一种风电机组叶片状态监测网络可靠性分析方法与流程

本发明涉及一种风电机组叶片状态监测网络可靠性分析方法，提出了通过蒙特卡洛法建立监测网络可靠性仿真模型的方法，通过分析单叶片传感器节点采用树状与网状拓扑结构时的簇内可靠性，提出了单叶片传感器网络拓扑结构选择原则。最后采取一次重发措施有效地提高了监测网络整体可靠性。

背景技术：

叶片作为风电机组的动力来源，其运行可靠性将直接影响风电机组的整体性能。风电机组运行过程中，叶片容易发生故障且形式多样复杂，一旦发生失效事故必须停机维修，维修工作复杂且耗时，维修成本及因停机造成的经济损失巨大，因此对叶片状态监测的研究具有重要的实际意义。无线传感器网络(wirelesssensornetwork,wsn)具有较强的信息处理能力，可实时获取监测区域物理信息。目前，无线传感器网络技术已广泛应用于无线监测领域，如环境监测、医疗监护等，为风电机组叶片的状态监测提供了良好的思路。目前，关于无线传感器网络可靠性建模的研究基本都是出于传感器节点失效的角度，而未考虑通信链路对监测网络可靠性的影响。本发明提出了通过蒙特卡洛模拟法建立监测网络可靠性仿真模型的方法，在可靠性建模时同时考虑到传感器节点失效及通信链路失效两方面。

技术实现要素：

发明目的：针对现有技术中存在的问题，本发明提供一种风电机组叶片状态监测网络可靠性分析方法，首先建立传感器节点可靠性子模型、通信链路可靠性子模型、监测网络多任务完成模型，介绍了通过蒙特卡洛法建立监测网络可靠性仿真模型的方法。然后通过对单叶片上传感器节点拓扑结构为树状与网状时的簇内可靠性的仿真，提出单叶片传感器网络拓扑结构选择原则。最后分析了维护周期和通信干扰对监测网络整体可靠性的影响，通过一次重发措施提高了网络整体可靠性。

技术方案：一种风电机组叶片状态监测网络可靠性分析方法，首先建立了传感器节点可靠性子模型、通信链路可靠性子模型、监测网络多任务完成模型，介绍了通过蒙特卡洛法对监测网络进行可靠性评估的方法。本发明的研究成果能够为风电机组的运行与维护提供有益的参考。

基于蒙特卡洛模拟法对风电机组叶片状态监测网络进行可靠性分析的方法如下：

(1)设蒙特卡洛法对风电机组叶片监测网络进行仿真的总次数为ns，监测网络的维护周期为t。监测网络中各节点与链路的初始工作状态均为正常，传感器电池能量处于充满状态。j为蒙特卡洛仿真的次数，m为监测网络中传感器节点的数量，nf为仿真过程中监测网络失效的次数。仿真初始时，j＝0，nf＝0；

(2)仿真开始时，传感器节点与通信链路均处于正常工作状态，j＝j+1；

(3)对传感器节点及通信链路进行随机抽样，得到各传感器节点的状态持续时间tij及监测网络中无线通信链路的信息传输率p；

(4)判断各传感器节点及通信链路工作状态。对于传感器节点，若tij≥t，则表示第i个传感器节点在第j次仿真中的状态为正常，则xij＝0,否则xij＝1。对于通信链路，监测网络邻接矩阵中每一个不为0的元素表示由节点i至节点j的通信链路存在，若p≥f，则表示该链路失效，f表示信息传输的可靠性函数；

(5)根据抽样得到的各传感器节点及通信链路的状态，剔除无效节点与链路，并重新建立该次仿真下的网络邻接矩阵；

(6)用warshall算法求该监测网络可达矩阵，可达矩阵中目的节点所在的列元素之和减去目的节点对应元素即为完成的任务数，该任务数与任务总数之比即为网络任务完成率。

