用于协调信号注入以理解和保持公用设施网格中信号注入模式之间正交性的系统和方法

摘要

本发明提供用于在公用设施网格上实施实验性尝试的方法和系统。网格参数的变型被协调以形成在其内网格参数的所述变型不重叠的时间段和空间区域，从而允许那些时间段和空间区域内的传感器数据与网格参数中的特定变型相关联。该相关联的数据可继而用于改善传感器响应和公用设施网格行为的模型。

说明书

背景技术

公用设施网格的性能，即其可靠性、安全性和效率，可通过以下操作显著改善：感测关键参数并使用那些结果来指导网格的操作和维护，识别故障，指导适当的响应，以及实现有效管理，诸如将可再生源并入电网中同时维持电力质量。

传感器网络通常用于监控公用设施网格。这些传感器网络可包括网格末端处的智能测量仪、网格节点处的传感器，以及在公用设施线路上或在其周围的传感器，这些传感器用于测量网格参数，诸如水网中的流速、电网中的电力质量或公用设施网格中的压力。这些传感器是换能器，通常输出代表所测量特性的模拟信号。这些输出需要被表征以映射到那些特性的特定值，和/或被分类使得所述输出可表示某领域的特定状态，诸如需要调查的可能泄漏，或在将可再生资源并入电网时识别无功功率的增大。传感器的表征通常通过台架测试来完成，同时传感器可在其周围环境具有各种干扰；对公用设施网格监控网络上的传感器进行原位表征是优选的，但这对大量用于监控公用设施网格的传感器而言十分困难并且很难评价其中的许多传感器。

分析网格传感器数据并指导响应的趋势是“大数据”，其使用大量网格历史数据来构建用于分类和指导响应的模型。然而，这些大数据模型局限于相关性，因为它们挖掘历史数据来构建模型，从而限制了其对于主动指导处理或进行精调的效果。另外，这些大数据模型通常需要大量数据，这些数据妨碍对特定网格节点或位置处的网格状态进行高度粒度化理解，或仅可在长时间操作后实现此类粒度；一些方法已应用机器学习技术和改善的模型来增大速度和粒度，但即使是这些方法也持续依赖于来自被动采集的历史数据的相关性。

已使用信号注入来突出网格故障，诸如发现其中从交流电网非法获取电力的节点；这些技术依赖于已表征的高质量传感器诸如“智能测量仪”并且是偶发性的全网范围内的个别行为，并未协调以并发或顺序地进行，并且因此不适用于对大量不同的传感器进行原位校准。信号注入已还用于测试对网格的高电平，诸如在HVDC分配电平处的较大变化的全网响应。那些信号注入是大规模、单独的且由人工介入，不易受到自动的较小规模局部测试或并发的或顺序的具体实施的测试的影响，同样不适用于原位校准和表征各个局部传感器的响应。为了采用对位于受到高度感测的网格上的传感器进行定期的原位表征的信号注入，需要能够并发和顺序地注入信号以增大样本容量并实现自动化，且不会将传感器响应与其它信号注入混淆。

公用设施网格管理将极大受益于对传感器响应的实时因果理解，以利用大数据智能网格方法来克服问题并支持实时、粒度化的，和精调的网格监控和管理，以更充分地利用智能网格的潜力来优化网格参数并通过使能跨这些高度不同的系统以更局部的水平实现此类优化来响应潜在网格反常。

发明内容

本发明涉及实施到公用设施网格中的信号注入的自动化协调，以通过接收可能的信号注入集、计算信号注入的空间范围和时间范围、生成具有不重叠范围的信号注入集，并在给定时间和位置处将生成的信号注入集实施到公用设施网格中，来使能对网格事件的传感器响应进行多次并发和顺序的测试。

附图说明

图1为本发明的方法的步骤的流程图。

图2为公用设施网格、其相关联的传感器网络以及选择用来通过本发明的示例来实施的信号注入的空间范围的图示。

图3为本发明的系统的系统图。

图4为本发明的系统的各种部件之间的信息流的数据流程图。

图5为用于将信号注入分配到特定时间和位置的迭代过程的流程图。

图6为示出系统实施方案的架构及其与公用设施网格交互情况的图示。

具体实施方式

信号注入提供了一种表征传感器响应或改善传感器输出分类的方式，以改善对通过传感器网络诸如“智能网格”工作监控的公用设施网格上的当前网格事件的理解。当可以并发地和顺序地运行对信号注入的传感器响应的测试以最大化样本容量并在理解传感器输出过程中产生空间和时间粒度时，可以最高效地改善和优化这一理解，但所述各种测试并不与其它测试的结果混淆。因此，有利的是自动在时间和空间上将多个信号注入协调到公用设施网格中，从而确保相比较于其它样本容量，将可能获得更大的样本容量，同时也确保样本本身不会因重叠信号注入而混淆。所得的大量不混淆的实验样本允许生成可行的因果知识，其具有足够的时间和空间粒度以推动局部优化，实现“智能网格”优化技术在管理网格维护、故障响应、提高效率和为网格运营商提供更丰富智力支持方面的潜力。

