楊柳林， 謝振林

(1.廣西大學電氣工程學院， 南寧 530004； 2.廣西電力系統(tǒng)最優(yōu)化與節(jié)能技術重點實驗室(廣西大學)， 南寧 530004)

近年來，智能電網(wǎng)迅速發(fā)展，實時獲取電力系統(tǒng)設備運行狀態(tài)信息成為保障電力系統(tǒng)安全運行的重要一環(huán)[1-2]。相較于架空輸電線路，電力電纜具有占地少，可靠性高等優(yōu)點，在城市輸配電網(wǎng)中所占比重日益增加[3]。然而，電纜線路中數(shù)量巨大的電纜接頭，是電力系統(tǒng)運行中的薄弱環(huán)節(jié)，其中，溫度是制約接頭安全運行的主要因素。電力電纜接頭由于制作及安裝工藝不良、接觸電阻過大等因素，高電壓、大電流運行時易產(chǎn)生異常溫升，加速絕緣老化，若不能及時發(fā)現(xiàn)異常，將引起火災事故，影響系統(tǒng)正常運行[4-6]。因此，對電纜接頭溫度進行實時監(jiān)測，及時發(fā)現(xiàn)溫度異常并排除故障，對保障電力系統(tǒng)安全運行具有重要意義。

傳統(tǒng)電纜接頭溫度監(jiān)測采用人工定期巡檢完成，但此種方式工作量大，且難以做到及時準確[7]。隨著傳感技術和計算機技術的快速發(fā)展，溫度在線監(jiān)測逐步成為電纜溫度監(jiān)測的有效手段，許多學者及電力工作者也對此進行了廣泛研究，其主要表現(xiàn)在溫度監(jiān)測系統(tǒng)的測溫方法和通信技術方面。在測溫方法方面，文獻[8]設計了一種紅外非接觸式高壓電纜測溫系統(tǒng)，但紅外測溫探頭受周圍環(huán)境溫度影響較大，測量結果易出現(xiàn)較大偏差。文獻[9-10]采用分布式光纖測溫技術監(jiān)測電纜溫度，光纖測溫具有抗電磁干擾能力強、信號傳輸可靠等優(yōu)點，但敷設光纖投資較大，且光纖易折斷，后期維護困難。文獻[11]采用熱電阻實時監(jiān)測電纜接頭溫度，但熱電阻易氧化，不宜在高溫、潮濕環(huán)境下工作。文獻[12]采用數(shù)字式溫度傳感器實時采集列車軸溫數(shù)據(jù)，數(shù)字溫度傳感器可以實現(xiàn)多點接觸式測溫，具有測量精度高、功耗低、抗干擾能力強等優(yōu)點，在目前溫度監(jiān)測系統(tǒng)中得到廣泛應用。在通信技術方面，文獻[13]設計了一種ZigBee無線通信的高壓開關柜電纜室溫度監(jiān)測系統(tǒng)，ZigBee通信具有低功耗、低成本的優(yōu)點，但其通信距離短，難以滿足長距離數(shù)據(jù)傳輸需求；文獻[14]采用LoRa無線通信技術作為溫度監(jiān)測系統(tǒng)的數(shù)據(jù)傳輸方式，LoRa技術通信距離遠，功耗低，但是需要開發(fā)者自行布設基站或網(wǎng)關，且工作于非授權頻段，開發(fā)難度大，網(wǎng)絡安全性難以保證。文獻[15]采用通用分組無線業(yè)務(general packet radio service，GPRS)通信技術進行遠程數(shù)據(jù)傳輸，但GPRS通信功耗較高，電池供電時監(jiān)測系統(tǒng)運行時長難以保證，且需向運營商繳納費用，增加了運營成本。由于電纜接頭常處于電纜溝、隧道等復雜環(huán)境內，溫度監(jiān)測系統(tǒng)取電困難，通信受阻，因此選擇合適的數(shù)據(jù)通信方式顯得至關重要。

