新型節能用電信息智能采集系統設計

楊中剛

(北京科學中心，北京 100029)

0 引言

隨著通信技術、計算機網絡技術和大數據產業的發展，第五代移動通信技術(5th generation mobile communication technology，5G)憑借其諸多優勢，吸引了大量關注[1]。5G“隨時隨地連接”的概念產生了許多需要研究的技術和應用。其中，物聯網平臺尤為突出。在物聯網的眾多應用中，智慧城市引起了許多學者的深入研究[2]。

在智慧城市中，每個設備都可以配備智能計量系統，用于收集數據并轉發至公用事業公司的網絡運營中心。在大量電能計量點接入系統的情況下，如何使用更加靈活、可靠的采集調度算法是重點研究方向。任務調度的效率直接影響系統的性能[3]。

基于上述背景，文獻[4]提出了基于Spark云平臺和Hive數據倉庫儲存技術的數據分析系統，對電網設備故障數據進行了挖掘分析。但該系統的讀寫信息過程比較復雜，降低了計算效率。文獻[5]公開了基于卷積神經網絡(convolutional neural network，CNN)的圖形管理系統，將電網各種信息集成，使得圖形能夠滿足不同的數據分析和規劃要求。

CNN在非線性系統分析中具有良好的計算性能，但識別多源異構的電能計量數據需要多種卷積層，在保證計算效率的同時很難滿足數據分析精度的要求。

針對上述文獻存在的問題，本研究設計了一種采用全數字結構的新型節能用電信息采集系統。該系統將有源電極、數字-電流轉換器(digital to current converter,DCC)和開關電路相結合，并采用全數據結構，同時在計算模塊中引入了用電異常分析算法。通過以上技術的融合和創新，有效地解決了當前電力計量系統信息讀寫過程復雜、計算速度慢和分析精度低下等問題，實現了實用且高效的用電信息采集處理系統設計。

1 總體方案設計

本文設計的全數字結構的新型節能用電信息采集系統中，首先將采集系統獲取的電流、電壓、負載、功率等數據信息通過傳輸模塊進行傳輸，然后利用通信前置機、短信服務(short message service，SMS)通信前置機、路由器、轉換模塊、SMS轉換器等實現數據信息的轉換。在終端部分，用戶可根據需求通過用電異常分析對數據信息作分析和應用。

用電信息智能采集系統結構如圖1所示。

圖1 用電信息智能采集系統結構圖

由圖1可知，本文所設計的用電信息采集系統通過設置不同的數據層次實現多種類型的數據診斷。首先，系統通過各種類型的傳感器采集數據信息，提取各地臺區中的電壓、電流、負荷以及功率數據。在數據傳輸過程中，系統通過有線或者無線傳輸等通信協議，將傳感器采集的數據信息傳遞到國家電網系統中。通過云平臺，可將數據傳遞到用電信息數據庫，并進行簡單的數據預處理。與此同時，系統通過映射的方式，將用電信息數據庫中的異常用電信息數據類型的復雜非線性關系映射出來，通過用電異常分析算法進行數據信息診斷和異常用電用戶位置的研判，使電網公司的工作人員能夠實時得出相應的異常問題解決方案[6-7]。

2 關鍵技術

2.1 智能采集裝置硬件設計

為了提高用電信息采集系統的采集精度與抗干擾性，本文基于互補金屬氧化物半導體(complementary metal oxide semiconductor，CMOS)設計了一種智能采集裝置。該裝置采用數字邏輯增強方法，有助于提高在消除不必要干擾方面的靈活性，并降低了集成電路模擬塊的電壓余量[8]。

智能采集裝置硬件架構如圖2所示。

圖2 智能采集裝置硬件架構

由圖2可知，微控制器是整個智能采集裝置的主要部分。其作用為收集電能表讀數，并通過信號端將數據信號發送給消費者的移動設備。

微控制器利用繼電器使堆電路跳閘。繼電器主要通過一個卷曲的簧片開關使堆電路跳閘。簧片開關通常與磁鐵一起工作。但在簧片切換中，電流流過線圈以產生吸引力，并關閉簧片開關。數字校準技術由通信模塊中的數字校準模塊實現。

