[论文解读] State Monitoring for Situational Awareness in Rural Microgrids Using the IoT Infrastructure

Seyed Amir Alavi, Mehrnaz Javadipour+1 more|arXiv (Cornell University)|Jun 2, 2019

IoT Networks and Protocols参考文献 14被引用 9

一句话总结

本文提出了一种基于事件触发的卡尔曼滤波估计策略，结合LoRaWAN与物联网技术，实现实时农村微电网态势感知。通过利用低成本智能电表和基于ThingsBoard的仪表板，系统在通信和安装成本最低的情况下实现了高精度的平均状态估计，在网络延迟和基于事件的触发机制下表现出稳健性能。

ABSTRACT

This paper presents an event-triggered estimation strategy and a data collection architecture for situational awareness (SA) in microgrids. An estimation agent structure based on the event-triggered Kalman filter is proposed and implemented for state estimation layer of the SA using long range wide area network (LoRAWAN) protocol. A setup has been developed which can provide enormous data collection capabilities from smart meters, in order to realise an adequate SA level in microgrids. Thingsboard Internet of things (IoT) platform is used for the SA visualisation with a customised dashboard. It is shown by using the developed estimation strategy, an adequate level of SA can be achieved with a minimum installation and communication cost to have an accurate average state estimation of the microgrid.

研究动机与目标

• 解决农村微电网监控系统中通信和安装成本过高的挑战。
• 通过经济、可扩展的物联网基础设施实现实时农村微电网态势感知。
• 通过基于事件的通信机制，在保持准确状态估计的同时减少数据传输开销。
• 为微电网运营商开发一种低成本、可远程访问的可视化平台。
• 在通信延迟和动态拓扑条件下验证分布式估计策略的性能。

提出的方法

• 在每个估计代理中实现基于事件触发的卡尔曼滤波，以最小化不必要的数据传输。
• 使用LoRaWAN协议实现智能电表与网关之间的长距离、低功耗通信。
• 使用树莓派网关将LoRaWAN信号转换为MQTT数据包，传输至ThingsBoard物联网平台。
• ThingsBoard平台托管一个自定义的基于Web的仪表板，用于实时可视化微电网状态。
• 应用分布式平均一致性算法，利用本地测量值和通信信息估计全局微电网状态。
• 系统采用混合架构，结合实时仿真（MATLAB/Simulink）与基于嵌入式Arduino的节点进行测试。

实验结果

研究问题

• RQ1 基于事件触发的状态估计是否能在不牺牲估计精度的前提下降低农村微电网的通信成本？
• RQ2 网络延迟如何影响基于事件触发的卡尔曼滤波在分布式微电网监控系统中的性能？
• RQ3 低成本物联网协议（如LoRaWAN）在多大程度上能够支持微电网态势感知的可靠且可扩展的数据采集？
• RQ4 轻量级、开源的物联网平台（如ThingsBoard）是否能有效可视化远程操作员所需的实时微电网状态？
• RQ5 在通信拓扑切换和间歇性数据传输条件下，系统如何保持稳定性和收敛性？

主要发现

• 基于事件触发的卡尔曼滤波在最小化数据传输的同时实现了高精度的平均状态估计，显著降低了通信开销。
• 系统在150ms网络延迟下保持了稳定性能，每次事件更新后测量误差表现出受控的振荡行为。
• 无延迟情况下估计误差的衰减速率更高（图5），而延迟情况下则较低（图6），证实了时延对收敛速度的影响。
• 事件触发机制的使用延长了电池寿命，从而可采用更低额定电压的电池，降低了整体系统成本。
• LoRaWAN与ThingsBoard的集成实现了可扩展、低成本的数据采集与实时可视化，且基础设施投入极少。
• 即使在间歇通信条件下，分布式平均一致性算法仍成功收敛至真实平均状态（48 V），在五个代理间实现一致估计。