基于电力物联网的智能配用电信息采集技术研究

刘超， 孙保东

(1. 国网冀北电力有限公司信息通信分公司，北京 100053；2. 北京中电飞华通信股份有限公司，北京 100053)

0 引 言

随着人们生活水平的不断提高和住宅商业化的发展，用户对住宅环境和物业管理水平提出了更高的要求[1]，也对住宅的便捷性、交互性和舒适性等提出了更高的期望，需要各类电能计量设备实现自动化[2]工作。目前，随着电力市场化改革的快速发展，电力行业在运行过程中产生了大量的数据，如何采集数据和处理数据关系到电力系统运行管理的安全性和可靠性[3]。随着泛在电网建设的不断深入，多中心分布式测量已成为各级电力系统网络精确测量的重要支撑。如何实现数据的快速和精准采集成为当前亟待研究的重要课题。

在该背景技术下，文献[4]提出了一种基于MSTP技术的用电信息采集系统。该技术采用收集器采集，提高了计量采集的安全性，但该技术不能应用于分布式计量。文献[5]提出了一种Hadoop平台分布式管理系统，该系统的技术优势在于能在各种业务结构数据中利用map-reduce程序分布式进行计算处理，其缺陷在于过程繁琐，效率低下。文献[6]提出了一种远程计量执行过程优化策略，该策略通过优化数据传输过程来提高计算效率，但数据采集过程中存在安全风险。

针对上述技术问题，为提高采集效率和速度，本文提出了一种新型的智能用电信息采集系统，能够有效地克服上述文献中存在的技术弊端，具有重要的学术参考价值。

1 总体方案设计

关于智能用电信息采集系统框架如图1所示。

图1 智能用电信息采集系统

智能用电信息采集系统结构框架分为三个不同层次：感知层完成新型智能电子设备(intelligent electric divice, IED)数据采集、物理量回归和数据接收等，并在安装实施的过程中能够进行安装监测、接线监测与功能监测，保证IED的正常运行；网络层的服务器将感知层发送的数据存储到数据库中，检查数据库中的数据更改并进行数据计算与分析，然后将其发回[7]；应用层通过上层管理中心在在线监测上显示每个电表的实时和历史数据，并经过可视化展示，进一步挖掘用电信息。

2 新型IED

目前，智能电网环境下的传感器和电能表都基本是“AD采样+DSP+MCU”架构，这种架构能够高精准地采集数据，但是结构太过复杂，成本较高。为此，本文将采取一种新型的IED，新型IED基于ADE7953[8]电能计量芯片配合微处理器，实现对用电信息的采集，并通过优化电能计量算法提高采集系统的精准度。关于新型IED主要硬件结构如图2所示。

图2 新型IED主要 硬件结构

通过电流采样电路和电压采样电路得到电能计量数据，经过算法优化传输至ADE7953电能计量芯片。本文微处理器采用STM32F103ZET6芯片，微处理器外围电路由时钟电路、复位电路和电源转换电路组成。控制通信端发射电能计量数据信号，并控制整个新型IED。ADE7953电能计量芯片与STM32微处理器，均有电源电路进行充电。下面将重点细述ADE7953电能计量芯片工作原理和算法优化模块。

2.1 ADE7953电能计量芯片工作原理

ADE7953电能计量芯片是一款高精度专用电能计量采集的单相集成电路芯片，采用3.3 V电压供电，内有三个2阶ADC，能适用于各种采样方法。在电能计量数据信号中，高于ADC半采样速率但低于半采样速率之间的数据信号，会在这个速率区间左右摆动，这就是ADE7953电能计量芯片工作原理中的混叠效应，因此要先串联一个滤波器来避免这种情况的发生。关于ADE7953芯片数据信号转换原理如图3所示。

图3 数据信号 转换原理

如图3所示，整个转换器主要是由积分器、锁存比较器和采集时钟组成，采集时钟的频率传输至锁存比较器和积分器，将输入信号转换成连续的单比特串行流。单比特串行流驱动数模转换，并从输入信号中减去数模转换的输出，形成反馈回路。当回路中数模转换的平均输出值接近输入信号电平的平均值时，通过滤波器对串行流数据进行平均，使得与输入信号成正比，并转换成24位数据字输出，降低输入用电信息信号的量化噪声，使输出的用电信息信号鲁棒性更好。

