基于NB?IoT的分布式光伏电站漏电监测系统

谢志远 张子忠 黄怡然 陈文

摘  要： 针对分布式光伏电站缺少漏电流无线监测设备的实际情况，介绍一种基于NB?IoT（窄带物联网）无线高精度磁调制电流传感器的漏电监测系统。该系统由感知层、传输层、平台层和应用层四部分构成。通过对影响磁调制传感器精度的定性和定量研究，提出双磁芯半波激励方案，优化传感器设计，提高其精度。汇流箱中的电流传感器采集数据信息通过单片机经由NB?IoT网络传输至云平台。该系统能够实现使用云平台对分布式光伏电站系统漏电流进行在线实时监测和故障定位，且能有效解决分布式光伏电站的漏电监测问题。

关键词： 分布式光伏电站; 漏电监测; NB?IoT; 传感器设计; 数据采集; 云平台

中图分类号： TN99?34; TM933                    文献标识码： A                      文章編号： 1004?373X（2019）13?0137?05

NB?IoT based electric leakage monitoring system for distributed photovoltaic power station

XIE Zhiyuan， ZHANG Zizhong， HUANG Yiran， CHEN Wen

（School of Electrical and Electronic Engineering， North China Electric Power University， Baoding 071000， China）

Abstract： In view of the actual situation that the distributed photovoltaic power stations lack electric leakage monitoring equipments， an electric leakage monitoring system based on high?precision wireless magnetic modulation current sensor of NB?IoT （narrow?band Internet of Things） is introduced. The system consists of perception layer， transport layer， platform layer and application layer. By means of the qualitative and quantitative research on the accuracy of magnetic modulation sensor， a double?core half?wave excitation scheme is proposed for optimizing the sensor design and improving its accuracy. The current sensor in the junction box is applied to collecting the data information which  will be sent to the cloud platform through the NB?IoT network. The system can realize on?line real?time monitoring and fault location of electric leakage devicesof distributed photovoltaic power stations using cloud platform， and the electric leakage  monitoring of distributed photovoltaic power stations.

Keywords： magnetic distributed photovoltaic power station;; electric leakage monitoring; NB?IoT; sensor design; data acquisition; cloud platform

0  引  言

近年来我国光伏发电市场发展迅速，光伏组件产量不断增高。根据国家能源局的数据显示，2017年，我国光伏新增装机5 306万千瓦，同比增长53.6%。其中，分布式光伏新增装机1 944万千瓦，同比增长近[1]400%，分布式光伏电站是未来光伏发电的主要发展趋势。

分布式光伏电站主要由太阳能电池板阵列、汇流箱、配电柜以及电站数据信息监控系统等部分组成。通常把光伏阵列与汇流箱相连，汇流后的电流由电缆连到直流配电柜[2]。由于分布式光伏电站布置分散，设备种类繁多，分布范围广，从光伏阵列到并网逆变器，各种布线非常复杂，容易造成线路漏电故障[3]。因此，光伏电站的安全稳定运行必需要有漏电监测系统来保障。文献[2]介绍了一种由不同支路电流值结合正负极接地电阻，发现回路对地故障的方法。文献[4]介绍了一种光伏电站数据由终端经DSP处理后，通过GPRS网络传到监控中心的方法。文献[5]介绍了一种通过ZigBee，GPRS网络实现光伏电站数据信息传递的方法。本文介绍一种基于NB?IoT（窄带物联网）传输的高精度光伏电站漏电监测系统。

1  高精度传感器的研究和优化

1.1  传感器原理及仿真

发电站的漏电流为大电流下的微弱差电流。霍尔电流传感器易受大电流干扰，而磁调制电流传感器不易受干扰更适合检测漏电流[6]。对磁调制电流传感器二次绕组上的感应电动势经过傅里叶变换和滤波得到二次谐波的信号，对此二次谐波进行一系列信号调理后可以间接算出漏电流的大小，这就是磁调制电流传感器的基本原理[7]。

运用ANSYS基于节点的矢量位分析方法仿真分析传感器灵敏度，采用1/4模型建立传感器有限元模型，用扫略网格划分提高仿真精度。建立模型后，在GUI模式下确定好磁调制传感器参数设定进行仿真，得到模型如图1所示。

