CN105571644A - 一种绝缘子金属粉尘污秽在线监测装置及其监测方法 - Google Patents

Abstract

本发明公开了一种绝缘子金属粉尘污秽在线监测装置，包括状态监测装置和与之相连接的风速风向传感器、雨量传感器和温湿度传感器，状态监测装置包括微控制器和与之相连的数据存储单元和粉尘浓度传感器，状态监测装置还与系统电源和GPRS/3G通讯模块连接，GPRS/3G通讯模块与后台监控中心及系统电源连接，风速风向传感器、雨量传感器和温湿度传感器均与微控制器连接。解决了现有技术中的泄漏电流法易受电磁干扰容易误报漏报，或者光纤盐密监测法无法针对钢铁厂的特殊环境，反应出金属粉尘积累的程度，不能准确的进行钢铁厂绝缘子污秽度监测的问题。本发明还公开了利用该绝缘子金属粉尘污秽在线监测装置进行监测的方法。

Description

一种绝缘子金属粉尘污秽在线监测装置及其监测方法

技术领域

本发明属于输电线路在线监测技术领域，涉及一种绝缘子金属粉尘污秽在线监测装置。本发明还涉及利用该在线监测装置进行监测的方法。

背景技术

钢铁厂涉及到金属(或其化合物)的焊接、金属加工、冶炼等生产过程，会产生如：铝、铁、锡、铅、锰等金属及其化合物粉尘等金属粉尘；当钢铁厂附近有高压架空导线时，绝缘子不仅有普通的灰尘附着在表面，还有大量的金属粉尘附着在其表面，影响绝缘子的绝缘水平，尤其是当绝缘子表面受潮时更加容易引起绝缘击穿闪络，造成线路跳闸、绝缘子破坏等严重事故，影响输电设备运行的可靠性。目前，对于工业区输电线路，主要采用定期清扫绝缘子来保持绝缘子的绝缘水平，但这种方法属于被动防污措施，从技术性、经济性、劳动力及劳动强度上来看，存在大量人力、物力的浪费，且具有一定盲目性。为了解决这一问题，通过对钢铁厂周围的绝缘子特殊污秽度(含盐密、灰密、金属粉尘浓度)的实时监测，得到绝缘子运行的状态量，以此反映绝缘子的积污程度，可以实现绝缘子表面污秽的状态清扫，从而有效降低污闪的发生几率。

目前，在电力系统中，最常用的在线监测方法包括了泄漏电流法和光纤盐密监测法。泄漏电流法通过在绝缘子低压侧安装泄漏电流采集环，实时监测泄漏电流的大小，以此来评估绝缘子的绝缘水平，但这种监测方法易受电磁干扰、老化速度快、存在误报与漏报以及信号采集传输困难等缺点。光纤盐密法是根据菲涅尔折射定律即一束光在两种介质的界面将发生折射、反射的原理，通过测量裸光纤表面由于附污所导致的光功率衰减量，计算出绝缘子表面的盐密值，从而得到绝缘子表面的污秽程度。但是，针对钢铁厂的特殊环境，盐密传感器无法反应金属粉尘积累的程度，因此不适用于钢铁厂绝缘子污秽度监测。

发明内容

本发明的目的是提供一种绝缘子金属粉尘污秽在线监测装置，解决了现有技术中的泄漏电流法易受电磁干扰容易误报漏报，或者光纤盐密监测法无法针对钢铁厂的特殊环境，反应出金属粉尘积累的程度，不能准确的进行钢铁厂绝缘子污秽度监测的问题。

本发明所采用的技术方案是，一种绝缘子金属粉尘污秽在线监测装置，包括状态监测装置和与之相连接的风速风向传感器、雨量传感器和温湿度传感器，状态监测装置包括微控制器和与之相连的数据存储单元和粉尘浓度传感器，状态监测装置还与系统电源和GPRS/3G通讯模块连接，GPRS/3G通讯模块与后台监控中心及系统电源连接，风速风向传感器、雨量传感器和温湿度传感器均与微控制器连接。

