面向燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)物聯(lián)網(wǎng)平臺(tái)設(shè)計(jì)

摘 要：傳統(tǒng)的數(shù)據(jù)聚合方法只能處理同一個(gè)類型的數(shù)據(jù)，當(dāng)對(duì)多源異構(gòu)數(shù)據(jù)進(jìn)行融合時(shí)，物聯(lián)網(wǎng)平臺(tái)融合質(zhì)量差，處理速度慢。因此，本文提出面向燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)物聯(lián)網(wǎng)平臺(tái)的設(shè)計(jì)。在硬件設(shè)計(jì)方面，選擇合適的硬件，保證平臺(tái)的穩(wěn)定性。在軟件設(shè)計(jì)方面，利用傳感器采集燃煤發(fā)電廠的數(shù)據(jù)，對(duì)采集的數(shù)據(jù)進(jìn)行多源數(shù)據(jù)融合，將融合后的數(shù)據(jù)進(jìn)行結(jié)構(gòu)化存儲(chǔ)，同時(shí)在物聯(lián)網(wǎng)平臺(tái)中進(jìn)行共享。測(cè)試結(jié)果表明，當(dāng)處理多源異構(gòu)數(shù)據(jù)時(shí)，面向燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)物聯(lián)網(wǎng)平臺(tái)融合質(zhì)量高，融合效果好，平臺(tái)能夠較快處理響應(yīng)。

關(guān)鍵詞：燃煤發(fā)電廠；多源異構(gòu)數(shù)據(jù)；物聯(lián)網(wǎng)平臺(tái)；平臺(tái)設(shè)計(jì)

中圖分類號(hào)：TU 452 " " " 文獻(xiàn)標(biāo)志碼：A

隨著物聯(lián)網(wǎng)技術(shù)快速發(fā)展，海量燃煤發(fā)電廠的數(shù)據(jù)呈現(xiàn)多源異構(gòu)的特點(diǎn)，對(duì)多源異構(gòu)數(shù)據(jù)進(jìn)行聚合分析，獲取燃煤發(fā)電廠數(shù)據(jù)的類別信息，有助于感知燃煤發(fā)電廠的安全態(tài)勢(shì)并處理[1]。目前的難題是對(duì)海量的多源異構(gòu)數(shù)據(jù)進(jìn)行有效的聚合分析，并形成物聯(lián)網(wǎng)平臺(tái)。傳統(tǒng)物聯(lián)網(wǎng)平臺(tái)數(shù)據(jù)處理方式單一，只能對(duì)來(lái)源、相同類型的數(shù)據(jù)進(jìn)行處理。

因此，本文研究面向燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)物聯(lián)網(wǎng)平臺(tái)設(shè)計(jì)，目的是建造一個(gè)能夠整合燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)的物聯(lián)網(wǎng)平臺(tái)。本文研究燃煤發(fā)電廠物聯(lián)網(wǎng)平臺(tái)合理的硬件設(shè)計(jì)，實(shí)現(xiàn)平臺(tái)運(yùn)行穩(wěn)定、快速響應(yīng)的目標(biāo)[2]。在軟件設(shè)計(jì)方面，對(duì)燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)進(jìn)行有效融合、存儲(chǔ)，采用平臺(tái)共享的方式，提高燃煤發(fā)電廠的運(yùn)行效率，控制能耗排放。綜上所述，本文面向燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)物聯(lián)網(wǎng)平臺(tái)進(jìn)行設(shè)計(jì)，為燃煤發(fā)電廠的智能化發(fā)展提供支持。

1 硬件設(shè)計(jì)

