一种基于LoRa和Arduino的低成本电力监控系统

宋 艳

(铜川职业技术学院，陕西 铜川 727031)

尽管供电基础设施已经覆盖我国绝大多数地区，但是在基础设施严重不足的偏远地区仍存在电力短缺的问题，离网运行的可再生电源是有效提升偏远地区供电质量的低成本解决方案[1,2]。为提高离网运行的可再生电源的供电质量，需要构建一个可持续可靠运行的电力负荷监控系统，但在离网地区建立电力负荷监控系统存在诸多困难。首先，这些地区地域辽阔、通信基础设施很不发达，因此一般的通信方式并不适用。其次，电力负荷监控系统必须具备对环境影响的鲁棒性，能够在缺乏运维的条件下长期稳定运行。最后，系统必须具有较低的制造、安装和运维成本。

为此，设计了一种基于LoRa和Arduino的远程电力负荷监控系统(LMN)，以实现偏远地区小型加工厂和家庭用户的电力负荷监控。从功能实现角度考虑，提出了一种成本相对较低的多跳无线传感器网络，以实现监控终端与系统基站之间的可靠数据通信。从长期运行角度考虑，提出备用基站的系统构建策略，以实现在基站硬件出现故障时自动保证系统的正常运行。这种方法兼顾了在恶劣环境中远程监控和系统可持续性的要求。从成本效益角度考虑，提出了基于Arduino板的硬件方案，实现了低成本的制造、运维，以降低该系统的推广难度。经过在室内与室外监控环境中的测试，证明该设计方案具备长期、稳定和低成本运行的可行性。

1 研究背景

由于智能电网的发展，已经进行了许多有关无线电力负荷监控的研究。这些研究之间的主要区别在于通信方法的选择和无线传感器网络的结构设计。ZigBee是一种无线通信协议，广泛应用于家庭电力监控和家庭自动化。文献[3]提出了一种基于ZigBee传感器网络的实时家庭能源监控系统。由于监控环境为近距离和室内，所提出的无线传感器网络结构较简单，所有传感器数据均由网关采集并上传至服务器。通过ZigBee传感器网络，用户可以使用移动设备来控制监控目标的供电。文献[4]和文献[5]提出了一种基于ZigBee的无线家庭能源管理系统，旨在降低能源消耗。在传感器网络的结构方面，上述两项研究只关注近距离电力负荷监控，没有考虑系统鲁棒性的提高和维护难度的降低。随着无线通信技术的发展，Wi-Fi已成为另一种广泛使用的电力负荷监控方法。文献[6]开发了基于Wi-Fi的智能建筑负荷监控系统，支持实时能耗数据的验证和控制。这是一种高效的室内负荷监控系统。由于Wi-Fi接入点(AP)安装的便捷性，所提出的系统可以通过增加更多的AP来高效监控整个区域。但是Wi-Fi是一种类似ZigBee的高效短距离通信协议，因此该系统在远距离和室外监控方面的应用会受到限制。

文献[7]设计了一个基于Arduino板的风电监控系统。所提出的系统旨在使用第四代通信网络(4G)进行远程数据传输和系统控制。该系统是典型的低成本但高效的监控系统，可应用于许多离网地区以改善供电质量。然而对于一些基础设施不发达、环境相对较差的农村地区，该系统可能无法实现长期运行。此外，该监控系统旨在监控单个风电机组，如果要监控多个目标对象的电力负荷，则需要在每个节点中安装4G或网卡，这显然会大大增加系统的安装成本。为了解决农村地区电力负荷监控的挑战，文献[8]设计了一种基于短信服务(SMS)的太阳能发电厂远程电力监控系统。该系统采用短信作为远程数据传输和控制方式，避免了通信距离的限制，不受当地基础设施发展的阻碍。然而，SMS 的可持续性、维护和局限性并未在该文献中提及。

2 基于LoRa和Arduino的监控系统

基于LoRa和Arduino的电力负荷监控系统主要由功率测量装置和无线通信基站两部分组成。功率测量装置称为LoRa网络电表(LMN电表)，无线通信基站称为LoRa网络基站(LMN基站)。在介绍LMN电表和LMN基站之前，首先讨论无线通信方式的选择。

