基于故障挖掘的電能表失效分析研究

郭斌 劉珮琪 馮興興 陳健華 何圣川 許麗娟

摘? 要：該文研究分析了智能電能表故障原因及其規律，快速準確地判斷電表故障位置，對提高智能電能表工作的可靠性具有重要意義。在分析電表現場故障類型的基礎上，建立智能電表故障樹，梳理電表故障特征規律，通過數據挖掘的關聯規則算法，在大量的故障數據中尋找具有特定關系的信息，分析故障原因。應用結果表明，故障樹分析法結合數據挖掘算法能有效幫助技術人員快速進行故障定位，減少故障處理時間，具有很好的實用價值。

關鍵詞：智能電表;故障樹分析法;數據挖掘;關聯規則

中圖分類號：TM933.4? ? ? ? ? ? 文獻標志碼：A

0 引言

隨著我國建設堅強智能電網的發展規劃，電力行業、智能電網以及智能計量一直在快速發展。為了有效且規范化地管理電能質量，電能表、終端等計量自動化采集設備被大量應用于監測電能質量管理系統中。對計量設備現場運維故障診斷及失效分析研究將直接關系著廣大電力用戶、電網公司的切身利益，并對智能電網的健康發展起到決定性作用。因此，對這些計量設備的可靠性要求也越來越高。

目前國內電網公司對計量設備的現場運維檢測工作存在諸多問題，如故障診斷困難、數據安全性不高、現場故障診斷無法形成閉環、運維人員水平參差不齊。該文通過深入研究FTA（Fault Tree Analysis）故障樹分析方法，現場故障診斷系統理論研究以及深入研究數據挖掘，分析如何在大量的故障數據中尋找具有特定關系的信息，分析故障原因，有助于實現現場故障數據的智能采集、分析，人性化管理及高效的傳輸，并在實際應用中準確定位故障原因，迅速解決故障。

1 失效分析理論研究

1.1 故障樹理論

1.1.1 故障樹分析法

故障樹分析法主要用于分析系統的可靠性和安全性，它是1種利用圖形方式，進行邏輯演繹推理的方法。故障樹分析法相對于傳統的系統可靠性分析，有很大的靈活性，它逐層而下，可以分析出系統的各種故障狀態以及關聯因素。在分析故障樹的同時，也是對整個系統深入認知的過程，它要求分析人員充分掌握系統內每個部件的關聯關系，熟悉影響每個部件的潛在風險因素，才能在分析過程中發現并及時解決問題，從而提高系統的可靠性。

故障樹是從樹根結點開始，對實例的某一故障進行分析，并根據實際情況，將各原因分配到其子結點，用邏輯門的形式連接，如此遞歸建立。建立一個復雜的故障樹通常是一個反復思考、不斷深入、逐步完善的過程。故障樹的建立，首先要確定頂事件，通常根據事故調查和統計的結果參照的發生頻率來確定。其次，分析造成頂事件發生的直接原因作為中間事件。然后，再找出造成中間事件發生的原因，依次分解直到事件不能再分為止，把這些不能分解的原因稱為基本事件。通過建樹使工作人員對系統進行故障預測，快速準確地發現系統的薄弱環節，為今后系統的故障診斷與改進提供依據，這也是建故障樹的主要目的。

1.1.2 故障樹建立的流程

如圖1所示是故障樹建立流程，根據流程確定的故障樹分析方法的一般分析步驟如下。1）確定頂事件。熟悉分析系統，針對實際問題、故障頻率來確定頂上事件。2）確定分析邊界與范圍。確定分析的范圍和邊界是進行分析的前提，明確邊界與范圍才能建立規范化的故障樹，邊界不明確，不利于故障樹縮小規模。3）確定中間事件和基本事件。明確頂事件后，找出導致該事件發生的全部原因，包括人為失誤、環境因素和軟件因素等。凡是故障有關的原因都找出來，作為事件樹的中間事件和基本事件。4）故障樹繪制。從頂事件開始，從樹的頂端往下依次找出所有的原因事件，用邏輯門的形式把原因事件連接起來，一個頂事件代表一棵故障樹。5）數據挖掘分析。利用數據挖掘的關聯規則分析與故障事件有關的數據和內容。6）結論。構建正確的、合理的故障樹是對智能電表故障進行分析的前提條件。利用故障分析，確定故障分析順序與診斷流程，來提高系統的安全性和可靠性。

1.2 數據挖掘理論

1.2.1 數據挖掘在電力領域的研究情況

按時間順序、快速、海量、連續到達且潛在無限的數據稱為流數據，目前流數據的應用在數據挖掘方面例如關聯規則分析、分類分析、聚類分析已有多種成果出現。關聯規則分析是目前數據挖掘研究的重要模式之一，利用關聯規則算法分析故障數據，發現故障現象與故障類別之間存在的聯系，并將故障信息轉換成算法可識別的關聯項，提高數據挖掘效率，為設備故障檢測提供科學依據。分類分析法是找出大量數據中的一組數據對象的共同特點并按照分類模式將其劃分為不同的類型，其目的是通過分類模型，將數據庫中的數據項映射到某個給定的類別中，包括決策樹分類法、基于規則的分類法、最近鄰分類法和神經網絡分類法。聚類分析法與分類分析法類似，但其分類的目的不同，根據數據相似性、差異性等將數據進行分類，聚類分析法對用戶用電模式，電力調度、狀態估計等有重要作用。

