CN105515184B - 基于无线传感网络的多传感器多参量配网协同监测系统 - Google Patents
基于无线传感网络的多传感器多参量配网协同监测系统 Download PDFInfo
- Publication number
- CN105515184B CN105515184B CN201510880649.1A CN201510880649A CN105515184B CN 105515184 B CN105515184 B CN 105515184B CN 201510880649 A CN201510880649 A CN 201510880649A CN 105515184 B CN105515184 B CN 105515184B
- Authority
- CN
- China
- Prior art keywords
- information
- unit
- fusion
- source heterogeneous
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 58
- 230000002195 synergetic effect Effects 0.000 title claims abstract description 11
- 230000004927 fusion Effects 0.000 claims abstract description 65
- 238000003745 diagnosis Methods 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000004891 communication Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 11
- 239000011551 heat transfer agent Substances 0.000 claims description 7
- 238000007500 overflow downdraw method Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 2
- 235000015170 shellfish Nutrition 0.000 claims 1
- 238000007726 management method Methods 0.000 description 33
- 238000000034 method Methods 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013139 quantization Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- -1 antenna Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- H02J13/0079—
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
- Y04S40/126—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment using wireless data transmission
Landscapes
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明公开了一种基于无线传感网络的多传感器多参量配网协同监测系统，包括多源异构传感器节点模型、信息融合部和多源异构信息协同决策单元，信息融合部包括协同管理单元、故障诊断单元、信息判断单元、信息推理单元、信息融合单元和感知学习单元；多源异构传感器节点模型的多个信号输出端分别与协同管理单元、故障诊断单元、信息判断单元、信息推理单元、信息融合单元和感知学习单元的信号输入端连接，协同管理单元、故障诊断单元、信息判断单元、信息推理单元、信息融合单元和感知学习单元的信号输出端分别与多源异构信息协同决策单元连接。本发明经信息融合各单元的组合及协同，实现电力设备运行状态监测、故障诊断分析、智能辅助决策功能。
Description
技术领域
本发明涉及配网设备在线监测技术领域，尤其涉及一种基于无线传感网络的多传感器多参量配网协同监测系统。
背景技术
物联网技术目前正在全球范围内引发新一轮的产业革命，成为推动经济社会发展的重要力量。典型的物联网系统一般分为三层：感知层，网络层和应用层。其中由大量的传感设备组成了感知层网络，定义为无线自组传感器网络。无线传感器网络(WirelessSensor Network,WSN)是由大量的静止或移动的传感器以自组织和多跳的方式构成的无线网络，以协作地感知、采集、处理和传输网络覆盖地理区域内被感知对象的信息，并最终把这些信息发送给网络的所有者。
