基于ZigBee无线传感器网络的变电站人员定位的改进算法研究.pdf

第４１卷第１７期２０１３年９月１日电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌＶｏＩ．４１ＮＯ．１７Ｓｅｐ．１，２０１３基于ＺｉｇＢｅｅ无线传感器网络的变电站人员定位的改进算法研究周小艳，何为，胡国辉（１．输配电装备及系统安全与新技术国家重点实验室，重庆４０００４４；２．重庆市计量质量检测研究院，重庆４０００４４）摘要：为了对在数字化变电站中的人员进行精确、低成本的定位，将ＺｉｇＢｅｅ无线传感器网络引入到变电站，并对其目前用于变电站中人员定位的直接测距算法进行了改进，提出了模糊推理算法。该算法将每个参考节点接收的信号强度和参考节点间的相对距离作为输入，经模糊化、模糊推理、去模糊化后得到每个参考节点接收信号强度的可信度，然后取三个可信度高的参考节点进行三边定位计算。仿真结果表明，所提出的算法可在使用较少节点且不添加任何硬件的条件下明显提高变电站中人员的定位精度。关键词：无线传感器网络；变电站；模糊推理；信号强度；定位精度ＲｅｓｅａｒｃｈｏｎｔｈｅｉｍｐｒｏｖｅｄｐｅｒｓｏｎｎｅｌｌｏｃａｌｉｚａｔｉｏｎｍｅｔｈｏｄｉｎｔｒａｎｓｆｏｒｍｅｒｓｕｂｓｔａｔｉｏｎｂａｓｅｄｏｎＺｉｇＢｅｅｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋＺＨＯＵＸｉａｏ．ｙａｎ，ＨＥＷｅｉ，ＨＵＧｕｏ．ｈｕｉｆ１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＰｏｗｅｒＴｒａｎｓｍｉｓｓｉｏｎＥｑｕｉｐｍｅｎｔ＆ＳｙｓｔｅｍＳｅｃｕｒｉｔｙａｎｄＮｅｗＴｅｃｈｎｏｌｏｇｙ．ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ４０００４４，Ｃｈｉｎａ；２．ＣｈｏｎｇｑｉｎｇＡｃａｄｅｍｙｏｆＭｅｔｒｏｌｏｇｙａｎｄＱｕａｌｉｔｙＩｎｓｐｅｃｔｉｏｎ，Ｃｈｏｎｇｑｉｎｇ４０００４４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｒｅａｌｉｚｅｐｅｒｓｏｎｎｅｌｌｏｃａｌｉｚａｔｉｏｎｉｎｄｉｇｉｔａｌｔｒａｎｓｆｏｒｍｅｒｓｕｂｓｔａｔｉｏｎｗｉｔｈｈｉｇｈａｃｃｕｒａｃｙａｎｄｌｏｗｃｏｓｔ，ｔｈｅＺｉｇＢｅｅｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｉｓｉｎｔｒｏｄｕｃｅｄ，ｔｈｅｃｕｒｒｅｎｔｌｙｕｓｅｄｄｉｒｅｃｔｒａｎｇｉｎｇｍｅｔｈｏｄｉｓｉｍｐｒｏｖｅｄ，ａｎｄｔｈｅｆｕｚｚｙｒｅａｓｏｎｉｎｇａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄ．Ｉｎｔｈｅｆｕｚｚｙｒｅａｓｏｎｉｎｇａｌｇｏｒｉｔｈｍ，ｔｈｅｒｅｃｅｉｖｅｄｓｉｇｎａｌｓｔｒｅｎｇｔｈｉｎｄｉｃａｔｉｏｎ（ＲＳＳＩ）ｏｆｅａｃｈｒｅｆｅｒｅｎｃｅｎｏｄｅａｎｄｔｈｅｒｅｌａｔｉｖｅｄｉｓｔａｎｃｅｂｅｔｗｅｅｎｔｗｏｒｅｆｅｒｅｎｃｅｎｏｄｅｓａｒｅｃｏｎｓｉｄｅｒｅｄａｓｉｎｐｕｔｖａｌｕｅ，ａｎｄｔｈｅｃｏｎｆｄｅｎｃｅｄｅｇｒｅｅｏｆＲＳＳＩｏｆｅａｃｈｒｅｆｅｒｅｎｃｅｎｏｄｅｃａｎｂｅｏｂｔａｉｎｅｄａｆｔｅｒｔｈｅｆｕｚｚｉｆｉｃａｔｉｏｎ．ｆｕｚｚｙｉｎｆｅｒｅｎｃｅａｎｄｄｅｆｕｚｚｉｆｉｃ￣ｉｏｎ．