基于WSN和NB-IOT融合技术的输电杆塔健康状况监测系统设计

许运山, 姚善化

(安徽理工大学 电气与信息工程学院,安徽 淮南 232000)

随着科技的快速发展，我国电网规模不断扩大.我国地域广阔，为保证各个地区的输电安全和稳定，则需要搭建数量极多的输电杆塔.输电杆塔在电力网络系统中扮演了极其重要的角色，是整个电力网络系统顺利运行的重要保障.一旦出现冻雨，严寒等极端天气，很可能出现输电杆塔倾斜、绝缘子覆冰雪等事故，而在野外复杂地形下输电杆塔的巡检工作较为困难.因此为保证电力系统的正常运行，对输电线路杆塔进行全方位的监测显得格外重要.现阶段主要的输电线路杆塔健康状况监测方法有有线通信、无线通信、人工巡检、视频监控等.黄秀超等[1]在ZigBee技术基础之上将GPRS技术与其进行融合组网，设计了一种输电杆塔实时监测系统.杨征等[2]采用ZigBee和GSM相结合的方式，对输电杆塔进行全方位实时监测.钱平[3]在终端视觉巡检方法之上利用智能机器人进行巡检，把边缘检测算法运用到巡检机器人中，使得机器人能准确无误地按照引导线进行巡检.

本系统设计了一种基于无线传感网络和窄带物联网融合技术的输电杆塔健康状况监测系统，WSN网络末端是可以收集外部信息的传感器.WSN中的传感器通信方式是无线通信，因此网络设置呈现多样化的形式，传感器位置也有多种选择方式，无线传感网络具有全天候在线、覆盖面广、适应能力强、成本较低等优势.但WSM使用有线接入的方式，使得实施区域会受到到各个方面的影响，现阶段有线网络在部分地区分布不均匀，尤其是在地形较为复杂、环境比较恶劣的高原地区，需要布置在输电杆塔周围的无线传感网络与有线网络距离较远，无法实现有线网络对输电杆塔的全面覆盖.而仅仅依靠WSN中的无线多跳网络与分布不均匀的有线网络相连接是不符合实际的.

本系统在使用无线传感网络的基础之上，增添了窄带物联网(Narrow Band Internet of Things，NB-IOT)无线通信技术对输电线路杆塔实现无线监测.提出在监测杆塔数据过程中将窄带物联网应用于无线传感网络中融合组网的无线通信方式.将WSN中的有线网络接入部分使用NB-IOT通讯技术进行替换，可以大大降低过去的有线网络布网操作难度，能够在短时间内实现快速布网，极大地提高布网效率.

NB-IOT具有信号传输稳定，功耗较低，芯片成本低廉、覆盖范围较广、可以支持大量节点连接等特点.在野外特殊地形下NB-IOT技术可以克服过去WSN中有线接入时的弊端，利用移动网络实现广域覆盖，符合野外输电杆塔健康状况实时监测的需求.

1 系统总体框架

整个输电杆塔监测系统由数据采集模块、数据传输模块和云平台展示模块组成.数据采集模块将各个传感器模块采集到的动态数据通过NB-IOT和WSN融合组网的通信方式传输到云平台上，电网工作人员可以在web客户端完成对数据的监测和储存，云平台显示的是WSN末梢无线传感器收集的数据，各个节点在实际运行过程中会受到外界因素的影响，而且还会出现节点的器件损坏，将畸变的数据传输到云平台，进而影响监控中心的判断和预警.为了保证采集到的数据能正确反映输电杆塔的实时健康状况，本文提出采用狄克逊误差剔除准则对监测到输电杆塔的信号进行处理，使云端得到的数据更加具体和准确，系统整体框架如图1所示.

图1 系统总体框架

如图1所示，数据采集模块主要是由无线传感网络的各类传感器节点所构成，数据传输过程主要由节点的通信模块将数据发生至汇聚节点后，再由汇聚节点通过NB-IOT通讯模块将数据传输给云平台.

