面向大规模电池组件监测的无线传感器网络数据融合模型及算法研究

At present, the photovoltaic power station monitoring were focused on the photovoltaic system, it rarely involved the monitoring for Large-scale PV modules. In this project, the monitoring data fusion problems of wireless sensor network for PV modules were researched, with the characteristic of the wireless sensor network data fusion, the network structure, routing protocol, data fusion algorithm based on neural network were researched, respectively, and realized the huge amounts of data fusion, so as to effectively reduce the redundant information.and error information. First, wireless sensor network structure of hierarchical clustering for solar PV models monitoring was build. Then, according to the shortcomings of the existing WSN network layer clustering routing protocol proposes a double cluster-heads routing protocol based on polymerization for wireless sensor networks named DCHP. Finally, according to the WSN data fusion technology and the BP neural network function similarity, a data fusion algorithm based on BP neural network named DCBP was put forward. The new data fusion model dealing with the amount of data is much less than the amount of the source data collected, thus it reduces the energy consumption in data communication, prolong the network life cycle effectively.By theoretical analysis, numerical simulation and experimental validation of the method of combining research on DCHP clustering routing protocol and DCBP data fusion algorithm. Project will make WSN data fusion technology study obtained substantial progress, and will be applied on a large scale wireless sensor network monitoring.

目前，针对光伏发电系统的监测主要集中在控制器和逆变器，很少涉及电池组件的监测，不利于提高整个光伏发电系统的综合效率。本项目研究用于大规模电池组件监测的WSN数据融合中的冗余信息和错误信息问题，分别研究网络结构、路由协议、数据融合算法，以实现海量数据融合。首先，针对大规模电池组件的监测构建分层分簇的WSN结构模型；然后，在WSN网络层分簇路由协议中充分考虑簇头分布均匀性、节点数据间相关性，提出一种改进的基于聚合度模型的双簇头分簇路由协议DCHP；最后，利用DCHP协议，提出一种改进的基于BP神经网络的数据融合算法DCBP。通过DCBP数据融合后，数据传输量要远少于节点采集的原始数据量，以提高节点的数据传输效率。本项目采用理论分析、数值仿真和实验验证相结合的方法，着重研究DCHP和DCBP。本项目的开展将使WSN的数据融合技术研究获得新进展，促进WSN在大规模监测方面得到显著应用。

本项目主要研究用于大规模电池组件监测的WSN数据融合中的冗余信息和错误信息问题。项目组在项目研究期间，通过走访大型光伏电站，深入分析了大规模电池组件阵列的特点，将研究聚焦到这一应用背景中WSN网络的特点上。分别研究了WSN网络结构、路由协议等方面对海量数据融合影响的机理。.为了实现高质量的数据融合。首先，针对大规模电池组件的监测搭建了分层分簇的WSN网络结构模型；然后，在WSN网络层分簇路由协议中充分考虑簇头分布均匀性、节点数据间相关性和一致性，提出了一种改进的基于聚合度模型的双簇头分簇路由协议DCHP；最后，利用DCHP协议，提出了一种改进的基于BP神经网络的数据融合算法DCBP。通过DCBP数据融合后，数据传输量要远少于节点采集的原始数据量，提高了WSN网络节点的数据传输效率，降低了整个WSN网络的能耗。.研究结果表明，WSN网络应用于大规模监测是可行的，在安装便捷性和成本方面相对于其它技术具有明显的优势，本项目研究成果使无线传感器网络数据融合的研究获得了新的进展，促进了WSN在大规模监测方面得到显著应用。.本项目的研究成果已经实现了成果转化，成果转让金额达600万元，产生了良好的经济效益和社会效益。同时，在较好的解决了大规模监测中的数据融合问题基础上，为下一步开展移动节点的数据融合奠定了良好基础，项目组将在此基础上继续开展相关研究工作。