智能電能表運行誤差在線分析技術的研究與應用

葉 利，魏勝清，彭 翔，魏 偉，謝 瑋，董晨曦

（1.國網湖北省電力有限公司營銷服務中心，湖北 武漢430077；2.國網湖北省電力有限公司，湖北 武漢430077；3.國網湖北省電力有限公司信息通信公司，湖北 武漢430077）

0 引言

隨著智能電網建設的不斷深入，智能電能表作為法定計量裝置已經得到廣泛應用，其計量的準確性不僅關系到千家萬戶的切身利益，也直接影響到電網企業的運營收益［1-5］。針對安裝在運的智能電能表的狀態評價和質量監控，按照傳統方法只能進行現場校驗或依靠小比例抽樣拆回實驗室檢定，工作量大且效率低，不僅難以及時發現智能電能表的各類問題，也無法覆蓋全量在運智能電能表［6-12］。

當前，智能電能表運行數據的積累以及大數據分析技術的不斷進步，使得對智能電能表狀態進行遠程評價和診斷成為可能［13-21］。經過摸索，發現在某個臺區下，總表的供電量、用戶表的用電量、線路損耗和其他固定損耗等物理量遵循能量守恒基本物理規律，用戶表的用電量與用戶表的電能計量和用戶表誤差具有確定關系。由此，本文提出了一種基于大數據分析的智能電能表運行誤差在線分析技術，通過對用電信息采集的電能計量數據和營銷檔案數據進行大數據計算分析，可在不停電的情況下快速完成全網智能電能表的運行誤差計算，有效解決了智能電能表誤差現場檢測的技術難題。

1 運行誤差在線分析技術原理及模型

1.1 如何區分不同原因引起的計量損失

在一個臺區范圍內，電能表的計量誤差、線路損耗以及電能表自身功耗等其他固定損耗均會引起計量損失或偏差。若智能電能表對應的用電戶的用電特性相關性不大，且不同時段內有一定變化，則可以通過綜合分析多個時段內的特性，將每只智能電能表的特征找出來。

為了區分電能表誤差、線路損耗及其他固定損耗引起的計量損失，設定一個僅有1只總表和1只用戶表的臺區，假設某天的真實供電量是100 kW·h，那么電能表計量有-3%的誤差、有3 kW·h電的線路損耗或有3 kW·h電的固定損耗這三種情況均會使得用戶表的電能計量為97 kW·h。如果這個用戶每天都是同樣的用電量，同樣的用電特征，那么是無法區分出來到底是哪種原因造成的3 kW·h電的計量損失。但如果第二天用戶的用電量變化為200 kW·h，但用電時段等特征還是保持不變，此時由于這三種因素的物理特性不同，造成的計量損失將會出現較大的不同，從而就能區分出哪種原因造成了多少計量損失（見表1）。圖1則能夠更清晰地看出當供電量變化時，固定損耗、電表誤差和線路損耗所引起的電量損失的不同變化趨勢。

圖1 不同原因計量損失變化趨勢Fig.1 Change trend of measurement loss for different reasons

表1 計量損失原因分析Table 1 Analysis of the causes of measurement loss

1.2 如何區分不同電能表的誤差

運行誤差在線分析是以臺區為單位進行，臺區內有一只總表，多只用戶表。每只用戶表的誤差特性基本都是線性的，為了能夠區分出某只用戶表的誤差到底是多少，假設一個臺區有一只總表，兩只用戶表（A和B），假設該臺區真實供電為每天204 kW·h，線路損耗假定為3.9 kW·h，固定損耗為0.1 kW·h，其中用戶表A的計量誤差為+3%，用戶表B的計量誤差為-3%。每天用戶表A和B的用電量都有變動，假設變動的數據如表2所示。以類似的方法再獲取四個點的數據，并將這八個點繪制為圖形（見圖2），可以清晰地看到，只要用戶用電特性不同，其用電情況就不相關（負荷曲線不同），物理性質就能自動區分不同電能表的誤差。

表2 不同電能表計量誤差分析Table 2 Analysis of measurement errors of different electric energy meters

圖2 用電量真實值與計量值曲線Fig.2 Curve of actual value and measured value of electricity consumption

1.3 基于物理原理進行數學建模

由前面的分析可以得知，最基本的物理原理保證了以臺區為單位進行分析可得到臺區內每只電能表的運行誤差。實際工作中，需要以臺區為單位，將這些規律體現到數學關系上，即進行數學建模。基于臺區能量守恒定律，通過將現實的物理結構抽象為數學上的樹形拓撲結構，可得到電能表用電示數的總分數學關系。

基于能量守恒定律，利用臺區拓撲分析，總表處電量應為各支路用電量之和，即：臺區關口考核表總供電電量=各個用戶用電電量之和+線路損耗+電能表自身能耗等固定損耗。考慮到實際應用中存在電能表計量誤差、線路損耗和臺區固損，實際臺區能量守恒方程如下：

圖3 臺區部署結構Fig.3 Power station area structure

式（1）中：e0(i)為臺區計量周期i內固定損耗；ey(i)為臺區計量周期i內線路損耗率；ej(i)為計量點j量周期i內的估計計量誤差，因電能表相對誤差可用求得，當ej?1，也可用ej近似e'j；P為臺區分表總數量；y(i)為計量周期i供電總表供電量；φj(i)為計量周期i分表j計量值。

