随着我国工业化与城市化进程的推进，电力需求量快速增长，业务范围逐渐扩大，对电网稳定性的要求不断提高，构建可靠的配用电网已经成为电网智能化建设的首要目标.但现阶段配电网基础设备薄弱，大多数地区尚未形成自动化管控，配电终端通信故障率较高，这些故障区形成了电网泛在业务盲区.配电网通信是确保电网稳定运行、业务及时处理、故障迅速响应的信息通道.在多种通信技术中，电力线载波通信是常用的通信手段，其具有操作简便、通用性强、数据丢包率小等优势，但通信子载波的干扰会造成信号弱化，导致一些配用电业务无法及时得到反馈，如何有效解决电力载波通信过程中的子载波干扰引起了相关学者的广泛关注.
杨蓉等[1]提出基于自适应遗传算法的子载波分配方案，利用遗传算法良好的全局搜索性能，将其与注水方法相结合，对子载波做自适应分配处理；张婷等[2]在博弈策略的基础上研究了子载波分配方法，以电力系统耗能、子载波功耗以及延时作为约束条件，设计子载波信道能效目标函数，引入演化博弈策略获取最优分配方法.上述两种方法都是从子载波分配角度达到干扰抑制目的，虽然能够一定程度上控制噪声，减少干扰，但解码成功率较低，即使通信过程受干扰小，数据传输效率依旧不高.
针对上述问题，本文使用正交频分复用方法(OFDM)对配用电泛在业务盲区通信子载波进行干扰抑制.该方法能够有效减少多径衰弱现象，利用具有正交关系的子载波降低信道衰落导致的干扰，此外，其保护方式利用循环前缀形式，进一步避免多径衰落问题，去除码间串扰[3].研究方法中包括集中式与分布式两种信道组合方式，前者先对所有子信道进行子载波分配，再对不同时域调度重新分配，从中选择最佳传输子信道；后者则是将每个用户的子载波分布在频带整体中，且不同子载波依次排序，依次获取分集增益.OFDM系统结合信道的频率分析衰减特征，按照频带不同，分配不同编码形式，使其实现自适应编码与调制.
1 配用电泛在业务与信道模型构建
1.1 泛在业务类型
配电网业务特征主要表现为：业务节点众多，覆盖范围大，运行环境较差；容易受到扩容与城市建设影响；通信距离远，业务类型多样化，信息量大但每个节点容量小；维护工作复杂，涉及的管理问题多等方面.传统的配用电网一般利用专线业务传输方式[4]，而智能配用电网承担着更多传输任务，必须具备融合业务的能力，且还要确保服务质量，本文总结的泛在业务类型如表1所示.
表1 配用电业务类型
Tab.1 Power distribution service types
配用电项目具体业务类型配电自动化配电数据自动采集、配电故障定位、配电负荷和设备管理、配电规划方案用电管理用电信息采集、电源计量、充电站计量、需求响应、客户缴费用电服务智能家电、增值业务、定制服务电网监测站点监视、环境监测、线路温度监测临时业务重要用户监测、指挥调度、线路检修
根据表1的业务类型，为满足配电网实时性传输等要求，构建高级配用电业务模型是实现自动化业务的主要方法.
1.2 信道特征模型构建
1.2.1 通信信道特征分析
1) 阻抗匹配.电力线的分布情况、电力用户与电缆之间的连接并非是均匀的.配用电过程中，在载波信号通过转换连接点时，生成特征阻抗[5]，因此会存在阻抗不匹配的问题.
2) 频率衰落.阻抗的不匹配生成各类反射信号，此种反射信号会造成信道多径性，进而导致信道频率衰落.
3) 干扰性.电力线之间会生成电磁辐射，而宽带电力线的频率与辐射频率相等，因此二者之间产生相互干扰.
4) 噪声多样性.配用电网络非常复杂，接入的负载较多，传输信号会受到一定影响，系统噪声类型呈现出多样性特征，脉冲干扰[6]也比较严重.