數字校準模塊電路如圖3所示。

由圖3可知，數字校準模塊由一個有源電極、兩個DCC、一個電壓-時間轉換器(voltage to time converter，UTC)、一個控制邏輯塊、一個計數器和一個解復用器組成。

圖3 數字校準模塊電路框圖

在該結構中，本文使用了一種新的偏移抵消技術。偏移抵消分兩個階段執行。首先，消除偏移對UTC的影響，從而使所有UTC均不飽和。這是通過數字反饋回路實現的。其次，允許電路將偏移值轉換為數字輸出，偏移量可涉及數字域。在這種數字實現中，模擬輸入電壓在第一階段通過UTC轉換為可測量時間。信號信息時鐘(clock，CLK)信號延遲。UTC的設計應確保輸入電壓的小幅度線性產生大延遲。為了獲得時域放大信息的信噪比，本文使用了15級正UTC(UTCp)和15級負UTC(UTCn)。UTCp和UTCn的延遲與輸入電壓的關系如圖4所示。

圖4 UTCn和UTCp的延遲與輸入電壓的關系

由圖4可知，隨著輸入電壓(U1、U2)的增大，UTCp的延遲逐步增大，而UTCn的延遲逐步減小。UTC的級聯級形成延遲線結構。延遲線結構的主要優點在于其全數字實現。此外，延遲線結構將時域放大引入到設計中，通過簡單地延長時間窗口(使用更多UTC級)，可以在時域中放大輸入信號。這與傳統系統中涉及復雜模擬放大器的電壓放大不同，體現出本文研究的創新性[9-10]。

實際上，電路將信號集成在一個時間窗口Tclk中，延遲線結構中的每個UTC在有限時間段內整合信號。該時間段取決于該UTC的延遲。例如，第一個UTC將來自時鐘上升沿的信號積分到等于該UTC延遲的時間；第二個UTC在由其延遲確定的時間段內對來自第一個UTC輸出上升沿的信號進行積分。

這些積分周期t的總和等于時鐘周期。因此，該時間窗口上的積分Y可表示為：

(1)

式中:Ts為最大延遲時間;τ為Uin輸入端的時間常數，反映電路中響應變化的快慢，τ越小則電路響應變化越快，反之則越慢[11]。

因此，脈沖響應為[0，Ts]范圍內的矩形脈沖與頻率響應為：

(2)

式中:δ為脈沖;H為頻率響應函數。

通過以上方式，移動平均濾波被嵌入到多個UTC中，以防止寬帶噪聲的混疊，從而降低干擾。

UTCp和UTCn塊的設計方式使得其特性曲線的絕對斜率相等。UTC門的延遲時間tdp(或tdn)被認為是其輸入電壓的線性函數。

(3)

式中:Vinp和Vinn分別為時鐘脈沖通過UTCp和UTCn的時間間隔內的輸入電壓；a和b為常數。

時鐘周期TCLK的選擇必須確保輸入tdn的最大變化不為零，并且始終是可測量的。因此，時鐘周期應略大于(tdp+tdn)。數字前端的輸出為tdp和tdn。這些延遲由兩個TDC轉換為兩個數字，即Dp和Dn。與輸入電壓Din相對應的數字為：

(4)

式中:Da、Db1和Db2分別為a、b1和b2的數字信號。

對于數字至電流控制器部分，DCC產生與其數字輸入成比例的電流，并降低/增加UTCp和UTCn的輸入電壓。DCC的每個最小有效電位為3.125 mV。這是在每個步驟中添加到輸入/從輸入中減去的電壓。在這種情況下，偏移值在電路的容許范圍內，以改變Vinp和Vinn的值，從而消除有源電極輸入處的偏移以及UTC和DCC塊的偏移的影響，降低了智能計量系統的采集精度。