窄帶物聯(lián)網(wǎng)技術是在長期演進(long term evolution,LTE)技術的基礎上發(fā)展而來的，是近年來新興的低功耗廣域網(wǎng)技術的重要組成部分，在智能路燈、環(huán)境監(jiān)測等領域得到廣泛應用[16-17]。利用NB-IoT技術低功耗、廣覆蓋、低成本、大連接的技術特點[18-19]，克服傳統(tǒng)無線通信技術存在的弊端。基于上述分析，結合電纜接頭所處環(huán)境特點，現(xiàn)設計一種基于窄帶物聯(lián)網(wǎng)(narrow band internet of things,NB-IoT)技術的電纜接頭溫度在線監(jiān)測系統(tǒng)，利用數(shù)字溫度傳感器作為電纜接頭溫度測量方式，窄帶物聯(lián)網(wǎng)技術實現(xiàn)監(jiān)測數(shù)據(jù)遠程傳輸。系統(tǒng)主要包括監(jiān)測終端和后臺監(jiān)控中心，監(jiān)測終端以STM32為控制核心，數(shù)字溫度傳感器采集數(shù)據(jù)，并通過內嵌SSA-BP神經(jīng)網(wǎng)絡模型校正溫度數(shù)據(jù)，提高測量精度，最終通過NB-IoT模塊實現(xiàn)數(shù)據(jù)遠程傳輸上傳。后臺監(jiān)控中心以OneNET云平臺為基礎，實現(xiàn)數(shù)據(jù)云端存儲、實時查看、異常報警、遠程調控功能。

1 系統(tǒng)總體設計

電纜接頭溫度監(jiān)測系統(tǒng)整體框架如圖1所示，包括監(jiān)測終端、NB-IoT網(wǎng)絡、后臺監(jiān)控中心三部分。監(jiān)測終端分布于溫度監(jiān)測現(xiàn)場，由于運行環(huán)境受限，采用鋰電池組供電，以低功耗的硬件器件采集處理溫度數(shù)據(jù)，通過NB-IoT模塊與云平臺連接；NB-IoT網(wǎng)絡是監(jiān)測終端和后臺監(jiān)控中心的數(shù)據(jù)中轉“橋梁”，包括通信基站和核心網(wǎng)[20]，上行數(shù)據(jù)經(jīng)終端單片機(microcontroller unit，MCU)發(fā)送至NB-IoT基站eNode，eNode通過核心網(wǎng)與云平臺連接，基于輕量級M2M(lightweight machine-to-machine，LwM2M)協(xié)議進行數(shù)據(jù)上傳；后臺監(jiān)控中心基于OneNET云平臺開發(fā)，匯聚上行數(shù)據(jù)，進行數(shù)據(jù)分析、存儲、可視化處理，并對終端裝置進行統(tǒng)一管理，實現(xiàn)電纜接頭溫度信息的分布式監(jiān)測和集中式管理。

圖1 溫度監(jiān)測系統(tǒng)整體框架Fig.1 Overall framework of temperature monitoring system

2 系統(tǒng)硬件設計

系統(tǒng)終端硬件設計如圖2所示，主要由供電單元、溫度采集節(jié)點和窄帶物聯(lián)網(wǎng)網(wǎng)關節(jié)點組成。為降低終端裝置功耗，延長供電電源運行時間，避免因更換電池而頻繁檢修的弊端，終端硬件設計時，合理選擇低功耗器件并進行節(jié)能電源管理電路設計。

圖2 終端硬件設計Fig.2 Terminal hardware design

2.1 供電單元設計

供電單元為整個終端裝置提供電能，實現(xiàn)供電、電平轉換和電源管理功能。采用ICR18650CL鋰電池組作為供電電源，MAX77827為穩(wěn)壓芯片，輸出3.3 V電壓供MCU及其余模塊使用，并結合電源管理電路切換供電狀態(tài)，保證鋰電池組使用壽命，電路設計如圖3所示。采用晶體三極管和PMOS晶體管(positive channel metal oxide semiconductor，PMOS)設計節(jié)能電源管理電路，其中Q1、Q2分別為PMOS和三極管，電阻R4為Q2導通提供偏置電壓，三極管基極與MCU PB4引腳連接，PMOS漏極與MCU PC2引腳連接，電路工作分為兩種情況：①供電狀態(tài)，當三極管基極為高電平時，三極管導通，此時PMOS柵極為低電平，PMOS導通，電路正常供電，裝置進行數(shù)據(jù)收發(fā)；②休眠狀態(tài)，三極管基極為低電平，三極管截止，此時PMOS柵極為高電平，PMOS截止，電路停止供電，裝置進入休眠模式。電源管理電路工作狀態(tài)的切換通過MCU PB4引腳輸出電平控制，并利用軟件設置數(shù)據(jù)采集頻率，通過電路工作狀態(tài)的合理配置實現(xiàn)低功耗運行。

