巫鐘興，丁忠安，夏桃芳，朱子旭，王雅平

(1.中國(guó)電力科學(xué)研究院有限公司，北京 100192； 2.國(guó)網(wǎng)福建省電力有限公司營(yíng)銷(xiāo)服務(wù)中心，福州 350009)

0 引 言

為滿(mǎn)足電能信息采集業(yè)務(wù)需求的快速發(fā)展，電力行業(yè)電測(cè)量標(biāo)準(zhǔn)化技術(shù)委員會(huì)組織編制發(fā)布了電力行業(yè)技術(shù)標(biāo)準(zhǔn)DL/T 698.45《電能信息采集與管理系統(tǒng) 第4-5部分：通信協(xié)議—面向?qū)ο蟮臄?shù)據(jù)交換協(xié)議》(以下簡(jiǎn)稱(chēng)面向?qū)ο髤f(xié)議)，該協(xié)議采用面向?qū)ο蠓椒ń?，具有靈活擴(kuò)展、采集高效、數(shù)據(jù)溯源性好等技術(shù)特點(diǎn)[1-3]。目前面向?qū)ο髤f(xié)議已在電力公司廣泛應(yīng)用，很好的支撐了多表合一、高頻數(shù)據(jù)采集、停電事件上報(bào)等業(yè)務(wù)應(yīng)用[4-5]。

目前電能信息采集方案配置主要采用人員經(jīng)驗(yàn)判斷方式，通常按照臺(tái)區(qū)的規(guī)模、用戶(hù)類(lèi)型、本地通信方式等主要特征，大體上制定若干套固定的采集方案，并通過(guò)主站下發(fā)至采集終端，后續(xù)采集終端按照采集方案策略執(zhí)行數(shù)據(jù)采集任務(wù)。由于臺(tái)區(qū)用電情況和設(shè)備運(yùn)行工況的復(fù)雜多樣，固定的采集方案難以適應(yīng)各種各樣的臺(tái)區(qū)特征和動(dòng)態(tài)多變的臺(tái)區(qū)環(huán)境，導(dǎo)致采集效率不高，難以充分發(fā)揮出面向?qū)ο髤f(xié)議靈活配置的技術(shù)優(yōu)勢(shì)[6-7]。

電能信息采集的通信環(huán)節(jié)主要分為主站與終端的遠(yuǎn)程通信和終端與電能表的本地通信。遠(yuǎn)程通信主要采用4G無(wú)線公網(wǎng)通信信道，存在通信成本較高和偏遠(yuǎn)地區(qū)信號(hào)差等問(wèn)題，但總體來(lái)說(shuō)其通信帶寬高、穩(wěn)定性好，通信交互問(wèn)題較少。本地通信主要采用電力線載波、微功率無(wú)線、RS-485等通信方式，通信速率較低，容易受到干擾，測(cè)量點(diǎn)數(shù)量大，其通信效率對(duì)整個(gè)電能信息采集系統(tǒng)的影響較大。由于電力線載波在本地通信中占比最大，因此本文主要針對(duì)電力線載波通信方式進(jìn)行研究。