控制邏輯如圖5所示。在圖5中，控制邏輯由定時器(time counter，TC)、AND和OR門以及設置重置鎖存器(set reset-Latch，SR-L)組成。模擬前端用于檢測偏移電壓，應使用模擬電壓比較器。在本研究的設計中，偏移量由TC檢測。TC由D觸發器實現，與模擬電壓比較器相比具有更高的功耗和面積效率?？刂七壿嬰娐返妮敵鰹橄蛏虾拖蛳滦盘?，用于控制偏移消除塊中的向上/向下計數器。

圖5 控制邏輯示意圖

綜上所述，本研究設計的新型偏移抵消技術能夠有效提升電力用戶用電信息采集的準確性。

2.2 用電異常分析方法

為了判定智慧城市背景下的用電異常用戶情況，在本文設計的智能計量系統計算模塊中引入用電異常分析算法，主要針對于短期、中長期、月度和年度時段內的異常用電信息。

①短期時段。

對于短期時間尺度的用電異常分析方法，需考慮短期用電數據的實時性。本文以測量得到的電壓電流值作為基礎判定數據，選用電壓偏移系數和三相電流不平衡率作為用電異常的判斷指標。其相關表達式如下：

(5)

式中:βU為電壓偏移系數；Ue為額定電壓。

(6)

式中:βI為三相電流不平衡率，基于實時用電數據的分析方法。

智能計量采集終端可以實時獲取用戶的電壓、電流數據，進而基于這些數據并根據式(5)和式(6)計算用戶A相、B相和C相的電壓偏移系數βAU、βBU、βCU以及βI。其之間的關系判斷如下：

(7)

基于日用電數據的分析方法，智能計量采集終端會按照15 min的時間間隔對用戶的電壓和電流數據進行采樣，并繪制日電壓和電流曲線?？紤]到異常用電通常會維持幾個小時以上，因此本文從中選取各整點時刻的電壓、電流數據作為依據進行分析。每日24 h的三相最大電壓偏移系數與三相電流不平衡率的歐式距離為：

(8)

式中:dU為每日24 h的三相最大電壓偏移系數歐式距離;dI為三相電流不平衡率歐式距離。

若dU或dI值超過其限值dmax，則表示該用戶存在用電異常嫌疑。

②中長期時段。

對于中長期時間尺度的用電異常分析方法，通過聚類分析得到該用電類別的典型用電負荷曲線，進而將需排查的用戶與典型用電負荷曲線進行比較，找出用電異常嫌疑用戶。假設聚類中心集合(即典型用電負荷集合)為Q={q1，q2，…，qK}，將需要排查的用電負荷數據點W與聚類中心Q對比，計算最小歐式距離dW：

dW=min[dist(W，q1)，dist(W，q2)，…，

dist(W，qK)]

(9)

式中:dist(·)為歐式距離函數。

若dW值超過其限值dmax，則表示該用戶存在用電異常嫌疑[12]。

然而，聚類算法往往存在計量誤差的問題。本文結合相關系數法作為另一種評判指標。其表達式為：

ξ=W2-W1

(10)

式中:ξ為計量誤差；W2為用戶實際用電量；W1為智能計量系統顯示電量。

當用戶電表顯示電量W1越大，計量誤差ξ就越大，臺區線損也越大。由此可知，W1與臺區線損之間具有明顯的相關性。

基于此分析可知，可以利用相關系數法計算臺區線損和用戶電表顯示電量之間的相關系數。若相關性高，則該用戶存在異常嫌疑。在常用的相關系數中，皮爾遜相關系數能有效衡量兩個變量間線性相關程度。因此，可選用該方法進行用電異常分析[13]。對于臺區線損和用戶電量W1，皮爾遜相關系數計算公式如式(11)所示：

(11)