本发明的特点还在于，

风速风向传感器和雨量传感器安装于杆塔上。

温湿度传感器固定于绝缘子附近。

粉尘浓度传感器置于状态监测装置中。

系统电源由太阳能板和蓄电池组成。

本发明的另一目的是提供了利用该绝缘子金属粉尘污秽在线监测装置进行监测的方法。

本发明的另一技术方案是，利用绝缘子金属粉尘污秽在线监测装置进行监测的方法。具体按照以下步骤实施：

步骤1，采集数据，后台监控系统通过GPRS/3G通讯模块发送采集指令给微控制器，使其控制风速风向传感器、雨量传感器、温湿度传感器和粉尘浓度传感器采集一组有效数据，采集的数据包括粉尘浓度传感器所采集的粉尘浓度C(t)、温湿度传感器所采集的初始的环境温度Tem和相对湿度H(t)、风速风向传感器所采集的风速Vel和风向Dir、以及雨量传感器所采集的雨量R(t)；

步骤2，重复步骤1中的采集数据过程，直到采集的数据总量达到至少160组，将此160组数作为样本，据并用最小二乘支持向量机(LS-SVM)建立一个反映绝缘子污秽度与粉尘浓度C(t)、相对湿度H(t)、风速Vel、风向Dir和雨量R(t)的非线性模型，通过样本来训练非线性模型；

步骤3，根据步骤2中已建立好的非线性模型，将采集到的括粉尘浓度C(t)、初始的环境温度Tem和相对湿度H(t)、风速Vel、风向Dir、雨量R(t)输入到此模型中，即得到不同时刻粉尘浓度所对应的绝缘子污秽程度；

步骤4，在步骤3中通过微控制器对传感器采集到的数据进行分析计算得到的绝缘子污秽程度的数据，通过GPRS/3G通信模块将数据传送给状态监测代理或状态监测主站，通过上位机软件完成对现场的绝缘子污秽度进行实时监测。

本发明的特点还在于，

步骤1具体按照以下步骤实施：

步骤1.1，微控制器将步骤1中所接收到的指令发送给风速风向采传感器，风速风向传感器的风杯受水平风力作用而旋转，通过活轴转杯在传感器内部狭缝光耦中的转动，输出频率信号，频率信号与参数中的风速Vel和风向Dir对应；

步骤1.2，微控制器将接收到的指令发送给温湿度传感器，温湿度传感器内部的湿敏和测温两个元件分别将湿度和温度转换成电信号，经过内部A/D转换后输出数字信号，即得到参数中的环境温度Tem和相对湿度H(t)；

步骤1.3、微控制器将步骤1中所接收到的指令发送给雨量传感器，雨量传感器计量翻斗，当由承水口注入计量翻斗的雨水容积达到预定值时翻斗翻转，在翻转过程中侧壁上的磁钢从干簧管旁经过，每经过一次，干簧管就会被接通，发出一个脉冲信号，代表0.1mm降水，此脉冲信号与参数中的雨量R(t)对应，通过简单的电平转换电路即可得到参数值；

步骤1.4，微控制器将采集粉尘浓度指令发送给电源模块，打开粉尘浓度采集模块供电电源，粉尘浓度传感器开始工作；粉尘浓度传感器上有个通气孔可以让空气自由流过，红外线发射二极管和光电晶体管对角式地排列在其中；粉尘浓度传感器接收到微控制器的指令后，红外二极管发射一束平行单色光入射到通气孔附近的被测颗粒场，金属粉尘颗粒会影响光的散射和吸收，光强被衰减，此时光电二极管将所接收的入射光的相对衰减率转换为电信号，电信号通过放大电路输出一个跟灰尘浓度成线性关系的电压值，粉尘浓度传感器将此电压值发送给微控制器内部的AD转换模块，通过转换计算可得出空气中的粉尘含量，即为参数中的粉尘浓度C(t)。

步骤2中的具体的模型建立方法为：

步骤2.1、将粉尘浓度C(t)、相对湿度H(t)、风速Vel、风向Dir、雨量R(t)五个变量作为模型的输入量，绝缘子的污秽程度作为输出模型，预测输出模型为 $y\left(x\right)=\underset{i=1}{\overset{t}{\Σ}}{\mathrm{\α}}_i\mathrm{\φ}{\left(x\right)}^T\mathrm{\φ}\left(x\right)+b,$ 利用核函数的方法建立预测模型，令K(x,x_i)＝φ(x)^Tφ(x_i)，则绝缘子污秽程度的预测模型为其中α和b可用最小二乘法求出；