Ｔｈｅｎｔｈｅｔｒｉｌａｔｅｒａ１ｌｏｃａｌｉｚａｔｉｏｎｃａｌｃｕｌａｔｉｏｎｃａｎｂｅｃａｒｒｉｅｄｏｕｔｃｏｎｓｅｑｕｅｎｔ￣ｔｈｒｏｕｇｈｔｈｒｅｅｒｅｆｅｒｅｎｃｅｎｏｄｅｓｗｉｔｈｈｉｇｈｅｒｃｏｎｆｉｄｅｎｃｅｄｅｇｒｅｅ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍ，ｗｈｉｃｈｏｎｌｙｎｅｅｄｓｌｅｓｓｎｏｄｅｓａｎｄｄｏｅｓｎｏｔｎｅｅｄａｎｙａｄｄｉｔｉｏｎａｌｈａｒｄｗａｒｅ，ｏｂｔａｉｎｓｌｅｓｓｌｏｃａｌｉｚａｔｉｏｎｅｒｒｏｒｓａｎｄｂｅｔｔｅｒａｃｃｕｒａｃｙｔｈａｎｔｈｅｒａｎｇｉｎｇａｌｇｏｒｉｔｈｍ．Ｋｅｙｗｏｒｄｓ：ｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋ；ｔｒａｎｓｆｏｒｍｅｒｓｕｂｓｔａｔｉｏｎ；ｆｕｚｚｙｉｎｆｅｒｅｎｃｅ；ｓｉｇｎａｌｓｔｒｅｎｇｔｈ；ｌｏｃａｌｉｚａｔｉｏｎａｃｃｕｒａｃｙ中图分类号：ＴＭ７６９文献标识码：Ａ———文章编号：１６７４３４１５（２０１３）１７００５６０７０引言随着电网规模的扩大，设备的增加，变电站运行情况复杂度提高，为规范、简化变电站工作人员的工作，提高工作人员的积极性，需要一种人员定位系统应用于变电站。目前用于数字化变电站人员—定位的有超宽带（ＵｌｔｒａＷｉｄｅｂａｎｄ，ＵＷＢ）定位方法，其具有功耗低、抗多径效果好、定位精度高［１－３１等基金项目：国家质量监督检验检疫总局公益性行业科研专项项目（２Ｏ１０１００５９）优点，但因其成本过高，不宜推广使用。因此亟需寻求一种新的定位方法。其中基于ＺｉｇＢｅｅ无线传感器网络的人员定位技术，因其低复杂度、低功耗、低成本【４Ｊ，目前在全球范围内引起了广泛的关注。在基于ＺｉｇＢｅｅ的无线定位技术中，接收信号强度（ＲｅｃｅｉｖｅｄＳｉｇｎａｌＳｔｒｅｎｇｔｈＩｎｄｉｃａｔｉｏｎ，ＲＳＳＩ）定位原理被应用于无线通信网络中，但是目前采用的ＲＳＳＩ直接测距算法容易受环境的影响，误差比较大，而且误差不稳定，定位精度低。文献『８．１３］虽然提出了几种针对障碍物的定位方法，但对于像变电周小艳，等基于ＺｉｇＢｅｅ无线传感器网络的变电站人员定位的改进算法研究一５７一站这种含大障碍物空间下基于ＲＳＳＩ的ＺｉｇＢｅｅ定位系统的精确定位方法研究目前仍然很少。本文提出了一种以无障碍空间定位参数为参照、基于模糊推理的ＺｉｇＢｅｅ系统的定位方法。该方法将ＲＳＳＩ值最大的参考节点作为对照，首先取该参考节点邻近参考节点的ＲＳＳＩ值及其与邻近参考节点间的相对距离作为输入，然后经模糊化、模糊推理、去模糊化后，得到每个邻近参考节点的ＲＳＳＩ的可信度，最后从中选取可信度最高的２个ＲＳＳＩ值对应的参考节点，连同ＲＳＳＩ最大的参考节点进行三边定位计算即可得到站内工作人员的位置信息。基于模糊推理的ＺｉｇＢｅｅ系统的定位方法有效地避免了直接取三个最大ＲＳＳＩ的测距误差，可对含大障碍物的变电站内移动人员精确定位，而且不需要像确定型定位那样做大量实验，只需通过少量实验获得无障碍物空间合适的定位参数，却比传统的经验定位型定位方法更为精确。１ＺｉｇＢｅｅ定位系统结构Ｚｉｇｂｅｅ是基于ＩＥＥＥ标准的８０２．１５．４无线标准研制开发的［１４－１６］。ＺｉｇＢｅｅ定位系统是由定位监控中心和无线传感器网络构成的一个可视化的无线定位监控系统。其中无线定位网络系统主要￣ｑＺｉｇＢｅｅ网关、参考节点以及定位节点组成，如图１所示。