本文主要聚焦面向?qū)ο髤f(xié)議應(yīng)用中涉及本地通信環(huán)節(jié)的采集策略相關(guān)參數(shù)，針對(duì)電力線載波通信提出一種基于通信報(bào)文交互時(shí)長(zhǎng)的診斷與優(yōu)化方法。報(bào)文監(jiān)測(cè)分析作為一種數(shù)據(jù)記錄存儲(chǔ)和關(guān)鍵信息提取的有效手段，在電力行業(yè)應(yīng)用廣泛，文獻(xiàn)[8]研究了智能變電站過(guò)程層網(wǎng)絡(luò)報(bào)文特性并進(jìn)行通信配置，文獻(xiàn)[9]將通信報(bào)文分析用于繼電保護(hù)故障信息系統(tǒng)。而多元線性回歸作為一種經(jīng)典的數(shù)據(jù)分析方法，由多個(gè)自變量組合成最優(yōu)組合進(jìn)行預(yù)測(cè)或估計(jì)，預(yù)測(cè)效果更符合實(shí)際，并且在農(nóng)業(yè)、建筑、地理環(huán)境、金融、教育等各行各業(yè)得到了廣泛的應(yīng)用[10-15]。遞歸最小二乘廣泛應(yīng)用于信號(hào)處理、系統(tǒng)辨識(shí)和線性?xún)?yōu)化等領(lǐng)域[16-19]。本文通過(guò)監(jiān)控報(bào)文分析提取典型特征量，利用多元線性回歸和遺忘因子最小二乘建立一次通信交互時(shí)長(zhǎng)模型，并根據(jù)典型特征庫(kù)數(shù)據(jù)進(jìn)行模型更新。根據(jù)建立的一次通信交互時(shí)長(zhǎng)模型，對(duì)臺(tái)區(qū)當(dāng)前采集方案進(jìn)行診斷，判斷方案中任務(wù)周期的合理性，并以最大化抄表效率為優(yōu)化目標(biāo)，通過(guò)數(shù)據(jù)項(xiàng)和歷史記錄讀取組合的方式調(diào)整報(bào)文長(zhǎng)度，進(jìn)行采集方案優(yōu)化，實(shí)現(xiàn)“一臺(tái)區(qū)一方案”和方案動(dòng)態(tài)調(diào)整，提高系統(tǒng)的采集效率，并通過(guò)試點(diǎn)應(yīng)用驗(yàn)證了該方法的可行性。

1 一次通信交互時(shí)長(zhǎng)計(jì)算模型

1.1 影響交互時(shí)長(zhǎng)的特征量

一次通信交互時(shí)長(zhǎng)是指終端與電能表之間完成一次報(bào)文收發(fā)所需要的時(shí)間。一次通信交互時(shí)長(zhǎng)主要取決于多個(gè)通信交互特征量，包括：請(qǐng)求報(bào)文長(zhǎng)度、響應(yīng)報(bào)文長(zhǎng)度、載波通信速率、終端本體與路由模塊通信速率、電能表本體與載波模塊通信速率、終端響應(yīng)延時(shí)、電能表響應(yīng)延時(shí)。一旦臺(tái)區(qū)確定，則臺(tái)區(qū)設(shè)備和線路確定，在臺(tái)區(qū)正常工況下，可認(rèn)為載波通信速率、終端本體與路由模塊通信速率、電能表本體與載波模塊通信速率均為定值，故載波傳輸時(shí)間、終端本體與路由模塊通信時(shí)間、電能表本體與載波模塊通信時(shí)間可認(rèn)為與報(bào)文長(zhǎng)度成正比；而終端響應(yīng)延時(shí)、電能表響應(yīng)延時(shí)取決于終端本體和電能表本體，分為可變延時(shí)和固定延時(shí)兩部分，可變延時(shí)可認(rèn)為與報(bào)文長(zhǎng)度成正比，固定延時(shí)為設(shè)備響應(yīng)固定時(shí)間開(kāi)銷(xiāo)。綜上可知，一次通信交互時(shí)長(zhǎng)可分為與報(bào)文長(zhǎng)度成正比部分和固定開(kāi)銷(xiāo)部分，即可認(rèn)為一次通信交互時(shí)長(zhǎng)與請(qǐng)求和響應(yīng)報(bào)文長(zhǎng)度是線性相關(guān)的。

