席 伟， 陈广锋， 管观洋

(东华大学 机械工程学院， 上海 201620)

随着经济的不断发展，各行各业的用电量迅速增加。众多的高层建筑和大型厂房车间，往往需要负荷成百上千安培的强大电流。母线在大电流输送时具有很大的优越性，应用也越来越广。但连接环节的材料、安装、接触面积压力或老化等原因，往往会引起母线槽连接处的接触电阻增大，导致接头的温升增加。温升一旦超过了国家标准规定的允许值，将引发供电系统的重大事故[1]。为此，设计一套母线接头温度实时在线监测系统，对母线接头高温进行预警，可有效预防重大事故发生。

吴晓文等[2]提出了一种基于光纤光栅测温技术的气体绝缘开关(GIS)母线温度在线监测方法，采用工控机实现波长自动采集、波长温度转换、数据存储以及故障预警；孙国霞等[3]建立了气体绝缘母线三维涡流场分析模型，可计算母线各部分原件的功率损耗，并将其作为热载荷输入流场以及温度场有限元分析模型，可计算出母线温度场分布；费万民等[4]设计了高耐压多输出高频开关电源，利用光纤信息传输技术进行高压环境下母线温度的测量。然而，这几种方式均未实现用温度传感器直接采集数据，导致采集误差较大，也没有避开布线难的问题。ZigBee无线技术是一种短距离、架构简单、低功率损耗的无线通信技术，该技术节点设备能耗特别低，自组网无需人工干预，成本低廉，设备复杂度低且网络容量大[5-6]，可以很好地应用在高层建筑或者大型厂房母线接头的温度监测方面。本文设计了基于ZigBee无线技术和以太网通信的母线接头温度在线监测系统，该系统通过温度传感器可有效监测母线接头N、 A、 B、 C相温度，并实时反馈给用户，监测效率高，结构简单，易于推广。

1 基于ZigBee协议的温度监测系统设计

1.1 系统的总体结构设计

母线接头温度监测系统总体结构如图1所示。本系统采用星型拓扑结构，基本结构由上位机、路由器、中继器和节点组成。在一个工厂内一般会有多条母线，图中仅列举4条母线，每条母线上少则几十个，多则上百个接头。每个母线接头为1个节点，节点通过4个温度传感器获取母线接头处的温度。

同时，每条母线均有1个中继器，中继器的作用是收集该母线上所有节点传递上来的温度数据，通过以太网将数据传送给上位机软件。上位机软件通过对数据的处理分析，将温度数据显示在PC界面上。

图1 母线接头温度监测系统总体结构图Fig.1 Structure diagram of busbar joint temperature monitoring system

1.2 系统的硬件设计

系统的基本硬件组成如图2所示。1个节点包含1个ZigBee模块(终端设备)、温度采集模块和电源，其中每个温度采集模块有4个温度传感器，分别采集N、 A、 B、 C相的温度。中继器包含1个ZigBee模块(协调器)、Wifi模块和电源[7]。协调器负责管理该母线上的所有终端设备。节点将获取到的温度数据采用ZigBee无线技术汇总到中继器，中继器中的Wifi模块通过RS-485接口收集温度数据，并通过路由器发送给上位机软件。上位机解析路由器传送回的数据，将所有母线各个接头的温度实时显示在界面上。在整个检测网络系统中，节点主要功能是采集温度数据，将数据发送到中继器。中继器充当网关的功能，负责汇总节点数据，并通过路由器发送给上位机。各个终端设备之间不能相互通信，只能和管理它的协调器进行通信。

图2 系统的基本硬件组成Fig.2 Basic hardware components of the system

1.3 ZigBee网络的组成

ZigBee网络依据IEEE 802.15.4标准，定义了两种类型的物理设备，即全功能设备(FFD)和简化功能设备(RFD)。FFD拥有足够的存储空间来存放路由信息，处理控制能力较强，可作为协调器或设备使用，并可与任何设备进行通信。RFD内存小、功耗低，在网络中作为源节点，只发送与接收信号，并不能起到转发器或路由器的作用。RFD不能作为协调器，只能和全功能设备通信，消耗资源和存储极少[8]。本系统中，一根母线上所有的节点构成一个ZigBee网络，而在一个网络中只需要一个协调器收集节点数据，其他节点设备既可以是RFD，也可以是FFD。RFD的价格要比FFD便宜得多，其占用系统资源极少[9]。考虑以上因素，本系统所有的终端设备均采用RFD，而协调器采用FFD设备。

