試析用電信息采集系統中的畸變數據

摘 要：由于我們現在使用的電力采集系統中的一些原件存在問題，造成在采集數據時會出現一部分不良數據，例如：居民的用電量數據不好、電壓的數據不好及用電功率不正常等等。而造成這些問題的原因主要有：居民的智能電表有許多的生產單位，因為他們的產品質量不穩定，有時會出現程序問題，以及其計算的方法不科學，還有就是，我們生活地區的電網不好或者因為出現故障等等。雖然會有這些問題，但是不會太多，有時偶有發生，一旦發生后果比較嚴重，他會對所有的數據造成破壞性的打擊，還會造成電表的數據有誤，這就會對社會的穩定產生不利因素。那么，我們應該怎樣來避免這種問題的發生呢？它是一個重點和難點，同樣也是考驗該設備是否可用實用。

關鍵詞：采集系統；不良數據；用電信息；海量存儲

1 對數據的分類進行剖析

1.1 當錯誤的數據發生在收集、儲存、輸送時

電力的數據收集終端它主要是配網中使用，但是，這個我們所說的配網往往運行特別麻煩、用電壓力又不是十分穩定、當地的信息通道噪聲又大，因此，我們在使用此設備進行數據收集和輸送時就可能發生遺漏數據、產生誤差及較大的雜聲；再就是我們經常使用的各種芯片在儲存過程中有可能有BUG存在，造成數據儲存越界，造成電力讀書偏大。

1.2 由于當地的信息通道問題產生的錯誤數據

使用原有的低壓配電網絡為主題的，來傳遞信息的我們通常稱之為低壓電力線載波通信。因為用電線路本身的特性（例如：比較復雜的負荷、比較強的雜音干擾、比較大的信號衰減、比較小的信道容量等等）我們要追求品質較高的用電網絡通信還有一定差距。

1.3 由于電力方面出現的故障造成的錯誤數據

當電路發生一些故障時就會出現電流不正常，例如：發生接地現象以及連電現象等等，這就會造成電力的功率和用量數據錯誤。

2 畸變數據處理方法

2.1 處理流程（圖1）

2.2 閥值設定及處理方法

依據數據形式和類別的差別要相應的采用不同的閥值設定。閥值的設定要以參考值和異常系數作為重要的依據與參考。比如功率方面的例子，用什么作為參考呢？通常我們會用運行容量，作為不正常的數據通常我們規定為不低于三倍，當出現數據超值時，我們就必須做相應的處置。

我們在平時有三種比較常遇到的情況：①收集完后再仔細篩查。也就是說，在一定時間內對我們收集的數據作比對，然后依據規定找出錯誤的數據；②把收集來的數據儲存起來在進行篩查。也就是說，在數據庫中有一個觸發器，當數據經過觸發器時，觸發器就會對錯誤數值進行篩查，然后在自動處理掉；③把錯誤數據在前置機內存中篩查處置。也就是說，把我們的客戶的容積以及電壓等等數值全部存在前置機內存當中，一旦數據到達終端后，它就會依據不同的數值與內存進行對照，自動對錯誤數值進行處置。

從上述的論證和相關的實踐經驗可以發現：對前置機內存實現比較的形式，有利于篩選與分辨畸變的數據，并可以達到數據儲存的相關要求。

2.2.1 功率數據。所謂的功率數據涵蓋諸多的數據內容，主要有功率曲線數據、階段凍結功率以及最大的要求功率等。功率數據很大程度上受運行容量的影響與限制，所以運行容量可以作為判斷功率數據正常與否的一個依據和標準。閥值可設置一般可設置為容量的3～5倍。若超過閥值，前置機根據通用算法進行擬合，生成功率數據，寫入功率數據庫對應存儲表，同時將異常點情況寫入異常表，需要人工干預時通過異常表找到對應的數據記錄進行調整。

2.2.2 電流數據。基于容量計算，用戶或配變安裝的變壓器組運行容量是該用戶或配變的供電能力的表征，根據運行容量可判斷該組變壓器所能達到的電流上限值

式中：IMax為該變壓器組電流上限；kVA為變壓器組運行容量；U為供電電壓。一般在設定閥值時，可將閥值設為IMax的2倍以上，標識該數據為超限值數據。

2.2.3 電量數據。電量數據分為曲線數據、日凍結數據、月凍結數據。電量值與運行容量（合同容量）及使用電能時間有很強的關聯性，以容量和周期時間作為電量異常判斷的基準值。閥值一般設定為2倍，超過2倍即為異常。曲線數據根據曲線間隔計算：基準電量=容量×分鐘數/60，超過閥值則取該點對應的電量曲線前5天平均值，同時將異常點情況寫入異常表，需要人工干預時通過異常表找到對應的數據記錄進行調整。

日凍結基準電量=容量×24，超過閥值根據通用算示進行擬合，同時將異常點情況寫入異常表，需要人工干預時通過異常表找到對應的數據記錄進行調整。

月凍結基準電量=容量×24×當月天數，超過閥值根據通用算法進行擬合，同時將異常點情況寫入異常表，需要人工干預時通過異常表找到對應的數據記錄進行調整。

2.3 畸變數據識別算法

2.3.1 對有疑問的數據點進行分辨。數據出現突然的變化是不良數據點的重要特點。所以可以根據這一特點來對以前的歷史采集數據進行是否可疑的分辨。從采集系統層面上考慮，一般的其采集的數據把正常的變化規定在不同的幅度上，這種幅度可以變大或者變小，這樣便能夠相應的使可疑數據點的判斷的標準放寬和變得更加嚴格。但是還是難免有一定的差錯或者疏漏。如果采用短期負荷預測的方式，則可以避免此種誤差。因為其依據的數據是有一定規則和規律的，它依據一定的規律進行精細的修正，即使修正點稍多或者稍少也不會影響整個數據的修正效果，同時這種計算方式還有估算的功能和作用。

2.3.2 對有疑問的數據點進行修正。對以往的采集數據進行必要的修正，是用電信息采集工作的一項重要且復雜的工作。對有疑問的采集數據進行修復工作要遠遠負責與判斷數據的準確性。如此復雜的工作是對于傳統的數據預測系統來說幾乎是不可完成的，只能單單由有工作經驗的工作人員進行人工修正。采用先進的短期的預測辦法進行數據的修正則可以實現這項工作的完成，大大提高工作效率，并避免人工修正中不可避免的一些主觀的意識的影響。根據已運行的采集系統數據分析，實際電力系統中每日不良數據點數一般不超過5%，以每天采集96點為例，不超過5點，即：x<5，正常數據點y≥91。則上述修正方案相當于，在以已知的91點數據為優化目標的情況下，對該日96點數據進行短期負荷預測，統計表明，這樣條件下的預測準確度高達97.59%以上。滿足系統實用化要求。

3 結束語

保證采集的數據精確并且完整，才能證明采集系統建設的合理科學性，也是證明建設成功的重要準則。本論文對采集系統采集出錯誤數據的主要原因和因素進行全面的剖析，并相應的列舉應對的措施與方法等。上述各種辦法都能夠應用在采集系統的前置機部位和主要的業務系統內部。這些處理原則與方法可以有效的保證和提高數據采集的精確性與全面性，有利于采集系統的進一步完善與發展。

參考文獻

[1]李釗年.電力系統狀態估計中的不良數據辨識[J].青海大學學報（自然科學版），2001（1）.

[2]蔣鴻城，陳清泰.大型電能信息采集與管理系統主站核心技術設計[J].電力信息化，2008（S1）.