2.2 电能计量算法的优化

为了得到更为精确的用电信息，本文对IED[9]中的计算框架算法采取了一些优化。以有功电能计算为例，设每周期拥有总数为N的电能计量采样点，则电压正弦公式为：

(1)

式中:U(x)为第x个电能计量采样点电压大小；U0为电压幅值；θ为初始相位。电流的正弦公式为：

(2)

式中:I(x)为第x个电能计量采样点电流大小；I0为电流幅值。虽然无法算出一段时间内的有功功率，但可以通过电流和电压的瞬时值得到瞬时功率P(x)为：

(3)

通常是通过点积算法得到近似的电能值为：

(4)

式中:W为有功电能。当电能计量采样点总数N≥3时，公式的后半段会趋近于0，得到的电能指标比较精确。然而实际情况中由于谐波的影响，正弦信号发生了改变，不再具有特定规律，因此会存在误差。解决这种情况可以采用高阶积分算法，在均等分的区间中加入插值，从而减少误差。优化公式为：

(5)

考虑实际情况中，IED上传的电能数据也存在误差，导致上一层级IED的电能并不严格等于下级各用户IED的电能之和。如果直接分别计算下级IED会导致电能矩阵的阶数太高，实际进行计算时计算量太大而耗费太长时间。为了降低计算量，本文利用用户总IED与其对应分支IED电压变化趋势相似度高的特点，根据其大小筛选出位于同一分支下的用户，降低了电能矩阵的阶数，减少了计算的复杂度和计算时间。关于IED误差主要考虑以下几点：

(1) 线路损耗误差。由于线路损耗导致上级IED的电能稍大于下级IED记录的电能之和，线路损耗的大小随网络负载而变化，与线路的长度有关。这些损耗在节点列写的电能守恒方程中引入了误差。令λ(j)是第j个时间间隔内分支IED的测量结果中的线路损耗向量，可以将它们建模为具有非零均值和异方差的高斯模型，如式(6)所示。

λ(j)～N(μλ,Hλ)

(6)

式中:λ为线路损耗均值；μλ为线路损耗均值的向量；Hλ为线路损耗的协方差矩阵。由于不同线路的损耗没有相关性，因此Hλ为对角矩阵。假设测量误差是独立同分布的，对电能进行预处理，线路损耗是根据上级IED节点电能读数总和与下级IED电能读数总和之差进行计算，如式(7)所示。

(7)

式中：Li为第i个时间间隔的线路近似线路损耗值；Wij为第i个时间间隔第j个分支IED的电能值;Wik为第i个时间间隔第k个用户IED的电能值。将线路损耗从上级IED的电能值中减去，得到公式如下：

(8)

(2) 时钟不同步带来的误差。IED根据其内部的时钟来记录读数，该时钟可能与真实时钟不同步，导致电能测量的时间间隔发生变化。例如：如果IED测量报告从10∶00∶00到11∶00∶00消耗了200 Wh，但是其内部时钟比真实时钟滞后了1 min，那么实际上是从10∶01∶00到11∶01∶00消耗了200 Wh。因此，即使所有下级IED都被设置为在相同的时间间隔上报告，每个用户电表也可能因为内部时钟不同步而报告了在不同的时间间隔上消耗的电能。由于各下级IED的时钟是不相关的，因此由IED内部时钟不同步引起的误差可视为服从正态分布的随机误差。

(3) IED精度带来的误差。

DL/T 448—2016《电能计量装置技术管理规程》规定作为220 V单相电能计量装置为v类装置，准确度等级不低于2.0级。这表明仪表读数可以在真实值的±2%范围内。不同IED读数的误差是不相关的，因此由IED精度引起误差也可视为服从正态分布的随机误差。

根据电能守恒，得出了IPCA的供电网络拓扑识别方法，识别“分支-表箱”的拓扑关系步骤如下：

步骤1：按式(6)和式(7)对上级IED测量的电能值进行预处理，减去该分支线路上损耗的电能，数据标准化得到：

(9)

