基于電能計量的線損異常自動檢測系統

李 磊，彭自強，李政鴻，李榮卿，許苗苗

(國網甘肅慶陽市供電公司，甘肅 慶陽745000)

電能計量是電力行業正常運行的關鍵，原有的集中式控制電網不再適合現階段的用電模式需求。在當下存在的電網基本上都是單向的，只有不到二分之一的燃料產能能被轉化為電能，并且沒有廢能回收，最主要的是發電站所輸出的電能會沿著其輸出路線造成10%的線路損耗，造成在高峰期不能滿足電能需求的現象[1]。由此智能電網這一概念逐漸在電力行業顯現出來，已經被認為是目前電網設計的基礎環節，能夠通過自動化控制完成高效率的電能轉換，從傳感質量和信息可靠性等多個方面，提高電網的工作效率。文獻[2]中，針對于監測系統中多方面管理數據利用率水平低的問題，通過融合多源數據，提取線損數據特征，實現臺區線損的一鍵檢測。文獻[3]中，利用變分自編碼器將原始日線損率數據轉換為時間序列編碼，在重建中記錄不同時間點的重建概率，利用閾值判定異常數據，實現日線損率的異常檢測。上述方法在應用中存在信號質量未評估的問題，導致對線損的判定不夠精準。

本文在研究電能計量對線損異常分析檢測中的優勢，利用程序化管理模式，設計一個基于電能計量的線損異常自動檢測系統，實現通信故障檢測，提高電網的可靠性和穩定性。

1 基于電能計量的線損異常自動檢測系統硬件設計

一般電量負荷的檢測設備能夠直接測出電流值，再將測試電纜連接到數據采集箱中，才能得到二次負荷值，但由于終端電壓輸出較小，受磁場干擾較大[4]，使得信號反饋機制較弱，須設置高抗阻信號反饋電路，如圖1所示。

如圖1 所示，在二次信號回路中構建耦合采集回路，能夠將電流信號直接完成采集的切換輸入。采用某公司的AD650芯片，其是高精度高頻型單片集成電壓頻率和頻率電壓轉換電路。利用兩個以上電阻保護過壓下的電力信號[5]，將高壓大電流轉化為較小電流信號，經波形壓縮轉換成正弦輸出的疊加信號，保證信號數據能夠真實安全地進行反饋。

圖1 信號反饋電路圖

2 基于電能計量的線損異常自動檢測系統軟件設計

在線損異常自動檢測系統中，主要采用Java 編寫web 服務器程序，操作存儲于Oracle 數據庫中的線損數據，進而實現線損數據的管理、計算分析等。首先通過數據集成工具從源系統獲取線損數據，存儲于分布式計算集群的存儲中，然后通過定時任務進行預處理，對信號質量進行評估，確保信號質量滿足分析的要求，接著，計算線損異常特征，讀取公變、專變電量數據，輸出線損分析結果。并將輸出結果存儲于關系數據庫Oracle 中，通過WebSer‐vice進行實時調用展示。

2.1 設計通信數據傳輸管理模式

電網的線損異常檢測主要是對采集到的電力信息進行分析和修正的環節，通過實時得到用戶的電力負荷和用電狀態，及時發現電網線路存在的異常情況[6]。因此要對通信數據的傳輸模式進行有效管理，營造良好的用電環境，減少電力行業的經濟損失，有效提高電網智能監控水平。首先在對數據采集的設備進行終端設計時須根據用戶用電量的實時電量狀態，將不同類型的通信方式合并成為一種相似性的結果，以該類型將數據上傳至服務器。其次在主站機對所流經的電路網針對合并數據進行處理，要對采集到的數據進行清洗[7]，在清洗完畢后所得數據會被分成兩組，其一是在合理規劃下的電力數據，其二是即刻須處理的電力數據。最后將分類好的電力數據信息按照對應的原數據進行合理規劃，直接對即刻處理的電力數據定位到異常用戶中，在不考慮空間結構的時間交叉性能上，將龐大的數據信息電力數據直接拆分。按照以數據流的走向為設計依據，制定通信數據的傳輸管理模式，以電網底層線路的最簡單走向實現對整個數據的采集，在多個區域內都能夠及時對獲取信息進行更新和處理。

2.2 基于電能計量構建信號質量評估模型

在無數個電力數據信號集中傳輸到主站時，如果沒有信號質量的準確分類，其中異常信號的存在會擾亂整個電網的工作狀態，導致線路電力損耗情況不斷出現。在此思維模式下須對傳輸信號的質量進行有效評估，依據電能計算方法為信號數據構建一個模型，使其能夠在不分析該信號數據的鄰近時間點上，直接對處理對象進行質量擬合評估[8]。

Hzy為當前狀態下電力傳輸信號原始數據受到干擾進行變換的概率，即矩陣中的對象從z狀態向y狀態變化的可能性，轉變概率計算公式如下：

2.3 KNN算法實現線損異常自動檢測

根據建立好的評估模型對信號質量作出評估，則對于線損異常的判斷則轉換為分類問題，算法的輸入項是判斷指標，輸出是正常或故障的分類標簽。對線損的分析主要通過線損表、線損明細表和表碼表，記錄了線路某時間段的線損率、輸入輸出電量、用戶用電信息等。根據這一數據來源，選取線損波動指標作為特征量輸入算法。在進行相應分類后，對不同類型的信號數據進行計算，得到特征向量維度，標簽未知，則利用K最近鄰（k-nearest neigh‐bor,KNN）算法給出[9]。

