一种输电线路多传感器数据融合的在线监测系统及方法

1.本发明属于输电线路的监测领域，尤其涉及一种输电线路多传感器数据融合的在线监测系统及方法。


背景技术：

2.随着智能电网技术的快速发展和电网量测装置的不断升级，电力系统已从传统的物理网络转向以电力大数据为支撑的信息物理融合网络，其中高压输电线路是电力系统中电能传输的重要一环，高压输电线路大部分运行在户外郊区，高压输电线路涉及面积大，所处的地理境况、气候状况变化复杂。目前在智能电网的建设中，传统的人工巡检方式需要花费大量人力财力和物力，不能做到实时在线监测,效率不高，而单一传感器的数据监测不能确保精确结果，数据传输的时效性很低、后台计算数据量大，对高压输电线路上存在的安全隐患不能进行实时诊断告警，而高压输电线路绝缘子污闪、风偏闪络、导线舞动、电线覆冰等现象时有发生,往往会引起严重事故，严重地威胁架空输电线路的安全运行。一方面问题是大量测量数据无法直接进入信息网进行分析，另一方面需要突破传统电力系统层面只用电气量运行分析的思维，所以一种对于输电线路监测技术的多传感器数据边缘融合能对输电线路提供一个安全稳定的运行环境具有重要的意义，实现更加贴近运行实际的电网状态评估，并且后期的输电线路维护成本将会大幅降低。


技术实现要素：

3.本发明提供一种输电线路多传感器数据融合的在线监测系统及方法，解决现有的监测方法与实际的电网状态不符，造成后期的输电线路维护成本将会增高的问题。
4.本发明是这样实现的，
5.一种输电线路多传感器数据融合的在线监测系统，该系统包括：
6.传感器系统，kalman边缘融合系统，和后台监控中心，所述传感器系统与边缘计算融合系统组成现场监测终端作为数据采集层，传感器系统将所收集的数据传输至边缘计算融合系统，由边缘计算融合系统进行kalman滤波融合计算分析，将计算结果利用lora+gprs的通信方式进行数据传输，经由基站传输至后台监控中心存储后进行展示，并给出预警和运行状态信息。
7.进一步地，所述传感器系统包括避雷器传感器、微气象传感器、风偏传感器、倾斜传感器、绝缘子泄露电流传感器、不平衡张力传感器、故障指示器以及红外摄像头，通过传感器系统来实时采集各个设备的实时参数、运行状态，其中：
8.避雷器传感器测量输电线路的泄漏电流；
9.微气象传感器将对非电气量数据类型：环境温度、湿度、大气压强以及降雨量进行测量；
10.风偏传感器对导线与风向夹角的风偏角度进行测量；
11.通过将四个倾斜传感器安装在输电杆塔上，对输电杆塔的倾斜角进行测量；
12.绝缘子泄露电流传感器对绝缘子串的泄露电流进行测量；
13.不平衡张力传感器安装在绝缘子与杆塔的连接处，来监测铁塔两侧的导线张力值；
14.故障指示器在监测到输电线路故障电流流通时，显示故障点；
15.红外摄像头对输电线路的温度以及人员异物进行监测。
16.进一步地，所述传感器系统均采用保护隔离绝缘单元来进行隔离保护，所述传感器系统包括数据测量单元一和数据测量单元二，对输电线路的温湿度、降雨量、风偏角、避雷器和绝缘子串的泄漏电流、输电杆塔倾斜角度、红外摄像以及人员异物进行实时数据采集，采集频率由时钟模块一所控制，采集的数据流传输至mcu模块一，mcu模块一将所收集的数据通过无线传输模块一，发送给kalman边缘融合系统，传感器系统均采用电源进行供电。
17.进一步地，所述kalman边缘融合系统的一次完整动作由mcu模块二发出指令，由时钟模块一所设定的时间周期进行发送，指令通过无线传输模块二传输至传感器系统，传感器系统开始进行输电线路的数据采集，采集完毕后传输回kalman边缘融合系统，此时由无线传输模块二进行数据的接收，接收到传感器采集数据流后传输至mcu模块二，进行kalman数据滤波融合分析、特征提取，融合后的数据由同步动态随机存储器进行储存，分析完毕后，通过无线传输模块二将融合后的数据以及分析结果传输至后台监控中心。
18.进一步地，所述多kalman边缘融合系统进行kalman数据滤波融合包括：
19.对输入数据进行预处理；
20.对预处理后的数据进行预测，得到预测值；
21.根据预测值与下一时刻的测量值进行数据的校正，剔除冗余、错误数据、滤除环境噪声和电磁噪声，生成出最终的kalman滤波值。
