電能計(jì)量裝置異常狀態(tài)監(jiān)測方法研究

劉衛(wèi)新,胡春華

(1.國網(wǎng)新疆電力有限公司電力科學(xué)研究院,新疆 烏魯木齊 830000;2.煙臺東方威思頓電氣有限公司,山東 煙臺 264000)

0 引言

電能計(jì)量裝置是電力系統(tǒng)中的重要組成部分,用于對電能進(jìn)行測量和監(jiān)測,并為電力管理和經(jīng)濟(jì)統(tǒng)計(jì)提供準(zhǔn)確的電能數(shù)據(jù)。因此,保證電能計(jì)量裝置的正常運(yùn)行對于電力系統(tǒng)的安全、穩(wěn)定和可靠運(yùn)行具有重要意義。然而,電能計(jì)量裝置長期存在老化、損耗和外界干擾等問題。這些問題會導(dǎo)致計(jì)量精度下降、誤差增大、數(shù)據(jù)異常等,嚴(yán)重影響電能數(shù)據(jù)的準(zhǔn)確性。因此,對電能計(jì)量裝置的異常狀態(tài)進(jìn)行監(jiān)測并及時(shí)發(fā)現(xiàn)和處理異常,具有重要的研究意義和實(shí)際價(jià)值[1]。

為了掌握電力系統(tǒng)實(shí)時(shí)運(yùn)行狀態(tài)、獲取更精確的電能計(jì)量數(shù)據(jù),相關(guān)學(xué)者開展了研究。于海波等[2]通過有效值主元分析法采集電能計(jì)量裝置經(jīng)二次信號回波后的互感器剩余統(tǒng)計(jì)量,并視該統(tǒng)計(jì)量為計(jì)量狀態(tài)檢測和異常參數(shù)定位的訓(xùn)練樣本,將其輸入降噪模型進(jìn)行優(yōu)化。經(jīng)過優(yōu)化的統(tǒng)計(jì)量在實(shí)際工況下的計(jì)量誤差更大,因而可將經(jīng)過優(yōu)化的統(tǒng)計(jì)量輸入支持向量機(jī)中,以實(shí)現(xiàn)電能計(jì)量裝置狀態(tài)監(jiān)測。但檢測信號容易受到電壓影響,導(dǎo)致電能計(jì)量裝置檢測狀態(tài)不穩(wěn)定。王海元等[3]通過建立互感器等效電路模型,分析二次回路負(fù)荷對電能計(jì)量裝置誤差的影響,并在此基礎(chǔ)上,結(jié)合部分關(guān)口計(jì)量裝置實(shí)際與額定二次負(fù)載數(shù)據(jù),定量分析二次回路負(fù)荷偏低導(dǎo)致的計(jì)量誤差變化情況。但該方法會對計(jì)量裝置產(chǎn)生運(yùn)行不穩(wěn)定的影響。于冰等[4]通過協(xié)議適配方案設(shè)計(jì)針對電能計(jì)量裝置的在線監(jiān)測程序,以此獲取智能制造模式下電能計(jì)量裝置的電能表誤差、電流互感器運(yùn)行誤差以及二次回路誤差。通過在監(jiān)測程序中添加一項(xiàng)監(jiān)控識別準(zhǔn)確率較高的門限故障警示信號,可以實(shí)現(xiàn)電能計(jì)量裝置狀態(tài)監(jiān)測。但該方法添加的信號強(qiáng)度波動性大,導(dǎo)致電能計(jì)量裝置監(jiān)測數(shù)據(jù)擬合難度較大。

電能計(jì)量裝置狀態(tài)指標(biāo)數(shù)據(jù)受功率譜諧波震顫強(qiáng)度影響,導(dǎo)致指標(biāo)數(shù)據(jù)呈現(xiàn)高度混沌狀態(tài),使數(shù)據(jù)的聚類性能存在缺陷。為此,本文提出基于改進(jìn)聚類分析的電能計(jì)量裝置異常狀態(tài)監(jiān)測方法。該方法通過改進(jìn)聚類分析算法聚類電能計(jì)量裝置狀態(tài)指標(biāo)數(shù)據(jù),實(shí)現(xiàn)電能計(jì)量裝置狀態(tài)監(jiān)測。

