廣東電網(wǎng)有限責(zé)任公司汕頭供電局 李子菁

隨著現(xiàn)代化用電技術(shù)的迅猛發(fā)展，智能電能表成為電力企業(yè)研發(fā)創(chuàng)新技術(shù)、提升市場(chǎng)份額、強(qiáng)化精益管理的重要依托，其飛速增長(zhǎng)的數(shù)量為計(jì)量點(diǎn)故障檢驗(yàn)和運(yùn)行設(shè)備輪換帶來(lái)不可忽視的難題，也使電能表運(yùn)行狀態(tài)評(píng)價(jià)技術(shù)成為亟須研究解決的新課題。

國(guó)外一些發(fā)達(dá)國(guó)家對(duì)于電能表運(yùn)行狀態(tài)評(píng)價(jià)的研究已經(jīng)歷了數(shù)十年，目前較為普遍的做法是通過(guò)對(duì)同一批次投入使用的電能表按比例進(jìn)行抽樣檢定，根據(jù)檢定結(jié)果來(lái)判斷電能表的運(yùn)行質(zhì)量和整體水平。國(guó)內(nèi)電力行業(yè)技術(shù)力量對(duì)于電能表運(yùn)行狀態(tài)評(píng)價(jià)的研究仍處于摸索期，鑒于近年來(lái)電能量數(shù)據(jù)監(jiān)測(cè)系統(tǒng)的廣泛應(yīng)用，對(duì)電能表運(yùn)行狀態(tài)評(píng)價(jià)的研究逐漸趨向于依托海量電能量數(shù)據(jù)的挖掘分析，但評(píng)價(jià)結(jié)果仍存在數(shù)據(jù)項(xiàng)關(guān)聯(lián)性弱、問(wèn)題指向性差等不足，因此必須建立電能表全生命周期狀態(tài)數(shù)據(jù)庫(kù)及質(zhì)量評(píng)價(jià)體系，分析主要技術(shù)和算法的適用性和前沿成果，為電力企業(yè)開展智能電能表選用、質(zhì)量監(jiān)督和壽命評(píng)估提供客觀有效的決策依據(jù)。

1 電能表運(yùn)行狀態(tài)評(píng)價(jià)的構(gòu)成

電能表運(yùn)行狀態(tài)評(píng)價(jià)圍繞電能表質(zhì)量評(píng)價(jià)、異常類型判別和使用壽命預(yù)估三個(gè)方面展開，其方法可概述為根據(jù)電能表歷史運(yùn)行情況、檢定結(jié)果數(shù)據(jù)及故障信息等判斷電能表的總體質(zhì)量水平，運(yùn)用分析算法及評(píng)價(jià)方法評(píng)估電能表的運(yùn)行狀態(tài)指標(biāo)、預(yù)測(cè)可能發(fā)生的異常情形，綜合電能表的質(zhì)量水平和運(yùn)行狀態(tài)評(píng)估電能表使用壽命。電能表運(yùn)行狀態(tài)評(píng)價(jià)指標(biāo)涵蓋了產(chǎn)品自身誤差穩(wěn)定性、供應(yīng)商產(chǎn)品運(yùn)行可靠性、產(chǎn)品運(yùn)行中的潛在隱患、產(chǎn)品運(yùn)行所處環(huán)境的客觀要素這4個(gè)類目共計(jì)12個(gè)項(xiàng)目[1]，如圖1所示。

圖1 電能表運(yùn)行狀態(tài)評(píng)價(jià)指標(biāo)