2.1 无线通信方式

可供选择的典型无线通信方式有：基于IEEE 802.11b的Wi-Fi、基于IEEE 802.15的ZigBee、短信息服务 (SMS)、蜂窝通信技术通信(4G或5G)等[9,10]。

Wi-Fi是基于IEEE 802.11的稳定且高速的多点无线通信方式[11]，但是存在通信范围有限的缺点。ZigBee是基于IEEE 802.15的短距离无线通信方式，最远仅支持100米的通信距离[12]。第四代、第五代蜂窝通信技术(4G和5G)可以通过增加基站数量来无限扩大覆盖范围，但存在安装成本高的问题[13]。SMS是一种点对点商业通信方式，存在维护成本的问题。

LoRa是一项远程无线数据通信技术，通信范围超过1000米[14]。LoRa支持灵活的网络结构设计，可通过多跳网状的设计组成“无线网格网络”(MESH)，可在简化通信网络复杂性的基础上拓展覆盖范围，同时降低了安装成本[15]。

经过通信距离、成本等因素比较，LoRa是构建本研究无线监控网络的最优选择。

2.2 LMN电表

2.2.1 通信算法

着眼于以较低成本尽量扩大覆盖范围，LMN电表以多跳网状形式组成电力负荷无线监控网络，如图1所示。

图1 无线监控网络

在电力负荷无线监控网络中，每个LMN电表都被设计为既是通信终端又是中间站。每个LMN电表都基于唯一的设备号实现相互识别并自动协作，使监控系统扩大了通信范围。以图1中的1号电表为例，该表处于基站的通信范围之外，通过其他LMN电表的中继得以实现与LMN基站的通信。

LMN电表的整体算法包括三个部分：通信算法部分、传感算法部分和计时器算法部分。通信算法的主要功能是：(1)识别通信范围内的相邻LMN电表，同时验证通信的有效性，记录通信源的设备号；(2)执行来自LMN基站的控制信号。详细步骤如算法1所示。

(1)信号源类型分析。系统包含两种类型的信号：LMN基站信号和LMN电表信号。如果是LMN基站信号，则下一步是判断LMN基站控制信号的目标设备是否是本地设备。如果控制目标是本地设备，则LMN电表依据LMN基站控制信号执行四个功能模块电源开关、数据重发、初始化和邻居模式切换中的一个或多个。

图2所示的算法以2号LMN电表为例，显示了如何确定信号的目标设备是不是2号电表。

(2)执行四个功能模块。当离网电源的负荷过大或负荷恢复正常水平时，则LMN电表通过电源开关模块是控制继电器来开启或关闭监控对象的电源。如果LMN基站未在单位时间内收到本地电表数据，则发送控制信号启动LMN电表的数据重发模块将本地存储的数据发送至LMN基站。初始化模块是根据LMN基站的控制信号设置本地电表的定时器。邻居模式切换模块是根据控制信号将LMN电表切换为LMN基站与其目标电表之间的中继电表。

(3)通信有效性验证。如果是邻居LMN电表信号，则进一步检测通信的有效性，即验证接收到的信号是否包含不完整的数据。验证方法是检查数据包损失率(RPLR)，其计算公式是：

(1)

其中，DSend是发送数据的长度，DReceive是接收数据的长度。RPLR为0表示该通信数据有效，则将该信号源的设备号记录为邻居。

(4)在完成通信数据有效性的检测之后，下一步是验证邻居模式。如前所述，如果切换至邻居模式，则中继电表将与其他邻居电表合作，屏蔽并通过目标仪表的信号。来自LMN基站的控制信号包括两部分，即电源开关和目标电表设备号。如控制信号为“Co-1-2-9”，其中“Co”表示邻居模式,第一个数字“1”表示开启，第二个数字“2”表示本地电表的设备号，最后一个数字“9”表示目标电表的设备号，因此该信号的含义是：打开2号电表的邻居模式，让其成为基站和9号电表之间的中继电表。如图所示1，当2号电表接收到来自其他邻居电表的信号时，首先验证该信号是否来自其目标电表，即9号仪表。如果是，则2号电表会自动将此信号转发给基站；反之，2号电表将基站的控制信号转发给9号电表，使9号电表不仅可以上传数据，还可以接收LMN基站的控制信号。通过该算法可以延长LMN基站与LMN电表之间的通信距离。

