基于大數(shù)據(jù)分析的智能電網(wǎng)電能量計(jì)量誤差辨析

摘要：由于智能電網(wǎng)電能量計(jì)量誤差特征提取不完整，導(dǎo)致電能量計(jì)量比差擬合曲線波動(dòng)較大，因此設(shè)計(jì)了一種基于大數(shù)據(jù)分析的智能電網(wǎng)電能量計(jì)量誤差辨析方法。基于大數(shù)據(jù)分析技術(shù)，了解電網(wǎng)信息，確定傳感器的最佳安裝位置，獲取智能電網(wǎng)的運(yùn)行數(shù)據(jù)；提取電能量計(jì)量的誤差特征，識(shí)別潛在的誤差源；對(duì)各個(gè)誤差組成部分的時(shí)間序列數(shù)據(jù)進(jìn)行穩(wěn)定性評(píng)估，確定數(shù)據(jù)統(tǒng)計(jì)特性，識(shí)別出造成計(jì)量誤差的具體原因。結(jié)果表明，該設(shè)計(jì)方法能夠精準(zhǔn)地檢測(cè)出三相智能電能表的電能量計(jì)量比差擬合曲線，并且波動(dòng)較小，證明該方法更適用于實(shí)際應(yīng)用。

關(guān)鍵詞：大數(shù)據(jù)分析 智能電網(wǎng) 電能量計(jì)量 誤差辨析 三相智能電能表

中圖分類(lèi)號(hào)：TP183" 文獻(xiàn)標(biāo)識(shí)碼：A

Analysis of Measurement Errors in Smart Grid Electric Energy Based on Big Data Analysis

WANG Changrui" HAO Lifa

Jicheng Electronics Co.， Ltd， Ji’nan， Shandong Province， 250104 China

Abstract： Due to incomplete feature extraction of smart grid electric energy measurement error， the fitting curve of electric energy measurement ratio difference fluctuates greatly. Therefore， a method of discrimination of smart grid electric energy measurement error based on big data analysis is designed. Based on big data analysis technology， understand the power grid information， determine the best installation location of sensors， and obtain the operation data of smart grid. The error characteristics of electric energy measurement are extracted and the potential error sources are identified. The stability of the time series data of each error component is evaluated， the statistical characteristics of the data are determined， and the specific causes of measurement errors are identified. The results show that the design method can accurately detect the fitting curve of the electric energy metering ratio difference of the three-phase smart energy meter， and the fluctuation is small， which proves that the method is more suitable for practical application.

Key Words： Big data analysis; Smart grid; Electric energy measurement; Error analysis; Three-phase smart energy meter

由于電力系統(tǒng)中存在多種諧波干擾和噪聲影響，電能量的計(jì)量往往伴隨著一定的誤差。因此，如何有效地辨析和校正這些誤差，成為了智能電網(wǎng)領(lǐng)域研究的熱點(diǎn)問(wèn)題。在現(xiàn)有研究文獻(xiàn)中，梁麗[1]通過(guò)構(gòu)建復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型，對(duì)電力系統(tǒng)中的諧波電流進(jìn)行學(xué)習(xí)和預(yù)測(cè)，進(jìn)而實(shí)現(xiàn)對(duì)電能計(jì)量誤差的精確校正。楊正泰[2]則通過(guò)不斷迭代和優(yōu)化來(lái)尋找問(wèn)題的最優(yōu)解，增強(qiáng)遺傳算法的搜索范圍與尋優(yōu)效率，實(shí)現(xiàn)了更快的收斂速度和更高的準(zhǔn)確性。上述兩種方法在電能計(jì)量誤差校正和自動(dòng)檢測(cè)方面取得了一定的成果，但仍然存在一些局限性。因此，本文提出了一種基于大數(shù)據(jù)分析的智能電網(wǎng)電能量計(jì)量誤差辨析方法。該方法充分利用了智能電網(wǎng)中產(chǎn)生的海量數(shù)據(jù)，通過(guò)數(shù)據(jù)挖掘和分析技術(shù)來(lái)提取電力系統(tǒng)中的設(shè)備校準(zhǔn)偏差、數(shù)據(jù)傳輸誤差、環(huán)境因素影響、人為操作失誤等特征，進(jìn)而實(shí)現(xiàn)對(duì)電能計(jì)量誤差的精確辨析和校正。