式中:W0为电能标准化值；E为分支线路上损耗的电能；D为所有电能的协方差。

步骤2：设置误差协方差矩阵Hλ的初始值，对约束矩阵和误差协方差矩阵进行迭代直至收敛，获得约束矩阵C′和电能数据的校正结果W′。

步骤3：将步骤(2)求得的约束矩阵C′进行以下处理，求出用户IED和每个分支的相关系数矩阵R。

(10)

通过对R中的元素进行四舍五入，在每一列接近1的近似认为等于1，表明电能数据信息误差越小；接近0的近似认为等于0，表明电能数据信息误差越大，由此推断出来电能数据是否精准。

图4 双线程模式流程图

在实际应用中，大量的用电信息会经常以实时数据的结构不断输入，如果IED计算框架采用串联单线处理方式，效率十分低下。因此关于用电信息采集效率技术设计，本文设计出双线程模式处理实时用电信息，在采集的同时也进行着后续用电信息的处理，以此来提高IED采集的效率。关于双线程模式流程如图4所示。

从图4可以看出，采集线与处理线相连点在于电能计量数据缓存队列，有电能计量数据输入就会放在缓存队列中，处理线会检查缓存队列，有数据源就打开端口输入，无数据源就关闭端口，这样也能减少系统电源损耗。

3 试验与分析

通过某国家电网公司调研X小区内所有用户信息，在50户家庭更换安装了本文研究的新型IED，后台管理系统以工具包OpenAI Gym进行仿真。采用JavaScript语言对SVG交互技术进行编码，其计算机操作系统为Windows10[10]，64位，计算机的开发工具为Visual Studio 2019，OpenCV 3.0。计算机的硬件环境为CPU：Inter(R)Core(TM)i7；主频为2.59 GHz；内存16 G，所用的软件JavaScript的版本为ECMA Script6。搭建的智能用电信息采集系统端口主要包括以下配置，即波特率9 600 bps、8位数据格式、1位停止位、甚至不校验位、无硬件数据流控制。采集装置从采集的电源输出0～5 V模拟信号，系统将其转换成相应的数字信号，并经过云端服务器与Web服务器报告至上层管理中心。经过30 d采集得到的用电信息构建出试验数据库，并从中提取数据量为2 TB的电能计量数据信息，其中一些数据的相关代码如表1所示。

表1 测点字段和数据类型

采用以上两种方法通过采集2 TB的用电信息，测试采集准确率和采集时间，其数据结果如表2、表3所示。

为了更加清晰地观察对比结果，本文通过OpenAI Gym软件进行仿真，得出相应地对比曲线图如图5、图6所示。

从图5和图6可以看出，随着数据量不断增加，本文所开发的智能用电信息采集系统要比文献[5]所用的Hadoop平台[11-12]采集准确率要高，采集耗时短。在数据量为2 TB时，本文采集系统采集准确率要高出大约10%，采集耗时是传统采集系统的三分之二，也可以说采集效率提高约33%。由此可见，本文所开发的智能用电信息采集系统具有高精准度和高效率。

表2 采集准确率对比数据量准确率e/(%)本文方法Hadoop平台1.000 MB87930.500 TB76761.000 TB71671.500 TB69602.000 TB6858表3 采集所耗时间对比数据量时间t/h本文方法Hadoop平台0.125 TB1.01.00.500 TB2.53.51.000 TB5.17.31.500 TB7.19.92.000 TB10.115.2

图5 采集准确率对比图

图6 采集所耗时间对比图

4 结束语

本文基于NB-物联网技术搭建了智能用电信息采集系统，采集系统通过该模块接入NB网络，将电能计量数据上传到云服务器，推送到上层管理中心的用户服务器和用户终端。用户可以在云端监控用电信息并进行管理。采集系统与NB网络相连，具有很高的灵敏度，利用该系统的新型IED实现电力数据的智能采集，避免了传统抄表方式对人力物力的巨大消耗，大大提高了采集系统的自动化和智能化水平，并经过测试验证了本文研究所开发的智能用电信息采集系统的适用性。