CN115460647A

CN115460647A - 基于eSIM卡和5G基站的物联网故障定位方法及***

Info

Publication number: CN115460647A
Application number: CN202211294106.8A
Authority: CN
Inventors: 欧清海; 王炫中; 张亚南; 艾彦; 张宁; 李竹天; 付艳芳; 王艳茹; 孔祥余
Original assignee: Beijing Zhongdian Feihua Communication Co Ltd
Current assignee: State Grid Information and Telecommunication Co Ltd; Beijing Zhongdian Feihua Communication Co Ltd
Priority date: 2022-10-21
Filing date: 2022-10-21
Publication date: 2022-12-09
Anticipated expiration: 2042-10-21
Also published as: CN115460647B

Abstract

本发明公开了基于eSIM卡和5G基站的物联网故障定位方法及***，包括，构建协同5G基站部署的电力设备物联网；对电力设备物联网中的节点进行故障识别，得到故障节点；根据故障节点对5G基站进行筛选，提取筛选后的5G基站中的故障数据对应的时间数据，通过基站定位方法对时间数据进行分析，得到电力设备物联网故障定位结果。通过上述技术方案，本发明能够提升数据传输的速度及范围，并以此为基础进行故障节点的精准判识与定位。

Description

基于eSIM卡和5G基站的物联网故障定位方法及***

技术领域

本发明涉及5G通信技术与电力物联网融合应用技术领域，特别涉及一种基于eSIM卡和5G基站的物联网故障定位方法及***。

背景技术

物联网在智能电网中的应用，是信息通信技术发展到一定阶段的结果，其将有效整合通信基础设施资源和电力***基础设施资源，提高电力***信息化水平，改善电力***现有基础设施利用效率，为电网发、输、变、配、用电等环节提供重要技术支撑。由于电网已成为社会的基础能源，随着用电负荷的不断攀升及电气设备数量的日益剧增，然而无法及时发现设备故障隐患，故障停电、电气火灾等安全事故频发，设备运行维护仍然依靠人工，故障维修响应慢，巡检过程难以管控，设备全生命周期管理缺失。

电网在其实际应用过程中，电力设备物联网中的节点众多，对于节点的设置，通常通过节点标签的形式进行节点的区分，区分后可以通过不同节点标签进行不同区域位置的数据采集。然而，电力设备物联网节点使用固定节点，固定节点在使用过程中，可能会发生节点移动导致节点出现故障，无法对节点进行准确定位，同时物理网节点还使用有移动节点，在移动节点进行移动过程出现故障时，同样无法对该节点进行准确位置定位。本发明技术是智慧电网运维的一个重要技术创新方向，以提高用户侧电力运行安全，降低运维成本为目标，通过建立电网运维体系全方位的信息化、数字化平台，实现电力资产设备运行的数字化在线监控与线下维护处理的有机融合，促进运维服务质量的提升，同时降低运维成本。

发明内容

为解决上述现有技术中所存在的电力设备物联网节点故障时无法准确定位的问题，本发明提供一种协同5G部署的电力设备物联网故障定位方法及***，能够提升数据传输的速度及范围，并以此为基础进行故障节点的准确定位。

为了实现上述技术目的，本发明提供了如下技术方案：基于eSIM卡和5G基站的物联网故障定位方法，包括：

构建协同5G基站部署的电力设备物联网；对电力设备物联网中的节点进行故障识别，得到故障节点；根据故障节点对5G基站进行筛选，提取筛选后的5G基站中的故障数据对应的时间数据，通过基站定位方法对时间数据进行分析，得到电力设备物联网故障定位结果。

可选的，协同5G部署的电力设备物联网包括传感节点、网关设备、服务器及数据云平台，其中传感节点、网关设备、服务器与数据云平台依次连接，其中连接中均协同5G基站进行数据传输；单个网关设备与若干个传感节点连接；单个服务器对应多个网关设备；数据云平台对应若干个服务器，传感节点、网关设备、服务器及数据云平台中均设置有eSIM卡。

可选的，对电力设备物联网中的节点故障识别过程包括：

获取电力设备物联网中的节点的接收数据，根据对接收数据进行初步筛选，基于初步筛选结果，通过深度学习模型对接收数据进行识别，对识别结果进行分析，获取故障节点；其中深度学习模型采用通过迁移学习方式训练好的卷积神经网络。

