地下電纜通道的無線溫濕度傳感網(wǎng)與BP評估

文 溢， 趙振剛， 宋維彬， 李 川

(昆明理工大學(xué) 信息工程及自動化學(xué)院,云南 昆明 650500)

?

地下電纜通道的無線溫濕度傳感網(wǎng)與BP評估

文 溢， 趙振剛， 宋維彬， 李 川

(昆明理工大學(xué) 信息工程及自動化學(xué)院,云南 昆明 650500)

無線傳感網(wǎng)技術(shù)線路較少，串繞簡單等特點，使得短距離的無線傳感技術(shù)能很好地解決地下電纜通道電纜線路繁多、運營維護監(jiān)測困難等問題。通過建立基于無線溫濕度傳感網(wǎng)的地下電纜通道系統(tǒng)，用溫濕度傳感器對其進行監(jiān)測，監(jiān)測的實時數(shù)據(jù)用無線傳感網(wǎng)技術(shù)傳回，并通過BP神經(jīng)網(wǎng)絡(luò)模型對監(jiān)測數(shù)據(jù)進行網(wǎng)格訓(xùn)練，建立優(yōu)化模型，得到優(yōu)化前后的權(quán)值和閾值訓(xùn)練誤差曲線，優(yōu)化前的訓(xùn)練樣本和測試樣本的仿真誤差分別為0.19和0.30，優(yōu)化后這兩個數(shù)值分別為0.17和0.024。隨機選取楚雄腰站變電站20組監(jiān)測數(shù)據(jù)帶入BP模型，得到結(jié)果與電纜通道溫濕度安全等級對比，準(zhǔn)確度達(dá)到93.3 %。

無線傳感網(wǎng)； 地下電纜通道； 溫濕度傳感器； 實時監(jiān)測； BP神經(jīng)網(wǎng)絡(luò)

0 引 言

地下電纜通道內(nèi)電纜線路增多，電力設(shè)備數(shù)量增大，通道結(jié)構(gòu)日趨復(fù)雜，電纜及相關(guān)的電力設(shè)備的運行環(huán)境參量的要求非?？量?，環(huán)境監(jiān)測變得困難[1，2]。監(jiān)測系統(tǒng)的實施、安裝調(diào)試和運營維護難度的增加，也給安全用電和故障的排除帶來了巨大的挑戰(zhàn)[3，4]。無線通信技術(shù)布線簡單，組網(wǎng)靈活，可靠性大以及傳輸速率高，能很好地解決這些問題。2010年，付永長、陳濤等人設(shè)計了一種利用光纖光柵對地下電纜通道測量溫濕度的傳感系統(tǒng)。同年，周江川提出可以用無線傳感系統(tǒng)很好的解決地下電纜通道的線路復(fù)雜等問題。

本文以云南楚雄35 kV腰站變電站作為研究試點[5]，以地下電纜通道溫濕度為安全狀態(tài)評估對象，通過建立無線傳感網(wǎng)絡(luò)評估系統(tǒng)[6]，對地下電纜通道的溫濕度等安全因素進行遠(yuǎn)程在線監(jiān)測，利用BP神經(jīng)網(wǎng)絡(luò)智能算法進行模型優(yōu)化，評估預(yù)警等級[6，7]。

1 智能溫濕度傳感器結(jié)構(gòu)及原理

選用的智能溫濕度傳感器，其結(jié)構(gòu)如圖1所示，其中，SCK為串行時鐘輸入，DATA為串行數(shù)據(jù)輸入。根據(jù)智能溫濕度傳感器內(nèi)部結(jié)構(gòu)框圖簡單的描述其測量原理：首先，利用兩個敏感元件分別得到相對濕度、溫度的信號，將它們送到信號放大器進行模擬信號的增益和放大，將增益放大后的兩個模擬信號送到14 bit的A/D轉(zhuǎn)換單元，變成數(shù)字信號，除此以外，還可以實現(xiàn)數(shù)據(jù)的校準(zhǔn)和糾錯功能；其次,通過一個二線串行接口將轉(zhuǎn)換后的相對濕度和溫度的數(shù)字信號數(shù)據(jù)傳送至微控制器，最后,這些數(shù)據(jù)會被微控制器進行智能處理，來完成數(shù)據(jù)輸出非線性補償和溫度漂移補償。傳感器采用大規(guī)模集成電路和嵌入式技術(shù)將智能溫濕度傳感器的各個組成部分集成到一個小的芯片上面，從而具備了高可靠性、高擴展性、高精確性、高補償性能等特點，使傳感器的品質(zhì)上升到更為卓越的層次?？蓪崿F(xiàn)對地下電纜溝內(nèi)溫濕度環(huán)境參數(shù)的測量，具有數(shù)字式輸出、信號濾波、信號補償、免調(diào)試、免標(biāo)定、網(wǎng)絡(luò)通信、自定標(biāo)自校正、免外圍電路及全互換的特點。