由于网络中每个定位节点（即站内工作人员）均有自己的网络地址，因此ＺｉｇＢｅｅ定位系统可同时做到无干扰的多人定位。生墨墨－网＿荚Ｒ，Ａ＇ｉ点的Ｒｘ、和Ｂ节点的Ａ、Ｎ▲凸参考节点定位节点图１ｚｉｇＢｅｅ定位系统结构和功能Ｆｉｇ．１ＳｔｒｕｃｔｕｒｅａｎｄｆｕｎｃｔｉｏｎｏｆＺｉｇＢｅｅｌｏｃａｌｉｚａｔｉｏｎｓｙｓｔｅｍＺｉｇＢｅｅ网关：无线定位系统的网络协调器，由一个ＨＦＺ．ＣＣ２４３０ＥＭ模块和ＨＦＺ．ＳｍａｒｔＲＦ０７ＥＢ组成，通过ＲＳ２３２串口延长线与ＰＣ相连。它在整个系统中有着至关重要的作用，首先它要接收由监控软件提供的各参考节点和定位节点的配置数据，并发送给相应节点；其次，还要接收各节点反馈的有效数据（例如定位节点的坐标、ｙ），并将其传输给监控软件。参考节点（尼）：无线定位系统中已知坐标的静态节点，是ＺｉｇＢｅｅ网络中的路由器，由电池板和ＣＣ２４３０模块组成。这个节点必须被正确地配置在定位区域中。它的任务是提供一个包含自己坐标位置、Ｒｙ和ＲＳＳＩ值的信息包给定位节点。此类节点固定放置在变电站支架上。定位节点）：无线定位系统中的移动节点，由电池板和ＣＣ２４３１模块组成。它通过处理参考节点发送的信息包来计算自身坐标，是ＺｉｇＢｅｅ网络中的路由器。定位节点能够与参考节点通信，收集参考节点的坐标瓜、和ＲＳＳＩ值，根据这些信息和输Ⅳ入的参数、一起计算自身坐标信息，然后将自身位置信息、ｙ发送给网关，最后通过ＲＳ２３２传送给定位监控中心。此节点安装在变电站移动人员的安全帽上。因此，佩戴此类安全帽的变电站工作人员进入变电站内时，监控中心可监视其在站内的实时位置。２模糊推理算法用于ＺｉｇＢｅｅ系统定位ＺｉｇＢｅｅ定位系统的定位原理是根据参考节点发往定位节点的信息包，从中选取前三个最大的ＲＳＳＩ，然后计算对应的参考节点到定位节点的距离，再由三边定位法【ｌ７Ｊ计算定位节点的位置坐标。但是在变电站中，由于障碍物的存在，所获取的参考节点的ＲＳＳＩ值并非全部可信，因此可能出现定位误差。本文为了克服直接测距算法的这种缺陷，提出了基于模糊推理算法的ＺｉｇＢｅｅ系统定位方法。模糊推理系统的工作机理为：首先通过模糊化模块将输入的精确量进行模糊化处理，转换成给定论域上的模糊集合；然后激活规则库中对应的模糊规则，选用适当的模糊推理方法，根据已知模糊事实获得推理结果，最后将该模糊结果进行去模糊化处理，得到最终的精确输出量。模糊算法用￣］ＣＺｉｇＢｅｅ系统的定位可分为以下几个步骤：（１）参考节点等待定位节点发送信号。（２）定位节点向参考节点发送信号。（３）参考节点获得ＲＳＳＩ，并连同其自身位置信息发送给定位节点。（４）定位节点接收由参考节点发送来的信息包，然后执行模糊运算，最后根据模糊运算的输出，由三边法进行定位计算。（５）定位节点将自身位置信息发送给网关，由网关发送至监控中心的监控软件，实时监控站内工电力系统保护与控制作人员的位置。２．１模糊系统输入由于变电站工作环境复杂，为了保证每个参考节点的ＲＳＳＩ值的可靠性，本文对每个参考节点都取其８个ＲＳＳＩ值进行平均作为它的ＲＳＳＩ值。对于所有取均值后的ＲＳＳＩ值，将其中ＲＳＳＩ值最大的提取出来作为可信度的参照，称其相应的参考节点为信节点。取信节点周围的邻近参考节点的ＲＳＳＩ值以及每个邻近节点到信节点的相对距离作为输入。对两个输入设置隶属函数，将输入模糊化。如图２所示，低ＲＳＳＩ模糊分布为梯形，邻近参考节点的尺鼹，值为所有邻近参考节点中最小ｎｉｎ１时，隶属度为最大，随着ＲＳＳＩ的增大，隶属度线性降低直至ＲＳＳＩ为ＲＳＳＩ中值。