点进行识别；步骤三、通过优化模型对通信网络中电力通信传输网络性能进行评估，其中优化模型通过以下方法实现数据信息评估；优化模型以通信网络中电力业务的时延和可靠性为约束条件，并考虑到级联故障的影响，优化目标为风险离散度最小。其中模型的时延约束由电力设备通信路径时延、光电接口时延和光传输时延共同组成；优化模型函数构建方法通过以下步骤：(s31) 构建时延约束模型，时延约束模型函数表示为：（1）在公式（1）中，表示otn层光传输时延，表示光纤链路中数据的传输速度，表示通信网络光纤链路的长度，表示光网络节点设备的处理时延，表示通信网络路由
跳数，表示路由总时延，通过公式（1）优化模型计算电力通信传输网络性能评估的时延约束； (s32) 构建数据通信的可靠性约束函数模型；电力通信网性能的可靠性约束与电力终端路径、otn层光电接口路径和光纤路径的可靠度等因素有关，表示了保护通信网中各模块无故障传输业务的概率，可靠性约束函数模型表示为：（2）在公式（2）中，表示光纤可靠性约束函数模型，表示电力通信主路径可靠度，表示电力通信备份路径可靠度，表示数据传输总可靠度； (s32) 构建电力通信网节点重要度函数；模型进行优化时考虑到了通信节点的风险度和节点的占用程度，电力通信网节点重要度函数表示为：（3）在公式（3）中，表示电力通信传输网络中的电压等级权重，表示电力通信传输网络中的电力节点度数权重，表示电力通信传输网络中的节点电压等级，表示电力通信传输网络中的通信网电力节点度数。
[0016] (s33) 构建电力通信传输网络中otn层的节点重要度与光网络层节点风险和节点占用率，占用率函数为：（4）在公式（4）中，表示光层节点风险度权重，表示光层节点占用率权重，表示了光层归一化风险度，表示了归一化电力节点度数；电力通信传输网络中通信网络的节点可靠性能标准差函数表示为：（5）在公式（5）中，其中表示电力通信传输网络中通信平均节点占用率，表示电力通信传输网络中网络节点总数，表示电力通信传输网络中网络可靠度，通过公式（5）反映出电力通信传输网络中节点波动情况。
[0017] (s34) 计算网络数据通信的网络延时；优化模型对通信网络中可靠路由优化时，计算初始光层节点的重要度和通信网络时延，统计所有的可达路径构成主路径集合记作为，对于集合中每条路径计算出分离路径，得到备份路径集合，再对主路径和备份路径中的平均节点重要度进行计算，平均节点重要度函数为：
（6）在公式（6）中，g、h表示otn层网络节点，x、y表示主路径和备份路径的节点总数，表示网络数据节点为g时的节点重要度，表示网络数据节点为h时的节点重要度，通过公式（6）计算出节点重要度时，选择重要度最小的主路径和备份路径来传输电力通信系统中的业务数据，再对通信网络中节点重要度进行更新，以计算下一个电力通信传输网络中传输数据信息业务到达时的时间节点。
[0018]
电力业务的时延和可靠性为约束条件，并考虑到级联故障的影响，优化目标为风险离散度最小，其中模型的时延约束由电力设备路径时延、光电接口时延和光传输时延共同组成；步骤四、通过评估模块实现电力通信传输网络中通信评估，其中所述评估模块包括特征提取模块、卷积计算模块、池化计算模块、特征预测模块、信息聚类分析模块和损失计算模块，其中所述特征提取模块的输出端与卷积计算模块的输入端连接，卷积计算模块的输出端与池化计算模块的输入端连接，池化计算模块的输出端与特征预测模块的输入端连接，特征预测模块的输出端与信息聚类分析模块的输入端连接，信息聚类分析模块的输出端与损失计算模块的输入端连接；其中所述特征提取模块用于提取电力通信网络中的数据信息，所述卷积计算模块同于计算电力通信网络中的数据信息中的通信参数，池化计算模块用于对输入的信息特征图数值进行归一化，按照特征图归一化后的概率值大小随机采样选择；所述特征预测模块用于根据电力通信网络中的数据信息，预测电力通信网络中的数据信息在通信过程中的数据信息，信息聚类分析模块用于对输入的电力通信网络中的数据信息进行聚类分析和分类，以提高电力通信网络中的数据信息分类能力，所述损失计算模块用于计算电力通信网络中的数据信息在通信过程中的损失；在具体实施例中，本发明设计出的电力通信网网络融合了光传输网络（optical transport network，otn）和分组传输网络（packet transport network，ptn），通信网络由电力终端、光网络节点、中继节点、光纤链路和光电映射接口等组成，采用分布式网络管控，使通信网络能够有效管理和配置网络资源，分组传送能有效检测数据的丢失和避免数据冲突。本发明电力通信网络混合组网络中，光传输网络能够充分利用了电网中有限的光网络资源，并且拥有多层传送机制，混合组网模式能够调节数据速率和分配频谱，可以根据不同业务要求提供动态资源分配。通过应用了网络感知技术，使电力通信网络对网络状态具有感知能力，实时感知网络拓扑、时延、故障，通过网络拓扑、时延感知实现对网络节点。
