物聯網和遙感信息融合的變電智能運檢系統設計

汪本清，柯海波，葉章文，文 凡，尹曉梅

(合肥供電公司，安徽 合肥 230088 )

在泛在電力物聯網與能源互聯網深度發展的大環境下，我國電力系統相關部門提出了變電站設備物聯網構建理念，以此為基礎完成電力系統設備狀態全景化、數據分析智能化的變電設備物聯網構建，并利用物聯網深度感知的特性持續增強電力系統資源配置與安全運行性能，提升變電運檢的智能化水平。因此當前普遍使用的變電智能運檢系統多以物聯網為核心進行硬件設計與軟件開發，例如文獻[4]中在智能電網內引入物聯網技術，提升電網信息管理性能與信息的可視化性能。

遙感信息技術是一項集信息采集、管理、分析與輸出于一身的技術，具有較強的地理空間信息能力，并且利用遙感信息系統能夠較為精準地進行空間綜合分析，并獲取高精度動態預測能力。因此遙感信息技術被普遍應用在不同領域內。遙感信息融合是當前遙感信息技術應用的最新形式，能夠實現目標的可定位、可追蹤、可交互等功能，為此，設計基于物聯網和遙感信息融合的變電智能運檢系統。該系統以電力物聯網架構為基礎，引入遙感信息融合概念，通過移動GIS與WebGIS的有機結合完成遙感信息的互聯融合，且在系統內采用移動終端系統App與分布式數據存儲系統，最大限度提升兼容度與系統應用性。

1 物聯網和遙感信息融合的變電智能運檢系統

1.1 系統整體結構

在設計系統整體結構過程中，以物聯網的五個層級為基礎。其中應用層為核心，該層包含兩個主要部分，分別是移動作業系統、Web管理系統，兩者分別架構于平板電腦和國家電網內網電腦上，經由兩者間信息傳遞與數據共享完成智能化變電運檢的目的。圖1為系統整體結構。基于物聯網和遙感信息融合的變電智能運檢系統整體架構由下至上劃分為感知層、傳輸層、數據層、信息處理層和應用層。

圖1 系統整體結構

(1) 感知層內包含硬件變電運檢信息采集設備，如感知變電設備位置過程中所使用的GPS衛星定位芯片、無線Wi-Fi芯片以及遙感信息融合子系統，同時還包含采集變電設備信息所使用的RFID與濕度傳感器等，通過該層能夠有效采集變電運檢信息。

(2) 傳輸層以4G專網為信息交互通道，完成感知層與數據層間的數據信息交換，同時系統內選用加密通道復用技術，令感知層內不同終端上全部應用可復用相同加密通道，由此降低系統負載，提升數據傳輸與存儲的安全性。

(3) 數據層的主要功能是存儲并分析所采集的變電運檢信息，依照數據信息來源與內容的差異性，采用聚類算法將感知層所采集的變電運檢信息存儲在不同數據庫內。

(4) 數據層內的信息通過接口進入信息處理層，該層采用STM32F103系列單片機對各類信息進行處理，處理結果通過接口為應用層內各項系統應用功能提供數據支撐。

(5) 應用層主要包括用戶服務層和業務應用層兩部分。前者主要為系統使用者提供變電運檢應用功能，如運檢人員通過移動終端登錄系統進行變電運檢，管理人員通過PC機內網登錄系統派發運檢工作并監管工作進度；后者依據數據庫內設備信息與遙感信息數據可生成變電運檢的優化導航路線與平面圖等。

1.2 遙感信息融合子系統設計

遙感信息融合子系統是感知層主要組成部分，利用互聯網技術與通信協議將移動GIS與WebGIS相結合，以此實現設備可定位、可追蹤、可交互等功能。圖2為移動GIS子系統結構圖，其將B/S架構與C/S架構有機結合，不僅可通過B/S方式運行，而且兼具C/S架構的高度可操作性，實現兩種不同架構形式優勢互補。移動GIS可分別利用4G專網與WebGIS客戶端訪問電力系統內網服務器，兩個不同客戶端可共用部分服務器與數據庫。

1.3 模糊C均值聚類算法

感知層利用各類芯片與傳感器等采集變電運檢信息，所采集的變電運檢信息經由傳輸層進入數據層內，數據層采用聚類算法劃分運檢信息類別，將不同類別的變電運檢信息存儲在不同數據庫內。考慮變電運檢過程中所采集信息的海量性與多樣性等特性，數據層的聚類算法采用模糊C均值聚類算法，該聚類算法中假設被分類運檢信息集合內不同運檢信息樣本都根據不同的隸屬度隸屬于某一類，由此將某一類定義為運檢信息樣本集合上的模糊子集，基于此能夠構建模糊分類矩陣。以獲取最優模糊分類為目的，設定目標函數及其約束條件，公式描述如下：