1 裝置狀態(tài)關(guān)鍵評估參數(shù)體系構(gòu)建

使用金屬元素進(jìn)行鍍層,一方面可以提高電能計(jì)量裝置插件的測量精度,另一方面間接降低了計(jì)量專用回路的電流和電壓額度。電能計(jì)量裝置具有兩面性,即在使用電能計(jì)量裝置進(jìn)行電能計(jì)量的同時(shí),也可以通過裝置的狀態(tài)監(jiān)測功能來監(jiān)測電力系統(tǒng)的狀態(tài)?？紤]到電能計(jì)量裝置的兩面性,在構(gòu)建電能計(jì)量裝置狀態(tài)評估體系時(shí),需要將評估電能計(jì)量裝置狀態(tài)的指標(biāo)細(xì)分為技術(shù)指標(biāo)和參數(shù)指標(biāo)。其中,技術(shù)指標(biāo)是評價(jià)電能計(jì)量裝置各部件健康狀態(tài)的層次化指標(biāo)。參數(shù)指標(biāo)對應(yīng)于技術(shù)指標(biāo),是各部件受干擾后產(chǎn)生的負(fù)荷電流、負(fù)荷電壓、功率因素或頻率波動等量化指標(biāo)。本文忽略電路工況和電網(wǎng)環(huán)境帶來的諧波影響,僅將電能計(jì)量裝置在現(xiàn)場校驗(yàn)時(shí)間段內(nèi)的負(fù)荷瞬變表現(xiàn)視為狀態(tài)監(jiān)測重心,根據(jù)當(dāng)下電能計(jì)量裝置的運(yùn)行特性,深入分析與電能計(jì)量裝置狀態(tài)密切相關(guān)的技術(shù)指標(biāo)和參數(shù)指標(biāo)。

1.1 電流、電壓互感器指標(biāo)參數(shù)選取

電能計(jì)量裝置測量回路包括電壓互感器和電流互感器。電壓互感器由磁通密度高、電氣接觸良好的標(biāo)準(zhǔn)緊固件組成,在裝置中起到輸送電壓、輔助配置的作用。電流互感器由靜電放電頻率較高的硬質(zhì)多股絞合線路組成,在裝置中起到輸送電流、分隔進(jìn)線室和出線室的作用。

電流、電壓互感器拓?fù)浣Y(jié)構(gòu)和線路結(jié)構(gòu)如圖1所示。

圖1 電流、電壓互感器拓?fù)浣Y(jié)構(gòu)和線路結(jié)構(gòu)

正常情況下,電流、電壓互感器具有一定的載流能力,使互感器測量回路一組繞組和二次負(fù)載產(chǎn)生的綜合負(fù)荷始終維持在負(fù)荷點(diǎn)以內(nèi)。但當(dāng)電流、電壓互感器存在缺陷時(shí),互感器載流會產(chǎn)生異常[5]。當(dāng)綜合負(fù)荷失去低負(fù)荷點(diǎn)支撐,電能計(jì)量裝置會在幾分鐘甚至幾秒內(nèi)出現(xiàn)數(shù)倍的電流和電壓負(fù)荷,使電能計(jì)量裝置故障。此時(shí),電能計(jì)量裝置載流量異常,處于重點(diǎn)監(jiān)測階段。由此可見,電流、電壓互感器缺陷具有評價(jià)電能計(jì)量裝置狀態(tài)的價(jià)值,屬于技術(shù)指標(biāo)。與其對應(yīng)的參數(shù)指標(biāo)為載流量。載流量P為:

(1)

式中:mx為裝置倍率;my為缺陷程度量化結(jié)果,%;u為互感器機(jī)械強(qiáng)度,MPa。

1.2 電能表缺陷指標(biāo)參數(shù)選取

電能表[6-7]作為結(jié)合了現(xiàn)場實(shí)測電磁波數(shù)據(jù)和實(shí)時(shí)監(jiān)測狀態(tài)量數(shù)據(jù)的電子式合成波電能專用器件,在電能計(jì)量裝置中起到記錄功率譜諧波的作用。當(dāng)電能表復(fù)位不及時(shí)或反復(fù)死機(jī)導(dǎo)致電能表缺陷時(shí),電能計(jì)量裝置喪失電磁輻射能力。電磁場干擾將加重功率譜諧波震顫強(qiáng)度,造成電能計(jì)量裝置數(shù)據(jù)紊亂。由此可見,電能表缺陷具有評價(jià)電能計(jì)量裝置狀態(tài)的價(jià)值,屬于技術(shù)指標(biāo)。與其對應(yīng)的參數(shù)指標(biāo)為功率譜諧波震顫強(qiáng)度。功率譜諧波震顫強(qiáng)度L為:

