改進速率自適應算法的高壓開關柜母線溫度監測系統*

張 梅， 陳路易， 李敬兆

(安徽理工大學 電氣與信息工程學院，安徽 淮南 232001)

0 引 言

目前，高壓開關柜在電力行業得到了廣泛應用，尤其是在電力系統的發、輸、配電過程中起著關鍵作用[1]。由于高壓開關柜應用比例不斷增加，實時監控管理的難度不斷增大，傳統依靠人力不定時查看高壓開關柜運行狀態的監控方式，不僅監控效率偏低，監控結果也不夠精確，不能適應現代智能電網的發展要求[1～5]。文獻[2]提出了一種基于聲表面波射頻識別(surface acoustic wave radio frequency identification ,SAW-RFID)高壓開關柜溫度在線監測技術，該系統采用聲表面波射頻識別技術監測開關柜溫度，實現了對高壓開關柜無源無線實時監測；文獻[4]提出的開關柜在線測溫系統，采用快速磁飽和的電流轉換器、溫度傳感器和紅外傳感技術來解決高電壓與感測模塊之間隔離問題，保證了開關柜運行的穩定性。但以上溫度監測系統僅從硬件設計優化方面進行，未能實現智能無線監控的功能。文獻[3]介紹了改進ZigBee路由算法對高壓開關柜的溫度監測，采用機會路由能量優化的樹型路由(opportunity energy ZigBee tree routing，OEZTR)算法，根據在范圍內選擇節點，盡可能減少無效數據包的傳輸，以延長網絡的生命周期，但節點傳輸速率調節問題未能得到解決，達不到實時監測的要求。

隨著低功耗廣域網(low power wide area network,LPWAN)技術的不斷發展，物聯網技術應用于遠程實時監控、無線數據傳輸成為可能[6,7]。LoRa是一種采用1 GHz以下非授權無線電頻段進行低功耗、超長距離通信的數據傳輸技術，具有功耗低、覆蓋范圍廣、穿透性強的特點，適用于短時間發送和接收少量數據的應用情況。

基于此，本文結合改進速率自適應算法，設計了高壓開關柜的母線溫度監測系統，實現了對高壓開關柜的母線及觸頭溫度實時監測及運行狀態的集中統一管理，不僅大大提高了對高壓開關柜的管理效率，還大幅縮減了人工成本。

1 監測系統的總體設計

系統分為三層結構:感控層、網絡層和應用層。感控層主要是感測終端節點，是以傳感器感知母線及觸頭的溫度，通過數據處理模塊和收發模塊，將數據從節點發送，若傳輸的距離較遠或者有障礙物，應用LoRa網關進行匯聚發送；網絡層主要包括網關，網關通過以太網接口與路由器相連，將采集到的溫度信息上傳至云服務器；應用層物聯網云平臺匯聚采集到的信息，并對信息進行分析處理呈現[1]。高壓開關柜母線溫度監測系統總體組成如圖1所示。

圖1 系統總體組成示意

整個系統采用LoRa星型網絡拓撲結構，由LoRa終端節點設備以及網關(LoRa基站)、云服務器和云客戶端組成，終端設備采集母線及觸頭處的溫度傳感器信息，并將其轉換為符合LoRaWAN協議的數據幀，經射頻調制后發送給網關。網關主要負責將節點的數據傳輸給云服務器，即完成數據從LoRa方式到云服務方式的轉換，網關不進行數據處理，只負責將數據打包封裝，然后再通過互聯網傳輸給物聯網云服務器，物聯網云服務器完成終端設備注冊、用戶管理、數據存儲、處理分析等工作，并將處理后的數據發送給客戶機以便客戶端能夠方便地遠程讀取監控信息并進行判斷，應用數據可雙向傳輸。

本文LoRa感測節點采用干電池獨立供電，同時要求較高的數據傳輸質量，在高壓環境下更換電池會影響系統的正常運行。因此LoRa節點的數據傳輸質量和能耗問題是系統設計時必須考慮的關鍵技術。為了盡可能提高監測實時性和數據傳輸速率，本文主要采取優化的速率自適應路由算法，調節不同信道下的狀態傳數據輸速率，得到較高的吞吐量。

