基于數字化智能終端平臺的地下電纜線路關鍵位置提取技術研究

李思堯， 董章

(深圳供電局有限公司， 廣東， 深圳 518000)

0 引言

數字化智能終端平臺主要基于RFID(radio frequency identification，射頻識別)、GIS(geographic information system或 geo-information system，地理信息系統)、移動通信、物聯網等技術構建的電纜數字化管理平臺[1-2]。電纜線路和相關設備在電力公司不斷建設，數量大量增加，地下電纜線路交錯相互，地下環境復雜，導致地下電纜線路辨識和區分困難、關鍵位置查找不易、運維難度較高、人員消耗較大等問題[3]。

因此，張亮等[4]研究基于修剪均值濾波算法的電纜局部放電提取技術,盧詩華等[5]研究一種基于最大相關-最小冗余算法的輸電線路故障提取技術，但是以上技術存在準確性和監測覆蓋率均偏低問題。

為增強電纜運維能力，提高運維人員工作效率以及電纜線路的監測覆蓋率，快速、精準完成線路關鍵位置提取，本文提出基于數字化智能終端平臺的地下電纜線路關鍵位置提取技術。

1 地下電纜線路關鍵位置提取技術

1.1 技術架構

利用數字化智能終端平臺完成地下電纜線路關鍵位置提取的技術架構見圖1。

圖1 技術架構

基礎層：主要包括RFID以及輔助的GIS、探測器、智能終端應用軟件等，完成平臺運行的基礎支撐，實現電纜所有數據的采集，數據包括地理位置、現場圖片、關聯關系、設備缺陷、線路故障、外力破壞等信息[6-7]。

數據層：具備數據分類、數據存儲、數據計算、數據挖掘以及資源調控功能。將基礎層采集的電纜所有數據分類進行存儲，并具備三維模型庫，完成電纜及通道設備數據建模以及數字化應用等[8]。

應用層：該層通過RFID技術對存儲的電纜所有數據進行分析后，完成地下電纜的接地電流、中間頭、維修點、轉角、敷設方式改變處等關鍵位置提取。

1.2 應用層結構

應用層是整個位置提取技術的執行層和實現層，其主要包括電纜三維管理模塊、電纜線路管理模塊，其詳細結構見圖2。電纜三維管理模塊根據二維地圖、衛星圖、三維GIS等技術完成電纜信息查詢、電纜線路巡檢、路徑查詢提取后，進行三維建模，實現信息建模和電纜線路狀態可視化。電纜線路管理模塊根據可視化結果實行電纜線路關鍵位置管理、維修等。

圖2 應用層結構圖

1.3 基于RFID技術的地下電纜線路提取

1.3.1 RFID技術

設Gi為待測標簽，其在讀寫器e上的RSSI值構成矩陣GE；Fj為參考標簽，其在其在e讀寫器上的RSSI值構成矩陣FE。矩陣GE和FE表示為

(1)

(2)

兩個矩陣之間的RSSI值的歐氏距離用適應度D表示，其為

(3)

式中，s為歐幾里得范數。兩個矩陣之間的適應度值與距離之間的關系成正比。對選取的Gi個相鄰的多個參考標簽之間的RSSI值的歐氏距離進行運算，以獲取的適應度值完成集合建立，與Gi相鄰的k個參考標簽的選取根據集合中適應度值大小的對比完成。引入加權因子描述獲得的k個近鄰參考標簽與待測標簽之間的位置關系，是因為兩者之間的距離存在差別，加權公式為

(4)

根據式(4)可知，Dij值的大小受參考標簽和待測定標簽的位置遠近影響，兩種標簽之間位置越近，Dij越小，wi值也隨之增大；反之，Dij越大，對應的加權公式wi值減小。

待提取標簽的坐標根據k個參考標簽的坐標和對應權值獲取，其公式為

(5)

式中，(x,y)為待提取標簽坐標，wi和(xi,yi)分別為鄰居標簽的權值和與其對應的坐標。

1.3.2 改進的對數路徑損耗模型

實際環境中各種因素的影響會對RSSI值與距離造成影響，導致兩者之間函數關系出現非逐一對應現象。因此，采用對數路徑損耗模型，更好地表示RSSI值與距離的關系，其公式為

(6)

