CN111601270A - 一种无线传感器网络拓扑结构的物联网电力监测系统及方法 - Google Patents

Abstract

本发明公开一种无线传感器网络拓扑结构的物联网电力监测系统及方法，涉及电力监测技术领域。本发明构建出包括信息感知层、物联网网络层、监测层和数据应用层的物联网数据架构，并且构建出无线传感器网络拓扑结构，实现多种传感器感知数据的融合，便于对数据进行集中处理；监测人员可以不必在现场，利用常规的监测设备进行检测，能够实现底层感知数据的远程、在线、实时监测，提高了监测能力。本发明采用行波定位方法，实现对监测故障节点的定位，能够获取具体位置的监测，同时也实现了故障诊断，实现数据采集、位置定位、故障诊断、物联网架构的系统体系，实现了多种故障节点的远程、在线、实时监控。

Description

一种无线传感器网络拓扑结构的物联网电力监测系统及方法

技术领域

本发明涉及电力监测技术领域，且更具体地涉及一种无线传感器网络拓扑结构的物联网电力监测系统及方法。

背景技术

随着电网技术和应用的发展加快，电网信息系统的规模和用户量与日俱增，电网结构也越来越复杂，这对电网的故障诊断提出了更高的要求，在电力应用中，电网结构及其运行状态错综复杂，电网拓扑结构也扑朔迷离，使得用户面对电网故障大数据时，难以捕捉隐含在电网数据中不计其数的不确定性因素，从而不有利监控电网的健康、良性发展。众所周知，在大规模的电网系统应用中，故障现象是非常普遍的，也是难以避免的，因此，故障检测和诊断水平直接影响电网的健康、良性运行，其关系到用户的切身利益，如何有效提升电网信息故障检测技术是目前亟待解决的技术问题。目前，常用的故障检测和诊断方法仅仅是对电网信息中的单个组件(比如励磁系统及其调节器、原动机及其调节器、同步发送机以及电力负荷)进行检测，检测技术也仅仅局限于初级层次，检测数据仅仅反映出单个部件的故障特征，无法从全局衡量，故障检测和诊断结果过于片面，难以提高故障诊断的可靠性，这就降低了对电网信息把控的能力。

随着电力技术的飞速发展，无线传感器网络(Wireless Sensor Network，WSN，下文称WSN)逐步进入了人们的实现，该网络是由大量的传感器节点以自组织方式组成的一个监控系统，如何应用该网络实现电力监测系统的监测是目前急需解决的技术问题。

发明内容

针对现有技术的不足，本发明公开了一种无线传感器网络拓扑结构的物联网电力监测系统及方法，该方法充分利用构建的无线传感器网络拓扑结构，实现多数据传感器融合，并构建出物联网的架构体系，实现数据的远程在线监控，本发明还融了行波定位方法，能够实现故障节点的定位。

本发明采用以下技术方案：

一种无线传感器网络拓扑结构的物联网电力监测系统，其中所述系统包括：

信息感知层，其内设置有无线传感器网络，所述无线传感器网络通过无线通信的形式将数以万计的传感器节点以自由式进行组织与结合进而形成网络形式，在架构上，所述无线传感器网络至少包括物理层、数据链路、网络层、传输层和应用层；其中所述物理层至少包括无线电、红外线和光波；所述数据链路层至少包括拓扑结构生成模块、拓扑管理模块和网络管理模块；所述网络层至少包括路由器、网络传输接口和收发器模块；所述传输层至少包括传输控制模块、传输网络单元和传输能量管理模块；所述应用层至少包括数据定位模块、数据时间同步模块和应用管理模块；所述无线传感器网络内错综布置有传感器，通过所述传感器感知各个电力设备的工作状态，并传递感知到的电网设备数据信息；其中所述传感器至少包括光电传感器、红外传感器、速度传感器、加速传感器、GIS传感器、振动传感器、纹波传感器、温湿度传感器、角度传感器、磁场传感器、转速传感器、RFID标签、GPS设备、射线辐射传感器、热敏传感器、能耗传感器或M2M终端；