[0019]
在上述实施例中，感知单元采用的控制芯片为stm32f429zet6单片机，通过arm32位的cortex tm-m4 的处理器内核实现通信数据信息的传输，其中所述感知单元具有12通道的dma和112个快速i/o端口，主频范围为1.4~1.6ghz。
[0020]
在具体实施例中，感知单元的嵌入开发板使用exynos4412，感知单元具有多个模拟参数信号输入接口，能够与网络中多个类型的网络设备进行适配，经过放大、滤波、数字
化处理后，将感知到网络设备运行状态和网络参数等数据打包处理通过无线传输模式上传到监控服务器。
[0021]
在上述实施例中，感知单元感知到的数据信息为通信协议、网络通信模式、传输数据信息的格式、通信传输速度、组网模式、网络节点、数据流、数据流协议头、数据流符号、数据流特征信息、感知时延和链路带宽。
[0022]
在具体实施例中，无线通信模块采用usr-g806路由器。
[0023]
模拟量采集电路如图3所示，在具体实施例中，wifi信号可达到100m，采用3dbi高增益天线，支持多种加密传输。时钟模块使用了ds1337芯片，时钟模块的x1引脚接入32.7khz的石英晶振，提供外部振荡信号源，scl为串行时钟输入，用来同步总线数据传输，sda接口连接lcd引脚输出时钟数据，可通过配置时钟模块内部的时间寄存器控制时钟和信号输出。
[0024]
在图3中，在具体实施例中，mpls-tp模块通过模拟量采集电路采集电力通信网络中的数据信息，在输入通道中，由、和共同组成采集电路的输入集，和的电阻值分别为和，实现输入电流和电压的转换，其中二极管型号为ss34，实现了输入端反接保护，使最大正向导通压降为0.5v，模拟开关和运算放大器构成了采集电路的中间级，开关输出端级联一个电压跟随器。
[0025]
减小导通支路电流，同时减小中间级输出电压误差。
[0026]
在具体实施例中，电力通信传输网架为改进型otn+ptn组网模式的电力通信网架构。
[0027]
本发明设计出的电力通信网网络融合了光传输网络（optical transport network，otn）和分组传输网络（packet transport network，ptn，通信网络由电力终端、光网络节点、中继节点、光纤链路和光电映射接口等组成，采用分布式网络管控，使通信网络能够有效管理和配置网络资源，分组传送能有效检测数据的丢失和避免数据冲突。
[0028]
在具体实施例中，通过网络评估算法模型实现电力通信传输网络性能评估，其中网络评估算法的方法为：本发明在yolo算法模型上进行改进，加入骨干网络（ffd，feature fusion-darknet）用来进行缺陷特征的提取，以yolov3网络为基础构建出缺陷检测模型，将不同分支的特征进行融合后再预测，增强最终的特征表达能力，能够更好地应用在系统的检测任务中。
[0029]
其中ffd网络通过大量卷积和池化运算完成特征提取，输出相应的图像特征，并不断和底层特征相融合，其中spp模块将局部细节特征与全局特征相融合，特征预测网络（fpn，feature pyramid networks）将高级语义特征和低层次的特征相结合，使得预测的尺度更加精确。电力通信网网络中fdd网络进行卷积运算公式为：（7）在公式（7）中，公式中x为输入的电力通信网网络输电线路图像数据，表示fdd网络的核函数，表示输出电力通信网网络特征映射结果，表示电力通信网网络的加权平均参数，表示图像数据的权重向量，通过公式（7）完成了对输电线路图像的缺陷特征提
