基于函數(shù)鏈傳感器網(wǎng)絡(luò)的多源數(shù)據(jù)融合變電站管控技術(shù)

朱明增，覃秋勤，劉小蘭，陳極萬(wàn)

（廣西電網(wǎng)有限責(zé)任公司賀州供電局，廣西賀州 542800）

我國(guó)的變電站智能化技術(shù)發(fā)展迅速，隨著新設(shè)備的引入，設(shè)備管理的規(guī)模與形式也隨之改變，原有的運(yùn)維檢修手段已無(wú)法滿足發(fā)展需要。無(wú)線傳感器網(wǎng)絡(luò)具有低功耗和部署、維護(hù)成本低的特點(diǎn)，且支持遠(yuǎn)程部署，能夠較好地滿足變電站管控的需求。

為實(shí)現(xiàn)無(wú)線傳感器網(wǎng)絡(luò)的大量通信需求，該文選取了低功耗廣域網(wǎng)（LPWAN）來(lái)實(shí)現(xiàn)多源數(shù)據(jù)融合的變電站管控技術(shù)。LPWAN 是一種無(wú)線通信廣域網(wǎng)，支持在聯(lián)網(wǎng)設(shè)備之間以低比特率進(jìn)行遠(yuǎn)程通信。LoRa 是一種線性調(diào)頻擴(kuò)頻（CSS）無(wú)線電調(diào)制的LPWAN 技術(shù)，其提供了嵌入式端到端AES128 加密與較高的通信容量，能夠支持每個(gè)基站數(shù)百萬(wàn)條消息，適用于為變電站架構(gòu)無(wú)線傳感器網(wǎng)絡(luò)。

該文構(gòu)建了一套低成本、自供電且高效的無(wú)線變電站管控系統(tǒng)，使用函數(shù)鏈構(gòu)建數(shù)據(jù)分析工具，較好地實(shí)現(xiàn)了對(duì)變電站的自動(dòng)化管控。

1 電站監(jiān)控系統(tǒng)設(shè)計(jì)

該系統(tǒng)基于智能物聯(lián)網(wǎng)的技術(shù)原理，部署了用于數(shù)據(jù)收集和存儲(chǔ)的集中式網(wǎng)絡(luò)體系結(jié)構(gòu)[1]。通過(guò)部署一組外圍節(jié)點(diǎn)來(lái)收集相關(guān)的環(huán)境信息，并將節(jié)點(diǎn)的測(cè)量結(jié)果通過(guò)無(wú)線協(xié)議傳輸?shù)交驹O(shè)備，然后建立快速的數(shù)據(jù)收集與傳輸方法，提高管理部門的反應(yīng)能力[2]。為實(shí)現(xiàn)此功能，基站設(shè)備通過(guò)蜂窩通信服務(wù)（GPRS）周期性地將收集到的數(shù)據(jù)上傳到云端[3]。

文中設(shè)計(jì)的無(wú)線通信協(xié)議主要基于時(shí)隙方案，網(wǎng)關(guān)的信號(hào)接收器在預(yù)定義的工作時(shí)隙中處于活動(dòng)狀態(tài)，外圍節(jié)點(diǎn)基于這些時(shí)隙的具體情況完成調(diào)度數(shù)據(jù)傳輸以及上傳服務(wù)[4]。系統(tǒng)組件如圖1 所示。

圖1 系統(tǒng)組件

1.1 外圍節(jié)點(diǎn)設(shè)計(jì)

傳感網(wǎng)絡(luò)的主要信息來(lái)源為變電站的外圍節(jié)點(diǎn)，其包括用于環(huán)境監(jiān)控的所有傳感器。傳感器所采集到的數(shù)據(jù)被本地存儲(chǔ)，然后使用LoRa 無(wú)線協(xié)議傳輸?shù)交驹O(shè)備，外圍感知節(jié)點(diǎn)架構(gòu)如圖2 所示[5]。

圖2 外圍感知節(jié)點(diǎn)結(jié)構(gòu)