无线传感器网络由传感器节点及汇聚节点组成，并通过传输网络将采集的数据信息发送至应用服务系统。传感器节点由传感器模块、处理器模块、通信模块、能量供应模块、天线、外壳等组成，此外，无线自组网络中的汇聚节点是具有增强功能的传感器节点，有比传感器节点更多的能量供给和内存与计算资源，实现传感信息汇聚，以及传感器网络与传输网络之间接口与协议适配。
多传感器融合技术的基本原理就像人脑综合处理信息的过程一样，它充分地利用多个传感器资源，通过对各种传感器及其观测信息的合理支配与使用，将各种传感器在空间和时间上的互补与冗余信息依据某种优化准则组合起来，产生对观测环境的一致性解释和描述。信息融合的目标是基于各传感器分离观测信息，通过对信息的优化组合导出更多的有效信息。它的最终目的是利用多个传感器共同或联合操作的优势，来提高整个传感器系统的有效性。目前，比较常用的多传感器融合方法有：卡尔曼滤波，贝叶斯估计，D-S推理，聚类分析法，而近年来随着神经传感网络技术的发展，其最新研究也逐步运用在多传感器信息融合上。
随着电力行业信息技术的迅猛发展，配电网基础网架已逐步完善，基于配电网的各种信息采集和通信网络建设也逐步开展，配电设备的运行状态的信息正在逐步改进和完善。但是，相对主网来说，目前配网在通信网络、信息采集、系统应急和调度运行等方面还存在诸多不足：
(1)配网设备在线监测手段不足，缺乏设备运行状态信息，配网调度处于“盲调”状态；
(2)配网投入不足，配套通信网络基础薄弱；
(3)配电设备众多、点多面广，传统监测通信手段成本巨大。
由于配网设备数量繁多，检修人员与设备之间配比失衡，检修工作量越来越大，过大的检修工作量已成为制约电力系统效益增长和工作效率提高的因素之一。由于缺乏必要的技术手段支撑配网状态检修工作，导致在人员有限的情况下难以及时完成工作，降低了配电网运行可靠性和服务水平。如何将传统检修方式科学地转换到智能型检修方式，利用传感器对配网线路实现配网设备及环境的实时监测，是当前面临的实际问题。
发明内容
本发明提供一种基于无线传感网络的多传感器多参量配网协同监测系统，能实现电力设备运行状态监测、故障诊断分析、智能辅助决策功能。
本发明采用的技术方案为：一种基于无线传感网络的多传感器多参量配网协同监测系统，包括多源异构传感器节点模型、信息融合部和多源异构信息协同决策单元，信息融合部包括协同管理单元、故障诊断单元、信息判断单元、信息推理单元、信息融合单元和感知学习单元；多源异构传感器节点模型的多个信号输出端分别与协同管理单元、故障诊断单元、信息判断单元、信息推理单元、信息融合单元和感知学习单元的信号输入端连接，协同管理单元、故障诊断单元、信息判断单元、信息推理单元、信息融合单元和感知学习单元的信号输出端分别与多源异构信息协同决策单元连接；
多源异构传感器节点模型用于对传感器的数据格式进行统一；
协同管理单元用于对信息融合部中各个单元间的合作进行管理，通过对传感器设备的信息采集与分析的任务进行分解，向信息融合部中各功能单元分配任务，并根据任务执行情况对各单元提出的协同请求进行回应；
故障诊断单元用于实现故障的诊断任务；
信息判断单元用于实现诊断所需信息的判断，接受信息融合部中其它单元提出的判断请求，进行信息的判断，并将判断结果反馈给提出的判断请求的单元；
信息推理单元用于实现不确定信息的推理，根据概率模型，应用贝叶斯网络推理公式计算各有向弧对应事件发生的后验概率，并提供给多源异构信息协同决策单元作为推理诊断的依据；
信息融合单元用于实现对传感设备上传的多类监测数据的融合与输出，根据信息融合部中其它单元提出的融合请求，对待融合数据进行分析，以D-S证据理论选择判据为基础进行融合方法的选择，并以所选融合方法对多论据进行融合操作获取一致性输出，将融合结果提供给信息融合部中的其它单元应用；
感知学习单元用于结合历史统计信息及采集的故障信息进行学习进而获取相关元件故障的先验概率用于不确定信息的推理，使诊断系统能够适应环境变化进行信息的更新；
多源异构信息协同决策单元用于对观察结果的对应的位置信息、事件的时间信息、事件描述信息、场景描述信息、元数据信息进行处理和分析，对待测设备的运行状态进行监测，并给出故障诊断分析，对存在的故障做出智能辅助决策。
所述的多源异构传感器节点模型将不同传感器的数据格式统一为32个字节，包括传感器标识ID、数据Data、时间Time、状态State、电池余量BC、数据类型Type、传感器位置Lx/Ly、接收到的场强RSSI和预留信息Non；其中，传感器标识ID占用8个字节，数据Data占用4个字节，时间Time占用10个字节，状态State占用1个字节，电池余量BC占用1个字节，数据类型Type占用1个字节，传感器位置Lx/Ly占用2个字节，接收到的场强RSSI占用1个字节，预留信息Non占用4个字节。