在面向燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)物聯(lián)網(wǎng)平臺(tái)進(jìn)行設(shè)計(jì)的過(guò)程中，硬件設(shè)計(jì)十分重要，合適的硬件能夠保證平臺(tái)穩(wěn)定運(yùn)行。平臺(tái)硬件包括傳感器、微控制器、執(zhí)行器、通信接口和調(diào)制解調(diào)器等。將傳感器安裝在燃煤發(fā)電廠的多個(gè)位置，利用傳感器檢測(cè)并收集燃煤發(fā)電廠的溫濕度、二氧化碳濃度和二氧化硫濃度等數(shù)據(jù)，將這些數(shù)據(jù)信息按照一定規(guī)律轉(zhuǎn)化為所需的信號(hào)模式進(jìn)行輸出。微控制器是物聯(lián)網(wǎng)平臺(tái)的核心，可以控制和協(xié)調(diào)平臺(tái)各個(gè)部分，stm32f103c8t6芯片穩(wěn)定性較高。執(zhí)行器的作用是控制燃煤發(fā)電廠設(shè)備的物理輸出，使用RS-485接口將燃煤發(fā)電廠設(shè)備與網(wǎng)絡(luò)進(jìn)行連接。使用的調(diào)制解調(diào)器是AD9850數(shù)字頻率合成器，將數(shù)字信號(hào)轉(zhuǎn)換為模擬信號(hào)。在收集、處理以及存儲(chǔ)數(shù)據(jù)的過(guò)程中，對(duì)硬件進(jìn)行合理搭配可以提高效率。

2 軟件設(shè)計(jì)

2.1 采集燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)

當(dāng)采集燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)時(shí)，對(duì)燃煤發(fā)電廠物聯(lián)網(wǎng)層次結(jié)構(gòu)進(jìn)行設(shè)計(jì)。燃煤發(fā)電廠物聯(lián)網(wǎng)平臺(tái)的整體架構(gòu)分為4個(gè)層次，分別為由各種傳感器組成的數(shù)據(jù)感知層、由各種拓?fù)渎酚蛇B接傳感器和服務(wù)器的網(wǎng)絡(luò)層、由感知層和網(wǎng)絡(luò)層數(shù)據(jù)儲(chǔ)存服務(wù)器組成的數(shù)據(jù)層以及燃煤發(fā)電廠物聯(lián)網(wǎng)應(yīng)用層[3]。物聯(lián)網(wǎng)層次架構(gòu)如圖1所示。

燃煤發(fā)電廠通常安裝了許多傳感器，配套相應(yīng)的采集模塊、調(diào)理器和解調(diào)儀等設(shè)備，采集燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)。傳感器包括溫濕度計(jì)、氣體傳感器等，由于每個(gè)傳感器的采集方式、通信方式和通信協(xié)議不同，因此本文生成1個(gè)配置文件來(lái)記錄這些通信參數(shù)[4]。在程序設(shè)計(jì)中，將每個(gè)傳感器抽象為一個(gè)“對(duì)象”，傳感器的相關(guān)信息是該對(duì)象的屬性。

2.2 多源異構(gòu)數(shù)據(jù)融合

由于采集的燃煤發(fā)電廠數(shù)據(jù)來(lái)自不同傳感器，數(shù)據(jù)類型不同，因此，數(shù)據(jù)是多源異構(gòu)數(shù)據(jù)。本文將采集的燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)進(jìn)行融合處理。融合方法包括以下3個(gè)步驟。1）利用小波分析方法去除多源異構(gòu)數(shù)據(jù)中的隨機(jī)誤差與其他干擾因子[5]。2）對(duì)多源異構(gòu)數(shù)據(jù)去噪時(shí)間序列進(jìn)行處理，得到1組對(duì)應(yīng)的綜合時(shí)間序列。3）將各個(gè)指標(biāo)的綜合時(shí)間序列進(jìn)行整合，得到位移、應(yīng)力和傾角等一系列信息。具體過(guò)程如下。

