電能計量在線監測模型設計探索

摘" 要：為準確實時定位計量故障，保障電網安全運行，提升經濟效益和社會效益。通過分析電能計量裝置管理需求，設計電能計量在線監測設計方案，搭建以異常信息生成模塊、消缺模塊及專項分析模塊為主體的電能計量裝置在線監測模型。建立分鐘級海量采集數據的計量異常實時研判體系，并分析異常消缺的歷史數據，評價研判結果，促進規則模型持續優化。結果表明，異常研判更加及時準確，說明建立合理的模型，通過分析海量數據，現場反饋信息等，可以精確定位故障，滿足電能計量裝置在線監測的功能需求。

關鍵詞：電能計量；在線監測；計量故障；數據監測；異常數據；模型設計

中圖分類號：TM73" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2024）36-0135-04

Abstract： In order to accurately locate measurement faults in real time， ensure safe operation of the power grid， and improve economic and social benefits. By analyzing the management needs of electric energy metering devices， a design plan for online monitoring of electric energy metering is designed， and an online monitoring model for electric energy metering devices is built with an exception information generation module， a defect elimination module and a special analysis module as the main body. A real-time research and judgment system for measurement anomalies has been established that collects massive data at the minute level， analyzes historical data of abnormal elimination， evaluates the research and judgment results， and promotes continuous optimization of rule models. The results show that the abnormal research and judgment is more timely and accurate. It is shown that establishing a reasonable model， analyzing massive data， on-site feedback information， etc.， can accurately locate faults and meet the functional requirements of online monitoring of electrical energy metering devices.

Keywords： electric energy metering; online monitoring; metering failure; data monitoring; abnormal data; model design

目前現有電力負荷現場管理終端、采集終端等已經可以實現在線監測，但主要偏重于負荷管理和電能表運行數據監控，對于計量故障無法準確實時定位。隨著智能電能表的普及、應用和數據分析技術的完善，將計算機、網絡通信、傳感器和數字信號處理等網絡技術有機地融合在一起，可以實現對電能測量的在線監測[1]。在線監測是以科學合理的規則模型為基礎，使用大數據技術，針對采集及加工數據進行異常研判，及時發現計量裝置問題[2]。本文主要設計主旨是通過在線監測異常數據相對準確地診斷計量故障。主要思路為：對監測異常數據結合計量裝置配置信息、現場反饋信息、歷史消缺情況，通過優化規則模型、診斷模型精準定位故障點，及時消缺，消除計量裝置隱患，促進計量裝置健康水平提升。電能計量在線監測是確保電能計量系統安全、穩定、可靠運行的必備功能，對于增強電力計量裝置的及時性準確性十分必要[3-4]。

1" 電能計量監測裝置工作原理

監測設備對電能表的脈沖信號、電壓信號、電流信號等信號采集后再通過A/D轉化和數據處理，實現對現場多塊電能表、二次回路狀態進行監測。并可通過通信接口傳送監測數據和二次回路狀態量[2]。監測裝置通過通信網絡傳送給主站系統，實現就地監控管理。

2" 電能在線監測模塊設計

電能在線監測的總體架構包含三大模塊（圖1）。

異常信息生成模塊：包括建立異常規則模型、開展異常研判、異常信息生成以及規則優化。

消缺模塊：對異常信息進行診斷、消缺。

專項分析模塊：是在監測基礎數據基礎上，結合歷史數據，從各維度對計量裝置進行統計評價，為專業決策、稽查工作開展提供支撐。包括異常統計、監控指標、計量業務專項分析等。異常信息生成模塊與消缺模塊是電能計量在線監測模型設計的核心部分。

2.1" 異常信息生成模塊設計

在線檢測系統主要是通過對裝置的用電、計量和采集裝置等異常情況與異常白名單進行檢測、分析，應對故障異常做出快速反應[5]。異常信息生成模塊設計包含規則模型設計、異常研判行為設計、異常信息生成設計以及規則優化。在異常信息生成前需引入“白名單”概念，將無須處理或暫時不處理的異常、用戶或電表等信息人工申請形成白名單。在規則模型中建立異常規則（定義）、研判方法（對比項目）、閾值參數（目標值）和異常恢復條件等基礎配置數據。根據規則模型中的實時統計研判方法，結合檔案、電流電壓數據、狀態字以及失壓事件進行異常研判。研判出異常狀態后在白名單中比對。如果該異常、該用戶或該電表在白名單中，則不生成異常信息。如果不在白名單中，則判斷異常成立，生成異常信息數據。