所述的多源异构信息协同决策单元在处理信息融合部传递来的信息时，首先，利用贝叶斯公式将传感器节点的可靠性分解为节点的互信度与可信度；其次，从传感器节点的监测结果相互支持、节点监测结果的不确定性、节点的历史分类正确率、节点接收目标信号的信噪比和环境影响方面分别对节点的互信度和可信度进行了推导和建模；再次，计算加权信任函数；最后计算决策结果。
所述的协同管理单元包括通信管理模块、输入/输出控制模块和信息协同管理模块，通信管理模块和输入/输出控制模块分别与信息协同管理模块连接；
通信管理模块用于负责系统内及系统间信息的交流，并对信息的发送及系统中各单元间信息的传递进行控制；
输入/输出控制模块用于与外界信息的交流，包括多源传感信息采集、融合结果的发布及辅助决策信号的输出；
信息协同管理模块用于任务的分析、分解与分配，对系统中各单元的合作请求进行应答。
协同管理单元还用于与电力监控系统的联络与信息交互，实现大范围区域智能监控系统的协同。
协同管理单元与信息融合部中其它单元或电力监控系统之间通过客户/服务器方式实现信息交换。
所述的故障诊断单元包括输入/输出模块和通信管理模块，输入/输出模块和通信管理模块连接；输入/输出模块用于接收故障信息和输出诊断结果与决策建议，通信管理模块用于与信息融合部中其它单元进行信息交互，接收合作请求、提出信息需求并提供诊断信息。
本发明基于多源异构传感信息模型经信息融合各单元的组合及协同，实现电力设备运行状态监测、故障诊断分析、智能辅助决策功能。
本发明采用多传感器融合方式，综合分析各监测内容，通过主站数据控制中心对各个传感器装置上传的数据进行计算处理，得到更为准确的判断值，实现配网环境有效协同感知监测，为配网线路安全运行提供高可靠性的智能辅助决策。本发明通过基于统一传感数据模型的传感器网络，构建开放协同的无线传感器网络，能够对配网状态监测各种传感量进行统一采集和处理，有效提高了配网状态监测系统的设备兼容性和互通性。
附图说明
图1为本发明的结构示意图；
图2为本发明中多源异构传感信息协同决策框图；
图3为本发明中多源异构传感信息协同决策的仿真过程示意图。
具体实施方式
如图1所述的一种基于无线传感网络的多传感器多参量配网协同监测系统，包括多源异构传感器节点模型、信息融合部和多源异构信息协同决策单元，信息融合部包括协同管理单元、故障诊断单元、信息判断单元、信息推理单元、信息融合单元和感知学习单元；多源异构传感器节点模型的多个信号输出端分别与协同管理单元、故障诊断单元、信息判断单元、信息推理单元、信息融合单元和感知学习单元的信号输入端连接，协同管理单元、故障诊断单元、信息判断单元、信息推理单元、信息融合单元和感知学习单元的信号输出端分别与多源异构信息协同决策单元连接；
多源异构传感器节点模型用于对传感器的数据格式进行统一；
协同管理单元用于对信息融合部中各个单元间的合作进行管理，通过对传感器设备的信息采集与分析的任务进行分解，向信息融合部中各功能单元分配任务，并根据任务执行情况对各单元提出的协同请求进行回应；
故障诊断单元用于实现故障的诊断任务；
信息判断单元用于实现诊断所需信息的判断，接受信息融合部中其它单元提出的判断请求，进行信息的判断，并将判断结果反馈给提出的判断请求的单元；
信息推理单元用于实现不确定信息的推理，根据概率模型，应用贝叶斯网络推理公式计算各有向弧对应事件发生的后验概率，并提供给多源异构信息协同决策单元作为推理诊断的依据；
信息融合单元用于实现对传感设备上传的多类监测数据的融合与输出，根据信息融合部中其它单元提出的融合请求，对待融合数据进行分析，以D-S证据理论选择判据为基础进行融合方法的选择，并以所选融合方法对多论据进行融合操作获取一致性输出，将融合结果提供给信息融合部中的其它单元应用；
感知学习单元用于结合历史统计信息及采集的故障信息进行学习进而获取相关元件故障的先验概率用于不确定信息的推理，使诊断系统能够适应环境变化进行信息的更新；
多源异构信息协同决策单元用于对观察结果的对应的位置信息、事件的时间信息、事件描述信息、场景描述信息、元数据信息进行处理和分析，对待测设备的运行状态进行监测，并给出故障诊断分析，对存在的故障做出智能辅助决策。
所述的多源异构传感器节点模型将不同传感器的数据格式统一为32个字节，包括传感器标识ID、数据Data、时间Time、状态State、电池余量BC、数据类型Type、传感器位置Lx/Ly、接收到的场强RSSI和预留信息Non；其中，传感器标识ID占用8个字节，数据Data占用4个字节，时间Time占用10个字节，状态State占用1个字节，电池余量BC占用1个字节，数据类型Type占用1个字节，传感器位置Lx/Ly占用2个字节，接收到的场强RSSI占用1个字节，预留信息Non占用4个字节。
传感器标识ID是传感器的唯一性标识，具体标识分配方式可由传感器厂家自主分配确定。上位机的监测平台通过分析该标识判断传感数据的来源，因此该标识应在数据库中与传感器信息进行一对一关联。