將多源異構(gòu)數(shù)據(jù)視為包括干擾信息的時(shí)間序列，如公式（1）所示。

f（t）=s（t）+x（t） " " " （1）

式中：f（t）為實(shí)測(cè)數(shù)據(jù)；s（t）為實(shí)際數(shù)據(jù)；x（t）為干擾數(shù)據(jù)。

小波門限值去除干擾的主要步驟如下：選取適當(dāng)?shù)男〔ㄗ儞Q基函數(shù)和小波分解層數(shù)，對(duì)實(shí)測(cè)數(shù)據(jù)進(jìn)行多尺度分解。利用所選取的門限算法以及門限處理函數(shù)來(lái)限定小波系數(shù)[6]。對(duì)經(jīng)過(guò)門限處理的高頻、低頻系數(shù)進(jìn)行重建，獲得消除干擾結(jié)果。

計(jì)算門限值λ，如公式（2）所示。

（2）

式中：σ為干擾的標(biāo)準(zhǔn)差；M為信號(hào)長(zhǎng)度。

σ的計(jì)算過(guò)程如公式（3）所示[7]。

（3）

式中：m為中值函數(shù)；wj，k為小波變換前的去除干擾系數(shù)。門限處理函數(shù)有2種形式，一種是硬門限形式，另一種是軟門限形式。

硬門限處理如公式（4）所示。

（4）

軟門限處理如公式（5）所示[8]。

（5）

式中：wi，j為小波變換后的系數(shù)；sign為分支決策函數(shù)。

為滿足各種數(shù)據(jù)指標(biāo)的要求，須將多個(gè)傳感器配置在不同的位置中。采用加權(quán)平均方法對(duì)同類多個(gè)傳感器的實(shí)測(cè)數(shù)據(jù)進(jìn)行數(shù)據(jù)融合。該方法對(duì)各個(gè)時(shí)間點(diǎn)、各個(gè)傳感器采集的信號(hào)進(jìn)行加權(quán)平均處理。假定使用n個(gè)位移傳感器采集燃煤發(fā)電廠的數(shù)據(jù){X1，X2，…，XN}，Xj（j=1，2，…，n）為位移為j的傳感器輸出的數(shù)據(jù)序列。假設(shè)wj（j=1，2，…，n）是位移為j的傳感器的權(quán)值，那么加權(quán)平均值的融合模型如公式（6）所示。

T1=[w1，w2，…，wn][X1，X2，…，XN]T " " "（6）

式中：T1為綜合位移的時(shí)序。

由公式（6）可知，各個(gè)傳感器所對(duì)應(yīng)的權(quán)值是加權(quán)平均值的關(guān)鍵。一般情況下，一些傳感器采集的數(shù)據(jù)規(guī)律性很強(qiáng)，其他傳感器采集的數(shù)據(jù)不一定具有規(guī)律性。熵能夠測(cè)量傳感器提供的信息是否有效。在實(shí)際應(yīng)用中，如果獲得的數(shù)據(jù)是有規(guī)律的，其熵值就越低，能提供的信息就越多，其權(quán)值就越大。反之，如果獲得的數(shù)據(jù)是不規(guī)律的，那么其能提供的信息就越少，相應(yīng)的權(quán)值也就越小。計(jì)算第j個(gè)傳感器的熵Hj，如公式（7）所示。

（7）

式中：fij為第j個(gè)傳感器在狀態(tài)i下的相對(duì)頻率。

fij的計(jì)算過(guò)程如公式（8）所示。

（8）

式中：Xij為第j個(gè)傳感器的第i次測(cè)定值。當(dāng)fij=0時(shí)，fijlnfij為0。第j個(gè)傳感器的權(quán)值計(jì)算過(guò)程如公式（9）所示。

（9）

式中：wj為第j個(gè)傳感器的熵權(quán)；n為同類傳感器的數(shù)目。

主成分分析（Principal Component Analysis，PCA）是一種有效的函數(shù)型數(shù)據(jù)降維方法，基于主成分分析進(jìn)行信息融合[9]。假定數(shù)據(jù)指標(biāo)T1，T2，…，TP為用熵權(quán)方法得到的各種指標(biāo)的合成時(shí)間序列，p維向量T=（T1，T2，…，TP），T的成分相互關(guān)聯(lián)。對(duì)T進(jìn)行主成分分析。

