基于FMECA的智能電能表關鍵元器件風險評估

胡珊珊，王保帥，尹家悅，羅奕, 李若茜，肖霞

(1.南方電網科學研究院有限責任公司，廣州 510663； 2.華中科技大學 電氣與電子工程學院，武漢 430074)

0 引 言

電網公司自2009年開始陸續推進智能電能表的安裝與應用，數據顯示。至2017年，國家電網智能電能表用戶數已達4.31億，覆蓋率為98.38%；截止至2018年底，南方電網智能電能表總數達8 815.72萬只，覆蓋率達100%。相關技術規范要求單相智能電能表和三相智能電能表的壽命不低于10年[1-2]，目前已到了智能電能表的輪換期，圍繞智能電能表可靠性的相關研究工作也在陸續開展。

目前圍繞智能電能表可靠性與壽命預測從可靠性預計手冊[3-4]、失效分布模型[5-6]以及加速壽命試驗[7-8]等方面開展了諸多研究工作，這些工作對于提升智能電能表可靠性有著推動作用，但均以整機角度作為出發點，從智能電能表元器件角度出發的研究則較少。國家電網Q/GDW 11179.1-15系列標準[9]給出了電能表的薄弱環節，但未見有相關依據的報道；文獻[10]采用GJB/Z 299C標準對智能電能表中的關鍵元器件進行了可靠性預計；文獻[11]基于故障樹理論對智能電能表黑屏故障進行分析，計算各底事件概率重要度以此確定故障定位與分析的優先次序，但由于概率重要度表示底事件概率變化引起頂事件發生概率的變化程度[12]，故該方法識別薄弱環節僅考慮了故障概率一個維度；文獻[13]采用故障模式及影響分析(Failure Mode and Effect Analysis，FMEA)方法對單相智能電能表的關鍵元器件進行了識別，并通過與現場故障數據的對比分析證明了該方法的可行性，但該方法識別薄弱環節時缺少定量依據，且僅以故障造成后果的嚴重程度一個維度作為識別依據。

前述文獻在識別產品薄弱環節時，僅考慮故障概率和故障影響的嚴重程度中一個方面，為綜合這兩方面考量，針對這一問題提出了基于FMECA的元器件風險評估方法，并將其應用于智能電能表中，得到關鍵元器件風險排序結果，對智能電能表生產廠家的設計、生產工作具有一定的指導意義與實用價值。

1 FMECA方法

故障模式、影響及危害性分析(Failure Mode Effect and Criticality Analysis, FMECA)方法是在FMEA的基礎上引入危害性分析(Criticality Analysis, CA)得到的，該方法采用自下而上的分析邏輯，借助于表格完成，能在一定的規則與基礎數據支撐下，確定系統可能存在的故障模式，以各故障模式為出發點逐一分析其后果與影響，根據后果與影響的嚴重程度及故障率數據進行排序，識別系統的薄弱環節，從而實現對產品設計的改進與完善。

FMECA方法包括FMEA和CA兩個部分，根據CA方法的不同，又可分為定量FMECA和定性FMECA方法。

1.1 FMEA方法

FMEA采用自下而上的分析邏輯，以系統組成元素的故障模式為對象，逐層向上分析該故障模式對組成元素自身、模塊和系統的影響，只可進行定性分析而無法進行定量分析。

該方法借助于表格完成，通常包括系統相關數據資料的收集、分析層次與重點故障內容的確定、FMEA表格等步驟,流程如圖1所示[14]。

圖1 FMEA流程圖

FMEA表格一般包括如下項目：對象、功能、故障模式、設想原因、故障影響、檢測方法、補償措施和嚴酷度。

其中，故障模式為對象可能的故障現象，對某一對象應全面考慮其故障模式；設想原因通常在掌握大量資料的基礎上得到；故障影響按局部影響、上一層次影響和最終影響三個層次分析；嚴酷度則以故障影響中的最終影響為嚴酷度的評定依據。實際應用時FMEA表格欄目可根據具體問題進行調整。

1.2 CA方法

CA方法分為定量分析與定性分析兩類。

定量CA分析通過計算故障模式的危害度對各故障模式的危害程度進行評價，具體計算如式(1)所示[15]，其中λP為故障率、α為故障模式頻數比、β為故障影響概率、t為任務階段工作時間。 該方法能夠給出評價的定量依據，但存在計算所需數據較多、多數情況下缺少故障影響概率這一數據[14]的問題。