R1～R5為電阻；C5為電容圖3 電源管理電路Fig.3 Powermanagement circuit

2.2 溫度采集節(jié)點

溫度采集節(jié)點由主控芯片和溫度傳感器組成。主控芯片選擇LQFP64封裝的STM32L431RCT6。芯片基于ARM 32位Cortex-M4內核，支持7種低功耗模式，工作電壓范圍為1.7～3.6 V，運行功耗為84 μA/MHz，低功耗模式下功耗極低。芯片最高主頻80 MHz，在保證低功耗的前提下提供了強大的數(shù)據(jù)處理能力，具有256 KB FLASH，64 KB RAM，I2C總線讀取溫度傳感器數(shù)據(jù)，UART串口與NB-IoT模塊通信。芯片豐富的片內資源和外設接口及其低功耗特性，能夠滿足監(jiān)測裝置設計需求。

溫度傳感器采用數(shù)字傳感器HDC1080，芯片具有14位分辨率，溫度測量范圍為-40～+125 ℃，溫度測量精度典型值為±0.2 ℃。芯片具有睡眠和測量兩種工作模式，睡眠模式下工作電流為100 nA，平均工作電流為1.3 μA，適用于電池供電等取電不便場景。芯片內部集成ADC，將所采集信號通過I2C總線傳輸至MCU。

2.3 NB-IoT網(wǎng)關節(jié)點

NB-IoT網(wǎng)關節(jié)點由NB-IoT模組、用戶身份識別卡(subscriber identity module，SIM)和天線射頻模塊構成。NB-IoT模組采用移遠BC26芯片，BC26是基于NB-IoT技術開發(fā)的低功耗無線通信模組。芯片可工作在多種網(wǎng)絡頻段，支持IP、UDP、CoAP、LwM2M、MQTT等多種網(wǎng)絡協(xié)議，通過運營商基站與云平臺對接。具有連接態(tài)、空閑態(tài)、省電模式三種工作狀態(tài)[21-22]，省電模式下工作電流典型值為3.5 μA，滿足低功耗設計需求。NB-IoT電路如圖4所示，芯片通過TXB0104穩(wěn)壓電路與MCU保持通信，采用3.3 V電源電壓供電，為確保供電性能，在靠近芯片VBAT輸入端并聯(lián)雙極性TVS管，用以ESD防護，并聯(lián)C26、C27、C28濾波電容，消除噪聲。芯片通過數(shù)據(jù)(DATA)、復位(RST)、時鐘(CLK)接口與SIM卡連接，接入運營商基站，RF_ANT為射頻天線接口，預留有π型匹配電路，以調節(jié)射頻性能，完成射頻收發(fā)功能。

3 系統(tǒng)軟件

3.1 MCU主控程序

MCU主控程序是監(jiān)測終端軟件設計的主導模塊，調控監(jiān)測終端正常運行，主要完成溫度數(shù)據(jù)采集、分析異常情況并報警、定時喚醒和定功耗休眠等功能，以及解析云平臺下發(fā)指令，響應平臺管理的一些輔助功能。