数据Data是多源异构传感器节点模型的最核心的内容，存储对传感器所监测的实时动态数据。4个字节即32个bit位，可保证对传感器量测数据的截断误差在2的32次方之一以内，精度足以满足实际应用需求。
时间Time是时标数据，由于传感器所量测的物理量为动态的时变数据，对时标的记录非常关键，没有时标的Data是没有意义的。时间Time中对时标进行详细记录，以利于在后台对监测数据的时间进行提取分析。
状态State用于报告传感器状态，如工作正常、故障、待机、休眠等，使无线基站不但能够采集到传感器数据，还能够对传感器状态进行监测和管理。
电池余量BC用于报告传感器的电池余量，在监测平台中对电池余量进行分析，超过余量低限制的传感器将引起管理员注意并及时更换维修，以确保各个传感器设备都不会因电池问题而停止工作。
数据类型Type用于对传感器的类型进行区分，例如温度、温湿度、能耗、门磁、水浸等类型。有了数据类型Type的区分，数据Data才有意义。数据类型Type占有1个字节，共可以区分2的8次方即256中类型。
传感器位置Lx/Ly是为了兼容远距离分布的传感器部署所设置的，如输电在线监测、变电站等无线传感器在GIS平台中的运行监测展示，通过位置进行定位。
接收到的场强RSSI用于描述传感器的网络信号覆盖情况，便于通信故障的统计和排查。
预留信息Non填充为FFFF，留作备用。
如图2所示，所述的多源异构信息协同决策单元在处理信息融合部传递来的信息时，首先，利用贝叶斯公式将传感器节点的可靠性分解为节点的互信度与可信度；其次，从传感器节点的监测结果相互支持、节点监测结果的不确定性、节点的历史分类正确率、节点接收目标信号的信噪比和环境影响方面分别对节点的互信度和可信度进行了推导和建模；再次，计算加权信任函数；最后计算决策结果。。
多源异构信息协同决策单元是信息融合的最后一个环节，决定信息融合的最终结果，对于提高信息融合的准确性和电力监测系统的鲁棒性、环境适应性具有十分重要的意义。
协同决策的本质是从多源信息中提炼出真实有效的信息，确定相应的融合规则使得决策的错误率或者损失最小。对于电力监测应用来说，由于节点模态、位置和处理能力不同，导致不同节点对目标的分类判决结果存在差异，协同决策算法就是要对这些差异进行分析、处理和判断，排除干扰，获取真实信息。为了分析节点判决结果之间的差异性，需要对各节点和它们的分类结果进行可靠性进行建模，在建模过程中需要考虑节点模态、位置、信息可信度等方面因素，然后依据这些模型确定包括基于模态、空间等不同层级的融合规则。
针对电力设备多传感信息融合和协同决策的技术方案，利用贝叶斯公式将节点的可靠性分解为节点的互信度与可信度；然后从节点的监测结果相互支持、节点监测结果的不确定性、节点的历史分类正确率、节点接收目标信号的信噪比和环境影响等方面分别对节点的互信度和可信度进行了推导和建模。该模型涵盖了影响节点可靠性的各种因素，并对各种因素进行了合理分析和量化，实现了高可靠性的智能辅助决策。在获得节点的可靠性度量后，就可以利用证据预处理及决策融合模式来进行决策融合，证据预处理及决策融合模式见下图，节点的可靠性综合了节点局部决策信息和节点外部因素、历史统计等信息。协同决策的仿真过程示意图如图3所示，主要原理和思想是通过迭代信号模型提高协同决策的输出结果。
所述的协同管理单元包括通信管理模块、输入/输出控制模块和信息协同管理模块，通信管理模块和输入/输出控制模块分别与信息协同管理模块连接；通信管理模块用于负责系统内及系统间信息的交流，并对信息的发送及系统中各单元间信息的传递进行控制；输入/输出控制模块用于与外界信息的交流，包括多源传感信息采集、融合结果的发布及辅助决策信号的输出；信息协同管理模块用于任务的分析、分解与分配，对系统中各单元的合作请求进行应答。
协同管理单元还用于与电力监控系统的联络与信息交互，实现大范围区域智能监控系统的协同。
协同管理单元与信息融合部中其它单元或电力监控系统之间通过客户/服务器方式实现信息交换。
所述的故障诊断单元包括输入/输出模块和通信管理模块，输入/输出模块和通信管理模块连接；输入/输出模块用于接收故障信息和输出诊断结果与决策建议，通信管理模块用于与信息融合部中其它单元进行信息交互，接收合作请求、提出信息需求并提供诊断信息。
本发明以物联网系统配网线路监测为例，进行具体说明。目前物联网配网监测项目已在河南鹤壁进行实施和运行，该试点项目选定鹤壁淇滨#26和淇滨#28两条10kV配电线路通过安装13种无线传感器，使其分别应用于配网运行管理中，实现配网设备温度、环境运行温湿度、环网柜水浸、门开关、杆塔倾斜、线路故障电流、电缆屏蔽层电流、变压器中心点电流、变压器噪声等多参量的状态、故障及防盗在线监测。并在此监测的基础上，开展配网设备在线监测分析、状态检修、设备全寿命周期管理等功能。主要的监测配网设备覆盖种类广，包括配网线路、配电变压器、断路器、隔离开关、环网柜、分支箱、箱式变等。
