基于大數據分析的電力計量裝置故障診斷技術研究

李仁杰，陳有為

（國網安徽省電力有限公司滁州供電公司，安徽 滁州 239000）

0 引 言

電力企業中，電力計量裝置能夠實時監測和統計供電量和用戶側的用電量數據，對企業的生產經營具有十分重要的意義。在電力計量裝置中安裝數據采集系統，通過遠程信息采集實時獲取用戶的電量使用情況，不僅節省了很多時間，而且提高了電力企業的經濟效益[1]。在各種通信方式下，采集系統能夠將主站與現場終端連接在一起。隨著社會經濟的發展，人們對智能產品的使用要求越來越高，供電數據呈現迅猛發展的態勢，使得電力信息的收集數量迅速增長。為保證系統對大量用電數據的準確收集，需要對采集系統進行周期性檢查和維修，防止出現錯誤，影響電能計量設備的安全和穩定工作。

吳瀛等人為了解決目前電能計量裝置運行中存在的工作效率低和可靠性差等問題，提出了一種新的電能計量裝置運行狀態監控和故障診斷方法[2]。將特高壓電能計量裝置的工作狀況與云計算技術相融合，實現遠程實時監控與管理特高壓電能計量裝置。文章通過分析電力計量裝置的故障大數據，提出一種故障診斷技術，通過采集電能計量裝置的遠程數據，結合數據融合處理方法，設計故障數據的預處理和分析模塊，判斷設備是否故障。結果顯示，與傳統診斷方法相比，所提出的方法能夠對電能計量裝置進行實時監測，判斷電能計量裝置在運行中的狀態，為電能計量裝置的管理提供了可靠的數據支持，從而保證電力計量裝置在運行中的安全性。

1 電力計量裝置故障診斷技術設計

1.1 分析電力計量裝置的故障數據

電力計量裝置中，定義Ih表示故障處的回路電流，在脈沖磁場的影響下，故障磁勢為Φs。故障信號產生的基波分量對電力計量裝置的運行會產生一定威脅，忽略電力計量裝置的高次諧波，可以計算電力計量裝置的脈沖磁勢。其公式為

式中：f表示故障處回路電流的基波頻率；T表示電力計量裝置的運行時間；φ表示電力計量裝置在脈沖磁場下的極對數；θ表示機械角度[3]。

如果電力計量裝置的內部結構對稱，那么氣隙磁密Bq與脈沖磁勢Φs和磁導U的乘積成正比。然而，在脈沖磁場的作用下，電力計量裝置的內部轉子會失去平衡，同時會對氣隙磁導產生影響[4]。通過分析磁場大數據，可以計算電力計量裝置的磁導。其公式為

式中：Ug表示電力計量裝置的磁導分量；Ue表示磁勢分量；fs表示電力計量裝置內部轉子的旋轉頻率。正常運行狀態下，電力計量裝置中的Ug比Ue大，而磁力與氣隙磁密的平方同樣成正比例關系，根據這種關系，可以推導出電力計量裝置的磁力。其公式為

式中：ξ表示比例系數；γ表示輔助推導系數。

將式（1）的脈沖磁勢數據和式（2）的磁導數據帶入式（3），可以計算出電力計量裝置故障信號的最大諧波分量。在電力計量裝置中，電磁力波能夠帶動轉子和定子振動。振動過程中，回路電流的基波頻率和電力計量裝置的轉動頻率之間存在一定關系。轉子和定子的轉動信號可以反映電力計量裝置的諧波分量。

1.2 設計電力計量裝置故障診斷算法

以電力計量裝置的故障數據分析為依據，對裝置的故障信號進行稀疏分解，提取故障診斷需要的信號特征[5]。

根據電力計量裝置運行的現場條件，調整共振稀疏分解系數，得到高頻共振分量和低頻共振分量[6]。電力計量裝置故障信號的稀疏分解圖如圖1 所示。

圖1 電力計量裝置故障信號的稀疏分解圖

根據電力計量裝置故障信號的稀疏分解結果，建立故障特征搜索模型[7]。提取電力計量裝置的故障特征參數，公式為

式中：φk表示電力計量裝置故障的特征值；ζk表示故障特征之間的關聯系數。

根據電力計量裝置的運行特性，無法確定發生故障的具體位置，因此需要根據故障信號的運行周期，計算故障信號的特性，公式為

式中：?i表示電力計量裝置故障信號的特征閾值；A(t)表示故障信號的特性數量。

通過將電力計量裝置故障信號的初始特征向量與正常運行信號相乘，得到電力計量裝置故障信號的特征向量，將其與故障數據統計量進行匹配，構建故障診斷函數f(x)，表示為

式中：δx,k,A和δx,k,D表示故障信號對應的統計值分量，δi,k,A和δi,k,D表示第i類電力計量裝置故障的特征值[8]。當i=0時，說明電力計量裝置沒有發生故障；當i=1時，說明電力計量裝置發生了故障。

利用式（6）的函數診斷電力計量裝置的故障，即可保證電力計量裝置的安全運行。

2 實驗對比分析

為驗證文中技術在電力計量裝置故障診斷中的合理性，進行模擬實驗。

2.1 搭建實驗平臺

使用Standalone 單機模擬集群環境，在Linux 系統下搭建故障診斷實驗平臺，其結構如圖2 所示。

圖2 實驗平臺結構圖

利用該實驗平臺，通過變換故障數據的采集頻率，驗證文中技術對故障的診斷精度，故障信號的采樣周期設置為5 min。

2.2 診斷結果

實際運行過程中，電力計量裝置采集了電壓故障數據和電流故障數據，如表1 所示。

表1 實際電壓數據和電流數據

確定了電力計量裝置的實際電壓和電流之后，利用基于云平臺的故障診斷技術與文中技術診斷表1中電力計量裝置的電壓和電流，并進行對比。故障數據診斷精度對比結果，如圖3 所示。

圖3 故障數據診斷精度對比分析

由圖3 的結果可知，在不同的采樣時刻下，采用基于云平臺的故障診斷技術時，診斷得到的電壓數據和電流數據與實際值之間的誤差較大，原因是云平臺雖然可以實時監控電力計量裝置的狀態，但是在故障大數據分析中還存在欠缺。而采用基于大數據分析的電力計量裝置故障診斷技術時，診斷得到的電壓數據和電流數據與實際值更加接近，說明文中技術對電力計量裝置中電壓數據和電流數據的診斷精度更高。

3 結 論

文章提出了基于大數據分析的電力計量裝置故障診斷技術研究，經過實驗測試發現，該技術在電力計量裝置的故障診斷中，可以有效提高診斷精度。文章研究雖然取得一定成果，但是仍存在一些需要改進的地方。未來，希望可以在電力計量裝置中安裝一個報警設備，避免不法行為對電力計量裝置的運行產生影響，促進電力企業能夠健康和穩定地發展。