計(jì)量裝置故障智能診斷技術(shù)的研究與應(yīng)用

符藝超，王聯(lián)智，謝 敏，周吉星，吳海杰，孟 超

(南方電網(wǎng)海南數(shù)字電網(wǎng)研究院有限公司，海南 ?？?570100)

電能計(jì)量是電網(wǎng)企業(yè)營(yíng)銷管理工作的重要組成部分，其核心任務(wù)是確保計(jì)量裝置計(jì)量的準(zhǔn)確和安全可靠。計(jì)量裝置故障將導(dǎo)致用戶計(jì)量出現(xiàn)差錯(cuò)，不僅給電網(wǎng)企業(yè)造成電量損失，也給后續(xù)電量追補(bǔ)帶來一定的難度，甚至?xí)斐捎脩襞c電網(wǎng)產(chǎn)生法律糾紛。因此，如何快速準(zhǔn)確地發(fā)現(xiàn)計(jì)量裝置故障，及時(shí)有效地進(jìn)行故障處理，以確保計(jì)量裝置的準(zhǔn)確可靠正常運(yùn)行，是電網(wǎng)企業(yè)亟待解決的難題[1-4]。

傳統(tǒng)的電能計(jì)量裝置異常發(fā)現(xiàn)途徑最主要有2個(gè)：①通過開展用電檢查工作，對(duì)電能計(jì)量裝置進(jìn)行現(xiàn)場(chǎng)校驗(yàn)；②通過計(jì)量自動(dòng)化系統(tǒng)電能計(jì)量裝置采集數(shù)據(jù)進(jìn)行數(shù)據(jù)分析[5-8]。這2種方式局限于校驗(yàn)周期長(zhǎng)以及工作人員業(yè)務(wù)水平參差不齊，且耗費(fèi)時(shí)間長(zhǎng)，工作人員無法及時(shí)發(fā)現(xiàn)電能計(jì)量裝置故障。為避免電能計(jì)量裝置故障的發(fā)生，減小用戶和電網(wǎng)企業(yè)的損失，必須將傳統(tǒng)的計(jì)量裝置“人工運(yùn)維”方式逐步轉(zhuǎn)變?yōu)椤爸悄苓\(yùn)維”方式，提高用電檢查的效率，縮減故障發(fā)現(xiàn)的時(shí)間，實(shí)現(xiàn)計(jì)量故障的智能診斷[9-12]。

1 智能故障診斷技術(shù)

本文主要利用計(jì)量自動(dòng)化系統(tǒng)所采集的電能量數(shù)據(jù)，在進(jìn)行數(shù)據(jù)清洗后對(duì)計(jì)量故障中常見的失壓、失流和電流不平衡故障類型的數(shù)據(jù)展開大數(shù)據(jù)分析，利用數(shù)據(jù)挖掘算法及故障規(guī)則對(duì)相應(yīng)的故障類型進(jìn)行異常研究和判斷，再根據(jù)不同的故障類型，構(gòu)建不同診斷模型，最后實(shí)現(xiàn)計(jì)量故障的遠(yuǎn)程診斷。智能故障診斷流程如圖1所示。

圖1 故障智能診斷流程Fig.1 Flow chart of intelligent fault diagnosis

1.1 計(jì)量故障的常見表現(xiàn)

電力計(jì)量裝置出現(xiàn)不同類型的故障，故障異常判斷方法及檢測(cè)方法也會(huì)存在差異。就本文來說，主要通過失壓、失流、電流不平衡3種故障類型展開分析。計(jì)量用戶電流、電壓互感器在運(yùn)行過程中，由于長(zhǎng)時(shí)間超負(fù)荷、保險(xiǎn)絲熔斷、線路老化、線路短路、互感器極性接觸不良、電壓電流線接觸不良、接線端子接觸不良或銹化、用戶用電不平衡等問題，將導(dǎo)致裝置出現(xiàn)失壓、失流、電流不平衡的情況[13-15]。為此，可通過計(jì)量自動(dòng)化系統(tǒng)對(duì)此故障類型實(shí)時(shí)數(shù)據(jù)進(jìn)行采集、深度分析。

