紀(jì)鵬志，董 振，付開強，馬驍雨

(1.國網(wǎng)濟寧供電公司，山東 濟寧 272000;2.濟南大學(xué) 自動化與電氣工程學(xué)院，山東 濟南 250022)

0 引言

在電力系統(tǒng)中存在大量的帶電連接點，如輸配電線路的T型接點、接續(xù)點，電力設(shè)備中的開關(guān)觸頭、母線連接點等，這些接點常因為受到腐蝕、接頭松動、異物連接等原因造成接觸電阻增大，進而導(dǎo)致溫度增高，嚴(yán)重時甚至引起設(shè)備起火，線路斷線等事故的發(fā)生。因此，若能實現(xiàn)對接點溫度的實時監(jiān)測并根據(jù)溫度的歷史變化規(guī)律推演出未來的變化趨勢，將對電網(wǎng)安全運行具有重要的意義。

近年來，針對與電力系統(tǒng)中各種電氣接點的溫度監(jiān)測已有一些研究。文獻[1]使用接觸式的數(shù)字溫度傳感器DS18B20，將其安裝在變電站中的隔離開關(guān)觸頭、母線連接點和輸變電纜接頭等部位進行測溫，通過射頻通信與上位機進行通信實現(xiàn)溫度數(shù)據(jù)的傳輸與可視化展示，但這種監(jiān)測方式需要將傳感器緊貼被測物體表面，會讓傳感器的使用壽命降低；文獻[2]根據(jù)熱敏鐵氧體的居里特性，開發(fā)了輸電線路接點溫度監(jiān)測儀，當(dāng)接點溫度升高到監(jiān)測儀的預(yù)設(shè)溫度時，內(nèi)部熱敏鐵氧體失去鐵磁性，彈簧將指示器彈起，這種機械式的監(jiān)測儀只能實現(xiàn)接點溫度的報警，無法實現(xiàn)溫度的實時監(jiān)測；文獻[3]設(shè)計了一種基于塑料光纖的電氣接點溫度監(jiān)測裝置，在開關(guān)柜內(nèi)部導(dǎo)電連接處加裝熱敏鉑電阻，采集鉑電阻上的電壓信號，通過信號放大電路進行放大處理后，由塑料光纖將信號傳輸至處理器中，經(jīng)運算后得到電氣接點的溫度值，這種測溫方式中的信號放大電路易受電磁、環(huán)境的影響導(dǎo)致信號失真，且有線通信在裝置部署時并不方便。

為了能實時監(jiān)測配電線路中的T型接點、接續(xù)點的溫度值，并且能夠預(yù)測接點溫度在未來一段時間內(nèi)的變化趨勢，保障配電網(wǎng)的安全運行，該文介紹了一種配電線路接點溫度遠(yuǎn)程監(jiān)測與預(yù)測系統(tǒng)，實現(xiàn)了配電線路接點溫度的實時監(jiān)測與未來變化趨勢的預(yù)測。

1 系統(tǒng)整體結(jié)構(gòu)

圖1所示為系統(tǒng)的總體結(jié)構(gòu)圖，配電線路接點溫度遠(yuǎn)程監(jiān)測與預(yù)測系統(tǒng)按感知層、網(wǎng)絡(luò)層、平臺層和應(yīng)用層4層結(jié)構(gòu)進行設(shè)計與開發(fā)。感知層中由終端節(jié)點與匯聚節(jié)點兩部分組成，終端節(jié)點安裝在配電線路A，B，C三相的接續(xù)點處，以紅外測溫的方式獲取接點溫度數(shù)據(jù)，每個終端接點均配置無線通信模塊。匯聚節(jié)點安裝在某桿塔處，負(fù)責(zé)組網(wǎng)控制與數(shù)據(jù)的接收匯總；網(wǎng)絡(luò)層中，終端節(jié)點與匯聚節(jié)點組成星型拓?fù)浣Y(jié)構(gòu)的無線網(wǎng)絡(luò)，它們之間使用LoRa擴頻調(diào)制技術(shù)進行組網(wǎng)與通信，并通過4G-LTE DTU透傳至網(wǎng)絡(luò)云平臺中；平臺層中，匯聚節(jié)點接入至阿里云并將溫度數(shù)據(jù)上傳，同時將溫度歷史數(shù)據(jù)進行存儲；應(yīng)用層中，從云平臺中獲取接點溫度數(shù)據(jù)并輸入至預(yù)測模型中，預(yù)測接點溫度的未來變化趨勢，還可在APP中與云平臺同步顯示接點溫度監(jiān)測值。