為了使系統(tǒng)在最少的維護(hù)投入下，長(zhǎng)時(shí)間地穩(wěn)定運(yùn)行，使用能量收集技術(shù)搭建了能量自給系統(tǒng)。設(shè)計(jì)每個(gè)外圍節(jié)點(diǎn)的電源模塊由3.7 V/2 600 mAh 的電池與6 V/3.5 W 的太陽(yáng)能電池板組成，晴天時(shí)通過(guò)太陽(yáng)能電池板對(duì)電池進(jìn)行充電。每個(gè)外圍節(jié)點(diǎn)系統(tǒng)任務(wù)的功耗分析，如表1 所示。

表1 系統(tǒng)任務(wù)功耗分析

傳感器的測(cè)量與無(wú)線傳輸通常在程序運(yùn)行的間隔執(zhí)行。每個(gè)外圍節(jié)點(diǎn)的功耗由以下公式確定：

其中，常數(shù)L、O、R、A是24 小時(shí)運(yùn)行的占空比。在我國(guó)所處緯度的平均光照條件下，晴天時(shí)一塊3.5 W 太陽(yáng)能電池板的估計(jì)每日功率輸出為0.021 kW·h。結(jié)合功耗，設(shè)置占空比參數(shù)為L(zhǎng)=0.016、O=0.016、R=0.33、A=0.016。經(jīng)過(guò)測(cè)試發(fā)現(xiàn)，電池能夠在晴天進(jìn)行充電，在陰天可以為系統(tǒng)供電。圖3為在晴天條件下，該系統(tǒng)所使用電池的電壓變化統(tǒng)計(jì)數(shù)據(jù)。

圖3 電池的電壓變化情況統(tǒng)計(jì)

1.2 網(wǎng)關(guān)設(shè)計(jì)

網(wǎng)關(guān)提供了外圍節(jié)點(diǎn)與云網(wǎng)絡(luò)之間的互連，以實(shí)現(xiàn)用戶對(duì)數(shù)據(jù)的訪問(wèn)。網(wǎng)關(guān)在此次設(shè)計(jì)中，起到管理外圍節(jié)點(diǎn)數(shù)據(jù)、云端通信以及實(shí)現(xiàn)自動(dòng)化監(jiān)控的功能?；诙嘣磦鞲衅鲾?shù)據(jù)，建立如下式所示的函數(shù)鏈：

式中，afi為大于功耗范圍的系統(tǒng)狀態(tài)，ffi為低于功耗范圍的系統(tǒng)狀態(tài)，A為實(shí)驗(yàn)測(cè)得的閾值，t為時(shí)間刻度。通過(guò)收集外圍節(jié)點(diǎn)的數(shù)據(jù)，網(wǎng)關(guān)實(shí)現(xiàn)了對(duì)不同事件的分類，并與遠(yuǎn)端服務(wù)器進(jìn)行必要的通信。

2 傳感網(wǎng)絡(luò)分析算法設(shè)計(jì)

基于上文提出的傳感網(wǎng)絡(luò)，建立了如圖4 所示的集中式傳感網(wǎng)絡(luò)。

圖4 集中式傳感網(wǎng)絡(luò)

為了將建立的函數(shù)鏈分析工具部署在圖4 所示的大型傳感網(wǎng)絡(luò)上[7]，采用了功能鏈接-自組織多層網(wǎng)絡(luò)[8]，將功能鏈神經(jīng)網(wǎng)絡(luò)與使用免疫算法的自組織多層網(wǎng)絡(luò)相結(jié)合[9]。

2.1 FL-SMIA網(wǎng)絡(luò)設(shè)計(jì)

該文提出的FL-SMIA 網(wǎng)絡(luò)體系結(jié)構(gòu)由輸入層、自組織隱藏層和輸出層組成[10]，該輸入層包括多個(gè)輸入單元Xi，若干個(gè)單元Hi組成了自組織隱藏層，以及相應(yīng)的輸出單元Yi組成了輸出層[11]。

