CN111726766A - 一种变电设备状态监测信息采集方法及系统 - Google Patents

Abstract

本发明提供的一种变电设备状态监测信息采集方法，包括：变电站边缘侧接收系统主站分发的进行周期性算法迭代更新的压缩感知策略；变电站边缘侧采用接收的压缩感知策略控制传感器对站域感知数据进行稀疏采样和重构分析，得到被感知设备状态信息；变电站边缘侧将所述被感知设备状态信息，通过广域网络回传至系统主站。增强了系统主站的感知能力，促进了系统效率、效能的优化，满足了感知的实时性要求，还降低了对传感器软硬件资源及站域通信网络的压力。

Description

一种变电设备状态监测信息采集方法及系统

技术领域

本发明属于电力物联网技术领域，本发明涉及一种变电设备状态监测信息采集方法及系统。

背景技术

目前，高效的感知量测是保障电力物联网应用的前提，电力传感器多为资源受限节点，且电力物联网站域通信网络基于低功耗无线接入网络，在新的电力物联网建设背景下面临软硬件资源及能效方面的巨大挑战。电力物联网传感中的信息感知遵循传统的奈奎斯特采样方法实现对信号的采样，为了高精度重构信号，采样频率应不少于信号最高频率的两倍，对于具有典型稀疏性的电网信号来说无疑产生巨大的资源及能耗浪费。

当前，业界多通过压缩感知算法实现信息的低密度感知及高效重构。例如，中国专利CN110048724A提出一种快速、简单的电能质量信号压缩采样重构方法，有效解决实际配电网中电能质量信号通过迭代计算局部最优解逐步逼近原始信号来实现信号重构的缺陷问题，通过该方法及时发现引起电能质量下降的相关因素，并对这些因素实现有效的分类。但是该专利并没有对具体的部署方式作出说明。

中国专利CN106503612A提出一种基于压缩感知的高压直流电缆局部放电模式识别方法，使用放电重复率图谱作为分类样本，将训练样本集组成过完备字典，利用测试样本在其上投影的稀疏性，通过范数最小进行稀疏表示，从而实现分类，但是该专利主要论证了对不同局放模型的识别，并没有对具体的软硬件节点部署方式作出明确的说明。

发明内容

针对现有的压缩感知算法的感知能力有待提高，而且都没有对具体的部署方式作出说明的不足，本发明提供了一种变电设备状态监测信息采集方法增强了系统主站的感知能力，促进了系统效率、效能的优化，满足了感知的实时性要求，还降低了对传感器软硬件资源及站域通信网络的压力，具体方案如下：

变电站边缘侧接收系统主站分发的进行周期性算法迭代更新的压缩感知策略；

变电站边缘侧采用接收的压缩感知策略控制传感器对站域感知数据进行稀疏采样和重构分析，得到被感知设备状态信息；

变电站边缘侧将所述被感知设备状态信息，通过广域网络回传至系统主站。

优选的，所述压缩感知策略，包括：

根据电力物联网，构建感应信号稀疏编码原子库；

基于所述感应信号稀疏编码原子库构造一个轮换矩阵并随机生成一个行向量，然后由所述行向量做循环移位形成测量矩阵：

用所述测量矩阵表示感知信号。

优选的，所述根据电力物联网，构建感应信号稀疏编码原子库，表达式为：

X_N×1＝Ψ_N×Nβ_N×1

式中，X_N×1为感知信号正交基下的N维列向量值，β_N×1为N维向量值降低成的向量值，且β_N×1＜＜N，Ψ_N×N为感应信号稀疏编码原子库。

优选的，所述测量矩阵的计算，如下式所示：

θ_k＝p(t)；θ_i，k＝p(t+τ_i)＝θ_M×N

式中，p(t)为随机函数；p(t+τ_i)为其循环位移；θ_k表示测量初始矩阵；θ_i，k表示测量循环矩阵；k为N维列向量值降低成的K维向量值，且K＜＜N；i为M维列向量值降低成的向量值，且i＜＜M；θ_M×N为测量矩阵。

