基于组态软件的电能计量装置误差校验系统设计

董 洁

(河南省农业科学院，河南 郑州 450002)

电能计量装置在整个电力系统中占据十分重要的地位，尤其是最近几年电网规模的持续增加[1-2〗，导致电能计量装置的工作难度持续增加。其重点体现在自动化水平低下以及成本消耗过高等方面。

目前，传统方式已经难以满足当前电能计量管理工作的需求。为了改善和修正电能计量装置误差校验手段，相关专家设计了一些较好的研究成果。如谢宏伟等[3]根据相关标准选择功能逻辑点，同时分析电能计量装置的实际需求，引入IEC 61850标准的现场校验装置通信建模，达到通信和误差校验的目的。温盛科等[4]通过纵横交叉算法优化改进预测模型的引入参数，进而完成电能计量装置误差校验。上述2种系统虽然现阶段取得了较为满意的研究成果，但是由于其未能在系统设计的过程中加入组态软件，导致最终的误差校验结果存在较大误差。针对上述问题，研究设计了一种基于组态软件的电能计量装置误差校验系统。

1 电能计量装置误差校验系统设计

1.1 系统总体设计

基于组态软件设计了电能计量装置误差校验系统。系统分为硬件、软件2个部分。其中，硬件环境的功能包括电能计量装置校验、压降测试以及综合误差统计等，主要包括现场监测设备。软件环境部分，在后台管理中心，通过组态软件技术分析电能计量装置中的初始数据，然后利用BP神经网络对电能计量装置误差进行预测，再通过结合优化模型实现对计量数据的误差校验。系统各项功能的实现在通信网络环境下实现。

(1)现场监测设备。主要负责电能计量信号的采集以及分析处理等相关工作，同时系统管理员还能够远程控制计算机，实现远程通信。

(2)通信网络。有效实现数据传输的介质。

(3)后台管理中心。为整个系统的控制中心，在远程控制的基础上，还能够对测试数据进行统计和分析，有效实现数据共享。

系统总体结构如图1所示。

图1 系统总体架构Fig.1 System overall architecture

1.2 系统硬件设计

系统在实际设计的过程中，主要通过关口以及大用户等类型的电能计量装置进行全面的测试以及故障确定等操作。系统主要结合计算机技术、远程通信以及控制技术等，展开对电能计量装置误差校验。系统硬件部分的误差校验框架如图2所示。

有关于关口或者特大用户电能计量装置的远程误差校验，主要是针对电能表进行远程检验[5-6]。系统主要负责装置中不同类型的脉冲信号，根据A/D转换和数字处理完成误差校验和对应线路故障检测。系统硬件主要参数见表1。利用系统硬件部分远程校验以及监测的具体操作原理如图3所示。

图2 电能计量装置误差校验系统硬件架构Fig.2 Electrical energy metering device error calibration system hardware architecture

表1 系统硬件主要参数Tab.1 Main hardware parameters of the system

图3 电能计量装置误差校验和监测原理Fig.3 Power metering device error calibration and monitoring

在系统设计过程中，需要大量安装多路转换开关，同时针对同一条命令展开电能表重复性测试。

由于考虑到信号的接入和搜索会受到不同因素的影响，所以在进行系统设计的过程中，重点解决了以下几方面的问题：①在电路中，如果电压回路和电表的电压端处于并联状态，则信号的搜集难度会大幅度增加。为了有效避免上述问题的发生，在设计过程中制定相关的过流保护措施，当电路出现异常[7-9]，立即断开电压表回路。②在电路中，电表中的电流主要呈现串联状态，系统需要严格遵守规定，有效避免误差的形成。③通过屏蔽装置针对电表脉冲信号进行分析和处理，经过处理后传递至主体，完成误差计算。

采用布线误差测量原理对设备进行压降测试，由于电力设备中实施了保护措施，促使电压中的回路结构之间无任何联系，同时各个通道相互间的影响程度也会有效降低。

通过布线原则，直接将PT二次侧电缆和主机进行连接，通过实际电压推导出电能表测得的电压值。利用上述2个电压值能够准确计算出二次回路的压降。其中负荷测试主要包含以下2个步骤，具体过程如下：①派遣相关人员到实地进行二次电流测量，将测量结果设定为基准。②系统自身包含测量二次端步电压的能力，即对应的二次负荷计算式能够表示为：

(1)