國(guó)防科技工業(yè)主要是指從事武器科研裝備生產(chǎn)、研發(fā)工作的相關(guān)工業(yè)產(chǎn)業(yè)，具體包括航空、航天、核能、電子、船舶等多個(gè)部門，其對(duì)于我國(guó)國(guó)防事業(yè)的建設(shè)與發(fā)展有著直接的影響。在計(jì)劃經(jīng)濟(jì)時(shí)期，軍工企業(yè)本身所存在的競(jìng)爭(zhēng)壓力非常之小，同時(shí)國(guó)家的資金支持力度也比較大，因而對(duì)于自身的競(jìng)爭(zhēng)優(yōu)勢(shì)以及經(jīng)濟(jì)收益問(wèn)題并不重視［1］。然而隨著市場(chǎng)經(jīng)濟(jì)的不斷發(fā)展，軍工企業(yè)要想生存并長(zhǎng)期發(fā)展下去，就必須要尊重市場(chǎng)規(guī)律，參與到市場(chǎng)競(jìng)爭(zhēng)中來(lái)，不斷提升自身的核心競(jìng)爭(zhēng)力，而市場(chǎng)導(dǎo)向下的軍民融合發(fā)展策略則恰恰能夠幫助軍工企業(yè)實(shí)現(xiàn)這一目標(biāo)。因此，軍工企業(yè)的軍民融合發(fā)展，在很大程度上也是為了滿足市場(chǎng)經(jīng)濟(jì)環(huán)境下國(guó)防科技工業(yè)的進(jìn)一步發(fā)展需求。

隱藏單元的輸出由輸入單元Xi之間的歐氏距離和輸入單元與隱藏單元之間的連接權(quán)重確定[12]，利用輸入數(shù)據(jù)的本地信息，可以計(jì)算出隱藏單元Hj的輸出如下：

隱藏單元的輸出匯總在標(biāo)準(zhǔn)層中，網(wǎng)絡(luò)輸出則可以由式（6）得出：

2.2 網(wǎng)絡(luò)學(xué)習(xí)算法設(shè)計(jì)

如上文所述，該文設(shè)計(jì)的傳感網(wǎng)絡(luò)具有兩個(gè)權(quán)重矩陣，第一個(gè)權(quán)重矩陣在輸入層和隱藏層之間，第二個(gè)權(quán)重矩陣在隱藏層與輸出層之間。第二個(gè)權(quán)重矩陣使用標(biāo)準(zhǔn)的反向傳播算法進(jìn)行訓(xùn)練，并以批量方式來(lái)懲罰較大的權(quán)重。單個(gè)輸出神經(jīng)元權(quán)重變化計(jì)算為：

在訓(xùn)練第二權(quán)重矩陣之前，使用免疫算法訓(xùn)練第一組權(quán)重與隱藏層的結(jié)構(gòu)。在免疫算法中，隱藏單元對(duì)應(yīng)于識(shí)別免疫系統(tǒng)。每個(gè)隱藏單元代表一個(gè)或多個(gè)輸入向量，并具有從輸入層到隱藏單元的連接權(quán)重。隱藏單元Hj用(Pj,)表示，其中Pj是與Hj關(guān)聯(lián)的輸入向量的數(shù)量，是從輸入層到Hj的權(quán)重向量。

免疫算法運(yùn)行時(shí)，從一個(gè)隱藏單元(N=1)開始，并用P1=1 和=X1創(chuàng)建第一個(gè)隱藏單元，然后循環(huán)執(zhí)行免疫算法，依次創(chuàng)建和更新隱藏單元，直到網(wǎng)絡(luò)的所有輸入均找到對(duì)應(yīng)的隱藏單元。

該文還引入了一種方法來(lái)更新從輸入單元到隱藏單元的連接權(quán)重[16]。該方法通過(guò)將選定隱藏單元的新矢量計(jì)算為分配給該單元的所有輸入矢量的平均值，具體如式（8）所示：

3 實(shí)驗(yàn)驗(yàn)證

為了對(duì)該文設(shè)計(jì)的變電站管控技術(shù)的有效性進(jìn)行驗(yàn)證，在經(jīng)過(guò)內(nèi)核剪裁的Linux 操作系統(tǒng)下，使用蒙特卡洛模擬仿真方法進(jìn)行了1 000 次實(shí)驗(yàn)。每次實(shí)驗(yàn)考慮10 種重復(fù)測(cè)量，生成了8 組數(shù)據(jù)集，分別對(duì)應(yīng)于可能的系統(tǒng)誤差和線路參數(shù)偏差的不同，以驗(yàn)證管控系統(tǒng)的有效性[17]。