圖1 智能溫濕度傳感器內(nèi)部結(jié)構(gòu)框圖Fig 1 Internal structure block diagram of intelligent temperature and humidity sensor

2 地下電纜通道的無線傳感監(jiān)測系統(tǒng)構(gòu)建

無線傳感監(jiān)測系統(tǒng)構(gòu)建主要是滿足實現(xiàn)系統(tǒng)自身的穩(wěn)定性基礎(chǔ)上，結(jié)合通信與嵌入式技術(shù)、計算機技術(shù)和智能傳感器技術(shù)，實現(xiàn)變電站電纜溝溫濕度的狀態(tài)監(jiān)測和可靠通信的需求。同時，對所有監(jiān)測對象及實施檢測的無線傳感節(jié)點按照IEC61850標(biāo)準(zhǔn)進行建模，采用XML來描述配電站內(nèi)的設(shè)備和節(jié)點，開發(fā)包含變電站配置描述語言(SCL)的組態(tài)配置工具實現(xiàn)底層設(shè)備組態(tài)建模。根據(jù)系統(tǒng)監(jiān)測平臺實現(xiàn)電氣設(shè)備運行環(huán)境狀態(tài)直觀可視化，異常數(shù)據(jù)預(yù)警化，為保障電纜通道輸供電安全提供可靠依據(jù)。

以云南楚雄220 kV腰站變電站為試點，結(jié)合前期工程考察和實地監(jiān)測需要確定具體安裝位置為35 kV高壓室電纜溝及室外與主控室連接的部分電纜溝，考慮到電纜溝內(nèi)每隔4 m左右有防火隔斷，以每個防火隔斷為一個獨立單元，每個防火隔斷中的基站都有獨立的ID，分布按照35 kV高壓室電纜溝東西走向依次ID1至ID14，特別地，ID2至ID7區(qū)域為35 kV開關(guān)柜的分布區(qū)域，ID8至ID14為單一走線的電纜溝區(qū)域且與室外電纜溝連接[8,9]。電纜溝溫濕度傳感器網(wǎng)絡(luò)拓?fù)鋱D如圖2。

圖2 電纜溝溫濕度傳感器網(wǎng)絡(luò)拓?fù)鋱DFig 2 Cable conduit temperature and humidity sensor network topological graph

腰站變電站要求檢測系統(tǒng)不僅能夠準(zhǔn)確測得電纜溝內(nèi)每個防火隔斷監(jiān)測點處截面的環(huán)境狀況，也要能夠監(jiān)測到每條高壓電纜在電纜溝內(nèi)的實際運行狀況，達(dá)到在電纜溝內(nèi)監(jiān)測區(qū)域無監(jiān)測盲點。這樣的要求不僅有利于監(jiān)測范圍的全覆蓋，及時準(zhǔn)確地進行數(shù)據(jù)的測量和預(yù)警，同時也能夠為變電站電力管理人員搶修故障展現(xiàn)測量點的直觀位置和后期的數(shù)據(jù)分析提供了可靠的數(shù)據(jù)支持。

針對地下電纜通道內(nèi)電纜和電氣設(shè)備安全運行的需要，采用無線傳感網(wǎng)技術(shù)對地下電纜通道的溫濕度參數(shù)進行在線動態(tài)監(jiān)測以及數(shù)據(jù)智能分析和決策控制，監(jiān)測模型通信結(jié)構(gòu)參見圖3。

圖3 網(wǎng)絡(luò)通信拓?fù)浣Y(jié)構(gòu)Fig 3 Topological structure of network communication

系統(tǒng)數(shù)據(jù)流程圖(圖4)可分為三大層模塊：最底層是采集控制層，主要功能是實時采集檢測信號，進行A/D轉(zhuǎn)換，通過總線方式傳遞給網(wǎng)關(guān)(采集裝置)，網(wǎng)關(guān)通過以太網(wǎng)和無線通信方式將該數(shù)據(jù)傳送給服務(wù)端。第二層是服務(wù)端通過神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進行分析和計算，通過IEC61850中間件，給數(shù)據(jù)加上必要的數(shù)據(jù)屬性，形成數(shù)據(jù)文件(數(shù)據(jù)庫與SCL結(jié)合)[10,11]。第三層是基于WEB訪問的客戶端,進行設(shè)備監(jiān)測狀態(tài)的顯示、報警及相關(guān)控制。

