黃 俊，張豐偉，趙振剛，文 溢，李 川

(昆明理工大學(xué) 信息工程及自動(dòng)化學(xué)院,云南 昆明 650504)

?

山火的無線傳感與RBF分析研究*

黃 俊，張豐偉，趙振剛，文 溢，李 川

(昆明理工大學(xué) 信息工程及自動(dòng)化學(xué)院,云南 昆明 650504)

研發(fā)了一種基于智能無線傳感器網(wǎng)絡(luò)的電力鐵塔山火監(jiān)測(cè)分析系統(tǒng)，系統(tǒng)通過對(duì)楚雄腰站變電站輸電線路周圍山地火災(zāi)誘發(fā)參數(shù)情況進(jìn)行遠(yuǎn)程在線監(jiān)測(cè)，對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行趨勢(shì)分析，對(duì)山火發(fā)生情況下產(chǎn)生的數(shù)據(jù)變化進(jìn)行分析。并采用徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)進(jìn)行回歸擬合，預(yù)測(cè)火災(zāi)危險(xiǎn)等級(jí)。經(jīng)過測(cè)試樣本的驗(yàn)證，表明RBF神經(jīng)網(wǎng)絡(luò)對(duì)于山火監(jiān)測(cè)有較高的準(zhǔn)確率，可以對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè)分析，適用于山火預(yù)測(cè)。

輸電線路;山火;傳感器網(wǎng)絡(luò);徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)

0 引 言

近年來，我國電力行業(yè)的不斷擴(kuò)大，越來越多的輸電線路穿越林區(qū)，山火對(duì)輸電線路的威脅也愈加嚴(yán)重。為了盡量減少和預(yù)防山火對(duì)輸電線路的安全穩(wěn)定運(yùn)行構(gòu)成的重大威脅，進(jìn)行山火的實(shí)時(shí)監(jiān)測(cè)和火險(xiǎn)等級(jí)預(yù)報(bào)顯得尤為重要。2007年，張從力等人利用ZigBee技術(shù)開發(fā)了森林火災(zāi)遠(yuǎn)程監(jiān)測(cè)系統(tǒng)[1]；2008年，徐凡等人開發(fā)形成了基于視頻的嵌入式森林火災(zāi)預(yù)警系統(tǒng)[2]；2013年，廣西電網(wǎng)公司電力科學(xué)研究院的朱時(shí)陽等人采用衛(wèi)星遙感林火監(jiān)測(cè)技術(shù)，對(duì)輸電線路進(jìn)行火險(xiǎn)監(jiān)測(cè)，并開發(fā)了輸電線路走廊山火監(jiān)測(cè)系統(tǒng)，成功應(yīng)用于廣西電網(wǎng)[3]。

本文依據(jù)監(jiān)測(cè)系統(tǒng)需求，設(shè)計(jì)和開發(fā)了電力火災(zāi)在線監(jiān)測(cè)系統(tǒng)，依據(jù)楚雄220 kV腰站的實(shí)際情況及設(shè)備安裝要求，安裝傳感網(wǎng)的監(jiān)測(cè)和通信設(shè)備，搭建楚雄220 kV腰站電力火災(zāi)在線監(jiān)測(cè)系統(tǒng)，并接入電力專網(wǎng)。選取楚雄220 kV腰站電力火災(zāi)在線監(jiān)測(cè)系統(tǒng)采集的監(jiān)測(cè)數(shù)據(jù)帶入徑向基函數(shù)(RBF)的神經(jīng)網(wǎng)絡(luò)，仿真山火發(fā)生的危險(xiǎn)等級(jí)。

1 電力火災(zāi)在線監(jiān)測(cè)系統(tǒng)

森林火災(zāi)發(fā)生的初期，會(huì)造成小范圍內(nèi)溫度迅速上升、濕度下降，樹木燃燒會(huì)產(chǎn)生大量的一氧化碳和硫化氫等氣體[4,5]。因此,可以采用溫濕度傳感器監(jiān)測(cè)小范圍內(nèi)的溫濕度不正常變化，作為發(fā)生山火的標(biāo)志，同時(shí)利用一氧化碳傳感器和硫化氫傳感器作為輔助監(jiān)測(cè)工具，排除因溫濕度傳感器故障造成的錯(cuò)誤預(yù)警。大規(guī)模山火一旦發(fā)生，會(huì)產(chǎn)生大量的煙霧灰燼，對(duì)導(dǎo)線的正常工作造成嚴(yán)重威脅，因而煙霧也有必要成為監(jiān)測(cè)山火的重要指標(biāo)[6,7]。