2 硬件设计

系统主体分为前端数据采集部分和数据传输部分，最终数据需要发送至监控中心.由于杆塔高度较高，数据采集和传输不容易，因此采用无线传感器节点进行实时数据采集，系统结构如图2所示.前端数据采集部分由各类无线传感器组成，如：温度传感器、倾角传感器、湿度传感器、振动传感器、风速传感器等.无线传感器网络的末梢传感器节点主要结构分为以下几个部分：一个模拟信号传感芯片，它可以被用来采集监控区域内特定的数据信息，并进行模拟数字转换；一个中央处理器，可以执行数据的计算和网络指令；一种无线电频率收发器，它可以与其他的无线传感器通信，发送和接收数据.传感器节点配置了电池可以实现自身供电，单个节点一般几年内都无需更换电池，方便实时监测系统的搭建和维护.

图2 无线传感器节点结构图

2.1 主控及电源模块

主控板的单片机采用STM32L151RCT6芯片，该处理器采用Cortex-M3架构的32位RISC内核，能够以更低的功耗满足系统功能需求，其接口较多，能够满足系统各种接入需求.温度、湿度、倾斜角和风速等实时数据的采集由主控芯片负责，采集后的数据经处理后打包发送到NB-IOT模块，并实时接收web端传过来的命令.充电电路的核心芯片选择TPA4056，该芯片为锂电池线性充电的配套芯片，在电池极性接反时具有保护功能.为了使电池的输入电压稳定在3.3 V，选择DC/DC稳压芯片为稳压电路，该芯片性能优越、运行速度快、功耗低，当输入电压不足3.3 V时，芯片自动调节进入升压模式，当输入电压超过3.3 V时，芯片自动调节进入降压模式，这种功能有利于锂电池电量的充分使用和保持系统的稳定运行.

2.2 本地存储模块

终端设备在完成数据采集并上传至云平台的同时可以将所有数据备份，以便后期查询.系统增添了一个TF卡槽，可以插入TF卡来储存数据，方便用户在电脑上查看数据.

2.3 NB-IOT通信模块

过去WSN的实施范围会受到有线接入的影响，有些需要部署WSN的地区可能无法实现有线网络的全覆盖，尤其是在高山盆地等地区输电杆塔的无线传感网络布局中，本系统提出使用NB-IOT代替过去的有线网络接入，可以大大减少过去布置有线网络的困难，提高组建无线传感器网的效率，具体结构如图3所示.

图3 NB-IOT组网方案示意图

在图3中，将NB-IOT无线通信技术应用于无线传感网络中，将WSN中的汇聚节点处有线网络的接入部分使用NB-IOT通讯技术进行替换，实现WSN和NB-IOT融合组网.

本系统采用移远BC26无线通信模块来完成远程数据传输，该模块性能较好，支持现有主流网络协议栈(TCP/CoAP/MQTT等)，尺寸较小便于安装使用，并且成本较低.该通信模块主要在850 MHz的频段工作，安全性能高、信号传输稳定，有利于信号实时快速传输.NB-IOT通信模块实物如图4所示.

图4 NB-IOT通信模块实物图

3 系统软件设计

监测终端负责数据采集、数据储存、数据发送.首先进行系统初始化，完成各个模块的初始化工作；然后接入物联网云平台，确保数据的上传下发；其次启动传感器模块采集温度、湿度和风速等数据；最后将采集到的数据上传到云平台，同时备份到TF卡中，监测终端软件流程如图5所示.

图5 监测终端软件流程图

如图5所示，首先系统进行初始化，将WSN的传感器节点接入通信网络中，检测各个节点和通信模型是否能正常运行，当该检测区域内的节点成功入网后，开始轮询循环状态，通过定时器发送心跳包来进行数据实时监测的频率调控，在一个时间段内串口检测到的数据通过通讯模块将数据发送至云平台.

4 数据处理

本系统中底层传感器采集信息较多，为了保证云平台收集到的信息能正确反映输电杆塔的健康状况，提出将末梢传感器收集到的各项信息进行筛选剔除，减少畸变数据的显示，提高云平台数据显示的精确度，使得输电杆塔的实时状况可以从云平台的数据上直观反映出来.本系统中采用的是狄克逊剔除误差准则.运用狄克逊准则将假设单个输电杆塔上同一类型无线传感器监测数据X1，X2，X3，…，Xn服从正态分布，则得到最大值Xn进行统计量计算：

当测量值rij>置信表中的值时，则Xn的数据不准确，应当舍弃.

