計及小信號穩(wěn)定的智能電表通信故障同步診斷方法

芮光輝,薛曉慧,馬曉琴,李煒東,于洋洋,劉庚

(1. 國網(wǎng)青海省電力公司 a. 營銷部; b. 信通公司,青海 西寧 810008;2. 國網(wǎng)思極紫光(青島)微電子科技有限公司,北京 100081)

0 引言

中國電力系統(tǒng)實行的“一戶一表”政策已基本實現(xiàn)。目前智能電表數(shù)量大幅增加,智能電表在全國基本實現(xiàn)全覆蓋。當如此大量的智能電表真正投入運行時,需要對智能電表的運行可靠性進行嚴格監(jiān)控,及時診斷和修復電表故障[1]。智能電表的結構復雜,通常由液晶屏幕和多種集成電路等元件構成,在發(fā)生故障時,一般將故障劃分為三大類,分別為:顯示故障、計量故障以及通信故障[2]。

對于智能電表來說,其內(nèi)部的通信功能負責電表數(shù)據(jù)的采集與傳輸,如果出現(xiàn)通信故障,那就會發(fā)生用戶用電量的漏記或誤記,降低用戶對電力公司的信任,影響電力公司在社會上的口碑[3-4]。在智能電表通信故障的診斷中,因受到電表中小信號穩(wěn)定性的干擾,影響最終故障診斷結果的準確性。因此本文提出一種計及小信號穩(wěn)定的智能電表通信故障同步診斷方法。

1 通信故障同步診斷方法研究

1.1 建立智能電表通信結構

首先做好準備工作,收集智能電表在發(fā)生通信故障時的歷史數(shù)據(jù)以及資料,掌握智能電表結構。選擇智能電表中一個或多個不希望發(fā)生的事件,作為分析過程中的頂事件,對智能電表系統(tǒng)進行研究[5-6]。智能電表的通信功能模塊中,主要使用的是RS-485通信芯片,該型號芯片能夠通過光電耦合實現(xiàn)隔離。RS-485通信芯片的結構電路示意圖如圖1所示。

圖1 RS-485通信芯片接口電路

圖1中通信芯片接口電路內(nèi)部的RO與RI端點的功能分別為通信信息接收的輸出與輸入,RE與DE之間的功能分別為接收使能端與發(fā)送使能端。在通信芯片處于半雙工狀態(tài)時,發(fā)送與接收過程是在同一個通道實現(xiàn)的[7-8]。

1.2 分析智能電表故障通信連接情況

智能電表通信網(wǎng)絡中的信息傳遞可以用一個通信網(wǎng)絡的形式表示,智能電表內(nèi)部的通信主要由智能電表層網(wǎng)絡和通信過程層網(wǎng)絡決定[9]。各個網(wǎng)絡中的通信過程可以用有向圖來表示,如圖2所示。

圖2 智能電表通信端口連接關系示意圖

圖2中,實線代表通信過程中的物理連接,虛線表示邏輯連接。物理連接則是電表中電子元件與合并單元之間存在一定的連接關系[10-11],其中的邏輯連接關系可以用矩陣Cp×p來表示,圖2中的過程網(wǎng)絡邏輯連接用矩陣可以表示為

(1)

在通信端口的連接關系中,虛線的連接線如果從點a指向了點b,那么矩陣中的元素cab顯示為1,否則元素顯示為0[12]。目前我國所使用的智能電表中,常用是通過配置參數(shù)對過程層的網(wǎng)絡進行劃分,可以用矩陣vk×p來表示網(wǎng)絡中VLAN組的故障通信連接情況。邏輯連接關系矩陣Cp×p可以表示為

(2)

1.3 通信故障小信號穩(wěn)定性優(yōu)化

當智能電表通信過程產(chǎn)生故障時,電表內(nèi)部會產(chǎn)生一些微弱的信號,根據(jù)這些微弱信號的振動變化,可以提高故障診斷的準確性。對于通信過程中的小信號,由于溫度和電磁干擾,可能會發(fā)生一系列變化。因此,在提取通信故障的小信號時,有必要對通信信號進行濾波,以確保提取的信號受到的外部干擾最小,保持穩(wěn)定性。在這個過程中,智能電表中拆分元件的數(shù)量不斷增加,元件的操作能力也在不斷提高。

為了對智能電表中的通信故障小信號進行濾波操作,本文使用MAX291濾波電表中的小信號,濾波過程中,存在以下關系:

(3)

式中:fCLK表示智能電表中的時鐘頻率;fc表示截止頻率;fOSC表示小信號衰減到3dB時的截止頻率,該值范圍在0.1Hz～25kHz,需要保證整體信號的噪聲最低。在小信號濾波的過程中,高通濾波電路的傳遞函數(shù)Au(s)可以表示為

(4)

式中:s表示高通濾波電路中的傳遞因子;R1、R2則為高階濾波電路中的電阻;Aup(s)表示需要經(jīng)過處理的小信號。為了防止智能電表中的自激振蕩影響小信號的穩(wěn)定性,電阻值需要滿足

(5)

式中R3和R4表示低階濾波電路中的電阻,在以上條件下,小信號的計算公式為

(6)

按照上述計算公式的要求設置電阻值,可以有效防止小信號自激振蕩,保證故障同步診斷過程的準確性。

1.4 故障同步診斷方法

從智能電表檢修的歷史數(shù)據(jù)來看,所涉及到通信故障維修的數(shù)據(jù)中,可以將通信故障模式進行劃分。為了更加直觀地對智能電表進行故障分析,調(diào)查相關的通信故障原因,采用邏輯優(yōu)化的方法建立故障樹模型[13],如圖3所示。