步骤2.2、预测模型中核函数的确定：选择基于RBF核函数为

$K(x,x_i)=\exp \[-\frac{\left|\right|x-x_i|{|}^2}{2{\mathrm{\σ}}^2}\]---\left(1\right)$

即 $K(x,x_i)=\mathrm{\φ}{\left(x\right)}^T\mathrm{\φ}\left(x_i\right)=\exp \[-\frac{\left|\right|x-x_i\left|\right|}{2{\mathrm{\σ}}^2}\]---\left(2\right)$

其中 $\left|\right|x-x_i|{|}^2=\sqrt{\underset{k=1}{\overset{n}{\Σ}}{(x^k-x_i)}^2}$ σ为核宽度；

步骤2.3，将160组样本分为训练样本100组和测试样本60组后，分别进行组合，然后输入100组训练样本的粉尘浓度C(t)、相对湿度H(t)、风速Vel、风向Dir、雨量R(t)五个变量到最小二乘支持向量机中进行训练，其中根据多次训练结果确定最佳模型参数：σ核宽度和惩罚参数γ，从而得到非线性模型，模型的性能评价指标采用平均误差计算方法；

步骤2.4、将60组测试样本的输入量粉尘浓度C(t)、相对湿度H(t)、风速Vel、风向Dir、雨量R(t)五个变量输入到训练好的预测模型中，输出能反应绝缘子的污秽程度的预测值；并将通过测试样本得到的模型输出值计算得到平均预测误差，将其与步骤2.3.2得到的平均训练误差进行比较，若平均训练误差较小，即可说明所建立的模型具有较高的准确性。

步骤2.3的具体实施步骤为：

步骤2.3.1寻找最佳σ核宽度和惩罚参数γ：实验时用软件LS-SVMLAB进行训练，其中先选择σ核宽度参数集Sσ＝{x,x,x,x,x,x,x,x,x,x}惩罚参数γ的参数集Sγ＝{x,x,x,x,x,x,x,x,x,x}，参数集中的数据根据样本的具体值来选择；

步骤2.3.2根据交叉验证方法来得到最佳的惩罚参数集γ和核参数集σ，并根据平均误差计算法得到平均训练误差；其中平均训练误差需要达到最小值，确定两个参数后即可得到能反应绝缘子污秽程度的最终模型。

本发明的有益效果是：

1.本发明采集绝缘子周围空气中的金属粉尘含量、气温、相对湿度、风速风向和降雨量后，进行相应存储及计算污秽度，并将测量结果通过通信网络传输到监控中心。

2.本发明具备自动采集功能，按设定时间间隔自动采集气温、相对湿度、风速风向、降雨量、气压。

3.本发明具备受控采集功能，能响应远程指令，按设置采集方式、自动采集时间、采集时间间隔、采集点数启动采集；

4.本发明具备对原始采集量的一次计算功能，得到非线性模型。

5.本发明具备蓄电池电压采集功能和网络授时功能。

附图说明

图1是本发明的绝缘子金属粉尘污秽在线监测装置的结构示意图；

图2是本发明的绝缘子金属粉尘污秽在线监测装置中的粉尘浓度传感器安装位置示意图；

图3是本发明绝缘子金属粉尘污秽在线监测方法的原理流程图；

图4是本发明绝缘子金属粉尘污秽在线监测方法中的支持向量机非线性回归原理示意图。

图中，1.风速风向传感器，2.雨量传感器，3.温湿度传感器，4.微控制器，5.状态监测装置6.粉尘浓度传感器，7.数据存储单元，8.系统电源模块，9.GPRS/3G通讯模块，10.后台监控中心。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明提供一种绝缘子金属粉尘污秽在线监测装置，如图1所示，状态监测装置5和与之相连接的风速风向传感器1、雨量传感器2和温湿度传感器3，状态监测装置5包括微控制器4和与之相连的数据存储单元7和粉尘浓度传感器8，状态监测装置还与系统电源8和GPRS/3G通讯模块9连接，GPRS/3G通讯模块9与后台监控中心10及系统电源8连接。