ｄ１时变为０；中ＲＳＳＩ模糊分布为三角形；高ＲＳＳＩ模糊分布为梯形，当ＲＳＳＩ达到信节点的ＲＳｇＩ（ＲｇｇＩｒ￣ｘ）时隶属度最大。例如，ＲＳＳＩｍｉ为一６５ｄＢｍ、Ｒｌ，ｍ。ｄ为－６３ｄＢｍ、ＲＳＳＩｍ为一５７ｄＢｍ时，若输入的ＲＳＳＩ为一６２ｄＢｍ，由图２隶属函数计算隶属度在高、中、低ＲＳＳＩ模糊分布上分别为０．１６７、０．８３３、０。ＲＳＳＩｍ．ＲＳＳＩ．￣ＲＳＳ１图２ＲＳＳ１分布Ｆｉｇ．２ＳｅｔｓｏｆｔｈｅＲＳＳＩ如图３所示，近相对距离模糊分布为梯形，参考节点距信节点最短距离（ｄｍｉ）时，隶属度为最大，随着相对距离增大，隶属度线性降低直至相对距离为中值（。ａ）时变为０；中相对距离模糊分布为三角形；远相对距离模糊分布为梯形，参考节点距信节点最远（ｄｍ）时，隶属度最大。例如，ｉ为２ｍ、ｄｍ。ｄ为４ｍ、ｄｍ为５ｍ时，若输入的ｄ为３ｍ，由图３隶属函数计算得隶属度在远、中、近相对距离模糊分布上分别为０、Ｏ．５、０．５。图３相对距离分布Ｆｉｇ．３Ｓｅｔｓｏｆｔｈｅｒｅｌａｔｉｖｅｄｉｓｔａｎｃｅ通过这样设置两个输入的隶属度函数可以根据参考节点的ＲＳＳＩ及信节点到其邻近节点的相对距离的实际情况在线修正隶属度函数以适应不同环境下的定位。２．２模糊推理本文的模糊推理系统采用Ｍａｍｄａｎｉ推理法来进行模糊推理【１引。将信节点定为高ＲＳＳＩ，此时隶属度为１，根据信号传播理论：距离发射点越远，接收点接收的信号强度越弱。因信节点ＲＳＳＩ最大，故其距发射点最近。制定模糊规则如表１所示。表１模糊推理规则Ｔａｂｌｅ１Ｒｕｌｅｓｏｆｔｈｅｆｕｚｚｙｉｎｆｅｒｅｎｃｅ取２．１节中的例子对数据模糊处理，模糊输入①②④⑤激活了模糊规则库中的规则、、、。未激活的规则可信度输出为０。模糊推理过程如图４所示。对两输入按每条规则取ＡＮＤ运算，然后将每条规则输出的结果进行ＯＲ运算得到综合各条规则的可信度。输ｍ图４模糊推理过程Ｆｉｇ．４Ｆｕｚｚｙｉｎｆｅｒｅｎｃｅｐｒｏｃｅｓｓ（Ｙ）周小艳，等基于ＺｉｇＢｅｅ无线传感器网络的变电站人员定位的改进算法研究—－５９２．３模糊系统输出采用中心法去模糊化后，模糊系统会为每个邻近参考节点输出一个值，表示该参考节点的ＲＳＳＩ的可信度。该值的范围为［０，１］，越接近１，表示ＲＳＳＩ越可信，即对应的参考节点越适合用于定位计算。一０．５０．００．５１．０１．，图５ＲＳＳＩ可信度分布Ｆｉｇ．５Ｓｅｔｓｏｆｔｈｅｃｏｎｆｉｄｅｎｃｅｄｅｇｒｅｅ中心法去模糊化如式（１）所示。（Ｙｉ／ｌ￣（—Ｙ＝旦一（１）∑（）ｉ＝１Ⅳ式中：为论域中的元素数，即规则库中的规则数；Ｙ是指论域中的第ｉ个中心点模糊值，即按第ｆ个规则运算得到的输出的中心点；／２～（）为第ｉ个规则运算得到的最大隶属度。根据式（１）对２．２节中的例子去模糊化得ｖ・：—０．７５ｘ０．１６７＋０．５ｘ０．１６—７＋０．５ｘ０．５＋０．７５ｘ０．５：０．６２５０．１６７＋０．１６７＋０．５＋０．５（２）即，当邻近参考节点的ＲＳＳＩ为一６２ｄＢｍ，且与信节点相距３１ＴＩ，经去模糊化后输出可信度为０．６２５。２．４定位计算由三边定位法可知，定位计算至少需要三个参考节点。因此，首先根据模糊系统输出的所有邻近节点的ＲＳＳＩ的可信度，从中选取可信度最高的两个ＲＳＳＩ值对应的参考节点，连同信节点组成定位所需的三个参考节点；然后根据式（３）Ｕｏ］就可以计算出这三个参考节点分别与定位节点之间的距离ｄ；最后，根据这三个参考节点的位置信息，由三边定位法，即式（４），得到定位节点的坐标。