利用報(bào)文監(jiān)測(cè)分析軟件，長(zhǎng)期監(jiān)測(cè)臺(tái)區(qū)終端和電表之間通信報(bào)文，在剔除通信不良或干擾嚴(yán)重時(shí)段通信報(bào)文后，針對(duì)臺(tái)區(qū)正常通信報(bào)文，展開(kāi)多維度多層次典型特征統(tǒng)計(jì)，提取請(qǐng)求報(bào)文長(zhǎng)度、響應(yīng)報(bào)文長(zhǎng)度、一次通信交互時(shí)長(zhǎng)、波特率等典型特征量，建立通信特征量典型特征庫(kù)，為模型建立和迭代更新提供數(shù)據(jù)支撐。

1.2 模型建立

多元線性回歸是以多個(gè)解釋變量的給定值為條件的回歸分析，是研究一個(gè)因變量和多個(gè)自變量之間依存關(guān)系的統(tǒng)計(jì)方法，它能估計(jì)多個(gè)自變量x的線性系數(shù)，使組成的線性方程最佳地預(yù)測(cè)因變量y的值。多元線性回歸模型的一般形式為：

yi=β0+β1xi1+…+βpxip+εi,i=1,2,...,n

(1)

式中β0,β1,…,βp是回歸系數(shù)，εi是相互獨(dú)立且服從同一正態(tài)分布的隨機(jī)誤差，n是獨(dú)立樣本個(gè)數(shù)，該模型詳細(xì)展開(kāi)可表示為：

(2)

為書(shū)寫(xiě)和表示方便，可以把該模型寫(xiě)成矩陣表達(dá)式的形式：

Y=Xβ+ε

(3)

式中Y是由n次不同狀態(tài)下獲得的因變量觀測(cè)值構(gòu)成的n維向量；X是由n次不同狀態(tài)下自變量樣本構(gòu)成的n×(p+1)階矩陣；β是因變量回歸系數(shù)構(gòu)成的p+1維向量；ε是n維隨機(jī)誤差向量。若X的列滿(mǎn)秩，可得到β的最小二乘估計(jì)：

(4)

統(tǒng)計(jì)學(xué)已證明是β的無(wú)偏估計(jì)，從而得到不含偏差項(xiàng)的樣本回歸函數(shù)：

(5)

基于1.1節(jié)對(duì)通信交互特征量的分析，可以將一次通信交互時(shí)長(zhǎng)理解為與請(qǐng)求報(bào)文長(zhǎng)度、響應(yīng)報(bào)文長(zhǎng)度線性相關(guān)的特征量，通過(guò)從典型特征庫(kù)中選取一定時(shí)間段內(nèi)分布在不同長(zhǎng)度區(qū)間的報(bào)文及相應(yīng)交互時(shí)長(zhǎng)作為樣本，基于多元線性回歸建立如下一次通信交互時(shí)長(zhǎng)模型：

tone=a1Ltx+a2Lrx+a0

(6)

式中tone指一次通信交互時(shí)長(zhǎng)(ms)，Ltx,a1為請(qǐng)求報(bào)文長(zhǎng)度(byte)及其回歸系數(shù);Lrx,a2為響應(yīng)報(bào)文長(zhǎng)度(byte)及其回歸系數(shù);a0為固定時(shí)間開(kāi)銷(xiāo)。

上述模型可以體現(xiàn)樣本所在時(shí)間段內(nèi)一次通信交互時(shí)長(zhǎng)與請(qǐng)求報(bào)文長(zhǎng)度、響應(yīng)報(bào)文長(zhǎng)度之間的線性關(guān)系。但隨著時(shí)間推移，臺(tái)區(qū)運(yùn)行工況可能發(fā)生變化，這一線性關(guān)系也可能發(fā)生變化。因此，間隔一定時(shí)間周期后，要從典型特征庫(kù)中選取最新樣本進(jìn)行模型在線更新。完全選取新樣本數(shù)據(jù)重新計(jì)算模型，對(duì)存儲(chǔ)要求高，計(jì)算效率低，故考慮使用遞歸最新小二乘算法，利用新樣本對(duì)估計(jì)結(jié)果進(jìn)行修正，減少存儲(chǔ)要求，提高計(jì)算效率，提高模型準(zhǔn)確率。