图2 LMN电表的总体算法

2.2.2 定时器算法

考虑通信系统容量、通信速度、制造成本等因素，为实现多点对单点通信，基于时分多址(TDMA)技术设计定时算法以完成LMN电表的数据发送任务。每个电表都有唯一的设备编号和数据发送时间。因此，在特定时间点上只有一个LMN电表向LMN基站发送数据。每个电表的数据发射时间设计为LMN电表设备号的函数：t=ε×No，其中t为数据发送时间，ε是时间间隔，No是LMN电表的设备号。定时算法累加周期数。在研究发射时间时，该算法结合传感和通信部分的结果并发射最终结果。本研究通信部分的结果称为邻居信息。在通信算法阶段提到，每当算法检测到接收到的信号没有丢失时，就会记录该信号源的设备号。因此，在启动时，筛选出单位时间内记录的有效通信频率最高的LMN电表的设备号作为输出。例如，“02-0.50/225-9”表示该信号来自2号LMN电表，电流值为0.5 A，电压为225 V，2号LMN电表和9号LMN电表之间的信道质量在LMN电表的通信范围内最高。

2.2.3 硬件设计

LMN电表的硬件设计框图和实物如图3所示。为了降低生产成本及维护难度，以及便于安装并提高系统的可持续性，LMN电表的主控板是基于Arduino UNO开发板设计的，其他主要组件的型号为：电流传感器TA12-100、电压传感器ZMPT101B、继电器BC548-Arduino 5V、LoRa通信模型AS32-TTL-1W、空气开关(JEB-E2S)和两个电源转换器GMS0612-12V和GMS0205-5V。

(a)设计框图

2.3 LMN基站

2.3.1 LMN基站

LMN基站是集中采集和管理电力负荷数据的设备，主要功能包括：控制信号传输、数据管理和上传、数据丢失检测和自我控制。LMN基站的算法包括三个定时器算法：通用定时器、重发定时器和LMN定时器。通用定时器用于计算监控周期。LMN基站启动后，首先在通信范围内发送初始化信号以统一每个LMN电表的定时器。由于电力负荷监控系统是基于TDMA设计的，因此通过计算监控周期，LMN基站可以计算出所有LMN电表的数据发射时间。如果LMN基站在从该LMN电表的数据发射时间到允许延迟的时间段内未能接收到来自该LMN电表的信号，则通用定时器唤醒重发定时器。重发定时器用于发送重发控制信号。如前所述，在完成初始化后，LMN电表会被基站临时存储。如果LMN基站发送重发控制信号，对应的LMN电表收到该信号后，重新发送之前的数据。但是如果LMN基站仍然无法接收到来自对应LMN电表的信号，则在等待另一个延迟周期后，LMN基站唤醒最后一个定时器，即LMN定时器。

LMN电表的数据存储在LMN基站中的两个独立的数据库中：一个数据库存储每个电表的电流和电压值，以及数据上传的时间；另一个数据库是邻居信息数据库，存储每个LMN电表的相邻电表的设备编号。LMN定时器通过查询邻居信息数据库找到LMN电表的邻居电表，通过该邻居电表可以接收来自丢失的LMN电表的信号。LMN基站的算法示意图如图4所示。

图4 LMN基站的算法示意图

以9号和2号LMN电表为例进一步说明LMN定时器的查询过程。LMN定时器唤醒后，LMN定时器查询邻居信息库，找到9号LMN电表。此时，9号LMN电表是在2号LMN电表的邻居位置找到的；随后，可向2号LMN电表发送控制信号“Co-1-2-9”实现9号LMN电表的数据上传。如果在邻居信息库中发现有多个LMN电表是丢失LMN电表的邻居电表，则LMN基站随机选择目标电表。

LMN基站是基于Arduino板Arduino Mkr Zero开发设计的。之所以选择它作为LMN基站的主板，主要有以下几个原因：首先，与Arduino UNO的SRAM只有2kB相比，Mkr Zero的SRAM为32 kB；其次，Mkr Zero有一个通用异步接收和发送器，支持六个串行通信通道。

