大數(shù)據(jù)的電力計量裝置故障智能化診斷技術(shù)

閆麒印

摘要：隨著我國終端的數(shù)據(jù)接入量不斷增加， 采集量也隨之越來越大，采集器每天需要采集的數(shù)據(jù)非常多，在保持高強度的運行下，會致使大量的故障出現(xiàn)，而電力的維護工作也越來越困難。 電力計量裝置故障智能化診斷方法具有良好的智能性，不僅能夠提高電力計量工作的工作效率， 使故障診斷結(jié)果更加準(zhǔn)確，還可以提升電力企業(yè)故障診斷系統(tǒng)的性能，保障電網(wǎng)的穩(wěn)定運行，有利于提高電力企業(yè)的經(jīng)濟效益。

關(guān)鍵詞：大數(shù)據(jù);電力計量裝置故障;智能化診斷

中圖分類號：TM933? ? ? ? 文獻標(biāo)識碼：A

1電力計量裝置故障診斷方法

在我國，目前廣泛使用的電力計量裝置故障診斷方法，主要表現(xiàn)為診斷信號、 診斷數(shù)據(jù)模型加上多年來的實踐經(jīng)驗來完成診斷工作。 現(xiàn)階段診斷的過程大都依賴于人工操作，不具智能化，所以工作量較大且工作效率較低。 因此，隨著科學(xué)技術(shù)的快速發(fā)展，智能化技術(shù)發(fā)展迅速。 隨著人工智能化診斷技術(shù)的不斷完善和優(yōu)化， 該技術(shù)越來越成熟的應(yīng)用于檢測電力系統(tǒng)計量裝置的故障中。 但是在實際的收集電力數(shù)據(jù)階段，計量裝置非常容易出現(xiàn)各式各樣的故障， 隨著采集數(shù)據(jù)量的不斷增長， 傳統(tǒng)的數(shù)據(jù)庫很難在短時間內(nèi)對存在的故障進行判斷，導(dǎo)致工作效率非常低，無法滿足當(dāng)下用戶的需求。 而通常情況下，工作人員對電力計量裝置故障進行分析時，基本都是按照多年來的實踐經(jīng)驗， 加上對現(xiàn)場故障的掌握情況來進行故障診斷工作。 雖然能更好地解決故障問題， 但所需成本較高，工作效率也比較低。 因此，在大數(shù)據(jù)的基礎(chǔ)上，新的電力計量裝置故障智能化診斷技術(shù)出現(xiàn)，能夠很好地解決上述問題，能在短時間內(nèi)找到故障問題的原因，提高工作效率，滿足電力用戶的實際需求。

2 基于大數(shù)據(jù)的電力計量裝置故障智能化診斷

本文引入了大數(shù)據(jù)挖掘技術(shù)，針對電力計量裝置進行智能化診斷?；诖髷?shù)據(jù)的電力計量裝置故障智能化診斷方法實現(xiàn)過程共有七步：系統(tǒng)初始化、建立故障診斷知識庫、在線監(jiān)測電力計量裝置運行狀態(tài)、判斷是否存在異常信息、結(jié)果顯示、給出解決措施。

2.1電力計量裝置故障智能化診斷知識庫建立

本文建立的電力計量裝置故障智能化診斷知識庫除了具備儲存電力計量裝置數(shù)據(jù)的能力之外，還要具備刪除、修改和查詢的功能。將診斷和監(jiān)測的結(jié)果存入診斷知識庫，同時知識庫還要記錄大量故障問題，并進行定期更新，方便更準(zhǔn)確地診斷出結(jié)果[5]。電力計量裝置故障智能化診斷知識庫包括兩部分：異常特征模型和專家規(guī)則庫，每部分都擁有自己的管理機制。異常特征模型的管理機制有 3 個模塊，分別為建立模塊、修改模塊、刪除模塊，專家規(guī)則庫同樣包括 3個模塊：導(dǎo)入模塊、導(dǎo)出模塊和變更模塊。電力計量裝置故障智能化診斷知識庫的所有界面要使用 web 才能實現(xiàn)統(tǒng)一管理，知識庫在得到數(shù)據(jù)后，要主動與異常特征模型和專家規(guī)則庫進行對比，靈活地進行分類。在每次診斷中，故障智能化診斷知識庫就要建立一個異常特征模型庫，選取電力計量裝置中的異常故障特征，根據(jù)得到的特征建立故障模型。由于知識庫中的異常特征模型庫很難包含全部的異常記錄，所以為了更加高效地診斷出異常故障特征，要進行定期修改和維護。通常一個電力計量裝置故障智能化診斷知識庫內(nèi)部會擁有大量的異常特征模型庫，為了防止所占空間過大，要周期性地對一些不適用于實際應(yīng)用的異常特征模型庫進行刪除，保證智能診斷知識庫有充足的空間[9]。異常特征模型庫中數(shù)據(jù)量龐大，更新工作也相對復(fù)雜，本文僅選用常見的 6 個異常字段狀態(tài)建立異常類型表。

表 1 的異常類型表對異常狀況有詳細(xì)的記錄，通過表 1 可以清晰地查詢到異常名稱和特征編碼。在分析出異常類型后，探討用電力計量裝置的異常信息。知識庫中必須要詳盡地記錄專家規(guī)則，在每次診斷時，都要備份保存，以條理性的結(jié)構(gòu)記錄在線信息，方便工作人員查看，同時也能防止使用錯亂。每個專家規(guī)則都擁有自己的邏輯，所以要定期導(dǎo)出，更新維護，豐富內(nèi)部邏輯。知識庫中包含的信息主要為邏輯規(guī)則，通過這些邏輯規(guī)則找到異常特征編碼和電力計量裝置故障的對應(yīng)關(guān)系。建立上述知識庫能夠更好地診斷出電力計量裝置存在的問題。

