電能計量在線監(jiān)測模型設(shè)計探索

摘" 要：為準確實時定位計量故障，保障電網(wǎng)安全運行，提升經(jīng)濟效益和社會效益。通過分析電能計量裝置管理需求，設(shè)計電能計量在線監(jiān)測設(shè)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(jiān)測模型。建立分鐘級海量采集數(shù)據(jù)的計量異常實時研判體系，并分析異常消缺的歷史數(shù)據(jù)，評價研判結(jié)果，促進規(guī)則模型持續(xù)優(yōu)化。結(jié)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(shù)據(jù)，現(xiàn)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(jiān)測的功能需求。

關(guān)鍵詞：電能計量；在線監(jiān)測；計量故障；數(shù)據(jù)監(jiān)測；異常數(shù)據(jù)；模型設(shè)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(xiàn)有電力負荷現(xiàn)場管理終端、采集終端等已經(jīng)可以實現(xiàn)在線監(jiān)測，但主要偏重于負荷管理和電能表運行數(shù)據(jù)監(jiān)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(yīng)用和數(shù)據(jù)分析技術(shù)的完善，將計算機、網(wǎng)絡(luò)通信、傳感器和數(shù)字信號處理等網(wǎng)絡(luò)技術(shù)有機地融合在一起，可以實現(xiàn)對電能測量的在線監(jiān)測[1]。在線監(jiān)測是以科學合理的規(guī)則模型為基礎(chǔ)，使用大數(shù)據(jù)技術(shù)，針對采集及加工數(shù)據(jù)進行異常研判，及時發(fā)現(xiàn)計量裝置問題[2]。本文主要設(shè)計主旨是通過在線監(jiān)測異常數(shù)據(jù)相對準確地診斷計量故障。主要思路為：對監(jiān)測異常數(shù)據(jù)結(jié)合計量裝置配置信息、現(xiàn)場反饋信息、歷史消缺情況，通過優(yōu)化規(guī)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(jiān)測是確保電能計量系統(tǒng)安全、穩(wěn)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(jiān)測裝置工作原理

監(jiān)測設(shè)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(zhuǎn)化和數(shù)據(jù)處理，實現(xiàn)對現(xiàn)場多塊電能表、二次回路狀態(tài)進行監(jiān)測。并可通過通信接口傳送監(jiān)測數(shù)據(jù)和二次回路狀態(tài)量[2]。監(jiān)測裝置通過通信網(wǎng)絡(luò)傳送給主站系統(tǒng)，實現(xiàn)就地監(jiān)控管理。

2" 電能在線監(jiān)測模塊設(shè)計

電能在線監(jiān)測的總體架構(gòu)包含三大模塊（圖1）。

異常信息生成模塊：包括建立異常規(guī)則模型、開展異常研判、異常信息生成以及規(guī)則優(yōu)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(jiān)測基礎(chǔ)數(shù)據(jù)基礎(chǔ)上，結(jié)合歷史數(shù)據(jù)，從各維度對計量裝置進行統(tǒng)計評價，為專業(yè)決策、稽查工作開展提供支撐。包括異常統(tǒng)計、監(jiān)控指標、計量業(yè)務(wù)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(jiān)測模型設(shè)計的核心部分。

2.1" 異常信息生成模塊設(shè)計

在線檢測系統(tǒng)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(yīng)對故障異常做出快速反應(yīng)[5]。異常信息生成模塊設(shè)計包含規(guī)則模型設(shè)計、異常研判行為設(shè)計、異常信息生成設(shè)計以及規(guī)則優(yōu)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(guī)則模型中建立異常規(guī)則（定義）、研判方法（對比項目）、閾值參數(shù)（目標值）和異?；謴蜅l件等基礎(chǔ)配置數(shù)據(jù)。根據(jù)規(guī)則模型中的實時統(tǒng)計研判方法，結(jié)合檔案、電流電壓數(shù)據(jù)、狀態(tài)字以及失壓事件進行異常研判。研判出異常狀態(tài)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(shù)據(jù)。

2.1.1" 規(guī)則模型

規(guī)則模型是異常研判的基礎(chǔ)，包含研判規(guī)則、研判方法、閾值參數(shù)和異?；謴蜅l件等規(guī)則、數(shù)據(jù)[3，6]。

1）研判規(guī)則。按照重要性以及緊急程度可將當前電能計量運行監(jiān)測的70余個異常規(guī)則分為I類、II類、III類。其中I類異常規(guī)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(guī)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(jīng)互感器接入時，失壓相的二次電流的絕對值（或不經(jīng)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(jiān)測對于保護電力設(shè)備和維護電力系統(tǒng)的穩(wěn)定運行具有重要意義。

II類異常規(guī)則有40余個，III類異常規(guī)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(guī)則應(yīng)用中的細化，分為實時研判和統(tǒng)計研判。