取。由于卷积操作是集中于图像数据的局部信息的，采用特征提取通道中所有元素的平均值间操作，卷积分计算函数为：（8）在公式（8）中，公式中、表示缺陷图像输入特征矩阵的长度和宽度，表示网络的激活函数，表示缺陷特征向量，通过公式（8）完成对特征提取通道中向量的非线性激活；完成特征提取后，电力通信网网络进行不同尺度特征融合，融合公式表示为：（9）在公式（9）中，b表示fpn网络中先验框架数量，c表示电力通信网网络线路缺陷特征的类别个数，和表示图像网格坐标的偏移量横向坐标和纵向坐标，和表示预测电力通信网网络线路传输性能的尺度，则电力通信网网络线路缺陷特征归一化函数表示为：（10）在公式（10）中，表示电力通信网网络线路缺陷数据信息尺度归一化处理，表示电力通信网网络线路缺陷特征数据信息检测模型的真实目标框，表示电力通信网网络线路通信数据信息的聚类中心；计算电力通信网网络线路检测模型的坐标损失，损失函数为：（11）在公式（11）中，表示电力通信网网络线路提取信息图像的大小，表示电力通信网网络线路检测模型目标框的实际值，表示电力通信网网络线路尺度变换参数，表示电力通信网网络线路数据传输过程中的损失函数。
[0030]
综上所示，将残差模块和底层特征相融合，利用改进后的骨干网络间特征提取，并将局部细节特征和全局特征相互融合，利用改进后的多尺度分支进行预测，提高了对缺陷特征较小的目标的检测效果。
[0031]
卷积神经网络（convolutional neural networks, cnn）是一类包含卷积计算且具有深度结构的前馈神经网络（feedforward neural networks），是深度学习（deep learning）的代表算法之一。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络（shift-invariant artificial neural networks, siann）
” 在进行电力通信网网络线路数据信息评估时，加入骨干网络（ffd，feature fusion-darknet）用来进行缺陷特征的提取，在具体实施例中，还可以yolov3网络为基础构建出缺陷检测模型，将不同分支的特征进行融合后再预测，增强最终的特征表达能力，能够更好地应用在系统的检测任务中。
[0032]
为验证本发明电力通信网的可靠性，搭建仿真测试平台进行实验分析，通过测试
进行功能验证。实验计算机使用intel 酷睿i9 12900k 处理器，搭载lancer 32gb ddr5 5200内存，硬盘使用hof extreme m.2 2tb ssd。实验计算机利用mininet仿真工具搭建出适合电力通信网络的实验环境，并使不同拓扑类型的端口数量保持一致。实验环境配置如表1所示。
[0033]
表1 实验环境配置电力通信网中传输的实验数据集包括了电力调度数据、安全控制数据、电力终端运行参数、故障信息、直流保护数据和电力营销数据等，对数据集进行初步的筛选和预处理操作。实验数据集如表2所示。表2 实验数据集进行电力通信网节点状态分析实验时，使用本发明方法和方案1对搭建的配置相同的电力业务进行优化保护，方案2中采用了卷积神经网络的方法。实验时间设定为30分钟，对加载电力业务后的通信网络节点占用率进行统计，统计到的节点占用率数据如表3所示。
[0034]
表3 节点占用率数据
对比表中，显示的网络节点占用情况可知，本发明方法的通信网络中，所有的节点都运行正常，节点占用率大致在20%~35%范围内，部分节点的占用率最高达到38%。本发明方法在保证电力业务数据正常传输时，考虑到了部分节点的节点占用率较高的情况，能够通过次优路径代替高节点占用率的传输路径，减缓了通信网络的数据通信压力。对比方法中节点占用率最高达到45%，节点占用率范围在10%~40%之间波动，部分节点处于故障状态，过高的节点占用率可能会导致节点的满负荷运行，发生故障时相应的接地无法正常运行。实验时测试通信链路的平均时延，设定通信网络中的电力业务数量为100，把电力业务分配在多条通信路径中，并模拟通信链路中经过的流量。本发明方法进行路由优化，分析实验结果可知，本发明方法优化后的通信链路的平均时延较低，整体在40ms以下，方案2方法优化后的通信链路的平均时延最大超过50ms。方案2方法中1号、5号、8号通信链路的负载较大，数据传输时延在30ms以上，均衡程度较低，4号链路的平均时延最低为16.5ms，本发明方法在优化时能够考虑其他链路负载情况，不会影响通信网络总体负载均衡度，其中1号链路的平均时延最高为37.5ms，5号、7号、9号和10号的通信链路的平均时延在20ms以下，7号链路的时延最低为11.2ms。
[0035]
通过上述试验，说明本发明中的方法具体突出的技术效果。
[0036]
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。