由于电力系统中存在大量不确定的潜伏性故障，特别是在比较复杂的配电网络，由于其运行线路复杂，线路故障情况多样，给检修人员进行故障定位提供了困难。从目前单一监测量往往很难诊断故障做出正确定位，甚至会出现“虚警”现象，给维护人员带来不必要的麻烦。因此需要采用上述的多传感器融合方式，综合分析各监测内容，通过信息融合部对各个传感器装置上传的数据进行计算处理，得到更为为准确的判断值。
在配网线路中，三相负荷不平衡普遍存在，三相负荷不平衡会影响电器设备的正常运转，并增大线路的电能损耗，配网线路配电变压器面广量多，如果在运行中存在三相负荷不平衡，会增加线路、配电变压器的损耗。
由于传统三相负荷不平衡度的计算对象是变压器，其计算结果只能反映变压器的三相负荷不平衡状态，计算结果并不能真实反映线路整体的三相不平衡状况，有时会造成变压器三相平衡但线路三相严重不平衡的“假平衡”的现象，但是目前还没有很好的线路三相不平衡度的量化方法和量化标准，这是目前亟待解决的问题。
配网物联网系统，通过在在线路上安装多个电流传感器，组成无线传感网络，各传感器数据将监测的不同信息值全部发送给汇聚控制器进行收集，再通过网络传送给信息融合部。信息融合部从这些多源的信息中，需要提炼出真实有效的信息，并且确定相应数据融合规则已使得对于线路电流的监测更加合理，降低错误率。由于传感器节点模态、位置和处理能力不同，导致不同节点对目标的分类判决结果存在差异，因此需要协同决策算法对这些差异进行分析、处理和判断，排除干扰，来获取真实信息。
利用贝叶斯公式将节点的可靠性分解为节点的互信度与可信度；从节点的监测结果相互支持、节点监测结果的不确定性、节点的历史分类正确率、节点接收目标信号的信噪比和环境影响等方面分别对节点的互信度和可信度进行了推导和建模。该模型涵盖了影响节点可靠性的各种因素，并对各种因素进行了合理分析和量化，实现了高可靠性的智能辅助决策。
最后，信息融合部利用公式(1),采用对称分量法，按照每一段线路各相流经的电量，计算出各自的三相不平衡度，然后以每一档线路的长度为加权，计算出整条线路的三相负荷统计不平衡度。
式中：下标i＝1.2…n，下标a、b和c分别表示变压器的三相，ε为线路的三相负荷统计不平衡度；εi为线路每一档线路的三相负荷不平衡度；li为线路每一档线路的长度；Iai,Ibi,Ici分别为线路每一档线路的各相电流大小。
通过该线路的三相负荷统计不平衡度值，系统可以以有效准确的判断出线路故障的情况，给出预告警提示，用户可以从提示的告警信息中通过定位操作在GIS地图上定位出问题线路，对检修班提供判断依据。
Claims (5)
1.一种基于无线传感网络的多传感器多参量配网协同监测系统，其特征在于：包括多源异构传感器节点模型、信息融合部和多源异构信息协同决策单元，信息融合部包括协同管理单元、故障诊断单元、信息判断单元、信息推理单元、信息融合单元和感知学习单元；多源异构传感器节点模型的多个信号输出端分别与协同管理单元、故障诊断单元、信息判断单元、信息推理单元、信息融合单元和感知学习单元的信号输入端连接，协同管理单元、故障诊断单元、信息判断单元、信息推理单元、信息融合单元和感知学习单元的信号输出端分别与多源异构信息协同决策单元连接；
多源异构传感器节点模型用于对传感器的数据格式进行统一；
协同管理单元用于对信息融合部中各个单元间的合作进行管理，通过对传感器设备的信息采集与分析的任务进行分解，向信息融合部中各功能单元分配任务，并根据任务执行情况对各单元提出的协同请求进行回应；
故障诊断单元用于实现故障的诊断任务；
信息判断单元用于实现诊断所需信息的判断，接受信息融合部中其它单元提出的判断请求，进行信息的判断，并将判断结果反馈给提出的判断请求的单元；
信息推理单元用于实现不确定信息的推理，根据概率模型，应用贝叶斯网络推理公式计算各有向弧对应事件发生的后验概率，并提供给多源异构信息协同决策单元作为推理诊断的依据；
信息融合单元用于实现对传感设备上传的多类监测数据的融合与输出，根据信息融合部中其它单元提出的融合请求，对待融合数据进行分析，以D-S证据理论选择判据为基础进行融合方法的选择，并以所选融合方法对多论据进行融合操作获取一致性输出，将融合结果提供给信息融合部中的其它单元应用；
感知学习单元用于结合历史统计信息及采集的故障信息进行学习进而获取相关元件故障的先验概率用于不确定信息的推理，使诊断系统能够适应环境变化进行信息的更新；
多源异构信息协同决策单元用于对观察结果的对应的位置信息、事件的时间信息、事件描述信息、场景描述信息、元数据信息进行处理和分析，对待测设备的运行状态进行监测，并给出故障诊断分析，对存在的故障做出智能辅助决策；
所述的多源异构传感器节点模型将不同传感器的数据格式统一为32个字节，包括传感器标识ID、数据Data、时间Time、状态State、电池余量BC、数据类型Type、传感器位置Lx/Ly、接收到的场强RSSI和预留信息Non；其中，传感器标识ID占用8个字节，数据Data占用4个字节，时间Time占用10个字节，状态State占用1个字节，电池余量BC占用1个字节，数据类型Type占用1个字节，传感器位置Lx/Ly占用2个字节，接收到的场强RSSI占用1个字节，预留信息Non占用4个字节；