遞歸最小二乘更新公式[16]為：

(7)

式中βn表示用前n次觀測(cè)數(shù)據(jù)得到的最優(yōu)估計(jì)；Xn表示第n次觀測(cè)自變量樣本數(shù)據(jù)；yn表示第n次觀測(cè)因變量樣本數(shù)據(jù)；Pn=(ATA)-1表示用前n次觀測(cè)數(shù)據(jù)得到的逆矩陣，這里沒(méi)有直接求逆，而是通過(guò)Pn-1和Xn計(jì)算得到。

由于遞歸最小二乘算法認(rèn)為不同時(shí)刻樣本數(shù)據(jù)是一樣的，對(duì)于樣本的重要性不夠重視，因此引入遺忘因子[20-22]的概念來(lái)提高當(dāng)前樣本的重要性。將Pn帶入Kn，得到Kn計(jì)算公式為：

(8)

引入遺忘因子后，Kn計(jì)算公式更新為：

(9)

式中k指遺忘因子；k越大則當(dāng)前觀測(cè)樣本的權(quán)重越大，歷史樣本的作用遺忘越快。

利用多元線性回歸建立一次通信交互時(shí)長(zhǎng)模型后，間隔一定時(shí)間引入新的樣本數(shù)據(jù)，采用遺忘因子遞歸最小二乘法進(jìn)行模型在線更新，提高模型的準(zhǔn)確性。

2 通信協(xié)議應(yīng)用診斷方法

基于一次通信交互時(shí)長(zhǎng)模型，進(jìn)行通信協(xié)議應(yīng)用診斷，判斷采集方案中任務(wù)周期是否合理，即任務(wù)周期內(nèi)能否完成本臺(tái)區(qū)所有的抄讀任務(wù)。

將不同任務(wù)的單次請(qǐng)求報(bào)文長(zhǎng)度和單次響應(yīng)報(bào)文長(zhǎng)度帶入一次通信交互時(shí)長(zhǎng)模型，計(jì)算出不同任務(wù)的一次通信交互時(shí)長(zhǎng)。然后根據(jù)臺(tái)區(qū)規(guī)?？梢杂?jì)算出每個(gè)任務(wù)的單周期實(shí)際采集耗時(shí)，具體如式(10)所示。

(10)

(11)

式中β為周期冗余系數(shù)，主要考慮為各任務(wù)失敗重試留一定時(shí)間冗余量。

將各任務(wù)調(diào)整后采集周期TZ與原采集周期T進(jìn)行比較，若TZ>T，則說(shuō)明終端無(wú)法在該周期內(nèi)完成該采集任務(wù)，采集周期不合理，應(yīng)該參考TZ進(jìn)行任務(wù)采集周期修正。

3 通信協(xié)議應(yīng)用優(yōu)化方法

3.1 周期性任務(wù)采集耗時(shí)優(yōu)化模型構(gòu)建

針對(duì)每種周期性采集任務(wù)，通過(guò)增加其一次通信交互的報(bào)文長(zhǎng)度，減少通信交互次數(shù)，從而減少任務(wù)整體采集耗時(shí)，盡可能提高通信效率，既有利于用戶(hù)規(guī)模大、通信工況差的臺(tái)區(qū)提高抄表成功率，也有利于為臺(tái)區(qū)數(shù)據(jù)采集方案中配置更多抄讀任務(wù)。因此建立如下周期性任務(wù)采集耗時(shí)優(yōu)化模型：

(12)