2.3.2 LMN备用基站

LMN基站是监控系统中最重要的设备，管理系统中的所有LMN电表并上传数据。如果LMN基站不能正常运行，那么整个系统就会失效。为了降低LMN基站故障导致整个系统失效的概率，提出了LMN备用基站的设计思路。LMN备用基站被设计为具有LMN基站的全部功能，但是在正常情况下LMN备用基站不处理任何LMN电表的信号，仅监视LMN基站的操作。

LMN备用基站主要由以下四个定时器算法模块组成——校验定时器、通用定时器、重发定时器和LMN定时器。通过验证每单位时间来自LMN基站的输出信号，校验定时器被初始化并且不会唤醒其他定时器。如果LMN备用基站不能接收到LMN基站的信号，即单位时间内校验定时器初始化失败，则备用基站唤醒三个定时器，替代LMN基站管理系统中的所有LMN电表。

为了进一步在故障恢复的过程中减少人工干预，即使LMN基站在LMN备用基站再次检测到基站信号时启动了三个定时器，LMN备用基站也可以自动初始化校验定时器。LMN备用基站待机的工作流程如图5所示。

图5 备用基站的工作流程

基于备用基站的设计，电力负荷监控系统具备了自动修复功能，可在部分硬件故障的情况下继续保持运行状态，增强了恶劣环境下系统的可持续性。

3 数据管理系统

数据管理系统是电力负荷监控系统的一个子系统，设计用于上传监控数据、LMN电表的控制以及发送有关用电的警告。此外，数据管理系统还包含自动重启功能。数据管理系统是基于C#编程语言设计的，运行在 Windows操作系统之上。为解决监控区域技术人员不足导致系统维护困难的问题，数据管理系统设计了远程数据传输和控制功能。当数据管理系统从本地无线跟踪系统的终端设备接收到监控数据时，将数据存储在数据管理系统中并上传到远程系统。管理者可以远程访问数据管理系统，同时远程控制目标的供电。为进一步提高系统的实用性和可靠性，数据管理系统采用了两种远程通信方式。对于一般监控环境，数据管理系统通过网络连接与远程系统进行通信。对于一些无法上网和无线网络不稳定的地区，系统支持基于短信的远程数据传输和控制功能。这种设计使系统适用于大多数偏远地区，而无须担心当地的基础设施。数据管理系统的预警算法是基于监控数据的一阶差分。如果跟踪目标的一阶差分大于阈值，则系统发出警告联系管理员。最后，为避免电脑内存泄露造成的应用程序死机和数据丢失，进一步提高系统的稳定性，数据管理系统中实现了自动重启和开机功能，可在特定时间自动重启电脑释放内存并启动监控。数据管理系统的详细信息如图6所示。

图6 数据管理系统的功能框图

4 实验设计

为了验证系统的可用性和可行性，设计了两个不同环境下的监控测试。第一个实验场景设置为多空间办公室电力负荷监控，实验地点位于某职业技术学院的教学楼，电源是电网电源。第二个实验场景设置为户外家庭电力负荷监控，实验地点是包括44户家庭和近150名居民的某农村地区。第二个实验旨在实现从农村地区与设置于学校的服务器的远程数据传输和控制。该农村地区的所有用电量数据均在学院的机房收集。实验农村地区的电源是一个离网太阳能发电厂(329150W太阳能电池板，总功率为4.8kW)。

4.1 室内电力负荷监控

与一般无线电力负荷监控系统相比，本系统通信范围广，结构灵活，无须完善的基础设施，即可同时监控不同办公空间。因此，第一个实验旨在监控两个楼层三个不同办公空间中三种电子设备的电气负荷——2楼两个不同房间中的一台计算机和一台三维 (3D) 打印机；4楼的一个房间里的一台电脑。由于室内监控环境距离近，接入系统设备少，只使用了一个LMN基站，部署在2楼的一个房间中。

LoRa的通信参数如表1所示。载波频率是根据通信速度和范围之间的平衡来决定的。在本研究中使用433 MHz。扩展因子与信噪比 (SNR) 成正比。因此，要实现更高的SNR，扩展因子应设置为更大的值。然而，为了减少数据包的传播时间，本研究中的传播因子设置为10。室内环境相对稳定，未考虑外部环境对监控系统的影响。因此，为了减少传播时间，编码率设置为4/8。

