大數據的電力計量裝置故障智能化診斷技術

閆麒印

摘要：隨著我國終端的數據接入量不斷增加， 采集量也隨之越來越大，采集器每天需要采集的數據非常多，在保持高強度的運行下，會致使大量的故障出現，而電力的維護工作也越來越困難。 電力計量裝置故障智能化診斷方法具有良好的智能性，不僅能夠提高電力計量工作的工作效率， 使故障診斷結果更加準確，還可以提升電力企業故障診斷系統的性能，保障電網的穩定運行，有利于提高電力企業的經濟效益。

關鍵詞：大數據;電力計量裝置故障;智能化診斷

中圖分類號：TM933? ? ? ? 文獻標識碼：A

1電力計量裝置故障診斷方法

在我國，目前廣泛使用的電力計量裝置故障診斷方法，主要表現為診斷信號、 診斷數據模型加上多年來的實踐經驗來完成診斷工作。 現階段診斷的過程大都依賴于人工操作，不具智能化，所以工作量較大且工作效率較低。 因此，隨著科學技術的快速發展，智能化技術發展迅速。 隨著人工智能化診斷技術的不斷完善和優化， 該技術越來越成熟的應用于檢測電力系統計量裝置的故障中。 但是在實際的收集電力數據階段，計量裝置非常容易出現各式各樣的故障， 隨著采集數據量的不斷增長， 傳統的數據庫很難在短時間內對存在的故障進行判斷，導致工作效率非常低，無法滿足當下用戶的需求。 而通常情況下，工作人員對電力計量裝置故障進行分析時，基本都是按照多年來的實踐經驗， 加上對現場故障的掌握情況來進行故障診斷工作。 雖然能更好地解決故障問題， 但所需成本較高，工作效率也比較低。 因此，在大數據的基礎上，新的電力計量裝置故障智能化診斷技術出現，能夠很好地解決上述問題，能在短時間內找到故障問題的原因，提高工作效率，滿足電力用戶的實際需求。

2 基于大數據的電力計量裝置故障智能化診斷

本文引入了大數據挖掘技術，針對電力計量裝置進行智能化診斷。基于大數據的電力計量裝置故障智能化診斷方法實現過程共有七步：系統初始化、建立故障診斷知識庫、在線監測電力計量裝置運行狀態、判斷是否存在異常信息、結果顯示、給出解決措施。

2.1電力計量裝置故障智能化診斷知識庫建立

本文建立的電力計量裝置故障智能化診斷知識庫除了具備儲存電力計量裝置數據的能力之外，還要具備刪除、修改和查詢的功能。將診斷和監測的結果存入診斷知識庫，同時知識庫還要記錄大量故障問題，并進行定期更新，方便更準確地診斷出結果[5]。電力計量裝置故障智能化診斷知識庫包括兩部分：異常特征模型和專家規則庫，每部分都擁有自己的管理機制。異常特征模型的管理機制有 3 個模塊，分別為建立模塊、修改模塊、刪除模塊，專家規則庫同樣包括 3個模塊：導入模塊、導出模塊和變更模塊。電力計量裝置故障智能化診斷知識庫的所有界面要使用 web 才能實現統一管理，知識庫在得到數據后，要主動與異常特征模型和專家規則庫進行對比，靈活地進行分類。在每次診斷中，故障智能化診斷知識庫就要建立一個異常特征模型庫，選取電力計量裝置中的異常故障特征，根據得到的特征建立故障模型。由于知識庫中的異常特征模型庫很難包含全部的異常記錄，所以為了更加高效地診斷出異常故障特征，要進行定期修改和維護。通常一個電力計量裝置故障智能化診斷知識庫內部會擁有大量的異常特征模型庫，為了防止所占空間過大，要周期性地對一些不適用于實際應用的異常特征模型庫進行刪除，保證智能診斷知識庫有充足的空間[9]。異常特征模型庫中數據量龐大，更新工作也相對復雜，本文僅選用常見的 6 個異常字段狀態建立異常類型表。