可选的，对5G基站进行筛选的过程包括：

选取故障节点所传输的故障数据，对故障数据进行截取，提取基站中传输数据记录，对传输数据记录及故障数据进行相似度比对，根据比对结果对基站进行筛选，得到筛选后的基站。

可选的，通过基站定位方法对时间数据进行分析的过程包括：

对时间数据进行提取，并获取筛选后的基站的位置数据，通过达到时间差算法对时间数据及位置数据进行分析计算，得到电力设备物联网故障定位结果。

为了更好的实现上述技术目的，本发明提供了一种基于eSIM卡和5G基站的物联网故障定位***，包括：

识别模块及定位模块；识别模块用于构建协同5G基站部署的电力设备物联网；对电力设备物联网中的节点进行故障识别，得到故障节点；

定位模块用于根据故障节点对5G基站进行筛选，提取筛选后的5G基站中的故障数据对应的时间数据，通过基站定位方法对时间数据进行分析，得到电力设备物联网故障定位结果。

可选的，在识别模块中，协同5G部署的电力设备物联网包括传感节点、网关设备、服务器及数据云平台，其中传感节点、网关设备、服务器与数据云平台依次连接，其中连接中均协同5G基站进行数据传输；单个网关设备与若干个传感节点连接；单个服务器对应多个网关设备；数据云平台对应若干个服务器，传感节点、网关设备、服务器及数据云平台中均设置有eSIM卡。

可选的，识别模块包括第一识别模块，其中第一识别模块用于获取电力设备物联网中的节点的接收数据，根据对接收数据进行初步筛选，基于初步筛选结果，通过深度学习模型对接收数据进行识别，对识别结果进行分析，获取故障节点；其中深度学习模型采用通过迁移学习方式训练好的卷积神经网络。

可选的，定位模块包括第一定位模块，其中第一定位模块用于选取故障节点所传输的故障数据，对故障数据进行截取，提取基站中传输数据记录，对传输数据记录及故障数据进行相似度比对，根据比对结果对基站进行筛选，得到筛选后的基站。

可选的，定位模块包括第二定位模块，其中第二定位模块用于对时间数据进行提取，并获取筛选后的基站的位置数据，通过达到时间差算法对时间数据及位置数据进行分析计算，得到电力设备物联网故障定位结果。

本发明具有如下技术效果：

通过上述技术方案，本发明能够对节点众多的协同5G部署的电力设备物联网中的故障进行准确定位，同时构建电力设备物联网时，选择5G基站作为数据传输节点，提升数据传输的速度及范围，并以此为基础进行故障节点的准确定位，同时电力设备物联网节点众多，故障定位过程中不需要额外的***件，减少硬件成本。

附图说明

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。

图1为本发明实施例提供的方法流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了解决在现有技术中存在的问题，本发明提供了如下方案：

如图1所述，本发明提供了一种基于eSIM卡和5G基站的物联网故障定位方法，包括将5G基站作为传输节点构建电力设备物联网，本发明电力设备物联网构建为协同5G部署的电力设备物联网即分布式电力设备物联网，通过分布式物理网能够更全面且计算量更快速的进行数据的采集及计算，同时以5G基站为传输基础，进一步提升其传输速度及范围，在完成电力设备物联网的数据采集分析后，识别电力设备物联网中的故障，并根据故障溯源故障传输经过的基站，在基站中提取相关数据，以相关数据为基础通过基站定位方法对该节点进行位置的准确定位。

本发明上述技术方案以电网电力设备物联网为实施例进行步骤的具体说明：

针对电网，首先构建一种协同5G部署的电力设备物联网，该电力设备物联网中通过设置传感节点、网关设备、服务器及数据云平台，在该电力设备物联网中，通过对电网中的不同电力节点固定设置固定节点，如电流传感器、电压传感器、固定电力节点图像传感器等电力相关传感器件，同时针对电网的相关线路选择移动节点，如高压线路全自主巡检无人机，上述电力设备物联网节点采集数据传输时，通过内置时钟电路实时生成时钟信号，并周期性向周围基站广播时间信息，节点广播的时间信息包括间隔分别广播的三个时间，间隔为0.5-1秒，并广播标注该节点的标签，并将实时生成的时间信息及采集的数据传输给网关设备。在节点选取完成后，通过5G基站将一定区域内的节点与传输该区域内的网关设备设置数据传输连接，一个网关设备负责转换传输该区域内监测同一数据类型多个传感节点采集的数据，例如该区域内监测电压的传感器与一个网关设备连接，监测电流数据的与一个网关设备连接。同时网关设备与服务器连接；服务器接收网关设备的数据，并将网关设备的数据进行电网相关监测分析，监测分析中的数据中包含有传感器采集数据、采集数据对应的传感器周期性广播的时间信息及标签与网关的标签地址，用于对数据进行溯源，监测分析过程中，一个服务器根据区域位置关系连接多个网关设备，通过一个服务器连接该区域所有网关设备以实现对该区的大范围电力监测分析，同时设置数据云平台，通过对数据云平台接收不同区域内的服务器的数据，并对服务器上传数据进行云上的数据存储及整体的数据分析，通过上述设置构建一种协同5G部署的电力设备物联网。