所述的多源异构信息协同决策单元在处理信息融合部传递来的信息时，首先，利用贝叶斯公式将传感器节点的可靠性分解为节点的互信度与可信度；其次，从传感器节点的监测结果相互支持、节点监测结果的不确定性、节点的历史分类正确率、节点接收目标信号的信噪比和环境影响方面分别对节点的互信度和可信度进行了推导和建模；再次，计算加权信任函数；最后计算决策结果。
2.根据权利要求1所述的一种基于无线传感网络的多传感器多参量配网协同监测系统，其特征在于：所述的协同管理单元包括通信管理模块、输入/输出控制模块和信息协同管理模块，通信管理模块和输入/输出控制模块分别与信息协同管理模块连接；
通信管理模块用于负责系统内及系统间信息的交流，并对信息的发送及系统中各单元间信息的传递进行控制；
输入/输出控制模块用于与外界信息的交流，包括多源传感信息采集、融合结果的发布及辅助决策信号的输出；
信息协同管理模块用于任务的分析、分解与分配，对系统中各单元的合作请求进行应答。
3.根据权利要求1或2任一权利 要求所述的一种基于无线传感网络的多传感器多参量配网协同监测系统，其特征在于：协同管理单元还用于与电力监控系统的联络与信息交互，实现大范围区域智能监控系统的协同。
4.根据权利要求3所述的一种基于无线传感网络的多传感器多参量配网协同监测系统，其特征在于：协同管理单元与信息融合部中其它单元或电力监控系统之间通过客户/服务器方式实现信息交换。
5.根据权利要求4所述的一种基于无线传感网络的多传感器多参量配网协同监测系统，其特征在于：所述的故障诊断单元包括输入/输出模块和通信管理模块，输入/输出模块和通信管理模块连接；输入/输出模块用于接收故障信息和输出诊断结果与决策建议，通信管理模块用于与信息融合部中其它单元进行信息交互，接收合作请求、提出信息需求并提供诊断信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510880649.1A CN105515184B (zh) | 2015-12-04 | 2015-12-04 | 基于无线传感网络的多传感器多参量配网协同监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510880649.1A CN105515184B (zh) | 2015-12-04 | 2015-12-04 | 基于无线传感网络的多传感器多参量配网协同监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105515184A CN105515184A (zh) | 2016-04-20 |
| CN105515184B true CN105515184B (zh) | 2018-07-17 |
Family
ID=55722939
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510880649.1A Active CN105515184B (zh) | 2015-12-04 | 2015-12-04 | 基于无线传感网络的多传感器多参量配网协同监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105515184B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106771883B (zh) * | 2017-01-22 | 2022-07-26 | 中国电力科学研究院 | 一种基于云的多源信息配电故障定位方法及系统 |
| CN107292422B (zh) * | 2017-05-27 | 2020-07-28 | 西安交通大学 | 一种信息-物理-社交融合空间下实现智能制造的S2ensor |
| CN107423384A (zh) * | 2017-07-17 | 2017-12-01 | 国网河南省电力公司检修公司 | 基于信息整合技术的带电检测作业分析管理方法 |
| CN107463137B (zh) * | 2017-09-25 | 2021-01-01 | 山东大学 | 一种多源异构数据一体化同步采集设备及其方法 |
| CN109711678B (zh) * | 2018-12-07 | 2021-02-12 | 江南机电设计研究所 | 一种基于机器学习的异构传感器智能任务规划方法 |
| CN110084263B (zh) * | 2019-03-05 | 2021-04-30 | 西北工业大学 | 一种基于信任的多框架异构数据融合识别方法 |
| CN111736571A (zh) * | 2020-06-16 | 2020-10-02 | 深圳科瑞技术股份有限公司 | 一种故障诊断系统及方法、存储介质 |
