船用配电智能保护测控设备是一种用于船舶电力系统的设备,可以实现智能保护[1]、测量、控制和监控等功能。这种设备通常由微处理器、传感器、执行器、电源、显示屏和按键等组成,可对船上配电设备的电流、电压、频率等参数进行监测[2],掌握船用电力系统的运行情况,实现船舶电力系统的运行状态监测和控制,保障船舶的安全和稳定运行。因此该设备的运行状态对于船舶航行安全具有重要意义[3]。船用配电智能保护测控设备在应用过程中,运行时间较长,如果设备的散热能力较差或者受到震动和冲击后,会导致测控设备发生故障,无法实时掌握船舶的航行情况,降低船用配电设备的监测效果[4]。因此,为实时掌握船用配电智能保护测控设备的运行状态,袁培等主要依据多源传感器感知设备状态,获取设备状态特征信息,通过多重生成对抗网络实现数据的分类以及设备状态分析。但是该方法在应用过程中,多源感知信息的传输效率较低。杜光月等[5]为实现设备状态信息采集,以多DS18B20传感器阵列为核心,进行设备温度数据采集,获取该数据的状态信息。但是该方法在应用过程中如果大规模设备终端同时接入,其传输的安全性存在一定不足。
5G网络作为新一代网络技术,具有较高的传输速率,并且支持大规模设备终端同时接入,同时可完成大密度流量传输以及连接,能够更好保证数据传输的安全性。因此,本文为实现船用配电智能保护测控设备状态信息的实时以及安全采集,提出基于5G网络的船用配电智能保护测控设备状态信息采集方法。
1 船用配电智能保护测控设备状态信息采集 1.1 基于5G网络的设备状态信息采集框架基于5G网络的船用配电智能保护测控设备状态信息采集方法充分利用5G网络的优势,实现数据的实时、安全采集,该方法的框架如图1所示。5G网络在是结合物理层安全、轻量级加密以及网络切片安全3个方面实现数据的传输,极大程度保证数据传输的安全性,并且能够满足大流量和连接密度的需求,可高效完成一定局部区域内的超高数据传输。因此,以船用配电智能保护测控设备为主体,利用采集设备进行该设备运行状态数据采集,并通过5G网络安全完成区域内的信息传输和信息汇总,并统一进行存储,为船用配电智能保护测控设备运行状态分析提供可靠数据依据。
船用配电智能保护测控设备运行状态数据采集是在边缘端利用采集模块获取船用配电智能保护测控设备的运行信号,为保证运行状态信号的采集效果采用数字信号处理器完成信号采集。该处理器以A/D采样芯片为核心,结合网络串口实现设备运行状态信号采集。
A/D采样芯片的主要作用是实现采集信号的转换,使其形成数字信号并输出该转换结果。该芯片在应用过程中,关键参数包含采样时间、采样可靠性以及分辨率和转换速率等。A/D采样芯片在进行采集的状态信号转换前,存在一定的稳定时间,稳定后等待触发信号;信号转换开始后,经过总转换时间后则读清除处理,并将转换结果保存至该芯片的寄存器中,等待下一次的信号转换启动。
A/D采样芯片在进行信号转换过程中,对于转换通道而言,需确定船用配电智能保护测控设备状态采样时间。该芯片的时钟频率用fCLK表示,在该频率周期内,芯片可进行设备采样,采样的时间周期数可通过调整寄存器的配置进行调整,可设置多个不同的采样周期,各个采样通道可按照不同的采样时间完成采样。A/D采样芯片的单一通道转换时间Tcon的计算公式为:
$ {T}_{con}=\tilde{t}+12个周期,$ | (1) |
式中,
如果A/D采样芯片中配置多个采样通道,芯片的总转换时间计算公式为:
$ T = \frac{{N \times {T_{con}}}}{{{f_{CLK}}}} 。$ | (2) |
式中,
多个采样通道采样后,A/D采样芯片在进行各个通道转换时,需合理设置采样时间,以此保证船用配电智能保护测控设备状态信号采集的精准性。
1.3 基于5G网络的数据传输 1.3.1 5G网络的多目标数据传输机制通过A/D采样芯片转换后的数据经由5G网络进行传输,在传输过程中,考虑船舶的运行环境特点以及船用配电智能保护测控设备状态信息传输的完整性需求,设定数据传输机制。结合实际应用需求,采用基于5G网络的延迟容忍传输机制。在可容忍的延迟范围内,标定数据传输点位置并且设置传输点之间的距离,同时计算5G网络的传输协议覆盖范围
$ \xi {\text{ = }}\left( {1 - g + \sum\limits_{\alpha = 1} {\chi \beta \times g{\alpha ^2}} } \right) + \frac{{\sqrt g }}{{\chi \alpha }} 。$ | (3) |
式中:
5G网络在传输过程中,为保证数据传输的稳定性和安全性,需合理设置传输点之间的距离,通过传输点组成5G网络延迟容忍传输机制的初始结构,如图2所示。
确定5G网络延迟容忍传输机制的初始结构后,在此基础上构建船用配电智能保护测控设备运行状态数据传输模型。该模型采用虚拟专用网络组网技术完成网络数据加密传输单元设置,船用配电智能保护测控设备运行状态数据传输模型结构如图3所示。
该模型在进行船用配电智能保护测控设备运行状态数据传输时,将5G网络和重叠网结构相关联,计算传输频率
$ P = l + {\left( {m - n} \right)^2}\frac{{\displaystyle\sum\limits_{k = 1} {mk - \theta } }}{{\ln + {\theta ^2}}}。$ | (4) |