2.1.1" 規則模型

規則模型是異常研判的基礎，包含研判規則、研判方法、閾值參數和異常恢復條件等規則、數據[3，6]。

1）研判規則。按照重要性以及緊急程度可將當前電能計量運行監測的70余個異常規則分為I類、II類、III類。其中I類異常規則11個，包括電壓失壓（分相）、電量為0功率不為0、電能表示值不平、電能表飛走、電能表倒走、電能表停走、電能表開表蓋異常、電流失流（分相）、電流過流（分相）、反向電量異常和計量裝置誤差異常。

以電壓失壓（分相）異常規則為例，需同時滿足以下3個判斷條件：①一是電壓。三相三線失壓，即A相或C相中某相電壓低于0.78倍電能表參比電壓，且非失壓相的電壓小于1.2倍的參比電壓；三相四線失壓，即A相或B相或C相中某相電壓低于0.78倍參比電壓，且非失壓相的電壓小于1.2倍的參比電壓。②二是電流。經互感器接入時，失壓相的二次電流的絕對值（或不經互感器接入時失壓相的電流的絕對值）大于0.1 A。③三是時長。失壓事件的延時時間為60 s，如三相電壓（單相表為單相電壓）均低于電能表的臨界電壓，且負荷電流大于5%Ib，則記錄為全失壓。失壓和全失壓的監測對于保護電力設備和維護電力系統的穩定運行具有重要意義。

II類異常規則有40余個，III類異常規則有20余個，不在此一一細述。

2）研判方法。研判方法為異常規則應用中的細化，分為實時研判和統計研判。

實時研判是采集實時數據依據規則生成異常，如狀態字實時研判、量測值實時研判、事件實時研判等。計量異常有燒毀計量裝置與線路的風險，需依據實時數據及時反饋監測研判結果。如在監測到三相三線電能表有電壓失壓事件、失壓狀態字或者連續監測到3個點滿足A相或C相中某相電壓低于0.78倍參比電壓且非失壓相的電壓小于1.2倍的參比電壓，則立刻生成電壓失壓異常。

統計研判是按統計期間內數據對異常進行研判，如量測值統計研判等。如針對電壓失壓A相或C相中某相電壓低于0.78倍參比電壓，且非失壓相的電壓小于1.2倍的參比電壓，依據曲線數據，一天累計超過15個點，則生成電壓失壓（分相）異常。

3）閾值參數。與研判方法內容相關的還有閾值參數。閾值參數的設置是使研判方法更為靈活，通過研判方法及閾值參數配置，可以調整研判模型的準確度。電壓失壓異常規則中涉及的數字如0.78、0.9、1.2倍等，均是閾值。

4）異常恢復條件。設定異常恢復條件作為異常事件結束的判斷依據。如上例中電壓失壓的異常恢復條件是所有數據點的對應相的電壓下限為0.85倍參比電壓。

2.1.2" 異常研判

根據電壓、電流、功率和事件等各項實時采集數據，依據規則模型設置，對計量裝置進行異常研判。異常研判是生成異常信息的手段，包括規則研判、基于分析結果研判以及基于算法包研判等（圖2）。

1）規則研判占異常研判的絕大多數。規則研判又分為實時研判和統計研判，涉及的采集數據有日凍結電能示值、電氣量曲線、示值曲線等。如：I類異常中的電壓失壓（分相）異常，基于采集數據以及加工后的數據，結合規則模型中的規則進行研判。滿足異常研判條件則生成異常，該異常有實時研判及日統計研判各一個。實時研判速度快、實時性高，統計研判可以針對實時研判進行查漏補缺，二者相輔相成。