物联网网络层，其内设置有有线通信模块或无线通信模块，用于接收并传递所述信息感知层感知的电力设备数据信息；其中所述有线通信模块至少包括RS485通信模块或RS232通信模块，所述无线通信模块至少包括TCP/IP网络系统、ZigBee无线网络、GPRS通信模块或CDMA无线通信、3G网络通信、4G网络通信、WLAN通信、LTE通信、云端服务器或蓝牙通信模块；其中所述云端服务器至少包括分布式存储模块、数据传输接口、CPU、内存、磁盘、带宽和云网络接口，所述云端服务器通过将规模级的底层服务器通过集约化、虚拟化构建起云端资源池，然后从资源池中调配计算资源组建而成，其中所述CPU、内存、磁盘或带宽以自由组合的方式存在；

监测层，其内设置有数据融合算法模块和行波定位模块，其中所述数据融合算法模块包括与所述无线传感器网络节点和各种传感器连接的信号调理电路、A/D转换模块、微处理器及电源模块，通过各种传感器感测的不同数据，进而获取均方值误差期望值比较小的数据融合值；所述行波定位模块用于定位电力设备的位置，并且所述行波定位模块包括故障信息采集单元和无线信号接收模块；

数据应用层，其内设置有计算机服务系统、与所述计算机服务系统连接的示波器和显示器，所述计算机服务系统通过所述数据接口接收所述监测层发射的数据；其中：

所述信息感知层的输出端与所述物联网网络层的输入端连接，所述物联网网络层的输出端与所述监测层的输入端连接，所述监测层的输出端与所述数据应用层的输入端连接。

作为本发明进一步的技术方案，所述传感器还包括RFID射频识别标签、摄像头、读写器或者GPS定位装置。

作为本发明进一步的技术方案，所述传感器节点为内嵌8051单片机的单片可编程UHF收发器芯片，所述收发器芯片的型号为CC2510芯片，所述CC2510芯片内嵌32kB的Flash存储器、4kB的SRAM模块和8通道8-14bit A/D转换器、16位定时器和8位定时器、UART/SPI模块、RTC模块、看门狗电路、DES编码模块和通用I/O模块。

本发明还采用以下技术方案：

一种无线传感器网络拓扑结构的物联网电力监测方法，其中包括以下步骤：

(S1)通过信息感知层获取布置在无线传感器网络节点中各种传感器的数据信息；

(S2)通过物联网网络层传递信息感知层中各种传感器的数据信息；

(S3)通过监测层对接收到的无线传感器网络节点中各种传感器的数据信息进行数据融合、行波定位计算和故障诊断；

(S4)在数据应用层中应用计算后的数据信息。

作为本发明进一步的技术方案，所述步骤(S3)中数据融合的方法为自适应加权融合算法。

作为本发明进一步的技术方案，所述自适应加权融合算法的方法为：在各种不同数据总均方差最小的情况下，按照各个传感器感知的数据测量值，通过自适应的方式搜索出不同传感器所对应的最优加权算子，使数据搜索结果达到最优解。

作为本发明进一步的技术方案，所述自适应加权融合算法的数学模型构建方法为：

将第i个传感器传感的数据方差记作为σ_i，对其数据进行融合后的输出数据记作为X_i，加权算子记作为W_i，其中i的值为1-n，设置好数据后，则融合后的X数值与加权算子之间的计算关系，能够满足：

则在计算总方差时，则有：

其中

表示为总方差，E表示为方差，由于X₁、X₂,…,X_n之间互相独立，并且该数据是X的无偏估计，所以通过方差计算，能够减少数据融合计算的误差，则有

E[(X-X_p)(X-X_q)]＝0 (4)

