大數(shù)據(jù)的電力計量裝置故障智能化診斷技術(shù)

金雅珍 王玲

摘要：電力計量是電力日常管理的核心工作之一，它與電能的產(chǎn)生、輸送以及終端消耗均密切相關(guān)。電力計量的準確與否，直接關(guān)系著電力市場能否公平、公正、有序的運營。電力計量裝置發(fā)生故障時，如果依據(jù)傳統(tǒng)的人工方式進行判斷，及操作效率較低，診斷準確性較差。為了解決傳統(tǒng)計量的不足，科研人員基于大數(shù)據(jù)研發(fā)了一種針對電力計量裝置發(fā)生故障時的智能化綜合診斷方法。

關(guān)鍵詞：大數(shù)據(jù);電力計量裝置;故障智能化診斷技術(shù)

一、我國電力計量裝置運行現(xiàn)狀

我國終端數(shù)據(jù)的接入量和采集量呈指數(shù)化增長，根據(jù)可靠數(shù)據(jù)顯示，采集器日均收集數(shù)據(jù)多達29億，高強度不間斷的運營必然為故障的發(fā)生埋下隱患。一旦故障發(fā)生，維護人員的維護工作十分艱難。因此電力公司急需研究出高效的電力計量裝置故障診斷方法，優(yōu)化企業(yè)電力計量監(jiān)控流程，提升電網(wǎng)的運行效率，縮短維護時間和成本。

當(dāng)下，供電企業(yè)應(yīng)用較多的電力計量裝置故障判斷方式主要分為以下三類：利用信號診斷;利用數(shù)據(jù)模型診斷;利用經(jīng)驗進行診斷。但無論上述何種方式，都無法擺脫對操作人員個人經(jīng)驗的依賴，尚不具備人工智能。

近些年我國人工智能診斷技術(shù)發(fā)展迅猛，科研人員不斷將人工診斷技術(shù)應(yīng)用于各行各業(yè)，通過創(chuàng)新型探索，使該技術(shù)不斷貼合人們的需求。在電力企業(yè)日常運營中，采集數(shù)量據(jù)大的數(shù)據(jù)已成為日?；A(chǔ)性工作，但供電企業(yè)工作人員發(fā)現(xiàn)，電力計量終端極其容易出現(xiàn)問題。究其根源在于電力計量裝置采集的數(shù)據(jù)量已遠遠超過50G，傳統(tǒng)的數(shù)據(jù)庫難以匹配其呈指數(shù)化增長的數(shù)據(jù)處理需求，難以在短時間內(nèi)尋找到電力計量終端存在的故障，這就導(dǎo)致其工作效率難以達到客戶的期待，診斷延時的狀況不斷出現(xiàn)。而電力工作人員在尋找引發(fā)電力計量裝置產(chǎn)生故障的原因時，往往都是根據(jù)既往的工作經(jīng)驗，結(jié)合故障現(xiàn)場的表現(xiàn)進行綜合判定，也需要多次嘗試才能找到問題，并昀終解決問題，這種解決方式成本高、效率低，難以適應(yīng)現(xiàn)代化的電力計量裝置故障排除需求。為解決這一問題，利用大數(shù)據(jù)為基礎(chǔ)，研發(fā)出一種新的電力計量裝置故障診斷方式，成為較為可行的解決方案之一。

二、基于大數(shù)據(jù)的電力計量裝置故障診斷方式

基于大數(shù)據(jù)的電力計量裝置故障排除方法總共可分為以下幾個步驟：

首先，需進行系統(tǒng)初始化，建立并完善故障診斷數(shù)據(jù)庫;然后，通過實時監(jiān)控電力計量裝置的運行狀態(tài)，抓取異常數(shù)據(jù)，從而判斷是否存在異常狀態(tài);昀后，對監(jiān)控到的數(shù)據(jù)進行分析研究，判斷是否屬于異常狀態(tài)，并給出解決方案。

（一）建立電力計量裝置故障排除診斷知識庫

在對知識庫進行功能定位時，除了需具備存儲監(jiān)測和診斷數(shù)據(jù)結(jié)果的功能外，還應(yīng)當(dāng)具有刪除、修改和查詢歷史數(shù)據(jù)的功能。與此同時，應(yīng)當(dāng)在數(shù)據(jù)庫中錄入全部已發(fā)現(xiàn)的故障方式，通過日常定期更新和重大問題實時更新的方式，以確保數(shù)據(jù)庫能夠準確的診斷出故障問題。

