水利泵站計算機自動化及遠程監控系統的應用

孫大東,吳 西

(大連財經學院,遼寧 大連 116000)

0 引言

水利行業具有十分悠久的歷史,人類文明的發展史就是水資源的使用和同水災抗爭不斷進行的過程[1]。隨著科技的發展,人們生活水平不斷提高,但也帶來了水資源污染、洪澇災害和環境污染等問題。泵站設施對農業排水和城市排水等起到了非常關鍵的作用,傳統的泵站管理方式已經不能滿足現代化農業和城市用水管理的需求,故充分發揮水利泵站的利用效益、對水利泵站進行數字化信息管理已成為水利行業發展的當務之急。

計算機自動化技術是涉及了嵌入式技術、計算機技術等的綜合性技術,通過對監測設備、電機裝置等設備進行優化組合和設計,實現對采集數據進行自動化管理[2]。將計算機自動化技術應用于水利泵站的管理,可以提高泵站的管理效率、減少事故發生率和提高經濟效益。但是,我國某些泵站自動化改造時間較早,并未聯網,無法對泵站進行信息共享和集中管理;同時,由于行業標準不統一、數據信息不互通等原因,泵站的自動化監控仍然無法實現。

遠程監控技術是利用無線通信技術、通過遠程自動控制設備進行遠程控制的一種技術。將自動化技術和遠程監控技術應用于水利泵站的管理,可以將分布在各處的泵站信息通過無線網傳遞至管理者進行集中管理,從而對各泵站實現遠程的監控和自動化控制,不僅可以進行泵站的無人管理,降低成本,還可以進一步提高管理效率。為此,本文對水利泵站的計算機自動化和遠程監控系統的應用進行研究。

1 硬件設計

1.1 總體設計

水利泵站遠程自動化監控系統的主要組成包括控制中心、遠程管理模塊、網絡傳輸系統、模擬量采集模塊、繼電器控制模塊和數據庫,如圖1所示。

圖1 水利泵站自動化和遠程監控系統結構簡圖Fig.1 The structure diagram of hydraulic pump station automation and remote monitoring system

1.2 控制中心

控制中心主要用于采集和預處理作業過程的數據,是整個水利泵站遠程監控系統的核心控制部分。當泵站的遠程管理模塊因故不能運行時,控制中心仍可獨立運行不受影響[3-4]。其主要組成包括PLC及微處理機。

PLC控制器用于對泵站內部的所有工藝設備進行控制,包括開關量的采集和邏輯控制、模擬量的采集以及其他功能的控制,同時實現各模塊之間的總線通訊。系統的功能設計如圖2所示。

圖2 水利泵站自動化和遠程監控系統的功能設計Fig.2 The function design of hydraulic pump station automation and remote monitoring system

系統采用西門子S7-300系列的PLC控制器,具有運行速度快、運行成本較低、可模塊化控制和物理空間占用小的優點。

控制中心還配置微處理機作為系統PLC控制的基礎,用于對獲得的數據進行綜合處理。

1.3 遠程管理模塊

遠程管理模塊主要用于遠程監控,包括服務器、顯示器和通訊線?？刂浦行耐ㄟ^通信模塊將所有數據傳輸至遠程管理模塊,管理人員利用顯示器對泵站相關設備進行監視或者遠程控制。

1.4 網絡傳輸系統

網絡傳輸系統主要用于監控數據傳輸,采用RS485總線作為傳輸標準總線,主要包括3級網絡,分別是泵站級網絡、中間級網絡和中心控制級網絡。

泵站級網絡主要用于對泵站數據的采集,并連接E1網絡,包括基站MODEM、路由器及交換機。其中,交換機由接頭與基站MODEM的以太網連接,之后連接至無線網。

中間級網絡用于連接E1網絡和控制中心的局域網,從而實現數據的高速傳輸[5],由基帶MODEM及路由器組成。

中心控制級網絡即是局域網,用于控制中心、網通中心等內部區域的光纖線路連接,可同時傳輸多路數據,主要由光纖MODEM、交換機和光纖線纜組成。數據同時傳輸至數據庫進行保存,便于以后隨時查詢。

1.5 模擬量采集模塊

模擬量采集模塊主要用于對水利泵站的數據采集,其主要組成為傳感器。根據設計需求,一般進行泵機的溫度、蓄水池水位和泵轉速進行監測。其中,溫度測量采用PT100熱電阻傳感器。由于一般傳感器工作電壓為24V,而PT100傳感器外圍電路工作電壓為15V,單片機所需電壓為3.3V,還需要對其電路進行設計,如圖3所示。

圖3 PT100熱電阻傳感器的電源電路圖Fig.3 The power supply circuit diagram of PT100 thermal resistance sensor

蓄水池水位采用投入式液位計進行測量,泵轉速采用HK霍爾元件轉速傳感器進行測量。當模擬量采集模塊完成數據的采集后,通過I/O輸入點與PLC控制器連接,完成數據信息的采集,并控制水泵的啟停。

1.6 數據庫

數據庫主要存儲泵站運行過程中的數據,由于數據較多,還需要對其進行有效的管理,以便及時、準確地獲取有效信息。數據庫的數據類別和關系相關屬性如圖4所示。為保證數據的安全,對于局域網內部客戶,可實時訪問;對于Web訪問客戶,則設置防火墻以及密碼識別等方式進行訪問。