Cm=αβλPt

(1)

定性CA分析適用于不能準確獲得故障率數據的情況，包括風險矩陣分析和風險優先數計算兩類。

風險矩陣分析將FMEA分析得到的故障模式嚴酷度和故障概率分級，綜合考量后給出危害程度由D到A依次升高的4種評價結果，并不涉及計算，常見的一種分級方法如表1所示[16]。盡管風險矩陣分析法操作簡單，但其結果僅具有相對意義。

表1 風險矩陣

風險優先數(Risk Priority Number，RPN)將故障模式發生概率(Occurrence Probablity Ranking, OPR)、影響嚴酷度(Effect Severity Ranking, ESR)和探測難度(Detection Difficulty Ranking, DDR)劃分為10個等級，其中DDR是針對工藝FMEA提出的[17]，其他情況可不考慮這一指標，則故障模式的風險優先數RPN可按式(2)計算。該方法涉及到一定的計算，能夠解決風險矩陣分析缺乏定量依據和危害度計算的復雜性問題。

RPN=OPR×ESR

(2)

采用基于風險優先數法的FMECA方法，該方法綜合考慮故障概率和故障影響程度，相較于FTA和FMEA,能夠對系統各組成元器件進行更全面的風險評估。

2 改進FMECA用于元器件風險評估

盡管計算風險優先數的FMECA方法具備前述的諸多優點，但在實際應用于智能電能表的元器件風險評估時存在以下兩個問題：首先，智能電能表較低的故障概率使得目前可參考的故障發生概率評分標準難以適用；其次，前述的FMECA方法以故障模式為分析對象，應用于元器件風險評估時需建立起元器件RPN及其故障模式RPN之間的關系。

2.1 故障模式發生概率等級的處理

智能電能表的技術規范要求智能電能表在其10年的壽命周期內累積故障率不高于4.25%，為滿足該要求，智能電能表中的元器件的平均故障概率應小于0.026%[18]，目前可供參考的一種故障模式發生概率等級評分準則如表2所示。

表2 故障模式發生概率等級評分準則

若按照表2的標準，則智能電能表中的大部分元器件故障模式的OPR評分為1，顯然這種情況下采用前述的風險優先數計算方法無法體現出大部分元器件故障模式發生概率間的差異，使得最終的RPN僅與ESR相關。

考慮到故障模式的OPR評分是以其故障概率為依據的，可以將故障模式的故障概率代替OPR代入式(2)計算故障模式RPN，設元器件k第i種故障模式的故障發生概率為Fki，則其風險優先數RPNki為：

RPNki=Fki×ESRki

(3)

現階段收集的智能電能表故障數據僅針對故障大類，難以定位至各元器件的各故障模式并給出相應的故障發生概率，故采用式(3)計算時操作性不強，但元器件k的故障發生概率Fk與Fki之間可通過該故障模式的故障模式頻數比αki建立起如下的關系：

Fki=αki×Fk

(4)

設元器件k第i種故障模式的嚴酷度評分為ESRki，將式(4)代入式(3)得到：

RPNki=(αki×Fk)×ESRki

(5)

式中元器件k相對故障概率Fk可由故障調研結果得到，部分標準或手冊給出了部分元器件的故障模式頻數比αki，因此采用式(5)計算具有較強的可操作性。

故文中對故障模式發生概率等級的處理為：通過故障調研數據得到智能電能表元器件相對故障概率、通過查閱相關標準或手冊得到故障模式頻數比，以二者之積替代故障模式OPR進行風險優先數的計算。

2.2 元器件風險優先數的計算

前述FMECA方法以故障模式為分析對象，計算得到各故障模式的風險優先數。由于一種元器件可能具有多種故障模式，為對元器件進行風險評價，可將某一元器件各故障模式的RPN進行求和。

設元器件k共有n種故障模式，各故障模式的RPN之和記為Sumk，由式(5)可得：

(6)

式中的Fk為元器件的相對故障概率，與故障模式無關，可將式(6)進行變化得到：

(7)