风速风向传感器1、雨量传感器2和温湿度传感器3均与微控制器4连接，

风速风向传感器1和雨量传感器2安装于杆塔上；

温湿度传感器3固定于绝缘子附近；

粉尘浓度传感器6置于状态监测装置5中；

系统电源8由太阳能板和蓄电池组成。系统电源的供电方式为，间断式供电方式，即整个装置中的一部分电路为长期供电，如微控制器4，另一部分电路采取间断式供电，如风速风向传感器1、雨量传感器2、温湿度传感器3和GPRS/3G通讯模块9，且CPU通过闭合给其供电的电源开关来控制对各个传感器和GPRS/3G通讯模块9的供电。

本发明的绝缘子金属粉尘污秽在线监测装置中的状态监测装置5安装在高压输电铁塔上，各类电磁干扰非常强烈，加之装置常年工作在自供电、自维护状态，因此对其工作的可靠性提出了非常高的要求。除了在硬件上采取电磁屏蔽、隔离、搭接、接地、硬件冗余、硬件看门狗等一系列电磁兼容措施外，在软件设计上，同样要求其在准确完成各种功能的基础上，提高运行的可靠性。为此，本发明还在软件编制上采取了一系列有效措施：增加两级软件看门狗、设置大量的陷阱和标志，以保证程序在各类恶劣干扰条件下能可靠运行，出现问题后能迅速发觉并自动恢复正常。

风速风向传感器1采取放置两对相互垂直、收发一体的超声波探头，保证探头距离不变，以固定频率发射超声波并测量两对顺风、逆风传播时间再通过相关计算，获得风速、风向数值。

粉尘浓度传感器6的印字面上的圆孔如有外部光射入，会直接影响到输出。为避免让印字面受到外部光的影响，将印字面安装在状态监测装置的内侧，并确保中间圆孔内部没有附着灰尘。若碰到粉尘附着的情况，使用吹风设备吸取或吹走灰尘等保养操作。

本发明的一种利用绝缘子金属粉尘污秽在线监测装置进行监测的方法，如图3所示，具体按照以下步骤实施：

步骤1，采集数据

后台监控系统10通过GPRS/3G通讯模块9发送采集指令给微控制器4，使其控制各个传感器(包括风速风向传感器、雨量传感器、温湿度传感器和粉尘浓度传感器)采集一组有效数据，采集的数据包括粉尘浓度传感器所采集的粉尘浓度C(t)、温湿度传感器所采集的初始的环境温度Tem和相对湿度H(t)、风速风向传感器所采集的风速Vel和风向Dir、以及雨量传感器所采集的雨量R(t)；

具体来说是：

步骤1.1，微控制器将步骤1中所接收到的指令发送给风速风向采传感器，风速风向传感器的风杯受水平风力作用而旋转，通过活轴转杯在传感器内部狭缝光耦中的转动，输出频率信号，频率信号与参数中的风速Vel和风向Dir对应；

步骤1.2，微控制器将接收到的指令发送给温湿度传感器，温湿度传感器内部的湿敏和测温两个元件分别将湿度和温度转换成电信号，经过内部A/D转换后输出数字信号，即得到参数中的环境温度Tem和相对湿度H(t)。

步骤1.3、微控制器将步骤1中所接收到的指令发送给雨量传感器，雨量传感器计量翻斗，当由承水口注入计量翻斗的雨水容积达到预定值时翻斗翻转，在翻转过程中侧壁上的磁钢从干簧管旁经过，每经过一次，干簧管就会被接通，发出一个脉冲信号，代表0.1mm降水，此脉冲信号与参数中的雨量R(t)对应，通过简单的电平转换电路即可得到参数值。

步骤1.4，微控制器将采集粉尘浓度指令发送给电源模块，打开粉尘浓度采集模块供电电源，粉尘浓度传感器开始工作。粉尘浓度传感器上有个通气孔可以让空气自由流过，红外线发射二极管和光电晶体管对角式地排列在其中。粉尘浓度传感器接收到微控制器的指令后，红外二极管发射一束平行单色光入射到通气孔附近的被测颗粒场，金属粉尘颗粒会影响光的散射和吸收，光强被衰减，此时光电二极管将所接收的入射光的相对衰减率转换为电信号，电信号通过放大电路输出一个跟灰尘浓度成线性关系的电压值，粉尘浓度传感器将此电压值发送给微控制器内部的AD转换模块，通过转换计算可得出空气中的粉尘含量，即为参数中的粉尘浓度C(t)。

