基于物聯網的電網節能環保調度在線監測系統研究

李 敏，姜曉濤，馬曙光，胡倩倩，孟慶琳，孫 越

(國網蚌埠供電公司，安徽 蚌埠 233000)

物聯網(Internet of Things)是物與物的連接，它將所有有智慧的物體相連在一起，最終的目的是通過傳感器讓每個物體都被接入網絡[1]，讓我們由享受“隨時、隨地”二維的自由交流轉變成“隨時、隨地、隨物”三維的自由交流。將個人日常生活與世界連成一個無形的物物相連的網絡，將任何時間、任何地點、任何人連接到任何物體上，萬物的連接形成物聯網。物聯網指的是世界上的每一物體都可能像因特網一樣跟你的計算機相互連通[2]。第一次浪潮依托于信息處理和計算機技術的發展[3]。以因特網通信網絡為代表的信息傳輸技術很好地推進了信息產業的第二次浪潮。第三次浪潮正是由于現如今的傳感器網絡以及物聯網的信息獲取技術推動出來的。如今很多國家對其進行了深入研究。物聯網技術是一個多元化的技術，支撐技術有 RFID 技術、組網技術、ZigBee 技術、微電子機械系統(MEMS)技術和智能技術[4]。本文主要應用的支撐技術是 ZigBee 技術。縱觀歷史，物聯網的提出依托于計算機和無線通信的發展。最初他們要下2層樓梯到樓下看咖啡是否煮好。科學家們編了程序，在樓下咖啡壺旁邊放攝像頭[5]，利用計算機圖像捕捉技術對咖啡煮沸狀況進行實時監測，咖啡煮好后再下去取。該例子最后引起了全世界轟動，充分地將物聯網理念帶到了世人面前。物聯網的概念最早是比爾蓋茨于1995 年提出，當時無線網絡、硬件設備還未發展起來，物聯網概念并未得到世人的重視。1999 年，美國麻省理工的 Auto-ID 提出了“物聯網”，認為物聯網就是所有物品的聯網和應用。在此之后全球都熱衷于觸“網”，在當今經濟比較低落的情況下，物聯網被全世界視為新的經濟增長點。美國提出了“智慧的地球”概念，將物聯網技術提升到了國家戰略層次，投入大量資金進行物聯網相關技術的研究。通信基礎設施比較先進的日本，由于公共部門信息技術的進程比較緩慢，故日本政府注入大量資金提出了“i-Japan”戰略，逐漸普及和落實“國民電子個人信箱”，在某種程度上將人與人間聯系得更加緊密。在 2002 年韓國提出了 e-Korea 戰略，將關注重點落在了加緊建設IT設施上，其目的是使所有人可在任何事件任何地點享受信息技術及物聯技術所帶來的方便[6]。在尖端科技的帶領下，物聯網發展能夠邁上一個新的臺階。歐盟對物聯網提出了3點特征：①不能把物聯網簡單地看成是因特網的延伸，應該建立一個獨立的新的聯網系統；②物聯網應該伴隨著新的業務一同發展；③物聯網的通信模式分成物與物的通信、人與物的通信，物聯網通信是多種模式的通信。我國在2009年提出了“感知中國”概念，加入了物聯網技術競爭的行列中，成立了傳感器網絡標準工作組，根據國家標準化政策積極采用國際標準以及國外先進標準的方針，制定和完善傳感器網絡的標準體系以及通信方式，如今物聯網技術在通信方面主要包括2大類技術(RFID 和傳感器技術)[7]。RFID 用射頻信號來識別目標對象信息，是一種非接觸的方法，傳感器技術是通過被監測對象的物理或化學特征來轉化成對應電信號的一門技術。如今傳感器技術主要應用在機械制造、工業監測和電子產品消費上。眾多的傳感器組成在一起就能形成一張無形的網(物聯網)。物聯網的標志性特征是“感知”，感知信號，對信號進行處理，組成智能網絡[8]。因特網是連接虛擬世界中的信息，進行信息共享的。而物聯網則不然，它是將虛擬與現實、現實與現實相連接的。物聯網強調的是現實中物和物的連接。隨著物聯網的出現，無線傳感網絡將會得到更廣泛的應用。物聯網是典型的交叉性學科，涉及到電子計算機、網絡、傳感器和測控通信方面的知識。其呈現出來的形式是真實的系統，可以將它應用到各個領域。

