基于物聯網的電纜接頭智能監測系統研究

李揚 楊正富 張曉劍 李溫靜

摘 要：為了實現對電纜接頭溫度的實時化、精確化監測，應用窄帶物聯網技術，設計一款功能完善、實用性強的電纜接頭溫度監測系統。從供電單元設計、溫度采集節點設計2個方面入手，進行系統硬件設計。從MCU主控程序設計、窄帶物聯網通信設計、物聯網通信協議設計、SSA-BP神經網絡模型設計等入手，完成系統軟件設計，測試了系統性能。結果表明，在窄帶物聯網技術的應用背景下，所設計的電纜接頭溫度監測系統運行正常、可靠、穩定，具有功耗低、測量精確度高特點，完全滿足電纜接頭溫度智能化監測需求。

關鍵詞：窄帶物聯網；物聯通信協議；電纜接頭；溫度監測；神經網絡

中圖分類號：TQ325.3；TP311.5

文獻標志碼：A文章編號：1001-5922（2024）03-0141-04

Research on intelligent monitoring system for cable joints based on the internet of things

LI Yang1，YANG Zhengfu1，ZHANG Xiaojian1，LI Wenjing2

（1.State Grid Xiongan Sgitg Digital Technology Co.，Ltd.，Xiongan New Area 071701，China;

2.State GridInformation & Telecommunication Co.，Ltd.，Beijing 100192，China）

Abstract：In order to achieve real-time and accurate monitoring of cable joint temperature，a cable joint temperature monitoring system with perfect functions and strong practicability is designed by using narrow band Internet of Things technology.Starting from the design of the power supply unit and the temperature acquisition node，the system hardware design was carried out.Starting from MCU control program design，narrowband IoT communication design，IoT communication protocol design，SSA-BP neural network model design，etc.，the system software design was completed and the system performance was tested.The results showed that under the application background of narrowband Internet of Things technology，the designed cable joint temperature monitoring system operated normally，reliably and stably，had the characteristics of low power consumption and high measurement accuracy，fully meeting the requirements of intelligent monitoring of cable joint temperature.

Key words：narrow band internet of things;IoT communication protocol;cable connector;temperature monitoring;neural network

在智能電網的不斷發展下，電力系統設備是否穩定運行，直接影響了電力系統整體運行性能。與架空輸電線路相比，電力電纜具有占地空間小、可靠性高等特點，被廣泛地應用于城市輸配電網中［1］。電纜線路內部含有大量的電纜接頭，電纜接頭因制作工藝不佳、電纜接頭膠粘劑性能低、接觸電阻過大很容易出現高電壓、高電流等問題，這就增加了異常溫升風險，導致電纜線路出現快速老化現象，如果這些故障問題沒有得到及時解決，會引發嚴重的火災事故，所以，加強對電纜接頭溫度的實時化、智能化監測，并及時發現和解決電纜接頭溫度異常問題，才能有效地提高電力系統的運行性能［2］。傳統電纜接頭溫度監測主要采用人工巡檢模式，但是，這種模式的運用，會增加監測工作量，同時，還降低監測結果的準確性［3］。而基于窄帶物聯網的電纜接頭溫度監測系統的設計和應用，可以突破傳統電纜接頭溫度監測方式的局限性，實現對電纜接頭溫度的實時化、高效化、智能化監測［4-6］。

1 系統硬件設計

系統硬件設計示意圖如圖1所示。

從圖1中可以看出，該系統終端硬件主要是由供電單元、溫度采集節點、窄帶物聯網網關節點三個部分組成，現重點介紹供電單元設計、溫度采集節點設計。

1.1 供電單元設計

供電單元的設計和應用，可以為整個終端裝置提供源源不斷的電能，確保電平轉換功能、電源管理功能實現，所選用的供電電源是鋰電池組［7-9］，該電池組型號為ICR18650CL，同時，還選用了穩壓芯片，該芯片型號為MAX77827，并借助電源管理電路，不斷延長鋰電池組使用壽命。