對(duì)于確定的周期性任務(wù)，一旦確定其數(shù)據(jù)項(xiàng)組合形式以及一次讀取歷史記錄條數(shù)，相應(yīng)的請(qǐng)求報(bào)文和響應(yīng)報(bào)文長(zhǎng)度即可確定，因此可通過(guò)不同數(shù)據(jù)項(xiàng)組合以及一次讀取多條歷史記錄的方式增大一次通信交互的報(bào)文長(zhǎng)度，從而形成不同長(zhǎng)度的收發(fā)報(bào)文組合；同時(shí)，完成該任務(wù)一天采集量的收發(fā)報(bào)文中包含的有效數(shù)據(jù)總長(zhǎng)度可認(rèn)為是固定的，增大一次通信交互報(bào)文長(zhǎng)度后，相應(yīng)地，一天內(nèi)執(zhí)行該任務(wù)的通信交互次數(shù)也隨之減少，通信效率隨之提高。圖1為通信效率隨報(bào)文長(zhǎng)度變化趨勢(shì)圖。

圖1 通信效率隨報(bào)文長(zhǎng)度變化趨勢(shì)圖Fig.1 Variation trend of communication efficiency with message length

通信效率隨一次通信交互報(bào)文長(zhǎng)度的變化呈現(xiàn)正相關(guān)的變化趨勢(shì)，一次通信交互報(bào)文越長(zhǎng)，通信效率越高。

3.2 二次優(yōu)化周期性任務(wù)采集耗時(shí)優(yōu)化模型

分析周期性任務(wù)采集耗時(shí)優(yōu)化模型可知，某周期性任務(wù)一天收發(fā)報(bào)文中包含的有效數(shù)據(jù)總長(zhǎng)度固定的情況下，任務(wù)總耗時(shí)中與報(bào)文長(zhǎng)度相關(guān)部分也近似為固定值，只有任務(wù)總耗時(shí)中固定開(kāi)銷(xiāo)部分隨著交互次數(shù)的減少而減少；所以盡可能增大一次通信交互報(bào)文長(zhǎng)度，減少交互次數(shù)，即可最小化任務(wù)總耗時(shí)，最大化通信效率；但與此同時(shí)，一次通信交互報(bào)文越長(zhǎng)，通信交互時(shí)丟幀可能性越高，通信成功率越低。

因此對(duì)周期性任務(wù)采集耗時(shí)優(yōu)化模型進(jìn)行再次優(yōu)化，結(jié)合典型特征庫(kù)統(tǒng)計(jì)分析，根據(jù)實(shí)際通信需求對(duì)優(yōu)化模型調(diào)整如下：

(13)

式中Rsuc為不同報(bào)文長(zhǎng)度下一次通信交互成功率;Rlimit為一次通信交互成功率閾值;Rsuc可根據(jù)通信特征量典型特征庫(kù)統(tǒng)計(jì)計(jì)算得到;Rlimit可根據(jù)實(shí)際應(yīng)用需求設(shè)置。圖2為通信效率和成功率隨報(bào)文長(zhǎng)度變化趨勢(shì)圖。

圖2 再次優(yōu)化后通信效率和成功率隨報(bào)文長(zhǎng)度變化趨勢(shì)圖Fig.2 Variation trend of communication efficiency and success rate with message length after optimization

通信效率和通信成功率隨一次通信交互報(bào)文長(zhǎng)度的變化呈現(xiàn)相反的變化趨勢(shì)，故優(yōu)化模型在通信效率和通信成功率二者之間進(jìn)行權(quán)衡，在滿(mǎn)足通信成功率閾值的前提下，盡可能增大一次通信交互報(bào)文長(zhǎng)度，減少通信交互次數(shù)，提高通信效率。

上述模型可看作一個(gè)線性規(guī)劃模型，求解上述優(yōu)化模型，即可得到當(dāng)前臺(tái)區(qū)各周期任務(wù)效率最高的抄讀方式以及相應(yīng)各周期任務(wù)實(shí)際抄讀周期，可參考求解結(jié)果進(jìn)行采集方案配置，實(shí)現(xiàn)通信協(xié)議應(yīng)用優(yōu)化。