(7)若j<ns，则转到步骤(3)，若j≥ns，则输出网络失效次数与监测网络可靠性。

附图说明

图1为叶片上下两部分的划分图；

图2为监测网络结构图；

图3为可达矩阵计算流程图；

图4为簇内树状网络图；

图5为簇内网状网络图；

图6为图6簇内可靠性随节点数量的变化；

图7为监测网络整体可靠性随维护周期与位差错率的变化图；

图8为数据重发前后监测网络整体可靠性随簇内节点数量的变化图；

图9为数据重发在通信抗干扰方面的作用。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

1.监测网络拓扑结构

风电机组叶片体积庞大，往往需要部署多个传感器来实现状态信息的采集和传输，单个风电机组一般有3个叶片，传感器节点分布较为分散，若将各个叶片上的传感器节点采集的信息分别融合则可以较为全面的反映该叶片的运行状态。鉴于此，本文的监测网络整体结构拟采用分层分簇的拓扑结构，其优点在于：①较好的网络拓展性，布设方便，节点的类型、部署位置和数量可根据实际需要来确定，适用于多个叶片的状态监测；②簇是指邻近区域内的节点的集合，传感器节点组成若干个相互独立的簇，各簇的簇首节点负责接收和处理簇内节点采集的信息并发给基站，以“簇”的形式大大减少了节点和基站的数据通信，提高监测网络的信息处理效率，同时网络的可靠性较高。关于单叶片上传感器节点拓扑结构的设计见下文。

本文结合型号为天奇tg41.0g的风机叶片来分析叶片状态监测网络的可靠性，这种类型的风机叶片是由中国江苏天奇物流系统工程股份有限公司jiangsumiraclelogisticssystemengineeringco.,ltd.,china生产的，应用于多个风电场。经研究得知，风电机组叶片的主要承载结构为叶片的主梁，本文针对叶片主梁的状态进行监测，将传感器节点沿叶片展向部署在主梁上，为研究方便，将叶片分为上下两部分，如图1。sink节点部署在风电机组的基座上。

每个风电机组有3个叶片。图2为风电机组叶片状态监测网络结构，监测网络由m个应力传感器节点(以下简称传感器节点)、1个汇聚节点(sink节点)和1个监测控制中心组成。传感器节点负责所在位置处叶片应力值的采集和传输。将各个叶片上的传感器节点划分为1个簇，三个叶片则有3个簇，簇首节点接收簇内节点传来的应力值信息并将其传输给sink节点，sink节点再将信息传输给监测控制中心。监测控制中心根据所获取的信息对叶片状态进行判断，为叶片的运行与维护提供参考。

2可靠性建模

可靠性是评价风电机组叶片状态监测网络性能的重要指标，建立合理的可靠性模型能够有效地分析监测网络可靠性，通过分析可以找出影响叶片状态监测网络可靠性的因素并予以改善。本文建立了传感器节点可靠性子模型、通信链路可靠性子模型、监测网络多任务完成模型，介绍了通过蒙特卡洛法对监测网络进行可靠性评估的方法。

2.1建立可靠性子模型

风电机组叶片状态监测网络的可靠性主要受传感器节点与通信链路可靠性的限制。传感器节点的可靠性主要受到传感器有限的电池容量与节点本身计算能力的限制；无线通信链路的可靠性主要受到通信带宽、延时、误码率和数据包的限制。

由于监测网络的监测信息完全依靠应力传感器节点来采集并发起初始的信息传输，信息传输至簇首节点、sink节点最终至控制中心，所以应力传感器节点是构成监测网络的最重要的基本因素，也是监测网络各组成部分中数量最多的。因此应力传感器节点的可靠性是影响整个监测网络的关键因素。然而，考虑到实际应用中应力传感器节点的成本问题且要安装方便，应力传感器节点的功能和体积都要受到制约，因此在环境较为恶劣的风电机组运行环境中容易发生失效的情况。同时，应力传感器节点部署于叶片上，维修和更换时极不方便。而簇首节点、sink节点及控制中心数量很少，可以分别部署于风电机组叶片、风电机组底座和风电场，它们的体积几乎不受制约，功能也可以较为强大。所以本文中重点考虑应力传感器节点的失效问题，以及应力传感器节点之间通信链路失效、应力传感器节点与簇首节点之间通信链路失效的问题。因此，在建立风电机组叶片状态监测网络可靠性模型时作如下假设：

