《电子技术应用》
您所在的位置:首页 > 测试测量 > 设计应用 > 电能表现场检验数据挖掘研究
电能表现场检验数据挖掘研究
2017年电子技术应用第4期
甄昊涵,沈 华
国网上海市电力公司电力科学研究院,上海200051
摘要: 近年来,随着电力用户信息采集系统功能应用不断完善,对用电信息大数据挖掘更加深入。电能表现场检验数据是获取电能表运行状态的重要手段之一,其数据覆盖范围广、周期性强,能够较为准确地反映出电能表误差、用户负荷、运行环境等。因此,有必要将电能表现场检验数据纳入电力大数据挖掘来源。初步探讨了电能表现场检验数据的大数据挖掘策略,有利于更加准确地分析电能表运行状态和用户用电行为,充分发挥现场检验在电能表运维管理工作中的作用。
中图分类号: TM932
文献标识码: A
DOI:10.16157/j.issn.0258-7998.2017.04.020
中文引用格式: 甄昊涵,沈华. 电能表现场检验数据挖掘研究[J].电子技术应用,2017,43(4):76-78,82.
英文引用格式: Zhen Haohan,Shen Hua. The research of electric energy meter inspection data mining[J].Application of Electronic Technique,2017,43(4):76-78,82.
The research of electric energy meter inspection data mining
Zhen Haohan,Shen Hua
State Grid Shanghai Electric Power Research Institute,Shanghai 200051,China
Abstract: In recent year, with the constantly improvement of electric information acquisition system, the mining of power information big data is stepping deeper. Site inspection is one of the most important way of accessing electric energy meter running state. Site inspection data, which has wide coverage and highly cyclical, can accurately reflect the error of electric energy meter, user load, operating environment etc, and therefore it is necessary to bring electric energy meter site inspection data to source of mining of power information big data. This paper briefly discusses the strategies of mining of power information big data of electric energy meter site inspection. It is helpful to analysis the electric energy meter running state and user′s power consuming behavior. Therefore, it makes the most of site inspection in electric energy meter operations and management.
Key words : electric energy meter;site inspection;data mining

0 引言

    《电能计量装置技术管理规程》依据用电量或变压器容量将电力用户分为5类,并对I~Ш类电力用户制定3~12个月的电能表现场检验周期[1]。通过电能表现场检验,可获得电能表现场详细运行情况,包括电能表外观情况、运行误差、运行环境以及用户负荷等。近年来,随着社会发展,I~Ш类电力用户数量大大增加。现场检验任务量增加的同时,现场检验获得的检验数据量也呈现井喷之势[2-4]

    目前,现场检验重点关注计量故障和电能表误差超差。现场检验数据主要作为判断单个电能表是否运行正常的依据,缺乏对海量数据整体和深入的挖掘分析。而近年来,电力大数据挖掘越来越受各方关注,分析方法更加成熟,应用也越来越广泛。随着全国范围内规格统一的电子式电能表的推广,以及现场检验信息化、数字化,检验数据更加真实可靠、全面丰富、规范统一,为检验数据深度挖掘、分析及应用奠定了良好基础[5-7]

1 电能表现场检验数据类型分析

    《电能计量装置技术管理规程》中电能表现场检验主要针对电能表运行误差展开,包括:一般检查、电能表接线检查、与电能表相连的电压互感器二次导线电压降测量、电能表工作误差校准、核对计时误差、检查分时计度(多费率)电能表计度器读数的组合误差、检查数据处理单元与电能测量单元计度器的读数相对误差、检查预付费电能表电量计量误差。可获得电能表运行情况相关的数据,包括电能表时钟数据、外观情况、运行环境、用户负荷等。现场检验数据大致可以划分为数值类和非数值类。这些检验数据都从现场采集而来,可靠性高。并且,检验数据获取的周期固定,具有较高的分析价值[1,8-10]

1.1 数值类数据

    现场检验中数据多为数值形式,除电能表计量误差γ外,现场检验还可通过对比时钟获得时钟误差Δt,通过获取分时电量数值获得计度器误差δ,通过电压U、电流I瞬时值获得用户瞬时负荷p,并且能够记录检验时间点的用户电度数。以上数据可在现场检验中一次性获取,可方便地进行存储、处理和分析。

