智能電能表運行誤差在線分析技術(shù)的研究與應(yīng)用

葉 利，魏勝清，彭 翔，魏 偉，謝 瑋，董晨曦

（1.國網(wǎng)湖北省電力有限公司營銷服務(wù)中心，湖北 武漢430077；2.國網(wǎng)湖北省電力有限公司，湖北 武漢430077；3.國網(wǎng)湖北省電力有限公司信息通信公司，湖北 武漢430077）

0 引言

隨著智能電網(wǎng)建設(shè)的不斷深入，智能電能表作為法定計量裝置已經(jīng)得到廣泛應(yīng)用，其計量的準(zhǔn)確性不僅關(guān)系到千家萬戶的切身利益，也直接影響到電網(wǎng)企業(yè)的運營收益［1-5］。針對安裝在運的智能電能表的狀態(tài)評價和質(zhì)量監(jiān)控，按照傳統(tǒng)方法只能進(jìn)行現(xiàn)場校驗或依靠小比例抽樣拆回實驗室檢定，工作量大且效率低，不僅難以及時發(fā)現(xiàn)智能電能表的各類問題，也無法覆蓋全量在運智能電能表［6-12］。

當(dāng)前，智能電能表運行數(shù)據(jù)的積累以及大數(shù)據(jù)分析技術(shù)的不斷進(jìn)步，使得對智能電能表狀態(tài)進(jìn)行遠(yuǎn)程評價和診斷成為可能［13-21］。經(jīng)過摸索，發(fā)現(xiàn)在某個臺區(qū)下，總表的供電量、用戶表的用電量、線路損耗和其他固定損耗等物理量遵循能量守恒基本物理規(guī)律，用戶表的用電量與用戶表的電能計量和用戶表誤差具有確定關(guān)系。由此，本文提出了一種基于大數(shù)據(jù)分析的智能電能表運行誤差在線分析技術(shù)，通過對用電信息采集的電能計量數(shù)據(jù)和營銷檔案數(shù)據(jù)進(jìn)行大數(shù)據(jù)計算分析，可在不停電的情況下快速完成全網(wǎng)智能電能表的運行誤差計算，有效解決了智能電能表誤差現(xiàn)場檢測的技術(shù)難題。

1 運行誤差在線分析技術(shù)原理及模型

1.1 如何區(qū)分不同原因引起的計量損失

在一個臺區(qū)范圍內(nèi)，電能表的計量誤差、線路損耗以及電能表自身功耗等其他固定損耗均會引起計量損失或偏差。若智能電能表對應(yīng)的用電戶的用電特性相關(guān)性不大，且不同時段內(nèi)有一定變化，則可以通過綜合分析多個時段內(nèi)的特性，將每只智能電能表的特征找出來。

為了區(qū)分電能表誤差、線路損耗及其他固定損耗引起的計量損失，設(shè)定一個僅有1只總表和1只用戶表的臺區(qū)，假設(shè)某天的真實供電量是100 kW·h，那么電能表計量有-3%的誤差、有3 kW·h電的線路損耗或有3 kW·h電的固定損耗這三種情況均會使得用戶表的電能計量為97 kW·h。如果這個用戶每天都是同樣的用電量，同樣的用電特征，那么是無法區(qū)分出來到底是哪種原因造成的3 kW·h電的計量損失。但如果第二天用戶的用電量變化為200 kW·h，但用電時段等特征還是保持不變，此時由于這三種因素的物理特性不同，造成的計量損失將會出現(xiàn)較大的不同，從而就能區(qū)分出哪種原因造成了多少計量損失（見表1）。圖1則能夠更清晰地看出當(dāng)供電量變化時，固定損耗、電表誤差和線路損耗所引起的電量損失的不同變化趨勢。

圖1 不同原因計量損失變化趨勢Fig.1 Change trend of measurement loss for different reasons

表1 計量損失原因分析Table 1 Analysis of the causes of measurement loss

1.2 如何區(qū)分不同電能表的誤差

運行誤差在線分析是以臺區(qū)為單位進(jìn)行，臺區(qū)內(nèi)有一只總表，多只用戶表。每只用戶表的誤差特性基本都是線性的，為了能夠區(qū)分出某只用戶表的誤差到底是多少，假設(shè)一個臺區(qū)有一只總表，兩只用戶表（A和B），假設(shè)該臺區(qū)真實供電為每天204 kW·h，線路損耗假定為3.9 kW·h，固定損耗為0.1 kW·h，其中用戶表A的計量誤差為+3%，用戶表B的計量誤差為-3%。每天用戶表A和B的用電量都有變動，假設(shè)變動的數(shù)據(jù)如表2所示。以類似的方法再獲取四個點的數(shù)據(jù)，并將這八個點繪制為圖形（見圖2），可以清晰地看到，只要用戶用電特性不同，其用電情況就不相關(guān)（負(fù)荷曲線不同），物理性質(zhì)就能自動區(qū)分不同電能表的誤差。

