電力設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)融合算法分析

何章瑋

(廣東電網(wǎng)公司，廣東 廣州 516000)

隨著國民經(jīng)濟(jì)的快速發(fā)展，確保電力系統(tǒng)的健康狀況越來越重要，因?yàn)殡娏ο到y(tǒng)的任何故障都將造成嚴(yán)重的損失。傳統(tǒng)有線系統(tǒng)的安裝往往受到監(jiān)測設(shè)備的成本和安裝條件的限制。無線傳感器設(shè)備的發(fā)展為布線和設(shè)備放置提供了新選擇[1]。以前無法到達(dá)的危險位置或受限制的區(qū)域，現(xiàn)在可以用無線傳感器監(jiān)測。

隨著處理器技術(shù)和通信技術(shù)[2]的快速發(fā)展，在工廠中使用無線通信技術(shù)將完全或部分取代有線電纜是一個不可避免的趨勢。實(shí)踐表明，電力系統(tǒng)設(shè)備某些部分的溫度異常升高與存在故障相符，電氣設(shè)備的關(guān)鍵部件的高溫會導(dǎo)致電力設(shè)備的性能下降或損壞，影響電力系統(tǒng)的健康狀況[3]。因此，監(jiān)測電氣設(shè)備的溫度是支持電力系統(tǒng)安全穩(wěn)定運(yùn)行的重要手段之一。本文提出了一種基于Leach-E、無線傳感器網(wǎng)絡(luò)(WSNs)的電力設(shè)備監(jiān)測系統(tǒng)的新設(shè)計，并對Leach-E算法進(jìn)行優(yōu)化，該算法消除了異常數(shù)據(jù)，減少了集群成員節(jié)點(diǎn)的數(shù)據(jù)冗余。仿真結(jié)果表明，聚變結(jié)果準(zhǔn)確、有效。

1 基于Leach-E、WSNs的數(shù)據(jù)融合算法研究

WSNs旨在將傳感器部署在環(huán)境可能干擾所提供的測量值的環(huán)境中，包括壓力、溫度、輻射和電磁噪聲的強(qiáng)烈變化。因此，在這種情況下，測量值可能并不精確。數(shù)據(jù)融合用于克服傳感器故障、技術(shù)限制和時空覆蓋問題。數(shù)據(jù)融合通常被定義為使用結(jié)合來自多個來源的數(shù)據(jù)并收集這些信息以實(shí)現(xiàn)推斷的技術(shù)，這將比通過單一來源實(shí)現(xiàn)推斷更有效，更可能更準(zhǔn)確。

在這種情況下，“高效”一詞可以意味著更準(zhǔn)確地傳遞準(zhǔn)確的信息、更完整、更可靠。數(shù)據(jù)融合可以在集中系統(tǒng)和分布式系統(tǒng)中實(shí)現(xiàn)[4-10]。在集中系統(tǒng)中，所有原始傳感器數(shù)據(jù)將發(fā)送到一個節(jié)點(diǎn)，數(shù)據(jù)融合將發(fā)生在同一個位置。在分布式系統(tǒng)中，不同的融合模塊將在分布式組件上實(shí)現(xiàn)。數(shù)據(jù)融合發(fā)生在每個節(jié)點(diǎn)上，使用它自己的數(shù)據(jù)和來自相鄰傳感器的數(shù)據(jù)。

1.1 Leach-E算法流程

在數(shù)據(jù)傳輸過程中，傳統(tǒng)的浸出算法中心節(jié)點(diǎn)不考慮數(shù)據(jù)傳輸距離。在集群中，所有節(jié)點(diǎn)都需要將信息傳遞給集群頭，集群頭將信息發(fā)送到基站。由于沒有考慮數(shù)據(jù)傳輸距離，集群頭節(jié)點(diǎn)的能耗較高，很容易過早死亡。改進(jìn)后的算法改變了網(wǎng)絡(luò)區(qū)域的數(shù)據(jù)傳輸模式。