Ａ＋ＲｓＳＩ—ｄ＝ｌ０１０Ｎ（３）Ⅳ式中：、为定位参数，与天气等实际环境有关，由无障碍空间实验测得，不同天气条件下测得不同、ⅣⅣ，实际定位时根据天气情况对应输入、参数；ｄ为参考节点到定位节点的距离，单位ｍ；ＲＳＳＩ单位ｄＢｍ。：一ｘ３）２０，）一ｔ一＋一ｌｌＹＪｌ２（ｘ２一ｘ３）２（ｖ２一ｙ３）Ｊｌｘ一Ｘ３２ｙ一２＋一ｌ（４）式中：为定位节点的横坐标；Ｙ为定位节点的纵坐标；ｘ１、Ｘ２、ｘ３、ｌ、Ｙ２、Ｙ３为选取的三个参考节点的位置坐标；、ｄ２、为选取的三个参考节点的ＲＳＳＩ计算的距定位节点的距离。３仿真定位由式（３）可知，如果要确定参考节点到定位节Ⅳ点的距离，就必须知道定位参数和的值，因此，本文首先对无障碍空间进行了仿真运算。首先固定一个定位节点，然后任意取６个距该定位节点不同距离的参考节点，仿真得到其ＲＳＳＩ，并计算每个参考节点到该定位节点的距离ｄ，于是对于每个参考节点，都可以得到一组数据（ＲＳＳＩ，ｌｇｄ）。将６组数据（ＲＳＳＩ，ｌｇｄ）按照式（５）进行拟合，得到Ａ＝５７，Ｎ＝Ｉ．４７。如图６所示。ⅣＲＳＳＩ＝一（／４＋１０ｘ×１ｇ（））（５）电力系统保护与控制ｓｏ０另外，为了对比，针对直接选用３个最大的ＲＳＳ１Ｕｕ∞ｊ；２Ｏ；Ｙ＋Ｏｚ参考节点。朴塔●●直接测距定位。模糊推理工作人员实际位置图７变电站内人员定位Ｆｉｇ．７Ｐｅｒｓｏｎｎｅｌｌｏｃａｌｉｚａｔｉｏｎｉｎｓｕｂｓｔａｔｉｏｎ表２节点信息Ｔａｂｌｅ２Ｎｏｄｅｓｉｎｆｏｒｍａｔｉｏｎ坐标节点类型编号——Ｘ／ｍＹ｜ｍ定位节点参考节点为更进一步保证模糊运算的精确度，ＲＳＳＩｍ。ｄ是由理论计算得到的。当变电站工作人员的位置（定位节点）处于整个定位区域的中间位置时，通过计算定位节点到参考节点１的距离ｄ，然后由式（３）根据拟合的函数计算得到ＲＳＳＩｍ。ｄ。取所有参考节点的ＲＳＳＩ最小值为尺ｉ。信节点与其邻近节点的相对距离有３个，分别为２ｍ，４ｍ，４．４７２ｍ。将３个距离值分别设为ｉ、（ｅｄ、ｎａｘ。在本文的仿真过程中，首先根据模糊推理算法，得出了所有邻近参考节点的输出可信度如表３。然后对每个定位节点提取可信度高的２个邻节点，如表４。最后，将可信度高的２个邻近参考节点结合信节点用三边法计算得到变电站内工作人员的具体位置，如表５所示。值及其对应的参考节点进行定位的直接测距算法，也用三边法做了定位计算，仿真结果见表５。表３邻近参考节点隶属度Ｔａｂｌｅ３Ｍｅｍｂｅｒｓｈｉｐｄｅｇｒｅｅｏｆｔｈｅｎｅｉｇｈｂｏｒｒｅｆｅｒｅｎｃｅｎｏｄｅｓ表４可信度高的邻近参考节点Ｔａｂｌｅ４Ｎｅｉｇｈｂｏｒｒｅｆｅｒｅｎｃｅｎｏｄｅｓｗｉｔｈｈｉｇｈｅｒｍｅｍｂｅｒｓｈｉｐｄｅｇｒｅｅ定位节点编号可信度高的２个邻节点表５定位结果Ｔａｂｌｅ５Ｌｏｅａｌｉｚａｔｉｏｎｒｅｓｕｌｔｓ其中，定位误差为————————ｒ＿＝＝－√一）＋一Ｙｏ）（６）式中：Ｘ、Ｙ为仿真计算得到的工作人员坐标；Ｘ、ｙ为工作人员实际坐标。由表５可以看出，算法改进后的定位精度明显要高于算法改进前的定位精度。另外，改进后的定位误差比算法改进前稳定，且稳定在小误差范围内，如图８所示，最大为０．３７５３ｍ，而改进前的最大误差为１．４１１４ｍ。由此可见，相对于改进前的定位算法，改进后的定位算法可对变电站人员进行更精确的定位。ｏｏ３３３周小艳，等基于ＺｉｇＢｅｅ无线传感器网络的变电站人员定位的改进算法研究．６１．｛定位竹点编图８定位误差Ｆｉｇ．８Ｌｏｃａｌｉｚａｔｉｏｎｅｒｒｏｒ４结语本文采用了基于ＺｉｇＢｅｅ无线传感器网络的变电站人员定位方法，并针对目前在ＺｉｇＢｅｅｑｈ使用的直接测距算法存在精度低、误差不稳定等缺点，提出了模糊推理算法。