為了克服各指標(biāo)維數(shù)對(duì)合成時(shí)間序列的影響，須將其歸一化。設(shè)T中第j個(gè)數(shù)據(jù)指標(biāo)的第i個(gè)采樣值為tij=（i=1，2，…，M；j=1，2，…，p），歸一化矩陣Z如公式（10）所示。

（10）

式中：z11為位于矩陣第一行第一列的元素值；zij為第j個(gè)數(shù)據(jù)指標(biāo)的第i個(gè)樣本值經(jīng)過(guò)歸一化處理后的值；tij為T中第j個(gè)數(shù)據(jù)指標(biāo)的第i個(gè)采樣值；μj為期望值；σj為方差。

計(jì)算歸一化矩陣Z的相關(guān)系數(shù)矩陣R以及其相應(yīng)的特征值，如公式（11）所示。

（11）

計(jì)算累積貢獻(xiàn)量，并對(duì)主要成份進(jìn)行識(shí)別，如公式（12）所示。

（12）

式中：a為累計(jì)貢獻(xiàn)量；λi為第i個(gè)特征值。當(dāng)a≥0.85時(shí)，說(shuō)明可用L個(gè)主成分來(lái)表達(dá)矩陣Z中包括的信息，完成對(duì)燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)的融合處理。

2.3 結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)

不同類型傳感器采集的物理量不同，因此在存儲(chǔ)數(shù)據(jù)的過(guò)程中，每種類型的傳感器須有一套獨(dú)立的數(shù)據(jù)表。這樣的設(shè)計(jì)只是將數(shù)據(jù)分門別類地存放，并沒(méi)有結(jié)構(gòu)化、集成化存儲(chǔ)[10]。因此，本文在這個(gè)基礎(chǔ)上提出一種新型的結(jié)構(gòu)化存儲(chǔ)方法，對(duì)多種傳感器數(shù)據(jù)進(jìn)行統(tǒng)一管理，進(jìn)一步提高數(shù)據(jù)的集成度。傳感器數(shù)據(jù)見(jiàn)表1。

雖然這2種傳感器獲得的物理量不同，但是都能夠有效分離多種物理量，對(duì)多源異質(zhì)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化、一體化存儲(chǔ)。傳感器類型見(jiàn)表2。

2.4 共享物聯(lián)網(wǎng)平臺(tái)多源異構(gòu)數(shù)據(jù)

在燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)物聯(lián)網(wǎng)平臺(tái)設(shè)計(jì)過(guò)程中，本文以知識(shí)圖譜為基礎(chǔ)，將多源異構(gòu)數(shù)據(jù)分布在處理器中，以此為基礎(chǔ)，對(duì)多源異構(gòu)數(shù)據(jù)進(jìn)行共享。共享原理如公式（13）所示。

（13）

式中：P（Sij）為多源異構(gòu)數(shù)據(jù)的共享函數(shù)；Sij為異構(gòu)數(shù)據(jù)節(jié)點(diǎn)i的來(lái)源庫(kù)；m為異構(gòu)數(shù)據(jù)節(jié)點(diǎn)i的異構(gòu)數(shù)據(jù)多源類型；bkij為描述異構(gòu)數(shù)據(jù)源中Sij的位置優(yōu)先權(quán)，當(dāng)符合時(shí)間標(biāo)記時(shí)，值取0，否則取1；F（Sij）為異構(gòu)數(shù)據(jù)多源類別的權(quán)重；gkij為異構(gòu)數(shù)據(jù)源中k個(gè)異構(gòu)節(jié)點(diǎn)被分享的次數(shù)。分享度越高，其在數(shù)據(jù)庫(kù)中的作用越大，能夠?qū)⑵渑c異構(gòu)的數(shù)據(jù)節(jié)點(diǎn)進(jìn)行共享。當(dāng)異構(gòu)數(shù)據(jù)協(xié)同性良好時(shí)，請(qǐng)求與異構(gòu)數(shù)據(jù)的多個(gè)來(lái)源進(jìn)行共享，達(dá)到共享的目的。為共享多源異構(gòu)數(shù)據(jù)，本文提出一種基于知識(shí)圖譜的方法，知識(shí)圖譜拓?fù)浣Y(jié)構(gòu)如圖2所示。