图1为本发明的方法的流程图。在步骤100中接收可能的信号注入集，在步骤102中计算可能的信号注入的空间范围和时间范围，在步骤104中选择并协调多个可能的信号注入使得它们的空间范围和时间范围不重叠，以及在步骤106中将信号注入实施到公用设施网格中。任选地，在步骤108中，可以在信号注入的至少空间范围和时间范围内采集传感器数据。传感器数据为沿公用设施网格的传感器的输出，诸如测量网格参数的由换能器输出的电场波形，或来自那些沿公用设施网格的传感器的经处理的输出。数据采集也可连续进行，或在超出空间范围和时间范围的时间段或区域内进行。任选地，在步骤110中，传感器数据可与特定信号注入相关联。

在步骤100中接收可能的信号注入集。可能的信号注入为代表信号注入的时间、位置和性质的数据，该信号注入可跨网络实施以测试传感器响应的模型。信号注入的性质特定于实施信号注入的公用设施网格的类型，以及信号注入的特定特征诸如其量值，或由注入改变的公用设施网格变量。信号注入为网格参数中的受控变化，例如电网中的电信号注入，诸如由致动网格控件导致的电流、电压或功率因子的增大或减小。

待实施到公用设施网格中的信号注入可通过机器到机器控制(M2M)自动实施，或可在其具体实施中由人工介入，通过网格人员的自动化指令执行特定的活动，诸如去激活电网中的具体工业负荷而发生。这些信号注入为网格状态下的受控变型，其基于网格操作的变化方面，诸如调整阀门、激活电源或其它此类变化。这些信号注入可在包括气网、水网和电网的网格中执行。在气网中，可通过例如改变通过管道的气体路线以增大或减小特定点处的压力来注入信号。对这些信号的响应可为气网管道周围传感器网络所检测出的泄漏数目和/或严重程度的增大或减小，或连接到被推动至高压或低压的区域的下游压力的变化。这些信号注入可在人工介入的情况下通过在指导分配给执行对各种阀和开关的手动调整的维护人员的计划时对各种阀和开关的手动调整来实现；这些计划可采用各种形式，诸如维护队列、另外的任务，并且可通过多种电子方式来分配，该电子方式诸如计算机、平板电脑、智能手机或其它便携式计算设备上的电子邮件、文本消息和日历提醒。在这些人工介入的情况下，这些调整的时间可通过使维护人员使用联网设备来签到以记录实际实施变化的时间来审查，以用于处理由于对这些信号注入进行网格响应而产生的后续数据。在进行有关气网的信号注入的完全机器到机器实施的实施方案中，开关和阀门通过经由有线通信网络和无线通信网络耦合到系统的致动器来操作，并且响应于系统发送的信号或根据通过系统分配给那些致动器的控制器的指令或计划来作用。机器到机器的具体实施由于在具体实施的时间方面将存在较小变异而允许更密切协调的测试，并且经改善的定时允许进行更复杂的试验。在这些具体实施中，传感器条件和致动器状态的监控可以是恒定的，以实时理解空间和时间分配的影响之间的关系，从而能够检测并表征关系的变化以及局部传感器的状态，例如通过所检测到变化的因子隔离。

在电网中，人工介入方法可包括手动切换功率流、切换电容器组或有载抽头变换器、激活或禁用连接到网格的功率源、激活或禁用对能耗具有显著影响的重型工业装备(例如电弧炉)或网格中其它主要的手动控制功率负载。在这些示例中，变化可通过在指导自动生成并分配给适当维护人员(例如，接触并负责特定控制的人员)的计划时由维护人员来实现；这些计划可采用各种形式，诸如维护队列、另外的任务，并且可以通过多种电子方式来分配，该电子方式诸如计算机、平板电脑机、智能手机或其它便携式计算设备上的电子邮件、文本消息和日历提醒。在这些人工介入的情况中，这些调整的时间可通过使维护人员使用联网设备来签到以记录实际实施更改的时间来审查，以用于处理由于这些信号注入而产生的后续数据。这些人工介入的方法可改变可测量因子，诸如电力质量、线路温度、线路垂度、无功功率水平以及其它因子，这些因子可通过观察那些可测量网格因子的传感器网络来获得。