(2)

式中:θj為電能表卡內(nèi)數(shù)據(jù);j為每輪迭代誤差平方最小的子簇,j∈N+為正整數(shù);a為電能表電源量;b為功率因數(shù)。

1.3 二次回路缺陷指標(biāo)參數(shù)選取

二次回路由互感器二次端子、刀閘、端子間電纜和端子間電阻共同組成。電能計(jì)量裝置現(xiàn)場運(yùn)行對二次回路的要求較為嚴(yán)苛,需要同時(shí)滿足環(huán)境濕度適宜、線纜連接不松動或脫落等多項(xiàng)標(biāo)準(zhǔn)限值。因此,現(xiàn)場運(yùn)行條件下的二次回路常以合理組合配對的形式增加限值完成度。但這種形式必須承擔(dān)二次回路總電阻忽高忽低的風(fēng)險(xiǎn)。當(dāng)產(chǎn)生二次回路缺陷時(shí),電能計(jì)量裝置無法通過接點(diǎn)電阻連通各部件?？傠娮璩掷m(xù)增大,迫使電能計(jì)量裝置多項(xiàng)狀態(tài)量超出標(biāo)準(zhǔn)限值。因此,二次回路缺陷具有評價(jià)電能計(jì)量裝置狀態(tài)的價(jià)值,屬于技術(shù)指標(biāo)。與其對應(yīng)的參數(shù)指標(biāo)為總電阻。

總電阻G為:

(3)

式中:h為導(dǎo)線橫截面積,mm2;δij為導(dǎo)線封閉性,%;c為二次導(dǎo)線的長度,m;i為簇中心標(biāo)識,i∈N+為正整數(shù)。

2 電能計(jì)量裝置狀態(tài)監(jiān)測方法的設(shè)計(jì)

2.1 數(shù)據(jù)多變量相空間重構(gòu)

本節(jié)將第1節(jié)提出的電流/電壓互感器指標(biāo)參數(shù)、電能表缺陷指標(biāo)參數(shù)、二次回路缺陷指標(biāo)參數(shù)視為待采數(shù)據(jù),以挖掘兼具時(shí)效性和合理性的電能計(jì)量裝置參數(shù)指標(biāo)。參數(shù)指標(biāo)的挖掘結(jié)果H為:

(4)

式中:qi為分布概率,%;τ為時(shí)間延遲,ms;φ為多維混沌程度,%;yn為關(guān)聯(lián)維數(shù),維。

經(jīng)過挖掘的參數(shù)指標(biāo)由于存在無規(guī)則非周期的多維混沌特性,尚不能作為訓(xùn)練樣本輸入聚類算法中。想要獲取精確度更高的監(jiān)測結(jié)果,需要在特征向量聚類前,優(yōu)先將關(guān)聯(lián)維數(shù)和復(fù)雜度高的參數(shù)指標(biāo)轉(zhuǎn)化為有序連續(xù)型數(shù)據(jù),以降低初始數(shù)據(jù)維數(shù)、簡化數(shù)據(jù)運(yùn)算體量。

多變量相空間重構(gòu)[8]作為適用于智能通信技術(shù)和計(jì)算機(jī)處理相關(guān)技術(shù)的多維數(shù)據(jù)降維方法,主要通過重構(gòu)無規(guī)則非周期序列,延長空間內(nèi)任意時(shí)間點(diǎn)到鄰近時(shí)間點(diǎn)的距離,以達(dá)到交互虛假鄰點(diǎn)、優(yōu)化空間內(nèi)高維數(shù)據(jù)稀疏度并輸出嵌入維數(shù)最佳的樣本數(shù)據(jù)的目的。本文將參數(shù)指標(biāo)與多變量相空間重構(gòu)結(jié)合,可以在不改變數(shù)據(jù)從屬與類別映射關(guān)系的前提下,實(shí)現(xiàn)參數(shù)指標(biāo)的有效降維。參數(shù)指標(biāo)多維混沌特性函數(shù)M的表達(dá)式如式(5)所示。