2 系統設計及實現

2.1 監測終端硬件設計

監測終端主要由感測節點模塊、單片機(micro controller unit,MCU)數據處理器、電源模塊、LoRa收發模塊等。溫度傳感器與MCU內置模/數(A/D)轉換器連接，將母線及觸點溫度信息轉換成數字信號輸出，通過內置集成電路(inter-integrated circuit,I2C)總線通信方式傳輸至MCU模塊，MCU模塊利用I2C接口對傳感器溫度信息完成讀寫，并完成數據存取[6]。LoRa收發模塊通過UART串口連接在MCU處理器上進行通信。測溫硬件結構如圖2所示。

圖2 感測節點硬件結構

測試封裝時，將終端采集整體放入絕緣皮套中。對A,B,C三相母線及觸點的溫度采取6點數據采集的方式，進行對比分析；為確保采集信息的可靠性，每組采集裝置中分別放入3組溫度傳感器。

2.2 監測終端軟件設計

由于高壓開關柜母線溫度監測系統的功能完整性及具體實現至關重要，終端感測節點的軟件設計主要對高壓開關柜的溫度數據進行采集和傳輸。如圖3所示。

圖3 感測節點主程序流程

感測節點軟件設計主要步驟為：

1)系統初始化，溫度傳感器、LoRa收發模塊與MCU處理器建立有效的通信鏈路；

2)接收任務指令，喚醒工作，進行溫度數據采集和傳輸；

3)采用中斷喚醒的方式來接收節點數據，降低LoRa傳輸節點的功耗，延長使用壽命，提高監測的實時性。

2.3 系統抗干擾

高壓開關柜運行在高電壓、大電流的狀態，系統事故瞬間還出現強烈的電磁暫態過程，這些都產生強電磁場干擾，這對于硬件系統及微弱信號處理有較大影響[8]。為了消除這些干擾，分別采用軟、硬件抗干擾措施，在軟件設計上采用數字編碼、解碼技術；在硬件上采用金屬屏蔽消除干擾信號，加強各級濾波消除高頻干擾，再加上LoRa收發模塊自身具有較強的抗干擾能力，系統工作的可靠性得到了保證。

為消除隨機干擾，利用母線及觸頭溫度變化相對較緩慢的特點，對感測點溫度信號進行低功耗循環發送，多次采集，排除異常數據以保證數據可靠。同時在優化的速率自適應算法中能夠提高數據傳輸的吞吐量，降低誤幀率，保證數據傳輸的可靠性。

3 速率自適應路由算法及其優化

3.1 現有速率調節算法及其缺陷

目前一些現有數據速率自適應算法[9～11]，是根據掃描網絡接收端信號節點上行幀傳輸質量指標，用于估算出下次終端數據傳輸速率[12]。現有速率調節算法主要是基于快速可靠傳輸的原則，在信號質量好的情況下，采用高一點的數據傳輸速率，當信號質量變差時，則采用低的數據傳輸速率，以提高終端傳輸的靈敏度。

該算法可以提高傳輸速率和降低誤碼率，卻僅僅考慮了終端的個體信道情況，未考慮LoRaWAN網絡[9]的實際信道負荷。當僅以終端的信號質量指標決策數據速率，有可能會把終端上行幀都分配到少數幾個SF子信道上，致使這些子信道擁塞，發生丟包，惡化網絡性能。

3.2 速率自適應算法優化

針對上述問題，本文提出一種根據自身網絡環境自適應調整速率的算法。該算法根據自身網絡環境包括信號質量指標、信道負荷E_l以及丟包率等情況，對終端的數據傳輸速率進行適應性調整[10]。

雖然多個同時發出的LoRa傳輸可以由單個網關處理，但對于LoRa的每個信道中的SF子信道而言，同一時刻僅有一個信號傳送，若多個信號并發傳輸，就會導致信道傳輸碰撞，由于干擾導致接收端無法接收信號。由于信道接入是基于ALOHA介質訪問機制，因此一旦SF子信道的負荷超過一定閾值，就會導致沖突概率快速上升，網絡通信性能急劇下降。對于SF子信道的負荷E_l的統計，是指在LoRaWAN服務器開啟一個周期性任務統計，定時對SF子信道的占用時間及負荷E_l進行統計，并記錄存儲[10]。根據編碼率、采用的SF子信道，得出每幀數據對子信道的占用時間，并統計周期內累計總的占用時間，得出SF子信道的負荷E_l。

