[发明专利]一种低压电力载波异常信号检测方法

说明书

本发明涉及一种低压电力载波异常信号检测方法，包括：信号采集，在所保护设备的供电电力线上采集电流以及电压信号原始数据；分类模型训练，针对采集的数据建立训练集、验证集和测试集，设计卷积神经网络分类模型，将数据集输入到分类模型中，训练信号分类模型；针对需要检测的信号数据，输入到训练好的的信号判别模型，判断信号的类别；对识别出来的通信信号类型进行显示并报警。满足能通过识别多种不同电力载波通信状态下的电流电压信号，从而识别出电力载波通信调制方式的需求。

技术领域

本发明涉及一种检测电力载波技术领域，确切的是涉及一种低压电力载波异常信号检测方法。

背景技术

信息设备在现代信息系统中的应用已越来越普遍。信息设备在工作时产生的时变电流信号激发的电磁波是一种典型的载波，这些电磁波中一旦携带有敏感的信息，就有可能被截获还原，造成敏感信息的泄漏。近年来，在截获和还原电力线传导耦合电力泄漏信息技术方面取得了突破，但以往很少引起关注的电源线、地线等电力线，成为了信息泄漏的潜在途径。

防止信息泄露是企事业单位的一项重要工作，它需要为企事业单位提供安全的信息防护手段。在固定办公环境、机房等重要场所中，及时检测和发现为信息设备供电的电力线中可能存在信息泄密隐患。

现有的装置只能识别低压电力线上电力载波中BPSK或FSK这种单一调制信号，多种通信信号并存的情况下很难识别并区分出来。而且载波通信信号提取难度大，通信信号的识别率较低。如果能利用深度学习技术，通过识别低压交流电力载波电流电压信号变化，识别出电力线上存在的FSK、SSB、PSK、BPSK、QPSK、PAM、16QAM多种载波通信信号，就能更好的达到电力线信息防护的效果。

发明内容

本发明涉及一种低压电力载波异常信号检测方法，用于解决上述现有技术的问题。

本发明一种低压电力载波异常信号检测方法，其中，包括：信号采集，在所保护设备的供电电力线上采集电流以及电压信号原始数据；分类模型训练，针对采集的数据建立训练集、验证集和测试集，设计卷积神经网络分类模型，将数据集输入到分类模型中，训练信号分类模型；针对需要检测的信号数据，输入到训练好的的信号判别模型，判断信号的类别；对识别出来的通信信号类型进行显示并报警。

根据本发明一种低压电力载波异常信号检测方法的一实施例，其中，采集新联数据时，分别采集FSK、SSB、PSK、BPSK、QPSK、PAM以及16QAM载波通信信号，以及无载波通信信号下，八种不同情况下的信号下的电压以及电流信号，并标记信号的类别。

根据本发明一种低压电力载波异常信号检测方法的一实施例，其中，所述分类模型训练步骤中，设计卷积神经网络信号分类模型，卷积神经网络的卷积层和池化层都由相应数量的特征矩阵构成，每个二维特征含有多个互不相连的独立神经元。

根据本发明一种低压电力载波异常信号检测方法的一实施例，其中，卷积神经网络层设计分为八层网络架构，第一层卷积层输出数据数目为63*63*16，第二层池化层输出数据数目为31*31*16，第三层卷积层输出数据数目为29*29*32，第四层不完全连接层输出数据数目为29*29*32，第五层池化层输出数据数目为14*14*32，第六层全连接层输出数据数目为6272，第七层全连接层输出数据数目为512，第八层全连接层输出数据数目为8，对应需要识别的8种信号。

根据本发明一种低压电力载波异常信号检测方法的一实施例，其中，采集来的低压交流电力线上的电流和电压信号，作为已经训练好的卷积神经网络分类模型的第一层输入，通过分类模型逐级逐层抽取数据的更高级本质特征，识别判断信号类型。

本发明一种低压电力载波异常信号检测方法，满足能通过识别多种不同电力载波通信状态下的电流电压信号，从而识别出电力载波通信调制方式的需求。

附图说明

图1为本发明低压电力载波异常信号检测流程图；