| CN114039864A (zh) * | 2020-07-21 | 2022-02-11 | 中国移动通信有限公司研究院 | 一种多设备协作模型生成方法、装置及设备 |
| CN111988317B (zh) * | 2020-08-20 | 2023-03-14 | 郑州昂视信息科技有限公司 | 基于网络信息分析结果的判定方法及装置 |
| CN112748317B (zh) * | 2021-03-23 | 2022-03-25 | 国网河南省电力公司电力科学研究院 | 基于多种监测数据的开关柜局部放电故障检测方法及系统 |
| CN113177973A (zh) * | 2021-05-24 | 2021-07-27 | 四川奇力韦创新科技有限公司 | 一种多数据融合处理系统及方法 |
| CN113567874B (zh) * | 2021-06-08 | 2022-07-12 | 北京科技大学 | 动力电池安全状态的监控检测方法及装置 |
| CN113804332B (zh) * | 2021-09-16 | 2024-06-04 | 浙江衡玖医疗器械有限责任公司 | 基于超声成像系统的温感元件阵列故障诊断方法及其应用 |
| CN114184957B (zh) * | 2021-11-29 | 2023-08-22 | 广东电网有限责任公司 | 一种蓄电池异常检测系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101201370A (zh) * | 2006-12-13 | 2008-06-18 | 上海海事大学 | 一种采用电路信息融合的故障诊断系统及其实现方法 |
| CN101996157A (zh) * | 2010-10-23 | 2011-03-30 | 山东科技大学 | 证据高冲突环境下多源信息融合方法 |
| CN102721941A (zh) * | 2012-06-20 | 2012-10-10 | 北京航空航天大学 | 一种基于som和d-s理论的电表电路故障信息融合和诊断方法 |
| CN102904343A (zh) * | 2012-10-16 | 2013-01-30 | 贵州电力试验研究院 | 基于分布式多智能体的状态监测系统及方法 |
| CN103487514A (zh) * | 2013-09-05 | 2014-01-01 | 昆明理工大学 | 一种基于小波变换和证据推理的变压器在线监测信息聚合方法 |
| CN104091078A (zh) * | 2014-07-14 | 2014-10-08 | 西北工业大学 | 基于d-s证据理论的产品多信息融合标识失效补救方法 |
-
2015
- 2015-12-04 CN CN201510880649.1A patent/CN105515184B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101201370A (zh) * | 2006-12-13 | 2008-06-18 | 上海海事大学 | 一种采用电路信息融合的故障诊断系统及其实现方法 |
| CN101996157A (zh) * | 2010-10-23 | 2011-03-30 | 山东科技大学 | 证据高冲突环境下多源信息融合方法 |
| CN102721941A (zh) * | 2012-06-20 | 2012-10-10 | 北京航空航天大学 | 一种基于som和d-s理论的电表电路故障信息融合和诊断方法 |
| CN102904343A (zh) * | 2012-10-16 | 2013-01-30 | 贵州电力试验研究院 | 基于分布式多智能体的状态监测系统及方法 |
| CN103487514A (zh) * | 2013-09-05 | 2014-01-01 | 昆明理工大学 | 一种基于小波变换和证据推理的变压器在线监测信息聚合方法 |
| CN104091078A (zh) * | 2014-07-14 | 2014-10-08 | 西北工业大学 | 基于d-s证据理论的产品多信息融合标识失效补救方法 |
Non-Patent Citations (1)
| Title |
|---|
| 《基于信息融合的电力系统故障诊断技术研究》;赵熙临;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20091115;第78-82页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105515184A (zh) | 2016-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105515184B (zh) | 基于无线传感网络的多传感器多参量配网协同监测系统 | |
