一种电力物联网传感器同步采集方法及装置与流程

1.本发明属于泛在电力物联网技术领域，涉及一种电力物联网传感器同步采集方法及装置。


背景技术：

2.泛在电力物联网的基础是感知层的电力设备，电力设备的运行状态信息包括电压、电流、频率、相位、功率等基础数据；环境信息包括电力系统运行环境的温度数据、红外数据等。实时同步的采集感知层电力设备的运行状态信息和环境信息对电力物联网的智能管理和维护具有重要作用。在电力物联网中，电力设备的运行状态信息和环境信息的采集由相应的传感器节点完成。控制节点汇集各传感器节点采集的数据信息，再通过基站或者以太网接入互联网上传数据到云端。由于各采集设备的采样对象、采样方式、采样周期、采样后处理、时钟晶振温漂等不确定性因素导致当前电力物联网电力设备各节点的传感器采样数据不同步，所采集的数据无法真实的反映现实世界的变化，从而无法保证电力系统稳定运行。
3.目前已经有多种时间同步方法被应用到物联网领域的传感器同步采集，例如ftsp（洪泛时间同步协议）、rbs（参考消息时间同步）、tpsn（无线传感器网络时间同步协议）、dmts（延迟测量时间同步）等，总的来说这些研究集中于三种时间同步模型的优化：第一种时间同步模型是最简单的模型，以逻辑时间来表达事件发生的顺序关系，仅维护传感器节点之间进行采集任务的时间关联。第二种时间同步模型是以相对时间为基准，每个节点都维护独立的时钟，节点时钟之间相互不同步，节点只存储节点本身与网络中其他节点的相对时间信息，由此完成时间同步的任务。第三种时间同步模型是网络中的每个节点都维护一个时钟，整个网络中的节点都同步一个参考节点的时钟，保证全局时钟同步，是最复杂的模型。
4.以逻辑时间为基准的时间同步模型弱化了时间同步的概念，实际上只关注了不同传感器节点事件的发生顺序，而无法与现实世界的绝对时间同步。以相对时间为基准的时间同步模型和设置全局时钟的时间同步模型通过时间同步算法对齐了传感器节点的时钟，但在所有节点间保持时间同步的信令开销很大。总的来说，由于不同传感器节点处理时间不等、时钟晶振的温漂等实际因素的影响，现有技术无法高效低成本的实现无线传感器节点在某一个需要的时间同步采集数据。


技术实现要素：

5.本发明的目的在于提供一种电力物联网传感器同步采集方法及装置，解决传统时间同步模型不能低成本的处理不同传感器节点采样差异、时钟晶振的温漂等实际因素引起的延迟问题，同时满足输电力物联网无线传感器网络对时间自同步的需求。
6.为实现上述目的，本发明采用的技术方案如下：本发明提供一种电力物联网传感器同步采集方法，包括：
对控制节点进行时间同步；所述控制节点为电力物联网中运行物联网应用，并与上层云端通信的节点；以控制节点时钟为基准，计算控制节点与传感器节点通信的传输延迟时间；根据所述传输延迟时间，对传感器节点进行时间同步，并获取数据采集触发时间；基于数据采集触发时间进行传感器节点同步数据采集及上传。
7.优选的，还包括：初始化控制节点及外设设备。
8.优选的，所述对控制节点进行时间同步包括：通过nb
‑
iot通信模块采用全球卫星导航系统/全球定位系统/北斗卫星导航系统进行卫星授时，使用卫星授时时间同步控制节点的时钟；或者，通过以太网模块获取当前的网络时间，使用获取的网络时间同步控制节点的时钟。
9.优选的，所述计算控制节点与传感器节点通信的传输延迟时间，包括：根据控制节点下发的第一次同步信号的时间t1和控制节点收到传感器节点应答信息的时间t2，计算控制节点与传感器节点通信的传输延迟时间：τ=(t2
‑
t1)/2。
10.优选的，考虑所述传输延迟时间，对传感器节点进行时间同步，包括：根据控制节点在t3时刻向传感器节点下发的第二次同步信号及传输延迟时间，同步传感器节点时钟的时间为t3+τ/2；以及，根据控制节点下发的同步信号解析出下一次数据采集触发时间t_set。