根據故障模式頻數比的含義可知，αki是元器件k故障時表現為第i種故障模式的概率，而故障模式i的嚴酷度為ESRki，故元器件k故障時造成嚴酷度為ESRki的概率等于αki，式(7)求和部分等于元器件k各故障模式嚴酷度的加權平均值，即為元器件k的故障嚴酷度。

故式(7)與式(3)具有相同的形式，Sumk即為元器件k的風險優先數RPNk，可由該式計算元器件的RPN,并以此為依據對元器件進行風險評估排序。

3 基于FMECA的智能電能表元器件風險評估

3.1 總體流程

基于FMECA開展智能電能表元器件風險評估的總體流程如圖2所示。

(1)對智能電能表進行故障數據調研與原因占比分析，將故障定位至元器件，結合故障大類的故障占比、各元器件在各類故障中的故障占比計算得到元器件相對故障概率；

(2)以故障調研得到的元器件作為FMECA表格中的待分析對象，填寫根據實際智能電能表的情況進行調整后的FMECA表格，通過分析確定元器件各故障模式嚴酷度評分；

(3)以FMECA表格中的數據計算元器件嚴酷度、風險優先數，得到智能電能表元器件風險評估排序結果。

圖2 基于FMECA智能電能表元器件風險評估流程

3.2 數據調研結果

智能電能表由電源模塊、計量模塊、ESAM模塊、實時時鐘模塊、繼電器檢測模塊、微控制單元、存儲模塊、通信模塊和顯示模塊組成，其結構如圖3所示。

圖3 智能電能表結構圖

某省電科院通過對2018年收集到的共64.3萬條智能電能表故障信息進行歸類與故障原因評估，得到故障數據如表3所示。

表3 某省故障調研結果

由表3確定FMECA分析的對象為：鋰電池、時鐘芯片、晶振、片式電容、熱敏電阻、穩壓芯片、整流二極管、電解電容、電流采樣電阻、電壓采樣電阻、計量芯片、485芯片、光耦、TVS、負荷開關、LCD和驅動芯片。其中時鐘芯片和計量芯片分別配有使其正常工作的晶振與片式匹配電容。

3.3 智能電能表元器件FMECA表格填寫

應用于智能電能表元器件風險評估的FMECA表格欄目進行適當調整后包含元器件、所處模塊、功能、故障模式、故障模式頻數比、故障影響、嚴酷度與元器件相對故障概率。對各欄進行簡單說明：

“元器件”欄填入由故障數據調研得到的智能電能表待分析元器件；“所處模塊”欄設置的目的在于區分不同模塊中的同類型元器件，“所處模塊”和“功能”欄根據元器件在智能電能表中實際情況填寫；

“故障模式”與“故障模式頻數比”欄中的內容以標準GJB/Z 299C[19]第7部分提供的數據為依據；

“故障影響”欄結合元器件在智能電能表中的功能填入具體內容；文中“嚴酷度”欄的評定以智能電能表功能失去或下降、失去功能的多少以及失去的功能是否影響電量結算為依據[20]，給出表4的評分依據。

表4 嚴酷度評分表

“元器件相對故障概率”填入內容由故障調研結果的故障類型占比與元器件原因占比計算得到。

受文中篇幅限制，以LCD為代表給出了FMECA表格的填寫結果，如表5所示。

表5 智能電能表FMECA表格

3.4 智能電能表元器件風險評估排序結果

FMECA分析得到各故障模式嚴酷度、各元器件相對故障概率，以式(3)為依據計算各元器件嚴酷度、風險優先數，并按風險優先數結果降序排列，得到結果如表6所示。

以上分析計算結果給出了智能電能表各組成元器件的風險評估順序，排名靠前的元器件更易發生故障并造成嚴重影響，智能電能表生產廠家可以此為依據確定在設計、生產智能電能表時應重點關注的元器件。智能電能表元器件風險評估結果為進一步提升智能電能表的質量提供了參考。

表6 智能電能表元器件風險評估結果

4 結束語

文中提出了基于FMECA的智能電能表關鍵元器件風險評估方法，可以有效克服單純FTA和FMEA方法的局限性，綜合故障概率和故障影響程度兩方面識別智能電能表薄弱環節。結合實際故障數據展開分析，可獲得相應的元器件風險排序結果，對相應智能電能表生產廠家的設計、生產工作提供指導。