(1)

式中，表示目標函數，和分別表示模糊隸屬度與距離，、和分別表示運檢信息集合內運檢信息的數量、類的數量和模糊指數。

圖2 遙感信息融合子系統結構圖

求解在隸屬度函數約束下的優化問題時選取Lagrange乘數法，隸屬度計算公式為：

(2)

利用式(3)能夠確定聚類中心：

(3)

式中，表示變電運檢信息數據。

變電運檢信息聚類流程如圖3所示。

圖3 變電運檢信息聚類流程

變電運檢信息聚類處理的詳細過程如下：

(1) 設定類的數量、模糊指數以及誤差閾值等參數范圍；

(2)(),=1,2,…,為聚類中心，對其進行初始化處理，同時設定循環次數值為1；

(3) 依照式(2)確定隸屬度；

(4) 依照式(3)修正全部聚類中心(+1),=1,2,…,；

(5) 利用式(4)計算誤差：

(4)

若所計算誤差值小于誤差閾值，則算法結束，相反則進入隸屬度確定過程；

(6) 算法完成后，依照式(5)歸類全部變電運檢信息：

(5)

由此將變電運檢信息歸入第類。

1.4 STM32F103單片機設計

信息處理層以數據層內不同數據庫中所存儲的信息為基礎，在STM32F103系列單片機控制下進行信息處理。作為32位ARM微處理器，STM32F103系列單片機內分別采用72MHz和64kB的時鐘頻率和內置存儲ROM，內嵌FLASH程序存儲器容量和快速I/O端口分別為512kB和112個。圖4所示為STM32F103單片機外圍電路結構。STM32F103單片機外圍電路由電源單元、輸入與顯示單元、無線通信單元與存儲單元等組成。輸入與顯示單元選取可觸摸LCD顯示器；無線通信單元采用以SIM900A數據傳輸芯片為核心，能夠實現短信收發與無線網絡傳輸，便于運檢人員實時監管設備信息；存儲單元以EPROM芯片為核心，能夠避免STM32F103內部存儲缺陷導致的數據缺失問題；同時定位單元中采用遙感信息技術，便于管理人員通過PC機實時監管運檢進度并生成運檢路線與平面圖。

圖4 STM32F103單片機外圍電路結構

2 測試結果與分析

實驗為驗證基于物聯網和遙感信息融合的變電智能運檢效果，以國網某變電站為測試對象。

2.1 系統性能

對比采用本文系統前后測試對象單次運檢工作完成所需時間(為消除時間差異性帶來的影響，以20次運檢工作用時均值為標準)，所得結果如圖5所示。分析圖5(a)可知，采用本文系統能夠獲取高清晰度的測試對象遙感影像。分析圖5(b)可知，規劃運檢路線時，本文系統規劃的運檢路線圖更簡潔，更符合實際運檢需求，與采用本文系統前相比能夠節省更多路線。分析圖5(c)可知，采用本文系統后，測試對象運檢整體用時在32min左右，與采用本文系統前的95min相比，具有顯著優越性，說明本文系統符合實際應用需求，具有可推廣性。

(a)遙感圖像

2.2 聚類結果

以本文系統所采集的2021年6月測試對象運檢數據構建樣本數據集，采用文獻[5]中基于移動作業的系統、文獻[4]中基于物聯網的系統進行對比測試，聚類結果如圖6所示。分析圖6(a)～6(c)可知，所有系統基本都能夠實現數據聚類功能，但本文系統聚類結果與另外兩個系統相比具有更好的數據聚類效果。分析圖6(d)得到，在聚類結果一致條件下本文系統的收斂速度均優于兩個對比系統，說明本文系統具有較快的收斂速度，能夠實現快速聚類的目的。

(a)本文系統

(d)聚類過程收斂時間

3 結 論

在電力物聯網與全球能源互聯網高度發展的當下，電力系統相關部門紛紛投入物聯網落地措施的研究中，以期改善電力物聯網的相關應用性能。基于此本文設計基于物聯網和遙感信息融合的變電智能運檢系統，以物聯網五個層級為核心，嵌入遙感信息融合子系統，研究變電運檢過程中電子化表單、智能化操作等功能，實現變電運檢過程中的實時移動辦公與定位。測試結果顯示本文系統能夠節約大量工作時間成本，提升變電運檢效率。在系統后續優化過程中將著重提升本文系統的可視化作業等功能，推動變電設備與移動互聯的可視化發展，推動電力物聯網與能源互聯網建設。