计量装置故障智能判断应用设计概念

梁宇辉 刘洋

摘 要：随着电力市场的进一步开放，电能计量运维要求的日益提高，在现有计量运维人员配置条件下，相关工作存在一定的挑战性。因此，运用现代计算机技术替代人工手动分析，可有效缓解计量运维压力。目前，计量自动化系统已有智能运维模块，但由于此模块仅应用于计量自动化系统，判据条件受限在单一数据库，制约了计量装置故障智能判断的范围和准确性。为充分运用现有系统资源，提升计量装置故障智能诊断分析能力，本文结合运用营销系统和计量自动化系统两大数据库，提出了一个功能更为强大的智能诊断应用设计概念。该应用接入了语音识别平台、营销系统和计量自动化系统，通过内置判据比对两大数据库，统计分析故障原因，进一步提升计量运维的工作质量和效率。

关键词：计量装置故障;智能诊断;故障分析

1 应用功能概述

应用分为语音识别模块、数据统计判断模块和结果输出模块。应用运行时从麦克风收集用户的语音指令要求，如“打印当天计量故障明细”等。应用收到相关指令后，启动数据统计判断模块，搜索计量自动化系统和营销系统数据，根据指令要求进行数据统计和分析。最终的结果数据可通过语音或打印列表向用户反馈。

2 语音识别模块

当用户使用指定用语唤醒应用时，用户所发出的指令将会被本模块进行识别。语音识别可接入百度AI开放平台，通过极速API接口，将语音识别为文字，实现人机对话。该语音识别平台通过REST API的方式给提供了一个通用的HTTP接口。基于该接口，开发时可以轻松获取语音识别能力。且该平台支持自定义优化，可通过上传自定义词条进行训练，持续优化特定词条的识别效果，提升针对计量故障分析场景的准确率。

上述方法不需要集成任何SDK开发工具包，也不需要在测试机中添加任何识别引擎软件，仅需了解Http网络请求以及百度语音识别REST API的使用规则，即可在应用中使用语音识别相关的功能。

3 数据统计判断模块

目前，计量自动化系统已提供了终端在线率、数据采集成功率和数据完整率，但无法分析终端离线、采集失败、数据缺失的原因。该模块会根据用户指令汇总系统中离线、数据完整率或采集成功率低于70%的计量点，然后遍历判据条件，比对计量自动化系统与营销系统的两大数据库信息，分析计量装置故障原因。根据长期的人工故障筛选经验，表1列举了部分故障原因判据。如表1所示，故障装置同时满足计量自动化系统和营销系判据要求，则输入对应的故障分析结果。

4 结果输出模块

根据用户的指示要求，结果输出模块分为输出现有数据和输出计算结果。输出的信息可通过语音功能报送至用户，如直接通过语言报送“今天香洲在线率为95%，离线终端15个”。而计算结果可以自动汇总打印，同时可根据用户要求进行特定排序和突出重点标注。

如表2所示，导出的数据列表有区局、户名、户号、电能表编号、故障时间、故障原因等信息。为了方便现场故障处理，地址可以关联营销系统中计量点所对应变压器的经纬度。然后在应用中调用网络地图，通过经纬度定位计量装置方位，方便计量运维人员前往故障现场。对于无适用判据的故障，则统一将故障原因归为“需现场勘察”。同时，为强化现货交易用户的计量运维工作，导出的结果可根据营销系统中用户的交易标志进行标黄等方式重点突出。

5 结语

本应用具有智能排查能力，大大减少人工排查的时耗。根据经验统计，人工筛查需时如下：

（1）平均每個离线终排查时间为3分钟，完成排查结果后，统计相关数据，并在营销系统中导出相应地址和联系方式，需耗时2分钟，终端离线故障分析时间为：

终端离线故障分析时间=排查时间3分钟+统计清单2分钟=5分钟。

以全市平均每天60个离线终端计算，可节省时间为：

节省离线故障分析时间=5*60=300分钟=5小时。

（2）平均每个采集不成功终端排查时为7分钟，平均每天100个终端的数据完整率低于70%，可节省排查时间为：

节省数据不完整分析时间=7*100=700分钟≈11.7小时。

平均每天共节省时间为5+11.7=16.7小时。本应用有效地缩短排查时间，并提升了计量故障分析效率。

参考文献：

[1]黄锦荣.电能计量自动化系统在用电管理上的应用[J].科技创新与应用，2014（35）.

[2]叶芳.电力营销中电能计量自动化系统的合理应用[J].中国新技术新产品，2017（18）.

[3]危阜胜，肖勇，陈锐民.故障诊断技术在计量自动化系统中的应用[J].电测与仪表，2013，（8）.