式中，U为系统自身测量获取的二次电压值；I为采用其他设备测量获取的二次电流。

通过上述操作，功率因素的计算结果能够通过以下公式获取：

Δu=IR

(2)

(3)

式中，Δu为幅值差；δ为角差；u为二次端电压，均为已知数据；φ为相角；sinφ为功率因数[10-12]。可利用以下公式分别计算相角以及功率因数：

(4)

通过二次回路的导纳在正常运行状态下保持稳定的状态，假设发生二次回路故障，会导致导纳值和正常值出现较大的差距，系统会马上报警。

在检测二次点电路回路的过程中，主要的设备为阻抗，假设负载时间常数的存在导致直流剩余过多，匝间的绝缘能力会大幅度降低，线缆的温度也会持续上升，同时阻抗还会出现较大程度的波动。

由于CT通电之后全部的工作状态存在十分明显的差异，系统主要结合基于等效阻抗原理的误差改进算法，有效完成稳态无故障状态下的误差校验，同时也能够完成立即报警的功能。

1.3 误差校验软件设计

在上述设计系统硬件的基础上，利用组态软件技术对电能计量装置误差校验的软件展开设计。软件设计思路如图4所示。

图4 系统软件设计Fig.4 System software design composition

电能计量装置的计量误差是在计量过程中形成并增加的。其中，综合误差校验主要包括以下几方面：电能表自身误差Ti、对综合误差的影响程度WTi以及互感器的合成误差Ta等。

电能计量装置的综合误差计算式为：

T=WTiTi+WTaTa+WTcTc

(5)

式中，Tc为二次回路形成的压降误差；WTc和WTa均代表对综合误差的影响程度。

通过组态软件对电能计量装置中的历史数据进行分析，采用BP神经网络对历史数据进行训练[13-15]，得到对应的参数，完成电能计量装置误差校验。

根据实际数据，将BP神经网络中电能计量装置的误差预测值作为模型初始值，分别选取3个不同的节点进行表示，具体的表达形式如下：

X={x1，x2，x3}T

(6)

利用公式(7)明确隐含层节点数量，即：

Ny=N+0.618(N-M)

(7)

式中，N为输入节点总数；M为输出节点总数。其中输出层主要负责测量电能表的误差值，将其与实际测量值两者进行比较，进而完成异常值校验。

其中BP神经网络中信号前向传播过程为：

(8)

式中，neti为输入隐含层第i个节点；其中输出层对应的输出结果可表示为：

(9)

式中，Ok为输出层的第k个节点。

误差能量函数为样本的输出层节点输出向量和实际测量值的误差平方和[16-17]，具体的表达式为：

(10)

误差的反向传播过程为：获取网络中输出层中各个层对应的输出误差值；使用误差梯度下降法分别修正不同层的权值和阈值，促使最终获取的结果和期望值近似。

利用公式(11)给出权重对应的修正向量：

(11)

输出层阈值对应的修正能量可以表示为：

(12)

隐含层权值的修正量为：

(13)

由于电能计量装置测量误差数据不是均匀分布且随机性较强，所以数据在学习的过程中十分容易产生振动，无法得到全局最优解，其中权值还会影响最终的预测结果[18-19]。以下主要采用弹性梯度下降方法对BP神经网络进行优化处理。

在实际运行的过程中，如果迭代方向相反，则权值的变化量和因子呈下降趋势；反之，迭代方向相同，则权值的变化量增加。当梯度g(k)的取值为0时，保持原始权值变量，对应的表达公式为：

(14)

当完成历史数据训练之后，将其应用于电能计量装置误差校验中。如果计算获取的预测值和实际值两者的误差超过事先设定的阈值，表明数据中出现异常值。此时，根据BP神经网络的运行规律，对神经网络模型中的参数进行调整[20]。

假设异常数值是随机出现的，在正常情况下修正参数是无法使用的，需要对其进行单独校正，有效防止模型出现运行不稳定的情况。

以下利用反馈校正思想，结合电能计量装置误差的理论预测和测量值进行异常数据校验，具体的表达式为：

(15)

2 仿真实验与结果分析

为了验证上述设计的基于组态软件的电能计量装置误差校验系统的综合有效性，设计如下实验测试过程。

采用2020年J城市计量装置的主表和备表测量的电能误差源数据进行实验测试，其中设定2020年前2个季度的数据为测试数据，剩余2个季度的数据为实验数据。

该城市计量装置校验现场如图5所示。

图5 实验现场Fig.5 Experimental field drawing

首先利用表2给出所设计系统的参数调整效果。分析表2中的实验数据可知，本文系统在经过调整之后，其输出值和期望值十分接近，同时两者的误差也在可控制范围内，证明本文系统能够有效完成电能计量装置误差校验。

