基于特征向量的計量裝置故障診斷研究

鄒仕強

（中煤科工集團武漢設計研究院有限公司，武漢430064）

電力計量裝置是負責測量并記錄供電量、發電量和用電量的計量器具，在電力企業生產、經營和管理中發揮著重要作用[1]?，F代網絡大數據時代的快速發展，使電力計量裝置能夠通過運用電能信息采集系統，實現數據的存儲、挖掘和提取，不僅可以完成遠程電量的采集，還能節省大量的人力、物力和時間，從而提高電力企業的經濟效益[2]。采集系統負責電力信息的采集、質量監測和負荷管理等控制管理系統，在多種通信方式下可以實現系統主站和現場終端之間的聯系。隨著社會經濟的發展和科學技術的進步， 智能產品的用電需求也不斷增加，用電量數據呈大規模增長趨勢，導致電能信息數據的采集量也在快速增加[3]。為有效保障系統采集海量數據的高效率和精準性，應對采集系統進行定期檢測與維護，避免發生故障影響電力計量裝置安全穩定的運行。

文獻[4]提出基于規則網的高壓輸電線路故障診斷方法，對故障錄波信息進行預處理，利用小波變換技術從電氣模擬量信息中提取線路故障特征量，得到電流突變事件和保護動作事件序列。建立高壓線路故障診斷規則網絡模型，并確定故障假說集與期望的保護和斷路器狀態，對故障錄波做進一步分析以判別故障類型、故障性質和故障位置，實現電能信息采集故障診斷， 但該方法準確度較差。基于此，本次研究提出一種電力計量裝置電力信息采集故障診斷方法，能夠實現對大范圍分散在各處電力表的遠程監測、診斷與校驗，確保電力計量裝置穩定安全的運行。

1 電力計量裝置分析與異常原因研究

由于電力計量裝置受電壓、功率因數和外界環境干擾等影響，在進行遠程數據分析校驗和在線診斷時，會存在一些難以解決的問題[5]。因此，采用先進的采集前置裝置設計方法，實現對電能表的遠程監測、校驗和在線故障診斷，確保數據信息采集的實時性和有效性。

1.1 電力計量裝置分析

在電力計量裝置內安裝采集前置裝置、通信傳輸、遠程數據分析主站等，實現遠程校驗及故障診斷。電力計量裝置系統結構如圖1所示。

圖1 電力計量裝置系統結構Fig.1 System structure of power metering device

采集前置裝置通信系統主要包括通信接口、以太網傳輸線路、通信服務平臺軟件和控制設備，通過無線WiFi 或有線網絡， 將現場采集的電壓和電流波形數據，發送至遠程的主站系統；數據分析主站的數據服務庫負責數據的接收與存儲，其中電能計量遠程校驗軟件，負責對電能表的電壓互感器二次回路負荷、電流互感器、二次壓降的遠程校驗、校準和監測診斷，并把校驗與診斷的數據結果存入數據庫，電力計量裝置運行狀態在線診斷軟件，負責分析和診斷電能表的運行情況[6]。

1.2 電力計量裝置異常原因研究

（1）竊電行為

引起電力計量裝置異常的外界因素較多，其中竊電行為就是造成電力計量裝置異常的原因之一。一些不法分子利用阻止、破壞等手段偷盜電能，導致電能計量裝置出現運行慢、不計量等異常情況，造成電力計量裝置不能正常運行。

（2）電力系統干擾

電力系統在供電傳輸過程中會產生諧波污染，對電力計量裝置造成干擾，引起電能表出現較大的計量誤差。同時，長期受高溫和諧波污染，不僅影響設備使用壽命，還會直接導致電力計量裝置運行狀態發生異常[7]。

（3）計量裝置故障

除了上述幾種因素外，還有很多導致電力計量裝置發生異常故障的原因，如計量裝置設計及安裝不合理、質量差、裝置長期處于外界環境較差的地方等，都會導致電力計量裝置出現異常故障。

針對電力計量裝置異常故障采取監測方法，裝置異?，F象的特征、工作狀態、外界環境的變化，會導致計量的電壓、電流、功率等相關性能狀態量、參數發生異常變化，具體表現如表1所示。