22.进一步地，所述预测为利用公式(1)和(2)对当前状态及其不确定性的预测：
[0023][0024][0025]
式中:xk和pk为第k步由输电线路的传感器系统所采集各设备的预测值及其误差协方差；fk为状态矩阵；为输电线路各设备的前一状态。
[0026]
进一步地，采用公式(3)、公式(4)以及公式(5)生成出最终的kalman滤波值：
[0027][0028][0029][0030]
式中:和为输电线路各设备的第k步的校正状态及其误差协方差；
[0031]kk
为卡尔曼增益；
[0032]
r为测量噪声协方差；
[0033]hk
为设备的测量矩阵；
[0034]
zk为第k步的真实值。
[0035]
一种输电线路多传感器数据融合的在线监测方法，该方法包括：
[0036]
采集输电线路的数据，所述数据包括：避雷器传感器测量输电线路的泄漏电流；
[0037]
微气象传感器采集的非电气量数据类型：环境温度、湿度、大气压强以及降雨量；
[0038]
风偏传感器采集的导线与风向夹角的风偏角度；
[0039]
通过四个倾斜传感器安装在输电杆塔上，采集的输电杆塔的倾斜角；
[0040]
绝缘子泄露电流传感器采集的绝缘子串的泄露电流；
[0041]
不平衡张力传感器安装在绝缘子与杆塔的连接处，采集的铁塔两侧的导线张力值；
[0042]
红外摄像头采集的输电线路的温度以及人员异物；
[0043]
对采集的数据进行kalman滤波融合计算分析，将计算结果利用lora+gprs的通信方式进行数据传输，经由基站传输至后台监控中心存储后进行展示，并给出预警和运行状态信息；其中，进行kalman数据滤波融合包括：
[0044]
对输入数据进行预处理；
[0045]
对预处理后的数据进行预测，得到预测值；
[0046]
根据预测值与下一时刻的测量值进行数据的校正，剔除冗余、错误数据、滤除环境噪声和电磁噪声，生成出最终的kalman滤波值。
[0047]
进一步地，所述预测为利用公式(1)和(2)对当前状态及其不确定性的预测：
[0048][0049][0050]
式中:xk和pk为第k步由输电线路的传感器系统所采集各设备的预测值及其误差协方差；fk为状态矩阵；为输电线路各设备的前一状态。
[0051]
进一步地，采用公式(3)、公式(4)以及公式(5)生成出最终的kalman滤波值：
[0052][0053][0054][0055]
式中:和为输电线路各设备的第k步的校正状态及其误差协方差；
[0056]kk
为卡尔曼增益；
[0057]
r为测量噪声协方差；
[0058]hk
为设备的测量矩阵；
[0059]
zk为第k步的真实值。
[0060]
本发明与现有技术相比，有益效果在于：
[0061]
输电线路的监测领域中，本发明采用将数个电气量与非电气量的传感器组成的传感器系统安装输电线路上的各个设备以及环境当中，传感器监测系统能够测量各个设备和
环境的实时数据。
[0062]
通过在输电线路设备边缘侧的边缘计算融合系统将传感器数据进行基于kalman滤波、将电气量与非电气量的数据进行融合计算分析、特征提取，得到输电杆塔进行边缘计算融合的数据并作出运行状态的诊断，经过lora+gprs无线通信协议传输至后台监控中心。
[0063]
通过kalman边缘融合系统能实现对传感器系统采集的电气量与非电气量的多源异构数据进行数据融合，同时边缘计算融合系统能对数据信号的精度有效提高。
[0064]
通过后台系统能够接收由边缘计算融合系统所发送的实时融合数据参数，将接受的数据存储并展示在后台系统上，并有预警、告警等信息。
[0065]
本发明能够将设备端采集的大量数据在输电线路的设备边缘侧就地进行智能分析诊断，实现输电线路的实时监控和实时故障预警的高速数据处理要求，提高电力系统稳定水平。
附图说明
[0066]
图1是本发明方法的输电线路在线监测系统总示意图；
[0067]
图2是输电线路传感器系统硬件原理图；
[0068]
图3是kalman边缘融合系统硬件原理图；
[0069]
图1中：1避雷器传感器、2微气象传感器、3风偏传感器、4倾斜传感器、5绝缘子泄露电流传感器、6不平衡张力传感器、7故障指示器、8红外摄像头、9边缘计算融合系统、10电线杆塔、11lora+gprs、12基站、13后台监控中心；