优选的，所述用所述测量矩阵表示感知信号，表达式为：

Y_M×1＝θ_M×NX_N×1＝θ_M×NΨ_N×Nβ_N×1

式中，Y_M×1为感知信号正交基下的M维列向量值，且M＜＜N。

优选的，所述变电站边缘侧采用接收的压缩感知策略控制传感器对站域感知数据进行稀疏采样和重构分析，得到被感知设备状态信息，包括：

在变电站边缘侧执行压缩感知策略，控制传感器执行变电设备状态监测信息稀疏采样，并生成测量数据；

传感器通过站域通信网络通讯通道回传测量数据至在所述变电站边缘侧预先设置的节点；

所述变电站边缘侧根据测量数据，在所述边缘侧重构感知数据，继续采样感知最终得到被感知设备状态信息。

优选的，所述测量数据为感知信号，包括：局放信号、谐波信号和温度信号。

基于同一构思，本发明提供了一种变电设备状态监测信息采集系统，包括：接收策略模块、重构采样模块和回传模块；

所述接收策略模块，用于变电站边缘侧接收系统主站分发的进行周期性算法迭代更新的压缩感知策略；

所述重构采样模块，用于变电站边缘侧采用接收的压缩感知策略控制传感器对站域感知数据进行稀疏采样和重构分析，得到被感知设备状态信息；

所述回传模块，用于变电站边缘侧将所述被感知设备状态信息，通过广域网络回传至系统主站。

优选的，所述接收策略模块，包括：构建子模块、测量矩阵子模块和感知信号子模块；

所述构建子模块，用于根据电力物联网，构建感应信号稀疏编码原子库；

所述测量矩阵子模块，用于基于所述感应信号稀疏编码原子库构造一个轮换矩阵并随机生成一个行向量，然后由所述行向量做循环移位形成测量矩阵：

所述感知信号子模块，用于用所述测量矩阵表示感知信号。

优选的，所述重构采样模块，包括：测量数据子模块、节点设置子模块和被感知子模块；

所述测量数据子模块，用于在变电站边缘侧执行压缩感知策略，控制传感器执行变电设备状态监测信息稀疏采样，并生成测量数据；

所述节点设置子模块，用于传感器通过站域通信网络通讯通道回传测量数据至在所述变电站边缘侧预先设置的节点；

所述被感知子模块，用于所述变电站边缘侧根据测量数据，在所述边缘侧重构感知数据，继续采样感知最终得到被感知设备状态信息。

与现有技术相比，本发明的有益效果为：

1、本发明提供的一种变电设备状态监测信息采集方法，包括：变电站边缘侧接收系统主站分发的进行周期性算法迭代更新的压缩感知策略；变电站边缘侧采用接收的压缩感知策略控制传感器对站域感知数据进行稀疏采样和重构分析，得到被感知设备状态信息；变电站边缘侧将所述被感知设备状态信息，通过广域网络回传至系统主站；增强了系统主站的感知能力，促进了系统效率、效能的优化；

2、本发明提供的一种变电设备状态监测信息采集方法及系统，满足了感知的实时性要求，还降低了对传感器软硬件资源及站域通信网络的压力。

附图说明

图1为本发明提供的方法流程图；

图2为本发明实施例中一种基于压缩感知的电力传感信息采集方法流程图；

图3为本发明实施例中一种基于压缩感知的电力传感信息采集系统的组成示意图；

图4为本发明提供的系统结构图。

具体实施方式

下面结合附图对本发明实施例作进一步说明。

实施例1：

随着电网设备运维智能化、精益化的不断发展，诸如局放监测、谐波检测等越来越多的宽频带设备需要感知和监测，监测信息量也越来越大。同时，电力物联网传感器及前端网络属于资源受限系统，在感知过程中应尽可能降低对其软硬件资源的要求。因此，本发明提出一种基于压缩感知的变电设备状态监测信息采集方法及系统，如图1，本发明包括如下步骤：

步骤1：变电站边缘侧接收系统主站分发的进行周期性算法迭代更新的压缩感知策略；

步骤2：变电站边缘侧采用接收的压缩感知策略控制传感器对站域感知数据进行稀疏采样和重构分析，得到被感知设备状态信息；

步骤3：变电站边缘侧将所述被感知设备状态信息，通过广域网络回传至系统主站。

本发明涉及的方法具体如图2所示，步骤1：变电站边缘侧接收系统主站分发的进行周期性算法迭代更新的压缩感知策略：

(1)在主站侧生成压缩感知策略，周期性实现算法迭代与更新：

根据电力物联网具体感知信号模型，如信号具有稀疏性或者通过域变换可以具备稀疏性，则构建信号稀疏编码原子库Ψ，则将此域下的信号X_N×1表示为正交基下的N维列向量如下式所示：