在电网中，机器到机器(M2M)方法提供更大的控制措施程度，并且可通过各种方式自动注入所选择的经协调的信号。其中包括可在人工介入的示例(诸如自动化切换电容器组或选择有载抽头变换器的位置)中使用的切换和维护行为类型的自动化，并且另外，信号注入的M2M方法可利用更大的控制精度和宽度来包括动作，诸如协调设备(诸如在末端位置处的装置)的使用以产生经协调的需求和在消费者位置处的负载，或实施多种类型的网格影响动作组合的复杂协调以生成更加复杂的条件，或将变化引入到自动功率因子校正单元。这些组合可能性非常难以通过大数据方法解决，因为即使是大量数据，也可能仅具有反映特定组合的有限样本容量，并且组合可能性的绝对数目使得这些问题的大数据解决方案相当棘手。这些信号注入可通过自动控制相关网格部件和联网设备来发起，相关部件和联网设备包括发电机、开关、电压调节装置诸如用于无功功率管理的有载抽头变换器和电容器组、从网格接收电力的智能测量仪和智能器具，以及其它易通过系统远程控制的网格部件。这些可利用毫秒级控制能力来调控电力质量变量，诸如波形形状、无功功率水平、RMS电压和电流电平，所述调控通过改变有载抽头变换器上的位置、开关特定电容器组的打开或关闭，或者整合分布式电源、增加或移除新的负荷或自动功率因子校正单元的具体操作的影响来实现。

注入的信号可以是简单信号，指导单个网格动作，诸如打开水网或气网中的阀门，或通过致动的开关将一个特定的可再生源连接到网格来在线引入该可再生源，或改变电网示例中来自一个变电站的输出电压以改变网格条件；或者注入的信号可以为复合信号，由多个经协调的网格动作组成，使得它们的单独空间范围和时间范围重叠以在那些重叠范围内的区域处产生多因子处理。这些多因子处理可包括多种不同网格参数的变型，例如将光伏逆变器连接到仅下游网格的同时调节变电站的输出，以探索那些参数的组合效应，诸如那些示例性动作对该网格分支中的电压波形和无功功率水平的影响。复合网格动作的另一个示例可为改变有载抽头变换器位置和电容器组开关两者，以同时提供对电网中无功功率的更精准控制。多因子处理可用于产生特定网格参数的类似变型的多个实例，例如使用加性效应来增大网格中一个或多个特定位置处网格参数的特定变型的量值，同时通过将网格的更敏感相邻部分暴露于将施加到网格中的整个信号注入的仅一个分量中而将该部分保持在较窄或不同的操作范围内，从而保护该部分；例如，可为在更稳定的节点周围的敏感节点处的功率水平各自提供具有预计空间范围的增大，该空间范围包括更稳定的节点，但是不包括其它敏感节点，并且这些多个敏感节点可在其较窄的操作范围内各自提供功率增大，使得稳定节点处功率的组合增量超出每个敏感节点处的单独增量。

对于复合信号，基于将复合信号对系统的影响视为整个复合集来预测时间和空间范围。对于那些复合信号，虽然单个网格动作将具有重叠的空间范围和时间范围，但是所定义的组成复合信号的网格动作集却被视为一个信号注入，其中所定义的网格动作集的组合的整个空间范围和时间范围用于确定无其它信号可注入到网格中的空间区域和时间段，以维持来自其它网格信号注入的复合信号注入的正交性。

复合信号可以在由其它系统导出或经网格人员选择后，输入到已定义为待一起完成的网格动作集以及那些网格动作的时间和位置的系统中，或者可以通过系统从网格动作集中选择多个网格动作来导出，如通过例如部分可观察马尔可夫决策过程(POMDP)模型来指导，该模型探索在对跨网格的不同位置间变化的操作条件的约束内的组合或操作。

探索网格响应的信号注入可通过搜索具有具备任何可控网格活动的时空规律的波形来组成，所述波形以即时或规则延迟方式共同发生，通过例如主分量或傅里叶分析方式。波形或分量波形(例如，频率、电压和/或电流)中的这些统计规律将网格动作与网格条件的变化连接起来，以提供用于根据对网格动作的有效控制来操控网格条件的可用选项集。所观察的相对于网格动作的这些波形分量的时间和位置的数据可用于确定特定信号注入的空间范围和时间范围。