(5)

式中:a′為樣本個數(shù),個;z為經(jīng)驗(yàn)條件熵;xn為缺失值;xn+1為信息增益比。

多變量相空間重構(gòu)結(jié)果Z為:

Z=gm+γU

(6)

式中:gm為鄰接數(shù)據(jù)之間的曼哈頓距離;γ為重構(gòu)序列間隔;U為交互信息量。

經(jīng)過多變量相空間重構(gòu)的參數(shù)指標(biāo),在維度適配性上較為優(yōu)越。想要通過聚類的方式實(shí)現(xiàn)電能計(jì)量裝置狀態(tài)監(jiān)測,則需要在優(yōu)化參數(shù)指標(biāo)的基礎(chǔ)上提取互感器載流量、功率譜諧波震顫強(qiáng)度和總電阻的特征向量。從宏觀視角來看,特征向量指數(shù)據(jù)中最具識別特性的從屬值。其提取方法并不局限于單一內(nèi)容,而是隨樣本數(shù)據(jù)的變化而變化。由于電流、電壓互感器指標(biāo)參數(shù)和電能表缺陷指標(biāo)參數(shù)以及二次回路缺陷指標(biāo)參數(shù)均屬于電能計(jì)量裝置參數(shù)指標(biāo),因此這個參數(shù)特征向量在提取方式上較為統(tǒng)一。通過計(jì)算數(shù)據(jù)任意邊緣點(diǎn)與中心點(diǎn)間的距離,搜索兩點(diǎn)間凝聚力最大的子集,以確定最優(yōu)特征與最優(yōu)分割點(diǎn),從而實(shí)現(xiàn)從屬值即特征向量的提取。邊緣點(diǎn)與中心點(diǎn)間的距離K為:

(7)

式中:λ為遞歸調(diào)用系數(shù);s為計(jì)量管控水平。

(8)

式中:fik為三相電壓測量值誤差,V;fjk為電能表有功誤差。

2.2 改進(jìn)聚類分析算法

聚類分析按度量模式具體分為K-Means聚類、均值漂移聚類、最大期望(expectation maximization,EM)算法等。在眾多聚類算法中,K-Means聚類[9]以其較為優(yōu)越的深層信息剖析能力和計(jì)量自動化能力,常用于電力電子器件的狀態(tài)監(jiān)測工作中。

K-Means聚類流程如圖2所示。

圖2 K-Means聚類流程圖

由圖2可知,將參數(shù)指標(biāo)的特征向量作為訓(xùn)練樣本與K-Means聚類結(jié)合后,算法通過選擇聚類中心[10]、計(jì)算特征向量與聚類中心距離,以實(shí)現(xiàn)特征向量的簇族分類。K-Means聚類過程為:

(9)

式中:dij為聚類中心的個數(shù),個;i×j為簇族中心距離。

為了進(jìn)一步提升K-Means聚類效率,本文引入蟻群算法優(yōu)化聚類算法[11],利用該算法的數(shù)據(jù)獲取、處理、分析環(huán)節(jié),明確簇族分類之間的關(guān)聯(lián)程度。具體改進(jìn)步驟如下。

①輸入電能計(jì)量裝置狀態(tài)監(jiān)測任務(wù)隊(duì)列。

我感到老婆的雙手一片冰涼，從她的體溫中，在她的眼神里，我感覺到了她對我的關(guān)愛，我還有什么理由拒絕她呢？更何況，聽說氣管里長東西，我的心也提到了嗓子眼，也更加傾向于在哈爾濱做。

②任務(wù)參數(shù)化。

③定義蟻群算法的相關(guān)參數(shù)。

④種群初始化。

⑤將相關(guān)參數(shù)代入到目標(biāo)函數(shù)中,定義相似度參數(shù),并計(jì)算數(shù)據(jù)撿拾和遺棄概率。

在觀察不同路徑的周圍區(qū)域時(shí),本文通過蟻群優(yōu)化聚類算法建立一個捕獲位置節(jié)點(diǎn),在周圍網(wǎng)格區(qū)域中獲取最優(yōu)路徑,得到最優(yōu)相似度參數(shù)。本文假設(shè)螞蟻在t0時(shí)刻的所處位置為d。本文對具有相似特征數(shù)據(jù)的路徑進(jìn)行串聯(lián),得到的相似度結(jié)果如式(10)所示。