1.2.2 通信信道模型
结合信道特征可知，信道会使信号传输发生衰减，影响接收端接收水平.导致信号衰减的主要原因是多径传播与多普勒效应，为此本文构建了信道特征模型.假设在信道中上述两种影响因素均出现，则模型可以表示为
(1)
式中：L为路径数量；ai(t)为t时第i条路径的衰落因子；fi(t)为多普勒频率；φi(t)为附加相位；δ(·)为采样函数；τi(t)为路径延时.如果信道具有时不变特征[7]，此时信道可表示为
(2)
为便于特征分析，将式(2)变换为
(3)
式中，hi=aiejφi为第i条路径的复数衰落函数.
如果信道中某设备的移动速度较低，可以不考虑速度影响，则可将式(3)改写成
(4)
上述构建了在不同信道条件下的信道特征模型，结合信道特征，利用FOMD方法对泛在业务盲区进行估计.
2 通信子载波干扰抑制算法
2.1 基于子空间算法的信道“盲区”估计
根据上述构建的信道特征模型，基于子空间算法界定子载波通信信道盲区，设子载波传输信号为N×1维的矢量XN，造成信道干扰的噪声信号为l×1维的矢量ul，构建通信子载波信道矩阵为1×N维的矢量H1×N，由此得到通信终端接收信号为
rl=H1×NXN+ul
(5)
利用子空间方法对信道盲区进行估计的过程如下：
1) 计算接收信号存在的自相关函数[8]，将信道分为存在噪声干扰和不存在噪声干扰两种情况.当信道中不存在噪声干扰时，即噪声时均值为零，得到接收信号的自相关函数为
σ2I，其中：E为信道盲区噪声函数；σ2为高斯白噪声方差.当信道中存在噪声干扰时，则自相关函数表示为
2) 针对Rr做奇异值分解处理，其处理表达式为
(6)
式中：US与UN分别为信号与噪声子空间；∑S为传输信号总和；VS为信号传输速度；VN为噪声子空间传输速度.
3) 如果矩阵秩数表示为d，Rr经过特征分解后对秩λk做重新排序可得
(7)
通过式(7)特征矢量值，能够获得新的信号与噪声子空间分别为S=[s0，s1，…，sd-1]，G=[G0，G1，…，Gl-d+1]，结合子空间分解相关理论，确定S和G具有正交关系.
4) 设子载波序数为k的噪声子空间Gk与信道函数值h的估计值分别表示为
和
通常情况下都符合
对其进行求解，获得信道函数估计值即可估计出泛在业务的信道盲区.该方法不仅能够减少发射信号冗余，还能够节约频谱资源[9].
2.2 通信子载波抗干扰实现
单载波调制方法中每个子载波均不会发生重合，且会存在较大间隔.但OFMD方法中子载波正交，存在重合频段，因此提高了频谱使用效率.在该算法中，子载波个数影响着信号宽度，不断调整子载波即可使信号带宽发生变化.与单载波系统相比，OFDM的带宽扩展性更为突出.
正是因为OFDM具备多种优势，本文利用该方法实现通信子载波干扰抑制.假设信号源经过一系列处理后获得发送信号ck，在通过信道中引入脉冲干扰ik与高斯白噪声wk，获取接收信号为rk.通过混合高斯模型描述脉冲干扰，即
ik=bpvk
(8)
式中：bp为概率为p的伯努利序列；vk为均值等于0的高斯序列.脉冲干扰ik的概率密度函数表达式为
(9)
式中：fG(·)为高斯分布概率函数；
为wk的方差.根据上述分析，得到接收端在脉冲干扰下获取的信号为
rk=ck⊗h(τ)+f(ik)
(10)
如果OFDM的符号数达到一定量时，通信信号能够通过高斯分布代表.但脉冲噪声幅值通常较大，在对脉冲干扰抑制过程中，需设置门限值γ进行噪声去除，经过处理的信号表示为
(11)
结合最大似然准则[10-11]，确定γ计算表达式为
(12)
式中，Gch为噪声子空间高斯分布序列.因OFDM通信具备循环平稳特征[12-13]，经研究传输信号、脉冲干扰与噪声的周期相关函数能够得出：在通信接收端获取合理的子载波序数k和子载波循环前缀长度值，能提取出通信信号，得出信号功率P，预测出噪声与干扰功率的和.