圖1 系統(tǒng)總體結(jié)構(gòu)圖

2 感知層設(shè)計

終端節(jié)點和匯聚節(jié)點共同構(gòu)成監(jiān)測系統(tǒng)的感知層。終端節(jié)點與匯聚節(jié)點的硬件結(jié)構(gòu)如圖2所示，由電源電路、最小系統(tǒng)電路、主控芯片、紅外測溫模塊、工作指示電路、LoRa無線通信模塊和ST-Link下載電路組成。

圖2 終端節(jié)點(a)與匯聚節(jié)點(b)硬件結(jié)構(gòu)圖

2.1 測溫方式的選擇

在傳統(tǒng)的接點測溫方式中，接觸式的測溫方式占據(jù)了大多數(shù)，接觸式測溫雖可以避免溫度在空氣傳導(dǎo)損失，但溫度傳感器需要緊貼測溫點，若傳感器長時間在高溫的環(huán)境下運行，不但會影響傳感器的壽命，還會影響到測溫的精確度。為解決上述問題，該系統(tǒng)使用型號為MLX90614DCI非接觸式的紅外溫度傳感器，該傳感器可捕獲0.7～14 μm頻譜范圍的紅外射線[4]，將能量聚集在光電探測器上轉(zhuǎn)變?yōu)殡娦盘?，?jīng)過運算得到被測物體的溫度值。

2.2 通信方式的選擇

配電網(wǎng)的分支多、覆蓋范圍廣，桿塔與桿塔之間的距離為50 m左右，在某一監(jiān)測區(qū)域內(nèi)的終端節(jié)點和匯聚節(jié)點之間最遠(yuǎn)距離可達數(shù)百米，因此工作在2.4 GHz頻段傳統(tǒng)的無線射頻芯片無論從通信距離或工作能耗上并不能滿足終端與匯聚節(jié)點之間的通信要求。低功耗廣域網(wǎng)技術(shù)(LPWAN)覆蓋面廣、傳輸速率低、能耗小、成本低廉、連接數(shù)量大等特點[5]，非常適合運用在接點溫度監(jiān)測中，其中LoRa擴頻調(diào)制通信采用特殊的擴頻技術(shù)及降低通信速率，通信最遠(yuǎn)距離可達到15 km[6]。終端與匯聚節(jié)點均使用型號為A39-T400A21S1a的LoRa無線通信模組，該模塊將SX1268 LoRa射頻芯片與主控芯片之間的通信方式從SPI轉(zhuǎn)換為串口通信，避免了移植復(fù)雜的LoRa協(xié)議棧。

匯聚節(jié)點接收到的溫度數(shù)據(jù)通過4G-LTE DTU發(fā)送至云端，云端可存儲接點溫度的歷史數(shù)據(jù)，同時也可顯示接點當(dāng)前的溫度。選用型號為ATK-M751的4G-LTE DTU，通過RS485接口與匯聚節(jié)點通信，采用AT指令集進行驅(qū)動，內(nèi)部集成了諸如MQTT，HTTP，TCP等互聯(lián)網(wǎng)協(xié)議，只需將數(shù)據(jù)通過RS485接口傳輸至DTU內(nèi)部，便可完成數(shù)據(jù)的協(xié)議轉(zhuǎn)化，無需額外移植相關(guān)的協(xié)議棧至匯聚節(jié)點內(nèi)，減少了匯聚節(jié)點的主控芯片工作量。

2.3 外圍電路

終端節(jié)點的主控芯片選擇STM32F103C8T6，匯聚節(jié)點的主控芯片選擇STM32F103ZET6，兩種主控芯片的程序存儲空間與變量存儲空間、控制引腳和通信引腳數(shù)量均滿足終端節(jié)點和匯聚節(jié)點的要求，與圖2中的最小系統(tǒng)外圍電路共同組成控制中樞。