圖4 系統(tǒng)數(shù)據(jù)流程圖Fig 4 Flow chart of system data

無線通信基站和網(wǎng)關(guān)通過握手的方式建立通信信道，登錄及上報數(shù)據(jù)流程如圖5所示?；就姾?，主動發(fā)送登錄報文請求登錄，網(wǎng)關(guān)接收到基站發(fā)來的請求登錄報文并驗證用戶名和密碼，驗證正確后，返回確認(rèn)報文給基站。基站接收到確認(rèn)報文后表明信道建立，并自動進入數(shù)據(jù)采集模式，基站每2 min上送一次數(shù)據(jù)報文給網(wǎng)關(guān)，發(fā)送完成后自動進入低功耗模式。

圖5 登錄與上報數(shù)據(jù)流程Fig 5 Login and report data process

3 BP網(wǎng)絡(luò)模型安全狀態(tài)評估

遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)主要分為：BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定、遺傳算法優(yōu)化權(quán)值和閾值、BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練及預(yù)測。其中，BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)是根據(jù)樣本的輸入/輸出參數(shù)個數(shù)確定的，這樣就可以確定遺傳算法優(yōu)化參數(shù)的個數(shù)，從而確定種群個體的編碼長度。遺傳算法優(yōu)化參數(shù)是BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，權(quán)值和閾值一般是通過隨機初始化為[-0.5，0.5]區(qū)間的隨機數(shù)，這個初始化參數(shù)對網(wǎng)格訓(xùn)練的影響很大，但是又無法準(zhǔn)確獲得，對于相同的初始權(quán)重值和閾值，網(wǎng)格的訓(xùn)練結(jié)果是一樣的，引入遺傳算法就是為了優(yōu)化出最佳的初始權(quán)值和閾值。具體算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法流程參見圖6。

圖6 BP網(wǎng)絡(luò)優(yōu)化流程圖Fig 6 Flow chart of BP network optimization

按照電氣行業(yè)監(jiān)測特性規(guī)程標(biāo)準(zhǔn)IEC61850，基于安全劃分等級(表1)以及楚雄腰站變電站電纜溝實時監(jiān)測的100組隨機溫濕度數(shù)據(jù)作為診斷的訓(xùn)練數(shù)據(jù)，用于網(wǎng)格訓(xùn)練。30組用作測試樣本，測試樣本的誤差范數(shù)作為衡量網(wǎng)格的一個泛化能力(網(wǎng)絡(luò)的優(yōu)劣)，再通過誤差范數(shù)計算個體的適應(yīng)度值，個體的誤差范數(shù)越小，個體適應(yīng)度值越大，該個體越優(yōu)。神經(jīng)網(wǎng)絡(luò)的隱含層神經(jīng)元的傳遞函數(shù)采用S型正切tansig()，輸出層神經(jīng)元的傳遞函數(shù)采用S型對數(shù)函數(shù)logsig()，這是由于輸出模式為0～1，正好滿足網(wǎng)格的輸出要求。

表1 電纜溝環(huán)境狀態(tài)安全等級劃分表

網(wǎng)格訓(xùn)練是一個不斷修正權(quán)值和閾值的過程，使得網(wǎng)絡(luò)的輸出誤差越來越小。訓(xùn)練函數(shù)trainlm()是利用Levenberg-Marquardt算法對網(wǎng)格進行訓(xùn)練，測試樣本數(shù)據(jù)矩陣為P_test，經(jīng)過測試之后運行神經(jīng)算法中的GABPMain主函數(shù)。得到最優(yōu)初始權(quán)值和閾值后，運行算法當(dāng)中callbackfun函數(shù)，得到使用隨機權(quán)值和閾值以及使用優(yōu)化后的權(quán)值和閾值兩種情況下的訓(xùn)練誤差曲線，并輸出預(yù)測值、預(yù)測誤差及訓(xùn)練誤差。得到優(yōu)化后的測試樣本的仿真誤差和訓(xùn)練樣本的仿真誤差分別為0.024 042和0.169 08。BP網(wǎng)格的訓(xùn)練樣本的測試效果得到了比較大的改善。

隨機選取樣本集，調(diào)用BP優(yōu)化模型，輸出結(jié)果參照表1對其進行預(yù)測，30組預(yù)測結(jié)果及測試誤差參見表2。

從表中可得，與測試樣本的實際安全等級相比，本次試驗所建立的BP神經(jīng)網(wǎng)絡(luò)模型對第5組樣本實際安全等級為三級，而預(yù)測結(jié)果為二級，出現(xiàn)安全隱患的概率為41 %，對第20組樣本實際安全等級為二級，而預(yù)測結(jié)果為一級，出現(xiàn)安全隱患的概率為71 %，其余均正確，準(zhǔn)確率達(dá)93.3 %。

