基于貝葉斯網(wǎng)絡(luò)的電能表狀態(tài)評(píng)估方法

唐冬來，楊帆，付世峻，何鵬，陳武，陳科宇

(1.四川中電啟明星信息技術(shù)有限公司，四川 成都 610041；2. 重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶 400065; 3. 國(guó)網(wǎng)四川省電力公司綿陽供電公司，四川 綿陽 621000)

隨著國(guó)家電網(wǎng)有限公司“三型兩網(wǎng)”建設(shè)工作的不斷推進(jìn)，對(duì)電能計(jì)量管理精益化要求日益增高[1]。電能表作為電能計(jì)量的重要裝置，其狀態(tài)運(yùn)行正常與否和供電公司、用電客戶的利益息息相關(guān)[2-6]。傳統(tǒng)的電能表狀態(tài)檢驗(yàn)以周期性檢定為主[7]，評(píng)估的指標(biāo)權(quán)重單一，不能滿足跨地域的電表運(yùn)行狀態(tài)評(píng)估需求[8-9]。同時(shí)，電能表的現(xiàn)場(chǎng)狀態(tài)檢驗(yàn)工作缺少監(jiān)管手段，電能表狀態(tài)檢驗(yàn)效率低[10]。

國(guó)內(nèi)外許多學(xué)者對(duì)電能表狀態(tài)評(píng)估提升工作做了大量研究。電能表狀態(tài)評(píng)估研究成果主要分為固定評(píng)價(jià)指標(biāo)體系和動(dòng)態(tài)評(píng)價(jià)指標(biāo)體系。在固定評(píng)價(jià)指標(biāo)體系方面，采用人為主觀設(shè)定的電能表狀態(tài)評(píng)價(jià)指標(biāo)體系對(duì)電能表進(jìn)行評(píng)估。固定評(píng)價(jià)指標(biāo)體系可根據(jù)可靠性維護(hù)、安全域、家族缺陷、誤差特征等因素人為設(shè)立指標(biāo)[11-14],其指標(biāo)體系設(shè)置簡(jiǎn)單，但對(duì)省級(jí)電力公司數(shù)百萬計(jì)的電能表狀態(tài)評(píng)估適應(yīng)性不強(qiáng)。動(dòng)態(tài)評(píng)價(jià)指標(biāo)體系方面，采用決策樹群和大數(shù)據(jù)方法對(duì)電能表狀態(tài)評(píng)估指標(biāo)體系進(jìn)行調(diào)整[15-16]，可有效解決評(píng)估指標(biāo)集有效生產(chǎn)的問題，但由于動(dòng)態(tài)評(píng)價(jià)指標(biāo)體系采集電能表數(shù)據(jù)源于人工錄入，且不能對(duì)評(píng)估指標(biāo)集的權(quán)重進(jìn)行調(diào)整，因此電能表狀態(tài)評(píng)價(jià)質(zhì)量不高。

為解決傳統(tǒng)電能表現(xiàn)場(chǎng)狀態(tài)評(píng)估過程中存在的指標(biāo)權(quán)重單一、評(píng)估效率低等問題，本文提出一種基于貝葉斯網(wǎng)絡(luò)的電能表狀態(tài)評(píng)估方法。在對(duì)電能表狀態(tài)評(píng)估數(shù)據(jù)降維采集的基礎(chǔ)上，采用無監(jiān)督學(xué)習(xí)法建立電能表狀態(tài)評(píng)估矩陣，并結(jié)合區(qū)域特征進(jìn)行指標(biāo)權(quán)重動(dòng)態(tài)調(diào)整。然后，通過貝葉斯網(wǎng)絡(luò)對(duì)電能表狀態(tài)進(jìn)行評(píng)估。最后，將本文所提方法應(yīng)用到某地區(qū)供電公司，以驗(yàn)證本文所提方法在評(píng)估準(zhǔn)確性和效率方面的優(yōu)越性。

1 電能表狀態(tài)評(píng)估框架

本文所述的基于貝葉斯網(wǎng)絡(luò)的電能表狀態(tài)評(píng)估方法框架如圖1所示，主要分為電能表狀態(tài)評(píng)估特征數(shù)據(jù)提取、狀態(tài)評(píng)估指標(biāo)矩陣、評(píng)價(jià)權(quán)重調(diào)整和電能表狀態(tài)評(píng)估4個(gè)部分。