11.优选的，所述计算控制节点与传感器节点通信的传输延迟时间，包括：训练传输延迟时间的预测模型，并使用tensorflow lite converter工具转换为tflite预测模型，将该tflite预测模型嵌入到控制节点中运行，实时预测控制节点到传感器节点的传输延迟时间τ。
12.优选的，考虑所述传输延迟时间，对传感器节点进行时间同步，包括：根据控制节点在t时刻向传感器节点下发的同步信号及传输延迟时间，同步传感器节点时钟的时间为t+τ；以及，根据控制节点下发的同步信号解析出下一次数据采集触发时间t_set。
13.优选的，所述控制节点能够并行与多个传感器节点进行通信。
14.优选的，所述训练传输延迟时间的预测模型，包括：循环进行如下操作：控制节点通过广播信道下发当前时间t1；传感器节点向控制节点返回应答信息，记录控制节点收到传感器节点应答信息的时间t2；基于t1和t2计算控制节点与传感器节点通信的传输延迟时间：τ=(t2
‑
t1)/2；收集传感器节点传输延迟时间τ及影响τ的数据作为训练集，基于神经网络训练传
输延迟时间的预测模型。
15.优选的，所述进行传感器节点同步数据采集及上传，包括：当传感器节点当前时间满足下一次数据采集触发时间时，利用时钟驱动传感器节点对应的传感器，触发传感器进行数据采集；传感器节点使用串口空闲中断为完成采集的数据打上时间戳t_set并发送给控制节点。
16.本发明还提供一种电力物联网传感器同步采集装置，包括：第一同步模块，用于对控制节点进行时间同步；所述控制节点为电力物联网中运行物联网应用，并与上层云端通信的节点；第一计算模块，用于以控制节点时钟为基准，计算控制节点与传感器节点通信的传输延迟时间；第二同步模块，用于根据所述传输延迟时间，对传感器节点进行时间同步，并获取数据采集触发时间；以及，采集模块，用于基于数据采集触发时间进行传感器节点同步数据采集及上传。
17.优选的，所述第一计算模块具体用于，根据控制节点下发的第一次同步信号的时间t1和控制节点收到传感器节点应答信息的时间t2，计算控制节点与传感器节点通信的传输延迟时间：τ=(t2
‑
t1)/2。
18.优选的，所述第二同步模块具体用于，根据控制节点在t3时刻向传感器节点下发的第二次同步信号及传输延迟时间，同步传感器节点时钟的时间为t3+τ/2；以及，根据控制节点下发的同步信号解析出下一次数据采集触发时间t_set。
19.优选的，所述第一计算模块具体用于，训练传输延迟时间的预测模型，并使用tensorflow lite converter工具转换为tflite预测模型，将该tflite预测模型嵌入到控制节点中运行，实时预测控制节点到传感器节点的传输延迟时间τ。
20.优选的，所述第二同步模块具体用于，根据控制节点在t时刻向传感器节点下发的同步信号及传输延迟时间，同步传感器节点时钟的时间为t+τ；以及，根据控制节点下发的同步信号解析出下一次数据采集触发时间t_set。
21.优选的，还包括：初始化模块，用于初始化控制节点及外设设备。
22.优选的，所述外设设备包括用于控制节点进行时间同步的通讯模块，用于控制节点和传感器进行通信的通讯模块和配置于传感器节点的实时时钟芯片；所述用于控制节点进行时间同步的通讯模块为nb
‑
iot通信模块或以太网模块中
的任意一种；所述用于控制节点和传感器进行通信的通讯模块为lora模块、zigbee模块、低功耗蓝牙模块中的任意一种；所述实时时钟芯片的信号源由32.768khz的温度漂移补偿晶振提供。
23.与现有技术相比，本发明的有益效果如下：本发明提供一种电力物联网传感器同步采集方法，通过在控制节点预测实际数据传输过程中的延迟时间来为传感器节点提供统一的时间基准，使得传感器时间可以与卫星时间同步并通过广播信道下发统一的数据采集策略，实现多传感器节点在一个需要的时间完成数据同步采集。
