電能計量裝置異常數據動態辨識及處理系統設計與實現

黃東蘭

（廣東電網有限責任公司茂名供電局，廣東 茂名 525000）

1 系統構造

電能計量裝置異常數據動態辨識及處理系統建設基于Java+C++跨平臺技術，屬于相對獨立的異常數據實時分析系統，包括統計報表管理、設備檔案管理、計量故障專家庫、異常數據分析模型共四個模塊。該系統具備多類型的數據分析模型，同時安裝了高速通信接口，可以實現與營銷系統、計量自動化系統的對接，以及數據相互實時傳輸。通過構建電能自動化計量故障診斷模型，實現了電能量數據實時分析，對采集的用戶計量裝置數據進行自動檢測和動態辨識，并根據判斷的異常情況給出處理建議，方便計量運維人員針對性進行現場處理，實現電能量數據異常監測和故障處理閉環管理，大大提升了電能量數據分析和計量運維工作效率[1]。系統構造如圖1所示。

圖1 系統構造圖

2 建立完善的數據實時動態辨析體制

該系統每天在00:00:00進行同步，以小時為周期，按照固定要求的格式來采集自動化的實時電量（實時表碼）數據、日凍結數據、瞬時量數據和日電量數據，同時將這些數據存儲到服務器中，然后由系統對數據進行隨機抽取。其中，實時電量1 h下載一次，10 min內完成數據的判斷和解析并存入相應的數據庫。日電量24 h下載一次，30 min內完成判斷和解析并存入到相應數據庫。采集數據結果包括如下3種。（1）檔案：用電類別、用戶編號、測量類型、用戶名稱、用戶級別、計量點編號、應用類型、計量點名稱、故障狀態、額定電壓、供電所名稱及變壓器編號。（2）電能量：反無功功率（峰、平、谷）、最大需量、反無功功率（總）、正有功功率（總）、反有功功率（峰、平、谷）、反有功功率（總）和正無功功率（峰、平、谷）等。（3）瞬時量：功率因數（A，B，C相）、有功功率（總）、功率因數（總）、有功功率（A，B，C相）、電流（A，B，C相）、無功功率（A，B，C相）和電壓（A，B，C相）。該自動化計量系統用戶信息是根據電能量數據用戶計量裝置測量點進行一戶一采集，進而構建模型，自動化計量系統根據建模關系來進行異常數據分析。系統后臺根據設定的故障判斷規則庫自動對電量數據進行計算以及環比、同比等對比分析診斷，將診斷完成的數據直接存入數據庫，如果數據被定義為異常數據，可在操作界面進行查詢處理。

3 建立異常數據監測模型

3.1 根據用戶類別和數據類型進行建立

根據我國現行相關電力技術管理規程要求，按照電力的傳輸和分配，供電企業電力網分為主配網；運行中的電能計量裝置按其所計量電能量的多少和計量對象的重要性分類如下。I類：月平均用電量5×106kW·h及以上或變壓器容量為10 000 kVA及以上的高壓計費用戶等。Ⅱ類：月平均用電量1×105kW·h及以上或變壓器容量為315 kVA及以上的計費用戶、100 MW以下發電機。Ⅲ類：月平均用電量1×105kW·h及以上或變壓器容量為315 kVA及以上的計費用戶、100 MW以下發電機。Ⅳ類：負荷容量為3l5 kVA以下的計費用戶、發供電企業內部經濟技術指標分析、考核用的電能計量裝置。因此，本系統設計了診斷異常展示頁面分專變用戶異常統計、公變用戶異常統計、低壓集抄用戶異常以及綜合統計共4個模塊[2]。

3.2 設定優先等級判斷機制

根據現場設備維運情況可將數據異常優先等級分為3級。第1級為數據有效性對比，主要是對采集的瞬時量和電量數據進行正確性分析。第2級為歷史數據對比，經過第1級數據有效性對比之后，接下來與歷史同期數據進行比對，通過二次對比發現異常數據。第3級為異常規則庫故障條件比對，進一步細化故障的判斷條件和分析依據。

