一种输电线路线夹测温多源分层数据融合方法与流程

本发明涉及电力测温，具体地说，涉及一种输电线路线夹测温多源分层数据融合方法。

背景技术：

1、输电线路常见事故多由线夹过热引起。由于线路上线夹常出现表面氧化腐蚀、紧固螺栓松动、触点接触不良等问题，从而在长期大电流输运过程中导致线夹接触电阻增大因而引起过热温度升高严重影响高压输电线路正常运行。传统测温仪对其测温不仅效率低、工作量大、且容易发生漏测、误报的情况。目前主要是采取将无线温度传感器安装在线夹上进行接触式测温方式，从而获取该线夹的温升情况。

2、对于由温度传感器构成的线夹测温系统，为提高测量精度，普遍采用多次测量单个温度传感器求取平均值的方式进行数据融合。实际中，被测对象的温度可能随时间剧烈变化，加之存在传感器噪声和环境噪声干扰，致使结果的可信度大大降低，由于单个传感器获取的信息不够充分，测量精度往往也难以满足要求。如何更为准确地对输电线路线夹测温进行有效的数据融合，以全面精准获取线夹的温升信息一直以来是业界的难点。

3、目前，数据融合的常用方法基本上可概括为随机和人工智能两大类。其一为随机类方法，具体包括加权平均、bayes概率推理法、dempster-shafer证据推理、卡尔曼滤波、产生式规则。其二为人工智能类方法，具体包括模糊逻辑推理、神经网络方法、智能融合方法。业界相关研究者常常采用卡尔曼滤波的方法对温度传感器进行多源数据融合。卡尔曼滤波算法是递推算法，不要求先验知识而只靠测量数据，就可进行最优估计。该算法适用于低层次冗余数据。但是当改变一些参数设置时误差较大，使得增益发生改变，大大降低了融合结果的可信度。

4、为全面精准掌握线夹的温升信息，我们提出了一种输电线路线夹测温多源分层数据融合方法，即将多个无线温度传感器部署在单个线夹上的多个测点部位进行接触式测温的方式，结合分簇和神经网络的办法来对温度传感器进行多源分层数据融合。

技术实现思路

1、本发明的目的在于提供一种输电线路线夹测温多源分层数据融合方法，以解决上述背景技术中提出的问题。

2、为实现上述技术问题的解决，本发明的目的之一在于，提供了一种输电线路线夹测温系统，即首先设计制作输电线路线夹测温装置，输电线路线夹测温装置一般包括线夹本体和多个温度传感器，温度传感器固定连接在线夹本体内；将多个无线温度传感器部署在单个线夹上的多个测点部位进行接触式测温，结合分簇和神经网络的办法来对温度传感器进行多源分层数据融合；采用分级融合的思想，先对多组数据分簇，并在簇内进行第一层融合；第一层融合用于解决多源传感器分簇和簇内数据融合的问题；然后收集簇头传感器信息，采用神经网络的方法进行第二层融合；第二层融合用于解决簇头传感器的数据融合问题

3、本发明的目的之二在于，提供一种输电线路线夹测温多源分层数据融合方法，该方法实现的具体流程包括如下步骤：

4、s1、初始化及选择簇头传感器，采用leach算法进行分簇的处理；

5、s2、求取簇头传感器信息，采取求均值的方法进行簇内融合；

6、s3、采用神经网络的方法对簇头信息进行数据融合；

7、s4、自适应地调节神经网络的权值，根据实际情况判定评价函数是否满足要求，否则重复步骤s3；

8、其中，上述步骤s1用于解决多源的问题，上述步骤s2用于进行第一层融合，上述步骤s3用于进行第二层融合，解决数据融合的问题，上述步骤s4用于进行系统评估。

9、作为本技术方案的进一步改进，所述步骤s1中，leach算法的原理如下：

10、leach算法在簇的建立阶段，相邻节点传感器动态地形成簇；在数据通信阶段，簇内节点把数据发送给簇头传感器，簇头传感器进行数据融合；每一轮循环都要重新构造簇，而构造簇的能量开销比较大；选举簇头传感器的过程如下：

11、设定第n轮次选举的阈值为a(n)，在第一轮中设定其初始值a(1)为0～1之间的一个随机数，如果节点传感器的数据小于阈值，则发布自己是簇头传感器的公告消息，随后进行阈值的迭代运算；a(n)的计算方法为：

12、

13、在新的一轮选举中按照上式自适应地调整阈值，选举新的簇头；其中，b是簇头传感器在所有节点传感器中所占的百分比，r是选举轮数，r mod代表这一轮循环中当选过簇头的节点个数，g是这一轮循环中未当选过簇头的节点集合；