圖1 電能表狀態(tài)評(píng)估框架Fig.1 Energy meter condition evaluation framework

在電能表狀態(tài)評(píng)估特征數(shù)據(jù)提取環(huán)節(jié)，首先通過物聯(lián)代理設(shè)備在線匯聚各檢驗(yàn)設(shè)備的電能表狀態(tài)評(píng)估數(shù)據(jù)，然后對(duì)檢驗(yàn)設(shè)備的電能表狀態(tài)評(píng)估數(shù)據(jù)進(jìn)行降維處理，避免全量數(shù)據(jù)上傳造成的計(jì)算效率低的問題。在狀態(tài)評(píng)估指標(biāo)矩陣建立環(huán)節(jié)，采用無監(jiān)督學(xué)習(xí)法對(duì)電能表基礎(chǔ)檔案、批次運(yùn)行狀態(tài)和運(yùn)行狀態(tài)方面進(jìn)行分析，并建立電能表狀態(tài)評(píng)估指標(biāo)矩陣；在評(píng)價(jià)權(quán)重調(diào)整環(huán)節(jié)，結(jié)合各供電公司地域性電能表運(yùn)行特點(diǎn)，對(duì)電能表評(píng)價(jià)權(quán)重進(jìn)行動(dòng)態(tài)調(diào)整；在電能表狀態(tài)評(píng)估環(huán)節(jié)，結(jié)合電能表指標(biāo)權(quán)重的情況，采用貝葉斯網(wǎng)絡(luò)對(duì)電能表的狀態(tài)進(jìn)行評(píng)估。

2 電能表狀態(tài)評(píng)估模型

2.1 電能表狀態(tài)特征數(shù)據(jù)提取

2.1.1 電能表檢驗(yàn)數(shù)據(jù)物聯(lián)采集

近年來，國(guó)家電網(wǎng)有限公司啟動(dòng)了帶物聯(lián)功能的電能表校驗(yàn)工具研究[17]，通過在電能表校驗(yàn)工具上加裝物聯(lián)設(shè)備，實(shí)現(xiàn)電能表狀態(tài)監(jiān)測(cè)數(shù)據(jù)的物聯(lián)上傳，從而解決傳統(tǒng)電能表檢驗(yàn)設(shè)備數(shù)據(jù)無法上傳的問題。

2.1.2 電能表狀態(tài)檢驗(yàn)數(shù)據(jù)降維

主成分分析(principal component analysis，PCA)算法是一種數(shù)據(jù)降維方法，通過線性變換將輸入的高維向量數(shù)據(jù)轉(zhuǎn)換為低維度數(shù)據(jù)。PCA算法一般用于提取數(shù)據(jù)的主要特征和高維數(shù)據(jù)降維[18]。

電能表狀態(tài)檢驗(yàn)數(shù)據(jù)主要來源于電能表的檔案數(shù)據(jù)和電能表檢驗(yàn)設(shè)備的失壓、失流、電壓逆相序、全失壓、斷相等狀態(tài)監(jiān)測(cè)數(shù)據(jù)。若對(duì)電能表檢驗(yàn)設(shè)備全量上傳的檢驗(yàn)數(shù)據(jù)進(jìn)行分析，則會(huì)造成電能表評(píng)價(jià)算法模型運(yùn)行效率低的問題。采用PCA算法對(duì)電能表狀態(tài)檢驗(yàn)數(shù)據(jù)進(jìn)行降維處理，可提高電能表狀態(tài)評(píng)估模型的運(yùn)行效率，避免全量數(shù)據(jù)上傳造成的計(jì)算效率低的問題。在電能表特征數(shù)據(jù)降維后，開展電能表狀態(tài)檢驗(yàn)數(shù)據(jù)的特征值提取。

2.2 狀態(tài)評(píng)估指標(biāo)矩陣

近鄰傳播(affinity propagation，AP)聚類算法不需要指定聚類數(shù)量，具有聚類結(jié)果誤差小的優(yōu)勢(shì)，但算法較為復(fù)雜，在處理多維大量數(shù)據(jù)時(shí)，AP聚類需要的時(shí)間比較長(zhǎng)[19]。

電能表狀態(tài)評(píng)估指標(biāo)是綜合考慮電能表運(yùn)行的可靠性、電能表生產(chǎn)廠商質(zhì)量風(fēng)險(xiǎn)控制等因素的評(píng)估[20]。電能表狀態(tài)評(píng)估需要對(duì)現(xiàn)有的電能表特征進(jìn)行聚類，從而計(jì)算出共性的電能表檢驗(yàn)特征指標(biāo)。為提高AP聚類的速度，對(duì)現(xiàn)有AP聚類算法中的相似度矩陣偏向函數(shù)進(jìn)行改進(jìn)。

采用改進(jìn)AP聚類方法對(duì)電能表運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行分析。涉及的電能表數(shù)據(jù)包括電量、電壓、電流，以下以電能表電流數(shù)據(jù)為例進(jìn)行介紹。設(shè)電能表1的電流運(yùn)行數(shù)據(jù)as的離散特征為ga，電能表2電流運(yùn)行數(shù)據(jù)bs的離散特征為gb，離散特征點(diǎn)的距離采用歐式距離計(jì)算，設(shè)特征權(quán)重系數(shù)為wa，2個(gè)離散特征點(diǎn)的相似度

zh=-[waga+(1-wa)gb].