4 診斷與優(yōu)化流程

通信協(xié)議應(yīng)用方案診斷與優(yōu)化流程見(jiàn)圖3。

圖3 診斷與優(yōu)化流程Fig.3 Diagnosis and optimization flow

首先，利用報(bào)文監(jiān)測(cè)分析軟件長(zhǎng)期監(jiān)測(cè)臺(tái)區(qū)終端和電表之間通信報(bào)文，建立臺(tái)區(qū)通信特征量典型特征庫(kù)。其次，從典型特征庫(kù)選取適量樣本數(shù)據(jù)，包括一次通信交互時(shí)長(zhǎng)、請(qǐng)求和相應(yīng)報(bào)文長(zhǎng)度，利用多元線性回歸建立一次通信交互時(shí)長(zhǎng)模型。再次，針對(duì)臺(tái)區(qū)當(dāng)前采集方案，基于交互時(shí)長(zhǎng)模型計(jì)算方案中周期性任務(wù)的估計(jì)周期，判斷當(dāng)前任務(wù)周期的合理性。然后，針對(duì)臺(tái)區(qū)當(dāng)前采集方案，建立周期性任務(wù)采集耗時(shí)優(yōu)化模型，利用數(shù)據(jù)項(xiàng)和歷史記錄讀取組合的方式減少通信交互次數(shù)，提高通信效率。最后，一定時(shí)間周期后，從典型特征庫(kù)選取最新樣本，利用引入遺忘因子的遞歸最小二乘法對(duì)一次通信交互時(shí)長(zhǎng)模型進(jìn)行在線更新樣本數(shù)據(jù)，開(kāi)啟新一輪通信協(xié)議應(yīng)用診斷和優(yōu)化。

5 應(yīng)用結(jié)果與分析

5.1 抄讀效率分析

為驗(yàn)證所提算法的有效性，以某試點(diǎn)臺(tái)區(qū)應(yīng)用數(shù)據(jù)為例進(jìn)行分析。該臺(tái)區(qū)的用戶(hù)規(guī)模為N=500，周期性任務(wù)S為15 min曲線任務(wù)(數(shù)據(jù)項(xiàng)：電壓、電流、正向有功總電能)，對(duì)應(yīng)任務(wù)的采集周期為為15 min。

從臺(tái)區(qū)典型特征庫(kù)中選取最近7天內(nèi)的100組樣本數(shù)據(jù)，每組樣本包括請(qǐng)求報(bào)文長(zhǎng)度、響應(yīng)報(bào)文長(zhǎng)度、一次通信交互時(shí)長(zhǎng)。為提高所建模型的有效性，樣本中請(qǐng)求報(bào)文和響應(yīng)報(bào)文長(zhǎng)度盡可能分布在不同長(zhǎng)度區(qū)間內(nèi)，然后利用選取的樣本數(shù)據(jù)計(jì)算模型回歸系數(shù)，得到一次通信交互時(shí)長(zhǎng)模型為：

tone=8.6Ltx+11.3Lrx+212

(14)

任務(wù)S通常的單次請(qǐng)求報(bào)文長(zhǎng)度Ltx=71，和單次響應(yīng)報(bào)文長(zhǎng)度Lrx=112，帶入式(10)可以計(jì)算出該任務(wù)的單周期實(shí)際采集耗時(shí)約為17.4 min，大于原任務(wù)的采集周期15 min，即在15 min周期內(nèi)無(wú)法完成該曲線任務(wù)的抄讀，應(yīng)進(jìn)行任務(wù)周期修正，如將曲線任務(wù)S的抄讀周期改為30 min。