以誤差穩(wěn)定性指標(biāo)為例，其由實(shí)驗(yàn)室基本誤差、現(xiàn)場(chǎng)監(jiān)測(cè)運(yùn)行誤差和同批次誤差分散性構(gòu)成，是評(píng)價(jià)電能表產(chǎn)品本身在線運(yùn)行誤差的基本尺度。實(shí)驗(yàn)室基本誤差是由在相同工作電壓、不同工作電流、不同功率因數(shù)條件下產(chǎn)生的誤差值，求和取其平均值得到?，F(xiàn)場(chǎng)監(jiān)測(cè)運(yùn)行誤差為實(shí)際現(xiàn)場(chǎng)運(yùn)行狀態(tài)下測(cè)得的誤差值，是由測(cè)量值減去實(shí)際值得到的誤差值，可由系統(tǒng)直接讀取得到。同批次誤差分散性是對(duì)同一批次電能表在額定負(fù)荷點(diǎn)、功率因數(shù)為1.0條件下的基本誤差求標(biāo)準(zhǔn)方差，其計(jì)算方法計(jì)入電能量數(shù)據(jù)監(jiān)測(cè)系統(tǒng)后可直接讀取。

通過(guò)讀取電能表歷史運(yùn)行情況記錄，結(jié)合實(shí)驗(yàn)室電能表檢定數(shù)據(jù)，以及電能量數(shù)據(jù)監(jiān)測(cè)系統(tǒng)遠(yuǎn)程讀取電能表運(yùn)行信息，形成電能表全生命周期狀態(tài)數(shù)據(jù)庫(kù)。按照不同的指標(biāo)算法對(duì)數(shù)據(jù)進(jìn)行分類賦權(quán)，計(jì)算得到對(duì)應(yīng)的項(xiàng)目值，從而構(gòu)建出電能表狀態(tài)評(píng)價(jià)體系。

2 電能表質(zhì)量評(píng)價(jià)

電能表質(zhì)量評(píng)價(jià)貫穿于電能表全生命周期，應(yīng)具體針對(duì)全生命周期的每一階段就電能表質(zhì)量進(jìn)行系統(tǒng)性評(píng)估，提煉電能表與質(zhì)量相關(guān)的數(shù)據(jù)信息，量化評(píng)價(jià)并形成質(zhì)量數(shù)據(jù)庫(kù)，構(gòu)建全生命周期質(zhì)量評(píng)價(jià)體系模型[2]?；谀壳暗难芯?，質(zhì)量評(píng)價(jià)尚缺乏完善的體系模型，普遍做法是按照質(zhì)量目標(biāo)、質(zhì)量評(píng)價(jià)準(zhǔn)則和質(zhì)量特性將體系模型分為三個(gè)層級(jí)，如圖2所示。

圖2 電能表質(zhì)量評(píng)價(jià)體系模型

質(zhì)量目標(biāo)是從單只表、批次、供應(yīng)商三個(gè)層面對(duì)電能表的產(chǎn)品質(zhì)量進(jìn)行評(píng)價(jià)。質(zhì)量評(píng)價(jià)準(zhǔn)則對(duì)定量指標(biāo)和定性指標(biāo)實(shí)現(xiàn)分別處理并給出綜合評(píng)價(jià)。質(zhì)量特性則是利用層次分析法，對(duì)電能表全生命周期各環(huán)節(jié)所包含的與質(zhì)量相關(guān)的功能項(xiàng)分別提取特性指標(biāo)并賦予權(quán)重，由各環(huán)節(jié)評(píng)價(jià)結(jié)果得到單只表、批次、供應(yīng)商三個(gè)層面的綜合評(píng)價(jià)[3]。