[0070]
图2中：14保护隔离绝缘单元、15数据测量单元一15、16数据测量单元二16、17电源17、18mcu模块一、19无线传输模块一、20时钟模块一；
[0071]
图3中：21传感器采集数据流、22无线传输模块二、23mcu模块二、24时钟模块二、25同步动态随机存储器、26太阳能电池板、27电流电压检测模块、28控制电路模块、29锂电池；
[0072]
图4为由温度传感器模拟对十天温度的连续测量，实时的kalman滤波效果；
[0073]
图5为温度测量值的先验误差与kalman滤波的后验误差对比图；
具体实施方式
[0074]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0075]
图1所示，一种输电线路多传感器数据融合的在线监测系统，该系统包括：
[0076]
传感器系统，kalman边缘融合系统，和后台监控中心，所述传感器系统与边缘计算融合系统组成现场监测终端作为数据采集层，传感器系统将所收集的数据传输至边缘计算融合系统，由边缘计算融合系统进行kalman滤波融合计算分析，将计算结果利用lora+gprs的通信方式进行数据传输，经由基站传输至后台监控中心存储后进行展示，并给出预警和运行状态信息。其中传感器系统包括避雷器传感器1、微气象传感器2、风偏传感器3、倾斜传感器4、绝缘子泄露电流传感器5、不平衡张力传感器6、故障指示器7以及红外摄像头8，通过传感器系统来实时采集各个设备的实时参数、运行状态，避雷器传感器1测量输电线路的泄漏电流，微气象传感器2将对非电气量数据类型：环境温度、湿度、大气压强、降雨量等进行
测量、风偏传感器3对导线与风向夹角的风偏角度进行测量，通过将四个倾斜传感器4安装在输电杆塔10上，对输电杆塔的倾斜角进行测量，绝缘子泄露电流传感器5对绝缘子串的泄露电流进行测量，不平衡张力传感器6安装在绝缘子与杆塔的连接处，来监测铁塔两侧的导线张力值。故障指示器7在监测到输电线路故障电流流通时，立刻显示故障点，红外摄像头8对输电线路的温度以及人员异物等进行监测，在所收集的数据传输至边缘计算融合系统9，由边缘计算融合系统6进行kalman滤波融合计算分析，将计算结果利用lora+gprs11的通信方式进行数据传输，经由基站12传输至后台监控中心13存储后进行展示，并给出预警、运行状态等信息，即达到电力物联网。
[0077]
根据图2所示，传感器系统均采用保护隔离绝缘单元14来进行隔离保护，其中传感器系统的数据测量单元一15、数据测量单元二16对输电线路的温湿度、降雨量、风偏角、避雷器和绝缘子串的泄漏电流、输电杆塔倾斜角度、红外摄像以及人员异物等进行实时数据采集，其采集频率由时钟模块一20所控制，采集的数据流传输至mcu模块一18，mcu模块一18将所收集的数据通过无线传输模块一19，发送给kalman边缘融合系统进行下一步的kalman融合分析计算，传感器系统均采用电源17进行供电。
[0078]
根据图3所示，kalman边缘融合系统的一次完整动作是由mcu模块二23发出指令，由时钟模块一20所设定的时间周期进行发送，指令通过无线传输模块二22传输至传感器系统，传感器系统开始进行输电线路的数据采集，采集完毕后传输回kalman边缘融合系统，此时由无线传输模块二22进行数据的接收，接收到传感器采集数据流21后传输至mcu模块二23，进行kalman数据滤波融合分析、特征提取，融合后的数据由同步动态随机存储器25进行储存，分析完毕后，通过无线传输模块二22将融合后的数据以及分析结果传输至后台监控中心13，边缘融合系统采用太阳能与电池两种供电方式，保证边缘计算融合系统的运行稳定，其中太阳能电池板26进行光电转换储存电能，电能通过电流电压检测模块27进行质量检测，控制电路模块28负责控制太阳能供电与锂电池29供电的模式转换，有助于提高电网运行的可靠性，大幅减少维护人员的工作强度。
[0079]
基于输电线路电力设备的多传感器数据融合的kalman滤波算法，包括：
[0080]
对输入数据进行预处理；
[0081]