1 物聯網傳感技術研究

物聯網網絡如圖1所示。系統由4大部分組成，即傳感器部分、移動網絡、移動網關和后臺(Web服務、地圖、數據庫服務器)，傳感器結構為蜂窩式傳感結構，每個傳感器為一個節點，每個節點和移動網絡接收站，以蜂窩式結構進行組網，得到數據后通過移動網關處理后，發送給后臺Web服務，Web服務器將數據處理后存入數據庫服務器，Web服務器將數據處理后傳送入地圖API，地圖API將地圖數據存入數據庫服務器。

圖1 物聯網網絡Fig.1 Internet of Things network diagram

2 物聯網在系統中的定位技術

將氣體擴散模型及算法分為2類：①粗略地將監測到的最大濃度值點作為污染源的近似位置；②基于擴散模型的解析類定位算法，即根據多個觀測點所測濃度值，依據氣體濃度衰減模型，來估計污染源位置[9]。本文選擇高斯模型和湍流擴散模型進行討論。

2.1 高斯煙羽擴散模型

國際上很多環保標準都以高斯煙羽擴散模型為基礎。煙羽模型適用于連續的氣體泄漏源的氣體擴散，它沒有考慮重力對擴散的影響作用，見式(1)。

(1)

式中，原點為排放點地面，x軸為下風向，C(x，y，z，H)為任一點處氣體的濃度；u為平均風速；q為源強(排放速度)；H=h+Δh有效源高；oy、oz為排放氣體在y、z方向的擴散系數(其中，oy=A(x)oz=B(x)，A(x)、B(x)的取值受到待測點下風向距離(x的值)和大氣穩定度的影響)。擴散系數計算方法[10]見表1。

表1 擴散系數的計算方法Tab.1 Calculation method of diffusion coefficient

2.2 氣體湍流擴散模型

氣體湍流擴散模型表達式為：

(2)

(3)

假定泄漏點氣體坐標(xt，yt，zt)，則從t0時刻計算釋放速率[11]。

Q向各個方向擴散，則由菲克擴散定律可得：

(4)

實際t趨近無窮大，改為：

(5)

式中，Q為源強(排放速度)；k為氣體擴散系數，當擴散系數增大時，相同條件下相同位置監測點的濃度越小[12]。

2.3 加權平均融合方法

可對接收到的氣體濃度的重要程度賦予不同的權值，假設z1，z2，…，zn分別為n個傳感器所采集的數據信息，計算公式為：

(6)

式中，wj為加權系數；zj為第j個監測點監測的氣體濃度。

加權平均數據融合過程如圖2所示。

圖2 加權平均數據融合過程Fig.2 Weighted average data fusion process

實際情況中，由于有噪聲的影響，無線傳感器網絡節點往往會接收到帶有噪聲等干擾信號影響的氣體濃度值，就會使定位結果產生偏差。本文對監測節點接受到的氣體濃度處理方法進行了改進，給出一種加權平均融合方法，對節點接受到的氣體濃度進行加權平均，來修正周圍環境對氣體濃度的誤差[13]。具體過程是先將節點接收到的氣體濃度作中心化處理；為了縮減中心化后的數據間的差異，對數據進行一次倒數轉換，為防止出現無理運算的局面，倒數運算時分母加 1。采用權值為數據中心化倒數轉換函數的加權平均法，數據中心化倒數轉換函數的目的是消除變量量綱差異，自身變異，數值大小帶來的影響[14]。

3 電網節能環保調度在線監測系統的設計

根據系統變配電單元不同的運行方式、顯示狀態、控制方式等要求，建立變配電單元后臺監控系統參數數據庫，繪制變配電單元一次接線系統圖，在數據采集與監視控制系統參數庫的遠程測量、遠程信號參數表里生成對應的記錄。電網節能環保調度在線監控系統軟件設計以 ZHCD3000 電力一體化系統為平臺，完成變配電單元數據庫建立、環保數據監測、系統圖繪制、量測數據采集與監視控制系統參數及系統調試。電網節能環保調度在線監測系統的設計如圖3所示。

