物联网视域下电力电缆故障地理位置自动定位技术

蔡徐平 方略

【摘  要】近年来，物联网技术在采集电力运行数据、感知配电网运行状态等领域发挥显著功能，无线传感网络是物联网技术的核心，因此本文结合传统电缆故障定位和隔离先进技术，将无线传感网络应用于电力电缆故障地理位置定位，精准检测电缆故障并为电缆维修提供详细准确的故障线路及地理位置信息，具体思路如下：构建电力电缆无线传感网络监控系统感知电缆运行状态信息;以电缆状态监测信息作为样本数据进行聚类分析，获取异常传感节点实现电缆故障定位，节点通过Web GIS电缆地理定位模块即可发送详细的地理位置信息。下面对本文创新方法作详细介绍，而现有较为成熟的电缆故障定位及隔离技术原理不再赘述。

【关键词】物联网;电力电缆;故障定位

1 基于联网技术的电力电缆故障地理位置自动定位方法研究

1.1 基于无线传感网络的电力电缆故障监控系统

1.1.1 总体架构

基于ZigBee无线传感网络的电缆故障监控系统架构主要由无线传感节点、中心节点、WebGIS地理定位模块、监控终端构成。其中，无线传感节点以合理的距离部署于各个电缆监控区域，电缆中间接头、户内户外终端头等关键节点处加强布置，采集电缆运行的电流、电压、温湿度运行状态数据，同时负责去除数据的无用信息与噪声，以无线信号为介质将预处理完成的数据传输至中心节点;中心节点主要任务是接收无线传感节点采集的电缆监控数据，以基站为中介将统一打包的数据传输至监测终端;WebGIS地理定位模块掌握了无线传感网络节点所在的位置信息，一旦出现电缆故障，该模块依据自身地图资源存储信息在监控终端成电缆故障地图，提供故障维修的地理位置信息;监控终端负责对无线传感数据进行解包、分析、存储，监控人员通过PC客户端、移动客户端皆可查阅电缆状态监控信息，接收电缆故障预警信号和电缆故障的地理位置信息。

1.1.2 WebGIS电缆地理定位模块

WebGIS地理定位模块的核心是WebGIS技术，可准确定位电缆故障所在地理位置，便于维修人员实施检修。WebGIS电缆地理定位模块使用TCP/IP协议、Internet/Intranet标准运行，基于HTTP协议生成数据传输的格式。WebGIS电缆地理定位模块使用分布式服务体系结构，以增强处理无线传感网络产生的大规模数据，监控终端与服务器的负载得以平衡，进一步提升电缆监控数据处理的性能。

1.2 电力电缆故障节点判断与定位

1.2.1 基于聚类分析的电缆故障定位模型

电缆运行出现故障时则会向无线传感网络发送零序电压突变信号，电力电缆故障监控系统后台由此启动电缆故障识别程序，监控端接收电缆状态监控数据，以此作为数据样本采用K-means聚类算法进行电缆故障数据聚类分析，根据聚类结果获取异常数据识别出电缆故障。为此构建基于K-means聚类分析的电缆故障节点定位模型明确电缆故障定位思路，模型结构为：电流、电压、温湿度传感节点-电缆监控数据处理与传输-电缆监控指标提取-K-means聚类分析-故障决策分析，输出电缆故障定位结果。由此可知电缆故障节点定位分为两部分，一是电缆监控指标提取，二是K-means聚类算法分析。电缆监控指标提取即为电缆的电压、电流、温湿度状态监测变量的提取;K-means聚类算法在电缆故障判断中的应用如下详述。

1.2.2 K-means聚类算法

K-means聚类算法在数据聚类分析领域的应用频率较高，K-means聚类算法的聚类中心为多个聚类子集全部数据样本均值。K-means聚类算法运行思路为：经过迭代实现数据集类别划分，当评估聚集性能的测度函数为最优时，证明生成的聚类紧凑且聚类间独立存在。那么基于K-means聚类算法实现电缆故障监控的步骤为：基于K-means聚类算法对无线传感器节点数据进行分簇获取聚类中心;对比数据点和质心间的距离判断数据点是否处于异常状态。K-means聚类算法使用欧几里得距离作为数据点距离判断量。欧几里得距离属于距离定义范畴，在相似度判定中使用频繁。