对预处理后的数据进行预测，得到预测值；
[0082]
根据预测值与下一时刻的测量值进行数据的校正，剔除冗余、错误数据、滤除环境噪声和电磁噪声，生成出最终的kalman滤波值。
[0083]
本发明对原卡尔曼滤波算法进行了改进，使其与输电线路相配合，能有效降低环境噪声与电磁噪声对传感器的干扰，对错误数据、冗余数据一并进行滤除，并提取特征值，在融合后向相邻节点所传输的数据即为最相关的输电线路传感器监测数据，形成节点的最优估计值。各传感器系统所收集的实时信息如：输电线路上避雷器的泄露电流值、输电线路的不均衡张力差、降雨量、线温、杆塔的绝缘子串风偏量、倾斜角、图像信号等，首先对基于kalman的输电线路监测模型输入数据进行预处理，预测步骤是对当前状态及其不确定性的预测：
[0084]
[0085][0086]
式中:xk和pk为第k步由输电线路的传感器系统所采集各设备的预测值及其误差协方差；fk为状态矩阵；为输电线路各设备的前一状态。
[0087]
对输电线路传感器系统采集的电气量与非电气量的数据如环境温度、湿度、大气压强、避雷器和绝缘子串的的泄露电流值、杆塔的绝缘子串风偏量、杆塔倾斜角、输电线路的不均衡张力差，图像信号等数据进行预测，根据预测值与下一时刻的测量值进行数据的校正，剔除冗余、错误数据、滤除环境噪声和电磁噪声，减小实际的测量误差，生成出最终的kalman滤波值。采用公式(3)、公式(4)以及公式(5)生成出最终的kalman滤波值：
[0088][0089][0090][0091]
式中:和为输电线路各设备的第k步的校正状态及其误差协方差；
[0092]kk
为卡尔曼增益；
[0093]
r为测量噪声协方差；
[0094]hk
为设备的测量矩阵；
[0095]
zk为第k步的真实值。
[0096]
根据预测值与下一时刻的测量值进行数据的校正，剔除冗余、错误数据、滤除环境噪声和电磁噪声，减小实际的测量误差，生成出最终的kalman滤波值，由此实现对初步诊断结果融合，得出输电线路运行状态的最终融合分析诊断结果。同时该计算方法符合iec60099-5标准，实现了对于输电线路的稳定性实时监测。
[0097]
本实施例提供一种输电线路多传感器数据融合的在线监测方法，该方法包括：
[0098]
采集输电线路的数据，所述数据包括：避雷器传感器测量输电线路的泄漏电流；
[0099]
微气象传感器采集的非电气量数据类型：环境温度、湿度、大气压强以及降雨量；
[0100]
风偏传感器采集的导线与风向夹角的风偏角度；
[0101]
通过四个倾斜传感器安装在输电杆塔上，采集的输电杆塔的倾斜角；
[0102]
绝缘子泄露电流传感器采集的绝缘子串的泄露电流；
[0103]
不平衡张力传感器安装在绝缘子与杆塔的连接处，采集的铁塔两侧的导线张力值；
[0104]
红外摄像头采集的输电线路的温度以及人员异物；
[0105]
对采集的数据进行kalman滤波融合计算分析，将计算结果利用lora+gprs的通信方式进行数据传输，经由基站传输至后台监控中心存储后进行展示，并给出预警和运行状态信息；其中，进行kalman数据滤波融合包括：
[0106]
对输入数据进行预处理；
[0107]
对预处理后的数据进行预测，得到预测值；
[0108]
根据预测值与下一时刻的测量值进行数据的校正，剔除冗余、错误数据、滤除环境
噪声和电磁噪声，生成出最终的kalman滤波值。
[0109]
进一步地，所述预测为利用公式(1)和(2)对当前状态及其不确定性的预测：
[0110][0111][0112]
式中:xk和pk为第k步由输电线路的传感器系统所采集各设备的预测值及其误差协方差；fk为状态矩阵；为输电线路各设备的前一状态。
[0113]
进一步地，采用公式(3)、公式(4)以及公式(5)生成出最终的kalman滤波值：
[0114][0115][0116][0117]
式中:和为输电线路各设备的第k步的校正状态及其误差协方差；
[0118]kk
为卡尔曼增益；
[0119]
r为测量噪声协方差；
[0120]hk
为设备的测量矩阵；
[0121]
zk为第k步的真实值。
[0122]