通過火災(zāi)監(jiān)測(cè)傳感網(wǎng)的溫濕度傳感器、離子煙霧傳感器、雨量傳感器、風(fēng)速傳感器、二氧化硫傳感器和一氧化碳傳感器對(duì)電力鐵塔附近的氣象情況進(jìn)行監(jiān)測(cè)[8]，可以及時(shí)預(yù)報(bào)和發(fā)現(xiàn)鐵塔附近發(fā)生的山火，同時(shí)向變電站工作人員發(fā)布預(yù)警信息，為及時(shí)消除山火提供強(qiáng)有力的技術(shù)支撐，信息監(jiān)測(cè)模型參見圖1。

圖1 信息監(jiān)測(cè)系統(tǒng)Fig 1 Information monitoring system

2 電力火災(zāi)監(jiān)測(cè)傳感網(wǎng)的通信結(jié)構(gòu)

電力火災(zāi)監(jiān)測(cè)傳感網(wǎng)采用無線通信方式進(jìn)行信號(hào)的傳輸?；矩?fù)責(zé)接收匯總傳感器的監(jiān)測(cè)數(shù)據(jù)，并將傳感器的編號(hào)和測(cè)量值編入數(shù)據(jù)幀，通過無線方式發(fā)送至網(wǎng)關(guān)；網(wǎng)關(guān)接收到基站發(fā)送的數(shù)據(jù)幀后，通過雙絞線傳送至服務(wù)器，通信拓?fù)浣Y(jié)構(gòu)參見圖2。

圖2 通信拓?fù)浣Y(jié)構(gòu)Fig 2 Communication topological structure

通信基站由鋰電池、無線射頻模塊、電源管理模塊、外殼、智能傳感器接口組成，同時(shí)還可選配太陽能充電模塊。針對(duì)變電站周圍輸電線路安全運(yùn)行的需要，本文決定采用無線傳感網(wǎng)的方案對(duì)電力鐵塔周圍的溫度、濕度、離子煙霧、風(fēng)速、一氧化碳和硫化氫等重要參數(shù)進(jìn)行在線監(jiān)測(cè)，監(jiān)測(cè)模型參見圖3。為進(jìn)一步實(shí)現(xiàn)電力鐵塔山火動(dòng)態(tài)監(jiān)測(cè)可視化智能分析與控制決策支持系統(tǒng)提供數(shù)據(jù)和信息支持。

圖3 監(jiān)測(cè)模型Fig 3 Monitoring model

3 山火監(jiān)測(cè)的無線傳感數(shù)據(jù)的RBF模型預(yù)測(cè)

根據(jù)《中華人民共和國森林火險(xiǎn)氣象等級(jí)標(biāo)準(zhǔn)(QX/T77—2007)》，選取空氣溫度、相對(duì)濕度、降雨量、風(fēng)速作為森林火險(xiǎn)等級(jí)預(yù)報(bào)的氣象因子[9,10]，將森林火險(xiǎn)等級(jí)分為5級(jí)，5級(jí)火險(xiǎn)等級(jí)對(duì)應(yīng)的輸出模式向量參見表1。

表1 輸出向量表示

森林火險(xiǎn)等級(jí)和溫度、濕度、風(fēng)速及降雨量之間的關(guān)系參見表2。

表2 森林火險(xiǎn)等級(jí)對(duì)應(yīng)表

根據(jù)《中華人民共和國森林火險(xiǎn)氣象等級(jí)標(biāo)準(zhǔn)(QX/T77—2007)》，選取樣本集，調(diào)用T-sim-rbf函數(shù)根據(jù)測(cè)試樣本集T_test檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)效果。預(yù)測(cè)輸出向量是樣本進(jìn)行歸一化后的結(jié)果，例如樣本編號(hào)1的實(shí)際向量表示為00100，根據(jù)表1，屬于三級(jí)火險(xiǎn)。20組預(yù)測(cè)結(jié)果及測(cè)試誤差參見表3。

根據(jù)表3，與測(cè)試樣本的實(shí)際火險(xiǎn)等級(jí)相比，本次實(shí)驗(yàn)所建立的RBF神經(jīng)網(wǎng)絡(luò)模型對(duì)第9組樣本實(shí)際情況為五級(jí)火險(xiǎn)，而預(yù)測(cè)結(jié)果為一級(jí)火險(xiǎn)，第12組樣本實(shí)際情況為二級(jí)，而預(yù)測(cè)結(jié)果為一級(jí)，第19組樣本實(shí)際情況為二級(jí)，而預(yù)測(cè)結(jié)果為一級(jí)，其余均正確，準(zhǔn)確率達(dá)85 %。RBF神經(jīng)網(wǎng)絡(luò)對(duì)于訓(xùn)練樣本的預(yù)測(cè)值有較高的火險(xiǎn)預(yù)測(cè)準(zhǔn)確率，可以對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè)分析，適用于山火預(yù)測(cè)。