步骤2，重复步骤1中的采集数据过程，直到采集的数据总量达到至少160组，将此160组数作为样本，据并用最小二乘支持向量机(LS-SVM)建立一个反映绝缘子污秽度与粉尘浓度C(t)、相对湿度H(t)、风速Vel、风向Dir和雨量R(t)的非线性模型，通过样本来训练非线性模型，具体的模型建立方法为：

步骤2.1、将粉尘浓度C(t)、相对湿度H(t)、风速Vel、风向Dir、雨量R(t)五个变量作为模型的输入量，绝缘子的污秽程度作为输出模型，预测输出模型为 $y\left(x\right)=\underset{i=1}{\overset{t}{\Σ}}{\mathrm{\α}}_i\mathrm{\φ}{\left(x\right)}^T\mathrm{\φ}\left(x\right)+b,$ 利用核函数的方法建立预测模型，令K(x,x_i)＝φ(x)^Tφ(x_i)，则绝缘子污秽程度的预测模型为其中α和b可用最小二乘法求出。

步骤2.2、预测模型中核函数的确定：选择基于RBF核函数为

$K(x,x_i)=\exp \[-\frac{\left|\right|x-x_i|{|}^2}{2{\mathrm{\σ}}^2}\]---\left(1\right)$

即 $K(x,x_i)=\mathrm{\φ}{\left(x\right)}^T\mathrm{\φ}\left(x_i\right)=\exp \[-\frac{\left|\right|x-x_i\left|\right|}{2{\mathrm{\σ}}^2}\]---\left(2\right)$

其中 $\left|\right|x-x_i|{|}^2=\sqrt{\underset{k=1}{\overset{n}{\Σ}}{(x^k-x_i)}^2}$ σ为核宽度；

步骤2.3，将160组样本分为训练样本100组和测试样本60组后，分别进行组合，然后输入100组训练样本的粉尘浓度C(t)、相对湿度H(t)、风速Vel、风向Dir、雨量R(t)五个变量到最小二乘支持向量机(LS-SVM)中进行训练，此方法为现有方法，没有进行改进。其中根据多次训练结果确定最佳模型参数：σ核宽度和惩罚参数γ，从而得到非线性模型，模型的性能评价指标采用平均误差计算方法，具体实施步骤如下：

步骤2.3.1寻找最佳σ核宽度和惩罚参数γ：实验时用软件LS-SVMLAB进行训练，其中先选择σ核宽度参数集Sσ＝{x,x,x,x,x,x,x,x,x,x}惩罚参数γ的参数集Sγ＝{x,x,x,x,x,x,x,x,x,x}，参数集中的数据根据样本的具体值来选择。

步骤2.3.2根据交叉验证方法来得到最佳的惩罚参数集γ和核参数集σ，并根据平均误差计算法得到平均训练误差。其中平均训练误差需要达到最小值，确定两个参数后即可得到能反应绝缘子污秽程度的最终模型。

步骤2.4、将60组测试样本的输入量粉尘浓度C(t)、相对湿度H(t)、风速Vel、风向Dir、雨量R(t)五个变量输入到训练好的预测模型中，输出能反应绝缘子的污秽程度的预测值。并将通过测试样本得到的模型输出值计算得到平均预测误差，将其与步骤2.3.2得到的平均训练误差进行比较，若平均训练误差较小，即可说明所建立的模型具有较高的准确性；

步骤3，根据步骤2中已建立好的非线性模型，将采集到的括粉尘浓度C(t)、初始的环境温度Tem和相对湿度H(t)、风速Vel、风向Dir、雨量R(t)输入到此模型中，即得到不同时刻粉尘浓度所对应的绝缘子污秽程度。

步骤4，在步骤3中通过微控制器对传感器采集到的数据进行分析计算得到的绝缘子污秽程度的数据，通过GPRS/3G通信模块将数据传送给状态监测代理或状态监测主站，通过上位机软件完成对现场的绝缘子污秽度进行实时监测。

本发明针对钢铁厂周围的绝缘子污秽的特殊性，采用灰尘传感器以及微气象监测设备通过对绝缘子周围的环境和金属粉尘浓度进行实时监测，借助专家诊断软件分析判断绝缘子的积污状况并在污秽接近过限时报警。粉尘浓度传感器可以感知烟气、房屋粉尘等0.8μm以上的微小粒子，且具有非常低的电流消耗(最大20mA，典型值11mA)，非常适用于户外运行工作。如果将其运用到绝缘子金属粉尘污秽在线监测，将很大程度上提高在线监测的可靠性和准确性。