2.2 電力計量裝置故障

在線監(jiān)測利用分布式系統(tǒng) Hadoop 對電力計量裝置進行在線監(jiān)測[11]。監(jiān)測時，首先要監(jiān)測電力計量裝置的內(nèi)部存儲數(shù)據(jù)，存儲數(shù)據(jù)是電力計量裝置的核心數(shù)據(jù)，關(guān)系到整個裝置的安全運行，并且基數(shù)很大，存儲數(shù)據(jù)一旦出現(xiàn)故障，電力計量裝置將立刻無法正常工作，因此監(jiān)測存儲數(shù)據(jù)是重要目標(biāo)之一;其次要監(jiān)測數(shù)據(jù)訪問形式，通常電力計量裝置數(shù)據(jù)都是通過流式數(shù)據(jù)訪問，如果數(shù)據(jù)不能以該方式進行訪問，則很有可能出現(xiàn)問題;再次監(jiān)測電力計量裝置是否支持大文件計量，正常運行的計量裝置能夠支持?jǐn)?shù)百 GB 甚至TB 的大文件，并精準(zhǔn)地計量出內(nèi)部數(shù)據(jù)，如果不能支持，則很有可能出現(xiàn)問題;最后監(jiān)測是否支持?jǐn)?shù)據(jù)再平衡，電力計量裝置可以根據(jù)設(shè)定的閾值，把某一個監(jiān)測的數(shù)據(jù)點移到另一個數(shù)據(jù)點中，如果不能支持，則存在故障。

2.3 電力計量裝置故障異常信息診斷

故障的出現(xiàn)是由于異常信息導(dǎo)致的，診斷異常信息就能診斷出電力計量裝置故障。將監(jiān)測到的數(shù)據(jù)與建立的電力計量裝置智能診斷數(shù)據(jù)庫進行對比，判斷是否存在故障，如果確定存在故障，則需要判斷故障位置，異常信息種類、大小、數(shù)量。診斷方向主要有 3種：是否為計量設(shè)備異常信息、是否為采集設(shè)備異常信息、是否為用電設(shè)備異常信息。本文僅針對第一種計量設(shè)備異常信息診斷進行研究，計量裝置出現(xiàn)異常主要表現(xiàn)在如下幾個方面：系統(tǒng)的內(nèi)部電壓回路存在異常、系統(tǒng)的內(nèi)部電流回路存在異常、電能表不能正常運行（停走、飛走、表示度出現(xiàn)下降）、時鐘記錄結(jié)果錯誤、電池電壓不足。電力計量裝置出現(xiàn)異常要利用報警系統(tǒng)進行警報。前文建立的專家規(guī)則庫中包含大量異常組合編碼，詳細(xì)地記錄了每種異常信息發(fā)生概率和產(chǎn)生的原因，因此可以利用規(guī)則庫中的知識診斷故障原因。本文僅針對異常信息診斷中的故障原因診斷進行探討。

利用 M 和 N 建立樸素貝葉斯網(wǎng)絡(luò)如圖1所示。

其中，n 代表出現(xiàn)歷史數(shù)據(jù)中出現(xiàn)異常數(shù)據(jù)的次數(shù)。

如果顯示結(jié)果如公式所示，則診斷結(jié)果為是該原因?qū)е碌墓收习l(fā)生。

如果顯示結(jié)果如公式所示，則診斷結(jié)果為不是該原因?qū)е碌墓收习l(fā)生，根據(jù)上述計算過程完成故障的診斷工作。將電流故障帶入診斷計算過程中，若診斷電流故障出現(xiàn)的概率≥0.5，則是因為電流故障導(dǎo)致計量裝置故障，若診斷電流故障出現(xiàn)的概率<0.5，則并非因為電流故障導(dǎo)致計量裝置故障。

結(jié)束語

大數(shù)據(jù)的電力計量裝置故障智能化診斷技術(shù)， 首先就是要構(gòu)建電力計量裝置故障智能化診斷知識庫， 并合理使用異常特征模型及專家規(guī)則庫， 采用分布式系統(tǒng)對電力計量裝置進行在線監(jiān)測，并將結(jié)果與知識庫中的相關(guān)標(biāo)準(zhǔn)對比，實現(xiàn)對故障的智能化診斷，同時還可以對計量裝置進行動態(tài)監(jiān)測。 在通過設(shè)置的預(yù)警系統(tǒng)，將故障信息發(fā)送給技術(shù)人員，有利于技術(shù)人員及時處理故障。 電力計量裝置故障的智能化診斷技術(shù)，通過對運行狀態(tài)進行監(jiān)測及診斷，并對故障進行自動報警，提高了電力工作的高效性及準(zhǔn)確性。

參考文獻

[1]郭佳婧，嚴(yán)重，陳明，等.基于大數(shù)據(jù)的電力計量裝置故障智能化診斷研究[J].電子設(shè)計工程，2019，27（23）：55-58.

[2]于磊，王雙，韓宇龍，等.基于大數(shù)據(jù)技術(shù)的電網(wǎng)故障智能診斷方法[J].中國科技信息，2016（2）：32-33.

[3]燕凱，岳振宇，高嘉浩.基于大數(shù)據(jù)的電力計量設(shè)備運行狀態(tài)評估與故障診斷方法研究[J].電子器件，2019（5）：1095-1098.