終端節(jié)點采用鋰電池+太陽能板聯(lián)合供電的方式。鋰電池選擇鋁包電池，輸出電壓為通信模塊供電的同時，經(jīng)過LDO芯片降壓并輔以濾波電路為主控芯片與其余電路供電。太陽能板可在光照充足時，通過充放電管理芯片對鋰電池充電，鋁包電池內(nèi)部集成了充放電保護電路，防止過充過放現(xiàn)象的發(fā)生。匯聚節(jié)點功耗較大，不適合使用太陽能+鋰電池的供電方式，因此部署在安裝有FTU的桿塔上。單相220 V交流電經(jīng)過開關(guān)電源被整流降壓至直流12 V為4G-LTE DTU供電，同時經(jīng)過匯聚節(jié)點中的LDO芯片和電容濾波電路被降壓至5 V和3.3 V兩個等級的電壓，分別為通信模塊和主控芯片供電。

終端節(jié)點的指示電路由兩個藍色與紅色的LED燈以及對應(yīng)的限流電阻構(gòu)成，藍燈常亮代表終端節(jié)點已加入內(nèi)部網(wǎng)絡(luò)，紅燈閃爍代表終端節(jié)點正在采集溫度數(shù)據(jù)。匯聚節(jié)點的指示燈電路由藍色、紅色、綠色三個LED燈與限流電阻構(gòu)成，其中藍色常亮表示已與終端節(jié)點組建內(nèi)部網(wǎng)絡(luò)；紅色閃爍代表匯聚節(jié)點正在與云平臺連接，當(dāng)接入成功后變?yōu)槌Ａ粒痪G色閃爍代表匯聚節(jié)點正與終端節(jié)點進行通信。

匯聚節(jié)點在與終端節(jié)點組網(wǎng)時，需要存儲終端接點相應(yīng)的地址、信道、序號等信息，這些信息在掉電時不能丟失，因此在匯聚節(jié)點處配備ROM存儲器。終端節(jié)點的地址、信道和節(jié)點序號由4個字節(jié)的十六進制代碼組成，單個匯聚節(jié)點下屬的終端節(jié)點個數(shù)n以最大值30計算，則需要登記的數(shù)據(jù)大小最大為120 Byte。存儲模塊選擇AT24C02存儲器，總大小為256 Byte，共32頁，每頁可存儲8 Byte，存儲空間可滿足匯聚節(jié)點的要求且數(shù)據(jù)不會因掉電而丟失。

3 網(wǎng)絡(luò)層設(shè)計

終端節(jié)點與匯聚節(jié)點采用星型網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，如圖3所示，星型網(wǎng)絡(luò)因為其簡單的拓?fù)浣Y(jié)構(gòu)，所以并不需要復(fù)雜的路由協(xié)議，因此網(wǎng)絡(luò)整體可維護性較高[7]。根據(jù)線路的實際情況確定桿塔數(shù)量n的值，并在第ni(i=1,2,…，n)個桿塔處安裝匯聚節(jié)點，上電后，終端節(jié)點與匯聚節(jié)點自動開始進行組網(wǎng)，組網(wǎng)成功后便可對一定范圍內(nèi)的接點進行監(jiān)測。

圖3 終端與匯聚節(jié)點星型網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

組網(wǎng)協(xié)議幀的設(shè)計參考了ModBus協(xié)議相關(guān)內(nèi)容，按數(shù)據(jù)幀的傳輸方向分為上行數(shù)據(jù)幀和下行數(shù)據(jù)幀。表1為上行數(shù)據(jù)幀的格式，表2為下行數(shù)據(jù)幀格式，其中，用5個不同的字節(jié)來表示數(shù)據(jù)類型，包括入網(wǎng)廣播、入網(wǎng)請求、輪詢、入網(wǎng)應(yīng)答和喚醒指令，幀頭和幀尾用來表示一個完整的數(shù)據(jù)幀。