24.本发明方法解决了由于各采集设备的采样对象不同、采样方式各异、采样后处理方法多样、时钟晶振温漂等导致的当前电力物联网电力设备各传感器节点存在采样数据不同步，所采集的数据无法真实的反映现实世界变化的问题，有助于电力物联网系统的稳定运行。
附图说明
25.图1为本发明实施例1中提供的电力物联网传感器同步采集方法流程图；图2为本发明实施例2中提供的基于边缘人工智能的电力物联网传感器同步采集方法流程图；图3为本发明实施例中的电力物联网电力设备监测系统示意图。
具体实施方式
26.下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
27.本发明提供一种电力物联网传感器同步采集方法，包括：初始化控制节点及外设设备；其中控制节点为微控制器，外设设备包括通讯模块和实时时钟芯片；对控制节点进行时间同步；以控制节点时钟为基准，计算控制节点与传感器节点通信的传输延迟时间；考虑所述传输延迟时间，对传感器节点进行时间同步；进行同步数据采集及上传。
28.作为一种优选的实施方式，控制节点可以并行接收多个传感器节点的数据。
29.作为一种优选的实施方式，通讯模块包括支持gnss/gps/北斗卫星系统的nb
‑
iot（窄带物联网）通信模块和4g模块（支持at指令集或dtu（数据传输单元）固件包），以及和传感器节点通讯的zigbee模块、低功耗蓝牙模块等短距离无线通信模块。
30.作为一种优选的实施方式，实时时钟rtc信号源由32.768khz的高精度温度漂移补偿晶振提供。传感器节点的时钟由实时时钟芯片提供。
31.作为一种优选的实施方式，通过gnss（全球卫星导航系统）/gps（全球定位系统）/北斗卫星系统授时或者以太网授时方式对所有控制节点进行时间同步。卫星授时由支持gnss/gps/北斗卫星系统的nb
‑
iot通信模块和4g模块（支持at指令集或dtu固件）完成。
32.作为一种优选的实施方式，传感器节点通过lora/zigbee/低功耗蓝牙等短距离无线通信模块与控制节点通信。
33.作为一种优选的实施方式，计算传输延迟时间在控制节点进行，以降低传感器节点的功耗，提高传感器节点的续航时间。
34.作为一种优选的实施方式，传感器节点配置定时器定时触发数据采集。
35.作为一种优选的实施方式，同步数据采集完成后，控制节点汇集多个传感器同步采集的数据，并通过空闲中断方式为数据加上时间戳。
36.作为一种优选的实施方式，上传数据包包括但不限于传输延迟时间、数据采集时间、晶振温漂、传感器的数据处理时间。
37.作为一种优选的实施方式，使用tensorflow框架建立传输延迟时间τ的神经网络预测模型，并使用tensorflow lite converter工具转化为可在控制节点的微控制器上运行的轻量tflite预测模型。
38.实施例1本发明实施例提供一种电力物联网传感器同步采集方法，如图1所示，具体实施过程如下：步骤101：控制节点初始化、外设初始化。
39.本步骤中，控制节点指具有一定运算能力和存储空间的可以存储鉴权信息和运行物联网应用的嵌入式核心系统模块及嵌入式核心系统模块所连接的必要外设。初始化的外设包括但不限于支持gnss/gps的nb
‑
iot/4g通讯模块、实时时钟模块、zigbee/ble（低功耗蓝牙）/lora（长距离）等使用非许可频谱资源的无线通讯模块、以太网模块、存储模块等。
40.步骤102：控制节点时钟同步本步骤可以具体使用以下方法之一来实现：方式一：控制节点通过gnss/gps/北斗卫星导航系统进行卫星授时，使用卫星授时时间同步控制节点的时钟。
41.方式二：控制节点通过以太网模块获取当前的网络时间，使用获取的网络时间同步控制节点的时钟。
42.步骤103：传感器节点进行第一次同步。