(10)

式中:ω為相似數(shù)值;L為歐幾里得距離函數(shù)。

根據(jù)式(10),可得對影響因素的撿拾概率p1和遺棄概率p2為:

(11)

式中:λ1為淺層影響數(shù)據(jù)之間的關(guān)聯(lián)程度;λ2為深層影響數(shù)據(jù)之間的關(guān)聯(lián)程度。

⑥從大到小排列相似度值,并保留最大的個體為算法的最優(yōu)個體。

⑦結(jié)合最優(yōu)個體的相似度更新信息素矩陣并獲取轉(zhuǎn)移概率化解矩陣,以推動群體向最優(yōu)路徑移動,并剔除對電能計(jì)量裝置狀態(tài)監(jiān)測沒有幫助的其他因素。

⑧判斷是否滿足結(jié)束條件。若滿足結(jié)束條件,則輸出求解結(jié)果;否則,回到步驟⑤。

根據(jù)上述求解結(jié)果,可以判斷電能計(jì)量裝置各項(xiàng)參數(shù)指標(biāo)的劣化程度,實(shí)現(xiàn)電能計(jì)量裝置狀態(tài)監(jiān)測。

3 試驗(yàn)與結(jié)果

3.1 試驗(yàn)設(shè)置

為了驗(yàn)證改進(jìn)聚類分析的電能計(jì)量裝置狀態(tài)監(jiān)測的整體有效性,需進(jìn)行試驗(yàn)。

試驗(yàn)場景如圖3所示。

圖3 試驗(yàn)場景

試驗(yàn)使用的電能計(jì)量裝置型號為CPMT-1600。該裝置相關(guān)參數(shù)如下:電壓測量精度為0.05%RD;電流測量精度為0.02%RD;電能測量精度為0.05%(10～1 000 V,1～300 A);輸出電能脈沖最高頻率為100 kHz;輸入電能脈沖頻率不大于500 Hz;電平為0～5 V。

電壓電平波形如圖4所示。

圖4 電壓電平波形

本文利用監(jiān)視器(示波器)輸出電能計(jì)量裝置運(yùn)行過程中產(chǎn)生的電壓電平波動情況,并以此為依據(jù)進(jìn)行試驗(yàn)。

3.2 結(jié)果分析

①箱型圖。

箱型圖又稱盒須圖或者箱線圖,由多組近似箱盒的四邊體組成。由于箱盒包括上界、下四分位線和下界,因此常作為限定標(biāo)準(zhǔn)以識別分散數(shù)據(jù)的異常情況。本文分別采用所提方法、文獻(xiàn)[2]方法和文獻(xiàn)[3]方法監(jiān)測一年內(nèi)電能計(jì)量裝置狀態(tài)。通過對比不同方法的監(jiān)測結(jié)果,可以判斷不同方法對電能計(jì)量裝置狀態(tài)的監(jiān)測性能。

不同方法的監(jiān)測結(jié)果如圖5所示。

圖5 不同方法的監(jiān)測結(jié)果

由圖5可知,大于或小于箱盒設(shè)定的上下界的數(shù)值即為異常值。采用所提方法監(jiān)測電能計(jì)量裝置狀態(tài),其異常值檢出率較高,說明所提方法的監(jiān)測性能較強(qiáng)。這是因?yàn)樗岱椒ㄔ诒O(jiān)測電能計(jì)量裝置狀態(tài)前,優(yōu)先構(gòu)建電能計(jì)量裝置狀態(tài)評估體系,深入分析與電能計(jì)量裝置狀態(tài)密切相關(guān)的技術(shù)指標(biāo)與參數(shù)指標(biāo),并以此為基礎(chǔ)確定數(shù)據(jù)挖掘?qū)ο?。采用文獻(xiàn)[2]方法和文獻(xiàn)[3]方法監(jiān)測電能計(jì)量裝置狀態(tài)的異常值的檢出率較低。這說明文獻(xiàn)[2]方法和文獻(xiàn)[3]方法的監(jiān)測性能較差。經(jīng)上述對比可知,所提方法對電能計(jì)量裝置狀態(tài)的監(jiān)測性能明顯優(yōu)于傳統(tǒng)方法。