在上述实验的基础上，为避免实验结果的单一性，测试对比本文系统、文献[3]系统、文献[4]系统的电能计量装置误差校验结果，具体实验结果如图6所示。分析图6中的实验数据可知，校验后本文系统的误差率明显更低，证明本文系统的电能计量装置误差校验过程明显优于另外两种传统系统。这主要是因为本文系统在设计过程加入了组态软件进行分析，促使整个系统的校验结果准确性得到大幅度提升。

表2 本文系统的参数调整效果Tab.2 Parameter adjustment effect of designed system

图6 不同系统的电能计量装置误差校验结果对比Fig.6 Comparison of error calibration results of energy metering devices of different systems

3 结语

针对传统系统存在的一系列问题，结合组态软件，设计并提出一种电能计量装置误差校验系统。仿真实验结果表明，所设计系统能够精准完成电能计量装置误差校验。但是由于时间和环境等因素的限制，导致所设计系统仍然存在一定的弊端，后续将对其进行改进和完善。

参考文献(References)：

[1] 姚绪梁，林浩，鲁光旭，等.一种基于线电压差积分的无位置传感器无刷直流电机换相误差检测和校正方法[J].电工技术学报，2019，34(22)：4651-4660.

Yao Xuliang，Lin Hao，Lu Guangxu，et al.Line voltage difference integral method of commutation error adjustment for sensorless brushless DC motor[J].Transactions of China Electrotechnical Society，2019，34(22)：4651-4660.

[2] 刘春雨，刘自发，罗群，等.电能计量装置健康度的综合评估与趋势预测方法[J].电力系统保护与控制，2018，46(24)：47-53.

Liu Chunyu，Liu Zifa，Luo Qun，et al.A comprehensive evaluation and trend prediction method of health degree for electric energy measuring devices[J].Power System Protection and Control，2018，46(24)：47-53.

[3] 谢宏伟，王化民，张玉峰，等.基于IEC 61850的电能计量装置远程校验[J].水电能源科学，2017，35(8)：190-194.

Xie Hongwei，Wang Huamin，Zhang Yufeng，et al.Remote calibration of energy meter based on IEC 61850[J].Water Resources and Power，2017，35(8)：190-194.

[4] 温盛科，杨悦辉，蔡妙妆，等.基于纵横交叉优化灰色模型的电能计量装置状态评估方法[J].电力科学与技术学报，2018，33(3)：44-49.

Wen Shengke，Yang Yuehui，Cai Miaozhuang，et al.Research on state assessment method of electric energy metering device based on crisscross optimization grey model[J].Journal of Electric Power Science and Technology，2018，33(3)：44-49.

[5] 祝恩国，邹和平，巫钟兴.一种应用NB-IoT的智能电能计量装置设计[J].电气传动，2019，49(3)：92-96.

Zhu Enguo，Zou Heping，Wu Zhongxing.A design of smart electric energy metering device applying NB-IoT[J].Electric Drive，2019，49(3)：92-96.

[6] 彭鑫霞，袁瑞铭，丁恒春.谐波条件下电能计量装置运行误差自动检测方法[J].自动化与仪器仪表，2019(6)：127-130.

Peng Xinxia，Yuan Ruiming，Ding Hengchun.Automatic detection method for operation error of electric energy metering device under harmonic condition[J].Automation & Instrumentation，2019(6)：127-130.

[7] 罗群，刘春雨，王月明，等.计及谐波信号和温度变化的智能电能表计量误差分析方法[J].中国测试，2019，45(7)：117-121，139.

Luo Qun，Liu Chunyu，Wang Yueming，et al.Measurement error analysis method for smart meters considering harmonic signal and temperature change[J].China Measurement & Testing Technology，2019，45(7)：117-121，139.

[8] 金阳忻.基于模糊神经网络的电能表误差超差风险预测模型[J].电网技术，2019，43(6)：1962-1968.

Jin Yangxin.Electrical power meter error overproof calculation model based on fuzzy neural network[J].Power System Technology，2019，43(6)：1962-1968.

[9] 王学伟，杨京.动态测试信号模型及电能压缩感知测量方法[J].仪器仪表学报，2019，40(1)：92-100.