对于信号注入，在步骤102中基于信号注入和网格的性质来计算时间和空间范围。时间范围为传感器网络将是与所注入信号相关的观察事件的时间段。时间范围包括信号本身的持续时间，以及预期传感器响应信号的持续时间，包括信号的持续传播时间，或与信号相关联的其它传感器响应。该时间范围可通过使用传感器将响应于信号注入的持续时间的预期时间以较大置信区间来进行计算，在一个示例中使用网格部件的模型并将信号注入输入到该模型中，或使用沿网格检测之前的信号注入的持续时间的历史模型，并且使用其作为相关数据的持续时间和从中排除具有共同空间范围的其它试验的时间段。空间范围是网格传感器可能对该信号示出响应的范围；这可以通过预测对信号注入的网格响应的模型来进行预测，所述模型诸如为网格部件模型，其然后使用网格元素的特征和信号注入的性质来计算将出现信号注入的区域，或为基于在类似于范围已计算的信号注入的之前信号注入中观察到的空间范围的历史数据模型。然后可控制空间范围，通过以较大置信区间(例如，95％置信区间)预测对注入的信号示出响应的最远传感器并避免进行任何其它尝试，前提是能够在当前尝试的空间不确定性时间段期间在空间范围的区域中产生响应。例如，对于通过在分配网络中切换电容器组来实施的信号注入，空间范围可为分配网络的下游部分，并且时间范围的示例可为通过将电容器组切换到位引起瞬变所需的时间。这些范围特定于所注入的信号，并且信号可为具有多种类型和输入位置的复合信号，该类型和输入位置全部用于设置时间和空间范围，例如在特定时间在线引入可再生能源时在以不同方式改变变电站处的电力质量管理单元的响应；在该示例中，空间范围可基于由甚至超出来自可再生能源的电力贡献范围的那些变电站服务的网格的程度，并且时间不确定性可包括由于甚至在移除可再生源后电力质量管理单元对电力波形的影响而终止可再生源的使用之后的时间段。还可使用所观察到的对特定网络动作的响应的历史数据来计算范围，诸如通过傅立叶或主分量分析发现的波形分量，其在空间和时间上接近特定网格动作的之前实例。

处理器用于协调网格中的多个信号注入，在步骤104中使用范围信息作为将信号注入指定至特定时间和位置的约束条件；信号注入的空间范围和时间范围的区域和时间段不允许重叠到一起，由于存在可能在那些重叠的位置和时间上检测到的多个信号，因此此类重叠可能在测量对注入的信号的传感器响应的尝试中引起混淆，从而彼此干扰或使检测的信号产生不确定性。应注意，对于彼此混淆的信号，时间和空间范围两者必须重叠；如果信号在空间上不重叠，则可在时间上重叠；如果信号在时间上不重叠，则可在空间上重叠。信号注入的协调优选地通过图形建模技术诸如主分量分析、贝叶斯网络或马尔可夫随机场或其亚种来完成，其被配置成用于对将在某个时间段内跨网格实施的所选择的无干扰的信号注入集的简约性和完整性进行最大化。相对于所选择的信号注入而随机发生的其它网格控制活动或网格参数中的自然变型可在经协调的信号注入的范围内的网格上继续发生。

可完成对信号注入的协调以在这些不混淆的空间和时间段内实施特定实验性尝试，以改善对网格状态和传感器响应的理解。可使用贝叶斯因果网络来寻找数据的依存关系，以识别可发现网格控制和传感器响应知识的潜在有价值的尝试。完成系统化多变量实验，以通过回到规范操作约束并使用经约束的随机化来分析那些波形分量的基本因果路径中所涉及的方向性和变量，以及分析实验设计(诸如拉丁方阵)以系统化地探索哪些网格控制元素及其组合是波形的基本原因。这些实验设计可经迭代以细化分析，例如通过消除相对于所关注的波形分量为随机的那些控件来消除对基础第一遍的控件的3/4，然后在第二尝试中使用剩余控件的因子组合来正确识别与所感兴趣的那些波形分量因果相关的控件或控件的组合。