43.本步骤中，控制节点已完成时间同步，以控制节点的时间作为时间基准，对传感器节点进行时间同步。
44.控制节点通过广播信道下发当前时间t1并记录t1，传感器节点向控制节点返回应答信息，记录控制节点收到传感器节点应答信息的时间t2
i
，(i=1,2,
…
,n)，n为控制节点多连接的传感器节点的个数。
45.其中，应答信息可以自定义1位或多位数据，例如使用1比特应答信息，0xf0表示时钟已同步，不回复或回复错误则视为同步失败，重新下发同步指令。
46.步骤104：传感器节点进行第二次同步。
47.本步骤中，计算控制节点与传感器节点通信的传输延迟时间：τ
i
=(t2
i
‑
t1)/2，(i=1,2,
…
,n)，控制节点在第二次同步时刻t3向传感器节点下发修正的时间同步信号：t3+τ
i
/2(i=1,2,
…
,n)和下一次采集触发时间t_set，
传感器节点解析控制节点下发的指令，同步传感器节点时钟的时间为t3+τ
i
/2(i=1,2,
…
,n)。
48.步骤105：进行同步数据采集本步骤中，当传感器节点当前时间满足t_now=t_set时，利用时钟驱动传感器节点对应的传感器，触发传感器进行数据采集。
49.传感器节点使用串口空闲中断为完成采集的数据打上时间戳t_set并发送给控制节点。
50.所有传感器节点接收到的触发时间相同，且传感器节点都已经完成了与控制节点的时间同步，因此可以视为完成传感器数据同步采集。
51.步骤106：进行数据上传本步骤中，控制节点收集各传感器节点上传的数据包，并通过互联网上传到云端。
52.数据包内容包括采集的数据和数据采集完成的时间戳。
53.实施例2通过循环上述实施例1中的101~106步骤，使传感器节点在真实环境中工作并收集各传感器节点传输延迟时间τ及影响τ的数据作为训练神经网络模型的数据集。训练一个传输延迟时间τ的预测模型，并使用tensorflow lite converter工具转换训练好的预测模型为可在资源有限的微控制器上运行的tflite预测模型，将该模型嵌入到控制节点中运行，实时预测控制节点到各传感器节点的传输延迟时间τ。在此基础上进行以下步骤。
54.步骤201：控制节点初始化、外设初始化本步骤中，控制节点初始化，包括固件程序初始化运行和tflite预测模型初始化运行，外设初始化同步骤101.步骤202：控制节点时钟同步。
55.本步骤中，控制节点的时钟同步方法同步骤102.步骤203：预测传感器节点传输延迟。
56.本步骤中，控制节点通过在本地运行tflite预测模型预测传感器节点t_set时刻的传输延迟时间τ，并返回预测结果给控制节点微控制器。
57.步骤204：传感器节点进行时间同步。
58.本步骤中，控制节点根据预测的传感器节点的传输延迟时间τ
i
，在同步时刻t下发修正的传感器同步时间t+τ
i
(i=1,2,
…
,n)和采集触发时间t_set。
59.传感器节点解析控制节点发来的报文并同步传感器节点的时钟时间，等待采集触发时刻的到来。
60.步骤205：同步数据采集。
61.本步骤中，当传感器节点时钟当前时间满足t_now=t_set时，传感器节点开始数据采集，传感器节点使用串口空闲中断为完成采集的数据打上时间戳t_set并发送给控制节点。所有传感器节点接收到的触发时间相同，且传感器节点都已经完成了与控制节点的时间同步，因此可以视为完成传感器数据同步采集。
62.步骤206：进行数据上传。
63.本步骤中，数据上传方法同步骤106。