表2 不同電能表計量誤差分析Table 2 Analysis of measurement errors of different electric energy meters

圖2 用電量真實值與計量值曲線Fig.2 Curve of actual value and measured value of electricity consumption

1.3 基于物理原理進(jìn)行數(shù)學(xué)建模

由前面的分析可以得知，最基本的物理原理保證了以臺區(qū)為單位進(jìn)行分析可得到臺區(qū)內(nèi)每只電能表的運行誤差。實際工作中，需要以臺區(qū)為單位，將這些規(guī)律體現(xiàn)到數(shù)學(xué)關(guān)系上，即進(jìn)行數(shù)學(xué)建模?；谂_區(qū)能量守恒定律，通過將現(xiàn)實的物理結(jié)構(gòu)抽象為數(shù)學(xué)上的樹形拓?fù)浣Y(jié)構(gòu)，可得到電能表用電示數(shù)的總分?jǐn)?shù)學(xué)關(guān)系。

基于能量守恒定律，利用臺區(qū)拓?fù)浞治?，總表處電量?yīng)為各支路用電量之和，即：臺區(qū)關(guān)口考核表總供電電量=各個用戶用電電量之和+線路損耗+電能表自身能耗等固定損耗。考慮到實際應(yīng)用中存在電能表計量誤差、線路損耗和臺區(qū)固損，實際臺區(qū)能量守恒方程如下：

圖3 臺區(qū)部署結(jié)構(gòu)Fig.3 Power station area structure

式（1）中：e0(i)為臺區(qū)計量周期i內(nèi)固定損耗；ey(i)為臺區(qū)計量周期i內(nèi)線路損耗率；ej(i)為計量點j量周期i內(nèi)的估計計量誤差，因電能表相對誤差可用求得，當(dāng)ej?1，也可用ej近似e'j；P為臺區(qū)分表總數(shù)量；y(i)為計量周期i供電總表供電量；φj(i)為計量周期i分表j計量值。

以臺區(qū)總表的計量值y'(i)近似臺區(qū)總供電量y(i)，則數(shù)學(xué)方程中總表和分表的計量值為已知量，計量誤差、線路損耗率和固定損耗為未知量（未知量為P+2個），則由多個計量周期可積累到N個具有P+2個未知量的方程，組成方程組。當(dāng)N大于P+2時，可求解方程組得到各分表表誤差、線路損耗率和固定損耗。其中各分表表誤差、線路損耗率均為在該計算周期的綜合評價值。

上述運行誤差在線分析模型把所有的未知量作為未知常數(shù)進(jìn)行估計，但在現(xiàn)場用電環(huán)境下，各用戶表的誤差由于噪聲、量化誤差、用電量等方面的影響是有波動的，線路損耗率更是隨供電量、用電特性的變動而顯著變化。故而結(jié)合實際情況，對運行誤差在線分析模型進(jìn)行了持續(xù)優(yōu)化，對誤差、線路損耗率和固定損耗率引入多周期加權(quán)平均的概念，并針對供電量變化較大，用電戶用電特征變化大，或者大用電戶在臺區(qū)邊緣等情況，應(yīng)用仿真和策略系統(tǒng)，利用與用電量二次項有關(guān)系的量來估計線損，從而使得模型能夠更加準(zhǔn)確地反應(yīng)物理現(xiàn)實，有效提高了模型的命中率。

2 運行誤差在線分析模塊部署與技術(shù)驗證

2.1 運行誤差在線分析模塊部署

運行誤差在線分析功能依托用電信息采集系統(tǒng)建設(shè)，在用電信息采集系統(tǒng)中新增加功能模塊（智能電能表狀態(tài)評價與更換模塊），并對現(xiàn)有的計量在線監(jiān)測模塊和閉環(huán)運維工單流轉(zhuǎn)模塊進(jìn)行優(yōu)化，集成架構(gòu)圖如圖4所示。

圖4 集成架構(gòu)圖Fig.4 Integration architecture

電能表狀態(tài)評價與更換模塊與其他各系統(tǒng)之間主要通過OGG方式將原始業(yè)務(wù)數(shù)據(jù)傳輸?shù)綌?shù)據(jù)及計算服務(wù)器的主節(jié)點、通過Rest API應(yīng)用服務(wù)器實現(xiàn)與閉環(huán)的工單流轉(zhuǎn)以及采集系統(tǒng)的業(yè)務(wù)功能展示與管理。其中數(shù)據(jù)及計算服務(wù)器通過彈性分布式機(jī)制保證主節(jié)點的穩(wěn)定及可靠運行，Rest API應(yīng)用服務(wù)器通過熱備機(jī)制保證訪問請求的及時響應(yīng)。