在另一个示例中，可使用部分可观察马尔可夫决策过程(POMDP)来顺序地制定信号插入决策，以不断减小关于网格部件中的条件依存结构的不确定性。POMDP可进一步被配置成用于最大化预期报酬，由此报酬函数为减少不确定性减与其它操作目标的组合。其它运行目标包括：例如，关于电网，为负载平衡、电力质量优化、可再生源整合和故障预测指标；关于水网，流量优化、损失预防、基础设施稳定性管理；关于气网，为储量管理、泄漏预防及最小化和/或基础设施稳定性管理。信号注入的这一管理确保信号注入将经过协调，使得它们在时间和空间不确定性上不会重叠。在空间维度或时间维度中的一者上的重叠是网络协调的可接受的部分，以通过同时进行多个试验并进行连续试验来最大化单位时间段的学习，但信号注入必须在时间水平或空间水平的至少一者上分离，以确保数据能够与给定的信号注入适当地相关联并提供有关对信号注入的网格响应的干净数据，该信号注入与其他信号注入不混淆。在一些实施方案中，如果在两个维度上重叠的信号注入影响不相互作用的不同网格参数，则信号的协调可允许空间范围和时间范围重叠，所述参数可从例如每个信号注入的用于识别该信号注入的受影响的网格参数的元数据以及可基于关于网格参数行为的理论或观测数据的相互作用网格参数的表格来确定。

在一些实施方案中，除其它信号注入的空间范围和时间范围之外，信号注入还可能受到网格操作范围的约束。在这些实施方案中，接收规范操作约束数据，并将信号注入时预测的或实际的网格条件与信号注入的预测效果组合，并且该组合的结果可与网格的允许状态进行比较以确定信号注入是否可指定至特定的时间和位置。另选地，可用于输入的信号注入可能局限于仅包括在网格的正常操作范围内的控制状态或控制状态的组合，而排除了选择将控件置于超出信号注入的正常范围以外的状态的信号注入的可能性。

图5为用于协调信号注入的非限制性示例性实施方案。在协调信号的迭代方法的此示例中，在步骤500中选择信号注入，在步骤502中接收当前的网格条件，在步骤504中基于网格条件确定所选择的信号注入是否将在网格约束范围内。如果所选择的信号注入在网格条件的网格约束范围内，则在步骤506中接收同时发生的信号注入数据并在步骤508中用该数据确定所选择的信号注入是否与任何当前的信号重叠，如果不重叠，则在步骤510中计划将信号用于插入并在步骤512中更新同时发生的信号注入数据。在步骤514中，只要仍剩余可置入的信号注入，就持续迭代该过程。如果在步骤504中确定信号注入与网格约束不一致，或在步骤508中确定信号注入与空间范围和时间范围内的现有信号注入重叠，则拒绝信号注入的可能性，并且如果仍有待置入信号注入，则选择新的信号注入。

在步骤500中选择信号注入。信号注入可从可能的信号注入表中选择，通过可能值或用于特定实验设计的信号注入所需的样本测试数量来对信号注入进行排序。可通过按顺序进行这些排序的注入来进行选择，从最高优先级的信号注入开始。

在步骤502中接收网格条件。网格条件为其中选择用于立即注入的信号的当前测定值，或为基于选择的并经协调的信号注入时的当前模型和/或历史数据的预测值。网格条件包括正常操作必须保持在一定范围内的操作参数，诸如电网中的无功功率水平，其需要保持为在一定阈值之上以进行分配。

在步骤504中，基于网格条件来确定所选择的信号注入与网格约束的一致性。每个信号注入均存在与其相关联的效应，例如涉及在变电站处的有载抽头变换器切换的信号注入将增大或减小该变电站附近的可用无功功率。将这些效应添加到在步骤502中接收的网格条件中并与操作约束进行比较。操作约束限定了各种网格参数的允许状态，例如避免电力传输中的崩溃而所需的无功功率阈值水平，或网格正常操作条件的其它方面，诸如水或燃气分配网络中一定点处的压力或流速。在该示例中，将所选择的信号注入效应和网格条件的总和与约束进行比较。如果所述总和在约束范围内，则信号注入传递到下一阶段，否则，拒绝信号注入，并且系统前进到下一个可能的信号注入；或者如果不存在仍有待置入的信号注入可能性，则根据步骤514结束该过程。在步骤506中接收同时发生的信号注入数据。同时发生的信号注入数据为持续的和/或计划的信号注入及其空间范围和时间范围。同时发生的信号注入数据可能限制于持续的和/或计划的信号注入，该信号注入具有包括所选择的信号注入时间的时间范围，或者该信号注入是计划在所选择的信号注入的时间范围内发生的。

在步骤508中，将所选择的信号注入的空间范围和时间范围与同时发生的信号注入数据进行比较。如果所选择的信号注入在空间范围和时间范围两者上与同时发生的信号注入数据均不重叠，则准许该信号插入并前进到步骤510。如果所选择的信号注入与持续的和/或计划的信号注入在空间和时间上均重叠，则拒绝所选择的信号注入，并选择新的信号注入以重新启动该过程或根据步骤514结束该过程。