1.2 溫度采集節點設計

1.2.1 主控芯片

主控芯片型號為STM32L431RCT6，該芯片內部主要用到了Cortex-M4內核［10-12］，所支持的低功耗模式相對較多，多達7種，該芯片最低工作電壓、最高工作電壓分別是1.8 V、3.7 V；同時，還要將該芯片運行功耗設置為85 Ua/MHz，并選用功耗極低模式，確保系統功耗降到最低。另外，還要將該芯片的最高主頻統一設置為81 MHz，確保系統表現出功耗低、數據處理能力強等特點。在此基礎上，通過運用溫度傳感器，完成對電纜接頭溫度數據的實時化、精確化讀?。?3］，同時，還要確保串口與窄帶物聯網模塊之間形成良好的通信關系，只有這樣，才能達到監測裝置設計相關標準和要求;

1.2.2 溫度傳感器

系統設計所選用的溫度傳感器是數字傳感器，該傳感器型號為HDC1080，并將該芯片的分辨率統一設置為14位，將溫度最小測量值、最大測量值分別設置為-39、124 ℃；將電纜接頭溫度測量精度最小值、最大值分別設置為-0.2、0.2 ℃。另外，在睡眠模式下，將該溫度傳感器工作電流、平均工作電流分別設置為100 nA、1.4 μA，避免電池供電操作不便問題。

2 系統軟件設計

2.1 終端單片機主控程序設計

終端單片機主控程序作為一種重要的主導模塊，主要用于對監測終端軟件的設計，通過運用監測終端，采集電纜接頭溫度數據，并對異常情況進行檢測，并發出相關報警聲，同時，還能對云平臺所下發的指令進行解析等。

（1）通過運用該系統上電啟動的方式，初始化操作各個模塊［14］。運用窄帶物聯網模塊，科學配置網絡資源，在通信設備鑒權等相關數據之前，做好對相關網絡連接工作有效開展。當初始化操作結束后，分析和判斷是否存在云端控制消息，如果存在，需要對消息類型進行判斷，并對相關命令和數據進行存儲;

（2）利用傳感器可以對電纜接頭溫度信息進行全面化采集，并將這些溫度信息安全、可靠地傳輸到終端單片機中［15］，由終端單片機編碼和存儲這些數據，同時，還要分析和判斷這些數據是否超過所設置好的報警閾值，如果超出，系統會在第一時間內發送數據，并彈出相關報警信息［16］。這些數據通過借助窄帶物聯網模塊，直接傳輸到云平臺，由云平臺對接收到的數據進行處理。另外，監測終端在采集和上傳數據期間，采用定時上電方式，結合電纜接頭溫度監測需求，科學設置數據采集和上傳時間間隔。

2.2 窄帶物聯網通信設計

窄帶物聯網通信模塊在實際設計中，通過將終端數據安全、可靠地傳輸到云平臺中，并對這些控制消息進行接收和處理。通過利用串口，可以將終端終端單片機與窄帶物聯網模塊進行有效連接，并采用發送指令的方式，智能化控制窄帶物聯網模塊［17］，確保主控芯片與窄帶物聯網模塊之間能夠安全化、高效化傳輸。另外，通過將窄帶物聯網模塊與網絡進行有效連接，并利用云平臺，完成對設備的創建，從而獲得設備識別碼。最后，利用通信協議，向云平臺安全、可靠地傳輸封裝打包后的數據。

2.3 物聯網通信協議設計

考慮到資源受限設備的低處理能力和低功耗限制，重新定義CoAP協議的Payload部分數據格式，使其可適配不同類型設備的接入。

CoAP是一個完整的二進制應用層協議，帶有報文頭，負載（Payload）和報文頭之間使用單字節分隔符0xFF隔離。

Payload部分由DevideID、Length、DataNum、DeviceData和Check組成。其中，DeviceID為設備唯一標識，即溫度傳感器設備ID，確保云平臺識別不同的設備接入，DeviceID占用6個字節；Length為DataNum+DeviceData的總長度；DataNum記錄DeviceData數據中共有多少設備；Check采用CRC校驗，占用2個字節。DeviceData報文記錄了設備的具體測量點表的ID、數據類型以及數據值。