為了提高簇頭選擇的質(zhì)量，避免網(wǎng)絡(luò)中的“能量差距”現(xiàn)象，本文改進(jìn)了簇頭的選擇和數(shù)據(jù)傳輸方法。數(shù)據(jù)首先傳輸?shù)郊侯^節(jié)點(diǎn)，然后從集群頭傳輸?shù)交?。但?dāng)節(jié)點(diǎn)到集頭的距離大于節(jié)點(diǎn)到基站的距離時，節(jié)點(diǎn)直接與基站通信而不通過集群頭，可以減少節(jié)點(diǎn)和集頭的能量損失。改進(jìn)算法計算最優(yōu)的簇頭比，得到高級節(jié)點(diǎn)和普通節(jié)點(diǎn)的選擇比例，并利用浸出原則選擇簇頭。在數(shù)據(jù)傳輸階段，當(dāng)節(jié)點(diǎn)比集群頭更接近基站時，節(jié)點(diǎn)和基站直接通信，降低節(jié)點(diǎn)開銷，減少節(jié)點(diǎn)不必要的能耗。改進(jìn)后的算法流程如圖1所示。

圖1 Leach-E算法流程Fig.1 Leach-E algorithm flow

1.2 數(shù)據(jù)融合系統(tǒng)模型

電力設(shè)備溫度監(jiān)測的數(shù)據(jù)流具有時序性、時間相關(guān)性、不確定性、空間性等特點(diǎn)?；谶@些特點(diǎn)，本文設(shè)計的數(shù)據(jù)融合算法框圖如圖2所示。該融合算法采用多傳感器，其數(shù)據(jù)融合類似于人類大腦在處理復(fù)雜的問題時的表現(xiàn)。人類的大腦全面地接收來自眼睛、鼻子、耳朵、四肢的信息，這相當(dāng)于“傳感器”。多傳感器的數(shù)據(jù)融合也必須充分利用傳感器的資源。通過合理地控制和利用這些傳感器上的觀測信息，根據(jù)某種優(yōu)化標(biāo)準(zhǔn)，在時空上組織各種傳感器的冗余或互補(bǔ)信息，從而獲得對觀測對象的一致描述或解釋。

在融合算法中，首先，各傳感器節(jié)點(diǎn)對采集到的數(shù)據(jù)進(jìn)行簡單、低層次的數(shù)據(jù)預(yù)處理，剔除掉明顯異常值；其次，經(jīng)過預(yù)處理的數(shù)據(jù)在簇頭節(jié)點(diǎn)進(jìn)行初步融合，再進(jìn)一步剔除部分異常數(shù)據(jù)；最后，中心節(jié)點(diǎn)收到各簇成員節(jié)點(diǎn)發(fā)送的數(shù)據(jù)后，針對簇成員節(jié)點(diǎn)無法消除的數(shù)據(jù)中可能存在一些偏差數(shù)據(jù)的情況，根據(jù)每個集群成員節(jié)點(diǎn)對采集溫度數(shù)據(jù)的支持程度，給每個集群成員節(jié)點(diǎn)數(shù)據(jù)分配一個合理的權(quán)重值，對可靠性高的數(shù)據(jù)分配高權(quán)重，對可靠性低的數(shù)據(jù)分配低權(quán)重，達(dá)到最佳融合效果。

1.3 簇成員節(jié)點(diǎn)數(shù)據(jù)預(yù)處理

基于電力設(shè)備溫度在監(jiān)測時的采樣節(jié)點(diǎn)內(nèi)不會有劇烈波動這一基本事實(shí)，當(dāng)溫度傳感器節(jié)點(diǎn)的測量值與其余數(shù)據(jù)有很大差異時，可以判斷這些數(shù)據(jù)可能是環(huán)境干擾等原因?qū)е碌漠惓?shù)據(jù)，這些異常數(shù)據(jù)會極大地影響判斷的監(jiān)測人員。因此，這些數(shù)據(jù)在傳輸?shù)酱仡^節(jié)點(diǎn)之前必須進(jìn)行處理，以消除這種影響。研究采用將選擇格拉布斯準(zhǔn)則作為數(shù)據(jù)校驗(yàn)的方法。