Claims (9)

1.一种绝缘子金属粉尘污秽在线监测装置，其特征在于，包括状态监测装置(5)和与之相连接的风速风向传感器(1)、雨量传感器(2)和温湿度传感器(3)，所述的状态监测装置(5)包括微控制器(4)和与之相连的数据存储单元(7)和粉尘浓度传感器(8)，所述的状态监测装置还与系统电源(8)和GPRS/3G通讯模块(9)连接，所述的GPRS/3G通讯模块(9)与后台监控中心(10)及系统电源(8)连接，所述的风速风向传感器(1)、雨量传感器(2)和温湿度传感器(3)均与微控制器(4)连接。

2.根据权利要求1所述的一种绝缘子金属粉尘污秽在线监测装置，其特征在于，所述的风速风向传感器(1)和雨量传感器(2)安装于杆塔上。

3.根据权利要求1所述的一种绝缘子金属粉尘污秽在线监测装置，其特征在于，所述的温湿度传感器(3)固定于绝缘子附近。

4.根据权利要求1所述的一种绝缘子金属粉尘污秽在线监测装置，其特征在于，所述的粉尘浓度传感器(6)置于状态监测装置(5)中。

5.根据权利要求1所述的一种绝缘子金属粉尘污秽在线监测装置，其特征在于，所述的系统电源(8)由太阳能板和蓄电池组成。

6.一种利用权利要求1中所述的绝缘子金属粉尘污秽在线监测装置进行监测的方法，其特征在于，具体按照以下步骤实施：

步骤1，采集数据，后台监控系统(10)通过GPRS/3G通讯模块(9)发送采集指令给微控制器(4)，使其控制风速风向传感器、雨量传感器、温湿度传感器和粉尘浓度传感器采集一组有效数据，采集的数据包括粉尘浓度传感器所采集的粉尘浓度C(t)、温湿度传感器所采集的初始的环境温度Tem和相对湿度H(t)、风速风向传感器所采集的风速Vel和风向Dir、以及雨量传感器所采集的雨量R(t)；

步骤2，重复步骤1中的采集数据过程，直到采集的数据总量达到至少160组，将此160组数作为样本，据并用最小二乘支持向量机(LS-SVM)建立一个反映绝缘子污秽度与粉尘浓度C(t)、相对湿度H(t)、风速Vel、风向Dir和雨量R(t)的非线性模型，通过样本来训练非线性模型；

步骤3，根据步骤2中已建立好的非线性模型，将采集到的括粉尘浓度C(t)、初始的环境温度Tem和相对湿度H(t)、风速Vel、风向Dir、雨量R(t)输入到此模型中，即得到不同时刻粉尘浓度所对应的绝缘子污秽程度；

步骤4，在步骤3中通过微控制器对传感器采集到的数据进行分析计算得到的绝缘子污秽程度的数据，通过GPRS/3G通信模块将数据传送给状态监测代理或状态监测主站，通过上位机软件完成对现场的绝缘子污秽度进行实时监测。

7.根据权利要求6所述的绝缘子金属粉尘污秽在线监测装置进行监测的方法，其特征在于，所述的步骤1具体按照以下步骤实施：

步骤1.1，微控制器将步骤1中所接收到的指令发送给风速风向采传感器，风速风向传感器的风杯受水平风力作用而旋转，通过活轴转杯在传感器内部狭缝光耦中的转动，输出频率信号，频率信号与参数中的风速Vel和风向Dir对应；

步骤1.2，微控制器将接收到的指令发送给温湿度传感器，温湿度传感器内部的湿敏和测温两个元件分别将湿度和温度转换成电信号，经过内部A/D转换后输出数字信号，即得到参数中的环境温度Tem和相对湿度H(t)；

步骤1.3、微控制器将步骤1中所接收到的指令发送给雨量传感器，雨量传感器计量翻斗，当由承水口注入计量翻斗的雨水容积达到预定值时翻斗翻转，在翻转过程中侧壁上的磁钢从干簧管旁经过，每经过一次，干簧管就会被接通，发出一个脉冲信号，代表0.1mm降水，此脉冲信号与参数中的雨量R(t)对应，通过简单的电平转换电路即可得到参数值；