表1 上行數(shù)據(jù)幀

表2 下行數(shù)據(jù)幀

4 平臺層設(shè)計

云平臺選擇阿里云，4G-LTE DTU與阿里云之間的通信協(xié)議選擇MQTT協(xié)議，該協(xié)議使用發(fā)布/訂閱模式，可實現(xiàn)一對多的消息收發(fā)[8]。首先在阿里云的控制臺中創(chuàng)建匯聚節(jié)點對應(yīng)的設(shè)備并在該設(shè)備中建立終端節(jié)點的物模型，之后獲取設(shè)備連接阿里云的三元素：ProductKey、DeviceSecret和DeciveName，最后在阿里云Toptic類列表中獲取屬性上報的發(fā)布主題。將上述內(nèi)容寫入至匯聚節(jié)點中，等待DTU與阿里云連接。在阿里云的控制臺中觀察連接狀態(tài)，如圖4所示，控制臺中匯聚節(jié)點的連接狀態(tài)為在線，此時匯聚節(jié)點已成功接入至阿里云平臺。

圖4 匯聚節(jié)點接入阿里云平臺

5 應(yīng)用層設(shè)計

對于配電線路中的接點來說，其溫度值并不是跳變的，當(dāng)前時刻的溫度值受上一時刻溫度值的影響較大，因此接點溫度是一個具有強自相關(guān)性的時間序列，因此在應(yīng)用層中的接點溫度預(yù)測模型選擇差分自回歸移動平均模型(ARIMA)。該模型是分析時間序列內(nèi)在相關(guān)性規(guī)律的預(yù)測方法[9]，可對接點溫度時間序列內(nèi)部的自相關(guān)性進行分析，找到其數(shù)學(xué)規(guī)律，通過數(shù)學(xué)模型預(yù)測未來時刻的溫度值。

ARIMA(p,d,q)模型是由AR(p)自回歸模型、MA(q)移動平均模型和I(d)差分模型組合而成，p，d，q分別為這三個子模型的階數(shù)。AR(p)自回歸模型可描述當(dāng)前值與歷史值之間的關(guān)系，用變量自身的歷史時間數(shù)據(jù)對自身進行預(yù)測，其數(shù)學(xué)表達式為：

(1)

其中：yt為t時刻的真實值，為滯后i個時刻的真實值；γi為自相關(guān)系數(shù)；εt為t時刻的殘差；μ為常數(shù)項。在AR模型中需要求解的參數(shù)為γi與εi。

AR模型必須針對平穩(wěn)的時間序列來建立，判斷時間序列是否平穩(wěn)的方法為ADF檢驗。計算接點溫度時間序列的T統(tǒng)計值與顯著水平P概率值，當(dāng)T顯著小于3個置信度(1%，5%，10%)且P接近于0[10]，說明該序列是平穩(wěn)的，否則對其進行差分處理，直至通過ADF檢驗，差分的階數(shù)即為ARIMA模型中d的值。

MA(q)模型表示的是AR(p)模型中殘差項εt在前i個時刻的累加，MA(q)可消除預(yù)測時的隨機波動性[11]，數(shù)學(xué)表達式如下：

(2)

其中：yt為t時刻的真實值；yt-i為滯后i個時刻的真實值；θi為移動平均系數(shù)；εt為t時刻的殘差；c為常數(shù)項。在MA模型中需要求解的參數(shù)為θi與εt。

綜合式(1)與式(2)，ARIMA(p,d,q)模型的數(shù)學(xué)表達式如下：

(3)

(4)

式(3)表示接點溫度時間序列未通過ADF檢驗時進行的d階差分處理。p與q的值通過偏自相關(guān)函數(shù)PACF與自相關(guān)函數(shù)ACF進行確定，根據(jù)兩個函數(shù)圖像特征可多組p,q值，每一組p,q值構(gòu)成的式(4)內(nèi)部的γi與θi通過最小二乘法進行求解。