1.2 計(jì)量故障判斷

在對(duì)3種不同故障類型的實(shí)時(shí)數(shù)據(jù)進(jìn)行校驗(yàn)后，有選擇性地抽取部分故障測(cè)量點(diǎn)與正常測(cè)量點(diǎn)的檔案信息及負(fù)荷數(shù)據(jù)，審視正常測(cè)量點(diǎn)與失壓、失流和電流不平衡不同類型的故障測(cè)量點(diǎn)數(shù)據(jù)分布特征與分布類型，利用數(shù)據(jù)挖掘算法及故障規(guī)則，對(duì)相應(yīng)的故障類型進(jìn)行異常研究和判斷[16-21]。

1.3 專家?guī)鞓?gòu)建

針對(duì)不同故障類型，運(yùn)用數(shù)據(jù)挖掘分析算法、充足的故障條件模擬及反復(fù)的對(duì)比驗(yàn)證、專家分析評(píng)價(jià)參數(shù)以及計(jì)算公式得出最優(yōu)的模型，并寫入專家?guī)熘?。專家?guī)旌w了專家診斷的經(jīng)驗(yàn)及層層篩選后的不同類型故障模型，可以對(duì)模型數(shù)據(jù)進(jìn)行一系列分類，能夠以專家的推理方法、思考模式站在專業(yè)的角度準(zhǔn)確識(shí)別計(jì)量故障，有助于計(jì)量智能診斷功能的完善，確保診斷結(jié)果的可靠性。專家?guī)鞓?gòu)建流程如圖2所示。

圖2 專家?guī)鞓?gòu)建流程Fig.2 Flow chart of expert database construction

(1)提取不同故障類型所需要的數(shù)據(jù)，進(jìn)行初步的數(shù)據(jù)清洗，剔除采集失敗數(shù)據(jù)。

(2)確定故障類型并進(jìn)一步進(jìn)行數(shù)據(jù)清洗。結(jié)合實(shí)際情況，剔除在該故障類型中無效的數(shù)據(jù)。以失壓為例：只需要三相三線、三相四線的數(shù)據(jù)，剔除單相的數(shù)據(jù)。

(3)通過數(shù)據(jù)分析得到該異常數(shù)據(jù)所呈現(xiàn)的規(guī)律，運(yùn)用充足的故障條件模擬及反復(fù)的對(duì)比驗(yàn)證、專家分析評(píng)價(jià)參數(shù)以及計(jì)算公式得出異常規(guī)則。以失壓為例：經(jīng)分析可以發(fā)現(xiàn)，裝置失壓的數(shù)據(jù)會(huì)呈現(xiàn)電壓與額定電壓的比值偏低，而電流與額定電流的比值在正常范圍，從而通過專家分析，確立電壓、電流、持續(xù)時(shí)長(zhǎng)和當(dāng)天異常記錄所對(duì)應(yīng)的參數(shù)，當(dāng)其電壓、電流、持續(xù)時(shí)長(zhǎng)、異常記錄滿足對(duì)應(yīng)參數(shù)條件時(shí)，判斷該計(jì)量裝置發(fā)生失壓故障。

(4)根據(jù)異常規(guī)則建立異常規(guī)則算法，將該異常的數(shù)據(jù)預(yù)處理和異常規(guī)則算法封裝為異常模型，并導(dǎo)入專家?guī)臁?/p>

1.4 基于遺傳算法的參數(shù)優(yōu)化

遺傳算法是模擬生物在自然環(huán)境中的遺傳和進(jìn)化進(jìn)程而形成的一種自適應(yīng)全局優(yōu)化概率搜索算法。其基本思想是，將待求解問題轉(zhuǎn)換成由個(gè)體組成的演化群體，經(jīng)歷生成—評(píng)價(jià)—選擇操作的演化過程，反復(fù)進(jìn)行選擇、交叉、變異，直到搜索到最優(yōu)解[22-23]。