實時研判是采集實時數(shù)據(jù)依據(jù)規(guī)則生成異常，如狀態(tài)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(jù)實時數(shù)據(jù)及時反饋監(jiān)測研判結(jié)果。如在監(jiān)測到三相三線電能表有電壓失壓事件、失壓狀態(tài)字或者連續(xù)監(jiān)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(tǒng)計研判是按統(tǒng)計期間內(nèi)數(shù)據(jù)對異常進行研判，如量測值統(tǒng)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(jù)曲線數(shù)據(jù)，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(shù)。與研判方法內(nèi)容相關(guān)的還有閾值參數(shù)。閾值參數(shù)的設(shè)置是使研判方法更為靈活，通過研判方法及閾值參數(shù)配置，可以調(diào)整研判模型的準確度。電壓失壓異常規(guī)則中涉及的數(shù)字如0.78、0.9、1.2倍等，均是閾值。

4）異常恢復條件。設(shè)定異?；謴蜅l件作為異常事件結(jié)束的判斷依據(jù)。如上例中電壓失壓的異?；謴蜅l件是所有數(shù)據(jù)點的對應(yīng)相的電壓下限為0.85倍參比電壓。

2.1.2" 異常研判

根據(jù)電壓、電流、功率和事件等各項實時采集數(shù)據(jù)，依據(jù)規(guī)則模型設(shè)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(guī)則研判、基于分析結(jié)果研判以及基于算法包研判等（圖2）。

1）規(guī)則研判占異常研判的絕大多數(shù)。規(guī)則研判又分為實時研判和統(tǒng)計研判，涉及的采集數(shù)據(jù)有日凍結(jié)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(shù)據(jù)以及加工后的數(shù)據(jù)，結(jié)合規(guī)則模型中的規(guī)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(tǒng)計研判各一個。實時研判速度快、實時性高，統(tǒng)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(jiān)測在計量或者第三方分析結(jié)果的基礎(chǔ)上進行再次加工，推送分析結(jié)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(jiān)測模塊接口中獲取超差臺區(qū)、超差電表數(shù)據(jù)，存入超差計算結(jié)果表，然后定時調(diào)用計量裝置誤差異常研判方法生成異常。

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

2.1.3" 規(guī)則優(yōu)化

規(guī)則優(yōu)化是針對規(guī)則模型中的規(guī)則研判結(jié)果、工單反饋結(jié)果進行分析，通過異常消缺的歷史數(shù)據(jù)，對規(guī)則的研判效果進行評價，以達到優(yōu)化規(guī)則、降低誤判率的目的。規(guī)則評價統(tǒng)計是針對規(guī)則庫中的通用規(guī)則和自定義規(guī)則，結(jié)合工單反饋的故障原因數(shù)據(jù)、統(tǒng)計規(guī)則研判結(jié)果的正確性和誤判率，以達到分析研判準確性，判斷是否調(diào)優(yōu)異常規(guī)則的目的。

2.2" 消缺模塊設(shè)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(tǒng)結(jié)合處理過的數(shù)據(jù)和檔案信息，對異常研判結(jié)果進行復合擬合異常。異常消缺包含工單消缺和異?；謴?，其中工單消缺是對定位完故障點的異常，經(jīng)由工單中心結(jié)合主站處理、現(xiàn)場處理等多種工單策略進行消缺處理。異?；謴褪抢靡?guī)則模型庫的異?；謴退惴?，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?qū)е驴梢灾苯渔i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(jié)合歷史處理結(jié)果、檔案信息、線損數(shù)據(jù)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(zhì)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(guān)聯(lián)，如裝接工作后發(fā)現(xiàn)的異常，智能診斷為裝接工作質(zhì)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(jié)合自身經(jīng)驗進行定位，以提升異常診斷的精準度。系統(tǒng)無法進行的異常診斷，可由人工查看異常的詳細信息、數(shù)據(jù)對比參考信息、異常處理記錄、相關(guān)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(jié)算發(fā)現(xiàn)某戶電能表電量異常，在相關(guān)性分析中查看電壓電流數(shù)據(jù)，發(fā)現(xiàn)8月29日的C相電壓變成0（異常示警），并持續(xù)至8月30日（異?；謴停?；查看異常處理記錄，發(fā)現(xiàn)29日發(fā)生異常前，系統(tǒng)里沒有裝接作業(yè)工單（智能定位排除裝接原因）；人工查詢其他業(yè)務(wù)流程，發(fā)現(xiàn)30日有換表流程，且換表結(jié)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(fā)工單，形成處理結(jié)果。