信号功率值可表示为
(13)
式中，a、b为载波传输系数.
结合估计得出的P值，能够获取噪声功率值为
(14)
式中，μ为采样频偏.通过获取的Qwk值可以计算出门限值，将该值用于脉冲干扰处理，即可达到抑制载波干扰的目的[14-15].
3 仿真实验分析与研究
为证明所提抗干扰算法性能，根据某地市供电公司配用电通信终端管理平台提供的数据，采用Matlab平台对OFDM的配用电泛在业务通信系统进行仿真.该系统硬件采用5412-pxi发生器与5015-pxi采样器，具体仿真参数如表2所示.
表2 通信系统仿真参数
Tab.2 Simulation parameters for communication systems
采样频率MHz载波频率MHz带宽MHz子载波数量循环前缀长点256.55130130
根据表2的仿真参数搭建如图1所示的配用电网拓扑结构，主干线包括三个分支，总长度为31.2 m，三个分支长度分别是2.6、11.4及4.8 m.设图1中的拓扑结构输入信号的聚焦参数为0.18；信号采样的时域长度为1 024；干扰强度为-10 dB，时延参数为0.3 s；数据采样频带带宽为3.5 MHz.
一般情况下，通信系统中产生的子载波干扰主要来自背景噪声与脉冲噪声.为验证方法的有效性，在图1的拓扑结构中，仿真时间设置为1 200 s，总的发射脉冲数目设置为循环前缀长与子载波数量的乘积.首先用randn函数生成一个噪声序列，进而生成如图2所示的配用电网的泛在业务盲区采集的实际噪声波形图，该通信系统中噪声含量较为丰富.经过本文方法、文献[1]方法与文献[2]方法处理后，获得的信号波形图分别如图3～5所示.去噪效果数据对比如表3所示，其中，去噪效果数据为单位时间内去除噪声与实际噪声的比值.
图1 配用电网拓扑结构图
Fig.1 Topology structure of power distribution grid
图2 通信信号初始波形图
Fig.2 Initial waveform of communication signals
图3 文献[1]方法处理后通信信号波形图
Fig.3 Communication signal waveform processed by reference [1] method
图4 文献[2]方法处理后通信信号波形图
Fig.4 Communication signal waveform processed by reference [2] method
图5 本文方法处理后通信信号波形图
Fig.5 Communication signal waveform processed by as-proposed method
表3 去噪效果数据对比结果
Tab.3 Comparison results of denoising effect data
去噪时间ms文献[1]方法%文献[2]方法%本文方法%[0,1]82.0090.090.8(1,2]88.0084.0100.0(2,3]84.0085.0100.0(3,4]82.0085.0100.0(4,5]100.00100.0100.0(5,6]72.0075.091.0(6,7]78.0083.090.2均值83.7186.096.0
根据表3的统计结果可知，本文方法能够去除96%以上的噪声，文献[1]方法经过去噪处理后依旧存在大面积噪声，文献[2]方法虽然噪声面积小，但噪声存在区域较多，本文方法只有在峰值处才会出现一些细小噪声.这是因为本文构建的子载波干扰分布模型综合考虑了脉冲干扰幅值影响，通过设置合理门限值，提高去噪效果，抑制干扰.