4 結(jié) 論

本文介紹了無線傳感網(wǎng)應(yīng)用于地下電纜通道的意義，根據(jù)電氣行業(yè)標(biāo)準(zhǔn)，選取溫濕度數(shù)據(jù)作為安全等級評估標(biāo)準(zhǔn)，并利用BP神經(jīng)網(wǎng)絡(luò)算法對監(jiān)測數(shù)據(jù)進行分析，評估安全狀態(tài)等級，從而實現(xiàn)隱患的識別與報警。實驗結(jié)果表明:優(yōu)化前的訓(xùn)練樣本和測試樣本的仿真誤差分別為0.19和0.30，優(yōu)化后這兩個數(shù)值分別為0.17和0.024。經(jīng)測試樣本驗證此系統(tǒng)預(yù)測的準(zhǔn)確率達(dá)到93.3 %，建立的BP神經(jīng)網(wǎng)絡(luò)模型能很好地符合實際情況，準(zhǔn)確率達(dá)到行業(yè)標(biāo)準(zhǔn)，可信度較高。

[1] 張希偉,戴海鵬,徐力杰,等.無線傳感器網(wǎng)絡(luò)中移動協(xié)助的數(shù)據(jù)收集策略[J].軟件學(xué)報,2013(2):198-214.

[2] 錢志鴻,王義君.面向物聯(lián)網(wǎng)的無線傳感器網(wǎng)絡(luò)綜述[J].電子與信息學(xué)報,2013(1):215-227.

[3] 李炳林,宋海燕.無線傳感網(wǎng)技術(shù)與無源光網(wǎng)絡(luò)技術(shù)在智能電網(wǎng)用電采集系統(tǒng)中的應(yīng)用[J].華東電力,2010(6):812-816.

[4] 范永健,陳 紅,張曉瑩.無線傳感器網(wǎng)絡(luò)數(shù)據(jù)隱私保護技術(shù)[J].計算機學(xué)報,2012(6):1131-1146.

[5] Chen Xiaoyun,Peng Qingjun,Song Weibin,et al.Research of the online monitoring in the cable trench based on wireless temperature and humidity sensor network[C]∥ICSHMIM 2014,2014:20-24.

[6] 彭基偉,呂文華,行鴻彥,等.基于改進GA-BP神經(jīng)網(wǎng)絡(luò)的濕度傳感器的溫度補償[J].儀器儀表學(xué)報,2013(1):153-160.

[7] 陳智軍.基于改進型遺傳算法的前饋神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計[J].計算機工程,2002(4):120-121，129.

[8] 黎連業(yè)，郭存芳,向東明.無線網(wǎng)絡(luò)及其應(yīng)用技術(shù)[M].北京：清華大學(xué)出版社，2004:134-162.

[9] 付永長,陳 濤,張文斌,等.地下電纜光纖光柵測溫試驗[J].電網(wǎng)技術(shù),2010(5):212-215.

[10] 趙章界,劉海峰. 無線傳感網(wǎng)中的安全問題[J].計算機安全,2010(6):1-4.

[11] 蘇葉健. 無線傳感網(wǎng)技術(shù)綜述[J].信息通信,2012(6):275.

Wireless temperature and humidity sensor networks of underground cable channels and BP evaluation

WEN Yi, ZHAO Zhen-gang, SONG Wei-bin, LI Chuan

(Faculty of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650500,China)

Due to wireless sensor networks(WSNs)technology route is less and simple,short distance wireless sensing technology can solve problems of complex line difficulty of maintain caused by the underground cable channel.Through establishment of underground cable channel system based on WSNs,use temperature and humidity sensor for monitoring.The real-time monitoring data is transmitted back by WSNs technology,and through BP neural network model for grid training on monitoring data,set up optimization model and get weights before and after optimization and error curve of threshold training, simulation error of training samples and test samples before optimization are 0.19 and 0.30,respectively,these two values are 0.17 and 0.024 after optimization.Select 20 set of monitoring data of ChuXiong transformer substation randomly to BP model,compare the obtained results with cable channel temperature and humidity security levels,accuracy up to 93.3 %.

wireless sensor networks(WSNs); underground cable channels; temperature and humidity sensor; real-time monitoring; BP neural network

2015—11—23

10.13873/J.1000—9787(2016)10—0063—04

TP 274

A

1000—9787(2016)10—0063—04

文 溢(1992-)，男，湖南益陽人，碩士研究生，研究方向為物聯(lián)網(wǎng)技術(shù)。