64.实施例3如图2所示是一个电力物联网电力设备监测系统，该监测系统有两个独立控制节点，控制节点1通过nb基站接入互联网与电力设备监测云通信，控制节点2通过以太网连接方式接入互联网与电力设备监测云通信，每个控制节点与三个相互独立的传感器节点以无线方式通信，网络拓扑固定。传感器节点分别是三相回路全电参量测量节点、三相有功电能测量节点、温度与漏电电流测量节点，传感器节点被安装在电力系统中的电力设备上工作，实时采集电力系统的数据信息，控制节点1通过zigbee无线通讯方式与传感器节点通讯，控制节点2通过lora无线通信模块与传感器节点通讯。对于该监测系统实施传感器同步采集方法，实施步骤如下：步骤101：控制节点初始化、外设初始化控制节点1初始化实时时钟芯片、支持gnss/gps/北斗卫星导航系统的nb
‑
iot模块、zigbee无线通信模块以及外部存储模块。控制节点2初始化实时时钟芯片、以太网模块、lora无线通信模块以及外部存储模块。
65.步骤102：控制节点时钟同步控制节点1通过gnss/gps/北斗卫星导航系统进行卫星授时，使用卫星授时时间同步控制节点的时钟。
66.控制节点2通过以太网模块获取当前的网络时间，使用所述的网络时间同步控制节点的时钟。
67.步骤103：传感器节点进行第一次同步控制节点1和控制节点2均已经完成时间同步，控制节点通过广播信道下发当前控制节点的时间t1，并记录t1，三相回路全电参量测量传感器节点、三相有功电能测量传感器节点、温度与漏电电流测量传感器节点侦听并解析广播信道下发的时间同步指令，同步各传感器节点时钟为t1，并向控制节点返回同步成功应答信息，记录控制节点收到传感器节点应答信息的时间t2
i
，i=1,2,3。
68.步骤104：传感器节点进行第二次同步计算传输延迟时间τ
i
=(t2
i
‑
t1)/2(i=1,2,3)，控制节点在t3时刻向各自下级传感器节点下发时间同步t3+τ
i
/2(i=1,2,3)和触发采集的时间t_set,传感器节点解析控制节点下发的指令，同步传感器节点时钟的时间为t3+τ
i
/2(i=1,2,3)。
69.步骤105：同步数据进行采集当传感器节点当前时间满足t_now=t_set时，触发三相回路全电参量测量传感器采集低压三相电回路的电压、电流、功率、相角、功率因数等数据；触发三相有功电能测量传感器采集电能数据；触发温度与漏电电流测量传感器采集电力设备的运行温度和漏电电流数据。上述传感器节点使用串口空闲中断为完成采集的数据打上时间戳t_set并发送给控制节点。由于所有传感器节点接收到的采集触发时间相同，且传感器节点都已经完成了与控制节点的时间同步，因此可以视为完成传感器数据同步采集。
70.步骤106：进行数据上传控制节点1收集各传感器节点上传的数据包，并通过nb基站接入互联网将数据传到电力设备监测云；控制节点2收集各传感器节点上传的数据包，并通过以太网接入互联网将数据传到电力设备监测云。
71.实施例4通过循环上述实施例3中的101~106步骤，使传感器节点在电力系统中工作并收集各感器节点传输延迟时间τ及与之相关的数据作为训练神经网络模型的数据集。使用tensorflow深度学习框架和相关的工具包搭建一个传输延迟时间序列的预测模型，并使用tensorflow lite converter工具转换训练好的tensorflow预测模型为可在资源有限的微控制器上运行的tflite预测模型，将该预测模型嵌入到控制节点并在本地运行，实时预测控制节点到各传感器节点的传输延迟时间。在此基础上进行以下步骤。
72.步骤201：控制节点初始化、外设初始化控制节点1和控制节点2初始化，包括控制节点的固件程序运行初始化和tensorflow预测模型运行初始化，外设初始化同步骤101。
73.步骤202：控制节点时钟同步。
74.控制节点1和控制节点2的时钟同步方法同步骤102。
75.步骤203：预测传感器节点传输延迟。
76.控制节点1和控制节点2通过在本地运行tensorflow预测模型并分别预测三相回路全电参量测量传感器节点、三相有功电能测量传感器节点、温度与漏电电流测量传感器节点在t_set时刻的传输延迟时间τ
i