式中:E為期望值函數;r為皮爾遜相關系數。

如果r大于其閾值rmax，則表示該用戶存在用電異常嫌疑。

③月度及年度時段。

針對月度及年度用電數據的分析方法，選取臺區線損合理的用戶最近一個月或一年內的日用電量數據作為樣本數據。為消除不同結構的樣本數據的影響、更好地體現用電變化規律，需對原始數據進行歸一化處理，把數據壓縮在[0，1]區間[14]。具體處理公式為：

(12)

式中:w0、w分別為用戶日用電量的原始指標和變換后的歸一化指標；wmin和wmax分別為用戶在一個月或一年內的日用電量最小值和最大值。

對歸一化后的樣本數據按照用電性質進行分類，根據待分析臺區的關口總表數據和用戶日用電量數據計算出臺區日線損量，進而利用相關系數法計算臺區日線損量和用戶日用電量之間的皮爾遜相關系數，查找出用電異常嫌疑用戶。

3 試驗與分析

為了驗證本研究所設計的用電信息智能計量采集系統的穩定性與可靠性，本文獲取某城市國家電網公司的許可，在市內分布若干個傳感探測器作為監測點。監測點每日在8∶00～20∶00采集用電信息，并將這些樣本數據組成試驗數據庫；同時，搭建后臺服務器集群用于數據處理。

后臺試驗架構中：服務器的計算機操作系統為Windows10·64位；計算機的開發工具為Visual Studio 2019，OpenCV 3.0；計算機的硬件環境為CPU Inter(R)Core(TM)i7、主頻2.59 GHz、內存16 GB；所用的編碼軟件JavaScript的版本為ECMA Script 6。

關于試驗數據庫的基礎數據信息如表1所示。

表1 基礎數據信息表

對于不同臺區環境，只有實現智能計量采集系統的計量器持續、穩定運行，才能為監控終端提供可靠數據。為了檢測本研究系統的穩定性，以某臺區供電范圍為試驗范圍，在試驗環境中加入噪聲，采用文獻[5]的基于CNN模型的用電信息采集系統與本文系統分別進行為期一天的采集，設置加入噪聲分貝大小分別為20 dB、40 dB、60 dB、80 dB，以式(12)的w作為歸一化指標。兩種系統的性能仿真對比如圖6所示。

圖6 兩種系統的性能仿真對比圖

在圖6中，R表示原始正常狀態下的標準值。由圖6(a)可知，本文系統在有噪聲加入的情況下仍能保持正常工作，說明本文系統具有一定的穩定性。這是由于本文研究的智能計量采集系統將局部場電位和離散點電位的峰電位作為采樣信號。這種數字增強方法有助于提高系統在消除不必要干擾方面的靈活性，在應用廣泛增益之前消除了系統采集端的干擾。

為了彰顯本文系統在采集精度方面的優勢，以文獻[4]中的基于Spark云平臺采集系統作為參照，監測分布在市區內的100～1 000個測點，每個監測數據的采樣時間在1～10 min之間。兩種系統監測數據精準度對比如表2所示。

表2 兩種系統檢測數據精準度對比

由表2可知，在不同數量測點環境下，本文系統誤差更小、精準度更高，在1 000測點環境下誤差占比只有0.4%，非常適用于智慧城市用電信息采集工作的開展。

4 結論

隨著電力系統技術的飛速發展，對電力設備運行的穩定性要求越來越高。為了保證電力設備運行的穩定性，本文設計了一種新型、節能的用電信息智能計量采集系統。主要研究內容如下。

①基于數字CMOS技術的優勢，設計了一種用于智能采集裝置的全數字前端結構。該系統配置了有源電極、DCC和開關電路，具有功耗低、延遲時間短、復雜度低的特點。

②本文按照時間尺度，將用電采集系統獲取的數據梳理成短期用電數據和中長期用電數據，進而提出了一種多時間尺度用電異常分析方法來辨識用電異常情況。

本文經過試驗，驗證了所設計的新型節能用電信息智能采集系統的可行性。目前，用電信息智能計量采集系統仍存在一些技術缺陷，如計量效果、采集時間等。未來將會進行這方面的探討與改進。