图1  磁芯有限元模型

在被检测漏电流大小不变的条件下，电流传感器感应电動势越大，灵敏度越高。使用控制变量法，每次改变仿真磁芯的厚度、磁路长度和磁导率，探究影响传感器灵敏度的因素。

电流在磁芯传输时由于存在磁阻会发生损耗，即磁化现象。这是传感器存在误差的一个重要原因。根据零磁通原理得出电流传感器的误差值表示为：

综合仿真结果以及误差公式分析，可得以下定性结论：为提高传感器的灵敏度并减少误差，可以增大电流磁芯的磁导率、增大磁芯截面积或者缩短磁芯的磁路。

1.2  二次绕组感应电动势物理证明

为了定量探究影响传感器感应电动势大小的因素。假设将幅值为[A]，角频率为[ω]，周期为[T]的方波信号[I（t）]作为励磁信号。该方波电流满足Dirichlet条件，由傅里叶级数展开，此方波信号仅有奇次谐波。感应电动势仿真结果如图2所示。

图2  感应电动势仿真结果

由式（5）可以看出双磁芯传感器感应电动势是单磁芯的两倍，灵敏度更高[8]。双磁芯结构可以在一定程度上抑制零点漂移，所以高精度磁调制传感器多采用双磁芯结构。

1.3  信号调理电路的改进优化

传统磁调制传感器激励为方波信号，若使用半波信号作为激励，得出的波形比方波更加理想，一次谐波即可反映被测电流大小，此时感应电动势为：

在这种情况下，感应电动势信号的奇次谐波与偶次谐波都可反映漏电流。半波激励省去倍频电路，可以有效降低电路复杂程度和干扰[9]。

信号调理电路的结构如图3所示，带通滤波器由二阶巴特沃斯有源高、低通滤波器串联构成，用来截取奇次谐波。信号经过滤波后幅度小，需要使用高的共模抑制比和高输入阻抗的仪用放大器对信号放大。由于带通滤波器改变了信号的相位，检波信号需要和参考信号有着相同的频率和相位，所以需要使用微积分电路作为移相器。最后信号经过相敏检波和低通滤波器后输出[10]。

图3  改进后的信号调理电路

传感器输出电压不能被直接测量，需要对波形进行整流。整形电路采用迟滞比较器，将不规则波形变为方波，由单片机通过定时器和外部中断测量波形脉冲宽度，通过计算处理得到电流大小，表示为数字量输出[4]。这种测量方式比传统A/D转换测量方法更简单，通过电路硬件优化提升了传感器性能。

2  系统设计方案

2.1  系统整体设计

基于NB?IoT的分布式光伏电站漏电监测系统分为四个部分：感知层、传输层、平台层和应用层。感知层由MCU与高精度传感器等数据采集节点组成，负责采集电站漏电流和故障定位信息[4?5]。传输层应用窄带物联网技术，将数据传至云平台。应用层获取从云平台传来的数据，实现数据查询和处理。系统结构框图如图4所示。

2.2  感知层设计

如图5所示，感知层由磁调制电流传感器、低功耗 STM32L476单片机、移远BC?95的NB?IoT模组、移远低功耗GPS定位模块L70?R等组成，物联网模块采用电信物联网专用10649卡。STM32L476单片机负责实时监控电流数据，通过NB?IoT将电流数据和定位数据由LWM2M+CoAP协议发送到云端。

图4  系统结构框图

图5  感知层结构设计图

通过向单片机中移植SDK实现数据传输协议。该协议架构包括三部分：上层是基于LWM2M协议的IPSO资源模型，用于对磁调制传感器终端进行属性标识，中间是基于CoAP的LWM2M协议，下层是UDP协议。STM32软件总流程图如图6所示。

图6  数据采集软件流程图

2.3  平臺层和应用层的设计

平台层和应用层的设计基于中国移动物联网开放平台OneNET。该平台拥有丰富的协议适配能力，支持海量多样化终端设备接入，并且还能够满足数据安全及大数据分析等平台级服务需求。其中，数据传输协议的传输层协议为CoAP，应用层采用LWM2M协议实现[11?12]。

LWM2M 协议有三层资源模型：Object，Object Instance，Resource。其中，Object为传感器类别，Object Instance为传感器实例，Resource为传感器测量数值，每个Resource具有不同的权限和数据类型，包括可读（R）/可写（W）/可执行（E）。遵循IPSO文档的资源声明设置传感器资源模型[13]，如表1所示。

表1  LWM2M协议的资源模型与OneNET的数据模型匹配

3  实验及结果

在室温下，用电流源连接10 A电流的正负线，设置电流源模拟0～100 mA漏电流，用1#～5#五个双磁芯半波激励传感器和作为对照的单磁芯传统磁调制传感器串联一起进行实验，数据上传到云平台，验证传感器的准确度和线性度。实验数据如图7所示。

图7  电流传感器准确度实验

实验结果表明，双磁芯磁调制传感器零漂小，准确度和线性度很高，比传统单磁芯传感器性能更好。由于外界电磁干扰和双磁芯平衡问题，其电流值还存在微小误差。该传感器设计已经满足漏电流监测的需求。