圖5 接點溫度預(yù)測流程

(1)對歷史接點溫度時間序列其進行ADF檢驗；

(2)若未通過ADF檢驗，根據(jù)式(3)對其進行差分處理，重復(fù)步驟①，直至通過ADF檢驗，確定模型中的參數(shù)d；

(3)確定模型中p與q的上限，以赤池信息量準(zhǔn)則AIC和貝葉斯信息準(zhǔn)則BIC兩者的和作為模型優(yōu)異程度的評判標(biāo)準(zhǔn)，和越小模型越優(yōu)異。使用遍歷法確定式(4)中p,q的最優(yōu)組合，每對p,q組合中的模型參數(shù)使用最小二乘法進行求解；

(5)監(jiān)測裝置獲得接點在第i個時刻的溫度真實值yi(i=N+1,N+2,N+3,…)，構(gòu)建新的歷史接點溫度時間序列；

(6)重復(fù)步驟(1)～(5)。

6 系統(tǒng)測試及分析

6.1 網(wǎng)絡(luò)傳輸測試

在實驗室的條件下，配置五個終端節(jié)點和一個匯聚節(jié)點，使用定值電阻模擬線路接點，對感知層設(shè)備進行測試。匯聚節(jié)點通過USB與上位機連接，在串口助手中觀察匯聚節(jié)點與終端節(jié)點通信時數(shù)據(jù)幀的收發(fā)情況，如圖6所示，匯聚節(jié)點與終端節(jié)點可正常地組建內(nèi)部傳輸網(wǎng)絡(luò)，5個終端節(jié)點也可以正常地采集溫度數(shù)據(jù)并上傳給匯聚節(jié)點。圖7為云端與APP監(jiān)測數(shù)據(jù)顯示界面，云端可以準(zhǔn)確的接收到5個接點的溫度監(jiān)測數(shù)據(jù)，且APP端也可同步顯示。

圖6 數(shù)據(jù)幀的收發(fā)情況

圖7 云端與APP監(jiān)測數(shù)據(jù)顯示界面

6.2 預(yù)測模型測試

監(jiān)測裝置每間隔60 s采集一次溫度數(shù)據(jù)，共采集540組，長度為9個小時的溫度數(shù)據(jù)。從阿里云中獲取接點2的溫度歷史數(shù)據(jù)，在MATLAB 2017a中繪制如圖8(a)的變化曲線，可以看出該序列中存在較多的“毛刺”，這是因為監(jiān)測裝置接收到的接點紅外特征中摻雜了空氣的紅外特征，從而產(chǎn)生了噪聲項。因此首先對該時間序列進行均值濾波盡可能地濾除序列中的噪聲項，經(jīng)濾波后的序列如圖8(b)所示。

將這540組數(shù)據(jù)做為初代歷史溫度時間序列Y={y1,y2,y3,…,y540}，對后1小時內(nèi)的60組數(shù)據(jù)進行預(yù)測。在MATLAB中仿真預(yù)測流程，設(shè)置ARIMA模型中p,q的上限為3，得到的結(jié)果如圖9所示。從圖像上看，ARIMA模型可較好的擬合未來1小時內(nèi)的溫度變化曲線，從數(shù)據(jù)上看，模型的平均相對誤差為0.239%，預(yù)測結(jié)果表明對于接點溫度時間序列，ARIMA模型具有較好的預(yù)測性能。

圖8 溫度變化曲線

圖9 ARIMA模型擬合效果

7 結(jié)語

該文設(shè)計了配電線路接點溫度遠(yuǎn)程監(jiān)測與預(yù)測系統(tǒng)，一定程度上解決了以往接點溫度以及其變化趨勢無法實時掌握的問題。該文首先介紹了監(jiān)測系統(tǒng)的整體結(jié)構(gòu)，按感知層、網(wǎng)絡(luò)層、平臺層與應(yīng)用層由下而上逐層設(shè)計，最后對系統(tǒng)進行了測試，結(jié)果表明，配電線路接點溫度遠(yuǎn)程監(jiān)測與預(yù)測系統(tǒng)可實時獲取并顯示接點的溫度值，且應(yīng)用層中的預(yù)測模型可較為精準(zhǔn)的預(yù)測未來一段時間內(nèi)接點溫度的變化趨勢，具有一定的應(yīng)用價值。