以臺區總表的計量值y'(i)近似臺區總供電量y(i)，則數學方程中總表和分表的計量值為已知量，計量誤差、線路損耗率和固定損耗為未知量（未知量為P+2個），則由多個計量周期可積累到N個具有P+2個未知量的方程，組成方程組。當N大于P+2時，可求解方程組得到各分表表誤差、線路損耗率和固定損耗。其中各分表表誤差、線路損耗率均為在該計算周期的綜合評價值。

上述運行誤差在線分析模型把所有的未知量作為未知常數進行估計，但在現場用電環境下，各用戶表的誤差由于噪聲、量化誤差、用電量等方面的影響是有波動的，線路損耗率更是隨供電量、用電特性的變動而顯著變化。故而結合實際情況，對運行誤差在線分析模型進行了持續優化，對誤差、線路損耗率和固定損耗率引入多周期加權平均的概念，并針對供電量變化較大，用電戶用電特征變化大，或者大用電戶在臺區邊緣等情況，應用仿真和策略系統，利用與用電量二次項有關系的量來估計線損，從而使得模型能夠更加準確地反應物理現實，有效提高了模型的命中率。

2 運行誤差在線分析模塊部署與技術驗證

2.1 運行誤差在線分析模塊部署

運行誤差在線分析功能依托用電信息采集系統建設，在用電信息采集系統中新增加功能模塊（智能電能表狀態評價與更換模塊），并對現有的計量在線監測模塊和閉環運維工單流轉模塊進行優化，集成架構圖如圖4所示。

圖4 集成架構圖Fig.4 Integration architecture

電能表狀態評價與更換模塊與其他各系統之間主要通過OGG方式將原始業務數據傳輸到數據及計算服務器的主節點、通過Rest API應用服務器實現與閉環的工單流轉以及采集系統的業務功能展示與管理。其中數據及計算服務器通過彈性分布式機制保證主節點的穩定及可靠運行，Rest API應用服務器通過熱備機制保證訪問請求的及時響應。

2.2 運行誤差在線分析技術驗證

為驗證模型的工程實用性，選擇孝感市部分臺區電能表進行驗證。通過運行誤差在線分析技術對驗證范圍2.2萬個臺區、213萬只智能電能表的用電數據進行計算分析，共輸出了58只異常電能表，命中48只，命中率82.8%。根據現場核查反饋的情況，命中的48只異常表中，疑似違約用電占91.7%，電能表故障占

8.3%。

根據命中的現場核查誤差分布及與模型輸出誤差分布對比情況分析（見表3），模型輸出誤差與現場核查誤差的偏差在5%以內的占87.5%。

表3 模型輸出誤差與現場核查誤差的偏差情況統計Table 3 Statistics of deviations between model output errors and on-site verification errors

此外，通過對現場核查未命中的電能表進行分析，既有誤差值在模型邊界附近、單臺區多表超差、臺區線損異常等因素導致的模型誤判，也有疑似核查時竊電恢復或間歇性竊電、命中判定標準不一致（以拆回檢定結果而非現場核查結果為準）等客觀原因導致模型輸出未命中。

通過現場驗證，基于智能電能表的用電數據進行計算分析，通過運行誤差在線分析模型的應用，可以較好地檢測出異常電能表。

3 運行誤差在線分析模型優化提升

在總結現場驗證經驗的基礎上，可進一步開展模型計算準確度優化提升工作。一是加強臺區總表管理，加快開展臺區總表改造，使用0.2S級表計，提高臺區總表準確度；二是強化采集系統時鐘管理，加快HPLC改造應用，加強高頻數據采集，提高數據采集能力和質量；三是針對模型算法進行改進優化研究，建立專家知識系統，采用AI自主學習等方式不斷優化算法，提高誤差在線分析模型對低負荷、小誤差電能表的敏感性，縮小模型的可評價誤差邊界；四是建立誤差模型黑盒測試模塊，定期驗證系統計算準確度。如從臺區的日凍結電量數據出發，調整一塊或多塊用戶分表每日用電量，將用電量增大或減小一定的比例至超差（如調高10%或調低10%），然后輸入模塊進行模型計算，查看最終結果中是否把預期的超差表找出，以此來對數據進行無標注訓練，進而提升模型的計算準確度。

4 結語

本文針對智能電能表運行誤差實時監測的技術難題，提出了一種智能電能表狀態在線評價分析技術。通過對各臺區智能電能表實際運行數據進行挖掘和分析，建立了基于樹形拓撲能量守恒的智能電能表運行誤差遠程診斷分析模型，從而實現了不依賴新增硬件設備就能準確定位由誤差超差、用戶竊電等行為引起的異常電能表，為用電巡檢工作提供有效的技術手段，克服目前人工排查工作量大、缺乏針對性的瓶頸，有效保障表計運行質量。在專項案例應用過程中也驗證了本文的方法，有效核查命中率總體達到了82.8%，效果較好，為電能表日常運維管理、狀態評價及精準更換提供了有效技術支撐，也為模型的進一步優化提供了研究方向。