星型拓扑网络是由1个ZigBee协调器和1个或多个终端节点构成，系统网络拓扑结构如图3所示。ZigBee协调器位于网络的中心位置，负责建立和维护整个网络。终端节点分布在ZigBee协调器的覆盖范围内，直接与ZigBee协调器进行通信。本系统中的各个终端节点不能通信，只能和网络中心的协调器进行数据交换，因此本系统可选择简单易行的星型网络结构。将终端设备Panid、Current channel、Profile ID的参数修改成与协调器一致，终端设备与协调器即可通信。

图3 系统网络拓扑结构Fig.3 Topology of the system

2 系统软件设计

2.1 软件的总体设计

上位机作为服务器，可通过路由器向各个客户端(中继器)发送相应的指令，每一个中继器也会将收集到的节点数据反馈给上位机。指令的发送和返回采用Modbus协议，数据帧格式如表1所示。

表1 Modbus数据帧格式

启动上位机软件后，软件向中继器循环发送采集温度的指令，指令发送数据帧格式如表1所示。随后中继器将这些指令发送给网络中的节点，同时将节点采集的温度数据返回给上位机，返回数据帧格式如表1所示。上位机通过数据分析处理，在软件界面上对应母线的接头处显示温度数据。

本系统的上位机软件采用C#语言编写。为了防止非专业人员误操作，系统软件设置了2种登录模式，系统软件功能模块如图4所示，分别是管理员模式和普通用户模式。管理员模式是专业人员的登录模式，其具有全部的权限，可以对软件的所有功能进行操作，包括通信设置、温度显示、报警信息、编辑母线/节点和历史数据查询功能。用户模式仅仅对普通用户开放了通信设置、温度显示和报警信息查询等功能。

图4 系统软件功能模块图Fig.4 Functional block diagram of the system software

在通信设置界面，上位机循环向在线客户端(中继器)发送指令，并显示返回的指令，返回的数据转换成温度显示在界面上。如果有母线接头的温度超过了设定的报警温度，温度显示界面会弹出报警提示框，并将警报信息显示在报警页面上。当母线或者母线接头信息发生变化时，可以在软件的编辑母线/节点界面对母线和接头信息进行及时更新。在历史数据查询界面可以根据母线类别、检测时间、报警温度等单个条件或者组合条件查询温度数据。

由于一条母线上有数百甚至上千个接头，为了便于用户快速地找到温度报警的接头，在上位机界面上绘制了母线的大致形状，并标出了节点位置，母线形状如图5所示。图5中的实线代表母线，母线上带数字的圆代表接头，接头的温度会实时显示在上面。当某一处接头温度超过警报温度时，用户可以根据界面上母线接头的位置，很快定位到现场，快速排查故障，有效避免安全事故的发生。

图5 母线形状Fig.5 Busbar shape

2.2 发送指令和接收数据

上位机向中继器发送指令和获取节点返回数据的流程如图6所示。系统软件通过以太网向中继器发送指令，中继器的Wifi模块通过RS-485接口将上位机指令传给ZigBee协调器。ZigBee协调器将这些指令采用ZigBee无线网络技术分别发送给它所管理的ZigBee终端设备。节点中的温度采集模块实时采集温度，并通过RS-485接口将数据传给终端设备。终端设备获取到从机号匹配成功的指令后对该指令进行CRC校验，校验成功后将温度数据返回给协调器，协调器进而传送给上位机。经上位机CRC校验成功后，温度数据显示在界面上，并保存到数据库。

图6 上位机发送指令和接收数据流程Fig.6 Process of PC sending commands and receiving data

2.3 软件滤波算法设计

在硬件系统中，传感器采集到的温度信号很可能受到系统噪声、随机干扰或者周期性干扰等多种因素的影响，收集到的数据有可能偏离正常值，其稳定度和精度无法保证，因此必须对采集的温度数据进行滤波处理。相对于硬件滤波，软件滤波具有无须增加硬件设备，可靠性高、稳定性好、成本低等优点，而且可以根据不同的信号，采用不同的滤波算法或参数，具有灵活、方便、功能强的特点。考虑到软件滤波的优势，本系统对采集到的温度数据采用软件滤波的方式进行滤波处理。

Kalman滤波算法是一种线性无偏最小方差估计算法，能够考虑信号与观测值的基本统计特性[10]。即使并不知道模型的确切性质，Kalman滤波算法也可以估计信号的过去、当前和将来的状态，得到最优并且最有用的结果。本系统采用基于Kalman滤波的软件滤波算法对采集到的温度数据进行平滑滤波[11]处理。