圖4 NB-IoT模塊電路Fig.4 Circuit of NB-IoT module

圖5 MCU主控程序流程Fig.5 MCU main control program flow

MCU主控程序流程如圖5所示，系統(tǒng)上電啟動，首先各模塊進行初始化操作，包括初始化傳感器、MCU外設接口、RTC時鐘等。然后NB-IoT模塊初始化，進行網(wǎng)絡資源配置，完成設備鑒權、注冊網(wǎng)絡等數(shù)據(jù)通信前的網(wǎng)絡連接工作。初始化完成，開啟主循環(huán)，首先檢測是否有云端控制消息，若有，則解析判斷消息類型，及時進行回復應答，執(zhí)行相關操作，并保存命令和數(shù)據(jù)。溫度傳感器采集溫度信息，通過I2C接口發(fā)送至MCU，MCU對數(shù)據(jù)進行編碼并存儲，同時判斷數(shù)據(jù)是否超出報警閾值，若是，則立即發(fā)送數(shù)據(jù)及報警信息。數(shù)據(jù)經(jīng)NB-IoT模塊和移動物聯(lián)網(wǎng)卡上傳至云平臺，平臺接收信息后，返回確認消息，若發(fā)送失敗，則重復指定次數(shù)發(fā)送。終端每隔一定時間進行數(shù)據(jù)采集及上傳，采用定時上電方式，時間間隔根據(jù)監(jiān)測需求設定。為降低終端功耗，無數(shù)據(jù)采集上傳時，終端設備深度休眠，MCU進入停機模式，NB-IoT模塊進入PSM模式，終端設備不再監(jiān)聽尋呼消息，但NB-IoT模塊仍注冊在核心網(wǎng)絡，再次進行數(shù)據(jù)上傳時，無需重新進行網(wǎng)絡注冊即可進入連接狀態(tài)。

3.2 NB-IoT通信設計

NB-IoT模塊的主要功能是上傳終端數(shù)據(jù)至OneNET云平臺及接收網(wǎng)絡端控制消息。終端MCU通過UART串口與NB-IoT模塊連接，通過發(fā)送AT指令實現(xiàn)對NB-IoT模塊的控制，實現(xiàn)主控芯片與NB-IoT模塊之間的數(shù)據(jù)傳輸。NB-IoT模塊接入網(wǎng)絡時，首先在OneNET云平臺創(chuàng)建設備，獲取模組IMEI和SIM卡國際移動用戶識別碼(international mobile subscriber identity，IMSI)，其中國際移動設備識別碼(international mobile equipment identity，IMEI)是設備鑒權的必要參數(shù)。之后MCU發(fā)送AT指令實現(xiàn)模組附著網(wǎng)絡，模組入網(wǎng)流程如圖6所示。聯(lián)網(wǎng)成功后，進行數(shù)據(jù)收發(fā)，NB-IoT模塊基于LwM2M協(xié)議與OneNET云平臺通信，MCU將數(shù)據(jù)發(fā)送至NB-IoT模組，模組按照通信協(xié)議將數(shù)據(jù)打包封裝上傳至OneNET云平臺。

圖6 NB-IoT模塊入網(wǎng)流程Fig.6 Network access process of NB-IoT module

應用服務器基于HTTP協(xié)議與OneNET云平臺通信，通過調用平臺訂閱接口請求終端上傳的數(shù)據(jù)，用戶人員通過平臺提供的可視化工具在網(wǎng)頁端實時觀測終端數(shù)據(jù)。監(jiān)控命令下發(fā)時，根據(jù)通信協(xié)議，通過網(wǎng)頁端監(jiān)控界面發(fā)送命令至云平臺，云平臺解析命令并通過NB-IoT模塊下發(fā)至終端MCU，MCU接收命令成功后返回確認參數(shù)至云平臺。

3.3 SSA-BP神經(jīng)網(wǎng)絡模型

3.3.1 麻雀搜索算法

麻雀搜索算法(sparrow search algorithm, SSA)是一種新型的群智能優(yōu)化算法，模擬麻雀種群的覓食行為和反捕食行為進行迭代尋優(yōu)[23]。

根據(jù)麻雀覓食過程，將種群個體抽象為發(fā)現(xiàn)者和加入者兩種角色。發(fā)現(xiàn)者對應適應度值高的麻雀個體，引導種群進行搜索和覓食。加入者適應度值較低，通過追隨發(fā)現(xiàn)者進行覓食。此外，種群會隨機抽取一定比例的麻雀個體負責偵查預警。

在SSA中，麻雀種群模擬為

(1)

式(1)中：n為麻雀數(shù)量；d為搜索空間維度，對應待優(yōu)化問題變量的維數(shù)；xi,d為第i只麻雀在第d維的位置。則麻雀種群的適應度值矩陣為

