智能电能表故障风险预估算法的研究*

朱江淼，张月倩，黄艳，赵琳潇，王焕宁

(1．北京工业大学信息学部，北京100124;2．北京计量检测科学研究院，北京100029)

0 引言

智能电能表以接线方式划分，可分为单相电能表、三相直入单向和三相经互感单方向三类。目前，检测与判别智能电能表故障的依据是首检数据，所谓首检数据是指智能电能表针对若干个不同负载点的基本误差。不同类型的智能电能表按规程要求在检定时需要对不同个数的负载点进行基本误差的测量。例如，通常规定单相电能表需10个负载点，三相直入单向需15个负载点，三相经互感单方向需12个负载点。以首检数据判断一块智能电能表是否为故障表的依据是规程JJG 596-2012中所规定的单相电能表和三相电能表的基本误差限［1］。

为了迅速可靠地检测或判别出数以百万计的海量智能电能表可能潜在的故障风险，提出了一种风险预估算法:即对于按规程判别为性能良好的电能表，分别进行横向和纵向筛查，依其结果再进行风险等级划分，可大大缩小在后期使用过程中的检测维护范围，减小用户及国家电网的损失。本文将在首检合格的电能表中筛选性能最差的1%的电能表，判定其风险等级为最高。由于单相智能电能表，用量大，使用范围广，因此文章的研究对象为单相智能电能表。

1 基于JJG596-2012的判定方法

目前，依据规程JJG 596-2012，可用首检数据判断一块智能电能表是否有故障，其具体方法是判断不同负载点的基本误差值是否超出规程中规定的误差范围。表1是规程JJG 596-2012中对不同负载点基本误差的规定。

对表1中各个符号说明如下:

(1)Ib代表基本电流;Imax代表最大电流;In代表经电流互感器接入的电能表额定电流，其数值与电流互感器次级额定电流相同;经电流互感器接入的电能表最大电流Imax与互感器次级额定扩展电流(1．2 In，1．5 In，或2 In)相同;

表1 JJG 596-2012不同负载点的基本误差限Tab．1 Basic error limitation of different load points in JJG 596-2012

(2)角φ是星形负载支路相电压与相电流间的相位差;L表示感性负载;C表示容性负载;

(3)对0．2 S级、0．5 S级表只适用于经互感器接入的有功电能表;

(4)经互感器接入的宽负载电能表(Imax≥4Ib)［如3×1．5(6)A］，其计量性能仍按Ib确定。

由于规程判别法是针对智能电能表每一负载点进行判断的，同一电能表不同负载点的基本误差限不同。以一块智能电能表的一个负载点为例通过表1判断智能电能表是否合格的步骤如下:

(1)首先判断电能表的接线方式(单相或者三相)，接线类型(经电流互感器接入或直接接入)以及准确度等级;

(2)将该电能表需要判别的负载点的各项取值与表1进行对应。判断负载电流及功率因数对应表中的哪一行，准确度等级对应表中哪一列，对应的行列的交点即该电能表这一负载点下的基本误差限;

(3)将智能电能表负载点下的基本误差与表1中的基本误差限进行比较，超出规定误差限的判定为不合格，反之为合格。

需要说明的是，表1是针对有功电能表基本误差限的规定，对于单相和三相电能表都是适用的，其本质是根据负载点的不同取值对应表中的负载电流和功率因数的取值来判断基本误差限。

用规程判定的结果具有绝对权威，即所检出的智能电能表基本误差一旦超过规程中的基本误差限，则直接判定为故障(表)，否则判定为良好，但该方法不能对一块表潜在的故障风险进行分析和判断。将对经过JJG 596-2012规程判为合格的电能表，进行深入研究，给出合理的风险评估。

2 筛查算法与风险预估

本文研究的筛查算法限于规程判定为合格的智能电能表，包括横向筛查算法与纵向筛查算法。经横向筛查算法和纵向筛查算法共同筛查，可以确定一块智能电能表的风险等级。筛查算法的基本思想源于用判断准则剔除测量的异常值(粗大测量误差)，根据不同的使用条件，可以使用不同判别粗差的准则［2-5］，常用的准则有:莱特准则，肖维纳准则［6-7］，格拉布斯准则［8-9］，狄克逊准则等。其中，最为典型的方法是莱特(Wright)准则［3］，该准则用于剔除等精度测量下服从正态分布测量数据的粗大误差，其本质为选定合理的置信区间和置信概率，判别在一定概率下，在置信区间外的测量数据为异常值予以剔除，当置信概率为99．73%时，置信区间为三倍标准偏差。由于电能表误差服从正态分布［10］，且数据量很大，符合莱特准则的判断条件，因此本文选择莱特准则对规程判定为合理的智能电能表进行等级划分。所谓横向筛查算法就是一块智能电能表针对不同负载点的误差值进行筛查的方法，它表征智能电能表自身的稳定性。所谓纵向筛查算法就是在同一负载点针对全部智能电能表误差情况的筛查法，它表示这一批次智能电能表对同一负载点的稳定性。根据横向和纵向筛查算法的筛查结果，可判定出一块智能电能表的风险等级。将筛查和划分风险等级合并称作风险预估算法。

