一种基于物联网的高压电网电晕监测系统

1.本发明涉及电网电晕检测领域，具体涉及到一种基于物联网的高压电网电晕监测系统。


背景技术：

2.随着我国电力事业的迅猛发展，大量的电力工程项目随之启动，高压电网电压等级不断提高，当高压输变电系统的绝缘子性能下降时，随之而来的高压电网电晕放电问题日益突出，因此电晕放电成了电力系统中重要的电能损耗原因之一，长此以往会影响高压输变电系统的安全性。
3.高压输变电线路在进行高压输电时，输电线与塔架连接部位容易发生电离放电，设备表面受损或是附着污秽后容易形成电晕。目前针对输电线路上的电晕放电检测方法主要有：人工巡查检测、脉冲电流检测、红外检测、超声电晕检测等方法。由于电晕放电的目标小，信号弱，而且许多输电线路架设在自然条件比较差的野外，人工巡查检测不但费事费力，而且检测效果也不好；脉冲电流检测不适合超高电压检测，而且脉冲电流检测的仪器体积比较大；红外检测受日光影响大，误差检测率高，且响应速度慢，红外能检测出时，往往线路已经发热，属于后期检测，不能适应现在输变电的要求；超声电晕检测在野外也很难达到理想的效果。
4.由于野外环境复杂，自然界中紫外线又无处不在，各种突发情况都有可能造成紫外探测器所探测的数据异常，高压电网电晕会导致紫外数据异常；紫外探测器探测到的太阳光中紫外数据到了晚上会骤降；异常天气，如闪电，也会造成紫外数据异常等。如果每次因自然天气或者非高压电网电晕数据异常导致的报警，均去排查，无形之中会增加成本，降低高压电网电晕监测系统的效率。


