多傳感器數據融合下氣體密度繼電器自動溫控技術研究

中圖分類號：TP212；TQ116 文獻標志碼：A 文章編號：1001-5922（2025）05-0139-04

Abstract：In view ofthefact that the previous automaticcontrolmethodofhigh and low temperature compensation error of gas densityrelayadoptsasinglenoisereduction treatment method，which leads tothepoo efectoferrorcontrol，an automatic control method of high and low temperaturecompensation errorof gas densityrelayunder multi-sensordata fusion wasdesigned.Underthe fusionof multi-sensordata，thecolecteddata wasconverted intodiferentdigital signal states，theextremevaluepointsinthestatewerejudged，thenoisewasreduced，theerorcharacteristicreshold wascalculated，andtheautomaticerorcontrol physicalmodel wasconstructed，realizing theautomaticcontrol of relayhighand lowtemperature compensationeror.Inthe experimental test，therelativeeror wasusedas theevaluation index，comparedwith thepreviouscontrolmethods，theaveragerelativeerorofthedesignedautomaticcontrolmethodundermultisensor data fusionwas smaller，only O.O3，and the error control effectisbetter.

Key words：multi-sensor data fusion；gas density；relay high and low temperature；compensation error；automatic control methods

隨著氣體密度繼電器應用越來越廣泛，使用者對氣體密度繼電器的誤差控制要求也越來越高。為此，引入了多傳感器數據融合，提高自動誤差控制的精度。多傳感器數據融合技術作為近年來十分火熱的一門技術，被廣泛應用于多個領域。文獻[1]基于EMD算法，通過繼電器波形匹配計算誤差度，引入匹配精度誤差系數優化EMD，實現繼電器誤差控制。文獻[2]對變電站中繼電器進行壓力監測，基于理想氣體狀態方程和Beattie-Bridgman方程計算繼電器溫度和壓力關系，對過補償進行預警。在以往研究的基礎上，研究將多傳感器數據融合技術，應用在氣體密度繼電器高低溫補償誤差自動控制方法的設計中。在多傳感器數據融合技術的支持下，構建繼電器高低溫補償誤差模型，以此為基礎實現誤差的自動控制。

1氣體密度繼電器高低溫補償誤差自動控制方法設計

1.1多傳感器數據融合下繼電器高低溫數據預處理

在進行數據采集時，利用多個傳感器將繼電器的溫度變化數據進行采集，并實現將溫度數據從原本的物理數據轉換成數字信號[3-5]。然而，數據在轉換的過程中，由于外界環境的影響，導致生成的數字信號中含有大量的噪聲，影響到后續誤差控制的精度[6-8]。因此，為了提高繼電器高低溫數據的精度，需要對生成的數字信號進行預處理，也就是將數字信號中的噪聲去除。考慮到數字信號處于不同的狀態，在進行降噪處理時，針對不同的數字信號狀態，采用不同的降噪處理方式[9]。其數字信號狀態具體如表1所示。

如表1所示，在上述3種數字信號狀態下，進行去噪處理。首先，當數字信號處于狀態1時，先將同一頻率段中數字信號的極小值點連接成曲線，再將極大值點連接成曲線，保證所有進行極值點測量的數字信號全部位于兩條曲線之間。由此，得到當前狀態下數字信號的降噪處理過程，其具體表示如下[10]：

式中： 為在狀態1下，數字信號進行降噪處理后的結果； t（u） 為數字信號極值點的取值； 為數字信號極大值和極小值兩條曲線的平均值。

通過式（1），完成對狀態1數字信號的降噪處理。在上述基礎上，對狀態2的數字信號進行降噪處理，其具體處理過程如下：

式中： 為數字信號處于狀態2時的降噪處理結果[]； 為在狀態2中，數字信號存在的極值點數量和零點數量之間的差值[2]。

考慮到在狀態3時，數字信號不存在極值點，所以對其計算時，要對數字信號的測量點進行分離。其具體計算過程：

式中： 為當數字信號位于狀態3時，數字信號的降噪處理結果； 為數字信號的分量[13]。

通過上述3個公式，將采集的溫度數據信號進行排序，先將數字信號中含有高頻噪聲去除，再將其中噪聲較少的數字信號進行重構，完成數據信號的降噪處理[14]。將數字信號進行預處理，能夠減少外界干擾因素對最終結果的影響，從而提高誤差控制的準確性。

1.2構建繼電器補償誤差控制模型

完成對數據的預處理后，需要對預處理后的數據進行分析，對繼電器高低溫誤差進行統計，從而提取出數字信號的誤差特征閾值。其具體提取過程：

式中： 為繼電器實際溫度和測量溫度之間的差值[15]； 為受周圍環境溫度影響，利用傳感器對繼電器外部進行測量的溫度； 為在當前狀態下考慮內部電阻和開關元件的熱效應，繼電器的實際溫度； 為對繼電器溫度差值進行特征提取的結果 f1為在上一時刻繼電器的溫度差值；j 為繼電器的某一時刻。