由温度传感器模拟对十天温度的连续测量，实时的kalman滤波效果如图4所示：能够对噪声进行有效滤除，同时对错误数据能够进行有效判断进行剔除。
[0123]
温度测量值的先验误差与kalman滤波的后验误差对比如图5所示：可以看出经过kalman滤波后能够对数据测量的误差进行大幅降低，能够使测量数据更加接近真实值。
[0124]
本发明将输电线路上的数据进行有效融合，数据的融合技术是基于kalman滤波的改进算法，适配于输电线路，对采集的数据统一在输电线路设备边缘侧的边缘计算融合系统进行滤波、降噪、提取特征数据等融合分析手段，将特征数据、分析结果等在后台进行展示，实现实时监控和实时故障预警的高速数据处理，实现数据清洗、大幅降低噪声误差、状态评判、故障判断和危害报警，在线监测输电线路安全运行情况，达到信息互联，即为电力物联网。
[0125]
以传感器为主要数据采集设备的智能监测系统，对于输电线路的各个设备以及环境如：导线的线温、环境温湿度、风向角、风偏角度、降雨量、输电杆塔倾角、导线的不均衡张力差、避雷器的泄漏电流、绝缘子串的风偏角和泄漏电流以及人员异物等大量的电气量与非电气量的数据进行融合分析，实现在线智能监测。
[0126]
基于kalman滤波的输电线路改进算法，对测量误差和系统噪声做出适应和抗干扰，使用先验信息和测量信息，对估计值进行不断的迭代，因此可以获得更精确的估计值，并且估计误差也较小，有效降低环境噪声干扰以及电磁噪声干扰，可以消除粗壮和异常值等因素对估计结果的影响，具有较好的实时性能，能够随时进行数据处理并输出结果，从而提高了滤波算法的可靠性和稳定性，有效的提高输电线路的安全稳定运行水平。
[0127]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种输电线路多传感器数据融合的在线监测系统，其特征在于，该系统包括：传感器系统，kalman边缘融合系统，和后台监控中心，所述传感器系统与边缘计算融合系统组成现场监测终端作为数据采集层，传感器系统将所收集的数据传输至边缘计算融合系统，由边缘计算融合系统进行kalman滤波融合计算分析，将计算结果利用lora+gprs的通信方式进行数据传输，经由基站传输至后台监控中心存储后进行展示，并给出预警和运行状态信息。2.按照权利要求1所述的输电线路多传感器数据融合的在线监测系统，其特征在于，所述传感器系统包括避雷器传感器、微气象传感器、风偏传感器、倾斜传感器、绝缘子泄露电流传感器、不平衡张力传感器、故障指示器以及红外摄像头，通过传感器系统来实时采集各个设备的实时参数、运行状态，其中：避雷器传感器测量输电线路的泄漏电流；微气象传感器将对非电气量数据类型：环境温度、湿度、大气压强以及降雨量进行测量；风偏传感器对导线与风向夹角的风偏角度进行测量；通过将四个倾斜传感器安装在输电杆塔上，对输电杆塔的倾斜角进行测量；绝缘子泄露电流传感器对绝缘子串的泄露电流进行测量；不平衡张力传感器安装在绝缘子与杆塔的连接处，来监测铁塔两侧的导线张力值；故障指示器在监测到输电线路故障电流流通时，显示故障点；红外摄像头对输电线路的温度以及人员异物进行监测。3.按照权利要求1所述的输电线路多传感器数据融合的在线监测系统，其特征在于，所述传感器系统均采用保护隔离绝缘单元来进行隔离保护，所述传感器系统包括数据测量单元一和数据测量单元二，对输电线路的温湿度、降雨量、风偏角、避雷器和绝缘子串的泄漏电流、输电杆塔倾斜角度、红外摄像以及人员异物进行实时数据采集，采集频率由时钟模块一所控制，采集的数据流传输至mcu模块一，mcu模块一将所收集的数据通过无线传输模块一，发送给kalman边缘融合系统，传感器系统均采用电源进行供电。4.按照权利要求3所述的输电线路多传感器数据融合的在线监测系统，其特征在于，所述kalman边缘融合系统的一次完整动作由mcu模块二发出指令，由时钟模块一所设定的时间周期进行发送，指令通过无线传输模块二传输至传感器系统，传感器系统开始进行输电线路的数据采集，采集完毕后传输回kalman边缘融合系统，此时由无线传输模块二进行数据的接收，接收到传感器采集数据流后传输至mcu模块二，进行kalman数据滤波融合分析、特征提取，融合后的数据由同步动态随机存储器进行储存，分析完毕后，通过无线传输模块二将融合后的数据以及分析结果传输至后台监控中心。5.按照权利要求4所述的输电线路多传感器数据融合的在线监测系统，其特征在于，所述多kalman边缘融合系统进行kalman数据滤波融合包括：对输入数据进行预处理；对预处理后的数据进行预测，得到预测值；根据预测值与下一时刻的测量值进行数据的校正，剔除冗余、错误数据、滤除环境噪声和电磁噪声，生成出最终的kalman滤波值。6.按照权利要求5所述的输电线路多传感器数据融合的在线监测系统，其特征在于，所