本文所建立的專家?guī)熘械漠惓ＤＰ鸵蕾嚾斯ぶ贫ǔ跏奸撝?，主觀因素較大，可能會(huì)導(dǎo)致模型并不是最優(yōu)模型。本文提出一種基于遺傳算法的參數(shù)優(yōu)化，由初始參數(shù)出發(fā)，以準(zhǔn)確率為適應(yīng)度函數(shù)，通過遺傳算法尋找最優(yōu)參數(shù)。算法實(shí)現(xiàn)步驟：①初始化控制參數(shù)、種群規(guī)模、遺傳代數(shù)、變異概率等參數(shù)以及尋優(yōu)范圍；②判斷參數(shù)因子是否超過尋優(yōu)范圍，并對(duì)超過范圍的進(jìn)行調(diào)整；③利用初始參數(shù)引導(dǎo)種群的生成，并計(jì)算適應(yīng)度函數(shù)；④判斷適應(yīng)度或迭代次數(shù)是否滿足閾值，滿足則輸出尋優(yōu)結(jié)果；⑤進(jìn)行選擇、交叉、變異等操作；⑥根據(jù)適應(yīng)度進(jìn)行個(gè)體排序，將適應(yīng)度高的個(gè)體替換掉上一代個(gè)體，并進(jìn)入步驟④。

本文采用構(gòu)建專家?guī)斓氖簲?shù)據(jù)和個(gè)體參數(shù)作為初始參數(shù)，種群規(guī)模為10，尋優(yōu)范圍為初始參數(shù)上下浮動(dòng)的20%，如圖3所示，在迭代到50步時(shí)，適應(yīng)度趨于平穩(wěn)，取迭代步數(shù)為50作為停止條件，代入遺傳算法，得到適應(yīng)度為0.956 3，代表模型準(zhǔn)確率95.63%，與初始參數(shù)為92.06%相比，模型的準(zhǔn)確率得到了提高，最后輸出個(gè)體結(jié)果，將該個(gè)體參數(shù)替換失壓模型的初始參數(shù)，并存入專家?guī)熘小?shù)優(yōu)化結(jié)果見表1。

圖3 適應(yīng)度變化趨勢(shì)Fig.3 Fitness trend chart

表1 參數(shù)優(yōu)化結(jié)果Tab.1 Parameter optimization results

1.5 模型評(píng)估

以失壓、失流、電流不平衡3種故障類型展開分析(表2)，可見專家?guī)炜梢杂行У刈R(shí)別異常，均達(dá)到90%以上。經(jīng)過遺傳算法優(yōu)化參數(shù)后，模型的準(zhǔn)確率得到進(jìn)一步提升，在誤差允許的范圍內(nèi)，可以極大地縮短人工檢測(cè)所需要的時(shí)間，完成人工檢測(cè)到智能檢測(cè)的轉(zhuǎn)變。

2 智能檢測(cè)

計(jì)量裝置出現(xiàn)故障會(huì)使計(jì)量數(shù)據(jù)發(fā)生異常，計(jì)量裝置故障智能診斷技術(shù)就是通過一系列的計(jì)量故障診斷規(guī)則模型構(gòu)建專家?guī)?，基于專家?guī)鞂?duì)每日的計(jì)量數(shù)據(jù)進(jìn)行檢測(cè)，實(shí)現(xiàn)對(duì)故障的智能化診斷及計(jì)量裝置的動(dòng)態(tài)監(jiān)測(cè)。其最大的特點(diǎn)是計(jì)量裝置設(shè)備與計(jì)量主站設(shè)備在空間上處于分隔的狀態(tài)，利用信息化提前實(shí)現(xiàn)了遠(yuǎn)程故障檢測(cè)。