其中(p≠q,p＝1,2,3,......n；q＝1,2,3,......n)；

每种不同的传感器的加权算子可以表示为：

进而计算输出各个传感器的最优加权算子。

作为本发明进一步的技术方案，所述行波定位计算方法为：

当检测到电力设备的故障时，由于故障点的存在，将由于电压的突然增加向外部发出故障行波，在行波传播过程中，由于受到各种因素的阻力而将行波发出反射和折射，行波在传输过程中，通常在母线、电源、故障点等位置发生折射、反射，通过检测故障点位置时间，并在多个时间点来测试来计算行波，假设第1次检测的故障行波的时间点为t₁，第2次检测的故障行波的时间点是t₂，则故障行波在2个时间点之间先后在配电网中母线l和不同的故障点上发生了2次发射，然后故障点的位置计算公式为：

其中L为故障点与母线l之间的距离，v表示行波的传播速度，t₁和t₁是不同时间点检测的行波，根据公式(6)可得，实现对故障距离进行测量的方法是基于对故障行波在故障点与任意一端母线之间的传播速度和传播时间进行测量来实现的，所述方法取决于行波速度和行波传播时间测量的准确性。

作为本发明进一步的技术方案，所述步骤(S3)中所述故障诊断方法为EMD经验模态分解法。

作为本发明进一步的技术方案，所述行波定位方法为单端行波法或双端行波法。

积极意义效果

本发明构建出无线传感器网络拓扑结构，实现多种传感器感知数据的融合，便于对数据进行集中处理；

本发明采用物联网架构体系，监测人员可以不必在现场，利用常规的监测设备进行检测，能够实现底层感知数据的远程、在线、实时监测，提高了监测能力；

本发明采用行波定位方法，实现对监测故障节点的定位，能够获取具体位置的监测，提高了数据监控能力；

本发明通过行波方法既实现了行波定位方法，又实现了故障诊断，实现数据采集、位置定位、故障诊断、物联网架构的系统体系，实现了多种故障节点的远程、在线、实时监控。

附图说明

图1为本发明一种无线传感器网络拓扑结构的物联网电力监测系统的架构示意图；

图2为本发明一种无线传感器网络拓扑结构的物联网电力监测系统中无线传感器网络拓扑结构的架构示意图；

图3为本发明一种无线传感器网络拓扑结构的物联网电力监测系统中行波定位模块的硬件结构示意图；

图4为本发明一种无线传感器网络拓扑结构的物联网电力监测方法的流程示意图；

图5为本发明一种无线传感器网络拓扑结构的物联网电力监测方法中自适应加权融合算法的数学模型构建方法示意图；

图6为本发明一种无线传感器网络拓扑结构的物联网电力监测方法中VMD信号分解示意图

图7为本发明一种无线传感器网络拓扑结构的物联网电力监测方法中Hilbert变换函数变化示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1系统

如图1-图3所示，一种无线传感器网络拓扑结构的物联网电力监测系统，其中所述系统包括：

信息感知层，其内设置有无线传感器网络，所述无线传感器网络通过无线通信的形式将数以万计的传感器节点以自由式进行组织与结合进而形成网络形式，在架构上，所述无线传感器网络至少包括物理层、数据链路、网络层、传输层和应用层；其中所述物理层至少包括无线电、红外线和光波；所述数据链路层至少包括拓扑结构生成模块、拓扑管理模块和网络管理模块；所述网络层至少包括路由器、网络传输接口和收发器模块；所述传输层至少包括传输控制模块、传输网络单元和传输能量管理模块；所述应用层至少包括数据定位模块、数据时间同步模块和应用管理模块；所述无线传感器网络内错综布置有传感器，通过所述传感器感知各个电力设备的工作状态，并传递感知到的电网设备数据信息；其中所述传感器至少包括光电传感器、红外传感器、速度传感器、加速传感器、GIS传感器、振动传感器、纹波传感器、温湿度传感器、角度传感器、磁场传感器、转速传感器、RFID标签、GPS设备、射线辐射传感器、热敏传感器、能耗传感器或M2M终端；