(i=1,2,3)，并返回预测结果给控制节点。
77.步骤204：进行传感器节点时间同步。
78.控制节点根据预测的各传感器节点的传输延迟时间τ
i
(i=1,2,3)，在t时刻下发传感器同步时间t+τ
i
(i=1,2,3)和采集触发时间t_set。传感器节点解析控制节点发来的报文并同步传感器节点的时钟时间，等待采集触发时刻的到来。
79.步骤205：进行同步数据采集。
80.当传感器节点时钟当前时间t_now=t_set时，触发三相回路全电参量测量传感器采集低压三相电回路的电压、电流、功率、相角、功率因数等数据；触发三相有功电能测量传感器采集电能数据；触发温度与漏电电流测量传感器采集电力设备的运行温度和漏电电流数据。上述传感器节点应用串口空闲中断功能为完成采集的数据打上时间戳t_set并发送给控制节点。由于所有传感器节点接收到的采集触发时间相同，且传感器节点都已经完成了与控制节点的时间同步，因此可以视为完成传感器数据同步采集。
81.步骤206：进行数据上传。
82.控制节点1收集各传感器节点上传的数据包，并通过nb基站接入互联网将数据传到电力设备监测云；控制节点2收集个传感器节点上传的数据包，并通过以太网接入互联网将数据传到电力设备监测云。
83.本发明还提供一种电力物联网传感器同步采集装置，包括：第一同步模块，用于对控制节点进行时间同步；所述控制节点为电力物联网中运行物联网应用，并与上层云端通信的节点；第一计算模块，用于以控制节点时钟为基准，计算控制节点与传感器节点通信的传输延迟时间；第二同步模块，用于考虑所述传输延迟时间，对传感器节点进行时间同步，并获取数据采集触发时间；以及，
采集模块，用于基于数据采集触发时间进行传感器节点同步数据采集及上传。
84.作为一种优选的实施方式，第一计算模块具体用于，根据控制节点下发的第一次同步信号的时间t1和控制节点收到传感器节点应答信息的时间t2，计算控制节点与传感器节点通信的传输延迟时间：τ=(t2
‑
t1)/2。
85.作为一种优选的实施方式，第二同步模块具体用于，根据控制节点在t3时刻向传感器节点下发的第二次同步信号及传输延迟时间，同步传感器节点时钟的时间为t3+τ/2；以及，根据控制节点下发的同步信号解析出下一次数据采集触发时间t_set。
86.作为一种优选的实施方式，第一计算模块具体用于，训练传输延迟时间的预测模型，并使用tensorflow lite converter工具转换为tflite预测模型，将该tflite预测模型嵌入到控制节点中运行，实时预测控制节点到传感器节点的传输延迟时间τ。
87.作为一种优选的实施方式，第二同步模块具体用于，根据控制节点在t时刻向传感器节点下发的同步信号及传输延迟时间，同步传感器节点时钟的时间为t+τ；以及，根据控制节点下发的同步信号解析出下一次数据采集触发时间t_set。
88.值得指出的是，该装置实施例是与上述方法实施例对应的，上述方法实施例的实现方式均适用于该装置实施例中，并能达到相同或相似的技术效果，故不在此赘述。
89.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd
‑
rom、光学存储器等）上实施的计算机程序产品的形式。
90.本技术是参照根据本技术实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
91.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
92.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一
个方框或多个方框中指定的功能的步骤。
93.最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。