2.4 SSA-BP神經網絡模型設計

2.4.1 麻雀搜索算法

麻雀搜索算法（英文簡稱為“SSA”）作為一種新型算法，具有一定的群智能性，在該算法的應用背景下，通過采用迭代尋優的方式，對麻雀種群捕食與反捕食行為進行迭代處理。通過運用麻雀搜索算法，所獲得的優化BP神經網絡實現流程如下：

（1）初始化處理。通過對網絡結構參數進行科學設置，確定出神經網絡層數、神經元個數，同時，還要結合麻雀種群規模，確定出合適的種群進化次數，并歸一化處理所收集好的樣本數據［18］;

（2）計算適應度。通過對麻雀種群個體適應度進行計算，并對最終計算值進行排序，然后，確定出最高適應度和最低適應度;

（3）更新預警者的位置，從而獲得預警的最優位置;

（4）在BP神經網絡的應用背景下，對電纜接頭溫度進行補償處理。

2.4.2 模型訓練

在進行模型訓練期間，要結合所采集好的樣本數據［9-13］，對電纜接頭溫度進行監測和獲取。同時，將電纜接頭溫度值、環境溫度值直接設置為神經網絡的輸入值，將電纜接頭溫度標準值設置為神經網絡輸出值。部分樣本數據如表1所示。

通過運用SSA-BP神經網絡，對溫度數據進行訓練［14-18］，從而完成對單隱層神經網絡模型的構建，然后，將網絡輸入層神經元個數設置為2個，將網絡隱含層神經元個數設置為5個，將網絡輸出層神經元個數設置為1個；同時，將網絡最大訓練次數、學習速率、訓練精度分別設置為500、0.01、0.000 01。另外，還要將麻雀種群規模、迭代進化次數、搜索空間緯度分別設置為20、100、21。當以上參數設置結束后，采用訓練測試的方式［19-20］，對神經網絡進行訓練處理。在傳統BP神經網絡的應用背景下，所獲得的預測誤差表現出的波動，其最大誤差絕對值、誤差絕對值之和分別是0.40、3.18 ℃。在SSA-BP神經網絡的應用背景下，所獲得的預測誤差表現出的波動，其最大誤差絕對值、誤差絕對值之和分別是0.15、2.32 ℃。這表明SSA-BP神經網絡所獲得的預測誤差表現出較低的波動，有效地降低了預測誤差最大值；同時，還能確保絕對值之和降到最低，從而獲得顯著的電纜接頭溫度校正效果，進而保證電纜接頭溫度監測結果的精確性和真實性。

3 系統性能測試

為了更好地考量該系統負載能力，驗證該系統性能穩定性，測試人員在測試系統性能期間，要求600名用戶在線同時登錄和訪問該系統，系統性能測試結果如表2所示。

由表2可以看出，當同時登錄系統的員工用戶達到600位時，系統仍然可以正常、穩定地運行，這表明該系統具有較高的負載能力，完全可以應對海量用戶登錄和操作系統需求。

4 結語

（1）通過選用低功耗的監測終端器件，完成對節能電源管理電路的科學化設計，同時，通過對低功耗工作模式進行設置，可以確保終端功耗降到最低，使得電池供電時間得以有效延長，確保監測終端供電的穩定性、便捷性和高效性;

（2）通過運用SSA-BP神經網絡模型，可以對電纜接頭溫度測量數據進行校正，確保電纜接頭溫度測量結果的精確性和真實性得以大幅度提高，同時，還能真實、有效地反映出電纜接頭的實際溫度變化狀態;

（3）在窄帶物聯網的應用背景下，通過運用該系統，可以對電纜接頭監測數據進行遠程化、無線化傳輸，有效地避免了傳統傳輸方式存在功耗高、通信效率低等問題。

【參考文獻】

［1］ 袁林峰，徐勇明，史建勛.基于GIS與物聯網集成的地下電纜井在線監測系統［J］.農村電氣化，2021（2）：49-52.