X_N×1＝Ψ_N×Nβ_N×1 (1)

其中，向量β_N×1为表示向量，为K稀疏向量且K＜＜N；

构造一个与稀疏编码原子库Ψ不相关的轮换矩阵作为测量矩阵，先随机生成一个行向量，然后由此行向量做循环移位形成测量矩阵：

θ_k＝p(t)；θ_i，k＝p(t+τ_i)＝θ_M×N (2)

其中，p(t)为随机函数，p(t+τ_i)为其循环位移；

此时，可将感知信号用测量矩阵表示为：

Y_M×1＝θ_M×NX_N×1＝θ_M×NΨ_N×Nβ_N×1 (3)

其中，Y_M×1为M维列向量，且M＜＜N；

感知信号为可以在变电设备使用的多种状态量，诸如局放信号、谐波信号、温度信号以及其他多种电量信号。

根据工程实际需要，系统主站侧支持算法周期性迭代及策略更新，并将更新的策略及算法通过广域网络向边缘节点同步分发，从而支持算法的升级，促进系统效率、效能的优化；

(2)在变电站边缘侧接收并本地构建所述感知策略及算法：

变电站边缘侧通过广域通信网络接收主站侧生成或更新的压缩感知策略及算法，在本地构建所述策略及算法；

(3)根据所述感知策略及算法，在变电站进行站域感知数据稀疏采样和重构：

步骤2：变电站边缘侧采用接收的压缩感知策略控制传感器对站域感知数据进行稀疏采样和重构分析，得到被感知设备状态信息：

基于变电站设备状态监测数据的稀疏性，或在特定变换域下的稀疏性，根据主站侧生成及下发的感知策略及算法，在边缘侧执行感知策略，控制传感器对被感知设备的状态信号执行稀疏采样，生成传感信息的测量数据，表示为M维测量向量Y_M×1＝θ_M×NX_N×1；通过站域通信网络回传稀疏采样数据至边缘节点；根据稀疏采样数据及压缩感知算法，在边缘节点重构感知数据，具体转化为通过范数求解得到目标函数最小值系数，最终得到重构信号最优解。

(4)在变电站边缘侧进行感知数据分析，回传设备状态监测信息到主站：

通过在边缘侧边缘节点对站域感知数据执行本地处理，分析研判被感知设备状态信息，通过广域通信网络将状态监测信息回传至系统主站，亦可将重构的感知信息回传至系统主站进行处理。

本发明的技术方案适用于智能变电站高压设备的局放监测；具体为步骤为：

S1，在主站侧生成压缩感知策略，周期性实现算法迭代与更新：

根据电力物联网被监测设备的具体感知信号模型，如信号模型具有稀疏性或者通过域变换可以具备稀疏性，则基于被感知设备的状态信号模型构建信号稀疏编码原子库Ψ，可将此域下的信号X_N×1表示为正交基下的N维列向量如下式所示：

X_N×1＝Ψ_N×Nβ_N×1 (1)

其中，向量β_N×1为表示向量，为K稀疏向量且K＜＜N；

构造一个与稀疏编码原子库Ψ不相关的轮换矩阵作为测量矩阵，先随机生成一个行向量，然后由此行向量做循环移位形成测量矩阵：

θ_k＝p(t)；θ_i，k＝p(t+τ_i)＝θ_M×N (2)

其中，p(t)为随机函数，p(t+τ_i)为其循环位移；

此时，可将感知信号用测量矩阵表示为：

Y_M×1＝θ_M×NX_N×1＝θ_M×NΨ_N×Nβ_N×1 (3)

其中Y_M×1为M维列向量，且M＜＜N；

根据工程需要，部署于主站侧的系统主站可支持算法周期性迭代及策略更新，并将更新的策略及算法通过广域网络向边缘节点即时同步分发，从而支持算法的升级及系统效率、效能的优化；