1.2 非数值类数据

    电能表外观情况、运行环境等难以用数值衡量的,可以用非数值的方式进行表述。为了保持数据客观性,在获取数据时按照统一标准进行详细的归类,如表1所示。

ck1-b1.gif

    通过对数据的整理,尤其是梳理非数值数据,可以将现场检验数据规范化,保持数据准确性和客观性,进而为数据分析和挖掘做好准备。

2 电能表现场检验数据挖掘

    电能表现场检验数据不仅包含电能表自身运行信息,还蕴含与之相关的用户用电信息。各项检验数据之间不是独立的,而是存在着潜在的联系并相互影响,并且这种联系和影响是多维的、非线性的。因此,有必要从现场检验的数据作为切入口,对数据进行充分的挖掘分析,探索电能表有关的数据内在联系,并用于分析和预测电能表运行中可能出现的各种现象和情况。

2.1 电能表运行可靠性预测

    电能表作为电能计量器具,严格来说在运行过程中不允许发生过程维修的情况,但受各种因素的影响,实际运行过程中电能表难以避免地出现各种故障。大部分故障的发生不是偶然的,而是各种因素综合作用的结果。目前对运行中的电能表运行参数还难以做到实时监测,因此,对运行情况的掌握主要依据现场检验数据。在现场检验数据中挖掘电能表运行状态,对电能表进行可靠性评价。下面以电能表运行误差超差和失压、失流两种最常见的故障为例进行分析。

2.1.1 电能表运行误差

    运行中的电能表本身故障出现概率较高的是误差超差。影响电能表误差的因素除了产品自身质量和运行时间外,还包括用户负荷、温度和湿度等环境因素。从现有现场检验数据中可以对电能表运行误差进行初步分析。

    (1)电能表制造水平

    不同厂家、型号以及不同批次的电能表由于制造水平不同,运行误差往往具有较大差异。以2015年现场检验数据为例,选取5批次运行时间相近的0.2 s级电能表现场检验误差进行对比,分析其平均绝对值及标准差,结果如图1所示。不同批次电能表误差的大小以及分散程度都有所差异,可依据误差平均绝对值和标准差将不同批次的电能表划分为A、B两类(以0.05%为限),表征电能表制造水平对误差的影响。

ck1-t1.gif

    (2)电能表运行时间

    随着电能表运行时间增加,电能表运行误差超差率明显增加。图2为3批次电能表不同运行时间的误差超差率。从图中可以看到,轮换周期到期且未能及时更换的产品3超差率达到0.71‰,远超过其他批次产品。依据运行误差超差率将运行时间超过5年的产品3划分为B类(以0.5‰为限)。

ck1-t2.gif

    (3)用户维护情况

    以2016年第一季度现场检验中发现的10起电能表运行误差超差情况进行分析。10用户涵盖工商业与行政事业单位,且用户配电设施维护得当。因此,从已有现场检验数据分析,电能表运行误差与用户维护情况等外部环境因素相关性较小。

    基于现有的检验数据,电能表运行误差主要与产品批次(制造水平差异)和运行时间有关,分析结果可对电能表运行性能进行预测。按照以上A、B类的划分,在现场检验中应关注双B类电能表运行误差,若对应批次已到轮换期,应加快轮换,以减少电能表现场运行误差超差的情况。

2.1.2 电能表失压失流

    现场检验中由于电压、电流互感器熔丝熔断引起的失压、失流是最常发生的影响计量准确性的故障之一,导致熔丝熔断的因素较多,不仅与熔丝自身质量有关,还与运行环境等外部因素都有一定关系。一般认为,雷击是造成熔丝熔断或损坏的重要原因之一。熔丝熔断后失压仪及电能表可记录故障发生时间。以某区域2014年和2015年现场检验发现的熔丝熔断故障数据为例,8~11月是故障高发期,约为其他月份的2倍,如图3所示。7~9月份为该区域雷电高发月份,部分熔丝遭受雷击后未直接熔断,仍可在损坏的情况下继续运行一段时间,因此,10~11月仍是熔丝熔断导致的电能表失压、失流故障高发期。

ck1-t3.gif

    针对高压熔丝熔断导致的电能表失压、失流故障的季节性特点,应采取有效的预防措施以及排查手段,如在雷雨季节之前开展高压熔丝检查等工作。另外,随着用电信息采集系统功能的不断完善,可通过在线方式进行故障排查并及时修复,减少故障引起的计量差错。

