高速公路隧道内供配电设备运行状态监测

冯廷杰

（山西交通控股集团有限公司吕梁北高速公路分公司，山西吕梁 033000）

0 引言

高速公路隧道内机电设施较多，因此，维护隧道内供配电设备正常运行是保障高速公路隧道交通安全的首要条件之一[1]。高速公路普遍存在车流量大、车行速度快的特点，尤其在地形、地质复杂的环境下，高速公路隧道及隧道群路段内安全隐患较高，极易引起交通意外，导致交通事故和交通堵塞。且因受到环境限制，这类事故发生后难以第一时间进行抢修救援工作，从而造成非常严重的事故后果[2]。目前国内部分复杂环境地区，如西南山区的高速公路隧道及隧道群较多，且隧道内的供配电设备运营普遍存在缺少统一监测及监测效率不高等问题[3]。基于上述情况，本文提出对复杂环境下高速公路隧道内供配电设备运行状态监测的方法进行探索。通过光纤光栅传感器对供配电设备运行数据信息进行采集，再将采集到的信息上传到数据库进行误差检测和信息定义，完成数据处理后由系统对有问题的设备信息进行提交反馈，实现实时监测的目的。高效准确地监测供配电设备运行状态，提高高速公路隧道内供配电设备的运维工作效率，对保证交通工作安全顺利进行具有积极意义。

1 设备信息数据节点采集

在对复杂环境下高速公路隧道内的供配电设备运行状态进行监测时，可以采用光纤光栅传感器采集供配电设备的信息数据节点。利用波长调制型光纤光栅传感器，对隧道内供配电设备运行时的温度、振动、压力、壳体状态等进行信息数据的节点采集。波长调制型光纤光栅传感器也称光纤布拉格光栅，宽带光在光纤中传输过程中，满足布拉格条件的波长的光将会被反射，传感器通过光栅反射光波长、强度或相位的变化，监控外界被测量设备的状态改变[4]。光纤光栅反射光中心波长随温度、应力应变的变化见式（1）：

式中 ΔλB——光纤光栅反射波长变化量

neff——光栅有效折射率

Λ——光栅周期

μ——光纤材料的泊松比

p11、p12——分别为引起光栅折射率改变的温度、应力应变的物理量，即光纤光栅的弹光系数

ε——光纤光栅处沿光纤长度方向的应力应变

αδ——光纤材料的热膨胀系数

ξδ——光纤材料的热光系数

Δθ——温度变化量

当光纤光栅传感器仅受温度影响时，反射光中心波长随温度变化的具体计算方法见式（2）：

其中，Δneff为光栅有效折射率的变化量。

当光纤光栅传感器仅受应力应变影响时，反射光中心波长随应力应变变化：

其中，Δε为光纤光栅处沿光纤长度方向的应力应变的变化量。当隧道内供配电设备的温度、应力应变等物理参数发生改变时，光栅周期和有效折射率也会相应变化，从而改变反射光的波长，利用布拉格光栅对这些变量进行传感监测，实现对复杂环境下高速公路隧道内供配电设备运行中的数据节点信息进行采集。将采集到的信息节点数据（包括温度及应力应变的变化情况），在整合之后实现传输。

2 节点信息数据上传

LoRa-CSS 信号技术具有抗多径性能高、信息承载能力强等优点，能够在复杂环境条件下维持数据的高效传输，为复杂环境下高速公路隧道内供配电设备运行状态的监测提供数据传输保障[5]。因此，可以利用LoRa-CSS 信号实现复杂环境下设备状态信息的精确定位和高效传递。无线数据传输节点作用于隧道内供配电设备与上位机间的信息交互，具体结构如图1 所示。

图1 无线数据传输节点结构

此节点由PsoC 芯片、LoRa 无线通信模块组成，通过RSM232D、RSM485HT 等嵌入式隔离收发器连接设备数据接口。不同于大多数传统二进制CSS 方法，该结构下的LoRa-CSS 传输的多态性可以在每个符号位上传递7～12 bit 数据[6]。

LoRa-CSS 的信道比特率取决于3 个因素，其中，扩频因子是信道稳定的基础，编码效率是信道承载信息量的关键，啁啾信号周期决定了信道中噪声的大小，三者共同确定了LoRa-CSS的数字信号传输速率。严重复杂环境下的LoRa-CSS 信号传输中，仅扩频因子因素对多径条件下的信号传输存在明显影响，但当扩频因子的数值处于一定范围内时，LoRa-CSS 信号传输基本可实现多径免疫，保证复杂环境下高速公路隧道内供配电设备信息数据顺利上传，并在数据处理器中完成信息的误差检测。