②回歸圖。

回歸技術(shù)常用于驗(yàn)證預(yù)測算法的準(zhǔn)確性。為了進(jìn)一步驗(yàn)證所提方法的實(shí)用性,試驗(yàn)分別采用所提方法、文獻(xiàn)[2]方法和文獻(xiàn)[3]方法監(jiān)測電能計(jì)量裝置狀態(tài),并視不同方法監(jiān)測到的正常值、異常值和預(yù)警值為預(yù)測值。試驗(yàn)利用回歸方程將各預(yù)測值映射至三維空間,以觀察預(yù)測值與回歸平面的位置關(guān)系。若預(yù)測值排列在回歸平面上,則說明預(yù)測值與實(shí)際值的擬合率高。若預(yù)測值散亂地分布在回歸平面的四周,則說明預(yù)測值與實(shí)際值背離。回歸方程為:

A=β×κ

(12)

式中:A為預(yù)測值和實(shí)際值在回歸平面中的位置;β為預(yù)測值;κ為實(shí)際值。

不同方法的回歸圖如圖6所示。

圖6中,X、Y和Z為自變量、因變量和影響因素的取值。本文參考圖6中預(yù)測值與實(shí)際值的擬合率,在兩百臺樣本量下計(jì)算經(jīng)不同方法監(jiān)測所獲取的正常值、異常值和預(yù)警值的準(zhǔn)確率。其中:所提方法的異常值、正常值和預(yù)警值分別為98%、100%和96%;文獻(xiàn)[2]方法的異常值、正常值和預(yù)警值分別為78%、89%和77%;文獻(xiàn)[3]方法的異常值、正常值和預(yù)警值分別為86%、91%和83%。因此,所提方法下各項(xiàng)預(yù)測值與實(shí)際值的擬合率和準(zhǔn)確率較高,說明所提方法監(jiān)測到的電能計(jì)量裝置狀態(tài)貼近實(shí)際工況。文獻(xiàn)[2]方法和文獻(xiàn)[3]方法下各項(xiàng)預(yù)測值與實(shí)際值的擬合率和準(zhǔn)確率較低,說明文獻(xiàn)[2]方法和文獻(xiàn)[3]方法監(jiān)測到的電能計(jì)量裝置狀態(tài)脫離實(shí)際工況。上述對比進(jìn)一步驗(yàn)證了所提方法的實(shí)用性。

4 結(jié)論

為了保證電能計(jì)量裝置在任意工況環(huán)境下都能輸出可靠數(shù)據(jù),本文提出了基于蟻群算法改進(jìn)聚類分析的電能計(jì)量裝置異常狀態(tài)監(jiān)測方法。本文在分析電流/電壓互感器缺陷、電能表缺陷和二次回路缺陷的基礎(chǔ)上,構(gòu)建電能計(jì)量裝置狀態(tài)評估體系。在此基礎(chǔ)上,本文通過多變量相空間重構(gòu)監(jiān)測數(shù)據(jù),利用蟻群算法優(yōu)化聚類分析算法,獲取最優(yōu)監(jiān)測數(shù)據(jù)和任務(wù)序列,實(shí)現(xiàn)電能計(jì)量裝置狀態(tài)監(jiān)測。本文通過試驗(yàn)得出以下結(jié)論。

①箱型圖對比試驗(yàn)結(jié)果表明,用所提方法監(jiān)測電能計(jì)量裝置狀態(tài),其異常值檢出率較高。這說明所提方法的監(jiān)測性能較強(qiáng),對電能計(jì)量裝置狀態(tài)的監(jiān)測性能明顯優(yōu)于傳統(tǒng)方法。

②回歸圖對比試驗(yàn)結(jié)果表明,所提方法下各項(xiàng)預(yù)測值與實(shí)際值的擬合率和準(zhǔn)確率較高。這說明所提方法監(jiān)測到的電能計(jì)量裝置狀態(tài)更貼近實(shí)際工況,進(jìn)一步驗(yàn)證了所提方法的實(shí)用性。

綜上可知,所提方法具有較好的監(jiān)測精準(zhǔn)度和監(jiān)測性能。