表1 電力計量裝置異常特征Tab.1 Abnormal characteristics of power metering device

如果電力計量裝置中安裝監視裝置，那么一旦發生異常狀態[8]，裝置中的監視裝置就會發出指示信號或報警，避免異常故障影響計量裝置正常運行[9]。

2 電力計量裝置故障診斷方案

2.1 信息聚類

對計量裝置中電能信息的采集是通過信息聚類實現的。信息聚類的過程還可以控制信息流傳輸延遲，從而實現對電力計量裝置故障的實時分析[10]。

在信息聚類密度連接過程中，通過連續輸入新信息，建立一種新的密度連接方式。當輸入一個新的信息點a 時，就會產生一種新的密度連接，可能存在以下4 種不同狀態：

（1）a 為異常信息。如果新信息a 在鄰域內沒有核心點時，那么將a 標記為異常信息。

（2）生成新的聚類。如果新信息a 是一個核心點，而且不屬于任何一個聚類，滿足核心點的密度條件，即可創建一個新的聚類。

（3）并入現有聚類。當新信息點a 滿足某個聚類核心點密度時，則將a 加入此聚類中。

（4）合并多個聚類。當信息點a 加入后，與相鄰的聚類之間的核心點實現了密度可達，就可合并為一個新的聚類。

因新的電力計量裝置運行信息的不斷輸入，需對電力計量裝置的歷史信息設置延遲消除或批量刪除。在新的信息重新計算聚類過程中，針對歷史信息對聚類影響，設置延遲因子α 來綜合考慮歷史信息對新信息的影響程度。α=1 表示歷史信息和新信息具有同等影響，α=0 則忽略歷史信息。依據上一時刻或歷史信息聚類情況βt計算新的聚類βt+1。新聚類計算過程如下：

式中：βt+1為當前時刻聚類情況；it+1為當前聚類中點的個數；it為上一個時刻聚類中點的個數；at為新加入聚類中的點；jt為新加入點的個數。

在信息聚類過程中，當新數據達到一定規模后，部分歷史數據將被新的信息替換，從而形成新聚類。計量裝置中電能信息是通過Map 操作完成每一條信息記錄的，并對記錄信息進行分類選取和歸一化處理。使用Reduce 操作完成用戶用電的數據，以用戶和時間間隔為單位匯總生成數據，實時發現用戶用電特征、向量的異常特征數據。

2.2 故障診斷流程設計

2.2.1 計量電壓、電流異常診斷

影響計量采集的主要原因就是電壓、電流出現異常情況，因此針對三相不平衡電壓、相電壓、相電壓的突變量、斷路器位置等問題展開計量實現異常監測是具有一定必要性的。計量電流異常監測應對三相不平衡電流、相電流、相電流突變量、斷路器位置進行監測。診斷流程如圖2所示。

圖2 計量電壓異常診斷流程Fig.2 Diagnosis flow chart of abnormal metering voltage

根據上述流程完成對電力計量裝置電壓、電流的異常監測。

2.2.2 功率因數異常診斷

荷載功率因數突變是造成功率因數異常的主要原因，通過對功率因數突變的監測，實現對電力計量裝置功率因數異常的診斷。本文設計分塊診斷方法診斷異常功率因數。首先，利用軟件功能模塊中的信息處理系統、故障系統處理，判斷出功率因素是否存在異常，即是否有突變現象，進而采用協同處理和應急處理的分塊處理方法診斷異常的功率因素。診斷流程如圖3所示。

圖3 功率因數異常診斷流程Fig.3 Power factor abnormal diagnosis flow chart

在沒有進行檢修或斷路器分閘的特殊情況下，如果用戶功率因素上升到0.99～1，則說明功率因數發生了突變，說明某一相電流的二次回路已被短路；如果用戶功率因素突然下降至0.5 以下，說明某相電路被開路，根據此現象可以判斷計量裝置的故障。

2.2.3 電力計量裝置異常運行診斷

針對電力計量裝置異常運行診斷如圖4所示。

圖4 電力計量裝置異常運行診斷流程Fig.4 Power metering device abnormal operation diagnosis flow chart

