配电泛在物联网无线通信链路可靠性的置信区间预测

发布时间：2021-04-08 20:54

　　无线通信链路质量的有效预测是保证泛在物联网通信链路选择的必要前提。通信链路可靠性难以准确预测的主要原因是无线链路质量信噪比时间序列具有随机性。因此,在分析无线通信链路随机特性的基础上,提出了一种无线通信链路可靠性置信区间预测方法。首先,采用小波分解的方法将无线链路质量信噪比时间序列分为平稳序列和噪声序列,对噪声序列进行计算后得到噪声标准差序列。然后,采用LSTM神经网络建立平稳序列和噪声标准差序列的预测模型,并基于上述模型的预测结果,计算通信链路可靠性置信区间。最后,将置信区间下界与可靠性标准做对比,以预先判断无线通信链路是否可以满足配电网通信数据可靠性的要求。对比仿真结果表明,所提出的方法不仅满足配电泛在物联网的应用需求,而且相较于其他预测算法更为准确。 

【文章来源】：电子测量与仪器学报. 2020,34(06)北大核心CSCD

【文章页数】：9 页

【部分图文】：

LSTM单元结构

根据上节的分析结果,本文设计了图2所示的无线通信链路可靠性置信区间预测算法。如图2所示,本文使用小波分解将SNR信号分解为噪声部分和相对平稳部分。针对小波分解后相对平稳的序列部分,通过LSTM神经网络进行预测,而对于噪声序列部分,首先计算其标准差序列后,再通过LSTM神经网络进行预测。然后,将两模型的预测结果进行整合,计算出通信链路可靠性置信区间。最后,置信区间下界代入式(1)得到对应的可靠性,从而实现无线链路质量可靠性预测。通过上述算法,物联网节点可在发送数据之前,对所有可用的链路质量进行预判,有效避免采用不可靠链路传输,提高智能电网通信可靠性。

在智能电网环境中,采集到一组泛在物联网无线通信链路质量信噪比信号如图3所示。由于SNR序列连续、非线性、随机的特性,本文采用小波分解的方法对上述数据进行分解。小波分解在保证去除噪声的基础上,最大限度上使上升沿和下降沿得到保真,保留了更多的特征信息。本文小波选择db3小波,阈值 T 的选择如式(10)所示。

【参考文献】：
期刊论文
[1]输配电设备泛在电力物联网建设思路与发展趋势[J]. 江秀臣,刘亚东,傅晓飞,徐鹏,王劭菁,盛戈皞.  高电压技术. 2019(05)
[2]电力通信技术在智能电网中的应用[J]. 杨虎城,尤上元.  通信电源技术. 2019(04)
[3]智能电网中电力通信技术的应用实践分析[J]. 刘祖锋,王瑞璜.  通讯世界. 2018(11)
[4]电力通信技术在智能电网中的应用[J]. 李美菲,张铁平,张亦.  通讯世界. 2018(09)
[5]基于TensorFlow进行股票预测的深度学习模型的设计与实现[J]. 韩山杰,谈世哲.  计算机应用与软件. 2018(06)
[6]基于深度信念网络的WSN链路质量预测[J]. 刘琳岚,许江波,李越,杨志勇.  通信学报. 2017(S2)
[7]电力通信传输线路优化设计和施工技术探讨[J]. 毕勇.  价值工程. 2017(33)
[8]基于LSTM神经网络的用电量预测[J]. 徐尧强,方乐恒,赵冬华,王凯.  电力大数据. 2017(08)
[9]谷歌TensorFlow机器学习框架及应用[J]. 章敏敏,徐和平,王晓洁,周梦昀,洪淑月.  微型机与应用. 2017(10)
[10]深度学习框架下LSTM网络在短期电力负荷预测中的应用[J]. 陈亮,王震,王刚.  电力信息与通信技术. 2017(05)

硕士论文
[1]基于LSTM神经网络的美股股指价格趋势预测模型的研究[D]. 孙瑞奇.首都经济贸易大学 2016



本文编号：3126258