格拉布斯準(zhǔn)則是一種統(tǒng)計學(xué)的方法，其數(shù)據(jù)校驗(yàn)流程如下。①假設(shè)有某個傳感器節(jié)點(diǎn)采集的一組溫度數(shù)，將數(shù)據(jù)由大到小排序后，計算出這組數(shù)據(jù)的均值、殘差和標(biāo)準(zhǔn)差。②根據(jù)這組數(shù)據(jù)的均值、殘差和標(biāo)準(zhǔn)差確定每個溫度數(shù)據(jù)的格拉布斯統(tǒng)計量。公式為：某一溫度的格拉布斯統(tǒng)計量=(該溫度-該組溫度均值)/改組溫度標(biāo)準(zhǔn)差。③計算出每個溫度數(shù)據(jù)的格拉布斯統(tǒng)計量后，根據(jù)應(yīng)用需求，查表獲得格拉布斯統(tǒng)計量的臨界值。④對數(shù)據(jù)是否異常進(jìn)行判斷。若某一溫度的格拉布斯統(tǒng)計量大于格拉布斯統(tǒng)計量的臨界值，則認(rèn)為這個數(shù)據(jù)為異常值。

1.4 基于K-Means聚類的誤差分析方法

各簇成員節(jié)點(diǎn)進(jìn)行數(shù)據(jù)預(yù)處理后，將數(shù)據(jù)傳輸給簇頭節(jié)點(diǎn)，簇頭節(jié)點(diǎn)在發(fā)送數(shù)據(jù)給中心節(jié)點(diǎn)前進(jìn)行融合處理。但在應(yīng)用時，若某個簇成員節(jié)點(diǎn)發(fā)生故障或受到外界環(huán)境的持續(xù)干擾，導(dǎo)致其采集的數(shù)據(jù)全都與實(shí)際值偏差較大時，這些持續(xù)的異常數(shù)據(jù)并不能在簇成員節(jié)點(diǎn)的數(shù)據(jù)預(yù)處理中被剔除，反而更容易根據(jù)閾值估計機(jī)制傳輸?shù)酱仡^節(jié)點(diǎn)。故針對這種情況，在簇頭節(jié)點(diǎn)進(jìn)行融合前，采用K-Means聚類算法來過濾那些簇成員節(jié)點(diǎn)傳輸過來的異常數(shù)據(jù)，基于 K-Means 聚類的誤差分析方法流程如圖3所示。

圖3 基于 K-Means 聚類的誤差分析方法流程Fig.3 Flow chart of error analysis method based on K-Means clustering

K-Means聚類算法為一種具有迭代過程的無監(jiān)督學(xué)習(xí)方法，其中數(shù)據(jù)集被分組為k個預(yù)定義的不重疊的聚類或子組，使得聚類的內(nèi)部點(diǎn)盡可能相似，同時試圖將聚類保持在不同的空間。它將數(shù)據(jù)點(diǎn)分配給聚類，使得聚類質(zhì)心和數(shù)據(jù)點(diǎn)之間的距離平方之和最小，在該位置，聚類的質(zhì)心是聚類中數(shù)據(jù)點(diǎn)的算術(shù)平均值[11]。該算法是一種迭代算法，根據(jù)數(shù)據(jù)集的特征將數(shù)據(jù)集劃分為k個預(yù)定義的不重疊的不同聚類或子群。它使簇間的數(shù)據(jù)點(diǎn)盡可能相似，并盡量保持簇間的相似。如果簇的質(zhì)心和數(shù)據(jù)點(diǎn)之間的距離平方之和最小，則它將數(shù)據(jù)點(diǎn)分配給簇，其中簇的質(zhì)心是簇中數(shù)據(jù)點(diǎn)的算術(shù)平均值。集群中較小的變化導(dǎo)致集群中相似或同質(zhì)的數(shù)據(jù)點(diǎn)。

為了確保融合結(jié)果精確性，采用基于 K-Means 聚類的誤差分析方法。假設(shè)在某個電力設(shè)備的溫度監(jiān)測環(huán)境中，其中某個簇頭節(jié)點(diǎn)得到了多個簇成員節(jié)點(diǎn)多次發(fā)送的各自處理后的溫度數(shù)據(jù)，對數(shù)據(jù)的處理具體流程如下：①將簇頭節(jié)點(diǎn)接收到的各溫度數(shù)據(jù)由大到小進(jìn)行排列，從中選出最大值、中間值和最小值作為聚類中心。②所有的數(shù)據(jù)依據(jù)最小距離的原則，歸類到其中一個聚類中心。③歸類完成后，重新計算各聚類中心值。④歸類完畢后，根據(jù)已知最終的3個聚類中心值分別計算最大、最小聚類中心離中間聚類中心的距離，從而分析誤差。⑤根據(jù)所允許的誤差范圍，比較各聚類中心至中間聚類中心的距離和誤差范圍的大小。如果存在各聚類中心至中間聚類中心的距離大于誤差范圍的情況，則刪除以這個數(shù)據(jù)聚類中心的那組數(shù)據(jù)；如果不存在，說明數(shù)據(jù)都是在誤差范圍內(nèi)，不做任何處理。