述预测为利用公式(1)和(2)对当前状态及其不确定性的预测：述预测为利用公式(1)和(2)对当前状态及其不确定性的预测：式中:x
k
和p
k
为第k步由输电线路的传感器系统所采集各设备的预测值及其误差协方差；f
k
为状态矩阵；为输电线路各设备的前一状态。7.按照权利要求5所述的输电线路多传感器数据融合的在线监测系统，其特征在于，采用公式(3)、公式(4)以及公式(5)生成出最终的kalman滤波值：用公式(3)、公式(4)以及公式(5)生成出最终的kalman滤波值：用公式(3)、公式(4)以及公式(5)生成出最终的kalman滤波值：式中:和为输电线路各设备的第k步的校正状态及其误差协方差；k
k
为卡尔曼增益；r为测量噪声协方差；h
k
为设备的测量矩阵；z
k
为第k步的真实值。8.一种输电线路多传感器数据融合的在线监测方法，其特征在于，该方法包括：采集输电线路的数据，所述数据包括：避雷器传感器测量输电线路的泄漏电流；微气象传感器采集的非电气量数据类型：环境温度、湿度、大气压强以及降雨量；风偏传感器采集的导线与风向夹角的风偏角度；通过四个倾斜传感器安装在输电杆塔上，采集的输电杆塔的倾斜角；绝缘子泄露电流传感器采集的绝缘子串的泄露电流；不平衡张力传感器安装在绝缘子与杆塔的连接处，采集的铁塔两侧的导线张力值；红外摄像头采集的输电线路的温度以及人员异物；对采集的数据进行kalman滤波融合计算分析，将计算结果利用lora+gprs的通信方式进行数据传输，经由基站传输至后台监控中心存储后进行展示，并给出预警和运行状态信息；其中，进行kalman数据滤波融合包括：对输入数据进行预处理；对预处理后的数据进行预测，得到预测值；根据预测值与下一时刻的测量值进行数据的校正，剔除冗余、错误数据、滤除环境噪声和电磁噪声，生成出最终的kalman滤波值。9.按照权利要求8所述的输电线路多传感器数据融合的在线监测方法，其特征在于，所述预测为利用公式(1)和(2)对当前状态及其不确定性的预测：
式中:x
k
和p
k
为第k步由输电线路的传感器系统所采集各设备的预测值及其误差协方差；f
k
为状态矩阵；为输电线路各设备的前一状态。10.按照权利要求8所述的输电线路多传感器数据融合的在线监测方法，其特征在于，采用公式(3)、公式(4)以及公式(5)生成出最终的kalman滤波值：采用公式(3)、公式(4)以及公式(5)生成出最终的kalman滤波值：采用公式(3)、公式(4)以及公式(5)生成出最终的kalman滤波值：式中:和为输电线路各设备的第k步的校正状态及其误差协方差；k
k
为卡尔曼增益；r为测量噪声协方差；h
k
为设备的测量矩阵；z
k
为第k步的真实值。

技术总结
本发明属于输电线路的监测领域，涉及一种输电线路多传感器数据融合的在线监测系统及方法，该系统包括：传感器系统，Kalman边缘融合系统，和后台监控中心，所述传感器系统与边缘计算融合系统组成现场监测终端作为数据采集层，传感器系统将所收集的数据传输至边缘计算融合系统，由边缘计算融合系统进行Kalman滤波融合计算分析，将计算结果利用LoRa+GPRS的通信方式进行数据传输，经由基站传输至后台监控中心存储后进行展示，并给出预警和运行状态信息。本发明能够将设备端采集的大量数据在输电线路的设备边缘侧就地进行智能分析诊断，实现输电线路的实时监控和实时故障预警的高速数据处理要求，提高电力系统稳定水平。提高电力系统稳定水平。提高电力系统稳定水平。


技术研发人员：曲俊东 钟丹田 田金禾 黄贻僅 孙语池 赵姜远
受保护的技术使用者：沈阳工程学院
技术研发日：2023.05.23
技术公布日：2023/9/20