4 建立完善的異常數據判斷規則庫

4.1 建立計量故障判斷規則庫

根據現場計量運維專家經驗以及故障計量設備運行特征，設置計量故障規則庫，形成完善的計量故障判斷規則庫。計量人員按不同故障類型分類檢索出詳細的計量設備故障用戶清單，同時根據用戶計量設備出現故障的頻率以及緊急程度進行分類，針對性對故障計量設備的運行數據進行核查，并進一步分析計量設備主要故障和故障率，從而獲取針對性的解決方案，實現提高現場故障快速排查處理效率[3]。

4.2 建立完備的故障模型庫

（1）失流失壓故障。額定電壓為100 V電能表接線方式為三相三線，額定電壓為57.7 V或220 V電能表接線方式為三相四線。其中三相三線電能表只有A相和C相有電流電壓值，因此，對于安裝接線方式為三相三線電能表用戶，A相或C相電壓正常范圍為90%Un＜任意一項＜110%Un（Un為額定電壓），數值偏小時為“A相或C相電壓失壓”，數值偏大時為“A相或C相電壓越限值”；對于安裝接線方式為三相四線電能表用戶，A相、B相或C相電壓正常范圍為90%Un＜任意一項＜110%Un（Un為額定電壓），數值偏小時為“A相、B相或C相電壓失壓”，數值偏大時為“A相、B相或C相電壓越限值”。為了避免專公變用戶失流失壓誤判和漏判，失流故障判斷模型按計量方式又細分高供高計判斷和高供低計判斷，高供高計大電量用戶按電流不平衡異常判斷，高供低計小電量用戶按電流連續為零進行判斷。

（2）有功功率異常。通過有功功率異常判斷電能表現場接線錯誤用戶，取計量自動化采集的專公變用戶連續幾天數據進行判斷，三相總功率與分相功率和之比大于或等于100%，即（A相正向有功功率+B相正向有功功率+C相正向有功功率）-正向有功總功率））/正向有功總功率＞100%，并且數據異常率占比達到20%判斷為異常。為了避免用戶容性過補償等引起的有功功率異常誤判，只判斷總功率因數大于0.5的數據，確保有功功率異常數據判斷的準確性。

（3）低壓集抄用電戶反向計量異常。通過低壓集抄用電戶反向表碼變化異常診斷出低壓用電戶計量回路接線錯誤和電能表故障等；根據低壓集抄用電戶某段時間反向表碼變化值大于設定的閥值，并且同時間段正向表碼變化值與反向表碼變化值差異率小于或等于設定的閥值判斷為異常。

5 數據動態辨識統計分析

5.1 數據動態辨識的實現

電能計量裝置異常數據動態辨識及處理系統，通過對采集到的電能量數據經過異常數據分析模塊進行分析，即可出具電能量異常數據，并且可實現根據異常數據分析結果進行自動統計，其中包括故障類型、異常出現次數和處理完成數量統計。該系統不僅可以根據應用需要動態對異常數據查詢格式進行調整和增加，而且可以根據計量設備運行特征變化動態修改異常診斷規則庫，進一步減少計量異常誤判、漏判情況出現，在電能量數據異常管理工作領域實現精益求精。

5.2 應用效果分析

該系統所在應用轄區內可以實現專變用戶、廠站共1.5×104個電能表電能量數據分析，同時生成了電能量數據異常告警。根據對歷史月份電能量異常數據分析查詢結果可知，由電能量數據異常分析系統一年內可以診斷出失壓失流等約5 640宗電能量數據異常，實現了及時發現計量設備異常運行情況，有效規避了漏報帶來的經濟損失，一年可追補電量約210 529 kW·h。

6 結 論

電能計量裝置異常數據動態辨識及處理系統的應用不僅有效規避了計量自動化系統的漏判、誤判，而且更加及時發現計量異常問題，縮短計量設備異常運行時間，降低用戶投拆率，降低因計量問題導致營銷差錯的風險，助力營銷計量運維管理升級轉型。