2 基于數(shù)據(jù)融合算法的電力設(shè)備監(jiān)測系統(tǒng)

2.1 監(jiān)控系統(tǒng)的結(jié)構(gòu)

基于無線傳感器網(wǎng)絡(luò)的電力設(shè)備監(jiān)控系統(tǒng)的結(jié)構(gòu)框圖如圖4所示。整個系統(tǒng)架構(gòu)主要可分為現(xiàn)場無線監(jiān)控網(wǎng)絡(luò)、本地控制中心和遠(yuǎn)程監(jiān)控終端3部分。

圖4 基于無線傳感器網(wǎng)絡(luò)的電力設(shè)備監(jiān)控系統(tǒng)結(jié)構(gòu)Fig.4 Structure of power equipment monitoring system based on wireless sensor network

由大量傳感器節(jié)點(diǎn)組成的現(xiàn)場無線監(jiān)控網(wǎng)絡(luò)是無線傳感器網(wǎng)絡(luò)的主要部分，如圖5所示。利用樹形或星形拓?fù)浣Y(jié)構(gòu)來獲得良好的性能，樹形或星形拓?fù)渚W(wǎng)絡(luò)結(jié)構(gòu)允許數(shù)據(jù)通過1個多條路由路徑[4]，這些節(jié)點(diǎn)組織成一個植根于聚合節(jié)點(diǎn)的路由樹，傳感器節(jié)點(diǎn)可以提供路由節(jié)點(diǎn)，以增加無線傳輸?shù)臄?shù)據(jù)傳輸范圍。網(wǎng)絡(luò)中的聚合節(jié)點(diǎn)作為網(wǎng)絡(luò)網(wǎng)關(guān)或協(xié)調(diào)器，負(fù)責(zé)網(wǎng)絡(luò)的啟動，并從其他節(jié)點(diǎn)收集監(jiān)控數(shù)據(jù)。

圖5 由傳感器節(jié)點(diǎn)組成的現(xiàn)場無線監(jiān)控網(wǎng)絡(luò)Fig.5 Field wireless monitoring network composed of sensor nodes

2.2 監(jiān)控系統(tǒng)的硬件設(shè)計

系統(tǒng)中傳感器節(jié)點(diǎn)的硬件結(jié)構(gòu)分為傳感器模塊、無線模塊、數(shù)據(jù)存儲和處理模塊、模塊和電源模塊4個部分。如圖6所示，其重點(diǎn)是現(xiàn)場無線傳感器網(wǎng)絡(luò)的硬件設(shè)計。采用PT100作為溫度傳感器，PT100熱阻是一種溫度傳感器，其溫度測量范圍為-200～650 ℃，被廣泛應(yīng)用于工業(yè)溫度測量，與其他熱阻相比，其穩(wěn)定性和線性特性相對較好，因此選擇PT100熱阻作為溫度測量傳感器[5]。使用PT100收集溫度信號并將其轉(zhuǎn)化為模擬電壓信號，模擬信號放大后，通過ADC轉(zhuǎn)換為數(shù)字?jǐn)?shù)據(jù)。數(shù)字?jǐn)?shù)據(jù)由STC生產(chǎn)的STC89C52處理器進(jìn)行處理和存儲。選擇芯片ChipconCC2430作為無線模塊，CC2430是芯片級的系統(tǒng)(SoC)解決方案，專門為ZigBee應(yīng)用程序定制，該模塊支持ZigBee協(xié)議，集成微控制器和射頻收發(fā)器，非常適合于需要超低功耗的系統(tǒng)。CC2430的關(guān)鍵特點(diǎn)是低功耗、高性能、對干擾的優(yōu)異靈敏度和魯棒性，需要的外部組件很少，具有可用的強(qiáng)大和靈活的開發(fā)工具。