在步骤510中，计划准许插入的信号以进行插入。在该步骤中，立即实施用于立即插入的信号，通过将消息传递给人类具体实施者或激活实行所选择的信号注入所需的适当致动器及其它控件，例如激活电网中变电站处的电容器组开关上的致动器。例如，在提前计划信号的情况下，步骤510涉及计划在动作的指定时间处发生的动作，或通过将信号注入活动添加到提供给人类具体实施者的维护队列或其它指导中，或在本示例的M2M实施方案中计划自动化动作。

在步骤512中，更新同时发生的信号注入数据。在该示例中，通过在步骤510中将计划用于插入的信号及其相应的空间范围和时间范围添加到信号注入列表中来完成，该列表在后续迭代的步骤506中被接收并在步骤508中与所选择信号注入的空间范围和时间范围进行比较。

只要仍可置入剩余的信号注入，则持续迭代该过程，这在步骤514中进行确定。在该示例中，通过检查用于尚未选择和测试的信号注入的可能信号注入表格来进行确定。如果存在此类信号注入，则返回选择步骤500；一旦不存在试图在特定时间置入的信号注入，则该过程结束。

返回图1，然后在步骤106中将经协调的信号注入实施于公用设施网格中。根据经协调的信号注入集，信号然后被注入到传感器网络中，并且通过在恰当的时间和位置处采取经指导的网格动作来支持其时间和空间的不确定性约束。信号注入可由人类参与者诸如网格维护人员来实施，通过指导他们执行网格动作，诸如点击电网中的开关或打开或关闭水分布网和气分布网上的阀门，通过经由以下方式将适当的指令分配给那些网格人员来进行，该方式诸如电子邮件系统、自动消息发送、排队系统，或就采取哪些动作来影响网格以及在何时何处实施该动作来指导人类参与者的其它方式。信号注入还可部分地或完全地通过机器到机器的动作来实施，诸如基于分配给那些处理器和致动器、开关、源以及其它网格部件的用于详述将采取的网格动作以及将采取的那些网格动作的时间和位置的信号和/或数据，使处理器指导控制开关和阀门的致动器的动作，或使控制器自动指导可再生源的激活或另外实施所指导的网格动作。

在步骤108中，采集至少在所注入信号的时间和空间不确定性范围内的传感器网络区域的传感器输出。当连续或在包括网络中信号注入范围以外的时间和空间的时间段内采集数据时，来自那些时间和位置的数据可从正在连续采集的传感器网络数据中解析出来。对于经协调以避免重叠空间范围和时间范围的信号注入，响应和所注入的信号可基于时间和空间范围关联起来，由于该范围用于避免重叠信号注入彼此混淆，通过确保在一定时间和位置处仅观察到一个特定信号注入的效应，并允许多个信号注入同时实施，且使信号注入将连续实施到网格中以增大样本容量和知识而不混淆信号注入。此相关联的数据可用于细化传感器响应的模型，该传感器响应的模型用于基于传感器输出和影响那些传感器输出的信号注入来表征或分类传感器输出。另选的数据用途包括更新或细化对特定网格动作的网格响应，或改善主动控制协议以维持一定操作参数或通过机器学习使用信号注入对网格条件的影响的知识来追求操作目标。

图2为根据本发明的示例的公用设施网格的图示，其中多个并发的信号注入根据其空间范围和时间范围进行协调，示出在某一时间点将协调信号注入的位置和范围同时实施到网格中，以扰乱网格从而进行观察和测量，而该信号注入未与其它信号注入效应的测量混淆。图200示出了具有许多线路及其它网格元素的区域，其中采取自动化动作的变电站位于202、206和210处，那些变电站处的自动化动作的示例为打开或关闭特定电容器并调节有载抽头变换器的位置，以改变电流和电压相对于彼此的相位并控制该变电站处的无功功率水平。空间范围204针对所选择的有载抽头变换器和选择用于在变电站202处实施的信号注入的电容器开关位置来计算，由历史数据和/或该选择效应的模型以及以95％置信区间内观察到该效应的时间和地点来决定。同样分别针对在变电站206和变电站210处所选择的动作来计算空间范围208和空间范围212。虽然同时实现全部三个变电站处的动作并因此在时间上重叠，但在空间上范围并不重叠，并且因此对空间范围204、空间范围208和空间范围212中的一者内的信号注入的网格响应可分别与信号注入202、信号注入206和信号注入210相关联，以确定在那些信号注入中的一者的范围内，传感器对那些特定信号注入的响应，并且多个并发的信号注入彼此不会混淆。如果例如在协调阶段已选择具有空间范围204的变电站202的信号注入，并且206处的可能信号注入具有更大的重叠空间范围214，则具有空间范围214的信号注入将在协调过程中被拒绝并且将无法在202处与具有空间范围206同时被选择，因为这样将会重叠，由此该信号注入将被拒绝，并且另一个所选择的信号注入具有的范围与现有信号注入选择在空间和时间上均不重叠。