技术实现要素：

5.为了克服上述现有技术中的缺陷，本发明提供了一种基于物联网高压电网电晕监测系统，具有安全方便、简洁直观、智能高效等优点，能够实时有效地监测高压电网电晕数据。
6.技术方案
7.一种基于物联网高压电网电晕监测系统，包括用于监测高压电网中的高压设备的数据采集模块、与所述数据采集模块连接的通信网络模块和通过所述通信网络模块与所述数据采集模块进行数据传输的系统分析模块，所述数据采集模块包括紫外探测器、供电模块、gps定位传感器和外围电路，所述数据采集模块置于所述高压电网中的高压设备附近，检测高压设备的电晕放电情况，所述数据采集模块连接所述通信网络模块，通过所述通信网络模块与所述系统分析模块进行数据传输，检测人员以所述系统分析模块对所述高压电网电晕放电情况进行实时监测。
8.进一步的，所述系统分析模块包括前端软件开发、后端软件开发以及底层算法，所
述后端软件开发包括pi数据库、云端服务器，所述后端软件开发中的所述云端服务器接受所述通信网络模块的紫外数据，并将其存储于所述pi数据库中，存于所述pi数据库中的数据会经过所述底层算法的分析，预判所述高压电网的电晕风险，及时发出告警，并通过所述前端软件开发界面展示出来。
9.进一步的，所述高压电网中容易发生电晕的高压设备包括高压输电线路上的绝缘子、变压器和避雷器中的瓷瓶、隔离开关以及断路器，所述数据采集模块主要布置在所述绝缘子、所述瓷瓶、所述隔离开关、所述断路器附近，所述数据采集模块上均连接有通信网络模块，所述通信网络模块与所述系统分析模块进行组网。
10.进一步的，所述供电模块为所述紫外探测器、所述gps定位传感器、所述外围电路以及所述通信网络模块进行供电，所述供电模块能够支持太阳能和开关电源两种供电方式，监测变电站内的高压设备的仪器选用开关电源供电，监测户外的高压设备的仪器选用太阳能供电。
11.进一步的，所述通信网络模块采用bc26芯片进行通信，其提供丰富的外部接口和网络协议栈，省去外部mcu，降低成本，同时，其支持中国移动onenet云平台、中国电信easyiot、华为oceanconnect物联网云平台，为基于物联网的高压电网电晕监测系统的系统分析平台开发应用提供了极大便利。
12.进一步的，所述紫外探测器采用氧化镓材料。
13.进一步的，所述通信网络模块拥有丰富的外部接口和网络协议栈，所述外部接口包括uart、spi、adc，所述网络协议栈包括udp/tcp/coap、ppp*/ssl*/dtls*ftp*、http*/mqtt*/https*。
14.进一步的，所述前端软件开发包括设计开发界面、人机交互信息传递和前端基本校验；所述后端软件开发包括后端业务逻辑处理、云端服务器、数据存储和算法的调用；所述底层算法包括数据的预处理、模型初始化与训练、模型验证与应用以及算法的封装，所述底层算法首先会对紫外数据进数据的预处理，将紫外样本数据按比例分，样本数据的20％作为测试数据集，样本数据的80％作为训练数据集，并通过时频分布技术将原始的一维紫外探测信号数据转换成二维时频数据，同时包括时域信息和频域信息；其次需要初始化并训练模型，考虑到紫外探测器测试集数据经过数据的预处理为二维时频图像，设计含有三组卷积池化模块的深度卷积神经网络模型进行特征学习以及紫外信号的分类，此模型主要包含一层输入层、三组卷积池化操作、全连接层以及分类输出层，将大量经过数据预处理得到的二维时频紫外数据训练样本输入到待训练的深度卷积神经网络模型，逐步将网络模型参数更新到最优解，最终预判训练样本的发射源，再然后需要验证模型并将其部署到高压电网电晕监测系统当中。
15.进一步的，所述模型验证与应用，在经过训练样本对网络模型进行参数更新后，需要用测试数据集对深度卷积神经网络进行验证，若通过并获取相应地预测标签值，则实现紫外数据预判并分类的目的。
16.有益效果
17.本发明与现有技术相比，具有以下有益效果：
18.通过紫外探测器实时监测高压电网电晕，并通过通信网络模块传输到系统分析模块，并通过深度学习算法智能判别紫外数据异常，实现全天候、远程监控，监测出设备早期
故障和性能的降低。
附图说明
19.图1是本发明一种基于物联网的高压电网电晕监测系统的原理示意图。
20.附图标记
21.高压电网1、数据采集模块2、通信网络模块3、系统分析模块4、绝缘子11、瓷瓶12、隔离开关13、断路器14、紫外探测器21、供电模块22、gps定位传感器23、外围电路24、底层算法41、后端软件开发42、前端软件开发43、pi数据库421、云端服务器422。
具体实施方式
22.为更好地说明阐述本发明内容，下面结合附图和实施实例进行展开说明：由图1所示，本发明公开了一种基于物联网的高压电网电晕监测系统，包括用于监测高压电网1中的高压设备的数据采集模块2、与所述数据采集模块2连接的通信网络模块3和通过所述通信网络模块3与所述数据采集模块2进行数据传输的系统分析模块4，所述数据采集模块2包括紫外探测器21、供电模块22、gps定位传感器23和外围电路24，所述数据采集模块2置于所述高压电网1中的高压设备附近，检测高压设备的电晕放电情况，所述数据采集模块2连接所述通信网络模块3，通过所述通信网络模块3与所述系统分析模块4进行数据传输，检测人员以所述系统分析模块4对所述高压电网1电晕放电情况进行实时监测。