表1 室内LoRa的通信参数

4.2 室外电力负荷监控

第二个实验的地点为与第一个实验地点相距300千米的偏远农村地区。该地区监控面积是室内实验监控面积的近40倍，包括44户家庭。为了实时监控所有家庭的家庭用电情况，使用了44个LMN电表。此外，实验区域地理环境复杂，住户分散，与离网太阳能发电厂的距离为5～2000米不等。

在该场景中，考虑接入LMN电表的数量、所需的通信范围和当地地形，对电力负荷监控系统进行合理设计。电力负荷监控系统采用频分多址(FDMA)技术将监控区域划分为两个独立的区域，每个区域建立一个LMN基站。通过设置LoRa模型的不同通信频率来实现FDMA。具体来说，这两个不同的通信通道被标记为通道1(CH1)和通道2 (CH2)。负责管理每个信道中的LMN-meter的基站表示为 LMN基站1和LMN基站2。CH1用作22个LMN电表的通信通道。LMN基站2使用CH2管理其余LMN电表。得益于网状网络的结构设计，系统中基站位置的选择较为灵活，无须设置在每个通信区域的地理中心。为了避免信号被大树等障碍物阻挡，基站安装在约7米高的杆子上，并配有全向天线。

因为LMN基站被安装在杆上，因此使用电线连接执行数据管理系统的计算机和基站的方法不再适用。为此设计了一个LMN终端，主要功能如下：(1)接收来自LMN基站1和LMN2基站2的信号，并将接收到的数据上传到数据管理系统；(2)从数据管理系统中读取控制信号并发送给两个基站。类似于两个LMN基站之间的独立通信，LMN基站和LMN终端之间的通信也是采用FDMA技术。安装两个备用基站用于监控两个LMN基站。备用基站位于监控目标附近。此外，为了进一步研究环境因素对太阳能发电厂和所设计的电力负荷监控系统的影响，设计了一种针对外部环境监控的新型LMN电表。环境监控LMN仪表的通信和定时器算法与一般LMN电表相同；唯一的区别是传感部分。具体来说，这台仪表的传感器是一个三合一的环境传感器，可以监测所处环境的照度、湿度和温度。环境监控LMN仪表安装在太阳能电站上，使用与LMN基站1相同的通信信道，与1号LMN电表无线连接。最后，在300千米之外的学校机房内安装一台计算机，通过互联网接收来自该系统的数据。

LoRa系统的通信参数如表2所示。需要指出的是，为提升通信系统的鲁棒性，编码率设置为4/5。

5 实验结果与分析

为阐明研究成果，接下来分别讨论两个实验结果。

5.1 室内用电负荷监控结果

经过一个月的室内用电负荷实际测试，结果为三个位置的数据包传递率均为100%，表明该系统的通信速度快，可靠性高。经实地测试，系统延迟小于200ms，表明LoRa满足实时监控的要求。

表2 室外LoRa的通信参数

5.2 农村地区家庭用电负荷监控结果

太阳能电站于2020年2月开始运行，2020年2月至2019年5月监控期间，整个系统的数据包送达率为100%，证明该监控网络可以在农村地区实现可靠通信，并且说明提出的LMN基站定时器算法是实现远程监控的一种很好的方法，能够防止数据包丢失，提高系统的可靠性。在速度方面，经实际测试，系统时延始终保持在500ms以内(从LMN电表到数据管理系统)，考虑LoRa系统的低码率和室外环境，该通信速度令人满意，且能够达到实时监控的要求。数据管理系统收集用电量数据并发送至学校机房。数据管理系统的引入提高了电力负荷监控系统应用在远距离环境中的可用性，实现了远程电力负荷实时监控和自动预警。

为了进一步讨论研究结果，下面分析系统总功耗、环境因素、家庭用电类型和供电政策对所设计系统长期运行的影响。

5.2.1 总功耗和环境因素分析

实验区域所有住户的日均用电量的总和如图7所示。

图7 监控数据

通过数据监控可以看出，日均用电量仅随时间略有变化。图7(b)显示了实验期间的每日温度。由于实验地区为山区，海拔较高，气温变化很大。由此可见，实验地区的电力消耗不受季节影响。图7(c)和图7(d)显示了实验地区的日均湿度和日均照度。从图中数据可知，实验地区的湿度和照度变化较大。在如此恶劣的环境中，实验系统也表现出很高的通信稳定性，这证明了系统的鲁棒性。