將任務(wù)S的抄讀周期修正為30 min，即一天要完成48點(diǎn)曲線數(shù)據(jù)采集，完成一天數(shù)據(jù)采集量的收發(fā)報(bào)文中包含的有效數(shù)據(jù)總長(zhǎng)度固定，通過(guò)歷史記錄讀取組合的方式調(diào)整任務(wù)的單次報(bào)文長(zhǎng)度，一天內(nèi)執(zhí)行該任務(wù)的通信交互次數(shù)也隨之變化，該映射關(guān)系如表1所示，表最后一列體現(xiàn)了不同報(bào)文長(zhǎng)度下一次通信交互的成功率，由該臺(tái)區(qū)典型特征庫(kù)統(tǒng)計(jì)得到。

表1 不同歷史記錄讀取組合抄讀情況Tab.1 Different ways of reading historical records

令一次通信交互成功率閾值Rlimit= 95%，將表1中滿(mǎn)足通信交互成功率閾值的報(bào)文長(zhǎng)度數(shù)據(jù)代入式(13)，得到完成該任務(wù)一天采集量的最短耗時(shí)，即為該任務(wù)效率最高的抄讀方式；此時(shí)該任務(wù)一天通信交互6次，一次抄讀8條歷史記錄，可參考該結(jié)果進(jìn)行采集方案配置。

根據(jù)歷史記錄數(shù)據(jù)讀取組合調(diào)整報(bào)文長(zhǎng)度，提高了系統(tǒng)的電能信息采集效率，說(shuō)明文中方法具有較好的實(shí)用性。

5.2 對(duì)電能信息采集效率的對(duì)比分析

為了更好的驗(yàn)證文中方法的性能，將目前采用人員經(jīng)驗(yàn)判斷方式進(jìn)行電能信息采集的方案設(shè)為傳統(tǒng)方法，與文中所提進(jìn)行電能信息采集的方法進(jìn)行對(duì)比，對(duì)比結(jié)果如表2所示，其中任務(wù)耗時(shí)是指完成周期性任務(wù)一天采集量的采集總耗時(shí)。

表2 兩種方法對(duì)比結(jié)果Tab.2 Comparison results of two methods

通過(guò)表2可知，在執(zhí)行不同的周期性任務(wù)時(shí)，相比傳統(tǒng)的人工經(jīng)驗(yàn)判斷方式，使用文中提出的基于交互時(shí)長(zhǎng)的通信協(xié)議應(yīng)用診斷與優(yōu)化方法進(jìn)行電能信息采集，采集效率始終有較大提升。而且，在任務(wù)抄讀周期越短時(shí)，采集效率提升越明顯；這是由于抄讀周期越短，傳統(tǒng)方法通信交互次數(shù)越多，使用文中方法進(jìn)行優(yōu)化后，通信交互次數(shù)下降越明顯，采集效率提升越大。對(duì)比結(jié)果進(jìn)一步說(shuō)明了文中方法在實(shí)際應(yīng)用上具有良好性能。

6 結(jié)束語(yǔ)

針對(duì)目前電能信息采集方案難以匹配臺(tái)區(qū)通信工況導(dǎo)致采集效率不高的問(wèn)題，提出了一種基于交互時(shí)長(zhǎng)的通信協(xié)議應(yīng)用診斷與優(yōu)化方法。通過(guò)監(jiān)控報(bào)文分析提取典型特征量，利用多元線性回歸和遺忘因子最小二乘建立一次通信交互時(shí)長(zhǎng)模型，計(jì)算周期任務(wù)交互時(shí)長(zhǎng)判斷任務(wù)周期合理性，通過(guò)數(shù)據(jù)項(xiàng)和歷史記錄讀取組合的方式增長(zhǎng)報(bào)文長(zhǎng)度，提高通信效率。該方法充分考慮了臺(tái)區(qū)間的通信工況差異性，為提高低壓臺(tái)區(qū)抄表效率和成功率提供了一種行之有效的思路。在后續(xù)的研究中，還可以從結(jié)合采集任務(wù)優(yōu)先級(jí)和建立通信成功率模型兩方面著手，進(jìn)一步提高優(yōu)化方法的實(shí)用性。