    综上所述,分析现场检验数据可以提取各类电能表现场故障的特征,对电能表运行稳定性预测具有重要意义。同时,随着新型设备不断入网运行,各类运行状态也在发生变化,依据实时更新的现场检验数据,可以更好地追踪各类状态量的变化,并制定更加完善的检验策略。

2.2 用户用电行为分析

    随着用电信息采集系统的建立,对用户用电数据的采集更加全面和完善,是目前电力大数据分析的重要数据来源。但现场检验获得的数据除了电压、电流、功率等,还包含许多现场检验特有的非电数据,这些数据可以对用户用电行为进行更加全面的描述。

2.2.1 用户设备维护情况

    根据现场检验数据,不同性质电力用户设备维护程度差异较大。表2所示为某区域不同性质用户计量装置维护情况,维护情况以表1为分类依据。

ck1-b2.gif

    根据用户电力设备外观情况以及所处运行环境,可以判断用户电力设备维护情况。大型工业、政府机关、学校、银行、医院等有严格的电力设备管理制度,配电环境更良好,且配电人员更加固定和专业,能及时发现设备故障。而小型工业、商业物业等电力用户配备的工程人员专业程度整体偏低,对电力设备维护不够到位。

    针对用户设备维护情况的差异,电网企业应制定差异化措施引导用户维护用电设备,减少设备故障。

2.2.2 大数据分析外围数据获取

    随着用电信息采集系统的建立和应用的完善,对用户用电行为的分析可扩展至全样本的大数据分析。用电信息采集系统采集的实时信息包括用户电压、电流、功率、冻结电量,以及固有的用户用电性质、用户地址信息等。通过以上的全样本数据挖掘,可以对用户行为进行分析和预测。

    而现场检验获取的检验数据中包含的信息是不可替代的,如用户地理环境信息、集中区域用户性质、用户四季温度等,能对用电信息采集系统数据进行补充。用电信息采集系统的地址信息仅为单一的地址,缺乏相关地理环境信息,如用电地址靠海、临河等,同时地址信息发生错误时,现场检验可即时进行纠正。用电信息系统在进行数据分析时,每一个电力用户作为单独数据进行处理,缺乏整体性,而现场检验可以按照集中区域的相同性质用户进行划分及分类处理,如大型工业区用户、商业街用户、高新科技园等。通过用电信息采集系统与现场检验相结合,用户用电数据将更加完善和全面,对数据的挖掘更细致和深入。

3 结论

    电能表现场检验能够获取用户计量设备电类数据和非电数据,具有数据渠道唯一性的优势,且数据具有全覆盖的特点,并有一定的实时性。通过对现场检验数据的挖掘,可对电能表运行状态进行初步可靠性预测,在数据中挖掘用户用电行为。结合用电信息采集系统,现场检验数据可发挥出其独特优势,在大数据分析中提供有效信息,使得数据挖掘更加深入。

参考文献

[1] DL/T448-2000.电能计量装置技术管理规程[S].2000.

[2] 程瑛颖,杨华潇.电能计量装置运行误差分析及状态评价方法研究[J].电工电能新技术,2014,33(5):76-79.

[3] 王文静.智能电能表的现场运行管理策略研究[J].电测与仪表,2014(11):23-27.

[4] 岳梅.浅析智能电能表运行故障及有效的运行管理机制[J].科技创新与应用,2015(11):162-163.

[5] 曾培亮.电能计量装置在线监测技术综述[J].电子测试,2012(12):7-9.

[6] 吴响,俞啸,王换换.面向数据挖掘的匿名化隐私数据发布系统设计[J].电子技术应用,2016,42(11):62-65.

[7] 向斌.电能计量装置运行状态管理系统的设计与实现[D].成都:电子科技大学,2013.

[8] 谢璐滨,罗秀红,胡新梅.专变用户电能计量装置现场检验周期探讨[J].电气开关,2013(1):16-17.

[9] 李静,杨以涵,于文斌,等.电能计量系统发展综述[J].电力系统保护与控制,2009,37(11):130-134.

[10] 程瑛颖,吴昊,杨华潇,等.电能计量装置状态模糊综合评估及检验策略研究[J].电测与仪表,2012,49(12):1-6.



作者信息:

甄昊涵,沈  华

(国网上海市电力公司电力科学研究院,上海200051)

此内容为AET网站原创,未经授权禁止转载。