(1)

離散特征點(diǎn)gc可表示為

(2)

式中：hji和hki分別為數(shù)據(jù)點(diǎn)i的2個(gè)離散特征點(diǎn)j、k的最小值；ne為數(shù)據(jù)點(diǎn)總數(shù)。

偏向函數(shù)為相似度矩陣主對(duì)角線的值u，合理選取偏向函數(shù)，即可減少迭代次數(shù)，AP聚類算法在多次迭代后，數(shù)據(jù)基礎(chǔ)(data basis，DB)指標(biāo)DB可作為電能表離散特征的收斂函數(shù)。設(shè)電能表電流曲線相似度矩陣的對(duì)角線中位數(shù)為ea，AP聚類的搜索閾值為λ，可得：

u=ea+λDBmin.

(3)

式中DBmin為DB指標(biāo)收斂函數(shù)的最小值。

設(shè)聚類的數(shù)量為ng，聚類的中心為Cm，兩類電表的數(shù)據(jù)點(diǎn)到數(shù)據(jù)中心的距離分別為Qa和Qb，聚類DB指標(biāo)

(4)

通過AP聚類，建立電能表狀態(tài)評(píng)估指標(biāo)矩陣見表1。

2.3 評(píng)價(jià)權(quán)重動(dòng)態(tài)調(diào)整

熵權(quán)法是對(duì)于指標(biāo)體系中的某項(xiàng)值權(quán)重進(jìn)行調(diào)整的方法，通過熵值來判斷某個(gè)指標(biāo)的離散程度，其熵值越小，則說明該指標(biāo)對(duì)指標(biāo)體系的影響越大[21]。

受地理環(huán)境、氣候、溫度等因素影響，電能表運(yùn)行狀態(tài)評(píng)估的特征值不盡相同[22]。為解決各省電力公司之間電能表運(yùn)行狀態(tài)的差異，結(jié)合各省電力公司地域性電能表運(yùn)行特點(diǎn)，采用熵權(quán)法對(duì)表1中的電能表評(píng)價(jià)權(quán)重進(jìn)行動(dòng)態(tài)調(diào)整。

首先，根據(jù)專家經(jīng)驗(yàn)值設(shè)定電能表運(yùn)狀態(tài)評(píng)估權(quán)重ω=(ω1,ω2，…,ωnb)，其中nb為電能表狀態(tài)檢驗(yàn)指標(biāo)集的總數(shù)。在生成聚類中心后，計(jì)算單個(gè)特征指標(biāo)對(duì)電能表狀態(tài)檢驗(yàn)聚類中心的貢獻(xiàn)度，設(shè)電能表特征指標(biāo)聚類中心數(shù)為ka，隨機(jī)選擇的聚類中心i的特征負(fù)荷值為L(zhǎng)ran,i，聚類中心i的特征值為lb,i，電能表狀態(tài)評(píng)估特征指標(biāo)的貢獻(xiàn)度

(5)

電能表狀態(tài)評(píng)估的特征指標(biāo)權(quán)重

(6)

式中Pci為聚類中心i的特征指標(biāo)的貢獻(xiàn)度。

本文結(jié)合地區(qū)供電公司電能表運(yùn)行特點(diǎn)，采用熵權(quán)法對(duì)初始電能表狀態(tài)檢驗(yàn)的權(quán)重進(jìn)行更新，更新后的權(quán)重

(7)

式中φai為聚類中心i的特征指標(biāo)權(quán)重。

2.4 電能表狀態(tài)評(píng)估

貝葉斯網(wǎng)絡(luò)可直觀統(tǒng)計(jì)電能表狀態(tài)評(píng)估各節(jié)點(diǎn)之間的因果關(guān)系，可進(jìn)行雙向推理獲得準(zhǔn)確的電能表狀態(tài)評(píng)估值[23]。根據(jù)地區(qū)供電公司電能表運(yùn)行特點(diǎn)進(jìn)行電能表狀態(tài)評(píng)估指標(biāo)特征權(quán)重調(diào)整后，采用貝葉斯網(wǎng)絡(luò)對(duì)電能表的狀態(tài)進(jìn)行評(píng)估。

