基于无线传感网的机械式电能表用电数据采集方法

郑 阳,王旭强,王 堃,刘新波,杨一帆

(1.国网天津市电力公司信息通信公司,天津 300140;2.天津三源电力信息技术股份有限公司,天津 300140)

0 引言

在用电数据采集过程中,以多样化的数据采集形式实现远程抄表,可提高用户服务质量[1]。机械式电能表可实时获取火线、零线电流数据,正常状态下二者的值能够保持一致,具有较强的抗干扰性。鉴于机械式电能表的特点,需要同时对火线和零线的数据帧进行采集,如果发生负载跳变或者火线、零线数据采集不同步,那无法获取精准的用户用电数据,不能真实地反映实际用电情况。

对此,刘潇潇等[2]以低开销为前提,提出基于压缩传感的电力数据采集方法,但是在实际应用过程中,用电数据采集过程较为复杂,容易受到电压、负载电流和功率因数变化的影响,导致数据采集误差较大,降低了数据采集精度。陈慧等[3]为实现电能计量箱多传感数据同步采集,提出一种基于多特征量的电能计量箱采集系统的设计方案,但是该方法的丢包率和采集时延较高,影响了数据采集的工作效率。

为了解决现有方法存在的不足,本文基于无线传感网(wireless sensor network,WSN),设计机械式电能表用电数据自动采集方法,以期提高用电数据采集的工作效率,促进电力企业数字化发展。

1 无线传感网分簇路由设计

1.1 簇的划分以及传输范围设定

机械式电能表在楼宇之间的信号传输往往会受到建筑物与电缆布设的影响,障碍物较多,信号传输不便。因此,采用WSN在采集电能表用电数据过程中,受干扰程度严重,会使信息出现衰减的情况。为此,为降低数据自动采集误差,本文特做出几点假设:

a.忽视WSN信道间的多路径干扰和码间干扰ISI(符号间干扰)效应。

b.对于不同簇群的传感器来说,数据传输[4]和延迟均保持相等。

c.各传感器之间保持相同的能量和数据传输功率。

假设无线传感网络为一个理想的正方形,以Sink作为正方形的中心节点,将分簇指令传送给正方形的其他区域。本文引入了四叉树分层算法,用来逐步缩小分簇区域,并给出了四叉树分层算法结构[5],具体如图1所示。

图1 四叉树分层算法

图1中,G为正方形区域内的图元,X区域为划分的最小簇,其所在的正方形区域边长为l,整个四叉树分层图的正方形区域边长为24l。那么,第z层簇群的正方形区域边长计算公式为

(1)

WSN选择簇首节点的基本原理是保证簇中的所有节点都处于其通信半径之内。这样,第z层簇群的传送距离r应该符合式(2)条件,即

(2)

假设第z层簇的编码长度为Mz,那么有

Mz=2z

(3)

由此一来,每个簇群都有了独一无二的簇群编码,簇群内的节点也有了唯一的标识符id,同时还拥有22 bit的补码。表1为簇群内节点编码的标识结构[6]。

表1 节点编码标识结构

1.2 无线传感网路由选择

在初始状态下,在WSN网络簇群中,以机械电能表数据中心节点向WSN簇群中的所有簇头节点发送路由信息,将簇首节点用n表示,R为感知节点。首先合并簇内的所有边缘节点数据[7],然后计算上一层簇首节点的位置,将当前层的簇数据转移到下一层,直到机械电能表数据中心节点Sink全部转移到WSN中为止。

无线传感网络四层树形结构的路由协议如图2所示。

图2 四层树形结构的路由协议

无线传感网理由选择步骤为:

a.对WSN中的传感器节点进行初始化处理,并为每个簇选择一个簇首节点。

b.在确定了各簇的簇首节点之后,采用簇首节点对簇群中的所有边缘节点进行融合。

c.确定上一层WSN网络簇的路由节点或簇首节点,并与当前簇的数据进行融合,然后一并传送至上一层簇。

d.当下一层簇首节点将融合数据传送至上一层后,该层簇首节点首先会判断数据是否完整,如果完整,继续接下来的步骤,如果不完整,返回步骤b。

e.当前簇接收到下一层传送过来的数据后,要明确上一层簇的路由转接节点,然后才能将所有数据融合后一并向上传送。

f.最后,将所有传输的融合数据进行整合,一并发送给中心节点Sink,完成无线传感网的路由选择,可实现机械式电能表用电数据自动采集。

2 机械式电能表用电数据自动采集方法

用电数据自动采集模型由若干个终端节点、1个协调器和1台上位机[8]共同组成,该模型能够实现用电数据的采集、转发与处理。在终端节点上,采用传感器对机械式电能表的电力数据进行采集,并将其传送给协调器[9],并由协调器的串行接口将其传送给主机,主机根据预先设定的参数值做出相应的调节和回应。

在参考了电路相关理论后,对电能表周期电压U和电流I的有效值展开计算,即:

(4)

(5)

T为机械式电能表数据采样周期间隔[10];u、i分别为电能表采集电压、电流。

在同一采样周期的不同时间段下,获取机械式电能表的具体采样值和采样点数,并计算出其有效值,接着对有效值进行离散化处理,计算公式为:

(6)

(7)

N为电能表总采样点数[11];u(n)、i(n)分别为电压和电流的采样值。

根据电路相关理论要求,只有当电压和电流谐波分量二者之间具有相同的频率时,才会产生有功功率或者无功功率[12]。视在功率与有功功率之间的夹角为功率因角,它反映了该交流电路中电压与电流之间的相位差(角),计算公式为

(8)

P为有功功率;Q为无功功率;S为视在功率;φ为功率因数。

在奈奎斯特(Nyquist)采样定理[13]基础上,可以得到

N≥2CFm

(9)

C为采样工频周期数,通常情况下,C=1,为了满足较高的采样精度,可采用多周期采样法[14];Fm为采样信号的最高谐波分量次数。

当机械式电能表用电数据的谐波分量较小时,利用上述采样方法可以取得理想的采样数据;但是当电能表用电数据中存在畸变或含有较高次的谐波分量[15]时,就会导致采集精度无法达到理想值。为了提高用电数据自动采集精度,本文增加了工频周期内的采样点数,但是这样会在一定程度上增加算法的运算难度。因此要设定好合适的采样点数N和采样时间间隔T。经过一系列计算对比,最终确定当Fm=15时,N=32,就可以实现对机械式电能表用电数据的高精度采集。

3 实验测试

为了验证本文方法在实际应用中是否同样合理有效,在不同的工作电压和负载电流情况下,对本文方法与文献[2]压缩传感数据采集方法、文献[3]多传感数据同步采集方法的用电数据采集性能进行分析,并从丢包率、时延等方面进一步对比3种算法的综合性能。

3.1 实验设置

在MATLAB环境下,由Java语言完成实验平台的建设,选取硬件相同、配置相同的服务器,确保每种算法的实验执行环境是相同的。实验所用机械式电能表为DD722型单相长寿命有功电能表,具体参数如表2所示。

表2 机械式电能表参数

3.2 结果分析

3.2.1 工作电压

根据国家关于机械式电能表用电数据采集的相关规定章程,当基准电流Ib的功率因数φ为1.0时,工作电压将会在120%Un(Un=220 V)至最低极限工作电压之间变化波动。当电压不同时,3种算法的电能表用电数据采集误差对比结果如图3所示。

图3 不同工作电压下用电数据采集误差对比

由图3可知,随着工作电压的不断降低,3种算法的采集误差也出现了不同的变化,综合对比之下可以发现,本文方法的误差始终低于其他2种方法,且误差波动幅度最小,这是由于本文方法引入奈奎斯特采样定理,保证用电数据采集结果具有较高的精度。

3.2.2 负载电流

当φ=1.0时,电流在0.1Ib～1.0Ib区间内波动变化,将机械式电能表的工作电压设定为50%Un(110 V),用以对比3种算法的用电数据采集误差,结果如图4所示。

图4 不同负载电流下用电数据采集误差对比

由图4可知,当工作电压一定时,随着负载电流的逐渐减小,本文方法取得的数据采集误差始终低于其他2种方法,多传感数据同步采集方法较压缩传感数据采集方法相比误差要小一些。由此得出结论,无论负载电流怎样变化,本文方法都能够取得理想的采集精度。

3.2.3 功率因数

选定机械式电能表50 %Un(110 V)工作电压和0.1Ib负载电流,测试在不同的功率因数φ下,对比3种算法的用电数据采集误差,具体如图5所示。

图5 不同功率因数下用电数据采集误差对比

由图5可知,在已知工作电压和负载电流的情况下,随着功率因数的变化,本文方法取得的用电数据采集误差最低。

综上所述,无论工作电压、负载电流还是功率因数如何变化,本文方法用电数据采集误差始终低于其他2种方法,可保证较高的采集精度。

3.2.4 综合性能

在实验拓扑环境中,利用3种算法分别进行55次的用电数据采集,对比3种算法的丢包率和采集时延,实验结果如图6和图7所示。

图6 3种算法丢包率对比结果

由图6和图7可知,随着用电数据采集点的不断增加,压缩传感数据采集方法的丢包率最高,多传感数据同步采集方法的时延最高,而本文方法的丢包率和时延在3种算法中都是最低的,且本文方法的曲线波动幅度最小。这是由于本文方法利用四层树形结构的路由协议,通过无线传感网络实现机械式电能表用电数据的采集,因此保证了较低的丢包率和时延。

4 结束语

为了精准获取机械式电能表用户用电数据,本文在无线传感网络的基础上,提出了一种用电数据自动采集方法,用于机械式电能表用电数据的采集和传输。对无线传感网络进行簇的划分以及通信范围的设定;对路由协议进行选择;构建机械式电能表用电数据自动采集模型,在奈奎斯特采样定理的基础上完成用电数据的采集。并通过实验验证,无论工作电压、负载电流以及功率因数如何变化,本文方法始终能够取得较高的采集精度,并且将丢包率与采集时延保持最低,具有较高的数据采集效率,为机械式电能表数据自动采集提供了有效的技术支持。