SCADA 量測庫自動映射流程如圖4所示。利用1個小程序模擬監測點，監測點每間隔10 min生成1次模擬監測數據。參照國家標準，生成各污染物數據范圍：SO為0～350 mg/m3，NO為0～300 mg/m3，煙塵為0～80 mg/m3。

圖4 SCADA 量測庫自動映射流程Fig.4 SCADA flow of automatic mapping of measurement library

4 應用情況

該系統的氣象數據來源于中國氣象數據信息網，通過調用中國氣象數據網提供地氣象API接口，在系統中集成應用氣象數據。氣象API以RestfulWebServices的方式提供，對于要素型數據以Json格式直接返回，對于文件型數據以Json格式返回文件清單列表，通過文件清單的文件URL進行文件下載[15]。文檔中時間、時次沒有明確說明的，都是以世界時(GMT)為標準。數據調用類型分為要素型和文件型。例如，需要調用2017年3月6日2時(GMT)的北京站(54511)的中國地面氣象站逐小時觀測資料的所有要素，可以選用要素型數據調用；需要調用2017年3月2日6:18(GMT)時次的北京大興(Z9010)的雷達基本反射率圖像產品，可以用文件型數據調用。監測點如圖5所示。

圖5 監測點Fig.5 Monitoring points

對每個監測點后實現動態加載信息窗口顯示實時監測數據，信息窗口顯示離點擊時刻最近的上一個整10 min的數據。鼠標左鍵點擊地圖上的標注，可以查看每個點的信息；右鍵點擊這些標注，會彈出右鍵菜單，通過選擇可以選擇查看歷史值。右鍵菜單選擇查看歷史值如圖6所示。

圖6 右鍵菜單選擇查看歷史值Fig.6 Right-click menu to select view historical values

右鍵菜單查看歷史數據如圖7所示，主要分為過去24 h趨勢和過去21 d趨勢。本系統調用JpGraph類庫通過讀取數據庫數據來實現污染物濃度數據信息的柱形趨勢圖。引用JpGraph類庫和需要繪制圖形的圖形模型文件，初始化graph類對象，創建基本繪圖類，然后將繪圖數據導入list結構中實現繪圖，最后調用Stroke()將圖形輸出到瀏覽器。

圖7 過去24 h趨勢和過去21 d趨勢Fig.7 Trend in the past 24 hours and trend in the past 21 days

在地圖上，用水滴符號表示監測點，正常時呈黃色，超標顯示紅色。警示符號表示污染源，正常呈綠色，疑似污染源用藍色顯示，準確污染源定位點用紅色顯示。當污染源位置已知。對各污染源對監測點的濃度影響(濃度貢獻)值，進而判斷污染源是否為準確污染源或疑似污染源。判斷結果顯示在信息窗口中。實驗以粉塵為例，輸入一定粉塵排放數據，在東北風速1.6 m/s，大氣穩定度為B條件下，得到實驗結果，如圖8所示。

圖8 污染源排放定位Fig.8 Pollution source of emission location

當污染源位置未知，系統從數據庫取得監測點坐標，后臺通過基于濃度比值的加權質心定位算法計算污染源在監測區域內的坐標。將計算到的污染源經緯度坐標通過AJAX異步交互傳到瀏覽器。前臺生成自定義marker對象，用以顯示污染源位置。實驗以粉塵為例，輸入一定粉塵排放數據，在東北風風速1.2 m/s，大氣穩定度為B條件下，得到實驗結果。污染源位置定位如圖9所示。

圖9 污染源位置定位Fig.9 Location of pollution source

5 結論

通過對物聯網在系統中的融合技術進行了詳細介紹，通過研究氣體擴散模型中的高斯煙羽模型和氣體湍流擴散模型，對監測環境中的單一氣體源加權質心定位算法進行分析，針對風速影響導致氣體源加權質心算法定位精度降低的問題提出了基于氣體濃度比的加權質心定位算法，說明地圖 API 接口作用并繪制加載地圖流程圖，介紹了地圖的使用特點和方法。