⑴监测网络中传感器节点、通信链路、sink节点均只有正常和失效两种工作状态；

⑵监测网络中传感器节点、sink节点的工作状态相互独立，即一个节点处于正常或失效状态时都不会对其他所有节点的工作状态产生影响；

(3)监测网络中相同的节点服从同一个寿命概率分布函数；

(4)簇首节点与sink节点不会失效，簇首节点与sink节点间、sink节点与控制中心间的通信链路不会失效。

2.1.1传感器节点可靠性子模型

传感器的使用寿命可以反映其可靠性。目前传感器寿命的概率分布函数主要有指数分布、二项分布和韦伯分布，其中韦伯分布在寿命检验和可靠性分析中的使用最为广泛，因而本文采用韦伯分布函数作为传感器节点寿命的概率分布函数。故传感器节点可靠性函数为：

式中，t为节点运行时间；λ为韦伯分布比例参数；k为形状参数，其值由传感器节点型号及节点自身特点所决定；fσ(t)为节点寿命小于t的概率，即失效率。其中，λ和k的值可通过matlab中的wblfit(data)函数求得。

设监测网络维护周期为t，传感器节点i的寿命为ti，则该节点在维护周期内的状态可定义为：

2.1.2通信链路可靠性子模型

在风电机组叶片状态监测网络中，由于使用无线通信方式，通信链路有时会受外界的干扰，导致数据包丢失、误码等问题，从而使得监测控制中心获得的信息不准确。因而在监测网络可靠性建模时不可忽略通信链路的可靠性。本文给出如下无线通信链路可靠性评估模型。

设传感器节点一次采集到的物理信息为一个长度为l的数据帧，数据传输中的位差错率为pbit。当一次数据传输的发送端和接收端节点均处于正常工作状态时，信息传输的可靠性函数f为：

f＝(1-pbit)^l(3)

各链路在维护周期内的失效率为p，p在[0,1]上服从均匀分布。若两个传感器节点i、j分别为发送端和接收端且i、j间存在通信链路k，则维护周期内通信链路k的状态可定义为：

2.2建立多任务完成模型

风电机组叶片状态监测网络中，传感器节点和通信链路的状态是动态变化的，故需要对网络状态进行动态评估以得出监测任务的完成情况。本文提出：建立监测网络多任务完成模型，将监测网络中的多任务状态评估问题转化为网络中传感器节点通信的可达性问题，采用warshall算法求解网络多任务可达矩阵以获取监测网络的任务完成情况。

2.2.1任务模型

定义风电机组叶片状态监测网络任务ts,l由二元集合[s,l]构成，ts,l表示源节点(即传感器节点)为s，目的节点为l的任务。

将监测网络单任务定义为：一个传感器节点采集到物理信息并将信息传输至簇首节点或sink节点。任务ts,l可以依赖于一条传输路径或多条冗余路径，信息在任务ts,l的一个传输路径中传递的可靠程度取决于该路径包含的节点集及该路径包含的通信链路集数据在路径i中成功传输，要求路径中所有节点与通信链路均处于正常工作状态。任务ts,l的第i条传输路径在维护周期内工作状态为：

式中，a、b分别表示第i条传输路径中节点集的节点个数和通信链路的个数，

x(j)表示节点在维护周期内的状态，l(k)表示维护周期内通信链路k的状态。

2.2.2多任务完成模型

当风电机组叶片状态监测网络中所有传感器节点与通信链路的工作状态已知时，即可求出每个任务的完成情况。因为传感器节点与通信链路的状态可能从正常变为失效，故网络拓扑是动态变化的，为适应这一特点，本文采用warshall算法求解监测网络多任务可达矩阵，通过求解可达矩阵来获取网络的任务完成情况。

借鉴图论中邻接矩阵和可达矩阵求解图网络中的路径问题。设网络顶点数为m，网络为有向图：d＝(v,e)，顶点集：v＝(v1,v2,v3,…,vm)，链路集为e。

定义监测网络邻接矩阵a为：

a＝(aij)m×m(6)

式中aij为vi与vj之间的边数。

定义监测网络可达矩阵y＝(yij)mxm为：

式中，vi与vj可达是指节点vi可将信息传输至节点vj，否则即为不可达。

目前求解可达矩阵主要有两种算法：一般算法、warshall算法。一般算法求解思想为：首先求出bm×m＝a+a²+…+a^m，然后将bm×m中不为0的元素改为1，而未0的元素不变，所得的矩阵即为可达矩阵。由一般算法计算可达矩阵比较复杂，主要是因为bm×m的计算比较复杂，而warshall算法将邻接矩阵当作关系矩阵，则求可达矩阵相当于求邻接矩阵的正闭包，从而根据集合论中求关系闭包的方法来求解可达矩阵，计算更加简便。因此，本文采用warshall算法计算监测网络的可达矩阵，步骤如下：