單只電能表全生命周期質(zhì)量評(píng)價(jià)采用實(shí)驗(yàn)室抽樣檢定的方式進(jìn)行，評(píng)價(jià)項(xiàng)目包括基本誤差變化趨勢(shì)、時(shí)鐘偏差變化趨勢(shì)、日計(jì)時(shí)誤差變化趨勢(shì)三個(gè)方面。批次質(zhì)量評(píng)價(jià)是利用算法對(duì)某一供應(yīng)商某一批次電能表，在全生命周期內(nèi)各階段各項(xiàng)目數(shù)據(jù)按權(quán)重進(jìn)行計(jì)分，并對(duì)該批次電能表的運(yùn)行故障數(shù)據(jù)按問(wèn)題項(xiàng)目權(quán)重進(jìn)行計(jì)分，分別得出總分后得到該批次質(zhì)量評(píng)價(jià)整體情況。供應(yīng)商評(píng)價(jià)是針對(duì)某一供應(yīng)商全部電能表在全生命周期內(nèi)各階段各項(xiàng)目數(shù)據(jù)按權(quán)重進(jìn)行計(jì)分，并對(duì)該供應(yīng)商的全部電能表的運(yùn)行故障數(shù)據(jù)按問(wèn)題項(xiàng)目權(quán)重進(jìn)行計(jì)分，分別得出總分后得到該批次質(zhì)量評(píng)價(jià)整體情況。不同類型的電能表應(yīng)區(qū)分統(tǒng)計(jì)，以確保統(tǒng)計(jì)數(shù)據(jù)的準(zhǔn)確性及實(shí)用性。

從電能表全生命周期對(duì)產(chǎn)品質(zhì)量進(jìn)行綜合評(píng)價(jià)，評(píng)價(jià)環(huán)節(jié)由產(chǎn)品設(shè)計(jì)階段覆蓋至報(bào)廢鑒定，量化提煉與電能表質(zhì)量相關(guān)的有效信息，并將到貨前后性能測(cè)試、抽樣驗(yàn)收等可靠性試驗(yàn)內(nèi)容也納入質(zhì)量評(píng)價(jià)，多角度、多層次展開質(zhì)量評(píng)價(jià)后計(jì)算所得的分值，才能切實(shí)體現(xiàn)產(chǎn)品本身的質(zhì)量?jī)?yōu)劣程度。

3 異常類型判別

對(duì)于運(yùn)行中的電能表，引起異常的原因一般可分為兩類：一種是基于外部環(huán)境的不可控因素引發(fā)的，另一種是電能表本身原因引起的，例如軟硬件損壞、抄表模塊故障、時(shí)鐘異變、電池失效等。雖然電能表異常的種類諸多，但最終都會(huì)反映到電壓電流等數(shù)據(jù)項(xiàng)上，利用電能表數(shù)據(jù)監(jiān)測(cè)系統(tǒng)對(duì)歷史數(shù)據(jù)進(jìn)行分類讀取，統(tǒng)計(jì)分析電壓、電流、負(fù)荷曲線等關(guān)鍵電能量數(shù)據(jù)，可以有效定位到電能表的異常原因，并對(duì)同批次設(shè)備可能發(fā)生的故障類型及影響程度進(jìn)行預(yù)判。目前，應(yīng)用較為廣泛的電能表分析算法包括人工神經(jīng)網(wǎng)絡(luò)算法、關(guān)聯(lián)規(guī)則算法和決策樹算法，經(jīng)試驗(yàn)檢測(cè)預(yù)測(cè)準(zhǔn)確度高達(dá)80%以上。

人工神經(jīng)網(wǎng)絡(luò)是模擬人思維的一種方式，可以按照誤差逆向傳播進(jìn)行網(wǎng)絡(luò)訓(xùn)練的多層前饋型神經(jīng)網(wǎng)絡(luò)，具有強(qiáng)大的故障分類和識(shí)別能力[4]。該算法依托于電能表全生命周期狀態(tài)數(shù)據(jù)庫(kù)與數(shù)據(jù)挖掘技術(shù)，輸入層由每種電能表故障相關(guān)聯(lián)的因素或特征數(shù)據(jù)集合組成，在隱含層進(jìn)行網(wǎng)絡(luò)訓(xùn)練，建立故障種類矩陣及相對(duì)應(yīng)的特征數(shù)據(jù)矩陣，在輸出層根據(jù)數(shù)據(jù)表現(xiàn)出來(lái)的故障特征將電能表的故障進(jìn)行有效分類。人工神經(jīng)網(wǎng)絡(luò)算法具有非線性的適應(yīng)性特點(diǎn)，特別適合應(yīng)用于負(fù)荷預(yù)測(cè)、異常定位和安全預(yù)警等方面。

