GIS 母线中 SF6 分解气体扩散与传感器布置优化的耦合多物理场研究

《Sensors》：Coupled Multi-Physics Study on SF6 Decomposition Gas Diffusion and Sensor Placement Optimization in GIS Busbars

　　

摘要

本文研究了塞尔维亚中部某地区的太阳辐照度，在该区域部署了一套低成本物联网传感器网络，覆盖三个地点：山坡、村庄附近的开阔地以及城市中心受遮挡的位置。这三个地点均位于同一个NASA POWER网格单元内。经过多阶段质量控制后，26,145条有效白班记录与卫星参考值进行了对比。卫星对三个位置赋予相同的数值，但实测平均白班辐照度分别为267.7、351.5和19.6 W/m²。乡村站点与参考值的吻合度最佳（R² = 0.567）；山地站点存在持续的阴影偏差（MBE = ?138.9 W/m²）；城市站点的信号因周围建筑物和植被的遮挡而衰减了约12倍。此外，还基于同一网格单元25年的月度NASA POWER记录训练了25个回归模型（梯度提升、循环、卷积、全连接和基于图的模型）。XGBoost获得了R² = 0.998，混合TCN-GNN模型R² = 0.968，普通ReLU网络R² = 0.912，并使用带有日历特征的回归模型重构了2026年尚不可用的两个月卫星参考值。部署的硬件、网络和能耗行为均得到了定量记录：各站点的链路交付率分别为96.8%、83.5%和58.2%，节点的太阳能采集记录，以及不存在任何节能感知传输调度。两个训练好的模型被编译至ESP32节点并在部署硬件上进行测量：深度受限的梯度提升校正器在46.3 μs内运行，占用11.1 kB闪存；INT8全连接网络在138.1 μs内运行，占用3.0 kB；而图混合模型则完全无法转换为微控制器可执行的格式。这定义了一种边缘-云划分方案，其中本地推理执行偏差校正和故障检测，而云层保留重型模型和定期重新训练。据作者所知，这是塞尔维亚中部首个涵盖如此不同地形类型的多站点地面物联网辐照度记录。