(2)

種群中發(fā)現(xiàn)者所占比重為10%～20%，其位置更新規(guī)則為

(3)

種群中加入者位置更新規(guī)則為

(4)

種群覓食時，會隨機抽取10%～20%的個體負責偵查預警，其位置更新數(shù)學表達式為

(5)

麻雀搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡的具體實現(xiàn)步驟如下。

(1)初始化。設置SSA-BP網(wǎng)絡結構參數(shù)。確定BP神經(jīng)網(wǎng)絡層數(shù)及每層神經(jīng)元個數(shù)，麻雀種群規(guī)模及進化次數(shù)，其中待優(yōu)化問題變量的維數(shù)為BP神經(jīng)網(wǎng)絡權閾值總個數(shù)。并對樣本數(shù)據(jù)進行歸一化處理。

(2)計算適應度。計算初始麻雀種群個體適應度值并排序，找出當前最佳適應度和最差適應度個體。

(3)分別根據(jù)式(3)～式(5)更新發(fā)現(xiàn)者、加入者及預警者位置。

(4)若更新后的位置優(yōu)于舊位置，則更新舊位置，得到當前更新后的最優(yōu)位置。

(5)重復進行步驟(3)和步驟(4)。

(6)比較全局最佳適應度值是否小于設定誤差或迭代次數(shù)是否達到最大迭代次數(shù)，若不滿足，繼續(xù)進行更新操作；若滿足條件，輸出當前全局最佳麻雀位置，即為BP神經(jīng)網(wǎng)絡最優(yōu)權閾值。

(7)利用優(yōu)化后的BP神經(jīng)網(wǎng)絡進行溫度補償。

3.3.2 模型訓練

模型訓練樣本數(shù)據(jù)在電纜溝內實測獲取。將監(jiān)測系統(tǒng)測量溫度值、環(huán)境溫度值作為神經(jīng)網(wǎng)絡輸入，接頭溫度標準值作為輸出。其中環(huán)境溫度值、電纜接頭溫度標準值采用高精度紅外測溫儀實測獲取。部分樣本數(shù)據(jù)如表1所示。

表1 部分樣本數(shù)據(jù)

在MATLAB R2016a環(huán)境中進行SSA-BP神經(jīng)網(wǎng)絡訓練。建立單隱含層神經(jīng)網(wǎng)絡模型，設定網(wǎng)絡輸入層、隱含層和輸出層神經(jīng)元個數(shù)分別為2個、5個和1個，設置網(wǎng)絡最大訓練次數(shù)為500，學習速率為0.01，訓練精度為0.000 01。麻雀種群規(guī)模選擇為20，迭代進化次數(shù)為100，搜索空間維度為21。參數(shù)設置完成后，對神經(jīng)網(wǎng)絡進行訓練測試，所得訓練結果如圖7所示。

圖7 SSA-BP神經(jīng)網(wǎng)絡訓練結果Fig.7 Training results of SSA-BP neural network

由圖7(a)可以看出，除個別數(shù)據(jù)點外，SSA-BP神經(jīng)網(wǎng)絡預測輸出曲線與期望輸出曲線高度重合，說明SSA-BP神經(jīng)網(wǎng)絡預測值接近期望值，預測誤差較小。圖7(b)為SSA-BP神經(jīng)網(wǎng)絡的迭代進化曲線，經(jīng)過43次迭代進化之后，其適應度值已經(jīng)達到最低，說明此時SSA算法已經(jīng)找到了BP神經(jīng)網(wǎng)絡的最優(yōu)權閾值，收斂速度快，算法運行效率較高。

傳統(tǒng)BP神經(jīng)網(wǎng)絡與SSA-BP神經(jīng)網(wǎng)絡進行溫度校正時預測誤差曲線對比如圖8所示?？梢钥闯?，BP神經(jīng)網(wǎng)絡預測誤差范圍波動較大，其最大誤差絕對值為0.39 ℃，誤差絕對值之和為3.17 ℃。SSA-BP神經(jīng)網(wǎng)絡最大預測誤差絕對值為0.14 ℃，誤差絕對值之和為2.31 ℃。SSA-BP神經(jīng)網(wǎng)絡預測誤差波動范圍明顯較小，預測誤差最大值及絕對值之和均小于傳統(tǒng)BP神經(jīng)網(wǎng)絡，說明SSA-BP神經(jīng)網(wǎng)絡校正精度明顯高于傳統(tǒng)BP神經(jīng)網(wǎng)絡，溫度校正效果更加明顯。