智能電能表的故障挖掘在建立故障樹的基礎上，挖掘故障時電能表的事件記錄，回路分析等，據故障現象對分析結果進行診斷，分析各結果之間存在因果關聯、時序關聯、比對關聯等關系。因此，關聯規則挖掘方法適用于智能電能表故障診斷。

1.2.2 關聯規則挖掘方法基本原理

關聯規則是指在數據項之間的關聯或存在的相互關系，APRIORI算法在數據挖掘中是1種極具影響的布爾關聯規則算法，APRIORI算法將關聯規則分為2步。1）先找出所有的頻繁項集（frequent itemset），即其支持度不低于用戶最小支持度的項目集。2）從頻繁項集中構造其置信度不低于用戶最小置信度的規則。

關聯規則的目的就是在一個數據集中找出項與項之間的關系，可定義項集組合為I，即I1=X1UX2UX3UX4UX5UX6U…UXm，則為項集組合I中所含項數為1的項集組合的子集，令為項集組合I中所含項數為2的項集組合的子集，同理，定義I3，I4，I5，…In，則有I=I1UI2UI3U…UIn。設X，Y都是I中的項或項集，關聯規則形如X→Y，S表示支持度，為項集{X，Y}在總項集里出現的概率，C表示可信度，為項集{X，Y}在項集{X}里出現的概率，即：

S%=S（X→Y）=P（X，Y）? （1）

C%=C（X→Y）=P（X，Y）/P（X）? （2）

2 失效分析故障樹研究

2.1 故障分析

硬件故障主要發生在電源、繼電器、液晶和光耦等元器件以及一些生產工藝中，例如接線端子制造或安裝過程中出現問題導致接觸不良、液晶屏幕觸電虛焊等。對電能計量設備運行故障進行調研，發現所有故障中，顯示異常、計量失準、通信異常、外觀損壞和外觀老化總故障率超過90%，除三相電子式費控電能表的外觀老化故障外，其他三類電表的顯示異常、計量失準、通信異常、外觀損壞和外觀老化的故障占比均高于10%。經分析現場故障的電能表，具體檢測故障原因結果見表1。

2.2 基于故障樹的故障挖掘

根據現場故障的電能表分析，通過顯示故障、485通信故障、計量故障等故障類型建立故障樹如圖2、圖3所示。

3 關聯規則數據挖掘

3.1 數據處理

將故障數據與診斷結果按關聯規則進行處理，提取主要故障信息，并對故障信息進行分類轉換成算法可識別的關聯項，提高數據挖掘效率。形成關聯關系{M1，M2，M3}{R2}·{S2%，C2%}說明由故障信息M1，M2，M3診斷出故障結果為R2，對此結果的支持度為S2%，置信度為C2%。此診斷的故障結果可定位故障，為故障消缺提供技術指導。

關聯規則的APRIORI算法分為兩步，第一步產生頻集，第二步產生關聯規則，算法的原理概括如圖4所示。

3.2 算例分析

根據以上流程，給定故障數據，通過APRIORI算法抽取關聯規則。見表2，M1～M6分別表示：時鐘異常、電表停走、電表失壓、電表失流、顯示亂碼、電表斷相，R1表示表計故障，R2表示回路異常。

設定最小支持度為15%，最小置信度為35%，生成的規則見表3。

如果檢測到故障信息為電表停走、電表失流，應排查回路是否異常，并將故障原因反饋，及時更新數據庫數據。

4 結語

通過對智能電表故障數據統計調查結果分析，定位電能表故障原因，建立了智能電表故障樹。通過數據挖掘的關聯規則算法，梳理了智能電表故障發生的概率特征，從不同角度探究智能電表故障特征。應用結果表明，故障樹分析法及數據挖掘算法能夠有效幫助相關技術人員進行故障定位、故障診斷和故障處理，減少故障處理時間，提高故障智能電表質量管理水平，具有很好的實用價值。

參考文獻

[1]羅冉冉，龍磊，張垠.基于故障樹理論的單相智能電能表黑屏故障分析方法研究[J].電測與儀表，2014，51（23）：6-10，17.

[2]陳馳.基于用電信息采集系統的運行電表故障智能分析[J].電測與儀表，2014，51（15）：18-22.

[3]李鵬，楊熹，陳欣，等.單相智能電能表電池欠壓故障分析[J].工業儀表與自動化裝置，2017（4）：113-114，120.

[4]祝宇楠，徐晴，劉建，等.數據挖掘在智能電能表故障分析中的應用[J].電力工程技術，2016，35（5）：19-23.

[5]章欣，段曉萌，江小強，等.智能電表時鐘電池欠壓故障剖析及防范措施研究[J].電測與儀表，2014，51（10）：24-27.

[6]朱東升，李天陽，徐石明.基于數據挖掘技術的電能表故障分析研究[J].自動化與儀表，2018，33（5）：14-18.