1.2.3 基于欧几里得距离的电缆故障判断

基于K-means聚类算法获取电缆状态监测数据点的分簇结果，以此为前提求取海量数据点和簇心之间的欧几里得距离，根据欧几里得距离判断数据是否异常的依据为：若欧几里得距离在当前距离均值以上，证明此数据点属于异常数据点集，反之则属于正常数据点集。需对异常数据点集数据展开进一步检测，方法如下：构建两个对比数据，一是疑似异常点到质心距离和距离均值的差，二是疑似异常点聚类中所有数据点到质心距离的1.67倍，对比两种数据，当前者数据超过后者数据时，则证明该电缆状态监测数据异常，输出异常数据坐标即可获取无线传感网络中的异常节点，即电缆故障节点。发生电缆故障的无线传感网络节点通过WebGIS电缆地理定位模块即可生成地图，为检修人员提供精准的电缆故障维修地理位置信息。

2 实验研究

通过仿真实验形式验证本文方法处理电缆故障地理位置自动定位的可行性与优势，仿真实验在Matlab 7中完成算法编程，通过Visual DSP++设计电力电缆故障监控系统，实验样本数据为某配电网运行产生的数据;定义1200m×1200m大小区域作为电力电缆监控节点布局区域，电缆节点通信覆盖范围约为11.5m，监控系统采集数据的时间间隔为8min。对编号为D06、D16、D24、D33、D42的电缆节点进行故障定位，每个节点预期采集300个数据样本并展开数据聚类分析，其预期采集数据样本、实际采集数据样本及数据丢失率分别为300/299/0.30，300/300/0，300/299/0.30，300/ 298/0.67，300/300/0。分析可知，基于ZigBee无线传感网络的电缆故障监控系统采集数据丢失率较低，最高仅为0.67%，丢失的数据一般发生在节点与服务器传输期间;较低的数据丢失率得益于无线传感网络中ZigBee节点的使用，将CC2530处理器作为ZigBee节点的核心构件有效增强电缆状态数据采集的性能。

由此看来，本文方法采集的电缆状态数据完整性较强，为聚类分析提供了相对全面的数据样本基礎。采用本文方法获取的D06、D16、D24、D33、D42数据聚类时间开销（秒）、初次检测异常数据量（个）、是否出现电缆故障、故障电缆地图生成是否准确分别为：8.89/7/否，0.91/11/是/是，0.89/4/否，0.94/6/否，0.92/4/否。以上结果显示只有D16电缆节点出现故障，该情况与配电网中电缆运行的实际情况一致，证明了本文方法进行电缆故障检测的有效性。

经对比，本文方法生成的电缆故障地图准确无误，地图清晰显示了故障位置与维修团队所在位置，方便维修人员快速到达维修地点，高效恢复电缆正常运行，保障了社会生产与生活的安全性。

3 结语

本文方法获取较优的定位结果在于将物联传感网络与K-means聚类算法有机融合，无线传感网络能采集广域的电缆状态数据，保障了数据样本分析的全面性。同时无线传感网络数据具有规模大、数据密度大、分布范围广、异常数据占比较少的特点，造成较大的电缆状态数据挖掘难题。K-means聚类算法用于数据聚类分析的频率较高，面对数据簇密集、数据聚类差异大的情况更容易发挥较优的聚类效果，K-means聚类算法这一特性与无线传感网络数据特征吻合，因此K-means聚类算法进行电缆状态数据聚类更易展现其优势。

参考文献：

[1]刘海妹.基于物联网的智能电网故障监控系统研究[J].电源技术，2015，10.

（作者单位：国网上海市电力公司浦东供电公司）