為了驗(yàn)證該文所提算法的綜合性能，使用該次設(shè)計(jì)的FL-SMIA 與常用的分析網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行對(duì)比，實(shí)驗(yàn)數(shù)據(jù)如表2 所示。分析表2 所得到的數(shù)據(jù)結(jié)果可知，對(duì)于8個(gè)數(shù)據(jù)集的分析準(zhǔn)確性指標(biāo)，F(xiàn)L-SMIA網(wǎng)絡(luò)具有最佳平均值。這表明與多層感知器網(wǎng)絡(luò)相比，該文所提改進(jìn)算法可以有效提高數(shù)據(jù)的分析能力。

表2 分析準(zhǔn)確性實(shí)驗(yàn)

該文還使用網(wǎng)絡(luò)殘差之間的相似性來(lái)評(píng)價(jià)了所設(shè)計(jì)網(wǎng)絡(luò)的計(jì)算能力。為了測(cè)量數(shù)據(jù)集上模型行為之間的相似性，對(duì)每個(gè)比對(duì)模型均使用了應(yīng)用于殘差之間的相關(guān)系數(shù)。實(shí)驗(yàn)結(jié)果表明，F(xiàn)L-SMIA 與FLNN、SMIA、R-SMIA 的性能比，和FL-SMIA 與MLP、R-MLP 的性能比數(shù)值相似，說(shuō)明FLNN 與SMIA 的特性被該數(shù)據(jù)分析網(wǎng)絡(luò)模型有效保留。

在使用數(shù)據(jù)集實(shí)驗(yàn)的基礎(chǔ)上，通過(guò)使用如圖5所示的總線測(cè)試網(wǎng)絡(luò)搭載該文設(shè)計(jì)的數(shù)據(jù)分析平臺(tái)進(jìn)行實(shí)時(shí)實(shí)驗(yàn)。用于測(cè)試的網(wǎng)絡(luò)具有10 個(gè)節(jié)點(diǎn)、9個(gè)分支、4 個(gè)三相、3 個(gè)二相和兩個(gè)單相節(jié)點(diǎn)。

圖5 總線測(cè)試網(wǎng)絡(luò)

僅考慮單個(gè)分支的實(shí)驗(yàn)結(jié)果，如表3 所示。分析表3的數(shù)據(jù)可知，電力數(shù)據(jù)分析的關(guān)鍵指標(biāo)RMSE，即與人工測(cè)試結(jié)果的偏差均呈現(xiàn)出了降低趨勢(shì)。從而說(shuō)明該平臺(tái)的分析精度，相較于人工分析有所改善。

表3 單分支估計(jì)電壓幅度實(shí)驗(yàn)中的RMSE變化率

圖6 為僅考慮電壓降約束時(shí)，使用全網(wǎng)絡(luò)所獲得的系統(tǒng)誤差估計(jì)。相同節(jié)點(diǎn)的實(shí)際系統(tǒng)誤差與電壓幅值補(bǔ)償后的殘留誤差，如圖7 所示。分析圖7 可知，通過(guò)估計(jì)得到的參數(shù)補(bǔ)償測(cè)量值，能夠在幅度與相位角上大幅降低系統(tǒng)誤差。即使在參數(shù)不確定性較高的情況下，該方法也具有更優(yōu)的效果。

圖6 系統(tǒng)的電壓幅度誤差估計(jì)

圖7 電壓幅度估計(jì)誤差

4 結(jié)束語(yǔ)

該文使用多種傳感器網(wǎng)絡(luò)搭建了一套集中式的智能物聯(lián)網(wǎng)數(shù)據(jù)融合系統(tǒng)，并通過(guò)對(duì)函數(shù)鏈的數(shù)據(jù)分析建立自動(dòng)化的多源數(shù)據(jù)分析系統(tǒng)，且實(shí)驗(yàn)與分析結(jié)果驗(yàn)證了其有效性。隨著高速通信技術(shù)的發(fā)展，電力智能化設(shè)備將越來(lái)越多，未來(lái)的研究重點(diǎn)將集中在如何提高系統(tǒng)分析速度，以及使網(wǎng)絡(luò)更優(yōu)地支持移動(dòng)設(shè)備的融合。