根据Kalman滤波算法，温度信号域内的状态方程[12]为

X(k)=AX(k-1)+BU(k)+W(k)

(1)

式中：X(k)为k时刻的系统状态；U(k)为k时刻的状态控制量；A和B为系统参数矩阵；W(k)为过程噪声。

根据Kalman滤波算法，温度信号域内的测量方程[12]为

Z(k)=HX(k)+V(k)

(2)

式中：Z(k)为k时刻的温度测量值；H为测量系统参数矩阵；V(k)为测量的噪声[13]。

Kalman滤波的算法流程如图7所示。X(k/k-1)为状态一步预测，X(k/k-1)为上一状态最优的结果，P(k/k-1)为一步预测均方误差；测量更新方程中，Kg(k)为滤波增益，P(k/k)为估计均方误差，X(k/k)为状态估计，Z(k)为观测值，Q为系统噪声驱动。当温度为缓慢变化的信号，且相邻采样时刻间隔非常短时，可假定相邻时刻的温度值相等，故取A为1，H为1。本文测温系统为开环，故控制量U(k)为0，经过计算得出系统噪声的方差值Q为0.1，观测噪声的方差R为0.75。X(0)为温度传感器第一次采集到的温度值。

以扬中市某母线生产厂家为试验依托，在Windows操作系统下的.NET平台进行软硬件现场试验测试。对母线接头每隔1 s采集1次温度数据，采集1 000组数据作为1个样本，即采样时间(s)对应采样点数。由于ZigBee模块有一定的丢包率，为了模拟丢包率引起的某段时间的数据丢失，在测试数据上随机剔除了其中30 s数据，并将这段时间的温度值全部赋0，存于原时间序列中[14]。不同采样点的母线接头温度如图8(a)所示。

给定初始估计值、观测值和各自的方差，应用Kalman滤波方法对时间序列进行迭代，得到的温度数据结果如图8(b)所示。从图8(b)可以看出，Kalman滤波方法不仅可以精确地从噪声中提取出真实的温度值，平滑不良检测数据，还可以预测出缺失的观测值，并还原出最真实最精确的观测值，消除偶然因素和随机噪声，由此证明了此方法理论的正确可行性。

图7 Kalman滤波算法流程Fig.7 Kalman filtering algorithm flow

(a) 未添加Kalman滤波

(b) 添加Kalman滤波

3 温度预测算法设计

实现对母线接头的温度实时监测虽然能达到较好的监控效果，但是等到测出温度后再发出报警，很容易造成母线接头过热，对母线和接头均造成损坏。为弥补此项不足，对母线接头的温度预测十分重要。

本文将经过Kalman滤波算法处理后的温度数据放入预测程序通道，采用最小二乘直线趋势外推法进行接头的温度预测[15]。该方法是根据最小平方法原理，配合长期趋势直线，进而利用趋势直线方程来外推预测未来趋势的变化。预测程序从数据库中选取当前时刻前60 s的温度数据作为预测样本，获得的温度数据相关指标如表2所示，温度预测程序测试结果如图10所示。Kalman算法滤波后的温度数据同时会进入预警处理程序通道，通过判断温度数据的变化，用点亮报警灯和操作界面接头按钮颜色变化的形式进行报警。温度报警与处理方式如表3所示。

表2 预测算法检验温度数据

图10 温度预测程序测试结果Fig.10 Test results of temperature prediction program

由表2可知，温度最大绝对误差、最大相对误差、平均绝对误差和平均相对误差分别为0.87 ℃、 4.33%、 0.38 ℃和1.09%，数值均较小，在可接受范围内，预测效果较为理想。由图10可知，母线接头的温度曲线有下降趋势，这是由于母线通电一段时间后整体趋于稳定，且环境温度下降所导致，符合技术指标要求。

表3 温度报警与处理方式

4 结 语

本文设计的母线接头温度在线监测系统可实时监测母线在使用过程中接头处温度的变化，对温度的数值和曲线变化趋势均予以较为准确的显示，并提供报警功能。采用ZigBee模块作为节点进行温度数据的无线传输，运用以太网通信的方式将数据传送到上位机，较好地解决了有线网络存在的布线、维护和扩展性等众多问题。提出了基于Kalman滤波算法的软件滤波算法，对温度数据进行平滑滤波，消除现场的噪声或者随机干扰的影响。采用最小二乘直线趋势外推法对接头温度进行提前预测，对可能出现的超限温度进行报警。应用结果表明，该温度在线监测系统可以很好地完成母线接头温度数据的采集、传输、处理和储存任务，具有较高的应用价值。