物联网网络层，其内设置有有线通信模块或无线通信模块，用于接收并传递所述信息感知层感知的电力设备数据信息；其中所述有线通信模块至少包括RS485通信模块或RS232通信模块，所述无线通信模块至少包括TCP/IP网络系统、ZigBee无线网络、GPRS通信模块或CDMA无线通信、3G网络通信、4G网络通信、WLAN通信、LTE通信、云端服务器或蓝牙通信模块；其中所述云端服务器至少包括分布式存储模块、数据传输接口、CPU、内存、磁盘、带宽和云网络接口，所述云端服务器通过将规模级的底层服务器通过集约化、虚拟化构建起云端资源池，然后从资源池中调配计算资源组建而成，其中所述CPU、内存、磁盘或带宽以自由组合的方式存在；

监测层，其内设置有数据融合算法模块和行波定位模块，其中所述数据融合算法模块包括与所述无线传感器网络节点和各种传感器连接的信号调理电路、A/D转换模块、微处理器及电源模块，通过各种传感器感测的不同数据，进而获取均方值误差期望值比较小的数据融合值；所述行波定位模块用于定位电力设备的位置，并且所述行波定位模块包括故障信息采集单元和无线信号接收模块；

数据应用层，其内设置有计算机服务系统、与所述计算机服务系统连接的示波器和显示器，所述计算机服务系统通过所述数据接口接收所述监测层发射的数据；其中：

所述信息感知层的输出端与所述物联网网络层的输入端连接，所述物联网网络层的输出端与所述监测层的输入端连接，所述监测层的输出端与所述数据应用层的输入端连接。

在本发明的实施例中，所述传感器还包括RFID射频识别标签、摄像头、读写器或者GPS定位装置。

在本发明的实施例中，所述传感器节点为内嵌8051单片机的单片可编程UHF收发器芯片，所述收发器芯片的型号为CC2510芯片，所述CC2510芯片内嵌32kB的Flash存储器、4kB的SRAM模块和8通道8-14bit A/D转换器、16位定时器和8位定时器、UART/SPI模块、RTC模块、看门狗电路、DES编码模块和通用I/O模块。

在上述实施例中，无线传感器网络(Wireless Sensor Network，WSN)是由大量的静止或移动的传感器以自组织和多跳的方式构成的无线网络，以协作地感知、采集、处理和传输网络覆盖地理区域内被感知对象的信息，并最终把这些信息发送给网络的所有者。无线传感器网络通过散布在工作区域中大量的体积小、成本低、具有无线通信、传感和数据处理能力的传感器节点组成。每个节点可能具有不同的感知形态，例如声纳、震动波、红外线等，节点却可以完成对目标信息的采集、传输、决策制定与实施，实现区域监控、目标跟踪、定位和预测等任务。每一个节点都具有存储、处理、传输数据的能力。通过无线网络，传感器节点之间可以相互交换信息，也可以把信息传送到远程端。

实施例2方法

如图4-图7所示，一种无线传感器网络拓扑结构的物联网电力监测方法，其中包括以下步骤：

(S1)通过信息感知层获取布置在无线传感器网络节点中各种传感器的数据信息；

(S2)通过物联网网络层传递信息感知层中各种传感器的数据信息；

(S3)通过监测层对接收到的无线传感器网络节点中各种传感器的数据信息进行数据融合、行波定位计算和故障诊断；

(S4)在数据应用层中应用计算后的数据信息。

在上述实施例中，所述步骤(S3)中数据融合的方法为自适应加权融合算法。

作为本发明进一步的技术方案，所述自适应加权融合算法的方法为：在各种不同数据总均方差最小的情况下，按照各个传感器感知的数据测量值，通过自适应的方式搜索出不同传感器所对应的最优加权算子，使数据搜索结果达到最优解。