其中，本实施例所述被监测设备及状态信息，可以是变电站内的高压变压器、套管、GIS等会产生局部放电的设备，以及同一种设备的不同类型的放电模型。

S2，在变电站边缘侧接收并本地构建所述感知策略及算法：

部署于变电站的边缘节点通过广域通信网络接收主站侧生成或更新的压缩感知策略及算法，在本地构建所述策略及算法，诸如对高压设备状态信号的采样频度及采样间隔等。

(3)根据所述感知策略及算法，在变电站进行站域感知数据稀疏采样和重构：

基于变电站设备状态监测数据的稀疏性，或在特定变换域下的稀疏性，根据主站侧生成及下发的感知策略及算法，在变电站内的部署的边缘节点执行感知策略，控制传感器对被感知设备的状态信号执行稀疏采样，生成传感信息的测量数据，表达为M维测量向量Y_M×1＝θ_M×NX_N×1；

通过站域通信网络回传稀疏采样数据至边缘节点，其中，站域通信网络可以是RS485、Wi-Fi、Zigbee及NB-IoT等短距离、低功耗网络；根据稀疏采样数据及压缩感知数据重构算法，在边缘节点重构感知数据，具体转化为通过范数求解得到目标函数最小值系数，最终得到重构信号最优解。

步骤3：变电站边缘侧将所述被感知设备状态信息，通过广域网络回传至系统主站：

(4)在变电站边缘侧进行感知数据分析，回传设备状态监测信息到主站：

通过在边缘节点对站域高频设备的感知数据执行本地处理，分析研判被感知设备状态信息，并可根据预先设定的策略执行相应的动作，如现场发出提示等，同时通过广域通信网络将状态监测信息回传至系统主站，也可将重构的感知信息回传至系统主站处理。

通过将压缩感知算法下沉至站域的边缘节点，实现站域设备感知的策略控制，不仅满足感知的实时性要求，还降低了对传感器软硬件资源及站域通信网络的压力。

基于同一发明构思，本发明还提供了一种基于压缩感知的电力传感信息采集系统，包括：

传感器(51、52)，用于接收边缘的节点的指令，直接感知变电设备状态参量，可在边缘节点的控制下对站域高频设备的信号进行稀疏采样，同时将将原始采样信息通过站域通信网络上传至边缘节点(30)；

站域通信网络(40)，连接传感器(51，52)和边缘节点(30)，为边缘节点的指令下发及采样信息的回传提供通信通道，如RS485，Wi-Fi，Zigbee及NB-IoT网络等；

边缘节点(30)，边缘节点用于接收系统主站(10)的压缩感知策略并在本地构建，根据感知策略实现对传感器(51，52)采样的控制；接收采样数据并在本地重构感知信息，对感知数据执行本地处理，研判设备状态；

广域网络(20)，连接边缘节点(30)和系统主站(10)，为主站侧感知策略下发及设备状态信息回传提供通信通道；

系统主站(10)，主站侧用于生成压缩感知策略及向边缘节点分发的模块，支持策略及算法的周期性更新及迭代，接收边缘节点(30)回传的感知信息。

实施例2：

针对现有技术的不足，本发明提出将一种基于压缩感知的变电设备状态监测信息采集方法及系统用于变电设备状态监测信息采集及监测，如图3所示的电力传感信息采集系统的组成示意图，将压缩感知策略下沉到变电站侧边缘节点，并周期性进行算法迭代与更新，在站域实现变电设备状态信息的压缩感知及数据重构，解决现阶段变电站内传感器工作模式导致感知的信息大量冗余的问题，从而降低传感器硬件资源和传感网络带宽的要求，增强感知能力及效能。

依据上述发明目的，本发明提出一种基于压缩感知的变电设备状态监测信息采集方法及系统，包括以下步骤：

一种变电设备状态监测信息采集方法及系统，其特征在于，包括：

1)所述变电设备状态监测信息采集系统包括传感器、站域通信网络、边缘节点、广域网络、系统主站；

2)在主站侧生成压缩感知策略及算法，周期性实现算法迭代与更新；

3)在变电站边缘侧接收并本地构建所述感知策略及算法；

4)根据所述感知策略及算法，在变电站进行站域感知数据稀疏采样和重构；

5)在变电站边缘侧进行感知数据分析，回传设备状态监测信息到主站。

优选的，所述的一种变电设备状态监测信息采集方法及系统，包括传感器、站域通信网络、边缘节点、广域网络、系统主站，传感器通过站域通信网络连接到边缘节点，边缘节点通过广域网络连接到系统主站。