2）計量運行監測在計量或者第三方分析結果的基礎上進行再次加工，推送分析結果，生成異常。如：I類異常中的計量裝置誤差異常。先從智能電能表運行誤差監測模塊接口中獲取超差臺區、超差電表數據，存入超差計算結果表，然后定時調用計量裝置誤差異常研判方法生成異常。

3）通過調用計量或者第三方提供的算法包，綜合現有的研判方法進行研判，生成異常。如調用錯接線算法模塊生成錯接線異常信息。

2.1.3" 規則優化

規則優化是針對規則模型中的規則研判結果、工單反饋結果進行分析，通過異常消缺的歷史數據，對規則的研判效果進行評價，以達到優化規則、降低誤判率的目的。規則評價統計是針對規則庫中的通用規則和自定義規則，結合工單反饋的故障原因數據、統計規則研判結果的正確性和誤判率，以達到分析研判準確性，判斷是否調優異常規則的目的。

2.2" 消缺模塊設計

消缺模塊（圖3）包含智能診斷、異常消缺2部分。智能診斷是系統結合處理過的數據和檔案信息，對異常研判結果進行復合擬合異常。異常消缺包含工單消缺和異常恢復，其中工單消缺是對定位完故障點的異常，經由工單中心結合主站處理、現場處理等多種工單策略進行消缺處理。異常恢復是利用規則模型庫的異常恢復算法，對異常進行自動恢復判定，以達到異常消缺的目的。

2.2.1" 智能診斷

針對已生成的異常，參考診斷模型進行故障疑似原因、計量裝置故障點定位[7]。有的異常只由一個原因導致可以直接鎖定故障類型；有的異常在原因分析模型中有多個疑似故障原因，則需結合歷史處理結果、檔案信息、線損數據等進行具體分析。如電壓失壓（分相）有3個疑似故障原因分別為裝接質量、表計故障、互感器/二次回路故障。將該異常與裝接工作工單關聯，如裝接工作后發現的異常，智能診斷為裝接工作質量導致的異常，則為接線故障；排除接線故障后，即可能為表計故障或互感器/二次回路故障。

對無法自動定位故障點的異常，需由人工結合自身經驗進行定位，以提升異常診斷的精準度。系統無法進行的異常診斷，可由人工查看異常的詳細信息、數據對比參考信息、異常處理記錄、相關性分析以及派單信息等進行綜合分析判斷。如，9月1日電量結算發現某戶電能表電量異常，在相關性分析中查看電壓電流數據，發現8月29日的C相電壓變成0（異常示警），并持續至8月30日（異常恢復）；查看異常處理記錄，發現29日發生異常前，系統里沒有裝接作業工單（智能定位排除裝接原因）；人工查詢其他業務流程，發現30日有換表流程，且換表結束時間與電壓恢復時間高度吻合，對比參考判斷是表計故障（人工定位確定最終原因），派發工單，形成處理結果。

生成的異常信息經由智能診斷模塊分析疑似故障原因，然后派發工單去現場處理進行消缺或者終止異常。最后根據工單中心反饋的處理結果，對故障判斷規則進行誤判率分析，為規則優化提供支撐。

2.2.2" 異常消缺

異常生成工單現場工作后，工單歸檔或終止，則異常消缺。按工單生成方式，可以分為自動工單（針對I類異常自動發起）以及人工工單（全部異常均可發起）。工單中心對所有工單進行監控，能查看工單的詳細信息以及工單的操作日志，追溯工單發起—主臺處理—現場處理—驗證—歸檔，整個處理過程能針對工單提供告警預警功能。工單的操作有歸檔、轉白名單、終止等。

消缺工單正常處理結束，可以歸檔。現場運維人員在無法確認現場情況、無法處理計量裝置異常時可以申請白名單，用于工單掛起，在合適的時間再進行處理。現場檢查計量裝置并分析后發現無須操作或者經分析后發現是誤判，可以終止工單。工單終止后異常也會消缺。但有一部分異常如電壓失壓，不以工單歸檔或終止作為恢復。電壓失壓的恢復條件為昨日所有數據點的對應相的電壓，均大于0.85倍參比電壓。根據異常恢復算法，滿足這個條件則系統自動判恢復異常。