1 基于大數(shù)據(jù)分析獲取智能電網(wǎng)運(yùn)行數(shù)據(jù)

基于大數(shù)據(jù)分析，了解電網(wǎng)的結(jié)構(gòu)、設(shè)備布局、電纜走向等信息，確定傳感器的最佳安裝位置，確保傳感器能夠覆蓋到電網(wǎng)的關(guān)鍵節(jié)點(diǎn)，連接牢固可靠，避免松動(dòng)或脫落[3]。安裝完成后，對(duì)傳感器進(jìn)行調(diào)試和測(cè)試，確保其能夠正常工作并準(zhǔn)確傳輸數(shù)據(jù)。

實(shí)時(shí)記錄智能電網(wǎng)的電壓、電流、功率因數(shù)等關(guān)鍵參數(shù)，并將這些參數(shù)以時(shí)間序列的形式進(jìn)行存儲(chǔ)，具體公式為

式（1）中，表示的是電網(wǎng)在任意時(shí)刻的數(shù)據(jù)集合，其中包含了各種參數(shù)的實(shí)時(shí)值。

由于不同參數(shù)的量綱和單位可能不同，直接進(jìn)行比較和分析可能會(huì)產(chǎn)生誤導(dǎo)。因此，需要將數(shù)據(jù)轉(zhuǎn)換為同一尺度，即進(jìn)行標(biāo)準(zhǔn)化處理。標(biāo)準(zhǔn)化處理的公式為

式（2）中：為參數(shù)的均值；為參數(shù)的標(biāo)準(zhǔn)差。

通過(guò)標(biāo)準(zhǔn)化處理，可以將數(shù)據(jù)轉(zhuǎn)換為無(wú)量綱的形式，便于后續(xù)的數(shù)據(jù)分析和比較。通過(guò)合理的數(shù)據(jù)轉(zhuǎn)換步驟，可以提高數(shù)據(jù)的質(zhì)量和可靠性，為后續(xù)的數(shù)據(jù)分析和決策支持提供有力的保障。

2 提取電能量計(jì)量誤差特征

智能電網(wǎng)運(yùn)行數(shù)據(jù)中的電能量計(jì)量誤差可以分為設(shè)備校準(zhǔn)偏差、數(shù)據(jù)傳輸誤差、環(huán)境因素影響與人為操作失誤四類(lèi)。提取這些誤差特征能減少電能設(shè)備的不穩(wěn)定運(yùn)行，優(yōu)化資源配置，降低潛在的風(fēng)險(xiǎn)和成本。引入連續(xù)波轉(zhuǎn)換標(biāo)度和平移參數(shù)，為電能波形函數(shù)[4-6]，其受和的影響，可以表示為

式（2）中：為電能量計(jì)量誤差振幅；為電能量計(jì)量誤差角頻率；為相位調(diào)制函數(shù)。

由于的變化會(huì)通過(guò)影響頻率，因此可以通過(guò)比較實(shí)際頻率與標(biāo)準(zhǔn)頻率來(lái)量化電能量計(jì)量誤差，這通常涉及對(duì)的具體形式進(jìn)行假設(shè)或測(cè)量，并據(jù)此計(jì)算頻率。電能量計(jì)量誤差特征可以表示為

式（4）中：為實(shí)際電能量計(jì)量誤差頻率。

通過(guò)分析電能量計(jì)量誤差特征在多個(gè)監(jiān)測(cè)點(diǎn)的數(shù)據(jù)模式，能夠識(shí)別潛在的誤差源。獲取的電能量計(jì)量誤差特征數(shù)據(jù)，經(jīng)過(guò)設(shè)備層、通信層與基站層的層層處理，確保了信息的準(zhǔn)確性和完整性[7]。采用邏輯分析和通信分析來(lái)優(yōu)化電能量計(jì)量誤差特征數(shù)據(jù)傳輸和解析，同時(shí)確保管理協(xié)議的有效執(zhí)行和功耗的精確控制，從而提高故障檢測(cè)的準(zhǔn)確性和效率。