(1)可达矩阵y以a为初值。对监测网络所有节点与通信链路状态进行评估。若节点失效，则y中该节点所在的行和列元素均置为0；若通信链路失效，则y中对应的元素置为0。由此得到实际运行的监测网络邻接矩阵；

(2)置i,i←1；

(3)若a的第j(1≤j≤m)行第i列处元素为1，则对于每一个k＝1,2,3,···,m,将a的第j行第k列处元素与第i行第k列处元素进行逻辑加，然后将结果送至第j行第k列处，即若a[j,i]＝1，a[j,k]←a[j,k]va[i,k]；若a[j,i]＝0，j←j+1；

(4)i＝i+1；

(5)如果i≤m，则转到步骤(3)，否则停止，输出可达性矩阵y，y＝a。

图3为采用warshall算法计算监测网络可达矩阵的流程图。

风电机组叶片状态监测网络中任一个传感器节点与簇首节点或sink节点间均构成单任务。监测网络由多个传感器节点构成，监测网络工作于多任务模式。对于一个由m个传感器节点构成的监测网络，在一次传输任务中要将m个节点的数据采集并汇聚，故监测网络的任务总数为m。以传感器节点为源节点，簇首节点或sink节点为目的节点，通过计算可达矩阵可得到实际运行状态下监测网络中任意两个节点的连通情况。设在一次传输中监测网络可完成的任务数为n，则网络的任务完成率为：

根据风电机组叶片状态监测网络的可靠性要求，此处设定监测网络的可靠性评价指标为：在一次输出中，若有20％的传感器数据不能传输至控制中心即θ＜80％时，认为监测网络失效。需要注意的是：该指标不是行业标准，只是本文在说明如何建立可靠性模型以及如何通过可靠性模型来分析监测网络的可靠性时所做的设定。可靠性评价指标是可以根据具体工程应用情况来设定的，不同的应用情况可以设置不同的值。

2.3建立基于蒙特卡洛法的可靠性仿真模型

风电机组叶片状态监测网络运行状况复杂，在使用前需对监测网络的可靠性进行分析，以得出可靠性较高的监测网络设计方案。本文首先介绍了传感器节点的状态持续时间和通信链路状态抽样方法，然后介绍了利用蒙特卡洛(montecarlo)法建立监测网络可靠性仿真模型的方法。

2.3.1传感器节点的状态持续时间抽样

传感器节点的失效率是随着时间动态变化的，传感器的寿命概率函数为对其求反函数即可得到传感器节点从初始的正常工作状态到第一次失效所持续的时间。鉴于传感器节点可靠性随时间动态变化的特点，本文对传感器节点采用状态持续时间抽样法，即在选定传感器节点初始状态后，对节点所处状态的持续时间进行随机抽样。设传感器节点的初始状态为正常工作状态，抽样过程中gσ为[0,1]上的随机数，则第i个传感器节点的状态持续时间ti为：

2.3.2通信链路状态抽样

已知通信链路的信息传输可靠性函数为f＝(1-pbit)^l，对各链路的信息传输率p进行随机抽样,p为[0,1]上的随机数。

2.3.3基于蒙特卡洛法的可靠性仿真模型

本文基于蒙特卡洛仿真法，使用matlabr2014a对监测网络可靠性进行仿真。每次仿真中均可得到所有传感器节点及通信链路的状态，从而得到实时的监测网络拓扑结构。根据该拓扑结构可建立其邻接矩阵，运用warshall算法求得可达矩阵，得到网络任务完成情况，进而得出监测网络可靠性，具体如下：

(1)设蒙特卡洛法对风电机组叶片监测网络进行仿真的总次数为ns，监测网络的维护周期为t。监测网络中各节点与链路的初始工作状态均为正常，传感器电池能量处于充满状态。j为蒙特卡洛仿真的次数，m为监测网络中传感器节点的数量，nf为仿真过程中监测网络失效的次数。仿真初始时，j＝0，nf＝0；