圖6 電力設(shè)備監(jiān)控系統(tǒng)的硬件設(shè)計Fig.6 Hardware design of power equipment monitoring system

2.3 監(jiān)控系統(tǒng)的軟件設(shè)計

系統(tǒng)軟件架構(gòu)如圖7所示。

圖7 系統(tǒng)軟件架構(gòu)Fig.7 Architecture of system software

基于無線傳感器網(wǎng)絡(luò)的電力設(shè)備監(jiān)控系統(tǒng)的軟件設(shè)計主要包括3個部分：現(xiàn)場無線監(jiān)控網(wǎng)絡(luò)的軟件設(shè)計、本地控制中心的軟件設(shè)計和遠(yuǎn)程監(jiān)控終端[5]的軟件設(shè)計。在系統(tǒng)軟件程序設(shè)計、軟件開發(fā)環(huán)境中，包括：Windows2003服務(wù)器操作系統(tǒng)、ZigBee軟件設(shè)計IAR嵌入式工作臺(EW)集成開發(fā)平臺、單片機(jī)集成開發(fā)環(huán)境KeilC。要建立ZigBee無線傳感器網(wǎng)絡(luò)，聚合節(jié)點(diǎn)作為要求從應(yīng)用層構(gòu)建網(wǎng)絡(luò)的協(xié)調(diào)器，應(yīng)該首先作為網(wǎng)絡(luò)的主節(jié)點(diǎn)。只有使用ZigBeeFFD而不加入其他網(wǎng)絡(luò)設(shè)備，才能創(chuàng)建一個新的網(wǎng)絡(luò)。聚合器網(wǎng)絡(luò)成功后，ZigBee協(xié)調(diào)器等待子節(jié)點(diǎn)加入網(wǎng)絡(luò)的請求信號。當(dāng)協(xié)調(diào)器接收到傳感器節(jié)點(diǎn)的請求時，將16位網(wǎng)絡(luò)地址作為子節(jié)點(diǎn)分配給傳感器節(jié)點(diǎn)，建立鄰居列表和地址映射表[8]。建立了節(jié)點(diǎn)與協(xié)調(diào)器之間的網(wǎng)絡(luò)連接關(guān)系。建立無線傳感器網(wǎng)絡(luò)的協(xié)調(diào)器的流程如圖8所示。

圖8 無線傳感器網(wǎng)絡(luò)的協(xié)調(diào)器的流程Fig.8 Flow of coordinator of wireless sensor network

節(jié)點(diǎn)數(shù)據(jù)采集和傳輸?shù)牡凸牧鞒倘鐖D9所示。

圖9 節(jié)點(diǎn)數(shù)據(jù)采集和傳輸?shù)牡凸牧鞒蘁ig.9 Low power flow chart of node data acquisition and transmission

現(xiàn)場監(jiān)控節(jié)點(diǎn)的軟件設(shè)計采用了集成開發(fā)環(huán)境KeilVision2下的C語言編程語言。軟件設(shè)計包括主要程序、視聽轉(zhuǎn)換模塊程序和通信程序3個部分。當(dāng)系統(tǒng)通電時，STC89C52芯片、ADC和CC2430芯片被初始化。為降低現(xiàn)場監(jiān)控節(jié)點(diǎn)的消耗功率，選擇了被動喚醒方式。在低功耗狀態(tài)下，節(jié)點(diǎn)關(guān)閉電路的某些部分，只留下CC2430的CCU內(nèi)部定時器、中斷和無線通信芯片工作，直到接收從協(xié)調(diào)器發(fā)送的喚醒操作數(shù)據(jù)包[9]。

采用Windows操作系統(tǒng)設(shè)計了在本地控制中心監(jiān)控機(jī)和場外遠(yuǎn)程監(jiān)控平臺上運(yùn)行的溫度數(shù)據(jù)監(jiān)控系統(tǒng)的監(jiān)控管理軟件。無線數(shù)據(jù)管理軟件是在Visual C++6.0集成開發(fā)環(huán)境中的MFC類庫開發(fā)的。該軟件系統(tǒng)的主要功能是：通信管理、數(shù)據(jù)存儲和顯示、人機(jī)交互、數(shù)據(jù)分析和處理功能。

