基于特征向量的计量装置故障诊断研究

邹仕强

（中煤科工集团武汉设计研究院有限公司，武汉430064）

电力计量装置是负责测量并记录供电量、发电量和用电量的计量器具，在电力企业生产、经营和管理中发挥着重要作用[1]。现代网络大数据时代的快速发展，使电力计量装置能够通过运用电能信息采集系统，实现数据的存储、挖掘和提取，不仅可以完成远程电量的采集，还能节省大量的人力、物力和时间，从而提高电力企业的经济效益[2]。采集系统负责电力信息的采集、质量监测和负荷管理等控制管理系统，在多种通信方式下可以实现系统主站和现场终端之间的联系。随着社会经济的发展和科学技术的进步， 智能产品的用电需求也不断增加，用电量数据呈大规模增长趋势，导致电能信息数据的采集量也在快速增加[3]。为有效保障系统采集海量数据的高效率和精准性，应对采集系统进行定期检测与维护，避免发生故障影响电力计量装置安全稳定的运行。

文献[4]提出基于规则网的高压输电线路故障诊断方法，对故障录波信息进行预处理，利用小波变换技术从电气模拟量信息中提取线路故障特征量，得到电流突变事件和保护动作事件序列。建立高压线路故障诊断规则网络模型，并确定故障假说集与期望的保护和断路器状态，对故障录波做进一步分析以判别故障类型、故障性质和故障位置，实现电能信息采集故障诊断， 但该方法准确度较差。基于此，本次研究提出一种电力计量装置电力信息采集故障诊断方法，能够实现对大范围分散在各处电力表的远程监测、诊断与校验，确保电力计量装置稳定安全的运行。

1 电力计量装置分析与异常原因研究

由于电力计量装置受电压、功率因数和外界环境干扰等影响，在进行远程数据分析校验和在线诊断时，会存在一些难以解决的问题[5]。因此，采用先进的采集前置装置设计方法，实现对电能表的远程监测、校验和在线故障诊断，确保数据信息采集的实时性和有效性。

1.1 电力计量装置分析

在电力计量装置内安装采集前置装置、通信传输、远程数据分析主站等，实现远程校验及故障诊断。电力计量装置系统结构如图1所示。

图1 电力计量装置系统结构Fig.1 System structure of power metering device

采集前置装置通信系统主要包括通信接口、以太网传输线路、通信服务平台软件和控制设备，通过无线WiFi 或有线网络， 将现场采集的电压和电流波形数据，发送至远程的主站系统；数据分析主站的数据服务库负责数据的接收与存储，其中电能计量远程校验软件，负责对电能表的电压互感器二次回路负荷、电流互感器、二次压降的远程校验、校准和监测诊断，并把校验与诊断的数据结果存入数据库，电力计量装置运行状态在线诊断软件，负责分析和诊断电能表的运行情况[6]。

1.2 电力计量装置异常原因研究

（1）窃电行为

引起电力计量装置异常的外界因素较多，其中窃电行为就是造成电力计量装置异常的原因之一。一些不法分子利用阻止、破坏等手段偷盗电能，导致电能计量装置出现运行慢、不计量等异常情况，造成电力计量装置不能正常运行。

（2）电力系统干扰

电力系统在供电传输过程中会产生谐波污染，对电力计量装置造成干扰，引起电能表出现较大的计量误差。同时，长期受高温和谐波污染，不仅影响设备使用寿命，还会直接导致电力计量装置运行状态发生异常[7]。

（3）计量装置故障

除了上述几种因素外，还有很多导致电力计量装置发生异常故障的原因，如计量装置设计及安装不合理、质量差、装置长期处于外界环境较差的地方等，都会导致电力计量装置出现异常故障。

针对电力计量装置异常故障采取监测方法，装置异常现象的特征、工作状态、外界环境的变化，会导致计量的电压、电流、功率等相关性能状态量、参数发生异常变化，具体表现如表1所示。