3 设备运行状态监测

3.1 数据信息误差检测

将复杂环境下高速公路隧道内供配电设备运行状态监测数据，传输到信息层数据库进行处理时，如果某个节点发生故障，将导致采集到的信息数据和实际数据存在较大偏差，这些误差数据无法在节点的数据预处理中被筛除，容易造成高速公路隧道内供配电设备运行状态的监测失常。针对这种情况，可以采用K-Means聚类算法筛除异常数据，设备数据信息误差检测流程如图2 所示。

图2 设备运行状态信息误差检测流程

以K-Means 聚类算法为基础的误差分析方法，能够确保设备数据上传及实时监测结果的精确性。假设对某复杂环境地区的高速公路隧道内电力设备的温度监测中，获得了某个设备节点多次发送的温度数据，误差检测的具体处理流程如下：将节点接收到的温度数据进行排列，选出最大值、中间值和最小值作为聚类中心，并将所有的数据依据最小距离原则归类到其中一个聚类中心。完成归类后，重新计算各聚类中心值，根据最终计算出的最大、最小聚类中心离中间聚类中心的距离，从而分析误差。根据所允许的误差范围，比较各聚类中心至中间聚类中心的距离和误差范围的大小，如果各聚类中心至中间聚类中心的距离大于误差范围，则重新进行信息采集；否则就说明数据在误差范围之内，可进入下一步的信息定义环节。

3.2 设备信息定义

对复杂环境下高速公路隧道内供配电设备的运行信息完成误差检测后，数据处理器会继续进行信息定义，数据处理器通过调取数据库中固有模块的对应设备数据，将接收到的设备数据信息与之进行比较，定义出异常状态的设备信息并上交反馈，同时生成实时的设备运行状态数据日志，便于后期运维工作人员的查询与调用。进行数据运算并定义信息的具体计算公式为：

其中，Δ 为采收到的设备信息数据与设备该类型固有信息数据的差值；X 为设备固有信息数据；Y 为采收到的设备信息数据。根据以上公式，完成设备数据信息定义，确定设备运行状态，从而实现对复杂环境下高速公路隧道内供配电设备运行状态的实时监测。

4 仿真实验

4.1 实验准备

为测试本文设计方法对于复杂环境下高速公路隧道内供配电设备的运行状态监测的效果，在实验室中利用MATLAB 的Simulink 仿真工具，模拟实际环境进行设计方法的仿真实验。采用波长调制型光纤光栅传感器，对6 个随机监测节点进行信号采集，将采集结果通过LoRa-CSS 信号技术进行数据上传，在完成采用K-Means 聚类算法的误差数据筛除和信息定义后获得实验数据，并与实际数据进行对比，计算监测数据误差率及准确率，衡量本文设计方法的监测效果。

4.2 实验结果

设备实时监测数据的传输消耗时间及监测数据的准确率、误差率可以有效反映监测方法的实际效果，当数据传输时间越短、误差率越小、准确值越大，证明监测方法的效果越好。随机挑选6 个监测节点进行仿真实验，测试并计算其实时监测数据传输消耗时间、监测数据误差率及准确率，实验结果见表1。

表1 仿真实验结果

结合表1 数据可知，在本文设计的监测方法中，针对6 个监测节点，同一时间点的实时监测数据传输耗时均在2 s 以内，能够较好地实现高效的信息传递，并且实验节点的监测数据准确率为97%～99%。因此，该方法实时监控效率较高，信息采集及数据传输过程中产生的误差较小，能够满足对复杂环境下高速公路隧道内供配电设备运行状态进行精确、高效监测的需求。

5 结束语

综上所述，通过光纤光栅传感器对隧道内供配电设备运行中的实时数据信息节点进行采集，结合LoRa-CSS 信号技术完成数据传输，采用K-Means 聚类算法筛除误差数据，进行信息定义，实现对隧道内供配电设备运行状态的监测。由测试实验可知，该方法能够实现精确的设备运行数据信息采集和高效率的数据传输。有利于快速收到设备异常信息并及时进行反馈处理，提高设备运维工作效率，保证复杂环境下高速公路隧道内供配电设备的正常运行。