终检评审通过 创新训练 510电子与通信技术 通信网络市级

以智能电网为基础的能源互联网是能源与信息深度融合的复杂系统，迫切需要“低时延、大带宽、高可靠、广覆盖”的 5G 通信网络实现各类能源生产、传输、消费全环节的各类设备和主体的移动接入、实时交互和深度感知，有力支撑各种能源接入和综合利用，提高发电单元的主动响应和协调控制能力，实现精准负荷控制，支撑源网荷储协同互动及系统级削峰填谷，促进清洁能源消纳，持续提高能源效率。 目前电力系统中的众多监控设备，承载了电网控制类、信息采集类以及移动应用类等电力业务。这些电力业务对于通信的可靠性与实时性有着极高的要求，并且显而易见的，随着既有电力业务的演化以及新业务的不断涌现，电网控制将更加复杂，维护管理成本更高，因此急需引入具备灵活配置能力的新一代通信系统，满足差异化业务灵活承载的需求。而语义通信系统恰好满足这个需求，通过在发端对电力监控设备输出的视频流进行语义分割，可以显著的对传输的数据量进行压缩，节省信道资源。并且结合信道估计人工智能模型与接收端语义恢复模型一体化联合，构建的语义通信系统可以有效的解决电力场景视频监控存在的大带宽需求难以满足、信道信噪比低下、通信距离受限等问题。 语义通信系统可以用于实时设备巡检、实时现场监测、实时环境监测等等对通信可靠性、实时性有着极高要求且使用监控设备的电子业务中。语义通信技术可以实现在几乎不影响任务性能的前提下，大大降低了传输的数据量，降低了传输时延和通信负担，比传统的通信方式更适合于时延和功耗敏感的 IoT 场景中。 不同于现有的语义通信系统架构, 该课题所设计的系统将基于传统的香农通信系统构建模型，同时不会影响香农物理层的每个模块。此外，系统并不会刻意通过压缩AI模型来减少节点的工作量，且不会在所有节点上提前部署AI模型，而是传输接收节点所需的模型和语义编码，接收方通过接收的AI模型恢复接收到的语义编码，达到语义通信的效果。