關(guān)聯(lián)規(guī)則算法應(yīng)用于電能表運(yùn)行監(jiān)測(cè)，能夠有效發(fā)現(xiàn)設(shè)備異?，F(xiàn)象與影響因素之間的關(guān)聯(lián)性，特別適用于從海量電能量數(shù)據(jù)中挖掘提取出具有潛在隱含價(jià)值的信息。關(guān)聯(lián)規(guī)則算法的關(guān)鍵在于分析得到各結(jié)果之間存在因果關(guān)聯(lián)、時(shí)序關(guān)聯(lián)、比對(duì)關(guān)聯(lián)等關(guān)系，通過(guò)量化分析電能表故障信息與診斷結(jié)果之間的關(guān)聯(lián)性構(gòu)建關(guān)聯(lián)模型，利用電能量數(shù)據(jù)監(jiān)測(cè)系統(tǒng)對(duì)數(shù)據(jù)進(jìn)行提取、清洗和邏輯化處理，提取規(guī)則并按置信度從高到低進(jìn)行順序排位給出監(jiān)測(cè)結(jié)果，最后結(jié)合實(shí)際消缺結(jié)果進(jìn)行規(guī)則檢驗(yàn)和調(diào)整，并生成新的規(guī)則。

決策樹算法是常用的監(jiān)督式機(jī)器學(xué)習(xí)算法，該算法是通過(guò)一個(gè)給定結(jié)果的訓(xùn)練集數(shù)據(jù)來(lái)建立模型，使用已建立的模型進(jìn)行新數(shù)據(jù)的分類及預(yù)測(cè)。決策樹算法包含決策結(jié)點(diǎn)和終端結(jié)點(diǎn)，是一種類似流程圖的樹狀決策機(jī)制，由決策結(jié)點(diǎn)表示屬性分類，由終端結(jié)點(diǎn)表示分類結(jié)果，經(jīng)實(shí)際工程驗(yàn)證具有較好的分類效果。使用決策樹算法可以有效判斷定位異常，對(duì)故障處理的及時(shí)性和準(zhǔn)確性具有較大提升。

4 使用壽命預(yù)測(cè)

由于早期智能電能表缺乏壽命預(yù)測(cè)方面的研究，致使當(dāng)前運(yùn)行的大部分電能表的維護(hù)和更換出現(xiàn)相當(dāng)程度的困難，對(duì)電能表的使用壽命進(jìn)行有效預(yù)測(cè)，不僅能指導(dǎo)編制輪換計(jì)劃、減少人力物力等資源浪費(fèi)，更重要的是能夠預(yù)防設(shè)備故障引發(fā)的大規(guī)模停電事故，對(duì)穩(wěn)定國(guó)民經(jīng)濟(jì)起到至關(guān)重要的作用。

傳統(tǒng)的電子元件壽命預(yù)測(cè)方法是貝葉斯法，這是利用數(shù)學(xué)統(tǒng)計(jì)分析方法，通過(guò)對(duì)大規(guī)模數(shù)據(jù)進(jìn)行分析統(tǒng)計(jì)而得到電能表壽命預(yù)測(cè)值，由于實(shí)際應(yīng)用中可獲得試驗(yàn)的數(shù)據(jù)有限，導(dǎo)致預(yù)測(cè)結(jié)果的準(zhǔn)確率備受局限。