表2 優(yōu)化比對(duì)Tab.2 Optimization comparison %

基于專家?guī)斓闹悄軝z測(cè)技術(shù)，通過計(jì)量自動(dòng)化系統(tǒng)采集表碼、電壓、電流、功率等數(shù)據(jù)，經(jīng)過初步預(yù)處理后完成數(shù)據(jù)的提取、數(shù)據(jù)庫(kù)數(shù)據(jù)格式向?qū)＜規(guī)焖钄?shù)據(jù)格式轉(zhuǎn)換的工作，然后從專家?guī)熘刑崛∮?jì)量智能診斷模型，按照不同的模型傳入其所需的數(shù)據(jù)，根據(jù)專家?guī)煲延心Ｐ屯瓿捎?jì)量裝置的異常檢測(cè)，最后利用計(jì)量故障在線診斷完成診斷結(jié)果的可視化?；趯＜?guī)斓闹悄軝z測(cè)流程如圖4所示。

圖4 基于專家?guī)斓闹悄軝z測(cè)流程Fig.4 Intelligent detection flow chart based on expert database

3 應(yīng)用效果

陵水供電局2020年6月通過計(jì)量裝置異常發(fā)現(xiàn)陵水椰林北斗花園路千島商務(wù)大酒店告警電流異常343次，經(jīng)計(jì)量人員現(xiàn)場(chǎng)查明，證實(shí)A相二次電流存在開路導(dǎo)致實(shí)際抄表少計(jì)用戶電量，故追補(bǔ)2019年6月4日至2020年6月4日少計(jì)電量，共追補(bǔ)41 320 kWh。中電科海洋信息技術(shù)研究院有限公司告警電流異常12次，經(jīng)現(xiàn)場(chǎng)查明，證實(shí)A相電流接地線接錯(cuò)導(dǎo)致電流不平衡，追補(bǔ)223 820 kWh。海南魯宏祥達(dá)實(shí)業(yè)有限公司5月、6月告警電壓異常8次，經(jīng)計(jì)量人員現(xiàn)場(chǎng)查明，證實(shí)B相失壓，但因7月開始電壓已恢復(fù)正常，用戶不愿追補(bǔ)，目前正在協(xié)商。

很明顯，在計(jì)量故障智能診斷平臺(tái)的實(shí)時(shí)檢測(cè)下，工作人員可以較為及時(shí)地發(fā)現(xiàn)計(jì)量故障問題，就出現(xiàn)的問題尋找正確的解決措施。在該功能模塊的幫助下，電量或電費(fèi)追補(bǔ)工作可以以合理的方式開展，計(jì)算過程也具有說服力，可以減少電網(wǎng)企業(yè)與用電客戶之間的矛盾。

4 結(jié)語(yǔ)

總的來說，計(jì)量自動(dòng)化系統(tǒng)建設(shè)的不斷加快及改造，大大提高了電網(wǎng)的運(yùn)行效率及信息化應(yīng)用水平。但計(jì)量設(shè)備故障在線診斷技術(shù)目前未在海南電網(wǎng)加以應(yīng)用，整體而言這項(xiàng)技術(shù)屬于初級(jí)階段，鑒于電力系統(tǒng)的復(fù)雜性以及運(yùn)行方式的多樣性及故障類型的不確定性，在應(yīng)用計(jì)量設(shè)備故障在線診斷技術(shù)的基礎(chǔ)上，能夠不斷加強(qiáng)計(jì)量裝置設(shè)備管理，并根據(jù)自身實(shí)際情況及需求進(jìn)行合理應(yīng)用，從而能夠更好地實(shí)現(xiàn)遠(yuǎn)程設(shè)備在線檢測(cè)及設(shè)備故障診斷，減輕工作人員的工作量，提高工作人員工作效率及電力企業(yè)管理水平，加速電力企業(yè)發(fā)展。