23.进一步的，所述系统分析模块4包括前端软件开发43、后端软件开发42以及底层算法41，所述后端软件开发42包括pi数据库421、云端服务器422，所述后端软件开发42中的所述云端服务器422接受所述通信网络模块3的紫外数据，并将其存储于所述pi数据库421中，存于所述pi数据库421中的数据会经过所述底层算法41的分析，预判所述高压电网1的电晕风险，及时发出告警，并通过所述前端软件开发43界面展示出来。
24.进一步的，所述高压电网1中容易发生电晕的高压设备包括高压输电线路上的绝缘子11、变压器和避雷器中的瓷瓶12、隔离开关13以及断路器14，所述数据采集模块2主要布置在所述绝缘子11、所述瓷瓶12、所述隔离开关13、所述断路器14附近，所述数据采集模块2上均连接有通信网络模块3，所述通信网络模块3与所述系统分析模块4进行组网。
25.进一步的，所述供电模块22为所述紫外探测器21、所述gps定位传感器23、所述外围电路24以及所述通信网络模块3进行供电，所述供电模块22能够支持太阳能和开关电源两种供电方式，监测变电站内的高压设备的仪器选用开关电源供电，监测户外的高压设备的仪器选用太阳能供电。
26.进一步的，所述通信网络模块3采用bc26芯片进行通信，具有支持全球频段、低功耗、灵敏度高等优点，其提供丰富的外部接口和网络协议栈，省去外部mcu，降低成本，同时，其支持中国移动onenet云平台、中国电信easyiot、华为oceanconnect物联网云平台，为基于物联网的高压电网电晕监测系统的系统分析平台开发应用提供了极大便利。
27.进一步的，所述紫外探测器21采用氧化镓材料，氧化镓对应的波长为253nm，是天然的日盲紫外探测材料，不需要任何掺杂工艺，稳定性好，成本低，广泛应用在电力维护、防火减灾、紫外光通信和医疗监测等领域。
28.进一步的，所述通信网络模块3拥有丰富的外部接口和网络协议栈，所述外部接口
包括uart、spi、adc，所述网络协议栈包括udp/tcp/coap、ppp*/ssl*/dtls*ftp*、http*/mqtt*/https*。
29.进一步的，所述前端软件开发43包括设计开发界面、人机交互信息传递和前端基本校验；所述后端软件开发42包括后端业务逻辑处理、云端服务器、数据存储和算法的调用；所述底层算法41包括数据的预处理、模型初始化与训练、模型验证与应用以及算法的封装。
30.进一步的，所述底层算法41首先会对紫外数据进数据的预处理，将紫外样本数据按比例分，样本数据的20％作为测试数据集，样本数据的80％作为训练数据集，并通过时频分布技术将原始的一维紫外探测信号数据转换成二维时频数据，同时包括时域信息和频域信息；其次需要初始化并训练模型，考虑到紫外探测器测试集数据经过数据的预处理为二维时频图像，设计含有三组卷积池化模块的深度卷积神经网络模型进行特征学习以及紫外信号的分类，此模型主要包含一层输入层、三组卷积池化操作、全连接层以及分类输出层，将大量经过数据预处理得到的二维时频紫外数据训练样本输入到待训练的深度卷积神经网络模型，逐步将网络模型参数更新到最优解，最终预判训练样本的发射源，再然后需要验证模型并将其部署到高压电网电晕监测系统当中。
31.进一步的，所述模型验证与应用，在经过训练样本对网络模型进行参数更新后，需要用测试数据集对深度卷积神经网络进行验证，若通过并获取相应地预测标签值，则实现紫外数据预判并分类的目的。
32.进一步的，所述pi数据库421具有采集效率高、读取速度快、存储效率高、占用空间小等优点。
33.具体地，数据采集模块2安装在距离高压设备放电位置的5-8米内，检测户外高压设备的数据采集模块2，采用蓄电池供电、太阳能板给蓄电池充电的方式提供电源，在高压输电时，输电线与杆塔连接处所接的绝缘子11表面有污秽，容易产生电晕，故在输电线与杆塔之间安装有数据采集模块2，分别监测两个绝缘子11，该安装位置作为监测系统的一个传感节点；数据采集模块2中的紫外探测器21以10s/次的速度监测电晕放电的强度，并将数据存储在bc26芯片的flash中，每存储6组数据后，便通过通信网络模块3向系统分析模块4发送紫外数据，底层算法41通过数据的预处理、模型初始化与训练、模型验证与应用以及算法的封装等步骤，对接收到的紫外数据进行分析，智能判断接受的紫外数据的类别，分析预判高压电网电晕的放电情况，并将分析结果存储到pi数据库421，通过后端软件开发42处理业务逻辑，前端软件开发43页面展示结果，预判高压电网电晕风险，及时发出告警，并通过gps定位传感器23准确定位故障点，加快故障处理速度，增加效益，降低损失。
34.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明技术方案进行了详细的说明，本领域的技术人员应当理解，其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行同等替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神与范围。