通過上述公式，計算出繼電器溫度特征閾值，以此為基礎，構建繼電器補償誤差控制模型。在構建誤差控制模型時，為了更加直觀地展現提取的誤差特征，提高誤差控制模型的精度[]，其構建的物理模型如圖1所示。

由圖1可知，在構建的誤差控制物理模型中，輸入預處理后的數字信號和誤差特征閾值，將數字信號的特征提取出來，并對數字信號的特征誤差進行多次測量。在測量的過程中，需要控制測量的次數。如果測量次數太少，將會導致特征誤差的數值不夠精確；如果測量次數過多，將會增加測量的時長，影響到最終的測量結果[17]。在圖1中，輸入層中的輸入節點輸入繼電器高低溫誤差特征數據，再由控制層對誤差特征數據進行控制，從而完成最后的輸出，實現誤差控制。其中，輸入層的輸入數值和輸出數值為：

式中： 為數字信號的輸人數值； 為在構建的物理模型中，輸入層與控制層之間的連接權重數值； 為在控制層中進行數據輸入的節點； 為輸出的結果。

輸出層數據轉換過程：

式中： 為輸入數值； 為層級連接權值； l 為節點； 為輸出層對輸入數據進行規格化的權重值； 為最終的輸出結果[18]

通過式（5）式（6），將輸入數據在模型中誤差變化展現出來，將該變化過程作為理論依據，進行誤差控制數學模型的構建。此外，考慮到在物理模型中，溫度誤差的變化會受到模型中各層間連接權重數值的影響。因此，構建誤差控制模型時，需要利用協方差函數減少對最終結果的影響。其誤差控制模型的具體構建過程：

F 為構建的誤差控制模型； 為輸人的數字信號； K，L 分別表示數字信號在當前層中的測量次數[19]。

通過上述公式，實現對最終輸出溫度的誤差控制。

1.3實現繼電器高低溫補償誤差自動控制

在上述設計的基礎上，對繼電器高低溫誤差的特性和影響進行分析，并結合多傳感器數據融合的優勢，確定了補償控制的需求和目標，從而實現繼電器高低溫補償誤差的自動控制。首先，設置繼電器高低溫誤差在構建的誤差控制模型中的傳遞函數。該傳遞函數描述了輸入和輸出之間的關系，以實現誤差的補償控制。其具體表示[20]：

式中： 為設置的傳遞函數； 為在模型中的輸出滯后時長； 為數字信號輸入的多項式； 為輸出的數字信號； 表示常數項； 為數字信號在模型不同位置輸出的數值。

考慮到在不同頻率段中，繼電器高低溫的補償控制效果不同，且進行數據采集時，繼電器高低溫的變化范圍較小。因此，最終的誤差控制結果：

式中： 為誤差控制的結果； 為輸出的最大數字信號數值； 為輸出的最小數值。

在傳遞函數中添加輸出的最大和最小數字信號數值。這些數值定義了繼電器的溫度補償范圍。通過將輸人數字信號應用于傳遞函數，計算輸出的數字信號。根據式（9），將輸出的數字信號限定在最大和最小數值范圍內，得到最終的誤差控制結果，實現誤差的補償控制。

2 實驗測試

2.1 實驗準備

為驗證設計的多傳感器數據融合下氣體密度繼電器高低溫補償誤差自動控制方法在實際應用中的效果，進行了實驗測試。在實驗中，以某繼電器作為實驗對象，采用多個傳感器對繼電器進行高低溫數據采集，采用的傳感器包含多個傳感器類型。其具體的數據采集環境如圖2所示。

由圖2可知，選用了壓力及溫度傳感器對繼電器進行數據采集，結果如圖3所示。

設置對比實驗，其中，設計的多傳感器數據融合下氣體密度繼電器高低溫補償誤差自動控制方法為方法1，文獻1]方法為方法2，文獻2方法為方法3；利用以上方法去噪采集的信號。由于篇幅有限，僅展示溫度傳感器采集數據的降噪結果。其具體結果如圖4所示。

由圖4可知，在利用3種方法對其進行降噪處理后，采集的數據信號都變得更加平滑，噪聲去除較為徹底。其中，利用方法1進行降噪處理后，數據信號變得具有規律性，且并未出現任何數據丟失的情況。用方法2和方法3對信號進行處理后，都出現了不同程度的噪聲殘留，同時，進行降噪處理后的信號都呈現出了一定的數據丟失情況。因此，方法 1 的降噪效果最好。