圖8 預測誤差曲線Fig.8 Prediction error curve

4 系統(tǒng)測試

4.1 終端功耗測試

為驗證溫度監(jiān)測系統(tǒng)低功耗性能，對其進行功耗測試。功耗測試方案為每3 min進行一次數(shù)據(jù)采集上傳，其余時間處于休眠狀態(tài)。測試電池選擇一節(jié)容量為1 900 mA·h的鋰電池，測試時間約為47 min。功耗測試結果如圖9所示，由圖9可知，終端裝置平均電流為0.31 mA，平均功耗為1.13 mW，電池預計工作時長為6 048.32 h，約為252 d。

Average Power為平均功率，mW；Average Current為平均電流，mA； Expected Battery Life為電池預計壽命，h圖9 終端平均功耗Fig.9 Average power consumption of terminal

裝置實際應用時采用4節(jié)ICR18650CL鋰電池供電，每節(jié)容量為2 200 mA·h，電池使用效率約為95%，根據(jù)鋰電池組容量和終端功耗測試數(shù)據(jù)，裝置實際可工作時長為

(6)

圖11 云平臺數(shù)據(jù)Fig.11 Cloud platform data

計算可得每3 min進行一次數(shù)據(jù)采集與上傳時，終端使用壽命約為3年。監(jiān)測裝置實際使用時，數(shù)據(jù)采集時間間隔大于3 min，終端平均運行功耗也會更低，使用壽命大大延長，預計壽命可達5年以上，避免了因更換電池而頻繁檢修的弊端。

4.2 溫度采集測試

對監(jiān)測系統(tǒng)進行溫度采集實驗，首先完成系統(tǒng)調試，之后將終端裝置安裝于監(jiān)測現(xiàn)場，測試環(huán)境選擇為電纜溝，溫度傳感器通過外殼結構固定于電纜接頭表面，使其與接頭緊密貼合，保證測試效果，測試環(huán)境如圖10所示。

圖10 系統(tǒng)測試環(huán)境Fig.10 System test environment

系統(tǒng)于2019年12月30日至1月1日在電纜溝內電纜接頭進行測試，設定終端每6 h向OneNE T云平臺上傳一次數(shù)據(jù)，云平臺數(shù)據(jù)如圖11所示。觀察云平臺數(shù)據(jù)流顯示界面，數(shù)據(jù)點時間間隔為6 h，說明監(jiān)測終端數(shù)據(jù)采集和上傳功能正常，OneNET云平臺與終端通信正常，監(jiān)測系統(tǒng)運行穩(wěn)定可靠。

5 結論

設計了一種基于窄帶物聯(lián)網(wǎng)技術的電纜接頭溫度在線監(jiān)測系統(tǒng)。該系統(tǒng)可實時準確的電纜接頭溫度，運行穩(wěn)定可靠，通過現(xiàn)場實際測試，得出以下結論。

(1)通過合理選擇監(jiān)測終端低功耗器件及進行節(jié)能電源管理電路設計，設置定時工作和定功耗休眠的低功耗工作策略，最大程度降低終端功耗，有效延長了電池供電時間，解決了監(jiān)測終端運行時的供電困難問題。

(2)采用SSA-BP神經(jīng)網(wǎng)絡模型校正溫度測量數(shù)據(jù)，提高溫度測量精度，更加準確地反映了電纜接頭溫度狀態(tài)。

(3)采用低功耗窄帶物聯(lián)網(wǎng)通信技術，實現(xiàn)監(jiān)測數(shù)據(jù)遠程無線傳輸,有效克服了有線傳輸方式布線復雜及傳統(tǒng)無線通信方式功耗高、通信距離短等弊端，適用于電纜溝電纜接頭溫度監(jiān)測等資源受限監(jiān)測場景。