由圖4可知，系統初始化完成網絡聯網配置后，啟動定時采集數據。每采集完一幀數據后，經A/D轉換并打包進行發送。這一過程中，采集、傳送是連續循環進行的。服務器將接收到的數據進行分析、整理和挖掘，作為計量裝置運行狀態診斷的依據，實施遠程在線診斷，從而判斷電能計量裝置的運行狀態是否正常。

3 實驗驗證

為了驗證電力計量裝置電能信息采集故障診斷方法研究合理性，進行了實驗驗證分析。實驗信息選自某企業電力計量裝置，以信息采集目標故障為源頭，進行組件之間實驗研究。

3.1 實驗平臺建設與信息采集

本次研究使用Standalone 單機模擬集群環境對上述方法進行測試， 選用的實驗信息為模擬信息，以某電網公司用戶采集的信息為參考。信息采集系統中通過通信前置機接收不同裝置發送過來的數據，使用Java 編寫程序模擬信息流。利用上述實驗平臺，并通過變換采集頻率，驗證電力計量裝置電能信息采集故障診斷方法的診斷精準度，采集間隔時間為2 min。

3.2 電壓、電流診斷結果與分析

首先檢測不同方法的電壓、電流診斷精度，實際獲取的電壓、電流值如表2所示。

表2 實際電壓和電流值Tab.2 Actual voltage and current values

在確定實際電壓、電流值情況下，將文獻[4]方法與電力計量裝置電能信息采集故障診斷方法的電壓、電流情況進行對比分析，結果如圖5所示。

圖5 兩種方法電壓及電流對比分析Fig.5 Voltage and current comparative analysis of the two methods

根據上述數據，對比文獻[4]方法與所提方法的電壓、電流獲取精度，結果如圖6所示。

圖6 兩種方法精度對比分析Fig.6 Comparative analysis of accuracy of two methods

通過上述對比結果可知，不同時刻下，文獻[4]方法的電壓值和電流值與實際值存在較大誤差，而研究方法的電壓值和電流值始終與實際值相近，診斷數值與實際值越接近， 表示方法的精度越高，通過以上數據可以證明，電力計量裝置電能信息采集故障診斷方法的診斷精準度更高，實際應用效果更理想。

3.3 不同方法的運行時間對比結果與分析

為進一步驗證不同計量裝置故障診斷方法的運行時長，將文獻[4]方法作為對照組，與所提方法的測試結果進行對比，具體實驗輸出結果如圖7所示。

圖7 兩種方法運行時長對比Fig.7 Comparison of running time of two methods

分析圖7可知， 盡管檢測次數在不斷增加，但所提方法的故障診斷耗時始終保持在150 ms 以下，明顯少于文獻[4]方法的故障診斷時長，進一步證明了所提方法的有效性。

3.4 不同方法的功率因數異常診斷精度對比

為更全面驗證所提方法的應用有效性，以功率因數異常診斷的精度作為評價指標，文獻[4]方法為對照方法，對文獻[4]方法和所提方法的功率因數異常診斷精度進行實驗測試，結果如圖8所示。

圖8 兩種方法功率因數診斷精度對比Fig.8 Comparison of power factor diagnosis accuracy between two methods

根據圖8實驗結果可知，隨著故障診斷次數的不斷增多，文獻[4]的功率因數異常診斷精度不斷降低，相比之下，所提方法的功率因數診斷精度可以保持在98%～100%。數據測試結果表明所提方法的功率因數異常診斷精度更高，功率因數異常診斷精度越高，則說明計量裝置故障診斷結果更理想。

4 結語

為保障電力計量信息采集的精準性和高效性，采用有效的監測手段和分析診斷技術，實現對計量電壓異常監測、計量電流異常監測、功率因數突變監測等，及時、準確地掌握信息采集系統的運行狀態，避免異常故障的發生，確保電力計量裝置穩定可靠的運行。

電力計量裝置電力信息采集故障診斷方法，能夠提高診斷精度，減少電損、線損等電能的損耗，避免了電力企業的經濟損失。電力企業應加大對計量裝置的維護管理工作，采取安裝防竊防盜報警設備，防止不法行為對計量裝置造成的異常狀況，保證電力企業健康穩定的發展。