此算法是以K 均值算法為基礎的分類打分，利用鄰近點距離對該類型的得分進行標簽設定，包括待測數據包樣本和專家庫數據。其中專家數據庫中的信號數據會有相對應的固定維度向量。則KNN算法的步驟為：

首先須計算測試向量和信號數據庫中的歐式距離，計算公式如下：

式中：q為信號數據的特征向量歐式距離；m和n為不同的向量，兩者的維度具有一致性；i為維度，該數值存在最大限度值，須在計算前進行設定，一般標準為10維。在樣本數據測試中存在k個特征向量，通過對各數據特征向量的相鄰關系進行分析，得到了各特征向量的歐氏距離；將各計算結果的距離按照從小到大的順序排列；選擇最短距離的特征向量對應的臺區作為線損分類結果。

k的選擇對線損分類效果有很大的作用，當k的數值越低時，采用更少的區域內的樣本來進行計算，雖然訓練誤差可以保持較低，但是由于計算過程的復雜性，會造成過度的擬合；當k的數值變大時，采用更大范圍內的樣本量進行計算時，會增加訓練的誤差，還可能出現欠擬合的問題。上述問題可以通過設定不同的k值交叉驗證對比訓練分類效果，降低誤差，得到合適的k值。

離信號數據最近的特征向量對應的結果為最終判定結果，計算其分數為：

式中：qo為該算法中測試向量與數據庫中最接近的專家數據特征向量，到測試向量的距離。每一個分數前的正號和負號是對象的數據庫中標簽和結果的對應決定值，如果qo對應的專家判決的標簽結果與信號質量分類結果相一致，則該檢測分數加1，否則須減1。在獲得所有信號質量的特征向量后，根據判斷結果完成數據信號的自檢工作，增加分數的信號為非損傷線路，直接回歸到正常線路中，當分數減少至零以下時，判定該線路存在損傷情況，須進行修改。至此通過對傳輸信號管理模式的改變和信號質量評估模型的建立，依據KNN算法完成線損異常自動檢測的軟件設計。

3 實驗測試與分析

為了驗證本文設計的自動檢測系統具有實際使用效果，通過對照實驗檢測系統的應用效果。測試分為兩部分：首先測試檢測系統識別線損異常的能力，即通過分析真實的電網用戶數據信息，評價系統識別數據的能力。其次是將檢測系統應用到實際用電用戶中，通過多組實驗測試討論結果，比較系統檢測結果的準確性。

以某臺區歷史線損異常數據為數據集進行測試，用以選定k值，測試不同k值下，對線損異常檢測的誤差率，結果如表1 所示。分析表1 可知，在k值為2 時，該算法的誤差率較低，可在較少的計算量下得到較高的線損檢測結果。因此，設置k值為2。

表1 不同k值下線損檢測誤差率 %

首先對本文方法的信號質量評估有效性進行驗證，將電力信號數據輸入進行設計檢測系統，對于信號質量的判定如圖2所示.

圖2 信號質量判定

由圖2 可知，設計系統可有效實現對信號質量的評估，并針對不同波形給出判定結果，便于進一步分析。

在實驗測試開始之前須須檢驗3 組系統的檢測異常信號，選擇某省中用電量較高的小區作為實驗對象，以6 月每日的用電情況作為數據樣本，將判定為異常和可疑的線路線損匯總，如圖3所示。

圖3 全部異常用戶線損情況圖

由圖可知，該小區異常線路線損波動范圍較大，主要為負線損。由此表明本文系統可以有效實現對用戶線損的異常檢測。

進一步對線損結果進行分析，根據線損情況，選取其中較為線損量較大的用戶作為典型樣例進行分析，該用戶的輸入輸出電量和線損率如圖4所示。

圖4 輸入輸出電量和線損率結果

由圖4 可知，該用戶線路線損符合饋線電量丟失的特征，因此，判定該用戶造成線損的原因主要為饋線電量丟失。

為了保證測試結果的準確性，對采集到的樣本數據進行10組測試，比較不同系統檢測線損異常的準確性，該值的獲取可通過下列公式計算獲得：

式中：RT為線損異常檢測準確率；U為系統獲取的正常通信數據值；I為出現的錯誤通信數據值。表2是通過上述公式得到的5組測試結果。

表2 兩組系統下線損異常檢測準確率 %

計算5 組測試下，兩組系統的平均準確率分別為83.60%和99.46%，文中系統的準確率，比傳統系統高了15.86%。由此可見，新系統對于異常線損的檢測能力更強，結果更準確。

4 結束語

考慮電網運行的特殊環境和線路設備的復雜情況，本文在程序化管理模式下，利用電量計算的優勢設計了一個新的線損異常檢測系統。通過建立信號質量評估模型，改變原有數據分類方式，并依據均值算法更準確地獲取數據。實驗結果表明，設計系統的線損異常檢測準確率平均為99.4%。表明該系統能夠滿足可靠性和實用性的要求。但本次研究在實驗中僅針對歷史數據進行分析，缺少實時數據的驗證。在未來的研究中，考慮將設計系統應用于實際，以提高適用性，為電力行業健康發展提供可靠的技術支持。