［2］ 張鵬程.基于熒光測溫技術的開關柜溫度監測預警系統［J］.今日制造與升級，2021（3）：26-27.

［3］ 秦煥鑫，譚國競，王永清，等.10 kV環網柜電纜接頭溫度在線監測方案設計［J］.電子設計工程，2020，28（6）：165-169.

［4］ 秦煥鑫，譚國競，王永清，等.10 kV環網柜電纜接頭溫度在線監測方案設計［J］.電子設計工程，2020，28（5）：165-169.

［5］ 靳松.10 kV環網柜電纜接頭電流與溫度檢測技術研究［J］.建筑工程技術與設計，2020（27）：2568-2572.

［6］ 劉云龍，周大明，周勇，等.基于物聯網的110 kV電纜管井智能監測系統建設與應用［J］.四川電力技術，2020，43（6）：75-80.

［7］ 張明達，母國輝.基于物聯網的電力線接頭溫度遠程監測裝置［J］.中國高新區，2018（12）：134-135.

［8］ 邵葉晨，胡翔，郭強，等.基于物聯網技術的中置柜溫度監測系統的研究［J］.山東工業技術，2016（23）：124-124.

［9］ 唐國鋒，曹麗娟.電纜接頭溫度遠程在線監測系統設計［J］.工業儀表與自動化裝置，2018（2）：100-104.

［10］ 龐丹，王朝斌，王曉巖，等.內置SAW傳感器的高壓電纜接頭溫度在線監測［J］.壓電與聲光，2021，43（4）：505-510.

［11］ 劉泊辰，張衛東，高盛，等.一種XLPE電纜接頭溫度監測及防火預警系統的設計［J］.電子元器件與信息技術，2019，3（8）：8-10.

［12］ 古亮，趙阿琴.基于ZigBee的電纜接頭溫度在線監測系統設計［J］.傳感器與微系統，2019，38（6）：115-117.

［13］ 許誠，江翰鋒，郭春，等.電纜中間接頭溫度在線監測裝置研制［J］.電子制作，2020（21）：96-97.

［14］ 張沖標，曲凱，葛琪，等.基于溫度梯度法電纜接頭溫升在線監測裝置的設計［J］.現代科學儀器，2017（4）：71-75.

［15］ 余濤.電纜接頭溫度在線監測系統［J］.農村電氣化，2017（3）：34-35.

［16］ 李夢，符兆倫.環網柜電纜接頭溫度遠程在線監測系統設計［J］.科學技術創新，2021（6）：54-55.

［17］ 馬啟元.我國既有建筑玻璃幕墻結構粘接可靠性分析［J］.粘接，2016，37（3）：61-65.

［18］ 唐百曉.聚丙烯纖維混凝土纖維增強作用機理研究 ［J］.粘接，2023，50（2）： 78-82

［19］ 馬慶玉，張漢青，陳平，等.環網柜電纜接頭溫度在線監測方案設計［J］.國網技術學院學報，2016，19（4）：25-27.

［20］ 白莉媛，錢進，張翼飛，等.基于AT89C51單片機的電纜接頭溫度監測系統［J］.計算機與數字工程，2007，35（8）：134-136.

收稿日期：2023-10-16；修回日期：2024-01-09

作者簡介：李 揚（1991-），男，碩士，工程師，主要從事綜合能源服務、智能電網研究；E-mail：hzy10192023@126.com。

基金項目：國網信息通信產業集團有限公司科技項目（項目編號：546836210001）。

引文格式：李 揚，楊正富，張曉劍，等.基于物聯網的電纜接頭智能監測系統研究［J］.粘接，2024，51（3）：141-144.