14、通过考虑节点传感器的剩余能量，使得整个网络的剩余能量分布会更加均匀，在上式中引入能量因子；另外，考虑到有的簇头传感器离基站比较近，剩余能量比较低，并不能承担传输数据的任务，再引入距离因子；改进后的公式如下：

15、

16、其中，eresidual是节点传感器的剩余能量，eoriginal是节点传感器的初始能量，dmax是节点传感器到基站的最大距离，dmin是节点传感器到基站的最小距离，d(n)是节点传感器到基站的距离。

17、作为本技术方案的进一步改进，所述步骤s2中，经过一段时间的数据传输，簇头节点收齐簇内节点发送的数据后，并将结果直接发送给汇聚节点；簇头将该组数据取均值；即：

18、

19、式中，s为该簇内温度传感器的个数，tp为每个温度传感器的数值，ti为第i个簇头传感器的信息。

20、作为本技术方案的进一步改进，所述步骤s3中，采用基于正交神经网络的多传感信息融合；在数据融合的方法研究中采用余弦基函数集：

21、cos(x)，cos(2x)，...，cos(nx)，x∈[0，π]

22、以该正交基函数集为神经网络激励函数，神经网络的拓扑结构为1×3×1；神经网络权值为：w1，w2，...，wn；神经网络训练本集为：{ti，i＝1，2，...，m}；

23、各簇头融合的温度均值为：

24、

25、则经过余弦基神经网络处理后的输出融合温度为：

26、

27、将上式线性化为矩阵表达式为：

28、y(ti)＝c(i，：)w

29、其中，w＝[w1，w2，...，wn]；

30、

31、作为本技术方案的进一步改进，所述步骤s3完成第二层数据融合时，首先建立三层神经网络结构，接着提取簇头传感器的数据作为网络的输入，然后通过调节网络权值向量，最后采用余弦正交基对数据进行有效融合；权值向量的计算方法如下：

32、

33、

34、p(i)＝[i-q(i)ct(i，：)]p(i)

35、计算融合度gij并给出融合矩阵h，其具体计算公式如下：

36、gij＝2|f(l)|-0.5

37、其中，f(l)为标准正态分布函数，l表征第j个和第i个簇头传感器数据之间的关联度，其计算方式为：

38、

39、其中，簇头i前k次测量值的方差估计为

40、构造融合矩阵h，其具体方法如下：

41、h＝(hi，j)m，m

42、其中，矩阵元素h的构造方式为：

43、

44、其中，阈值β根据多数传感器支持的原则确定。

45、作为本技术方案的进一步改进，所述步骤s4中的误差为：

46、

47、设定误差范围，判断融合温度数值与实际温度均值的差异，如果满足设定条件，则停止上述方法；否则重复步骤s2直至满足条件；

48、系统性能评估函数为：

49、

50、其中，gij为融合度，表征数据的融合效果；μ和τ为权重因子，根据相应需求设定；

51、通过分析运算可知，当j值最小时的权值向量即为神经网络权值向量w；通过对各传感器采集的多组数据{ti，i＝1，2，...，m}进行训练，获得神经网络权值向量w；为了计算m个传感器第k次观测值温度融合结果，计算出m个神经网络输出的平均值y(ti)，该值为即是多传感器温度数据的动态融合结果，即为融合温度。

52、本发明的目的之三在于，提供了一种数据融合计算平台装置，包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序，处理器用于执行计算机程序时实现上述的输电线路线夹测温多源分层数据融合方法的部分步骤。

53、本发明的目的之四在于，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的输电线路线夹测温多源分层数据融合方法的部分步骤。

54、与现有技术相比，本发明的有益效果：

55、1.该输电线路线夹测温多源分层数据融合方法中，提出将多个无线温度传感器部署在单个线夹上的多个测点部位进行接触式测温的方式，有利于实现多源分层数据融合；

56、2.该输电线路线夹测温多源分层数据融合方法中，提出将多源与分层相结合的数据融合方法，在簇内进行第一层数据融合，解决多源传感器分簇和簇内数据融合的问题；在簇头间进行第二层数据融合，解决簇头传感器的数据融合问题，以利于全面精准获取线夹温升信息；

57、3.该输电线路线夹测温多源分层数据融合方法中，其所设计的基于神经网络的簇头间数据融合方法，通过对误差和融合度的评价，具有自适应自学习功能，可以实现误差的反向传播，使得融合效果最优化。