本文以多源異構(gòu)數(shù)據(jù)為研究對(duì)象，分析其特性以及屬性集合關(guān)系，獲取異構(gòu)數(shù)據(jù)的語(yǔ)義，以此為基礎(chǔ)構(gòu)建多源異構(gòu)數(shù)據(jù)共享模型，如公式（14）所示。

（14）

式中：Gv，i為多源異構(gòu)數(shù)據(jù)對(duì)其他異構(gòu)數(shù)據(jù)的分享度；Xi為多源異構(gòu)數(shù)據(jù)集的參考值。

在無(wú)法確定干擾來(lái)源的情況下，需要對(duì)多源異構(gòu)數(shù)據(jù)進(jìn)行差分處理和數(shù)據(jù)驗(yàn)證。提高多源異構(gòu)數(shù)據(jù)源的優(yōu)先度，從而提高多源異構(gòu)數(shù)據(jù)的共享效率，達(dá)到燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)物聯(lián)網(wǎng)平臺(tái)共享的目的。

3 測(cè)試

3.1 測(cè)試準(zhǔn)備

為了驗(yàn)證本文面向燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)物聯(lián)網(wǎng)平臺(tái)設(shè)計(jì)的可行性，本文利用MATLAB仿真平臺(tái)，進(jìn)行模擬試驗(yàn)。試驗(yàn)建立150 m×150 m的無(wú)線局域網(wǎng)，并在該局域網(wǎng)內(nèi)隨機(jī)布設(shè)80個(gè)傳感節(jié)點(diǎn)。由于網(wǎng)絡(luò)中的各個(gè)結(jié)點(diǎn)都是同質(zhì)的，因此設(shè)置的初始節(jié)點(diǎn)的能量都是0.47 J，節(jié)點(diǎn)的帶寬是3 bit/s，網(wǎng)絡(luò)的傳送長(zhǎng)度是25 m。傳感器采用GB-AEnet-FL網(wǎng)絡(luò)進(jìn)行配置，并設(shè)置節(jié)點(diǎn)，使其正確運(yùn)行。設(shè)置500 m×500 m的節(jié)點(diǎn)分布范圍，并對(duì)采集的數(shù)據(jù)進(jìn)行監(jiān)聽。多源異構(gòu)的數(shù)據(jù)發(fā)送至網(wǎng)絡(luò)節(jié)點(diǎn)，以1個(gè)星期為周期進(jìn)行監(jiān)聽。為了驗(yàn)證本文平臺(tái)的有效性，本研究設(shè)計(jì)了3個(gè)組別，將使用本文所提出方法的群組作為試驗(yàn)組，另外2個(gè)采用傳統(tǒng)物聯(lián)網(wǎng)平臺(tái)數(shù)據(jù)處理方法的群組作為對(duì)照組。分別進(jìn)行多源異構(gòu)數(shù)據(jù)的融合，獲得融合后的數(shù)據(jù)質(zhì)量，數(shù)據(jù)融合質(zhì)量個(gè)數(shù)在100個(gè)以上為最佳。

3.2 測(cè)試結(jié)果及分析

為了驗(yàn)證本文面向燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)物聯(lián)網(wǎng)平臺(tái)的多源異構(gòu)數(shù)據(jù)融合技術(shù)的優(yōu)越性，按照上述測(cè)試準(zhǔn)備進(jìn)行測(cè)試，得到測(cè)試結(jié)果（如圖3所示）。