表1 电力计量装置异常特征Tab.1 Abnormal characteristics of power metering device

如果电力计量装置中安装监视装置，那么一旦发生异常状态[8]，装置中的监视装置就会发出指示信号或报警，避免异常故障影响计量装置正常运行[9]。

2 电力计量装置故障诊断方案

2.1 信息聚类

对计量装置中电能信息的采集是通过信息聚类实现的。信息聚类的过程还可以控制信息流传输延迟，从而实现对电力计量装置故障的实时分析[10]。

在信息聚类密度连接过程中，通过连续输入新信息，建立一种新的密度连接方式。当输入一个新的信息点a 时，就会产生一种新的密度连接，可能存在以下4 种不同状态：

（1）a 为异常信息。如果新信息a 在邻域内没有核心点时，那么将a 标记为异常信息。

（2）生成新的聚类。如果新信息a 是一个核心点，而且不属于任何一个聚类，满足核心点的密度条件，即可创建一个新的聚类。

（3）并入现有聚类。当新信息点a 满足某个聚类核心点密度时，则将a 加入此聚类中。

（4）合并多个聚类。当信息点a 加入后，与相邻的聚类之间的核心点实现了密度可达，就可合并为一个新的聚类。

因新的电力计量装置运行信息的不断输入，需对电力计量装置的历史信息设置延迟消除或批量删除。在新的信息重新计算聚类过程中，针对历史信息对聚类影响，设置延迟因子α 来综合考虑历史信息对新信息的影响程度。α=1 表示历史信息和新信息具有同等影响，α=0 则忽略历史信息。依据上一时刻或历史信息聚类情况βt计算新的聚类βt+1。新聚类计算过程如下：

式中：βt+1为当前时刻聚类情况；it+1为当前聚类中点的个数；it为上一个时刻聚类中点的个数；at为新加入聚类中的点；jt为新加入点的个数。

在信息聚类过程中，当新数据达到一定规模后，部分历史数据将被新的信息替换，从而形成新聚类。计量装置中电能信息是通过Map 操作完成每一条信息记录的，并对记录信息进行分类选取和归一化处理。使用Reduce 操作完成用户用电的数据，以用户和时间间隔为单位汇总生成数据，实时发现用户用电特征、向量的异常特征数据。

2.2 故障诊断流程设计

2.2.1 计量电压、电流异常诊断

影响计量采集的主要原因就是电压、电流出现异常情况，因此针对三相不平衡电压、相电压、相电压的突变量、断路器位置等问题展开计量实现异常监测是具有一定必要性的。计量电流异常监测应对三相不平衡电流、相电流、相电流突变量、断路器位置进行监测。诊断流程如图2所示。

图2 计量电压异常诊断流程Fig.2 Diagnosis flow chart of abnormal metering voltage

根据上述流程完成对电力计量装置电压、电流的异常监测。

2.2.2 功率因数异常诊断

荷载功率因数突变是造成功率因数异常的主要原因，通过对功率因数突变的监测，实现对电力计量装置功率因数异常的诊断。本文设计分块诊断方法诊断异常功率因数。首先，利用软件功能模块中的信息处理系统、故障系统处理，判断出功率因素是否存在异常，即是否有突变现象，进而采用协同处理和应急处理的分块处理方法诊断异常的功率因素。诊断流程如图3所示。

图3 功率因数异常诊断流程Fig.3 Power factor abnormal diagnosis flow chart

在没有进行检修或断路器分闸的特殊情况下，如果用户功率因素上升到0.99～1，则说明功率因数发生了突变，说明某一相电流的二次回路已被短路；如果用户功率因素突然下降至0.5 以下，说明某相电路被开路，根据此现象可以判断计量装置的故障。

2.2.3 电力计量装置异常运行诊断

针对电力计量装置异常运行诊断如图4所示。

图4 电力计量装置异常运行诊断流程Fig.4 Power metering device abnormal operation diagnosis flow chart