圖3 故障樹模型

在故障同步診斷過程中,在小信號穩(wěn)定的情況下,通過對智能電表中的通信故障進行同步檢測,即根據(jù)所建立的故障樹,構造故障樹中每個事件的故障發(fā)生概率,此時,小信號穩(wěn)定,則結合推理算法逐個篩選不同的情況,設置證據(jù)變量狀態(tài)。在同步進行通信過程中和故障診斷過程中,得到診斷事件過程中不同故障事件的發(fā)生概率變化如圖4所示。

圖4 智能電表通信故障后驗概率變化

在圖4的變化規(guī)律下,根據(jù)故障同步診斷過程中的時間點,能夠大致推測出故障的類型,再進一步加以確定,完成智能電表通信故障同步診斷方法設計。

2 實驗

2.1 實驗環(huán)境

對于智能電表來說,通信模塊的核心是RS-485總線,這是一種基礎的通信方式。根據(jù)智能電表的具體情況,設定實驗環(huán)境網(wǎng)絡。在測試過程中,搭建9臺SDH網(wǎng)絡傳輸設備并配備電力網(wǎng)管服務器ESAM。搭建的智能電表通信環(huán)境如圖5所示。

圖5 搭建測試環(huán)境

在圖5的測試環(huán)境中,對智能電表的通信故障進行人為設置。對各個SDH進行物理連接,根據(jù)智能電表在日常應用中常見的故障類型,基于電表的歷史數(shù)據(jù),設定智能電表在通信中發(fā)生的故障類型以及其對應的歸一化權值如表1所示。

表1 智能電表通信不同故障類型歸一化權值表

在以上的實驗環(huán)境下,對各個設備之間的物理連接進行檢查,完成創(chuàng)建配置網(wǎng)元、時鐘同步等調(diào)試之后,分別使用本文設計的計及小信號穩(wěn)定的智能電表通信故障同步診斷方法和傳統(tǒng)的基于貝葉斯網(wǎng)絡的電網(wǎng)復雜故障推演新方法[14]進行測試,調(diào)整測試過程中的參數(shù),對比兩方法的故障診斷準確率。

2.2 實驗結果對比

在實驗中,分別設置不同的學習率并根據(jù)樣本集的特點設計診斷方法的訓練網(wǎng)絡結構,基于該結構進行訓練,得到學習率為0.01時兩種診斷方法下的損失值、準確率變化情況分別如圖6、圖7所示。

圖6 不同通信故障診斷方法損失值

圖7 不同通信故障診斷方法診斷準確率

從圖6和圖7中可以看出,傳統(tǒng)的貝葉斯網(wǎng)絡診斷方法在學習率為0.01時,診斷方法的測試損失值在4.03～4.07之間振蕩,沒有下降的趨勢。準確率經(jīng)過多次迭代之后,保持在0.7上下浮動。而本文診斷方法的測試損失值在3.90～3.95之間振蕩,準確率經(jīng)過多次迭代之后,能夠達到0.95以上。但是兩種方法在學習率為0.01的情況下都沒有收斂的趨勢,因此調(diào)整學習率,得到不同學習率情況下,兩種診斷方法經(jīng)過50次迭代后的診斷準確率,如表2所示。

表2 不同學習率下診斷方法的準確率

從表2中的數(shù)據(jù)變化可以看出,隨著學習率不斷下降,兩種方法的診斷準確率均有一定程度上升,降低到0.005時,準確率達到頂峰,貝葉斯網(wǎng)絡診斷方法的準確率為0.904,本文方法的診斷準確率為0.982。

2.3 應用實驗

對某電表廠生產(chǎn)的包括因各類原因拆回的電表、終端、互感器等計量器具高達15萬只,隨機抽取共計1 400只智能電表進行分析,其中,每一只需通過人工接收分類、派工分選檢測、手動清洗入庫等步驟,讀取條碼、識別外觀并記錄。有缺陷的,拍照上傳,狀態(tài)自動更新為待報廢;條碼無法識別的推出輸送線由人工處理;再進行壓縮空氣吹洗,完畢后流轉至倉位檢測。

設同步診斷概率為3級,其中,1級為小于35%;2級為大于35%,小于75%;3級為大于75%,其診斷結果如表3所示。

表3 故障事件同步診斷結果

由表3可知,將同步故障概率分級后,可以明確給出故障原因,其中,故障編號為1,2,5,6,9的每個通信故障只對應一個故障原因,為信號干擾,說明故障樹的節(jié)點具有唯一性,形成“通信故障—歷史數(shù)據(jù)—同步診斷通信故障—故障類型識別—概率分級—歷史數(shù)據(jù)”的閉環(huán)邏輯,通信故障模式劃分較為直觀明了,符合實際應用需求。

3 結語

針對智能電表在通信過程中所產(chǎn)生的故障同步診斷方法進行了優(yōu)化,在同步診斷中,計及通信過程中的小信號穩(wěn)定性,利用網(wǎng)絡層有向圖的形式分析智能電表故障通信連接情況,濾除發(fā)生頻率高、影響大范圍計量誤差的小信號噪聲,對于提高最終的故障診斷結果有良好的效果。

本方法雖然在故障診斷方面取得了一定的成績,但也只是進行了初步的研究與探索,在以后的工作中,還可以在電表通信故障發(fā)生之前,通過小信號的變化進行預測和判斷,從其故障危害性的角度進一步考慮。