步骤1.4，微控制器将采集粉尘浓度指令发送给电源模块，打开粉尘浓度采集模块供电电源，粉尘浓度传感器开始工作；粉尘浓度传感器上有个通气孔可以让空气自由流过，红外线发射二极管和光电晶体管对角式地排列在其中；粉尘浓度传感器接收到微控制器的指令后，红外二极管发射一束平行单色光入射到通气孔附近的被测颗粒场，金属粉尘颗粒会影响光的散射和吸收，光强被衰减，此时光电二极管将所接收的入射光的相对衰减率转换为电信号，电信号通过放大电路输出一个跟灰尘浓度成线性关系的电压值，粉尘浓度传感器将此电压值发送给微控制器内部的AD转换模块，通过转换计算可得出空气中的粉尘含量，即为参数中的粉尘浓度C(t)。

8.根据权利要求6所述的绝缘子金属粉尘污秽在线监测装置进行监测的方法，其特征在于，所述的步骤2中的具体的模型建立方法为：

步骤2.1、将粉尘浓度C(t)、相对湿度H(t)、风速Vel、风向Dir、雨量R(t)五个变量作为模型的输入量，绝缘子的污秽程度作为输出模型，预测输出模型为 $y\left(x\right)=\underset{i=1}{\overset{t}{\Σ}}{\mathrm{\α}}_i\mathrm{\φ}{\left(x\right)}^T\mathrm{\φ}\left(x\right)+b,$ 利用核函数的方法建立预测模型，令K(x,x_i)＝φ(x)^Tφ(x_i)，则绝缘子污秽程度的预测模型为 $y\left(x\right)=\underset{i=1}{\overset{t}{\Σ}}{\mathrm{\α}}_{i}K(x,x_i)+b,$ 其中α和b可用最小二乘法求出；

步骤2.2、预测模型中核函数的确定：选择基于RBF核函数为

$K(x,x_i)=\exp \[-\frac{\left|\right|x-x_i|{|}^2}{2{\mathrm{\σ}}^2}\]---\left(1\right)$

即 $K(x,x_i)=\mathrm{\φ}{\left(x\right)}^T\mathrm{\φ}\left(x_i\right)=\exp \[-\frac{\left|\right|x-x_i\left|\right|}{2{\mathrm{\σ}}^2}\]---\left(2\right)$

其中 $\left|\right|x-x_i|{|}^2=\sqrt{\underset{k=1}{\overset{n}{\Σ}}{(x^k-x_i)}^2}$ σ为核宽度；

步骤2.3，将160组样本分为训练样本100组和测试样本60组后，分别进行组合，然后输入100组训练样本的粉尘浓度C(t)、相对湿度H(t)、风速Vel、风向Dir、雨量R(t)五个变量到最小二乘支持向量机中进行训练，其中根据多次训练结果确定最佳模型参数：σ核宽度和惩罚参数γ，从而得到非线性模型，模型的性能评价指标采用平均误差计算方法；

步骤2.4、将60组测试样本的输入量粉尘浓度C(t)、相对湿度H(t)、风速Vel、风向Dir、雨量R(t)五个变量输入到训练好的预测模型中，输出能反应绝缘子的污秽程度的预测值；并将通过测试样本得到的模型输出值计算得到平均预测误差，将其与步骤2.3.2得到的平均训练误差进行比较，若平均训练误差较小，即可说明所建立的模型具有较高的准确性。

9.根据权利要求8所述的绝缘子金属粉尘污秽在线监测装置进行监测的方法，其特征在于，所述的步骤2.3的具体实施步骤为：

步骤2.3.1寻找最佳σ核宽度和惩罚参数γ：实验时用软件LS-SVMLAB进行训练，其中先选择σ核宽度参数集Sσ＝{x,x,x,x,x,x,x,x,x,x}惩罚参数γ的参数集Sγ＝{x,x,x,x,x,x,x,x,x,x}，参数集中的数据根据样本的具体值来选择；

步骤2.3.2根据交叉验证方法来得到最佳的惩罚参数集γ和核参数集σ，并根据平均误差计算法得到平均训练误差；其中平均训练误差需要达到最小值，确定两个参数后即可得到能反应绝缘子污秽程度的最终模型。