由图4可知，系统初始化完成网络联网配置后，启动定时采集数据。每采集完一帧数据后，经A/D转换并打包进行发送。这一过程中，采集、传送是连续循环进行的。服务器将接收到的数据进行分析、整理和挖掘，作为计量装置运行状态诊断的依据，实施远程在线诊断，从而判断电能计量装置的运行状态是否正常。

3 实验验证

为了验证电力计量装置电能信息采集故障诊断方法研究合理性，进行了实验验证分析。实验信息选自某企业电力计量装置，以信息采集目标故障为源头，进行组件之间实验研究。

3.1 实验平台建设与信息采集

本次研究使用Standalone 单机模拟集群环境对上述方法进行测试， 选用的实验信息为模拟信息，以某电网公司用户采集的信息为参考。信息采集系统中通过通信前置机接收不同装置发送过来的数据，使用Java 编写程序模拟信息流。利用上述实验平台，并通过变换采集频率，验证电力计量装置电能信息采集故障诊断方法的诊断精准度，采集间隔时间为2 min。

3.2 电压、电流诊断结果与分析

首先检测不同方法的电压、电流诊断精度，实际获取的电压、电流值如表2所示。

表2 实际电压和电流值Tab.2 Actual voltage and current values

在确定实际电压、电流值情况下，将文献[4]方法与电力计量装置电能信息采集故障诊断方法的电压、电流情况进行对比分析，结果如图5所示。

图5 两种方法电压及电流对比分析Fig.5 Voltage and current comparative analysis of the two methods

根据上述数据，对比文献[4]方法与所提方法的电压、电流获取精度，结果如图6所示。

图6 两种方法精度对比分析Fig.6 Comparative analysis of accuracy of two methods

通过上述对比结果可知，不同时刻下，文献[4]方法的电压值和电流值与实际值存在较大误差，而研究方法的电压值和电流值始终与实际值相近，诊断数值与实际值越接近， 表示方法的精度越高，通过以上数据可以证明，电力计量装置电能信息采集故障诊断方法的诊断精准度更高，实际应用效果更理想。

3.3 不同方法的运行时间对比结果与分析

为进一步验证不同计量装置故障诊断方法的运行时长，将文献[4]方法作为对照组，与所提方法的测试结果进行对比，具体实验输出结果如图7所示。

图7 两种方法运行时长对比Fig.7 Comparison of running time of two methods

分析图7可知， 尽管检测次数在不断增加，但所提方法的故障诊断耗时始终保持在150 ms 以下，明显少于文献[4]方法的故障诊断时长，进一步证明了所提方法的有效性。

3.4 不同方法的功率因数异常诊断精度对比

为更全面验证所提方法的应用有效性，以功率因数异常诊断的精度作为评价指标，文献[4]方法为对照方法，对文献[4]方法和所提方法的功率因数异常诊断精度进行实验测试，结果如图8所示。

图8 两种方法功率因数诊断精度对比Fig.8 Comparison of power factor diagnosis accuracy between two methods

根据图8实验结果可知，随着故障诊断次数的不断增多，文献[4]的功率因数异常诊断精度不断降低，相比之下，所提方法的功率因数诊断精度可以保持在98%～100%。数据测试结果表明所提方法的功率因数异常诊断精度更高，功率因数异常诊断精度越高，则说明计量装置故障诊断结果更理想。

4 结语

为保障电力计量信息采集的精准性和高效性，采用有效的监测手段和分析诊断技术，实现对计量电压异常监测、计量电流异常监测、功率因数突变监测等，及时、准确地掌握信息采集系统的运行状态，避免异常故障的发生，确保电力计量装置稳定可靠的运行。

电力计量装置电力信息采集故障诊断方法，能够提高诊断精度，减少电损、线损等电能的损耗，避免了电力企业的经济损失。电力企业应加大对计量装置的维护管理工作，采取安装防窃防盗报警设备，防止不法行为对计量装置造成的异常状况，保证电力企业健康稳定的发展。