該知識庫應(yīng)當(dāng)包括異常特征模型以及專家規(guī)則庫兩大部分，前者可細化為建立、修改和刪除三部分，后者同樣可細化為導(dǎo)入、導(dǎo)出和修改三部分。為實現(xiàn)統(tǒng)一管理的目的，該知識庫應(yīng)當(dāng)使用web界面，這樣數(shù)據(jù)庫在收集到電力計量裝置運行狀態(tài)的數(shù)據(jù)后，可以主動與異常經(jīng)營模塊以及專家規(guī)則庫進行比對，以實現(xiàn)對監(jiān)測到的電力計量裝置故障進行分類。

在每次診斷活動中，知識庫都需要根據(jù)收集到的數(shù)據(jù)建立一個與之一致的異常特征模型。由于任何一個異常特征模型，都無法包含全部的異常表現(xiàn)形式，因此，為了該知識庫可以高效的識別出任何一種異常故障特征，工作人員需要對該知識庫進行定期維護。舉個例子，任何一個電力計量裝置故障排除知識庫中，內(nèi)部必將存儲大量的異常特征模型庫，為防止異常特征模型庫的數(shù)據(jù)占比過大，工作人員需要定期清除某些不符合電力計量裝置運行狀態(tài)的異常特征模型庫，而保證數(shù)據(jù)庫擁有足夠的存儲空間。

此外，數(shù)據(jù)庫中應(yīng)當(dāng)詳細的記錄專家規(guī)則，每次運行異常狀態(tài)診斷時，應(yīng)當(dāng)保留好備份，以方便工作人員進行后期查看。鑒于每個專家規(guī)則都擁有自身特定的邏輯，仍然在進行維護時，需定期導(dǎo)出有關(guān)數(shù)據(jù)，并對該知識庫中存儲的邏輯規(guī)則進行豐富。這樣工作人員就能夠通過這些特定的規(guī)則邏輯，找到與之相對應(yīng)的電力計量裝置的異常特征編碼以及針對有關(guān)故障的解決方案。

（二）電力計量裝置故障在線監(jiān)測

電力企業(yè)運維人員可以利用分布式系統(tǒng)hadoop以實現(xiàn)對電力計量裝置的實時監(jiān)測。實施檢測時，重要的工作應(yīng)當(dāng)是確保存儲數(shù)據(jù)的安全。存儲數(shù)據(jù)關(guān)系到整個電力計量裝置能否安全運營，且該數(shù)據(jù)存儲量通常較大，如果該數(shù)據(jù)出現(xiàn)問題，則將導(dǎo)致電力計量裝置癱瘓。

其次，還應(yīng)當(dāng)監(jiān)測數(shù)據(jù)訪問形式。通常情況下，流式數(shù)據(jù)是訪問的常見模式，如果數(shù)據(jù)無法以該模式進行訪問，則通常也可認定電力計量裝置發(fā)生故障。

然后，因為人員還應(yīng)當(dāng)時時關(guān)注計量裝置能否支持運行大文件，以確保計量裝置能夠準確計量出內(nèi)部數(shù)據(jù)。

昀后，應(yīng)當(dāng)增強電力計量裝置數(shù)據(jù)再平衡的能力，當(dāng)監(jiān)測到的數(shù)據(jù)達到一定閾值時，可自動實現(xiàn)數(shù)據(jù)轉(zhuǎn)移。

（三）電力計量裝置故障異常信息診斷

異常信息的出現(xiàn)意味著產(chǎn)生了故障，所以，處理異常信息的過程就是排查計量裝置故障發(fā)生原因的過程。首先我們應(yīng)當(dāng)將監(jiān)測到的數(shù)據(jù)與存儲在數(shù)據(jù)庫中的數(shù)據(jù)進行對比，以明確其是否存在故障。如果存在故障，則接下來需要判斷故障發(fā)生的位置，具體可通過以下三種方式進行排查：其一，判斷計量設(shè)備是否發(fā)生異常;其二，判斷是否為采集設(shè)備發(fā)生異常;其三，判斷是否為用電設(shè)備發(fā)生異常。

結(jié)合本文論題，筆者認為上述三種方式中，首要應(yīng)當(dāng)排查計量裝置是否發(fā)生異常，具體可以檢查電力系統(tǒng)內(nèi)部電壓回路是否正常，電流回路是否正常、電表能否正常運轉(zhuǎn)、時間記錄是否發(fā)生異常以及電壓是否穩(wěn)定。

參考文獻

[1]閆衛(wèi)國 蔣菱 徐青山 電力系統(tǒng)調(diào)控一體化系統(tǒng)及技術(shù)分析[J].電力系統(tǒng)及其自動化學(xué)報，2018.30（2）

[2]李景青.電力計量大數(shù)據(jù)對計量裝置運維的應(yīng)用[J].技術(shù)與市場，2017.24（9）