(2)仿真开始时，传感器节点与通信链路均处于正常工作状态，j＝j+1；

(3)对传感器节点及通信链路进行随机抽样，得到各传感器节点的状态持续时间tij及监测网络中无线通信链路的信息传输率p；

(4)判断各传感器节点及通信链路工作状态。对于传感器节点，若tij≥t，则表示第i个传感器节点在第j次仿真中的状态为正常，则xij＝0,否则xij＝1。对于通信链路，监测网络邻接矩阵中每一个不为0的元素表示由节点i至节点j的通信链路存在，若p≥f，则表示该链路失效；

(5)根据抽样得到的各传感器节点及通信链路的状态，剔除无效节点与链路，并重新建立该次仿真下的网络邻接矩阵；

(6)用warshall算法求该监测网络可达矩阵，可达矩阵中目的节点所在的列元素之和减去目的节点对应元素即为完成的任务数，该任务数与任务总数之比即为网络任务完成率。例如，节点7为目的节点，传感器节点数(不包括目的节点)为12，则任务完成率等于可达矩阵中第7列元素之和减去y77后的值与任务总数12的比值。若θ≤0.8，则认为网络失效，nf＝nf+1；

(7)若j<ns，则转到步骤(3)，若j≥ns，则输出网络失效次数与监测网络可靠性。

通过ns次仿真得出监测网络失效次数为nf，则监测网络的失效率η和可靠性r分别为：

3仿真分析

监测网络可靠性分为簇内可靠性和整体可靠性，各叶片上传感器网络即簇内网络的拓扑结构的设计对监测网络簇内可靠性及整体可靠性有较大影响。无线传感器网络通常有三种拓扑结构：星状、树状、网状。与星状网络相比，树状和网状网络拓扑结构更为灵活，易于扩展，且具有较高的可靠性，更适用于接入点多且分散的风电机组叶片监测网络。树状和网状网络各有优缺点。树状网络的优点是：网络结构灵活，易于扩展，容易发现网络故障；缺点是各个节点间具有较强的依赖性。网状网络的优点是：由于网状网络的通信链路冗余度较大，信息传输的可靠性较高；缺点是：网状网络结构较为复杂，网络能耗较大，使用寿命较低。本文通过上述蒙特卡洛可靠性评估方法对簇内树状拓扑与簇内网状拓扑网络进行仿真，得出簇内节点数量不同时的簇内可靠性，并给出拓扑结构选择原则。同时，分析了维护周期和位差错率对监测网络整体可靠性的影响。

3.1监测网络簇内可靠性分析

传感器节点寿命服从weibull分布，λ和k的值可通过matlab中的parmhat＝wblfit(data)函数求得，data为样本值。以簇内树状网络为例，表1为无线传感器厂家提供的20组传感器节点使用寿命,将寿命值代入parmhat＝wblfit(data)即可求出λ1和k1，此处解得：λ1＝10⁶，k1＝4。同理，根据厂家提供的采用网状网络时的传感器节点寿命(表2)，通过parmhat＝wblfit(data)函数求得网状网络中传感器节点寿命的韦伯分布参数：λ2＝10⁵，k2＝4数据传输位差错率pbit＝0.2×10^-4，维护周期t＝1300h，风电机组叶片物理信息的数据帧长度l＝65×8bit。分别使用蒙特卡洛法对树状和网状网络进行簇内可靠性仿真，仿真次数ns＝30000。

表1树状网络中传感器节点使用寿命/(10⁶h)

表2网状网络中传感器节点使用寿命/(10⁵h)

3.1.1簇内树状网络簇内可靠性仿真

图4为采用树状拓扑结构的传感器网络，实线为通信链路，同一个通信链路上的相邻节点间进行单向通信，该结构可有效地减少信息的重复发送，极大地降低网络能耗。该网络节点数为13，节点7为簇首节点，也是目的节点。初始状态下传感器节点与通信链路均处于正常工作状态，初始邻接矩阵a为：

通过仿真可得，30000次仿真中，簇内树状网络失效次数nf＝2138，可靠性r＝0.9287。以某次仿真中节点3失效其余节点均正常工作为例，求出可达矩阵y，由y可得，该次仿真中，节点1、2、3的数据无法传输至目的节点7，任务完成率θ＝9/12＝0.75≤0.8，网络失效。