在上述传输过程中均协同5G基站进行数据传输，在构建上述物联网过程中，针对电力网中的变电站、电网塔、高压线路等电力设施的基础设施或资产的检测位置及范围一定，其物联网设置完成后，需在物联网的检测节点一定区域内后期分布式部署两个或更多个5G基站来保持后续节点检测的有效使用和准确定位，同时在上述传感节点、网关设备、服务器及数据云平台中均设置有eSIM卡，eSIM卡体积小，成本低，通过eSIM卡作为连接5G基站的通信器件，能够有效实现5G通信。通过5G作为数据传输过程中的传输介质，有效提升电力设备物联网中数据传输效率，并通过5G基站中的处理单元及存储介质将物理网中传输的数据进行短暂的保留，并记录接收传输数据的时间，如设置一定周期，在一定周期内进行保留，当时间达到一周期时，对数据进行删除，保证存储空间的有效，同时短暂保留的数据作为故障节点溯源基础。

识别电力设备物联网中的故障过程包括：在电力设备物联网中对电网数据的采集过程中除了对电网故障还包括电力设备物联网内部的故障，在对电力设备物联网内部的故障进行识别过程中，首先需要对电力设备物联网所传回的数据进行初步筛选，筛选过程中，筛选是否出现接收数据缺失的问题，缺失的情况下认定传感节点或者网关设备损坏无响应，通过对数据中的传感器标签及网关标签地址进行检索，查找同一时间下缺失的传感器标签及对应的网关标签地址，若出现上述传感器标签及标签地址的现象，记录缺失的标签及地址，并标记为无响应故障，同时对该节点进行记录，标记为无响应故障节点。

若无上述情况，则对接收后的数据通过深度学***均模块，加权平均模块的连接CNN网络输出及LSTM网络输出进行加权和操作融合上述信号的时空特征输出，通过输出层输出对应故障数据，在输入层中，本实施例将同一网关设备下的传感节点在同一时间下所传输的数字信号形式的数据进行固定长度的截取形成集合，并将集合拼接生成对应的传感节点测量矩阵，并将测量矩阵作为输入层的输入，CNN及LSTM网络识别测量矩阵中的特征，进行加权平均处理，通过输出层输出，输出层设置为是否存在故障，故障类型为电网故障还是电力设备物联网故障，并指出故障对应的集合，以此确定电力设备物联网故障的节点。

在上述深度学***台进行训练，云平台中存储有与服务器一样的深度学***台通过提取存储的相同类型的历史数据，并根据测量矩阵的行列数，行表示为截取字符长度，列为测量节点数量，对历史数据进行筛选及截取，形成训练测量矩阵，并对该测量矩阵对应的故障类型及集合进行标注形成训练集，通过该训练集对深度学***台传输的模型参数对本地深度学***台可进行周期性的训练，并将周期性训练参数结果迁移入本地模型中，实时提升模型精度以实现故障数据的准确识别。

在对电力设备物联网故障节点进行确定后，根据故障节点的标签对故障节点传输的数据进行一定长度的截取，截取长度根据人工经验确定，截取的内容需包括故障识别输入的数据，截取后，将基站中保留的数据进行提取，提取后通过关键字查找方法查找物联节点标签，提取节点标签对应的传输数据，对对应传输数据进行与截取的数据相同长度的分割，将分割的数据与截取的数据进行相似度比对，相似度比对中对比字符顺序一致性，提取相似度排序第一的分割数据，判断所述分割数据所属基站，筛选出故障点传输数据所使用基站，在此基础上，查找附近基站对其进行定位，具体的以该基站为圆心，以预设范围为半径画出圆区域，预设范围通过人工经验设置，并统计该区域内的基站，同时将上述截取包含故障数据对应的节点时间信息即节点故障时间信息进行统计。