2.2 實驗結果與討論

為驗證3種方法的誤差控制效果，實驗以相對誤差值作為評價指標，對比3種方法的應用效果。相對誤差值是利用3種方法測量的誤差與實際誤差之間的差值，具體結果如圖5所示。

由圖5可知，在相同的實驗次數中，方法1的相對誤差變化趨向于平緩，方法2和方法3的相對誤差波動都比較大。雖然存在單次實驗中相對誤差低于方法1，但極為不穩定。從整體來看，方法1的相對誤差最小。同時，通過計算可以得出，方法1的相對誤差平均值為0.03，方法2的相對誤差平均值為0.05，方法3的相對誤差平均值為0.08。因此，設計的多傳感器數據融合下氣體密度繼電器高低溫補償誤差自動控制方法相對誤差數值最小，在實際應用中有著較好的控制效果，能夠對繼電器高低溫補償誤差進行自動控制。

3結語

設計的多傳感器數據融合下氣體密度繼電器高低溫補償誤差自動控制方法將獲取的數字信號按照其狀態進行劃分，針對不同的狀態，采取不同的降噪處理方式，能夠有效去除噪聲對數據結果的干擾，提高誤差自動控制方法的控制精度。同時，在應用誤差自動控制模型時，對于模型中層與層之間的傳遞進行計算，加強了對誤差控制的精度。然而，設計的方法還存在一些不足，這是因為在實驗過程中，由于實驗條件有限，在進行傳感器型號選擇時，受到了限制，導致實驗測試結果具有一定的局限性，在之后的研究中，將會測試不同型號的傳感器，增強誤差控制精度的同時，提高方法的適用性。

【參考文獻】

[1]李文華，姜惠，趙正元，等.基于波形匹配端點延拓法優化的經驗模態分解算法在鐵路繼電器參數降噪上的應用[J].電工技術學報，2022，37（10）：2656-2664.

[2]劉杰，毛海波，姜濤，等.SF_6密度繼電器監測GIS氣室壓力的誤差分析[J].浙江電力，2022，41（2）：73-77.

[3]李海俠，丁可.基于多傳感器數據融合的造紙企業水污染范圍監測方法［J].造紙科學與技術，2023，42（1） ：65-69.

[4］王會娟，范春艷.不同帶載方式對交流燈絲轉換繼電器高低溫電氣特性影響的研究［J].鐵道技術監督，2021，49（7） ：29-31.

[5]羅盆琳，方艷紅，王學淵，等.基于多傳感器數據融合的障礙物判定系統[J].制造業自動化，2022，44（11）：114-118.

[6]唐志一，蔡穎，王會.基于自適應加權算法的多傳感器數據融合方法［J].指揮信息系統與技術，2022，13（5） ：66-70.

[7]鄭志建，謝懷民，蔡卓翊，等.基于多傳感器數據融合自動滴灌系統的研究［J].黑龍江工業學院學報（綜合版），2022，22（10）：40-45.

[8］朱菊香，羅丹悅，張趙良，等.基于PSO優化BP神經網絡的多傳感器數據融合[J].中國測試，2022，48（8）：94-100.

[9]張永謀，吳紅剛，張少龍，等.基于多傳感器數據融合分析的路塹滑坡模型試驗研究［J].防災減災工程學報，2022，42（4） ：653-663.

[10]高春艷，張明路，孫凌宇，等.基于多傳感器數據融合的多目標跟蹤算法研究[J].制造業自動化，2022，44（7）：95-97.

[11]劉旭亮，婁革偉，周炎.基于多傳感器數據融合的航天發射車自動轉運對接系統設計[J].智能物聯技術，2022，5（4）：23-29.

[12]彭宅銘，程龍生，姚啟峰.多傳感器數據融合的復雜系統退化模式挖掘[J].振動與沖擊，2022，41（13）：239-245.

[13]孫科，張彥斐，宮金良.基于離散因子的多傳感器數據融合和導航線提取方法［J].華南農業大學學報，2022，43（5） ：92-98.

[14]夏晗鐸，郝如江，程旺.基于多傳感器數據融合的齒輪箱故障診斷方法[J].國防交通工程與技術，2022，20（3） ：26-29.

[15]王凱.PLC技術下的機床電氣控制自動化系統設計[J].粘接，2020，42（6）：121-124.

[16]王璐.融合多傳感器數據的空氣細顆粒物自動監測技術優化[J].粘接，2023，05（10）：189-192.

[17]劉蘭香，楊文英，柴玉陽，等.微小型繼電器的剛柔耦合碰撞動力學建模方法與彈跳行為分析[J].中國電機工程學報，2022，42（2）：808-817.

[18]李飛高，李瑄.具有壓力自動控制功能的SF6氣體密度檢驗裝置[J].制造業自動化，2022，44（1）：170-173.

[19]周恩帆，馬俊，周永杰，等.一種D-S證據理論的多傳感器數據融合算法［J].小型微型計算機系統，2022，43（4） ：795-800

[20]葡萬科，宋華，南新元，等.一種基于最優聚類中心與權重歐式距離的多源異質傳感器數據融合方法［J].傳感技術學報，2022，35（1）：49-56.

（責任編輯：平海）