优选的，在主站侧生成压缩感知策略，周期性实现算法迭代与更新，其特征在于：

1)根据电力物联网变电设备状态信息模型，构建信号稀疏编码原子库Ψ，将感知信号X_N×1表示为正交基下的N维列向量：

X_N×1＝Ψ_N×Nβ_N×1 (1)

其中表示向量β_N×1为为N维列向量的自变量，且K＜＜N；

2)构造一个与稀疏编码原子库不相关的轮换矩阵作为测量矩阵，随机生成一个行向量，然后由此行向量做循环移位形成测量矩阵：

θ_k＝p(t)；θ_i，k＝p(t+τ_i)＝θ_M×N (2)

其中p(t)为随机函数，p(t+τ_i)为其循环位移；θ_k表示测量初始矩阵，θ_i，k表示测量循环矩阵，k即K稀疏向量，是N维列向量的自变量，且K＜＜N；i为M维列向量，且i＜＜M；

3)将感知信号用测量矩阵表示为：

Y_M×1＝θ_M×NX_N×1＝θ_M×NΨ_N×Nβ_N×1 (3)

其中Y_M×1为M维列向量，且M＜＜N；

4)系统主站侧支持算法周期性迭代及策略更新，并将更新的策略及算法通过广域网络向边缘节点即时同步分发。

优选的，在变电站边缘侧接收并本地构建所述感知策略及算法，其特征在于：

变电站边缘侧通过广域网络接收主站侧生成或更新的压缩感知策略及算法，在本地构建所述策略及算法。

优选的，根据所述感知策略及算法，在变电站进行站域感知数据稀疏采样和重构：

基于变电站设备状态监测数据的稀疏性，根据所述感知策略及算法，在边缘侧执行感知策略，控制传感器执行稀疏采样，生成传感信息的测量数据，具体指权利要求3所述的方法生成M维测量向量Y_M×1＝θ_M×NX_N×1；

通过站域通信网络回传稀疏采样数据至边缘节点；

根据稀疏采样数据，在边缘侧重构感知数据，具体转化为通过范数求解得到目标函数最小值系数，最终得到重构信号最优解。

优选的，在变电站边缘侧进行感知数据分析，回传设备状态监测信息到主站：

通过在边缘侧对感知数据执行本地处理，分析研判设备状态信息，通过广域网络将状态监测信息回传至系统主站。

实施例3：

基于同一构思，本发明提供了一种变电设备状态监测信息采集系统，下面结合图4进行介绍，包括：接收策略模块、重构采样模块和回传模块；

所述接收策略模块，用于变电站边缘侧接收系统主站分发的进行周期性算法迭代更新的压缩感知策略；

所述重构采样模块，用于变电站边缘侧采用接收的压缩感知策略控制传感器对站域感知数据进行稀疏采样和重构分析，得到被感知设备状态信息；

所述回传模块，用于变电站边缘侧将所述被感知设备状态信息，通过广域网络回传至系统主站。

所述接收策略模块，包括：构建子模块、测量矩阵子模块和感知信号子模块；

所述构建子模块，用于根据电力物联网，构建感应信号稀疏编码原子库；

所述测量矩阵子模块，用于基于所述感应信号稀疏编码原子库构造一个轮换矩阵并随机生成一个行向量，然后由所述行向量做循环移位形成测量矩阵：

所述感知信号子模块，用于用所述测量矩阵表示感知信号。

所述重构采样模块，包括：测量数据子模块、节点设置子模块和被感知子模块；

所述测量数据子模块，用于在变电站边缘侧执行压缩感知策略，控制传感器执行变电设备状态监测信息稀疏采样，并生成测量数据；

所述节点设置子模块，用于传感器通过站域通信网络通讯通道回传测量数据至在所述变电站边缘侧预先设置的节点；

所述被感知子模块，用于所述变电站边缘侧根据测量数据，在所述边缘侧重构感知数据，继续采样感知最终得到被感知设备状态信息。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (10)