该协调使多个信号注入自动在网格上实施，且不影响那些信号注入在细化传感器理解模型和针对信号注入的网格响应方面的效果，从而能够使感测和控制系统自动同时产生多个样本并加速开发传感器理解和公用设施网格上事件分类标准的过程。

图3是作为经协调的公用设施网格系统的本发明的实施方案的图示。存储器可为已知的计算机存储装置，诸如闪存、使用磁介质的硬盘驱动器，或用于可存储数据并被频繁且规律地接入的数据存储的其它方法。处理器可被配置成通过软件指令来进行计算。部件之间的连接可为硬连线的，针对多个步骤中使用公用处理器，或通过有线方式或无线方式联网，诸如各种802.11协议、ZigBee或蓝牙标准、以太网，或用于在单独的传感器、处理器、存储器和模块之间传输数据的其它已知方法。传感器、存储器、处理器和模块可分布在多个位置上，包括在传感器本身处，或共同位于中间或中央位置处。

信号注入存储器300存储可实施到公用设施网格中的信号注入的特征。该存储器被配置成用于存储可能的信号注入的特征，包括时间、位置、量值以及受信号注入影响的参数。该存储器还可存储用于信号注入的具体实施数据，诸如在人工介入的实施方案中将呈现给网格人员的指令集，或在本发明的机器到机器的实施方案中的致动器以及将分配给致动器的命令。

网格模型存储器302存储用于计算信号注入的空间范围和时间范围的网格信息。网格信息可例如存储为网格特征的数据库、网格响应的模型、部件及其相互作用的模型、或可控网格动作集及其在网格条件下相关联的观察到的变化，诸如通过傅立叶变换或主分量分析发现的与电网中网格动作相关联的总体电力波形的分量。用于预测公用设施网格中范围的部件和互连的示例包括水网中的管道长度、管道宽度和接合点位置，气网中的管道长度、管道宽度和接合点位置，或电网的源、变电站、连接线以及电流源和电流阱。网格响应的模型可基于公用设施和网格部件的物理特性，和/或基于公用设施网格中对过去网格动作的历史空间和时间响应特征的模型。

范围处理器304使用网格特性或来自网格模型存储器302的响应模型来计算信号注入的空间范围和时间范围，并通过使用那些网格特征或模型和信号注入的特征来发信号通知信号注入特征以预测时间段和空间区域，其中对信号注入的网格响应可由传感器进行检测。例如，范围处理器可使用信号注入特征以识别将用于实施信号注入的网格动作，并参考有关那些网格动作的历史数据以确定之前关于那些特定类型网格动作的空间范围和时间范围，然后使用那些之前的观察来预测信号注入的空间范围和时间范围。

协调处理器306为被配置成用于将图形建模技术诸如贝叶斯网络或马尔可夫随机场或其亚种应用于信号注入集及其计算区域的处理器，以确定待实施的信号注入集，同时通过将那些信号注入置于使得信号注入的空间范围和时间范围不重叠的特定空间和时间以保持那些信号注入的正交性。

信号具体实施装置308可为在人工介入的实施方案中用于分配并确保符合管理跨公用设施网格的信号注入及其协调的指令的工具，或可为在本发明的机器到机器的实施方案中用于自动实施信号注入的处理器、控制器和致动器。对于机器到机器的示例，示例包括控制水网和气网中阀门的致动器或位于电力变电站处的控制电路和致动器，诸如用于定位有载抽头变换器的控件，或用于管理无功功率的电容器组的开关，或控制分布式电源诸如太阳能或风力发电机与网格中其余装置之间连接的开关。对于人工介入的实施方案，示例包括自动生成和分发电子邮件或文本消息、由维护人员执行的计算设备和同步用于接收排队指令并报告任务完成和网格状态和/或完成所指定的维护任务的服务器。

