一种低压电力载波异常信号检测方法

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；

图2为本发明一种低压电力载波异常信号检测装置组成示意图；

图3为本发明低压电力载波异常信号采集模块组成示意图。

具体实施方式

为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。

本发明提供一种低压电力载波异常信号检测装置包括三个部分：采集模块、计算模块、报警模块。

图1为本发明低压电力载波异常信号检测流程图，图2为本发明一种低压电力载波异常信号检测装置组成示意图，如图1以及图2所示，运行流程分为四个步骤：用采集模块采集数据，用计算模块训练卷积神经网络建立信号判别分类模型、用计算模块通过信号判别模型判断通信信号种类，有异常通信信号时，用报警模块输出判断结果。

采集模块：功能是采集低压电力线上的电流、电压信号数据。具体实施时，采集模块组成有电压互感器、电流互感器、滤波电路、偏置电路，AD转换器。如图3所示。

计算模块：功能是训练卷积神经网络，建立信号分类模型，通过训练好的模型可以判断信号的类别。具体实施时，计算模块可以采用常规的微型工业控制PC机即可。

报警模块。功能是显示信号类型结果，检测出来的通信信号进行报警具体实施时，可以选用蜂鸣器进行报警，选用普通的显示器进行信号类型显示

发明提供一种低压电力载波异常信号检测方法包括：

(1)信号采集：在所保护设备的供电电力线上安装信号采集模块，采集电流、电压信号数据；

(2)信号分类模型训练：针对采集的数据，建立训练集、验证集、测试集，设计卷积神经分类训练网络，将训练数据集输入其中，训练得到信号的分类模型，利用验证集进行验证，最后利用测试集进行测试；

(3)信号类别判断：针对需要检测的信号数据，输入到训练好的分类模型中，判断信号类别。

(4)报警显示：对识别出来的通信信号进行类型显示并报警。

对于另一个具体实施例，本发明一种低压电力载波异常信号检测方法包括如下4个步骤：

(1)信号采集：在所保护设备的供电电力线上安装信号采集模块，采集电流、电压信号原始数据；

具体实施时，为了训练信号分类模型，需要分别采集无载波通信信号下、FSK、SSB、PSK、BPSK、QPSK、PAM、16QAM载波通信下的共八种情况下的电压电流信号，并人工标记，作为训练数据。

(2)信号分类模型训练：针对采集的数据建立训练集、验证集和测试集，利用卷积神经网络，将带有标签的训练数据集输入其中，训练信号分类模型，再利用验证集进行验证，最后利用测试集进行测试；

具体实施时：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。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63*63*16，第二层池化层输出数据数目31*31*16，第三层卷积层输出数据数目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。

先将训练数据集输入到卷积神经网络中，通过对比特征矢量的相似度，实现同类信号相同特征的自动匹配；利用训练数据的类别标签信息自上而下对电力载波信号特征进行微调。再将验证集输入到训练好的卷积神经网络中进行验证。最后用测试集来测试卷积神经网络模型。

(3)信号类别判断：针对需要检测的信号数据，输入到训练好的分类模型中，判断信号种类。

具体实施时，通过采集模块采集来的低压交流电力线上的电流、电压信号，直接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，经过特征抽取后，通过对比特征矢量的相似度，实现需检测的信号与训练信号相同特征的匹配，从而识别判断信号类型。

(4)报警显示：对识别出来的通信信号类型进行显示并报警。

具体实施时：对信号类别判别模块判断出来的通信信号，通过报警显示模块显示信号类型并进行报警。

本发明公开了一种低压电力载波异常信号检测方法。所述装置包括三个部分：(1)采集模块；(2)计算模块；(3)报警模块。运行分为四个步骤：(1)信号采集：用采集模块采集数据；(2)信号分类模型训练：用计算模块训练神经网络建立信号分类模型；(3)信号类别判别：用计算模块通过信号分类模型判断通信信号类别；(4)报警显示：用报警模块显示检测出来的通信信号并报警。本发明应用于低压电力载波信息防泄漏安全系统，可以快速准确地识别多种电力载波通信信号，减少重要信息设备通过电力线泄密信息的风险，提高信息设备的安全性。

与现有的电力载波通信信号检测方法相比，本发明的有益效果在于利用卷积神经网络信号分类模型，可以识别出更多调制类型的电力载波通信信号，能够识别的信号种类更多。因此本发明在电力线上防止信息泄露应用中，将发挥重要作用。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。