对最小值X1使用同一个临界值进行统计量计算：

狄克逊在剔除误差数据中指出:

(1)当n≤7 时，使用r10正确率最高；

(2)当8≤n≤10时，使用r11正确率最高；

(3)当11≤n≤13时，使用r21正确率最高；

(4)当n>13时，使用r22正确率最高.

假设有n组剔除数据，就是输电杆塔上监测同一种数据的n个不同位置末梢传感器所采集的数据为一组进行处理.按照狄克逊准则的要求，将传感器监测到的n组数据进行大小排序：X1，X2，X3，…，Xn-1，Xn.那么数据组中的边缘数据最小值X1或者最大值Xn极有可能为畸变数据，然后计算这两个边缘数据与他们相邻数据的差值X2-X1或Xn-Xn-1，再将两组差值数据与最大值和最小值的差求商，商值反映的就是数据组中边缘数据的畸变程度，此时再将该商值与狄克逊准则中的置信表数据(如表1)相对比，判断该数据是否需要剔除，这个商值就设为Q.

表1 狄克逊准则(Dixon Criterion)置信表

Q=(X2-X1)/(Xn-X1)

或Q=(Xn-Xn-1)/(Xn-X1).

使用狄克逊准则时，先确认数据的个数n，也就是确认本系统中同一个类传感器传输数据的个数，在确定的n值下，然后与置信表中的数据进行对比.如果商值Q大于置信表中所对应的数值，则代表该数据畸变程度较大，无法准确反映输电杆塔的实时情况，需要剔除，如果小于，则代表数据正常.

狄克逊准则在系统中的具体实现如图6所示.

图6 误差数据剔除流程图

在图6中，当传感器采集到监测数据时按照狄克逊准则进行误差提出，首先判断该区域内传感器监测数据是否满足3种以上，如果不满足则舍弃这组数据，当数据个数大于3时，将数据从小到大排序，计算最大值和最小值与其相邻数据间的差商值，然后对照置信表进行数据的处理.

5 仿真与测试

5.1 结果分析

由于本系统涉及传感器种类较多，对误差数据的剔除用温度传感器数据误差数据进行举例.为模拟输电杆塔不同位置的实时温度，将温度传感器分别置于不同高度进行测试，温度传感器监测数据如表2所列，测试结果如图7、图8所示.

表2 温度传感器实时监测数据表

图7 温度传感器测量数据图

图8 误差数据剔除后数据图

将数据由小到大排列，经过误差剔除后得Qtemp1=(x2-x1)/(x9-x1)=0.5>Q95%，Qtemp2=(x10-x9)/(x10-x2)=0.571>Q95%，所以在95%的置信度下将1号和10号传感器采集的温度剔除.1号和10号温度传感器测量到的温度误差较大，系统经过狄克逊误差剔除准则将误差数据剔除，避免了误差数据对总体测量数据的干扰，保证了实时数据的准确性.

5.2 系统测试

为了对本系统进行测评，选用Keil UV5集成开发环境修改和烧录软件.测试包括各无线传感器数据的采集和与NB-IOT模块的数据传输.云平台用于登录测试数据上传、 数据下达、信息推送.测试数据包括温度、湿度、风速、NB-IOT入网测试数据等，测试管理平台界面如图9所示.

图9 输电杆塔监控平台界面

6 结论

本文针对无线传感网络在输电杆塔监测过程中出现的系统复杂、联网接入难度较大、实时数据不准确等问题，提出一种基于无线传感网络和窄带物联网融合技术的输电杆塔健康状况监测系统.系统测试表明，该系统可以清晰、准确、高效地显示输电杆塔的健康状况，大大减少了过去布置有线网络的困难，极大提高组建无线传感器网的效率，能够快速实现.该系统结构简单、成本较低、稳定性高，具有良好的应用前景.