在上述实施例中，所述自适应加权融合算法的数学模型构建方法为：

将第i个传感器传感的数据方差记作为σ_i，对其数据进行融合后的输出数据记作为X_i，加权算子记作为W_i，其中i的值为1-n,设置好数据后，则融合后的X数值与加权算子之间的计算关系，能够满足：

则在计算总方差时，则有：

其中

表示为总方差，E表示为方差，由于X₁、X₂,…,X_n之间互相独立，并且该数据是X的无偏估计，所以通过方差计算，能够减少数据融合计算的误差，则有

E[(X-X_p)(X-X_q)]＝0 (4)

其中(p≠q,p＝1,2,3,......n；q＝1,2,3,......n)；

每种不同的传感器的加权算子可以表示为：

进而计算输出各个传感器的最优加权算子。

在上述实施例中，所述行波定位计算方法为：

当检测到电力设备的故障时，由于故障点的存在，将由于电压的突然增加向外部发出故障行波，在行波传播过程中，由于受到各种因素的阻力而将行波发出反射和折射，行波在传输过程中，通常在母线、电源、故障点等位置发生折射、反射，通过检测故障点位置时间，并在多个时间点来测试来计算行波，假设第1次检测的故障行波的时间点为t₁，第2次检测的故障行波的时间点是t₂，则故障行波在2个时间点之间先后在配电网中母线l和不同的故障点上发生了2次发射，然后故障点的位置计算公式为：

其中L为故障点与母线l之间的距离，v表示行波的传播速度，t₁和t₁是不同时间点检测的行波，根据公式(6)可得，实现对故障距离进行测量的方法是基于对故障行波在故障点与任意一端母线之间的传播速度和传播时间进行测量来实现的，所述方法取决于行波速度和行波传播时间测量的准确性。

在上述实施例中，所述步骤(S3)中所述故障诊断方法为EMD经验模态分解法，所述行波定位方法为单端行波法或双端行波法，以单端行波法为例说明。在进行故障诊断时，通过以下步骤进行：

(1)首先，通过各种传感器获取电力设备中故障信号后，还能够实时获取电力设备的输电线路上的各个检测节点的暂态电压和暂态电流数据。在具体应用过程中，为其中的每条线路设置不同的线路编号，每个检测节点均设置有检测节点编号。

(2)对线路中的故障信号进行解耦变换，分离出故障行波的分量信号。利用EMD算法中的模态混叠现象和端点效应，有效提高了行波信号的信噪比。EMD经验模态分解(Empirical Mode Decomposition，简称EMD)依据配电网故障数据自身的时间尺度特征而进行信号分解，使用时，无须预先设定任何基函数。在进行EMD计算时，同时将获取到的暂态电压以及暂态电流数据转变为检测点波形，检测点波形包括位于同一线路上的所有检测点形成的波形和同一检测点在不同时间形成的波形。

(3)对获取的故障信号进行VMD分解，如图6所示，输出分解后的模态分量信息，通过VMD算法进行自适应维纳滤波组，能够减少配电网故障信号中的伪分量，使得模态混叠现象不明显，有效地去除信号噪音，然后在同一检测点将不同的时间阶段形成的波形通过调整时间来确定各条线路故障波形出现的时间顺序，并确定最早检测到故障波形的线路。

(4)利用Hilbert变换函数处理得到配电网故障信号的模态分量的瞬时频率，如图7所示，根据Hilbert变换函数所提取的模态分量信号的瞬时频率，实现初始波头的到达时间标定，然后再结合VMD变换、Hilbert变换实现行波波头的检测，继而有效地提高行波波头的检测精度，由检测到的配电网故障初始行波信号即可定位到故障点的位置，然后基于提取的瞬时频率来确定配电网故障信号的初始行波的分量信号的到达时刻，在根据不同时间检测到故障波形的线路，比较同一线路上的所有检测点形成的波形与预存的标准波形，确定最早检测到故障的两个检测节点，从而可以提高故障点的定位精度、可靠性。