经过仿真可以得知，模糊推理算法用于变电站人员定位存在以下几个优点：（１）成本低，使用较少的节点即可对站内工作人员定位；（２）精度高，相比直接测距算法，模糊推理算法定位精度有很大的提高；（３）定位稳定性好，通过模糊推理算法定位，误差可以控制在很小的范围之内；（４）适用性广，可对含大障碍物的变电站内移动人员进行精确定位，有望在各个变电站甚至其他定位领域推广使用。参考文献［１］周淙，马小敏，陈伟根，等．基于Ｚｉｇｂｅｅ和零序电流增量法的配网单相接地故障定位方法【Ｊ】．电力系统保护与控制，２０１２，４０（９）：６２．６８．—ＺＨＯＵＱｕａｎ，ＭＡＸｉａｏ－ｍｉｎ，ＣＨＥＮＷｅｉｇｅｎ，ｅｔａ１．ＡｓｏｌｕｔｉｏｎｂａｓｅｄｏｎＺｉｇｂｅｅａｎｄｃｏｍｐｏｎｅｎｔｏｆｚｅｒｏｓｅｑｕｅｎｃｅｃｕｒｒｅｎｔｆｏｒｏｎｌｉｎｅｆａｕｌｔｌｏｃａｔｉｏｎｏｆｓｉｎｇｌｅ－ｐｈａｓｅｆａｕｌｔｉｎｄｉｓｔｒｉｂｕｔｉｏｎｎｅｔｗｏｒｋ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１２，４０（９）：６２－６８．［２］张月霞，陶小峰，张平．超宽带通信系统加权移动三角彤到达时『日Ｊ精确定位算法［Ｊ］．吉林大学学报：工学版，２０１０，４０（１）：２６６－２７０．—ＺＨＡＮＧＹｕｅｘｉａ，ＴＡＯＸｉａｏ－ｆｅｎｇ，ＺＨＡＮＧＰｉｎｇ．ＷｅｉｇｈｔｅｄｍｏｂｉｌｅＴＴＯＡａｌｇｏｒｉｔｈｍｆｏｒＵＷＢｐｒｅｃｉｓｉｏｎｐｏｓｉｔｉｏｎｉｎｇ［Ｊ］．ＪｏｕｒｎａｌｏｆＪｉｌｉｎＵｎｉｖｅｒｓｉｔｙ：ＥｎｇｉｎｅｅｒｉｎｇａｎｄＴｅｃｈｎｏｌｏｇｙＥｄｉｔｉｏｎ，２０１０，４０（１）：２６６－２７０．［３］熊海良，汪俊，田红心，等．基于阵列天线的ＵＷＢ定位方案研究［Ｊ］．系统工程与电子技术，２０１０，３２（２）：２３９．２４３．——ＸＩＯＮＧＨａｉｌｉａｎｇ，ＷＡＮＧＪｕｎ，ＴＩＡＮＨｏｎｇｘｉｎ，ｅｔａ１．ＩｎｖｅｓｔｉｇａｔｉｏｎｏｆＵＷＢｐｏｓｉｔｉｏｎｉｎｇｂａｓｅｄｏｎａｎｔｅｎｎａａｒｒａｙ［Ｊ］．ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓ，２０１０，３２（２）：２３９・２４３．［４］ＹｅｎＬ，ＴｓａｉＷ．Ｔｈｅｒｏｏｍｓｈｏｒｔａｇｅｐｒｏｂｌｅｍｏｆｔｒｅｅ－ｂａｓｅｄＺｉｇＢｅｅ／ＩＥＥＥ８０２．１５．４ｗｉｒｅｌｅｓｓｎｅｔｗｏｒｋｓ［Ｊ］．Ｃｏｍｐｕｔｅｒ—Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１０，３３（４）：４５４４６２．［５ＪＬｏｎｇｋａｎｇＷ，ＢａｉｓｈｅｎｇＮ，ＲｕｍｉｎｇＺ，ｅｔａ１．Ｚｉｇｂｅｅ－ｂａｓｅｄｐｏｓｉｔｉｏｎｉｎｇｓｙｓｔｅｍｆｏｒｃｏａｌｍｉｎｅｒｓ［Ｊ］．ＰｒｏｃｅｄｉａＥｎｇｉｎｅｅｒｉｎｇ，２０１１（２６）：２４０６－２４１４．—［６］ＫｉｍＷＨ，ＬｅｅＳ，ＨｗａｎｇＪ．ＲｅａｌｔｉｍｅｅｎｅｒｇｙｍｏｎｉｔｏｒｉｎｇａｎｄｃｏｎｔｒｏｌｌｉｎｇｓｙｓｔｅｍｂａｓｅｄｏｎＺｉｇｂｅｅｓｅｎｓｏｒｎｅｔｗｏｒｋｓ［Ｊ］．ＰｒｏｃｅｄｉａＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，２０１１（５）：７９４．７９７．—［７］Ｈｕｉｒｃ￣ｎＪＩ，ＭｕｆｉｏｚＣ，ＹｏｕｎｇＨ，ｅｔａ１．