用该系统对光伏电池阵列做漏电流监测实验来验证实际应用效果。太阳能电池阵列将太阳能转化为电能后，以直流形式输入汇流箱。在汇流箱的正负极输入端安装电流传感器，监测每块太阳能电池板的漏电情况。

监测数据上传到OneNET平台，自定义设计应用层数据库、地图界面，应用界面如图8所示。通过该系统可以简单方便地在线监测电站漏电流情况。

图8  应用界面设计

如图8所示，该监测系统可以实时监测光伏电站每块太阳能电池板的漏电情况，如果发生漏电情况可以及时了解和定位故障信息，确保电站安全稳定运行，有一定的应用价值。

4  结  语

本文介绍一种基于NB?IoT网络高精度磁调制电流传感器的漏电监测系统设计方案。该系统能够实现使用云平台对分布式光伏电站系统漏电流进行在线实时监测和故障定位，可以有效解决分布式光伏电站的漏电问题。

随着“互联网+”时代的到来，未来基于这种NB?IoT物联网无线监测系统将在光伏电站监测领域发挥越来越重要的作用。

参考文献

[1] 李鹏，包婧文，葛晓敏，等.中国光伏产业发展将进入“下半场”[J].太阳能，2018（1）：13.

LI Peng， BAO Jingwen， GE Xiaomin， et al. China′s photovoltaic industry will enter the second half [J]. Solar， 2018， 12（1）： 13.

[2] 陈鸣，肖慧明.基于直流漏电流检测的光伏汇流箱系统[J].现代电子技术，2016，39（8）：147?149.

CHEN Ming， XIAO Huiming. Photovoltaic junction box system based on DC leakage current detection [J]. Modern electronics technique， 2016， 39（8）： 147?149.

[3] 刘航.光伏并网系统电流检测技术的研究[D].天津：河北工业大学，2013.

LIU Hang. Research on current detection technology in photovoltaic grid connected system [D]. Tianjin： Hebei University of Technology， 2013.

[4] 李治州.并网型光伏电站监控系统的设计与实现[D].成都：电子科技大学，2015.

LI Zhizhou. Design and implementation of grid connected photovoltaic power station monitoring system [D]. Chengdu： University of  Electronic Science and technology， 2015.

[5] 左云波，王欢，徐小力，等.太阳能光伏发电无线监控系统[J].太阳能，2011，12（1）：29?32.

ZUO Yunbo， WANG Huan， XU Xiaoli， et al. Solar photovoltaic power generation wireless monitoring system [J]. Solar energy， 2011， 12（1）： 29?32.

[6] 武一，李奎，王尧，等.磁调制式剩余电流传感器的动态励磁过程分析与仿真[J].电工技术学报，2014，29（7）：244?252.

WU Yi， LI Kui， WANG Yao， et al. Analysis and simulation of dynamic excitation process of residual current sensor with magnetic modulation system [J]. Acta electrotechnical sinica， 2014， 29 （7）： 244?252.

[7] 李来杰.直流小电流传感器的研究与设计[D].保定：华北电力大学，2017.

LI Laijie. Research and design of DC low current sensor [D]. Baoding： North China Electric Power University， 2017.

[8] LUO Xiang， WANG Du Y， CHEN X H， et al. Tripping cha?racteristics of residual current devices under non?sinusoidal currents [J]. IEEE transactions on industrial applications， 2011， 47（3）： 1515?1521.

[9] PEJOVIC P. A simple circuit for direct current measurement using a transformer [J]. IEEE transactions on circuits & systems I： fundamental theory & applications， 2002， 45（8）： 830?837.

[10] 王隆伟.磁调制直流漏电流传感器信号处理电路设计[D].武汉：华中科技大学，2016.

WANG Longwei. Design of signal processing circuit for magnetic modulation DC leakage current sensor [D]. Wuhan： Huazhong University of Science and Technology， 2016.

[11] TUSHAR W， YUEN C， LI K， et al. Design of cloud?connec?ted IoT system for smart buildings on energy management （invited paper）[J]. Industrial networks & intelligent systems， 2016， 3（6）： 150813.

[12] 钱志鸿，王义君.物联网技术与应用研究[J].电子学报，2012，40（5）：1023?1029.

QIAN Zhihong， WANG Yijun. Research on technology and application of  Internet of  Things [J]. Acta electronica sinica， 2012， 40 （5）： 1023?1029.

[13] 中国移动通信集团公司.中国移动物联网开放平台：OneNet[EB/OL].[2016?06?29]. http：//iot.10086.cn/.

CMCC. IoT open platform—OneNet [EB/OL]. [2016?06?29]. http：//iot.10086.cn/.