(5)利用Hilbert变换函数处理得到配电网故障信号的模态分量的瞬时频率，如图6所示，根据Hilbert变换函数所提取的模态分量信号的瞬时频率，实现初始波头的到达时间标定，然后再结合VMD变换、Hilbert变换实现行波波头的检测，继而有效地提高行波波头的检测精度，由检测到的配电网故障初始行波信号即可定位到故障点的位置，然后基于提取的瞬时频率来确定配电网故障信号的初始行波的分量信号的到达时刻，在根据不同时间检测到故障波形的线路，比较同一线路上的所有检测点形成的波形与预存的标准波形，确定最早检测到故障的两个检测节点，从而可以提高故障点的定位精度、可靠性。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。

Claims (10)

1.一种无线传感器网络拓扑结构的物联网电力监测系统，其特征在于：所述系统包括：

信息感知层，其内设置有无线传感器网络，所述无线传感器网络通过无线通信的形式将数以万计的传感器节点以自由式进行组织与结合进而形成网络形式，在架构上，所述无线传感器网络至少包括物理层、数据链路、网络层、传输层和应用层；其中所述物理层至少包括无线电、红外线和光波；所述数据链路层至少包括拓扑结构生成模块、拓扑管理模块和网络管理模块；所述网络层至少包括路由器、网络传输接口和收发器模块；所述传输层至少包括传输控制模块、传输网络单元和传输能量管理模块；所述应用层至少包括数据定位模块、数据时间同步模块和应用管理模块；所述无线传感器网络内错综布置有传感器，通过所述传感器感知各个电力设备的工作状态，并传递感知到的电网设备数据信息；其中所述传感器至少包括光电传感器、红外传感器、速度传感器、加速传感器、GIS传感器、振动传感器、纹波传感器、温湿度传感器、角度传感器、磁场传感器、转速传感器、RFID标签、GPS设备、射线辐射传感器、热敏传感器、能耗传感器或M2M终端；

物联网网络层，其内设置有有线通信模块或无线通信模块，用于接收并传递所述信息感知层感知的电力设备数据信息；其中所述有线通信模块至少包括RS485通信模块或RS232通信模块，所述无线通信模块至少包括TCP/IP网络系统、ZigBee无线网络、GPRS通信模块或CDMA无线通信、3G网络通信、4G网络通信、WLAN通信、LTE通信、云端服务器或蓝牙通信模块；其中所述云端服务器至少包括分布式存储模块、数据传输接口、CPU、内存、磁盘、带宽和云网络接口，所述云端服务器通过将规模级的底层服务器通过集约化、虚拟化构建起云端资源池，然后从资源池中调配计算资源组建而成，其中所述CPU、内存、磁盘或带宽以自由组合的方式存在；

监测层，其内设置有数据融合算法模块和行波定位模块，其中所述数据融合算法模块包括与所述无线传感器网络节点和各种传感器连接的信号调理电路、A/D转换模块、微处理器及电源模块，通过各种传感器感测的不同数据，进而获取均方值误差期望值比较小的数据融合值；所述行波定位模块用于定位电力设备的位置，并且所述行波定位模块包括故障信息采集单元和无线信号接收模块；