設(shè)電能表狀態(tài)評(píng)估特征指標(biāo)的閾值越限事件概率為ua，電能表狀態(tài)檢驗(yàn)故障的發(fā)生概率為va，電能表狀態(tài)檢驗(yàn)特征指標(biāo)個(gè)數(shù)為ke，在ua條件下的va條件概率

(8)

式中uai為電能表狀態(tài)評(píng)估特征指標(biāo)i的閾值越限事件概率。電能表狀態(tài)評(píng)估的故障發(fā)生特征

(9)

通過式(9)，可獲得對(duì)電能表運(yùn)行狀態(tài)的評(píng)估結(jié)果。

3 電能表狀態(tài)評(píng)估仿真流程

基于貝葉斯網(wǎng)絡(luò)的電能表狀態(tài)評(píng)估流程如圖2所示。

圖2 電能表狀態(tài)評(píng)估流程Fig.2 State evaluation process of electric energy meter

4 算例分析

采用本文所提的基于貝葉斯網(wǎng)絡(luò)的電能表狀態(tài)評(píng)估方法，對(duì)某省電力公司的高壓三相電能表的現(xiàn)場(chǎng)檢驗(yàn)數(shù)據(jù)進(jìn)行評(píng)估，數(shù)據(jù)來源為現(xiàn)場(chǎng)電能表檢驗(yàn)儀表遠(yuǎn)程上傳的高壓三相電能表現(xiàn)場(chǎng)校驗(yàn)數(shù)據(jù)。本文采用的計(jì)算機(jī)系統(tǒng)版本為Windows Sever 2016、16核心至強(qiáng)2.4 GHz中央處理器、32 GB內(nèi)存，電能表的校驗(yàn)儀為國(guó)家電網(wǎng)有限公司計(jì)量中心2018年組織研究的新型現(xiàn)場(chǎng)校驗(yàn)儀。

在電能表狀態(tài)評(píng)估中，首先選擇電能表狀態(tài)評(píng)估的指標(biāo)權(quán)重作為評(píng)估的基準(zhǔn)。然后選取文獻(xiàn)[15]中的多決策樹群電能表狀態(tài)評(píng)估方法作為參照，與本文方法進(jìn)行對(duì)比，以驗(yàn)證本文方法的有效性。

4.1 電能表狀態(tài)評(píng)估指標(biāo)權(quán)重選取

訓(xùn)練樣本選擇：某省電能表狀態(tài)評(píng)估儀表100臺(tái)，每臺(tái)校驗(yàn)100只高壓三相電能表現(xiàn)場(chǎng)檢驗(yàn)數(shù)據(jù)，權(quán)重總分為100%。各指標(biāo)權(quán)重見表2。

表2 電能表狀態(tài)評(píng)估指標(biāo)權(quán)重Tab.2 Weight of state evaluation index of electric energy meter

4.2 電能表狀態(tài)評(píng)估運(yùn)行時(shí)間分析

分別選擇電能表狀態(tài)評(píng)估儀表的數(shù)量為5、10、20、50、80、100、200，每臺(tái)校驗(yàn)100只高壓三相電能表現(xiàn)場(chǎng)檢驗(yàn)數(shù)據(jù)，對(duì)比本文方法與多決策樹群的電能表狀態(tài)評(píng)估運(yùn)行時(shí)間，結(jié)果見表3。

表3 電能表狀態(tài)評(píng)估運(yùn)行時(shí)間對(duì)比Tab.3 Comparison of running time of electric energy meter condition evaluation

由表3可見，在電能表狀態(tài)評(píng)估數(shù)據(jù)提取時(shí)間方面，本文所提的基于貝葉斯網(wǎng)絡(luò)的電能表狀態(tài)評(píng)估方法優(yōu)于多決策樹群方法。

4.3 評(píng)估指標(biāo)權(quán)重調(diào)整準(zhǔn)確率分析

電能表評(píng)估權(quán)重調(diào)整準(zhǔn)確率是衡量指標(biāo)是否符合省級(jí)電力公司要求的關(guān)鍵指標(biāo)，指標(biāo)權(quán)重調(diào)整的準(zhǔn)確率為調(diào)整正確的指標(biāo)權(quán)重?cái)?shù)量與調(diào)整的指標(biāo)權(quán)重?cái)?shù)量的比值。

