基于采集终端的台区停电监测功能实现及应用

国网冀北电力有限公司唐山供电公司 张 路

传统电力输送在10kV 线路上加装断路器，能够通过断闸的形式缩短户均停电时长，但这一做法会对缩短户均停电市场产生很大的影响，为了解决这一问题，对现场台区运行状况的实时监测成了现实，台区主站能够对终端采集信息进行分析，精准地展现台区整体电能高质量及线损等相关数据，可以有效减少人力，提高操作效率和质量。

1 数据采集终端设计与实现

1.1 配变采集终端和智能电表采集停电事件、运行数据分析

在配变采集终端及智能电表系统中，采集时间主要有两类：电能表事件和终端事件。在实际工作中，设备应该严格按照自己的电源接入情况，按照停、上电事件的定义，采集一次设备的信息，按照负载来控制一次设备，并按照一次设备的运行状态做相应调整[1]。生成实时数据，并对运行状态值进行实时更新。采集终端的断电、上电事件的产生，需要避免在终端自动启动等外部电源的情况下，产生了错误的断电事件。

另外，该系统应该有数据备份和系统恢复的能力，并且在事故发生之后，还应该保证电子标识，读取和写入设备以及数据编码的唯一性和一致性。智能电能表及采集终端事件记录分级见表1。

表1 智能电能表及采集终端事件记录分级表

表2 电能表检定装置允许的测量误差

1.2 基于WirelessUSB 技术的数据采集、传输终端设计和实现

WirelessUSB 技术缩写为WUSB 技术，其是一个无线数据传输规范，其主要负责对每个接入设备的数据工作范围进行管理，并给各个设备分配使用的时间和数据带宽。WUSB 长机台主要使用的是点对点直接连接方式，在WUSB 传输终端的基础上，可将采集终端结构划分为两种类型，分别为主要控制终端和从属设备终端。

主要控制终端采用的是调制解调单晶体片和USB 主控芯调制解调晶片，工作于2.4GHzISM 频率，里面设有频谱合成器、高功率放大电路等职能模块，并与增强型的ShockBurst 技术相结合，其中的输出功率和通信频段也可使用程序实现自由选择，通过控制信号灵活设置射频与数字的基带部分，让用户可以对设备的实时运行状况有所了解，并根据需求选择不同的波形调制方式，实现在任何时间、任何地点进行高可靠性通信，同时还可以有效利用网络环境有限的无线频谱资源。

从属设备终端是指与计算机系统相连的一种输入输出设备，通常离计算机较远。其根据功能不同，可分若干类，具有某些处理功能的终端称为灵巧终端或智能终端，该类终端有其自己的微处理器和控制电路；没有此功能的叫做哑终端，其没有微处理器。支持与计算机会话或处理的终端叫交互终端或联机终端。

1.3 基于iOS 移动终端的遥感监测数据采集系统

针对台区的用电需求，本项目拟结合移动终端的特点，以移动终端为核心，结合台区的实际用电需求，利用移动终端的灵活、便捷、高性能等特点，致力于开发一套基于移动终端的遥感监测数据采集系统，旨在以移动设备为核心，通过移动终端方法实现智能电表的必要移动网络通信支持，以及进行数据收集和分析。这一系统将极大地推动移动终端技术在监测领域的应用，为智能电表的使用提供关键支持；移动终端可以通过5G 网络连接到台站的机房，并以专用线路连接到局内信息中心的机房，采用防火墙、网闸等网络安全措施，对终端的信息实施了严格的监控，并将其联系到局内的信息中心，在局内的移动终端上，将其和局外的移动终端信息联系到一起，同时在局外的终端上，通过防火墙和网闸，完成对台区的高密度AES 信息的加密。针对站内信息集中的网络特点，利用无线通信及RS-485总线通信手段，使站内各种终端、传感装置和信息集中系统实现信息集中。一般情况下，蓝牙和Wi-Fi 都是用来进行数据采集和控制的，而本系统同时适用于这两种数据传输模式，可以满足不同的用户需要。

2 深度学习主题资源监测采集模型

2.1 研究背景和意义

在大数据时代的背景下，各个领域的开放性信息资源获取量也得到了指数式的增长，行业内的科研人员也在构建领域情报信息监测、舆情专项监测系统的情况下，从大量开放的网络数据中，获得了专题所涉的最新发展趋势[2]。其是一种很有价值的信息来源。因此，在互联网信息监控数据公开的前提下，本文提出了一种基于深度学习的主体资源监控收集模型，并将其用于台区停电监控平台，实现监控对象的智能识别、收集和发布。

2.2 深度学习模型设计

本文所建立的基于深度学习的主体资源监测采集模型，由数据采集、数据预处理、特征提取、深度学习等环节组成，遵循“数据访问-数据预处理-特征提取-数据匹配-数据融合-数据存储-数据计算-融合结果”的总体思路来构建。在Word2Vec（英文原名Word to Vector）的文本相关度比较模块的基础上，通过结合语料学加以练习，在关键字之间就可以实现相关度比较，就算两个关键字的集合没有交叉，也可以得出一种正确的比较结论。由于使用的资料极少，得出的结论具有一定偶然成分。资料充分后，就会得到比较权威性的结果。