数据应用层，其内设置有计算机服务系统、与所述计算机服务系统连接的示波器和显示器，所述计算机服务系统通过所述数据接口接收所述监测层发射的数据；其中：

所述信息感知层的输出端与所述物联网网络层的输入端连接，所述物联网网络层的输出端与所述监测层的输入端连接，所述监测层的输出端与所述数据应用层的输入端连接。

2.根据权利要求1所述的一种无线传感器网络拓扑结构的物联网电力监测系统，其特征在于：所述传感器还包括RFID射频识别标签、摄像头、读写器或者GPS定位装置。

3.根据权利要求1所述的一种无线传感器网络拓扑结构的物联网电力监测系统，其特征在于：所述传感器节点为内嵌8051单片机的单片可编程UHF收发器芯片，所述收发器芯片的型号为CC2510芯片，所述CC2510芯片内嵌32kB的Flash存储器、4kB的SRAM模块和8通道8-14bit A/D转换器、16位定时器和8位定时器、UART/SPI模块、RTC模块、看门狗电路、DES编码模块和通用I/O模块。

4.一种无线传感器网络拓扑结构的物联网电力监测方法，其特征在于：包括以下步骤：

(S1)通过信息感知层获取布置在无线传感器网络节点中各种传感器的数据信息；

(S2)通过物联网网络层传递信息感知层中各种传感器的数据信息；

(S3)通过监测层对接收到的无线传感器网络节点中各种传感器的数据信息进行数据融合、行波定位计算和故障诊断；

(S4)在数据应用层中应用计算后的数据信息。

5.根据权利要求4所述的一种无线传感器网络拓扑结构的物联网电力监测方法，其特征在于：所述步骤(S3)中数据融合的方法为自适应加权融合算法。

6.根据权利要求5所述的一种无线传感器网络拓扑结构的物联网电力监测方法，其特征在于：所述自适应加权融合算法的方法为：在各种不同数据总均方差最小的情况下，按照各个传感器感知的数据测量值，通过自适应的方式搜索出不同传感器所对应的最优加权算子，使数据搜索结果达到最优解。

7.根据权利要求6所述的一种无线传感器网络拓扑结构的物联网电力监测方法，其特征在于：所述自适应加权融合算法的数学模型构建方法为：

将第i个传感器传感的数据方差记作为σ_i，对其数据进行融合后的输出数据记作为X_i，加权算子记作为W_i，其中i的值为1-n,设置好数据后，则融合后的X数值与加权算子之间的计算关系，能够满足：

则在计算总方差时，则有：

其中

表示为总方差，E表示为方差，由于X₁、X₂，…，X_n之间互相独立，并且该数据是X的无偏估计，所以通过方差计算，能够减少数据融合计算的误差，则有

E[(X-X_p)(X-X_q)]＝0 (4)

其中(p≠q,p＝1,2,3,......n；q＝1,2,3,......n)；

每种不同的传感器的加权算子可以表示为：

进而计算输出各个传感器的最优加权算子。

8.根据权利要求4所述的一种无线传感器网络拓扑结构的物联网电力监测方法，其特征在于：所述行波定位计算方法为：

当检测到电力设备的故障时，由于故障点的存在，将由于电压的突然增加向外部发出故障行波，在行波传播过程中，由于受到各种因素的阻力而将行波发出反射和折射，行波在传输过程中，通常在母线、电源、故障点等位置发生折射、反射，通过检测故障点位置时间，并在多个时间点来测试来计算行波，假设第1次检测的故障行波的时间点为t₁，第2次检测的故障行波的时间点是t₂，则故障行波在2个时间点之间先后在配电网中母线l和不同的故障点上发生了2次发射，然后故障点的位置计算公式为：

其中L为故障点与母线l之间的距离，v表示行波的传播速度，t₁和t₁是不同时间点检测的行波，根据公式(6)可得，实现对故障距离进行测量的方法是基于对故障行波在故障点与任意一端母线之间的传播速度和传播时间进行测量来实现的，所述方法取决于行波速度和行波传播时间测量的准确性。

9.根据权利要求4所述的一种无线传感器网络拓扑结构的物联网电力监测方法，其特征在于：所述步骤(S3)中所述故障诊断方法为EMD经验模态分解法。

10.根据权利要求4所述的一种无线传感器网络拓扑结构的物联网电力监测方法，其特征在于：所述行波定位方法为单端行波法或双端行波法。

Images