| CN110401262B (zh) | 基于边缘计算技术的gis设备状态智能监控系统及方法 | |
| CN105372534A (zh) | 一种多传感器多参量信息智能融合系统 | |
| Kezunovic et al. | The role of big data in improving power system operation and protection | |
| CN105512448B (zh) | 一种配电网健康指数的评估方法 | |
| Alavi et al. | An IoT-based data collection platform for situational awareness-centric microgrids | |
| CN101413981B (zh) | 电力系统运行备用可靠性测试系统 | |
| US20220083037A1 (en) | System for determining electric parameters of an electric power grid | |
| CN106325252A (zh) | 多层大跨度面向大数据的电力设备状态监测与评估系统 | |
| CN111579923B (zh) | 一种配电网故障诊断系统及方法 | |
| CN103852744A (zh) | 电能计量装置分布式在线监测系统及其方法 | |
| CN102947801A (zh) | 恶意攻击检测和分析 | |
| CN105183952B (zh) | 一种基于分层时间模糊Petri网的输电网故障诊断方法 | |
| WO2020162937A1 (en) | Automated model validation system for electrical grid | |
| CN114280414A (zh) | 一种基于拓扑动态识别的低压配电网故障定位系统及方法 | |
| CN105608842A (zh) | 一种核反应堆燃料破损在线监测报警装置 | |
| CN109902373A (zh) | 一种辖区变电站故障诊断、定位方法及系统 | |
| CN104753173A (zh) | 一种自动诊断电网ems系统遥测数据传输故障的方法 | |
| CN112685472A (zh) | 一种电网多站融合监控方法、装置、电子设备及存储介质 | |
| CN113220751A (zh) | 多源数据状态量的计量系统及评估方法 | |
| CN115224794A (zh) | 一种基于物联网技术的配电网监测方法 | |
| CN106846174A (zh) | 一种基于数据融合的配电网态势感知的方法及设备 | |
| CN112710918A (zh) | 基于边缘计算的无线数据采集方法及系统 | |
| CN108333505A (zh) | 基于wsn的高压断路器在线状态监测系统 | |
| Zhang et al. | Distributed Architecture of Power Grid Asset Management and Future Research Directions |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 450052 No. 85 South Songshan Road, 27 District, Henan, Zhengzhou Co-patentee after: STATE GRID HENAN ELECTRIC POWER Co. Patentee after: ELECTRIC POWER RESEARCH INSTITUTE OF STATE GRID HENAN ELECTRIC POWER Co. Co-patentee after: Henan jiuyu enpai Power Technology Co., Ltd Co-patentee after: State Grid Corporation of China Address before: 450052 No. 85 South Songshan Road, 27 District, Henan, Zhengzhou Co-patentee before: STATE GRID HENAN ELECTRIC POWER Co. Patentee before: ELECTRIC POWER RESEARCH INSTITUTE OF STATE GRID HENAN ELECTRIC POWER Co. Co-patentee before: HENAN ENPAI HIGH-TECH GROUP Co.,Ltd. Co-patentee before: State Grid Corporation of China |