表 1 的異常類型表對異常狀況有詳細的記錄，通過表 1 可以清晰地查詢到異常名稱和特征編碼。在分析出異常類型后，探討用電力計量裝置的異常信息。知識庫中必須要詳盡地記錄專家規則，在每次診斷時，都要備份保存，以條理性的結構記錄在線信息，方便工作人員查看，同時也能防止使用錯亂。每個專家規則都擁有自己的邏輯，所以要定期導出，更新維護，豐富內部邏輯。知識庫中包含的信息主要為邏輯規則，通過這些邏輯規則找到異常特征編碼和電力計量裝置故障的對應關系。建立上述知識庫能夠更好地診斷出電力計量裝置存在的問題。

2.2 電力計量裝置故障

在線監測利用分布式系統 Hadoop 對電力計量裝置進行在線監測[11]。監測時，首先要監測電力計量裝置的內部存儲數據，存儲數據是電力計量裝置的核心數據，關系到整個裝置的安全運行，并且基數很大，存儲數據一旦出現故障，電力計量裝置將立刻無法正常工作，因此監測存儲數據是重要目標之一;其次要監測數據訪問形式，通常電力計量裝置數據都是通過流式數據訪問，如果數據不能以該方式進行訪問，則很有可能出現問題;再次監測電力計量裝置是否支持大文件計量，正常運行的計量裝置能夠支持數百 GB 甚至TB 的大文件，并精準地計量出內部數據，如果不能支持，則很有可能出現問題;最后監測是否支持數據再平衡，電力計量裝置可以根據設定的閾值，把某一個監測的數據點移到另一個數據點中，如果不能支持，則存在故障。

2.3 電力計量裝置故障異常信息診斷

故障的出現是由于異常信息導致的，診斷異常信息就能診斷出電力計量裝置故障。將監測到的數據與建立的電力計量裝置智能診斷數據庫進行對比，判斷是否存在故障，如果確定存在故障，則需要判斷故障位置，異常信息種類、大小、數量。診斷方向主要有 3種：是否為計量設備異常信息、是否為采集設備異常信息、是否為用電設備異常信息。本文僅針對第一種計量設備異常信息診斷進行研究，計量裝置出現異常主要表現在如下幾個方面：系統的內部電壓回路存在異常、系統的內部電流回路存在異常、電能表不能正常運行（停走、飛走、表示度出現下降）、時鐘記錄結果錯誤、電池電壓不足。電力計量裝置出現異常要利用報警系統進行警報。前文建立的專家規則庫中包含大量異常組合編碼，詳細地記錄了每種異常信息發生概率和產生的原因，因此可以利用規則庫中的知識診斷故障原因。本文僅針對異常信息診斷中的故障原因診斷進行探討。

利用 M 和 N 建立樸素貝葉斯網絡如圖1所示。

其中，n 代表出現歷史數據中出現異常數據的次數。

如果顯示結果如公式所示，則診斷結果為是該原因導致的故障發生。

如果顯示結果如公式所示，則診斷結果為不是該原因導致的故障發生，根據上述計算過程完成故障的診斷工作。將電流故障帶入診斷計算過程中，若診斷電流故障出現的概率≥0.5，則是因為電流故障導致計量裝置故障，若診斷電流故障出現的概率<0.5，則并非因為電流故障導致計量裝置故障。

結束語

大數據的電力計量裝置故障智能化診斷技術， 首先就是要構建電力計量裝置故障智能化診斷知識庫， 并合理使用異常特征模型及專家規則庫， 采用分布式系統對電力計量裝置進行在線監測，并將結果與知識庫中的相關標準對比，實現對故障的智能化診斷，同時還可以對計量裝置進行動態監測。 在通過設置的預警系統，將故障信息發送給技術人員，有利于技術人員及時處理故障。 電力計量裝置故障的智能化診斷技術，通過對運行狀態進行監測及診斷，并對故障進行自動報警，提高了電力工作的高效性及準確性。

參考文獻

[1]郭佳婧，嚴重，陳明，等.基于大數據的電力計量裝置故障智能化診斷研究[J].電子設計工程，2019，27（23）：55-58.

[2]于磊，王雙，韓宇龍，等.基于大數據技術的電網故障智能診斷方法[J].中國科技信息，2016（2）：32-33.

[3]燕凱，岳振宇，高嘉浩.基于大數據的電力計量設備運行狀態評估與故障診斷方法研究[J].電子器件，2019（5）：1095-1098.