根据故障节点标签，通过关键字检索方式查找统计后的基站保留的关于节点广播接收标签，查找得到基站保留的该节点标签的全部时间数据，判断与节点故障时间信息最接近的基站内保留的节点广播时间信息，根据最接近的节点广播时间信息，统计不同基站接收该节点广播时间信息时的基站内置时间信息，通过达到时间差算法对基站内置时间信息及基站位置进行解算，最终得到故障节点位置即电力设备物联网故障定位结果，根据故障节点位置对电力设备物联网节点进行维修替换。

对于无响应节点，通过关键字查找无响应节点标签对应的最后一次广播时间，并在所有基站中对于最后三次广播时间的对应的基站时间进行提取，通过达到时间差算法对时间数据及基站位置进行解算，得到无响应节点的故障位置范围，可根据该范围对无响应节点进行搜索查找维修。

通过上述技术方案，本发明能够对节点众多的协同5G部署的的电力设备物联网中的故障进行准确定位，同时构建电力设备物联网时，选择5G基站作为数据传输节点，提升数据传输的速度及范围，并以此为基础进行故障节点的准确定位，同时电力设备物联网节点众多，故障定位过程中不需要额外的***件，只需***件中简单的时钟广播电路，将定位解算过程移交至服务器端，减少硬件成本，并降低电力设备物联网节点的定位功率。

上述说明以电网为实施例，在现有的协同5G部署的物联网中，本发明上述方法同样适用。

识别模块及定位模块；识别模块用于协同5G基站部署的电力设备物联网；对电力设备物联网中的节点进行故障识别，得到故障节点；

定位模块用于根据故障节点对5G基站进行筛选，提取筛选后的5G基站中的故障数据对应的时间数据，通过基站定位方法对时间数据进行分析，得到电力设备物联网故障定位结果。该***与方法流程相对应，此处不做赘述。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims

1.一种基于eSIM卡和5G基站的物联网故障定位方法，其特征在于，包括：

2.根据权利要求1所述的定位方法，其特征在于：

所述协同5G部署的电力设备物联网包括传感节点、网关设备、服务器及数据云平台，其中所述传感节点、所述网关设备、服务器与所述数据云平台依次连接，其中连接中均协同5G基站进行数据传输；单个网关设备与若干个传感节点连接；单个服务器对应多个网关设备；数据云平台对应若干个服务器，传感节点、网关设备、服务器及数据云平台中均设置有eSIM卡。

3.根据权利要求1所述的定位方法，其特征在于：

对电力设备物联网中的节点故障识别过程包括：

获取电力设备物联网中的节点的接收数据，根据对接收数据进行初步筛选，基于初步筛选结果，通过深度学习模型对接收数据进行识别，对识别结果进行分析，获取故障节点；其中所述深度学习模型采用通过迁移学习方式训练好的卷积神经网络。

4.根据权利要求1所述的定位方法，其特征在于：

对5G基站进行筛选的过程包括：

5.根据权利要求1所述的定位方法，其特征在于：

通过基站定位方法对时间数据进行分析的过程包括：

6.基于权利要求1-5任一项所述的基于eSIM卡和5G基站的物联网故障定位方法的定位***，其特征在于，包括：

7.根据权利要求6所述的定位***，其特征在于：

在识别模块中，所述协同5G部署的的电力设备物联网包括传感节点、网关设备、服务器及数据云平台，其中所述传感节点、所述网关设备、服务器与所述数据云平台依次连接，其中连接中均协同5G基站进行数据传输；所述单个网关设备与若干个传感节点连接；所述单个服务器对应多个网关设备；所述数据云平台对应若干个服务器，传感节点、网关设备、服务器及数据云平台中均设置有eSIM卡。

8.根据权利要求6所述的定位***，其特征在于：

识别模块包括第一识别模块，其中第一识别模块用于获取电力设备物联网中的节点的接收数据，根据对接收数据进行初步筛选，基于初步筛选结果，通过深度学习模型对接收数据进行识别，对识别结果进行分析，获取故障节点；其中所述深度学习模型采用通过迁移学习方式训练好的卷积神经网络。

9.根据权利要求6所述的定位***，其特征在于：

所述定位模块包括第一定位模块，其中第一定位模块用于选取故障节点所传输的故障数据，对故障数据进行截取，提取基站中传输数据记录，对传输数据记录及故障数据进行相似度比对，根据比对结果对基站进行筛选，得到筛选后的基站。

10.根据权利要求6所述的定位***，其特征在于：

所述定位模块包括第二定位模块，其中第二定位模块用于对时间数据进行提取，并获取筛选后的基站的位置数据，通过达到时间差算法对时间数据及位置数据进行分析计算，得到电力设备物联网故障定位结果。