2.3" 專項分析模塊設計

專項分析模塊設計從多維度歸集數據，生成各類專項需求分析，包含基礎分析、高級分析。基礎分析是計量基礎數據的簡單分析，結合大批歷史數據從各維度對計量裝置進行統計評價，為簡單決策提供數據支撐。高級分析模塊是為支撐計量采集稽查工作而開展的計量業務專項分析。

2.3.1" 基礎分析

基礎分析可實現包括異常類型、異常頻發、異常時長和監控指標等在內的簡單分析。異常類型是通過多維度（供電單位、統計時間、診斷主題編碼、用戶類型和終端類型等）統計展示各類異常、人工工單的情況，生成異常統計報表，滿足對專項異常的關注需求，能夠查看對應的明細信息以及關聯的工單信息。異常頻發是統計在指定時間內發生次數達到限制值的異常設備數，提高對異常頻發設備的關注。異常頻發報表可展示詳細信息：供電單位/臺區、異常類型、電能表類別、電能表類型、設備總數和指定頻次內設備數。異常時長是對異常持續時間的統計，也就是從異常發現到消缺完成的過程中，所經歷的時長統計，反映出異常消缺的及時性。異常時長為進一步分析異常提供數據支撐。監控指標主要按供電單位統計設備數、故障設備數，并按不同用戶維度展示計量裝置運行數據準確率情況，展示數據準確率并提供報表導出功能。

2.3.2" 高級分析

高級分析可實現包括火零線電流巡測、分相反向示值巡測、重點異常監測和相量圖錯接線等在內的專項分析。

如火零線電流是監控火零線電流巡測結果，分析火零線電流不一致電表，巡測對象是單相表。按巡測數量可以分散多天進行采集、補采。如每月1日至10日推送采集清單，采集日每天19：30開始巡測火零線電流值，采集結果解析入庫。11日至13日進行數據補采。當天統計火零線電流巡測成功及失敗數，分析火零線電流不一致情況。巡測結果形成火零線電流巡測明細。火零線電流異常分析是根據巡測明細分析火零線電流不一致的電表信息，按周期分析。可以以當月異常為基礎，比對電表或用戶近3個月或一年的火零線電流巡測結果并分析火零線是否一致。因火零線不一致的數量較多，因此巡測結果是否生成異常，需由人工自主判斷是否生成火零線電流不一致異常。

3" 結束語

本文分析了電能計量裝置管理的需求，給出了電能計量在線監測設計的方案，并搭建了以異常信息生成模塊、消缺模塊以及專項分析模塊為主體的電能計量裝置在線監測模型。通過本模型，建立針對分鐘級海量采集數據的計量異常實時研判體系，將使異常研判更及時。通過研究異常消缺的歷史數據、評價研判結果，促進規則模型持續優化、降低誤判率。在異常消缺模塊中增加了白名單、終止等處理方式，并對返回結果輔以視頻、照片等多樣性佐證材料驗證，進一步完善異常消缺流程。

參考文獻：

[1] 邱燕雷.電能計量裝置在線監測系統研究[J].光源與照明，2024（1）：146-148.

[2] 鄭小平，韓瀟俊，徐勇，等.基于運行電能表誤差自監測技術研究[J].電測與儀表，2022，59（8）：187-195.

[3] 趙國鵬，孫沖，周開峰，等.電能計量裝置遠程校驗監測系統研究[J].河北電力技術，2024，43（1）：41-45.

[4] 胡志輝.電能計量裝置在線檢測系統的應用探討[J].電力訊息，2018（12）：175-176.

[5] 陳勇.關于電能計量裝置在線檢測系統的應用分析[J].自動化技術與設備，2023（2）：44-47.

[6] 王中敏，李振東，王琳，等.基于智能計量系統的配電網監測與狀態估計方法研究[J/OL].電測與儀表，1-11[2024-10-30].http：//kns.cnki.net/kcms/detail/23.1202.TH.20220623.1635.005.html.

[7] 申莉，彭翔，李力華.關口電能計量裝置在線校驗及故障診斷采集前置裝置設計[J].電測與儀表，2017，54（19）：102-106，112.