3 智能電網(wǎng)電能量計(jì)量誤差辨析

為了準(zhǔn)確地辨析智能電網(wǎng)中的電能量計(jì)量誤差成分，采用時(shí)間序列分析的方法。這一方法涉及對(duì)各個(gè)組成部分的時(shí)間序列數(shù)據(jù)進(jìn)行穩(wěn)定性評(píng)估，以確保模型能夠準(zhǔn)確捕捉數(shù)據(jù)的動(dòng)態(tài)特征。通過(guò)實(shí)施平穩(wěn)性檢驗(yàn)，確定數(shù)據(jù)是否具有穩(wěn)定的統(tǒng)計(jì)特性。針對(duì)非平穩(wěn)的旋轉(zhuǎn)分量特性，采用包括差分運(yùn)算在內(nèi)的技術(shù)手段，以實(shí)現(xiàn)其平穩(wěn)性轉(zhuǎn)換，以消除數(shù)據(jù)中的趨勢(shì)和季節(jié)性因素[8]。

對(duì)于平穩(wěn)的趨勢(shì)分量時(shí)間序列，采用自回歸移動(dòng)平均模型（Auto Regressive Moving Average，ARMA模型）進(jìn)行預(yù)測(cè)。ARMA模型作為一種時(shí)間序列分析工具，其通過(guò)擬合數(shù)據(jù)的自回歸和移動(dòng)平均過(guò)程來(lái)預(yù)測(cè)未來(lái)的數(shù)據(jù)值。模型的形式如下。

式（5）中：為自回歸項(xiàng)的階數(shù)；為移動(dòng)平均項(xiàng)的階數(shù)；為自回歸項(xiàng)的滯后期數(shù)；為移動(dòng)平均項(xiàng)的滯后期數(shù)；為移動(dòng)平均項(xiàng)的系數(shù)；為在時(shí)刻的白噪聲序列值。通過(guò)估計(jì)這些參數(shù)，得到趨勢(shì)分量的預(yù)測(cè)值。

將非平穩(wěn)時(shí)間序列轉(zhuǎn)化為平穩(wěn)狀態(tài)，運(yùn)用差分自回歸滑動(dòng)平均模型（Autoregressive Integrated Moving Average Model，ARIMA），確保數(shù)據(jù)的時(shí)間序列特性能更好地滿足平穩(wěn)性的要求。差分運(yùn)算可以簡(jiǎn)單地表示為

式（6）中：為后移算子；為差分階數(shù)。

經(jīng)過(guò)差分處理后，得到一個(gè)平穩(wěn)時(shí)間序列，然后可以對(duì)其應(yīng)用ARMA模型，至此成功完成智能電網(wǎng)電能量計(jì)量誤差辨析。

4 實(shí)驗(yàn)

4.1 實(shí)驗(yàn)準(zhǔn)備

為了深入研究智能電網(wǎng)電能量計(jì)量誤差，選定某智能電網(wǎng)企業(yè)作為實(shí)驗(yàn)對(duì)象，其中包含3級(jí)三相智能電能表，安裝在戶(hù)外的電表箱內(nèi)，以模擬實(shí)際環(huán)境中的自然應(yīng)力影響。

將0.01級(jí)三相標(biāo)準(zhǔn)電能表放置在室內(nèi)，控制溫度恒定在（25±1）℃的環(huán)境中，以確保測(cè)量基準(zhǔn)的穩(wěn)定性。實(shí)驗(yàn)過(guò)程中，利用先進(jìn)的處理器每?jī)尚r(shí)計(jì)算一次被測(cè)電能表與標(biāo)準(zhǔn)電能表的相對(duì)誤差，并將誤差數(shù)據(jù)實(shí)時(shí)存入數(shù)據(jù)庫(kù)中。同時(shí)，持續(xù)監(jiān)測(cè)并記錄外部環(huán)境因素如溫度、濕度、氣壓、光照強(qiáng)度和風(fēng)速等，每10s更新一次數(shù)據(jù)，為后續(xù)的誤差分析提供全面依據(jù)。測(cè)試環(huán)境具體參數(shù)如表1所示。