传感器网络310可任选地为体现本发明的系统的一部分。传感器网络可为多个可通信地联接的单个网络传感器312、314和316，该传感器分布在公用设施网格中以用于测量网格参数，诸如流速、电流、电压、线路温度、线路垂度，并且该传感器的输出可反映由信号注入导致的网格条件的变化。这些网络传感器可为例如甲烷检测器、感测电缆端子、水流量计、电“智能测量仪”或其它此类网格传感器。这些传感器监控由所实施的信号注入导致的网格条件变化，并且该数据可根据信号注入的空间范围和时间范围来进行解析，该信号注入的空间范围和时间范围基于传感器捕获数据时的时间和位置。

图4为数据流程图，示出信息在作为经协调的网格系统的本发明的示例的元件之间的传输，以及每个元件处信息的传输以自动协调并将信号注入实施到网格中。

信号注入特征400为描述可实施到网格中的信号注入的数据，包括诸如位置等信息，其中包括信号注入的量值、时间、位置和性质。信号注入的性质可包括用于调控网格参数的特定动作，或待进行调控以实施信号注入的特定网格参数。信号注入特征400存储在信号注入存储器402中，并传输至范围处理器404以及任选地传输至协调处理器406。在范围处理器中，来自网格模型存储器410的信号注入特征和网格特征408用于计算特定位置处给定信号注入的空间范围和时间范围412。

空间范围和时间范围412限定将受到特定信号注入影响的时间段和空间区域。这些参数最初在预测时间段和空间区域的范围处理器404处进行定义，并且然后被发送至协调处理器406，该协调处理器将空间范围和时间范围设置到信号注入414的不重叠的经协调的集中。

经协调的信号注入414是指将特定信号注入实施到网格中的时间和地点，以及实施那些信号注入的详细信息。实施信号注入的详细信息可为分发至维护资源的指令，该维护资源将为人工实施的实施方案采取所需动作，或可为用于控制致动器和其它元件的机械指令，该致动器和其它元件将在本发明的机器到机器的实施方案中实施信号注入。信号注入的时间和位置由协调处理器406决定，而指令是基于信号注入特征400并被发送至信号具体实施装置416的，用于在机器到机器的具体实施中指导在所指示的时间和地点处实施所选择的信号注入，或用于在信号由人类参与者注入的实施方案中对维护资源的计划或排序以及对分配将实施信号注入的资源的分配。

涉及本发明的示例性实施方案的总体架构的简单示例如图6所示。控制决策层600制定关于网格控件中的一些或全部的状态的决策。网格控制决策根据进行以下方法来制定：确保对控件的操控产生不影响彼此的样本，并且可选地选择控制决策以提供较高学习值或改善特定网格参数，诸如确保电网中的一定电压电平，或者气网或水网中的流速。来自控制决策层600的控制决策通过控件602、控件604和控件606来执行。特定控件的示例包括电容器组开关、有载抽头变换器、电网上的开关和存储设备，或水网和气网上的阀门和源。控件可通过例如致动开关、移动有载抽头变换器位置以及使阀门变窄或变宽来执行控制决策。控件的动作改变网格参数，并且那些变化会通过网格608传播。例如，打开气网上的阀门可使得在距阀门一定距离内压力随时间向下游增大，或在电网中，电力质量和无功功率水平可基于电容器组的开关而改变。沿着网格布置的传感器614、传感器616和传感器618测量网格参数，并检测信号注入通过网格608的传播情况。信号注入限制于通过网格608传播的程度，被限定为该信号注入的空间范围，诸如涵盖受到由控件602注入的信号影响的区域并包括传感器614到网格608的连接的空间范围610，以及涵盖受到由控件606注入的信号影响的区域并包括传感器618到网格608的连接的空间范围612。数据处理层620将来自传感器614、传感器616和传感器618的数据与信号注入相关联，该信号注入的空间安慰和时间范围包括传感器数据，例如将来自传感器614的数据与来自由控件602基于空间范围610实施的信号注入的数据相关联，以及将来自传感器618的数据与由控件606基于空间范围612实施的信号注入相关联。来自数据处理层620的相关联的传感器数据然后经数据分析层622进行分析，以确定关于网格行为和传感器响应的理解。对于由数据分析层622生成的网格行为的理解可例如采用传感器响应模型的形式，该模型用于解释在一般操作期间来自网格传感器614、传感器616和传感器618的输出，例如在电线中电压下降时设定灯火管制阈值或警告，或针对甲烷水平超过正常操作阈值设定警告。数据分析层622可与控制决策层600进行交互以迭代地协调信号注入并将其实施到网格中，并且提供改善待实施信号注入的选择的信息，例如通过预测信号注入对网格的影响或通过计算可通过特定信号注入来细化学习的程度。