Ｚｉｇｂｅｅｂａｓｅｄｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｌｏｃａｌｉｚａｔｉｏｎｆｏｒｃａｔｔｌｅｍｏｎｉｔｏｒｉｎｇｉｎｇｒａｚｉｎｇｆｉｅｌｄｓ［Ｊ］．ＣｏｍｐｕｔｅｒｓａｎｄＥｌｅｃｔｒｏｎｉｃｓｉｎ—Ａｇｒｉｃｕｌｔｕｒｅ，２０１０，７４（２）：２５８２６４．［８］詹杰，刘宏立，刘述钢，等．基于ＲＳＳＩ的动态权重定位算法研究［ＪＪ．电子学报，２０１１，３９（１）：８２－８８．—ＺＨＡＮＪｉｅ，ＬＩＵＨｏｎｇｌｉ，ＬＩＵＳｈｕ－ｇａｎｇ，ｅｔａ１．ＴｈｅｓｔｕｄｙｏｆｄｙｎａｍｉｃｄｅｇｒｅｅｗｅｉｇｈｔｅｄｃｅｎｔｒｏｉｄｌｏｃａｌｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＲＳＳＩ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆ—Ｅｌｅｃｔｒｏｎｉｃｓ，２０１１，３９（１）：８２８８．［９］Ｚｈｅｎ—ＺｈａｎＺ，ＤａｏｑｕＧｅｔａ１．ＲＳＳＩｖａｒｉａｂｉｌｉｔｙｃｈａｒａｃｔｅｒｉｚａｔｉｏｎａｎｄｃａｌｉｂｒａｔｉｏｎｍｅｔｈｏｄｉｎｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋ［Ｃ】／／２０１０ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＩｎｆｏｒｍａｔｉｏｎａｎｄＡｕｔｏｍａｔｉｏｎ（ＩＣＩＡ），２０１０：—１５３２１５３７．［１０］石为人，熊志广，许磊．一种用于室内人员定位的ＲＳＳＩ定位算法［Ｊ］．计算机工程与应用，２０１０，４６（１７）：—２３２２３５．—ＳＨＩＷｅｉｒｅｎ，ＸＩＯＮＧＺｈｉ－ｇｕａｎｇ，ＸＵＬｅｉ．Ｉｎ－ｂｕｉｌｄｉｎｇ—ＲＳＳＩｂａｓｅｄｕｓｅｒｌｏｃａｌｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ［Ｊ］．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２０１０，４６（１７）：２３２－２３５．［１１］陈岭，许晓龙，杨清，等．基十三次样条插值的无线信号强度衰减模型［Ｊ］．浙江大学学报：工学版，２０１１，—４５（９）：１５２１１５２７．．６２．电力系统保护与控制—ＣＨＥＮＬｉｎｇ，ＸＵＸｉａｏｌｏｎｇ，ＹＡＮＧＱｉｎｇ，ｅｔａ１．Ｗｉｒｅｌｅｓｓｓｉｇｎａｌｓｔｒｅｎｇｔｈｐｒｏｐａｇａｔｉｏｎｍｏｄｅｌｂａｓｅｏｎｃｕｂｉｃｓｐｌｉｎｅｉｎｔｅｒｐｏｌａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ：ＥｎｇｉｎｅｅｒｉｎｇＳｃｉｅｎｃｅ，２０１１，４５（９）：１５２１－１５２７．［１２］陈三风，陈万明．基于ＲＳＳＩ误差分析的无线传感器网络定位研究［Ｊ］．计算机工程与应用，２０１１，４７（１４）：—】０１２．［１３］［１４］——ＣＨＥＮＳａｎｆｅｎｇ，ＣＨＥＮＷａｎｍｉｎｇ．ＬｏｃａｌｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎａｎａｌｙｓｉｓｏｆＲＳＳＩｅｒｒｏｒｆｏｒｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓ［Ｊ］．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄ—Ａｐｐｌｉｃａｔｉｏｎｓ，２０１１，４７（１４）：１０１２．