式中，d0和d分別表示參考點和傳輸距離，Pt(d)表示RFID信號傳輸距離為d時的功率強度，Xσ表示噪聲，也稱為陰影衰落，n表示路徑損耗因子。根據弗里斯傳輸公式可知：

(7)

式中，RFID信號發射功率、發射RFID信號的天線增益、接收RFID信號的天線增益、光速和RFID信號頻率分別用PT、VT、VR、c和l表示。選取辛克函數表示RFID閱讀器天線方向圖，該選取的依據是雷達原理，表示公式為

(8)

式中，θo表示天線的零功率波束寬度。因此可得：

(9)

式中，dBm表示取分貝，pv表示天線功率。

2 實驗測試與結果分析

選取某電網公司的一處已鋪設完成還沒投入使用的地下電纜線路為研究對象，該線路全長120 m、關健位置30處(包含中間接頭、維修點、轉角、敷設方式改變處和分接箱位置)、設有30個待測電子標簽，讀寫器分別位于線路的20 m、50 m、80 m、110 m處。

為分析本文技術的提取性能，采用待提取點的計算位置和真實位置的均方誤差作為指標進行判斷，公式為

(10)

式中，(x,y)和(x′,y′)分別表示估計位置和真實位置。

本文技術中的Dij數量直接受到k的取值影響，隨機抽取線纜中8個待測標簽，編號為1、3、5、7、9、11、13、15，分析k值對于提取的影響，隨機選取k值分別為1、2、3、4、5時測試提取誤差的結果，如圖3所示。

圖3 不同k值的提取結果

根據圖3可知，k取值為3時，提取的平均誤差最小。因此下述所有試驗中，k取值為3。

地下電纜線路提取時，環境因素與提取的性能存在較大關聯性。為分析環境因素對于提取性能的影響，隨機抽取線纜中8個待測標簽，編號為1、3、5、7、9、11、13、15，選取損耗因子n值分別為1.5、2.5、3.5時，提取誤差變化結果，如圖4所示。

圖4 不同n值的提取結果

根據圖4可知，提取的平均誤差隨著損耗因子取值的增加而變小。但由于路徑損耗因子的差別，參考標簽的能量等級計算存在差別，使提取誤差產生差別。因此，下述所有實驗中，n取值為3.5。

設置θ=0，并且天線主軸與標簽對準，根據式(8)獲取RSSI與d的關系圖，如圖5所示。

圖5 RSSI與d的關系

根據圖5可知，隨著傳輸距離d的增加，RSSI值逐漸降低，說明d對于RSSI存在較大影響，根據RSSI值最佳標準在-40～-60 dBm的范圍，為了保證最好的效果，d應在4～20 m范圍內。

為分析本文技術的性能，采用3種技術分別在搜索范圍內，隨機抽取線纜中8個待測標簽，編號為1、3、5、7、9、11、13、15，測試各點的提取誤差,如表1所示。

表1 3種技術的提取誤差對比結果

根據表1可知，文獻[4]和文獻[5]各自針對隨機選取的8個待測點的平均誤差為0.770和0.774，并且誤差值的波動較大，本文針對隨機選取的8個待測點的平均誤差為0.305，并且誤差值波動較小，說明本文技術的提取性能優于另2種對比技術，并且穩定性較好。

不同待測點數量下3種技術的誤差對比如表2所示。

表2 不同待測點數量下3種技術的誤差對比結果

根據表2可知，隨著待測點數量的增加，本文的誤差值出現平穩的略微增加，但最高誤差值為0.24，說明本文技術的地下電纜線路提取性能優于另2種對比技術。

測試本文技術應用后，電網公司在某年5～9月份日常維護檢修效率的提高程度以及監測覆蓋率，并與應用前進行對比，結果如圖6所示。

(a) 檢修效率

根據圖6可知，應用后檢修效率和檢測覆蓋率均大幅度提升，是由于本文平臺采用唯一的專用電子標簽、配套探測器，可以快速識別線纜，全方位監測線纜情況，精準提取線纜關鍵位置，無須人工現場識別，所以可較大程度提高檢修效率和監測覆蓋率。

3 總結

為實現地下電纜線路關鍵位置的高精度提取，本文研究基于數字化智能終端平臺的地下電纜線路關鍵位置提取技術，經測試本文技術在k取值為3、n取值為3.5、d在4～20 m范圍內時，關鍵位置提取誤差最低，可精準完成地下電纜線路提取關鍵位置提取，具備良好的應用性。