RBF神經(jīng)網(wǎng)絡(luò)測(cè)試20組樣本輸出結(jié)果分別如圖4。

圖4 RBF神經(jīng)網(wǎng)絡(luò)測(cè)試樣本輸出結(jié)果Fig 4 Output result of RBF neural network test sample

4 結(jié) 論

簡(jiǎn)述了國內(nèi)外山火監(jiān)測(cè)和預(yù)報(bào)的現(xiàn)狀，采用智能煙霧

表3 RBF神經(jīng)網(wǎng)絡(luò)實(shí)際值與預(yù)測(cè)值比較

傳感器、智能溫濕度傳感器、智能風(fēng)速傳感器、智能雨量傳感器、智能一氧化碳和硫化氫傳感器構(gòu)成無線傳感網(wǎng)，實(shí)現(xiàn)了對(duì)變電站周圍山區(qū)的煙霧、溫濕度、風(fēng)速、降雨量以及一氧化碳和硫化氫的濃度的在線監(jiān)測(cè)，并利用RBF訓(xùn)練模型對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行分類，給出山火發(fā)生的危險(xiǎn)等級(jí)。選取訓(xùn)練樣本對(duì)RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，經(jīng)過測(cè)試樣本的驗(yàn)證，表明訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值正確率為85 %，可以運(yùn)用該神經(jīng)網(wǎng)絡(luò)的監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè)分析。

[1] 張從力,鄧 皓,張立志.基于ZigBee的森林火災(zāi)遠(yuǎn)程監(jiān)測(cè)技術(shù)研究[J].研究與開發(fā),2007,26(7):31-34.

[2] 徐 凡,袁 杰.基于視頻的嵌入式森林火災(zāi)預(yù)警系統(tǒng)[J].計(jì)算機(jī)應(yīng)用,2008,28(1):264-266.

[3] 朱時(shí)陽,鄧雨榮.輸電線路走廊山火監(jiān)測(cè)技術(shù)研究與應(yīng)用[J].廣西電力,2013,36(3):25-27.

[4] 王德明,王 莉,張廣明.基于遺傳BP神經(jīng)網(wǎng)絡(luò)的短期風(fēng)速預(yù)測(cè)模型[J].浙江大學(xué)學(xué)報(bào)：工學(xué)版,2012(5):837-841，904.

[5] 李 蔚,盛德仁,陳堅(jiān)紅,等.雙重BP神經(jīng)網(wǎng)絡(luò)組合模型在實(shí)時(shí)數(shù)據(jù)預(yù)測(cè)中的應(yīng)用[J].中國電機(jī)工程學(xué)報(bào),2007(17):94-97.

[6] 王 軒.基于物聯(lián)網(wǎng)技術(shù)的森林火災(zāi)監(jiān)測(cè)研究[D].長(zhǎng)沙：中南林業(yè)科技大學(xué),2011.

[7] 顧勤冬.基于無線傳感器網(wǎng)絡(luò)的火災(zāi)監(jiān)測(cè)系統(tǒng)研制[D].合肥：合肥工業(yè)大學(xué),2009.

[8] Francesco Esposito,Giancarlo Rufino，Antonio Moccia.An integrated electro-optical payload system for forest fires monitoring from airborne platform[C]∥IEEE Conference on Aerospace at Big Sky,MT,2007:1-13.

[9] 韓紅桂,喬俊飛,薄迎春.基于信息強(qiáng)度的RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)研究[J].自動(dòng)化學(xué)報(bào),2012(7):1083-1090.

[10] 張豐偉,李英娜,彭慶軍,等.無線傳感器網(wǎng)絡(luò)在電力鐵塔山火監(jiān)測(cè)中的應(yīng)用[J].傳感器與微系統(tǒng),2014,33(9):158-160.

Wildfires wireless sensing and RBF analysis research*

HUANG Jun,ZHANG Feng-wei,ZHAO Zhen-gang,WEN Yi,LI Chuan

(Faculty of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650504,China )

A tower fire monitoring and analysis system is developed based on intelligent wireless sensor networks(WSNs),remote online monitoring on mountain fire induced parameters around is carried out by Chuxiongyao station substation transmission lines and trend analysis on monitoring data and fire occurrence conditions analysis on data changes.Use RBF neural network for regression fitting,predict fire danger grade.After verification of test sample,indicates the RBF has higher accuracy for fire monitoring and suitable for fire forecast,the monitoring data can be predicting analyzed.

transmission lines;wildfires;sensor networks;RBF neural network

10.13873/J.1000—9787(2016)11—0071—03

2015—11—23

國家自然科學(xué)基金資助項(xiàng)目(51567013)

TP 212.1

A

1000—9787(2016)11—0071—03

黃 俊(1991-)，女，湖南益陽人，碩士研究生，研究方向?yàn)閭鞲衅骷夹g(shù)。