選擇電能表狀態(tài)評(píng)估儀表的評(píng)估指標(biāo)分別為運(yùn)行時(shí)間、運(yùn)行故障率、違約竊電信息表、運(yùn)行誤差、運(yùn)行監(jiān)測(cè)事件、運(yùn)行監(jiān)測(cè)異常，評(píng)估樣本電表數(shù)量為100，對(duì)比本文所提基于貝葉斯網(wǎng)絡(luò)的電能表狀態(tài)評(píng)估方法與多決策樹群的電能表狀態(tài)評(píng)估方法的指標(biāo)權(quán)重準(zhǔn)確率，結(jié)果如圖3所示。

圖3 電能表狀態(tài)評(píng)估指標(biāo)權(quán)重準(zhǔn)確率對(duì)比Fig.3 Comparison of weight accuracy of state evaluation index of electric energy meter

由圖3可見，在電能表狀態(tài)評(píng)估指標(biāo)權(quán)重調(diào)整準(zhǔn)確率方面，本文所提基于貝葉斯網(wǎng)絡(luò)的電能表狀態(tài)評(píng)估方法優(yōu)于多決策樹群方法。

4.4 電能表狀態(tài)評(píng)估準(zhǔn)確率分析

電能表狀態(tài)評(píng)估準(zhǔn)確率是電能表狀態(tài)評(píng)估的核心指標(biāo)，其計(jì)算方法為評(píng)估正確的電能表數(shù)量除以評(píng)估的電能表總數(shù)。該數(shù)字的取值范圍為0～1，數(shù)值越大，電能表狀態(tài)評(píng)估準(zhǔn)確率越高。

分別選擇電能表狀態(tài)評(píng)估儀表的數(shù)量為5、10、20、50、80、100、200，每臺(tái)電能表狀態(tài)評(píng)估儀表檢驗(yàn)的電能表數(shù)量為100，對(duì)比本文方法與多決策樹群的電能表狀態(tài)評(píng)估準(zhǔn)確率，對(duì)比結(jié)果見表4。

表4 電能表狀態(tài)評(píng)估準(zhǔn)確率對(duì)比Tab.4 Comparison of state evaluation accuracy of electric energy meter

由表4可見，在電能表狀態(tài)評(píng)估準(zhǔn)確率方面，本文所提的基于貝葉斯網(wǎng)絡(luò)的電能表狀態(tài)評(píng)估方法優(yōu)于多決策樹群方法。

4.5 電能表狀態(tài)評(píng)估結(jié)果分析

文中方法的評(píng)估指標(biāo)選擇范圍見表1，評(píng)估分值取值范圍為0～100，90分以上為優(yōu)秀，75～90分為良好，60～74.99分為合格，60分以下為不合格。選擇某省電力公司100只高壓三相電能表，采用文中方法進(jìn)行電能表狀態(tài)評(píng)估，評(píng)估結(jié)果見表5。

表5 電能表狀態(tài)評(píng)估結(jié)果Tab.5 State evaluation results of electric energy meter

5 結(jié)束語

為解決傳統(tǒng)電能表現(xiàn)場(chǎng)狀態(tài)評(píng)估過程中存在的指標(biāo)權(quán)重單一、評(píng)估效率低的問題，本文提出一種基于貝葉斯網(wǎng)絡(luò)的電能表狀態(tài)評(píng)估方法。在物聯(lián)代理設(shè)備采集現(xiàn)場(chǎng)電能表校驗(yàn)基礎(chǔ)檔案、批次運(yùn)行狀態(tài)和運(yùn)行狀態(tài)的基礎(chǔ)上，采用數(shù)據(jù)降維算法實(shí)現(xiàn)電能表檢驗(yàn)數(shù)據(jù)的提取，以降低數(shù)據(jù)采集時(shí)間。其次，采用無監(jiān)督學(xué)習(xí)方法建立電能表狀態(tài)評(píng)估指標(biāo)矩陣，并結(jié)合區(qū)域特征對(duì)電能表評(píng)價(jià)權(quán)重進(jìn)行動(dòng)態(tài)調(diào)整。然后，使用貝葉斯網(wǎng)絡(luò)對(duì)電能表的運(yùn)行故障發(fā)生概率進(jìn)行評(píng)估，從而獲得準(zhǔn)確的電能表狀態(tài)評(píng)估結(jié)果。

本文所述的方法在電能表狀態(tài)評(píng)估指標(biāo)權(quán)重調(diào)整方面還存在提升空間，后續(xù)將結(jié)合時(shí)間卷積網(wǎng)絡(luò)對(duì)電能表指標(biāo)評(píng)估權(quán)重調(diào)整做進(jìn)一步研究。