通信的最终目的是确保接收端准确接收到业务数据，故本文在三种不同干扰抑制算法下，对比了接收端星座图.理想情况下星座图中的每一个信号均为一个圆点，但由于在实际通信过程中会受到噪声、脉冲信号等干扰因素的影响，导致星座图中的每个信号成烟花式散射分布，设发送端发送数据的信噪比为23 dB，OFDM子载波数为64.图6～8分别为三种算法通信接收端星座图数据.
图6 文献[1]方法通信接收端星座图
Fig.6 Communication receiver constellation of reference [1]
由图6～8可以看出，本文方法通信接收端的星座图区域划分更加明显，表明该方法业务接收成功率较高.这是因为该方法的干扰抑制效果较好，提高了通信性能，确保接收端能够获取更多业务数据.
要想恢复配用电网泛在业务盲区的通信能力，必须对信号功率大小进行测试.子载波数量和循环
图7 文献[2]方法通信接收端星座图
Fig.7 Communication receiver constellation of reference [2]
图8 本文方法通信接收端星座图
Fig.8 Communication receiver constellation of as-proposed method
前缀长参数设置同表2，信号调制分别采用对比的三种方法，在不同误比特率(BER)情况下，得到三种方法的通信信号功率对比情况如图9所示.
图9 不同方法信号功率对比
Fig.9 Comparison of signal power using different methods
在误比特率低于10-4时，三种方法的信号功率基本一致.整体而言，三种方法的信号功率与误比特率成反比，但是本文方法的信号功率下降趋势相较于对比方法更缓，表明该方法在BER水平较低情况下，信号传输功率差异较小，能够获得更大增益，提高业务传输效率.
4 结 论
加强配用电网通信能力建设，对经济与社会发展均产生重要影响.因此，本文利用OFMD方法对配用电业务泛在盲区的通信子载波干扰抑制方法进行研究.仿真实验表明，该方法可有效减少信道噪声，提高接收端接收业务的成功率，改善业务通信能力.除本文提出的方法外，还要从全局出发，从不同方面优化电网通信性能，提高通信质量，确保配用电稳定，提高用户满意度.同时在OFDM系统中可尝试其他类型的编码方式，进一步改善算法性能.
[1]杨蓉，曹旺斌，尹成群.基于自适应遗传算法的PLC信道动态子载波分配 [J].电力系统保护与控制，2019，47(12)：111-116.
(YANG Rong，CAO Wang-bin，YIN Cheng-qun.Dynamic subcarrier allocation of PLC channel based on adaptive genetic algorithm [J].Power System Protection and Control，2019，47(12)：111-116.)
[2]张婷，张德干，赵彭真，等.基于博弈策略的能效优化的子载波分配方法 [J].电子学报，2019，47(12)：2561-2568.
(ZHANG Ting，ZHANG De-gan，ZHAO Peng-zhen，et al.A kind of novel sub-carrier dispatching approach based on game strategy for EEO [J].Acta Electronica Sinica，2019，47(12)：2561-2568.)
[3]王哲，赵宏大，朱铭霞，等.电力无线专网在泛在电力物联网中的应用 [J].中国电力，2019，52(12)：27-38.
(WANG Zhe，ZHAO Hong-da，ZHU Ming-xia，et al.Application of power wireless private network in ubi-quitous power Internet of Things [J].Electric Power，2019，52(12)：27-38.)
[4]沈博，蔡泽祥，戴观权，等.面向泛在电力物联网的智能配用电信息采集业务通信分析 [J].电力建设，2019，40(9)：27-34.
(SHEN Bo，CAI Ze-xiang，DAI Guan-quan，et al.Communication analysis of information collection services in smart distribution system towards ubiquitous power Internet of Things [J].Electric Power Construction，2019，40(9)：27-34.)
[5]郭少雄，刘玉涛，吕玉静，等.多载波认知无线电无线携能通信资源分配算法 [J].北京邮电大学学报，2020，43(3)：19-23.
(GUO Shao-xiong，LIU Yu-tao，LÜ Yu-jing，et al.Resource allocation algorithm for simultaneous wireless information and power transfer in multi-carrier cognitive radio [J].Journal of Beijing University of Posts and Telecommunications，2020，43(3)：19-23.)