2.2 運行誤差在線分析技術(shù)驗證

為驗證模型的工程實用性，選擇孝感市部分臺區(qū)電能表進(jìn)行驗證。通過運行誤差在線分析技術(shù)對驗證范圍2.2萬個臺區(qū)、213萬只智能電能表的用電數(shù)據(jù)進(jìn)行計算分析，共輸出了58只異常電能表，命中48只，命中率82.8%。根據(jù)現(xiàn)場核查反饋的情況，命中的48只異常表中，疑似違約用電占91.7%，電能表故障占

8.3%。

根據(jù)命中的現(xiàn)場核查誤差分布及與模型輸出誤差分布對比情況分析（見表3），模型輸出誤差與現(xiàn)場核查誤差的偏差在5%以內(nèi)的占87.5%。

表3 模型輸出誤差與現(xiàn)場核查誤差的偏差情況統(tǒng)計Table 3 Statistics of deviations between model output errors and on-site verification errors

此外，通過對現(xiàn)場核查未命中的電能表進(jìn)行分析，既有誤差值在模型邊界附近、單臺區(qū)多表超差、臺區(qū)線損異常等因素導(dǎo)致的模型誤判，也有疑似核查時竊電恢復(fù)或間歇性竊電、命中判定標(biāo)準(zhǔn)不一致（以拆回檢定結(jié)果而非現(xiàn)場核查結(jié)果為準(zhǔn)）等客觀原因?qū)е履Ｐ洼敵鑫疵小?/p>

通過現(xiàn)場驗證，基于智能電能表的用電數(shù)據(jù)進(jìn)行計算分析，通過運行誤差在線分析模型的應(yīng)用，可以較好地檢測出異常電能表。

3 運行誤差在線分析模型優(yōu)化提升

在總結(jié)現(xiàn)場驗證經(jīng)驗的基礎(chǔ)上，可進(jìn)一步開展模型計算準(zhǔn)確度優(yōu)化提升工作。一是加強(qiáng)臺區(qū)總表管理，加快開展臺區(qū)總表改造，使用0.2S級表計，提高臺區(qū)總表準(zhǔn)確度；二是強(qiáng)化采集系統(tǒng)時鐘管理，加快HPLC改造應(yīng)用，加強(qiáng)高頻數(shù)據(jù)采集，提高數(shù)據(jù)采集能力和質(zhì)量；三是針對模型算法進(jìn)行改進(jìn)優(yōu)化研究，建立專家知識系統(tǒng)，采用AI自主學(xué)習(xí)等方式不斷優(yōu)化算法，提高誤差在線分析模型對低負(fù)荷、小誤差電能表的敏感性，縮小模型的可評價誤差邊界；四是建立誤差模型黑盒測試模塊，定期驗證系統(tǒng)計算準(zhǔn)確度。如從臺區(qū)的日凍結(jié)電量數(shù)據(jù)出發(fā)，調(diào)整一塊或多塊用戶分表每日用電量，將用電量增大或減小一定的比例至超差（如調(diào)高10%或調(diào)低10%），然后輸入模塊進(jìn)行模型計算，查看最終結(jié)果中是否把預(yù)期的超差表找出，以此來對數(shù)據(jù)進(jìn)行無標(biāo)注訓(xùn)練，進(jìn)而提升模型的計算準(zhǔn)確度。

4 結(jié)語

本文針對智能電能表運行誤差實時監(jiān)測的技術(shù)難題，提出了一種智能電能表狀態(tài)在線評價分析技術(shù)。通過對各臺區(qū)智能電能表實際運行數(shù)據(jù)進(jìn)行挖掘和分析，建立了基于樹形拓?fù)淠芰渴睾愕闹悄茈娔鼙磉\行誤差遠(yuǎn)程診斷分析模型，從而實現(xiàn)了不依賴新增硬件設(shè)備就能準(zhǔn)確定位由誤差超差、用戶竊電等行為引起的異常電能表，為用電巡檢工作提供有效的技術(shù)手段，克服目前人工排查工作量大、缺乏針對性的瓶頸，有效保障表計運行質(zhì)量。在專項案例應(yīng)用過程中也驗證了本文的方法，有效核查命中率總體達(dá)到了82.8%，效果較好，為電能表日常運維管理、狀態(tài)評價及精準(zhǔn)更換提供了有效技術(shù)支撐，也為模型的進(jìn)一步優(yōu)化提供了研究方向。