2.3 实验验证和结果分析

本文基于深度学习的基础上，搭建了基于深度学习的发展战略研究信息监测系统，对其监测系统所占的框架进行概要设计，在框架内的采集专题管理功能中支持设置第三方系统网站名称、可访问IP等，同时可实现集成Crawler4j 爬虫系统，以及分布式多任务自动调度。主题建模与相关度计算模块可使用LDA 构建主题模型，可通过对电力系统数据信息的读取，生成词向量模型，结合LDA 构建的主体模型，进行相似度计算，实现对采集数据的管理预发布。LDA 本体模型以吉布斯采样为主，构建的模型以拟合点为依据，独立于检测点数据。将重复次数设为1000，过多的参数使用一个固定的经验值。本项目将使用开放的Python 软件包Skip-gram 来构造主题模型，其目标是避免模型过度匹配，提高模型的泛化能力。通过对五个不同话题的数据集进行LDA 主题建模，可以得出该方法的正确率达到82.107%，与闭卷相比只有2.029%的误差，说明该方法具有较好的鲁棒性。

3 专变采集终端装置设计与误差试验验证

3.1 设计原理和方法

专变采集终端设备的具体设计原则是利用对脉冲式电度表或经过改造的机械式电度表送来的脉冲进行计数，并将其转化为相应的电能量，测量有功电能，设定初始值，如表常数、电表底度等参数。然后将1年内台区内的电能信息存储起来，分时计费，以电力载波方式进行通信，显示各电度表的工作状态。这项技术主要利用GPRS 无线公网、230MHz 等网络技术，来实现远程用电监测、自动抄表、用电异常警报，可以详细反映用户不同时段、不同情况下的用电行为特点。

3.2 误差试验和功能测试

为了对电力表的时钟精度进行检测，电力表内部的目标芯片会输出一个预定频率的时钟信号，将其输送到外部的标准表进行校对，比如输出1Hz 的时钟信号。在该信号被检测后，对该信号的调制模式进行识别，以便进行诸如对该信号进行解调等的后续处理。在收到第一修正命令后，根据由该测量模块所检测的RTC 芯片的测量值和标准温度值来自我修正。

然后，将该多个探测无线频率信号组中的每一个信号变换成相应的光学信号，并按照该控制代码对该光学信号执行相应的光学延迟处理，以获取该探测光学信号；在此基础上，将模拟信号经A/D 变换成数字，经I2C 传输到Imote2结点，从而对该信号进行模拟。

3.3 试验结果分析和评价

此次所测量的结果遵循相应的测量技术规范，由于数值修正产生的不确定性，一般假设是均匀的，此次校准过程中电能表校准单位的级别为0.01级，各级别的测量检定单位可给出的校准结果间隔一般在0.001%，那么最终测量出的数据间隔大约会在0.0005%，由于此次导致的测量不确定性服从均匀分布，那么最终的标准不确定性可得出：Δu（x）/u（x）=0。本次试验所测得的均匀度均在计算的不确定范围内，所测得的数据具有较高的可信度。最后为了保证数据的准确性，同时排除偶然因素所带来的负面影响，多次采集的数据平均值需将其转换为数字电压值。

4 基于采集终端的台区停电监测

4.1 需求分析和功能实现

目前现场运行的多数台站，对终端停电/停电事件的利用还处于单纯的记录和显示阶段，这极大地限制了其在实际中的应用，而鲜有针对其在电网容错切换控制中的应用。主站可以从以下几个方面对其进行改进和提升：一是按照实际情况，在终端和线路上建立对应关系，从而判断整条线路有无停电故障；二是可以直接确定停电范围，迅速确定故障点，三是确认是整个台站停电还是仅有单个终端停电；四是通过故障发生频率和事件性质，来评估台区的供电质量是否达到要求。当出现故障时，通过计算出故障的估计区间，即可对系统进行判断，并对其进行分类。

4.2 故障范围和影响精确定位

数据采集终端和电能表的故障是指数据采集设备的硬件、软件，以及电能表的故障，如台区表逆电异常，表失压异常，表断电流异常，相角异常，功率因数异常，等等。对此，必须有针对性地进行分析，并采取相应的措施，才能有效地消除故障，早日实现设备的正常运行。第一，收集端子硬件故障，是由于端子元器件的选用以及产品设计上的疏忽而造成的。故障现象主要有黑屏、无电源指示灯、对键盘无反应、收集终端一直处在信号搜索状态、某一采集器下的所有电能表实测数值均为空等。第二，收集端子软件的失效，是由端子软件的设计不完善所引起的失效。出现的故障有死机，终端不在线，通信死循环，有实时数据，但是测量到的被冻结的电量是空的。第三，电能表失效，即电能表的软硬件失效。主要表现为电能表掉电，局部监测数据为空白等。

4.3 应用案例和效果评价

问题表现。某小区的公用变压器容量为200 kVA，同期日线损合格时间：用电能力246kWh，售电能力大约在246kWh，日线损率为3.97%由于用户所在地的供电半径较长，且线路管径较小，在供电尖峰时期易产生低压现象。

原因分析。在电力采集系统中，通过对日损耗正常化和日损耗负常化两种情况下的数据进行分析，判断应为用户的电能表失灵。

数据收集比对。抽取台区的合格与不合格数据，计算出客户所处的地区的线损，从而判断客户所处地区是否存在偷电行为。经过对比分析，有一位使用者的电流值出现了异常。在用电采集管理系统中，以当前数据为基础，对该用户的电流数据进行采集，从采集的当前数据库中，可以找到相线电流0.237A，中性线电流0.685A，从而判断用户电能表出现故障。

现场处理后的效果评价。结果表明，电能表所显示的相电流和中性线电流的确存在差异，在进行了相应的调整后，电能表的线损符合要求。