式中:
依据该公式可获取欧5G网络进行数据传输时的偏差结果,以此为依据进行传输模型定向传输频率和频次的调整,保证模型传输的稳定性。
在传输过程中,5G网络传输模型为进一步提升网络数据传输的安全性,引入SM4加密方法,增加数据传输加密框以及相关认证,并且在数据转换完成后,需导入密钥方可实现双向传输和加密响应,以此可有效避免船用配电智能保护测控设备运行状态数据传输过程中受到不规则攻击,保证数据传输效率和数据质量。
通过5G完成船用配电智能保护测控设备运行状态数据传输后,将数据存储至监控终端服务器中,以此完成该设备运行状态信息采集,为船用配电设备监控以及保护等提供可靠保障。
2 测试分析为验证提出方法的在船用配电智能保护测控设备运行状态信息采集中的应用效果,以某货船作为测试对象,该货船用于运输蔬菜水果等冷藏物品,其长度为122.5 m,宽度为24.2 m。该货船上的配电系统主要由主配电柜、分配柜、电压稳定器以及电池组等组成,由于其运输的均为冷藏物品,需可靠保证船用配电设备的运行状态,并且需实时掌握配电设备的运行情况,一旦发生故障和异常需及时进行抢修,保证配电系统的正常运行。因此,需依据智能保护测控设备实时监测配电设备的运行情况。该船舶上使用的配电智能保护测控系统主要由电流互感器、电压互感器、熔断器、漏电保护器、智能电表、智能保护装置、控制器以及执行器等,通过各个设备结合实现配电设备的智能保护。
为验证提出方法对于智能保护测控设备运行状态信号的采样效果,随机呈现智能保护装置和熔断器的采样结果,如图4所示。可知,通过提出方法能够完成智能保护测控设备运行状态信号采样,并且能够获取不同设备的运行幅值信息,采集的结果中不存在中断情况,信号的完整性较好。
为验证提出方法的信息采集效果,采用平均偏离程度和平均离散程度作为评价指标,在不同的数据传输频率下进行智能保护测控设备运行状态信息采集的结果如表1所示。可知,通过本文方法进行智能保护测控设备运行状态信息采集时,随着数据传输频率的逐渐增加,该方法的平均偏离程度和平均离散程度均在0.014以下。这主要是由于本文方法以5G网路作为采集传输网络,能够更好完成数据传输。
为进一步验证文中提出方法的应用效果,测试该方法在不同数据传输频率下,随着攻击程度的增加,信息的存储速率结果。由图5可知,在不同数据传输频率下,随着攻击程度的增加,通过本文方法进行智能保护测控设备运行状态数据采集后,数据的存储速率较为稳定,没有发生较大的波动变化,均在12 MB.s−1左右,表明该方法在进行数据采集过程中,能够保证数据采集的安全性。
为确保船用配电智能保护测控设备对于配电船用系统的监测和保护效果,需实时掌握测控设备的运行状态,因此需采集其运行信息。本文为保证信息采集效果,提出基于5G网络的船用配电智能保护测控设备状态信息采集方法。对该方法的应用效果展开相关测试表明:其具有稳定的采集能力,能够完成测控设备的运行信号采样,并且采集的数据结果可靠性和安全性较高。
[1] |
杨祯, 章建峰, 蒋方圆. 船用低压直流智能配电控制策略[J]. 船舶工程, 2022, 44(11): 92-97. YANG Zhen, ZHANG Jian-feng, JIANG Fang-yuan. Ship-applied low-voltage dc smart power distribution control strategy[J]. Ship Engineering, 2022, 44(11): 92-97. |
[2] |
赵晓明, 魏瑞利, 韦武刚, 等. 空间站任务地面测控设备自动化运行方案的设计与实现[J]. 电讯技术, 2023, 63(6): 806-810. ZHAO Xiao-ming, WEI Rui-li, WEI Wu-gang, et al. Design and implementation of automatic operation scheme for ground measurement and control equipment in space station tasks[J]. Telecommunication Engineering, 2023, 63(6): 806-810. |
[3] |
解明辉, 孙亚剑, 汤思杰, 等. 基于群体优化-概率神经网络的配电网设备状态研判模型[J]. 电工电能新技术, 2023, 42(6): 79-87. XIE Ming-hui, SUN Ya-jian, TANG Si-jie, et al. State estimation model of distribution network equipment based on swarm optimization-probabilistic neural network[J]. Advanced Technology of Electrical Engineering and Energy, 2023, 42(6): 79-87. |
[4] |
朱荣荣, 周骏. 船用系泊设备结构加强形式改进[J]. 船海工程, 2022, 51(3): 47-50+55. |
[5] |
杜光月, 刘美丽, 周蒙, 等. 基于多DS18B20传感器阵列的数据采集方法研究[J]. 电子器件, 2023, 46(1): 16-21. |