3.1.2簇内网状网络簇内可靠性仿真

图5为采用网状拓扑结构的传感器网络，实线为通信链路，相邻节点间可双向通信，其邻接矩阵为对称矩阵。节点数为13，节点7为簇首节点，也是目的节点。每个簇内节点都有多条路径与目的节点实现信息传输，因而可靠性较高。初始状态下传感器节点与通信链路均处于正常工作状态，初始邻接矩阵a为：

通过仿真可得，30000次仿真中，簇内网状网络失效次数nf＝261，r＝0.9913。以某次仿真中节点3失效其余节点均正常工作为例，求出可达矩阵y，由y可得，仅节点3无法将信息传输至节点7，任务完成率θ＝11/12＝0.92＞0.8，网络正常。

3.2簇内节点数量对簇内可靠性的影响

实际工程应用中，出于成本等方面的考虑，单个叶片上部署的传感器数量不宜太多，本文将其设置为[5,45]。通过蒙特卡洛法可对各簇内传感器节点数量为[5,45]时的簇内网络进行可靠性仿真，得到不同节点数量下的簇内树状网络与簇内网状网络的簇内可靠性，如图6。

基于上述仿真结果，本文提出各叶片传感器节点拓扑结构选择原则：通过蒙特卡洛法得出两种拓扑网络下节点数量与簇内可靠性的对应关系并根据实际部署节点数量来选择可靠性较大的拓扑结构作为最终方案。由图6可知，当节点数小于16时，簇内树状网络的可靠性优于网状网络；当节点数大于等于16时，簇内网状网络的可靠性基本不变而簇内树状网络可靠性明显下降，此时簇内网状网络可靠性优于簇内树状网络。本文单叶片上传感器节点数量为13，故簇内网络拓扑结构选择树状。

3.3维护周期与位差错率对监测网络整体可靠性的影响

风电机组叶片状态监测网络整体可靠性是随着维护周期而变化的，因而有必要研究维护周期对整体可靠性的影响以制定合理的维护策略。由于监测网络使用无线通信，在实际工作中因为通信干扰而产生数据包丢失等问题不可避免，不同通信干扰下数据传输的位差错率不同，故可通过设置不同的位差错率来模拟不同的通信干扰环境。本文通过蒙特卡洛法对监测网络整体可靠性进行仿真。

针对簇内节点数量为13、簇的个数为3的树状监测网络整体可靠性进行仿真，以研究维护周期与位差错率对网络整体可靠性的影响。仿真时维护周期设为[0,10⁴]h，数据传输位差率pbit设为[10^-6,10^-2]，图7为仿真结果。由图可得，风电机组叶片状态监测网络的整体可靠性随着维护周期的增加而减小，为保证监测网络整体可靠性不低于0.9，风电机组叶片状态监测网络的维护周期不可高于4000h。当信息传输的位差错率为[10^-6,10^-4]时，监测网络整体可靠性变化幅度较小，主要由维护周期所决定。当位差率大于10^-4时，整体可靠性迅速减小，当位差错率为10^-3时，整体可靠性衰减至接近0，位差错率成为影响监测网络整体可靠性的主要因素。此时可采取数据重发措施来提高监测网络整体可靠性。

4数据重发方案

如前所述，在通信干扰较大时通信链路成为制约监测网络整体可靠性的主要因素。本文通过数据重发措施来解决通信链路失效的问题，即在实际工作中当链路失效时将数据帧重新传输。

风电机组叶片状态监测网络有3个簇，各簇内传感器节点数为13，通过蒙特卡洛法可得监测网络采用一次数据重发方案前后的整体可靠性随各簇内传感器节点数的变化，见图8。由图可知，采用数据重发方案可有效提高监测网络整体可靠性且随着传感器节点数的增加整体可靠性基本保持稳定。

为研究数据重发在通信抗干扰方面的作用，此处将监测网络信息传输的位差错率设为[10^-6,10^-3]，分别在无数据重发、一次数据重发、两次数据重发下对监测网络整体可靠性进行仿真，结果见图9。由图9可知，在通信干扰较小即数据位差错率较小时，数据重发前后网络整体可靠性变化不大。但是当通信干扰较大时，无数据重发的监测网络整体可靠性迅速下降，明显劣于采用数据重发时的整体可靠性。与采用一次数据重发相比，采用两次数据重发的监测网络整体可靠性提高不明显且通信成本增加，故采用一次数据重发较为合适。