5.2.2 家庭用电类型分类和供电策略

受益于所提出系统的稳定性和鲁棒性，可以用来对实验区域44户家庭的大量高质量实时用电数据进行监控和分析。

本研究使用k均值算法处理实时用电数据。k均值聚类是一种广泛使用的分类方法，具有快速且简单的优点。在所有的聚类模型中，当k均值聚类算法将N个数据分配给k个不相交的簇(k为目标簇数)时，k值须预先设定。为优化k值的设定，使用轮廓系数衡量一个目标对象与其自身簇中的其他对象和其他簇中的对象相比的相似程度。轮廓系数RSC的计算方法为：

(2)

其中a(k)是平均簇内距离，b(k)是k的平均最近簇距离。轮廓系数的范围从-1到+1，其中+1是最佳值。假设存在m个聚类场景并将其标记为i=2到m。对于每个场景，使用k聚类算法和轮廓系数对用电数据进行聚类以评估结果。经过m个聚类轮次后，得到了m个轮廓系数，选取其中最大值以呈现最好的聚类结果。

应用于实验中所有家庭的累计电力负荷的聚类过程如图8所示。

图8 聚类过程

聚类结果显示，最好的分类结果出现在两组聚类中。第一组包括三户(CH1的第10户和第14户，CH2的第10户)，如图9(a)所示。该组每户累计用电量超过100kW·h，三户总用电量占总用电量的29.48%，因此这三个家庭被标记为高耗电家庭。

图9 累计用电量

图9(b)为晚上6点到早上7点的夜间累计用电量，其自聚类结果为3组。第一组仍由三个高耗电家庭组成。第二组为9户(CH1第8、10、12、14、16、22户，CH2第3、6、10户)。该组每户夜间用电量低于60 kW·h、超过4060 kW·h，因此被标记为夜间高耗电家庭。

至此，根据聚类结果将家庭分为三种类型：高耗电家庭、夜间高耗电家庭和一般耗电家庭。当离网电站的电池容量不足以支持全村用电时，用电类型分类结果可作为离网光伏电站管理者制定供电政策的依据。如首先使用电力负荷监控系统关闭高耗电用户的供电，以为更多家庭提供更长时间的供电。如果这个策略仍然不能解决在电网供电之前支持剩余用户的供电问题，则继续切断夜间高耗电用户的供电。这种延长离网电厂供电时间的方法，可有效提升离网地区的用户侧管理质量。

5.2.3 成本评估

为了更全面地评估所设计系统的可行性，需要进一步讨论系统实施所需的基础设施和维护成本，并与其他商业化的智能电表产品进行比较。比较结果如表3所示。

表3 所设计系统与其他商业产品的比较

大多数商业智能电表使用Wi-Fi、ZigBee 或以太网作为通信模式，需要完善的基础设施和运维服务。此外，这些商业产品的维护高度依赖制造厂家，成本无法估计。相比之下，本文方法可以在大多数地区实施，不受当地基础设施发展的限制。LMN电表的硬件成本与其他商业智能电表的成本相似，而且在批量生产的情况下，LMN电表单价还会降低。LMN电表和基站最主要的配件为Arduino板，其价格相对较低，且非常容易采购，为该系统制造与运维的成本下降进一步创造了空间。本文提出了LMN备用基站的设计思路，使得该系统具备一定的自修复功能，进一步降低了系统运维难度，提升了系统可在恶劣环境下长期运行的可靠性。

6 结 论

可直接应用于基础设施不发达的农村地区的无线远程电力负荷监控产品性能不能满足实际需求，为此本文开发了基于LoRa和Ardurino的无线远程电力负荷监控系统。所提出的系统可以自动控制每个电表节点的功能，并最终根据实时监控数据调整系统结构，防止数据丢失，无须人工干预。该设计为有效的远程通信提供了一种灵活的网络结构，降低了系统构建成本和难度，提升了离网地区电力负荷的监控质量。此外，所提出系统的硬件基于Arduino板，提供了一个简单且成本相对较低的制造过程，并降低了维护成本。

通过应用所提出的系统来监控室内环境中的电力负荷和室外环境中农村家庭的电力消耗，证明了所提出的系统在大多数无线电力负荷监控场景中的有效性。