1.一种变电设备状态监测信息采集方法，其特征在于，包括：

变电站边缘侧接收系统主站分发的进行周期性算法迭代更新的压缩感知策略；

变电站边缘侧采用接收的压缩感知策略控制传感器对站域感知数据进行稀疏采样和重构分析，得到被感知设备状态信息；

变电站边缘侧将所述被感知设备状态信息，通过广域网络回传至系统主站。

2.如权利要求1所述的一种变电设备状态监测信息采集方法，其特征在于，所述压缩感知策略，包括：

根据电力物联网，构建感应信号稀疏编码原子库；

基于所述感应信号稀疏编码原子库构造一个轮换矩阵并随机生成一个行向量，然后由所述行向量做循环移位形成测量矩阵：

用所述测量矩阵表示感知信号。

3.如权利要求2所述的一种变电设备状态监测信息采集方法，其特征在于，所述根据电力物联网，构建感应信号稀疏编码原子库，表达式为：

X_N×1＝Ψ_N×Nβ_N×1

式中，X_N×1为感知信号正交基下的N维列向量值，β_N×1为N维向量值降低成的向量值，且β_N×1＜＜N，Ψ_N×N为感应信号稀疏编码原子库。

4.如权利要求2所述的一种变电设备状态监测信息采集方法，其特征在于，所述测量矩阵的计算，如下式所示：

θ_k＝p(t)；θ_i，k＝p(t+τ_i)＝θ_M×N

式中，p(t)为随机函数；p(t+τ_i)为其循环位移；θ_k表示测量初始矩阵；θ_i，k表示测量循环矩阵；k为N维列向量值降低成的K维向量值，且K＜＜N；i为M维列向量值降低成的向量值，且i＜＜M；θ_M×N为测量矩阵。

5.如权利要求4所述的一种变电设备状态监测信息采集方法，其特征在于，所述用所述测量矩阵表示感知信号，表达式为：

Y_M×1＝θ_M×NX_N×1＝θ_M×NΨ_N×Nβ_N×1

式中，Y_M×1为感知信号正交基下的M维列向量值，且M＜＜N。

6.如权利要求1所述的一种变电设备状态监测信息采集方法，其特征在于，所述变电站边缘侧采用接收的压缩感知策略控制传感器对站域感知数据进行稀疏采样和重构分析，得到被感知设备状态信息，包括：

在变电站边缘侧执行压缩感知策略，控制传感器执行变电设备状态监测信息稀疏采样，并生成测量数据；

传感器通过站域通信网络通讯通道回传测量数据至在所述变电站边缘侧预先设置的节点；

所述变电站边缘侧根据测量数据，在所述边缘侧重构感知数据，继续采样感知最终得到被感知设备状态信息。

7.如权利要求5所述的一种变电设备状态监测信息采集方法，其特征在于，所述测量数据为感知信号，包括：局放信号、谐波信号和温度信号。

8.一种变电设备状态监测信息采集系统，其特征在于，包括：接收策略模块、重构采样模块和回传模块；

所述接收策略模块，用于变电站边缘侧接收系统主站分发的进行周期性算法迭代更新的压缩感知策略；

所述重构采样模块，用于变电站边缘侧采用接收的压缩感知策略控制传感器对站域感知数据进行稀疏采样和重构分析，得到被感知设备状态信息；

所述回传模块，用于变电站边缘侧将所述被感知设备状态信息，通过广域网络回传至系统主站。

9.如权利要求8所述的系统，其特征在于，所述接收策略模块，包括：构建子模块、测量矩阵子模块和感知信号子模块；

所述构建子模块，用于根据电力物联网，构建感应信号稀疏编码原子库；

所述测量矩阵子模块，用于基于所述感应信号稀疏编码原子库构造一个轮换矩阵并随机生成一个行向量，然后由所述行向量做循环移位形成测量矩阵：

所述感知信号子模块，用于用所述测量矩阵表示感知信号。

10.如权利要求8所述的系统，其特征在于，所述重构采样模块，包括：测量数据子模块、节点设置子模块和被感知子模块；

所述测量数据子模块，用于在变电站边缘侧执行压缩感知策略，控制传感器执行变电设备状态监测信息稀疏采样，并生成测量数据；

所述节点设置子模块，用于传感器通过站域通信网络通讯通道回传测量数据至在所述变电站边缘侧预先设置的节点；

所述被感知子模块，用于所述变电站边缘侧根据测量数据，在所述边缘侧重构感知数据，继续采样感知最终得到被感知设备状态信息。

Images