如圖4所示為優化速率自適應算法的流程。

圖4 優化速率自適應算法流程

算法首先接收掃描LoRa節點發送的最近上行幀N幀，(至少10幀)。根據幀序列的連續性統計丟包率，按照終端所占信道及使用的SF統計SF子信道的負荷E_l，根據每幀數據的權重，加權獲取終端期望的數據速率DRm；當終端統計丟包率超過ADR機制中的丟包閾值時，則篩選出負荷E_l最小的SF子信道對應的數據對應的數據速率DRl，以避開SF子信道擁塞，降低丟包率；當終端統計丟包率未超過ADR機制中的丟包閾值時，則屬于速率正常調節，選擇負荷E_l不超過ADR策略中信道負荷閾值最快SF子信道對應的數據速率DRn，以盡可能快的速率進行傳輸，若所有SF子信道負荷均超過信道負荷閾值，則進行丟包速率調節。所確定的數據速率與當前終端所使用的數據速率不同，則下發ADR命令給終端，終端收到后根據自己的策略調整數據傳輸速率并進行反饋，若LoRaWAN服務器未收到反饋信息則認為下發失敗，重復下發直到收到回應為止。

如圖5所示為終端期望的數據速率算法流程。

圖5 終端期望的數據速率算法流程

1)丟包數據速率調節。當終端統計丟包率超過ADR機制中的丟包閾值時，通過丟包數據速率對應的負荷DRl_Loda與終端期望數據速率對應的負荷DRm_Load進行比較，若DRm_Load大于DRl_Loda，則令終端期望數據速率DRm等于丟包數據速率DRl，判斷，若DRm為0停止調節，反之自降一個速率；若DRm_Load小于DRl_Loda，則直接判斷DRm是否為0。該算法避開SF子信道擁塞，降低了丟包率。

2)正常速率調節。終端統計丟包率未超過ADR機制中的丟包閾值時，屬于正常速率調節。通過負荷閾值TH與終端期望數據速率對應的負荷DRm_Load進行比較，若TH大于DRm_Load，則令終端期望數據速率DRm等于正常數據速率DRn，結束程序；若TH小于DRm_Load，判斷DRm是否為0，為0則結束，反之自降一個速率，循環進行。

3.3 系統仿真分析

為了評估優化的速率自適應算法在數據傳輸吞吐量方面的性能，用MATLAB作為仿真平臺，分別采用本文中介紹現有與優化速率自適應算法進行仿真，模擬高壓開關柜內部母線工作環境，設置采樣時間和閾值丟包率參數，則60 s內吞吐率數據對比曲線如圖6所示。

圖6 數據傳輸吞吐率對比

可以看出優化的速率自適應算法總體的吞吐率要優于現有的速率自適應算法，能夠快速調節數據傳輸的速率，實現對終端的靈活速率控制。本文提出的速率自適應算法，未必是最優的速率算法，但可以肯定這種算法一定優于現有速率自適應算法。

4 實際運行情況分析

為了驗證本文提出的改進自適應速率算法在高壓開關柜母線溫度監測系統中的可行性，多次在KYN28—12型號的高壓開關柜測試成功，上傳的數據具有較低的誤碼率和較高的吞吐量。

利用自行搭建的One-NET物聯網云平臺采集到終端母線觸頭上的溫度數據的顯示界面，用來顯示每間隔一定時間通過溫度傳感器采集到母線觸頭上溫度變化情況。其中節點1，2，3分別代表母排上A，B，C三相溫度節點，節點4，5，6分別代表A，B，C三相觸頭溫度節點。可以看出，當高壓開關柜工作正常運行時，母線溫度與觸點溫度大致重合。

5 結 論

本文實現高壓開關柜母線及觸頭監測的信息化和智能化，保障系統的安全實時性。根據高壓開關柜數據傳輸的要求，提出優化的速率自適應路由算法，仿真分析表明該算法明顯提高了數據傳輸的吞吐率，并在實際運行中取得良好監測效果。下一階段的工作是盡可能地降低節點的能耗，以便更好地滿足高壓開關柜溫度監測系統對實時性要求高的特點。