圖4 數據庫的數據類別和關系相關屬性圖Fig.4 The graph of data categories and relationship properties of the database

2 水利泵站作業狀態預測

狀態檢修是水利泵站進行自動化作業過程中的一個重要組成部分。通過對水利泵站作業過程中的監測數據進行管理、分析和評估,可以預測水利泵站特定設備的維護時間和規模,從而有效地縮短維修時間,優化維修。人工神經網絡具有較強的自適應學習能力,即通過學習自制演化出運算響應環境[6]。因此,筆者借助人工神經網絡模型,對水利泵站作業狀態進行預測。

2.1 人工神經網絡模型

神經網絡模型中較為常用的為前向神經網絡模型[7],可以看作是輸入到輸出的非線性映射的計算,如圖5所示。

圖5 人工神經網絡模型結構簡圖Fig.5 The schematic diagram of artificial neural network model structure

在系統中,假設時刻m+1的響應值為xm+1,且有以下關系,即

xm+1=T(m+1,am+1,bm+1,cm+1)

其中,am+1、bm+1、cm+1分別為m+1時刻與響應值有關的變量參數;T為閉區間[0,1]。

根據嵌入定理[7],響應值也可以通過下式得到,即

xm+1=f(xm,xm-1,...,xm-n+1)

其中,n為嵌入維數。

其中,f*為映射f的近似。

預測響應值的誤差Δ為

通過該方法可以預測系統的未來響應值。

2.2 人工神經網絡算法分析

對于水利泵站特定設備維護時間和規模的預測,可以采用神經網絡中的共軛梯度算法,該計算法是在BP算法的基礎上改進得到的。相較于BP算法,共軛梯度算法的可靠性和有效性更高,且具有收斂速度快、精度高的優點。在神經網絡中,共軛梯度算法的目的是使誤差函數E(W)最小,其求解過程如下:

1)定義隱含層到輸出層單元的連接權為Wjk,定義k=1,并初始化連接權Wj。

2)計算神經網絡的負梯度,令

pj=η=-E(Wj)

其中,E(Wj)為神經網絡權重矢量W的誤差函數。

3)計算神經網絡的單步步長βk,即

其中,E*(Wl)為權重矢量W的誤差函數進行的二階求導。

4)根據步長調整權重函數W的值,即

Wl+1=Wl+αlplrl=-E*(Wl+1)

5)若l可整除樣本數N時,則

pl+1=rl+1

否則,調整搜索方向,計算方法為

若在新的梯度方向有|rl|大于權值矢量的預測誤差,l的值加1繼續進行計算,否則計算停止,最終的Wl+1即為求得的權矢量值。

3 試驗結果

為驗證該水利泵站自動化監控系統的性能,需要對其進行相關試驗。首先,對系統進行調試試驗,確定系統是否可以正常作業;然后,利用系統對水利泵站進行預測試驗。

3.1 調試試驗

系統共有4個模塊,分別是遠程管理模塊、網絡傳輸系統、模擬量采集模塊及繼電器控制模塊,對這幾個模塊獨立進行調試。每個模塊均能正常作業后,再進行整體的調試。

1)遠程管理模塊在進行調試時,將相關線路和服務器連接,打開顯示器,可以正常顯示系統設置的參數名稱,則說明該模塊可以正常工作。

2)網絡傳輸系統進行測試時,將各端口連接,并進行必要的參數配置;其后,通過另一臺PC機通過傳輸系統向數傳終端發送指令;各終端接收指令后通過串口轉發給微處理機,若微處理機接收到的數據與發送數據一樣,則該系統可正常使用。

3)模擬量采集模塊進行調試時,將各傳感器連接到該模塊的端口,其后將RS485總線端口接入微處理機,逐條調試底層的通訊協議,且所有指令均可正確返回,則該模塊可正常工作。

4)繼電器控制模塊測試時,連接RS485總線與微處理機,通過發送指令控制繼電器的開閉,若動作與指令相符則該模塊可正常工作。

所有模塊調試完成后,登錄到指定網址,通過顯示器查看各水利泵站的工作狀態。

3.2 水利泵站狀態預測試驗

根據系統的狀態評估技術可知,反映水利泵站狀態的參數主要包括出口壓力、振動幅值、冷油器出口油溫和潤滑油壓。對以上特征的額定值、當前值進行測量,再采用人工神經網絡算法基于當前參數對水利泵站的20步狀態進行預測,最終的結果如表1所示。

表1 水利泵站狀態預測試驗結果

由表1可知:水利泵站參數的預測值和實測值的誤差均在0.1%以內,數值較小,可將該算法用于水利泵站狀態的預測。

4 結論

1)為了充分發揮水利泵站的利用效益,對水利泵站進行數字化信息管理,并對水利泵站的計算機自動化和遠程監控系統進行了應用研究。系統的主要組成包括控制中心、遠程管理模塊、網絡傳輸系統、模擬量采集模塊、繼電器控制模塊和數據庫。

2)為了充分利用水利泵站的自動化和遠程監控系統,縮短維修時間,借助人工神經網絡模型對作業過程中的監測數據進行管理、分析和評估,預測水利泵站的作業狀態。

3)為了驗證該水利泵站自動化監控系統的性能,對其進行調試和作業狀態預測試驗,結果表明:該系統可以正常運行,且可準確預測水利泵站的運行狀態。