2．1 横向筛查算法

横向筛查算法分为A、B两类，其中A类筛查算法表征每一块智能电能表对所有负载点基本误差的离散程度，因此A类筛查算法需要对每一块智能电能表所有负载点的基本误差计算标准偏差，用莱特准则进行粗大误差的评定(剔除)，称其为横向筛查算法的A类故障。当A类筛查算法筛查出故障时，表明智能电能表内部的元器件的线性性能不佳。而B类筛查算法是判定每一块智能电能表对所有负载点的平均误差的离散情况，因此B类筛查算法需要对每一块智能电能表所有负载点的基本误差计算平均值，将这个计算均值视作一次测量，再用莱特准则进行粗大误差的评定(剔除)，即剔除均值异常的电能表，称其为横向筛查算法的B类故障。当B类筛查算法筛查出故障时，表明智能电能表在出厂调试时出现了系统误差，智能电能表内部元器件却性能良好。

由于A类筛查算法的实质是对每块智能电能表所有负载点基本误差的标准偏差进行粗大误差的剔除，因此A类筛查算法的具体步骤是:

(1)设第i块表所有负载点基本误差的标准偏差为si，共有n块表;

(2)计算 n块表的标准偏差 s1，s2，…，sn的平均值珋s及标准偏差ss;

由于B类筛查算法的实质是对每块智能电能表所有负载点基本误差的平均值进行粗大误差的剔除，因此B类筛查算法的具体步骤是:

2．2 纵向筛查算法

纵向筛查算法实质上就是在同一负载点，针对不同智能电能表的基本误差数据，以粗大误差进行剔除的方法。纵向筛查算法使用莱特准则对单一负载点的智能电能表基本误差进行筛查，最终筛查的结果称为纵向筛查算法故障。

使用莱特准则具体判断步骤如下:

(1)设同一负载点，第i块表的基本误差为xi，共有n块表;则可得同负载点所有智能电能表的基本误差平均值为，基本误差的标准偏差为

(2)计算第i块智能电能表的残差μi=xi－珋，并判断是否满足不等式＞3s，若是，则从全部电能表数据中剔除该表数据;

(3)对剩余的表(这里用误差数据表示)依次按每个负载点按照步骤(1)和步骤(2)进行剔除，直到没有可剔除的电能表数据。

纵向筛查算法的流程图如图1所示。

图1 纵向筛查算法流程图Fig．1 Flow chart of longitudinal screening

2．3 风险等级预估

根据横向和纵向筛查算法的筛查结果，可以判定出一块智能电能表的风险等级。由于横向B类筛查算法与电能表内部元器件无关，因此风险等级偏低。而横向A类算法筛查出的故障电能表与内部元器件有关，纵向筛查算法与目前判别故障电能表的规程相关，所以风险等级偏高。因此风险等级划分如表2所示，其中，“无”为在该筛查算法中未被筛查出故障，“有”为在该筛查算法中被筛查出故障。

表2 风险等级划分方案Tab．2 Scheme of risk level division

3 算法验证与评估

对993208块单相电能表按照文中提出的算法进行筛查，得到的结果如表3所示。

表3 风险等级预估结果Tab．3 Prediction result of risk level

从上述表中数据看出，所提出的算法可对一块智能电能表的风险等级进行评估，评估结果如下:绿色风险等级(A级)占比95．16%，蓝色风险等级(B级)占比0．14%，橙色风险等级(C级)占比3．70%，红色风险等级(D级)占比1．00%。其中，红色风险等级(D类)占比数据与本文预期一致。这表明该算法正确可靠，表的风险等级评估结果对使用中智能电能表的定期维护提供参考数据。

4 结束语

针对智能电能表的首检数据，研究了横向和纵向故障风险筛查算法，该算法可对智能电能表潜在的风险等级进行预估。以993208块单相电能表对算法进行了验证，筛查出的风险等级结果符合本文预期的结果。这表明算法正确可靠，风险等级的划分为智能电能表定期检测维修提供了可参考的数据，对智能电能表的质量分析具有较好的应用价值。