生成的異常信息經(jīng)由智能診斷模塊分析疑似故障原因，然后派發(fā)工單去現(xiàn)場處理進行消缺或者終止異常。最后根據(jù)工單中心反饋的處理結(jié)果，對故障判斷規(guī)則進行誤判率分析，為規(guī)則優(yōu)化提供支撐。

2.2.2" 異常消缺

異常生成工單現(xiàn)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(fā)起）以及人工工單（全部異常均可發(fā)起）。工單中心對所有工單進行監(jiān)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(fā)起—主臺處理—現(xiàn)場處理—驗證—歸檔，整個處理過程能針對工單提供告警預(yù)警功能。工單的操作有歸檔、轉(zhuǎn)白名單、終止等。

消缺工單正常處理結(jié)束，可以歸檔?，F(xiàn)場運維人員在無法確認現(xiàn)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?，F(xiàn)場檢查計量裝置并分析后發(fā)現(xiàn)無須操作或者經(jīng)分析后發(fā)現(xiàn)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(shù)據(jù)點的對應(yīng)相的電壓，均大于0.85倍參比電壓。根據(jù)異?；謴退惴?，滿足這個條件則系統(tǒng)自動判恢復異常。

2.3" 專項分析模塊設(shè)計

專項分析模塊設(shè)計從多維度歸集數(shù)據(jù)，生成各類專項需求分析，包含基礎(chǔ)分析、高級分析。基礎(chǔ)分析是計量基礎(chǔ)數(shù)據(jù)的簡單分析，結(jié)合大批歷史數(shù)據(jù)從各維度對計量裝置進行統(tǒng)計評價，為簡單決策提供數(shù)據(jù)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(yè)務(wù)專項分析。

2.3.1" 基礎(chǔ)分析

基礎(chǔ)分析可實現(xiàn)包括異常類型、異常頻發(fā)、異常時長和監(jiān)控指標等在內(nèi)的簡單分析。異常類型是通過多維度（供電單位、統(tǒng)計時間、診斷主題編碼、用戶類型和終端類型等）統(tǒng)計展示各類異常、人工工單的情況，生成異常統(tǒng)計報表，滿足對專項異常的關(guān)注需求，能夠查看對應(yīng)的明細信息以及關(guān)聯(lián)的工單信息。異常頻發(fā)是統(tǒng)計在指定時間內(nèi)發(fā)生次數(shù)達到限制值的異常設(shè)備數(shù)，提高對異常頻發(fā)設(shè)備的關(guān)注。異常頻發(fā)報表可展示詳細信息：供電單位/臺區(qū)、異常類型、電能表類別、電能表類型、設(shè)備總數(shù)和指定頻次內(nèi)設(shè)備數(shù)。異常時長是對異常持續(xù)時間的統(tǒng)計，也就是從異常發(fā)現(xiàn)到消缺完成的過程中，所經(jīng)歷的時長統(tǒng)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(shù)據(jù)支撐。監(jiān)控指標主要按供電單位統(tǒng)計設(shè)備數(shù)、故障設(shè)備數(shù)，并按不同用戶維度展示計量裝置運行數(shù)據(jù)準確率情況，展示數(shù)據(jù)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(xiàn)包括火零線電流巡測、分相反向示值巡測、重點異常監(jiān)測和相量圖錯接線等在內(nèi)的專項分析。

如火零線電流是監(jiān)控火零線電流巡測結(jié)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(shù)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(jié)果解析入庫。11日至13日進行數(shù)據(jù)補采。當天統(tǒng)計火零線電流巡測成功及失敗數(shù)，分析火零線電流不一致情況。巡測結(jié)果形成火零線電流巡測明細。火零線電流異常分析是根據(jù)巡測明細分析火零線電流不一致的電表信息，按周期分析?？梢砸援斣庐惓榛A(chǔ)，比對電表或用戶近3個月或一年的火零線電流巡測結(jié)果并分析火零線是否一致。因火零線不一致的數(shù)量較多，因此巡測結(jié)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(jié)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(jiān)測設(shè)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(jiān)測模型。通過本模型，建立針對分鐘級海量采集數(shù)據(jù)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(shù)據(jù)、評價研判結(jié)果，促進規(guī)則模型持續(xù)優(yōu)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(jié)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(jiān)測系統(tǒng)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(jiān)測技術(shù)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(jiān)測系統(tǒng)研究[J].河北電力技術(shù)，2024，43（1）：41-45.

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

[5] 陳勇.關(guān)于電能計量裝置在線檢測系統(tǒng)的應(yīng)用分析[J].自動化技術(shù)與設(shè)備，2023（2）：44-47.

[6] 王中敏，李振東，王琳，等.基于智能計量系統(tǒng)的配電網(wǎng)監(jiān)測與狀態(tài)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(guān)口電能計量裝置在線校驗及故障診斷采集前置裝置設(shè)計[J].電測與儀表，2017，54（19）：102-106，112.