由測(cè)試結(jié)果可知，2個(gè)對(duì)照組在不同的時(shí)間限制條件下都未能實(shí)現(xiàn)預(yù)定目標(biāo)。與其進(jìn)行對(duì)比，本文的面向燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)物聯(lián)網(wǎng)平臺(tái)的多源異構(gòu)數(shù)據(jù)融合技術(shù)在15 s內(nèi)就獲得數(shù)據(jù)融合質(zhì)量100個(gè)，隨著融合時(shí)間延長(zhǎng)，數(shù)據(jù)融合質(zhì)量個(gè)數(shù)仍然在上升。測(cè)試結(jié)果表明，燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)物聯(lián)網(wǎng)平臺(tái)使用本文技術(shù)進(jìn)行多源異構(gòu)數(shù)據(jù)融合，平臺(tái)處理數(shù)據(jù)的速度較快，保證了燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)物聯(lián)網(wǎng)平臺(tái)的穩(wěn)定性。

4 結(jié)語(yǔ)

面向燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)物聯(lián)網(wǎng)平臺(tái)的設(shè)計(jì)是一項(xiàng)艱巨而意義重大的工作，使用本文的設(shè)計(jì)能夠搭建面向燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)物聯(lián)網(wǎng)平臺(tái)。其成功應(yīng)用可以提升燃煤發(fā)電廠的運(yùn)行以及管理效率，為燃煤發(fā)電廠提供了一個(gè)智能化平臺(tái)。面向燃煤發(fā)電廠多源異構(gòu)數(shù)據(jù)物聯(lián)網(wǎng)平臺(tái)發(fā)展前景將會(huì)更好。

參考文獻(xiàn)

[1]肖漫漫，馬迎，劉驥琛.基于端邊云協(xié)同的物聯(lián)網(wǎng)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[J].物聯(lián)網(wǎng)技術(shù)，2023，13（11）：55-58.

[2]賴均友.基于GB-AEnet-FL網(wǎng)絡(luò)的物聯(lián)網(wǎng)多源異構(gòu)數(shù)據(jù)聚合處理方法[J].長(zhǎng)江信息通信，2023，36（9）：62-64.

[3]李曉如，韓勇華，彭燁.多源異構(gòu)數(shù)據(jù)監(jiān)控管理平臺(tái)的設(shè)計(jì)與應(yīng)用[J].廣東水利水電，2021（11）：91-95.

[4]盛剛，李勇，張效華.某特鋼企業(yè)MES系統(tǒng)多源異構(gòu)數(shù)據(jù)采集架構(gòu)設(shè)計(jì)與應(yīng)用[J].儀器儀表用戶，2022，29（12）：16-19.

[5]庫(kù)新勃，張海龍，楊帥.基于XML格式融合多源異構(gòu)數(shù)據(jù)建設(shè)智慧社區(qū)數(shù)據(jù)管理平臺(tái)[J].電力勘測(cè)設(shè)計(jì)，2023（8）：1-5，17.

[7]王潤(rùn)澤.基于多源異構(gòu)數(shù)據(jù)的蘋果信息資源系統(tǒng)研發(fā)[D].泰安：山東農(nóng)業(yè)大學(xué)，2022.

[8]張合沛，陳饋.面向多源異構(gòu)信息融合的隧道群組裝備數(shù)據(jù)提取技術(shù)研究[J].隧道建設(shè)（中英文），2022，42（1）：41-47.

[9]WEIMIN G ，JIAMING Z ，YICHEN L .Research on the processing

method of multi-source heterogeneous data in the intelligent agriculture

cloud platform[J].Applied mathematics and nonlinear sciences，2022，8（1）：2367-2376.

[10]SHEHAB W，ELGOKHY M S，SALLAM E.ROHDIP：

Resource oriented heterogeneous data integration platform[J].International

journal of advanced computer science and applications（IJACSA），2016，7（9）：104-116.