[6]陈振辉，陈辉煌.电力通信光传送网子载波调制方式优化分配方法 [J].光通信技术，2019，43(2)：14-17.
(CHEN Zhen-hui，CHEN Hui-huang.Optimal allocation method of subcarrier modulation mode in optical transmission network for power communication [J].Optical Communication Technology，2019，43(2)：14-17.)
[7]徐勇军，杨洋，刘期烈，等.认知网络干扰效率最大稳健功率与子载波分配算法 [J].通信学报，2020，41(1)：84-93.
(XU Yong-jun，YANG Yang，LIU Qi-lie，et al.Robust power and subcarrier allocation algorithm for cognitive network based on interference efficiency maximization [J].Journal on Communications，2020，41(1)：84-93.)
[8]何英庆，李宁，王聪，等.LTE-A网络下能源高效的M2M上行子载波和功率分配问题研究 [J].计算机科学，2019，46(7)：61-66.
(HE Ying-qing，LI Ning，WANG Cong，et al.Study on energy efficient M2M uplink subcarrier and power allocation in LTE-A network [J].Computer Science，2019，46(7)：61-66.)
[9]田旋旋，胡念平.基于OFDM的无人机雷达通信一体化设计方法 [J].信号处理，2020，36(10)：1714-1720.
(TIAN Xuan-xuan，HU Nian-ping.Design method of radar-communication integration using OFDM signals for UAVs [J].Journal of Signal Processing，2020，36(10)：1714-1720.)
[10]王雷，陈华明，唐小妹，等.北斗RDSS系统新体制信号子载波间干扰产生机理与消除方法 [J].国防科技大学学报，2019，41(3)：13-17.
(WANG Lei，CHEN Hua-ming，TANG Xiao-mei，et al.Generation mechanism and mitigation method of jam between subcarriers of BDS RDSS signals of new modulation structure [J].Journal of National University of Defense Technology，2019，41(3)：13-17.)
[11]许世纳，施展.光传送网中路由与子载波调制方式分配联合优化方法 [J].光通信技术，2019，43(5)：54-57.
(XU Shi-na，SHI Zhan.Joint optimization method of routing and subcarrier modulation scheme allocation in optical transport networks [J].Optical Communication Technology，2019，43(5)：54-57.)
[12]董鹤楠，苑舜，李闯，等.基于改进型P/Q控制的多源微电网功率脉动抑制 [J].沈阳工业大学学报，2020，42(1)：7-11.
(DONG He-nan，YUAN Shun，LI Chuang，et al.Power pulsation suppression of multi-source microgrid based on improved P/Q control [J].Journal of Shenyang University of Technology，2020，42(1)：7-11.)
[13]龙恳，陈和力，段思睿，等.UFMC系统载波干扰抑制改进算法 [J].计算机应用研究，2019，36(9)：2743-2745.
(LONG Ken，CHEN He-li，DUAN Si-rui，et al.Improved algorithm of carrier interference suppression in UFMC system [J].Application Research of Compu-ters，2019，36(9)：2743-2745.)
[14]李娜娜，李有明，余明宸，等.水声通信中基于正则化阈值迭代的脉冲噪声抑制方法 [J].电信科学，2019，35(3)：76-83.
(LI Na-na，LI You-ming，YU Ming-chen，et al.Regularized threshold iteration method for impulsive noise suppression in underwater acoustic communication [J].Telecommunications Science，2019，35(3)：76-83.)
[15]王磊，李广雪，李冬霞，等.基于OFDM符号特征的干扰抑制与盲波束形成方法 [J].控制与决策，2020，35(6)：1397-1402.
(WANG Lei，LI Guang-xue，LI Dong-xia，et al.Interference suppression and blind beamforming based on OFDM symbol characteristic [J].Control and Decision，2020，35(6)：1397-1402.)