基于物联网的输电线路检测方案

1 引言

输电线路的现场环境监测，依靠直接安装在输电线路上的可实时记录表征设备运行状态的传感器实现输电线路在线测量、诊断和检修，其对于高压、超高压电网的运行安全十分重要。随着微机电系统、片上系统、无线通信和低功耗嵌入式技术的飞速发展，孕育出的IOT为输电线路的现场环境监测提供了全天候、低成本、高可靠性和高冗余度的解决方案。在此，从现有输电线路监测系统出发，通过分析IOT的关键技术，设计了基于IOT的现场环境监测方案。

2 现有监测预警系统的问题

国内外电力工作者对输电线路的环境监测进行了大量研究。早期主要采用人工巡检监测电力设施覆冰情况。随着计算机网络与通信技术的发展，文献利用电力通信网络研制了电力设施计算机监测系统;某公司将GPRS(GSM/CDMA)技术与视频技术引入输电设施监测，开发出架空输电线路覆冰实时监测系统，文献介绍了输电线路灾情监测系统和覆冰在线监测系统。这些装置都已在实际现场取得了一定效果，但还存在如下问题：①人工监测手段需耗费较大人力、物力资源，且不能实现24h实时观测，同时由于布线范围广，有些布线区域地理环境恶劣，不可能实现全范围监测;②冰雪灾害引起电力线路倒塌和断线的同时使大量通讯光缆断裂，公用通讯网络与电力通信网络均发生了不同程度的中断，监测数据无法可靠地送往监控中心;③受区域、气候、地形等因素影响，特定的监测地段需要特定的报警策略，需要进行针对性的监测数据积累和策略完善。

3 物联网的概述

图1示出IOT系统结构图。其中，传感器节点具有感知、运算和通信等功能，每个节点能够采集环境数据(如温度、湿度、风速、振动频率和幅度等)，相互之间使用无线多跳方式通信，并根据应用和系统需求对采集的数据进行网内处理。汇聚节点将传感器网络收集处理后的信息汇集后，通过Internet或卫星递交给用户。用户是感知信息的接收和应用者，可以是人也可以是计算机或其他设备。

传感器节点作为IOT的组成元素，一般由4个基本部件组成，如图2所示。

感知单元是感知环境，产生感知数据，通常由一组微型化传感器件组成。处理单元(通常内置存储器)对传感器数据进行处理并对节点进行控制，使之与其他节点协作，共同完成赋予的感知任务。一般采用低功耗的微处理器，如MICA2Mote系统，采用7.37MHz的8位ATMega128L微处理器，具有128kB程序闪存，4kB的SRAM，功耗16.5mW，通常运行在TinyOS，MANTIS等专门为IOT定制的微型化操作系统。收发单元可确保节点之间相互通信。IOT一般认为采用短距离的无线低功率通信技术较为适合。目前，随着ZigBee(IEEE802.15.4)技术的普及，IOT已广泛采用ZigBee器件。能量单元则提供节点正常工作所需的能量。由于IOT通常工作于无人值守状态，网络生命期依赖于节点能量的多少，因此节省能量是IOT设计中的重要因素。

4 监测系统的硬件选择

目前国内外出现了多种IOT节点的硬件平台。典型的节点包括Mica系列，SensoriaWINS，Toles，μAMPS系列，XYZnode，Zabranet等。实际上各平台最主要的区别是采用了不同处理器、无线通信协议和与应用相关的不同传感器。在此Mica系列节点较为成熟且应用较广泛。

Micaz节点的微处理器芯片采用Atmega128。Micaz51针扩展接口可连接模拟输入，数字I/O，I2C，SPI接口和UART接口。通信模块使用CC2420芯片。该芯片是最早支持Zigbee通信技术的通信芯片，载波频率为2.4GHz，数据传输速率最高达到250kbps，通信距离为60～150m，更适合于室内应用。数据采集模块采用ADXL202JE加速度计，可同时采集2个轴的加速度。

IRIS节点平台是基于ATmega128l微处理芯片和RF230射频芯片的一款IOT节点，是特别为嵌入式传感器网络设计的小型无线测量系统，它是工作在2.4GHz、支持IEEE802.15.4协议的Mote模块，用于低功耗的IOT。

IRIS平台增加的几点新特性从整体上提高了节点性能。其特点如下：①相对MICA系列产品，它有3倍的作用距离，2倍的存储空间;②户外测试在不加放大器的情况下，节点的视距可达500m;③基于IEEE802.15.4/ZigBee协议的RF发送器;④2.4～2.48GHz。全球兼容的ISM波段;⑤直接序列扩频技术，抗RF干扰、数据屏蔽性好;⑥250kbps数据传输率;⑦支持可靠的多跳Mesh网络;⑧即插即用，可连接传感器板、数据采集板、网关和软件。此外，IRIS的51针扩展接口可连接模拟输入，数字I/O，I2C，SPI和UART接口，这些接口使其易于与其他外设连接。鉴于IRIS平台的优势，在此选用其作为监测系统的硬件节点。

5 线性判别式分类算法

输电线路需要进行现场环境监测的物理量有当地温度、线路的振幅和频率、风速等。以覆冰预警为例，根据各个地区具体的气候物理环境的不同，需要依据数据建立不同参数的专家系统。而以线性判别式分类算法(LDA)作为多信源预警判决方案具有算法简单高效，置信度高等特点。

判别分析是一种常用的统计分析方法，它根据观察或测量到若干变量值，判断研究对象属于哪一类方法。进行判别分析必须已知观测对象的分类和若干表明观测对象特征的变量值。判别分析是要从中筛选出能提供较多信息的变量，并建立判别函数，使得利用推导出的判别函数对观测量判别其所属类别时的错判率最小。

设有两类D维训练样本xk(k=1，2，……，n)其中n1个样本来自wi类型，n2个样本来自wi类型，n=n1+n2。两个类型的训练样本分别构成训练样本的子集X1和X2。令