為了證明本文設(shè)計(jì)的基于大數(shù)據(jù)分析的智能電網(wǎng)電能量計(jì)量誤差辨析方法有效性，選取梁麗等人[1]所提方法和楊正泰等人[2]所提方法作為對(duì)比方法進(jìn)行實(shí)驗(yàn)。針對(duì)三相智能電能表的電能量計(jì)量比差進(jìn)行了擬合曲線檢測(cè)，實(shí)驗(yàn)結(jié)果如圖2所示。

4.2 實(shí)驗(yàn)結(jié)果分析

根據(jù)圖2可知，當(dāng)加入一組噪聲數(shù)據(jù)后，本文方法依然能夠精準(zhǔn)地檢測(cè)出三相智能電能表的電能量計(jì)量比差擬合曲線，并且波動(dòng)較小。通過(guò)這種方法，即使在噪聲干擾的情況下，依然能夠獲得與標(biāo)準(zhǔn)比差擬合曲線相接近的結(jié)果，從而確保電能量計(jì)量的準(zhǔn)確性和可靠性。

5 結(jié)語(yǔ)

在智能電網(wǎng)領(lǐng)域，大數(shù)據(jù)分析技術(shù)為電能量計(jì)量誤差的辨析提供了強(qiáng)有力的支撐。通過(guò)深入挖掘電力數(shù)據(jù)的潛在價(jià)值，能夠更準(zhǔn)確地識(shí)別并校正計(jì)量誤差，從而保障電力計(jì)量的準(zhǔn)確性，促進(jìn)智能電網(wǎng)的穩(wěn)定運(yùn)行。隨著技術(shù)的不斷進(jìn)步和數(shù)據(jù)的不斷積累，大數(shù)據(jù)分析將在智能電網(wǎng)的計(jì)量誤差辨析中發(fā)揮更加重要的作用，為電力行業(yè)的可持續(xù)發(fā)展貢獻(xiàn)力量。

參考文獻(xiàn)

[1]梁麗，馬亞珍.基于深度學(xué)習(xí)的電力系統(tǒng)諧波電能計(jì)量誤差校正方法[J].自動(dòng)化技術(shù)與應(yīng)用，2023，42（9）：49-52，57.

[2]楊正泰，龍逸群.基于改進(jìn)遺傳算法的數(shù)字化電能計(jì)量誤差自動(dòng)檢測(cè)方法[J].信息與電腦（理論版），2023，35（15）：132-134.

[3]徐利棚.基于大數(shù)據(jù)分析的智能電網(wǎng)監(jiān)控運(yùn)行建設(shè)[J].中華紙業(yè)，2024，45（4）：115-117.

[4]嚴(yán)嘉鈺.電能計(jì)量誤差及計(jì)量改進(jìn)措施分析[J].現(xiàn)代工業(yè)經(jīng)濟(jì)和信息化，2022，12（12）：316-317.

[5] BOBBINS K，CAPROTTI F，GROOT DE J，et al.Smart and disruptive infrastructures：Re-building knowledge on the informal city[J].Urban Studies，2024，61（1）：165-179.

[6] KUMAR K，SOOMRO A M，KUMAR M， et al.Sustainable on-grid solar photovoltaic feasibility assessment for industrial load[J].Journal of Central South University，2023，30（11）：3575-3585.

[7]徐宏偉，王宇，賴(lài)勁舟.基于諧波特征的電能計(jì)量誤差與計(jì)費(fèi)成本分析[J].電子技術(shù)，2024，53（1）：314-316.

[8]邱麗麗.云計(jì)算的大數(shù)據(jù)分析技術(shù)在智能電網(wǎng)中的應(yīng)用[J]現(xiàn)代工業(yè)經(jīng)濟(jì)和信息化，2024，14（2）：151-152，158.