3 仿真實(shí)驗(yàn)與性能分析

為驗(yàn)證融合的準(zhǔn)確性，仿真以某變電站高壓配電室溫度監(jiān)測為例，溫度采集節(jié)點(diǎn)每采集20個數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，然后發(fā)送處理數(shù)據(jù)到簇頭節(jié)點(diǎn)。記錄節(jié)點(diǎn)i采集的20個溫度數(shù)據(jù)為T1、T2、…、T20，見表1，單位為攝氏度，實(shí)際溫度為24 ℃。

表1 節(jié)點(diǎn)i 采集的溫度數(shù)據(jù)Tab.1 Temperature data collected by node i ℃

由表1可知，該節(jié)點(diǎn)采集的數(shù)據(jù)不是很準(zhǔn)確，有明顯的偏差數(shù)據(jù)，所以會先對這組數(shù)據(jù)進(jìn)行預(yù)處理，以消除這些偏差數(shù)據(jù)。更新后的數(shù)據(jù)見表2。

表2 更新后節(jié)點(diǎn)i 的溫度數(shù)據(jù)Tab.2 Temperature data of node i after updating ℃

當(dāng)簇成員節(jié)點(diǎn)采集的溫度數(shù)據(jù)經(jīng)過預(yù)處理后，將數(shù)據(jù)傳輸?shù)较鄳?yīng)的簇頭節(jié)點(diǎn)。其中，簇頭節(jié)點(diǎn)的選擇是在節(jié)點(diǎn)發(fā)送數(shù)據(jù)之前通過Leach-E路由協(xié)議確定的，簇頭確定之后，確定與其直接通信的簇成員節(jié)點(diǎn)。對比數(shù)據(jù)處理前的均值結(jié)果，數(shù)據(jù)處理后的均值更準(zhǔn)確，說明集群成員節(jié)點(diǎn)的數(shù)據(jù)預(yù)處理可以準(zhǔn)確剔除與實(shí)際溫度偏差較大的數(shù)據(jù)。剔除這些數(shù)據(jù)后，成員節(jié)點(diǎn)不直接將數(shù)據(jù)傳輸給中心節(jié)點(diǎn)，而是將這次的結(jié)果與傳輸前簇頭節(jié)點(diǎn)存儲的值進(jìn)行比較。如果兩者之差小于設(shè)定值閾值，則集群成員節(jié)點(diǎn)不發(fā)送數(shù)據(jù)，直接使用存儲的值，如果結(jié)果大于閾值，則集群成員節(jié)點(diǎn)發(fā)送當(dāng)前溫度值到簇頭節(jié)點(diǎn)進(jìn)行融合處理，保證用戶能夠?qū)崟r掌握電力設(shè)備的溫度變化。

4 結(jié)論

利用無線傳感器網(wǎng)絡(luò)技術(shù)完成了新型電力設(shè)備監(jiān)控系統(tǒng)的軟硬件設(shè)計。新型系統(tǒng)滿足了快速、精確、實(shí)時、在線的需求。新設(shè)計的系統(tǒng)具有安裝方便、監(jiān)控可靠性、實(shí)時、在線等優(yōu)點(diǎn)。在 WSNs基礎(chǔ)上，提出了一種基于Leach-E 的數(shù)據(jù)融合算法，算法中格拉布斯準(zhǔn)則和基于 K-Means 聚類的誤差分析方法，通過對節(jié)點(diǎn)采集的冗余且存在異常的溫度數(shù)據(jù)加以消除，以達(dá)到提高融合結(jié)果精確性、減少網(wǎng)絡(luò)通信數(shù)據(jù)量、延長網(wǎng)絡(luò)生存時間的效果。仿真實(shí)驗(yàn)結(jié)果表明，經(jīng)過該算法數(shù)據(jù)融合處理后的均值更準(zhǔn)確，說明集群成員節(jié)點(diǎn)的數(shù)據(jù)預(yù)處理可以準(zhǔn)確剔除與實(shí)際溫度偏差較大的數(shù)據(jù)。