Wang Xuewei，Yang Jing.Dynamic test signal model and the electric energy measurement method based on compressed sensing[J].Chinese Journal of Scientific Instrument，2019，40(1)：92-100.

[10] 肖逸，谢俊，刘若平，等.计及风电功率预测误差的备用容量计算新方法[J].电力系统保护与控制，2019，47(9)：72-79.

Xiao Yi，Xie Jun，Liu Ruoping，et al.A new calculation method of reserve capacity considering wind power forecasting error[J].Power System Protection and Control，2019，47(9)：72-79.

[11] 陈文礼，何蓓，郑可，等.加窗插值FFT与ESPRIT结合方法的动态负荷电能计量[J].电力系统及其自动化学报，2019，31(2)：14-18，31.

Chen Wenli，He Bei，Zheng Ke，et al.Combined method of windowed interpolation FFT and ESPRIT for dynamic load power metering[J].Proceedings of the CSU-EPSA，2019，31(2)：14-18，31.

[12] 谢晔源，谢瑞，李成敏，等.计及寄生电容和纹波电流的电压源型逆变器死区效应与补偿方法[J].电工电能新技术，2017，36(6)：16-21.

Xie Yeyuan，Xie Rui，Li Chengmin，et al.Analysis and compensation of dead-time effect in voltage source inverters considering parasitic capacitance and ripple current[J].Advanced Technology of Electrical Engineering and Energy，2017，36(6)：16-21.

[13] 张成，李迪，吴培浩，等.基于Web发布的组态软件设计与实现[J].自动化与仪表，2018，33(1)：89-92.

Zhang Cheng，Li Di，Wu Peihao，et al.Design and implementation of configuration software based on Web publishing[J].Automation & Instrumentation，2018，33(1)：89-92.

[14] 王继文，王红照.基于动态链接库的组态软件工程授权方法[J].电子设计工程，2019，27(4)：52-55.

Wang Jiwen，Wang Hongzhao.Authorization method of configuration software project based on DLL[J].Electronic Design Engineering，2019，27(4)：52-55.

[15] 张乐平，罗鸿轩，胡珊珊，等.稀疏自动编码器在多维电能计量误差预测中的应用[J].自动化仪表，2018，39(10)：28-31，37.

Zhang Leping，Luo Hongxuan，Hu Shanshan，et al.Application of sparse automatic encoder in error prediction of multidimensional electric energy metering[J].Process Automation Instrumentation，2018，39(10)：28-31，37.

[16] 温盛科，杨悦辉，蔡妙妆，等.基于纵横交叉优化灰色模型的电能计量装置状态评估方法[J].电力科学与技术学报，2018，33(3)：44-49.

Wen Shengke，Yang Yuehui，Cai Miaozhuang，et al.Research on state assessment method of electric energy metering device based on crisscross optimization grey model[J].Journal of Electric Power Science and Technology，2018，33(3)：44-49.

[17] 郑欣，雷鸣，荣先金，等.IEC61850-9-2量化误差对计量装置检测的影响[J].自动化与仪器仪表，2018(4)：114-118.

Zheng Xin，Lei Ming，Rong Xianjin，et al.The quantization error of IEC61850-9-2 in metering device calibration[J].Automation & Instrumentation，2018(4)：114-118.

[18] 李国胜，郑雪.畸变信号下船舶电能计量装置全自动校验系统设计[J].舰船科学技术，2019，41(22)：100-102.

Li Guosheng，Zheng Xue.Design of automatic calibration system for Marine electric energy metering device under distorted signal[J].Ship Science and Technology，2019，41(22)：100-102.

[19] 栗遇春，葛翔，李发亮，等.基于熵权法的电能计量装置改造后评价模型[J].国外电子测量技术，2018，37(2)：25-29.

Li Yuchun，Ge Xiang，Li Faliang，et al.Evaluation model of electric energy metering device based on entropy weight method[J].Foreign Electronic Measurement Technology，2018，37(2)：25-29.

[20] 王艳芹，王松，李大兴，等.一种关口电能计量装置智能故障诊断及预警技术[J].电力科学与技术学报，2019，34(3)：101-107.

Wang Yanqin，Wang Song，Li Daxing，et al.Research on intelligent fault diagnosis and early warning technology of gateway electrical energy metering device[J].Journal of Electric Power Science and Technology，2019，34(3)：101-107.