ＴｓｅｎｇＣ，ＣｈｅｎｇＳ．ＬｏｃａｔｉｏｎｍａｎａｇｅｍｅｎｔｓｃｈｅｍｅｗｉｔｈＷＬＡＮｐｏｓｉｔｉｏｎｉｎｇａｌｇｏｒｉｔｈｍｆｏｒｉｎｔｅｇｒａｔｅｄｗｉｒｅｌｅｓｓｎｅｔｗｏｒｋｓ［Ｊ］．ＣｏｍｐｕｔｅｒＣｏｍｍｕｎｉｃａｔｉｏｎｓ，２００８，３１（１８）：４３０４．４３ｌ１．徐容明．Ｚｉｇｂｅｅ通信技术在配电网自动化中应用的可行性【Ｊ］．电网技术，２００８，３２（１）：１０３．１０５．—ＸＵＲｏｎｇｍｉｎｇ．ＴｈｅｐｏｓｓｉｂｉｌｉｔｙｏｆｕｓｉｎｇＺｉｇｂｅｅｃｏｍｍｕｎｉｃａｔｉｏｎｔｅｃｈｎｏｌｏｇｙｓｙｓｔｅｍ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍ１０３．１０５．ｉｎｄｉｓｔｒｉｂｕｔｉｏｎａｕｔｏｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，２００８，３２（１）：［１５］梁湖辉，张峰，常冲，等．基于ＺｉｇＢｅｅ的变电站监测报警系统［Ｊ］．电力系统保护与控制，２０１０，３８（１２）：—１２１１２４．—ＬＩＡＮＧＨｕｈｕｉ，ＺＨＡＮＧＦｅｎｇ，ＣＨＡＮＧＣｈｏｎｇ，ｅｔａ１．—ＺｉｇＢｅｅｂａｓｅｄｓｕｂｓｔａｔｉｏｎｍｏｎｉｔｏｒｉｎｇａｎｄａｌａｒｍｉｎｇｓｙｓｔｅｍ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１０，３８（１２）：１２１－１２４．李丽芬，朱永利，黄建才，等．基于无线传感器网络的绝缘子泄漏电流在线监测系统【Ｊ１．电力系统保护与控制，２０１１，３９（１０）：７４．７９．———ＬＩＬｉｆｅｎ，ＺＨＵＹｏｎｇｌｉ，ＨＵＡＮＧＪｉａｎｃａｉ。ｅｔａ１．Ｗｉｒｅｌｅｓｓ—ｓｅｎｓｏｒｎｅｔｗｏｒｋｓｂａｓｅｄｉｎｓｕｌａｔｏｒｌｅａｋａｇｅｃｕｒｒｅｎｔｏｎｌｉｎｅｍｏｎｉｔｏｒｉｎｇｓｙｓｔｅｍ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄ—Ｃｏｎｔｒｏｌ，２０１１，３９（１０）：７４７９．任维政，徐连明，邓中亮，等．基于ＲＳＳＩ的测距差分修正定位算法【Ｊ】．传感技术学报，２００８，２１（７）：１２４７．１２５０．—ＲＥＮＷｅｉ－ｚｈｅｎｇ，ＸＵＬｉａｎｍｉｎｇ，ＤＥＮＧＺｈｏｎｇ－ｌｉａｎｇ，ｅｔａ１．ＤｉｓｔａｎｃｅｄｉｆｆｅｒｅｎｃｅｌｏｃａｌｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＲＳＳＩｆｏｒｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｅｎｓｏｒｓａｎｄＡｃｔｕａｔｏｒｓ，２００８，２１（７）：１２４７－１２５０．［１８］ＬａｒｉｏｓＤＦ，ＢａｒｂａｎｃｈｏＪ，ＭｏｌｉｎａＦＪ，ｅｔａ１．ＬＩＳ：ｌｏｃａｌｉｚａｔｉｏｎｂａｓｅｄｏｎａｎｉｎｔｅｌｌｉｇｅｎｔｄｉｓｔｒｉｂｕｔｅｄｆｕｚｚｙｓｙｓｔｅｍａｐｐｌｉｅｄｔｏａＷＳＮ［Ｊ］．ＡｄＨｏｃＮｅｔｗｏｒｋｓ，２０１２，１０（３）：６０４－６２２．收稿日期：２０１２－１１－０８；修回１５］期：２０１２－１２－１０作者简介：周小艳（１９８６－），女，硕士，研究方向为数字化变电站—移动人员定位系统：Ｅｍａｉｌ：ｚＭｙｓｈｑ＠１２６．ｔｏｍ何为（１９５７一），男，博士，教授，研究方向为电磁场理论。印ｎＩ二