電能表全生命周期覆蓋了從設(shè)計(jì)試驗(yàn)、制造檢驗(yàn)、到貨檢定、安裝使用、運(yùn)行抽檢、報(bào)廢鑒定等階段，如圖3所示，每個(gè)階段都要根據(jù)不同的數(shù)據(jù)指標(biāo)研究建立壽命預(yù)測(cè)模型。目前，使用較為廣泛的電能表壽命預(yù)測(cè)算法是基于多應(yīng)力退化模型的可靠性預(yù)估，即通過(guò)分析環(huán)境應(yīng)力與Weibull分布模型參數(shù)的關(guān)系，建立基于對(duì)數(shù)線性回歸模型的多應(yīng)力退化模型，并使用參數(shù)矯正方法實(shí)現(xiàn)正常應(yīng)力水平下壽命分布模型，獲得電能表可靠性及使用壽命預(yù)測(cè)結(jié)果。

圖3 電能表全生命周期覆蓋面

這種融合機(jī)器學(xué)習(xí)的算法將電能表各項(xiàng)運(yùn)行指標(biāo)整合為數(shù)據(jù)曲線，包括故障率、折舊率、報(bào)廢率等，通過(guò)對(duì)電能表進(jìn)行實(shí)時(shí)在線監(jiān)測(cè)，借助線性回歸算法等對(duì)模型進(jìn)行改進(jìn)，從而獲得更準(zhǔn)確的壽命評(píng)估。基于多應(yīng)力退化模型的壽命預(yù)測(cè)算法針對(duì)加速退化的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行研究，能夠有效確定電能表的壽命分布規(guī)律，對(duì)于選定電能表性能敏感參數(shù)及閾值、預(yù)測(cè)電能表壽命具有很高的準(zhǔn)確率。

文獻(xiàn)[5]提出一種基于改進(jìn)神經(jīng)網(wǎng)絡(luò)電子元件壽命預(yù)測(cè)的方法，通過(guò)將改進(jìn)算法與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行結(jié)合建立電子元件壽命預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)相同應(yīng)力條件的電子元件進(jìn)行壽命預(yù)測(cè)，甚至在對(duì)應(yīng)力加速條件下實(shí)現(xiàn)壽命預(yù)測(cè)。在多應(yīng)力條件下，預(yù)測(cè)模型的輸入值是加速應(yīng)力水平及可靠度，輸出值是電子元件的壽命模型，在參數(shù)尋優(yōu)過(guò)程中以改進(jìn)算法獲得神經(jīng)網(wǎng)絡(luò)的最優(yōu)連接權(quán)值和閾值，并代入神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行壽命預(yù)測(cè)。這種改進(jìn)模型較之傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型在降低局部收斂方面有更明顯的效果，具有更強(qiáng)的非線性擬合能力，對(duì)電能表壽命預(yù)測(cè)的準(zhǔn)確程度也更高，目前已經(jīng)在工程項(xiàng)目中得到應(yīng)用。

5 結(jié)語(yǔ)

從電能表質(zhì)量評(píng)價(jià)、異常類型判別和使用壽命預(yù)估三個(gè)方面論述了當(dāng)前電能表運(yùn)行狀態(tài)評(píng)價(jià)所使用的主流技術(shù)及其相關(guān)算法，分析數(shù)據(jù)統(tǒng)計(jì)方法和模型構(gòu)造。由于目前國(guó)內(nèi)對(duì)電能表運(yùn)行狀態(tài)評(píng)價(jià)的研究仍不夠深入，相關(guān)技術(shù)指標(biāo)缺乏定性管理，致使電能表生產(chǎn)商的出品良莠不齊，也使電力企業(yè)在電能表入網(wǎng)選型、運(yùn)行故障維護(hù)、數(shù)據(jù)價(jià)值挖掘等方面面臨重重考驗(yàn)。因此，有必要對(duì)電能表運(yùn)行狀態(tài)評(píng)價(jià)開展深度細(xì)致剖析，研究評(píng)價(jià)各方面技術(shù)和模型算法的前沿發(fā)展形勢(shì)，研究多算法融合優(yōu)化技術(shù)，提高預(yù)測(cè)性能的有效程度，為優(yōu)化電能表提供技術(shù)支撐和決策支持，推動(dòng)電能表運(yùn)行狀態(tài)評(píng)價(jià)技術(shù)快速發(fā)展。