智能電能表故障風險預估算法的研究*

朱江淼，張月倩，黃艷，趙琳瀟，王煥寧

(1．北京工業大學信息學部，北京100124;2．北京計量檢測科學研究院，北京100029)

0 引言

智能電能表以接線方式劃分，可分為單相電能表、三相直入單向和三相經互感單方向三類。目前，檢測與判別智能電能表故障的依據是首檢數據，所謂首檢數據是指智能電能表針對若干個不同負載點的基本誤差。不同類型的智能電能表按規程要求在檢定時需要對不同個數的負載點進行基本誤差的測量。例如，通常規定單相電能表需10個負載點，三相直入單向需15個負載點，三相經互感單方向需12個負載點。以首檢數據判斷一塊智能電能表是否為故障表的依據是規程JJG 596-2012中所規定的單相電能表和三相電能表的基本誤差限［1］。

為了迅速可靠地檢測或判別出數以百萬計的海量智能電能表可能潛在的故障風險，提出了一種風險預估算法:即對于按規程判別為性能良好的電能表，分別進行橫向和縱向篩查，依其結果再進行風險等級劃分，可大大縮小在后期使用過程中的檢測維護范圍，減小用戶及國家電網的損失。本文將在首檢合格的電能表中篩選性能最差的1%的電能表，判定其風險等級為最高。由于單相智能電能表，用量大，使用范圍廣，因此文章的研究對象為單相智能電能表。

1 基于JJG596-2012的判定方法

目前，依據規程JJG 596-2012，可用首檢數據判斷一塊智能電能表是否有故障，其具體方法是判斷不同負載點的基本誤差值是否超出規程中規定的誤差范圍。表1是規程JJG 596-2012中對不同負載點基本誤差的規定。

對表1中各個符號說明如下:

(1)Ib代表基本電流;Imax代表最大電流;In代表經電流互感器接入的電能表額定電流，其數值與電流互感器次級額定電流相同;經電流互感器接入的電能表最大電流Imax與互感器次級額定擴展電流(1．2 In，1．5 In，或2 In)相同;

表1 JJG 596-2012不同負載點的基本誤差限Tab．1 Basic error limitation of different load points in JJG 596-2012

(2)角φ是星形負載支路相電壓與相電流間的相位差;L表示感性負載;C表示容性負載;

(3)對0．2 S級、0．5 S級表只適用于經互感器接入的有功電能表;

(4)經互感器接入的寬負載電能表(Imax≥4Ib)［如3×1．5(6)A］，其計量性能仍按Ib確定。

由于規程判別法是針對智能電能表每一負載點進行判斷的，同一電能表不同負載點的基本誤差限不同。以一塊智能電能表的一個負載點為例通過表1判斷智能電能表是否合格的步驟如下:

(1)首先判斷電能表的接線方式(單相或者三相)，接線類型(經電流互感器接入或直接接入)以及準確度等級;

(2)將該電能表需要判別的負載點的各項取值與表1進行對應。判斷負載電流及功率因數對應表中的哪一行，準確度等級對應表中哪一列，對應的行列的交點即該電能表這一負載點下的基本誤差限;

(3)將智能電能表負載點下的基本誤差與表1中的基本誤差限進行比較，超出規定誤差限的判定為不合格，反之為合格。

需要說明的是，表1是針對有功電能表基本誤差限的規定，對于單相和三相電能表都是適用的，其本質是根據負載點的不同取值對應表中的負載電流和功率因數的取值來判斷基本誤差限。

用規程判定的結果具有絕對權威，即所檢出的智能電能表基本誤差一旦超過規程中的基本誤差限，則直接判定為故障(表)，否則判定為良好，但該方法不能對一塊表潛在的故障風險進行分析和判斷。將對經過JJG 596-2012規程判為合格的電能表，進行深入研究，給出合理的風險評估。

2 篩查算法與風險預估

本文研究的篩查算法限于規程判定為合格的智能電能表，包括橫向篩查算法與縱向篩查算法。經橫向篩查算法和縱向篩查算法共同篩查，可以確定一塊智能電能表的風險等級。篩查算法的基本思想源于用判斷準則剔除測量的異常值(粗大測量誤差)，根據不同的使用條件，可以使用不同判別粗差的準則［2-5］，常用的準則有:萊特準則，肖維納準則［6-7］，格拉布斯準則［8-9］，狄克遜準則等。其中，最為典型的方法是萊特(Wright)準則［3］，該準則用于剔除等精度測量下服從正態分布測量數據的粗大誤差，其本質為選定合理的置信區間和置信概率，判別在一定概率下，在置信區間外的測量數據為異常值予以剔除，當置信概率為99．73%時，置信區間為三倍標準偏差。由于電能表誤差服從正態分布［10］，且數據量很大，符合萊特準則的判斷條件，因此本文選擇萊特準則對規程判定為合理的智能電能表進行等級劃分。所謂橫向篩查算法就是一塊智能電能表針對不同負載點的誤差值進行篩查的方法，它表征智能電能表自身的穩定性。所謂縱向篩查算法就是在同一負載點針對全部智能電能表誤差情況的篩查法，它表示這一批次智能電能表對同一負載點的穩定性。根據橫向和縱向篩查算法的篩查結果，可判定出一塊智能電能表的風險等級。將篩查和劃分風險等級合并稱作風險預估算法。

2．1 橫向篩查算法

橫向篩查算法分為A、B兩類，其中A類篩查算法表征每一塊智能電能表對所有負載點基本誤差的離散程度，因此A類篩查算法需要對每一塊智能電能表所有負載點的基本誤差計算標準偏差，用萊特準則進行粗大誤差的評定(剔除)，稱其為橫向篩查算法的A類故障。當A類篩查算法篩查出故障時，表明智能電能表內部的元器件的線性性能不佳。而B類篩查算法是判定每一塊智能電能表對所有負載點的平均誤差的離散情況，因此B類篩查算法需要對每一塊智能電能表所有負載點的基本誤差計算平均值，將這個計算均值視作一次測量，再用萊特準則進行粗大誤差的評定(剔除)，即剔除均值異常的電能表，稱其為橫向篩查算法的B類故障。當B類篩查算法篩查出故障時，表明智能電能表在出廠調試時出現了系統誤差，智能電能表內部元器件卻性能良好。

由于A類篩查算法的實質是對每塊智能電能表所有負載點基本誤差的標準偏差進行粗大誤差的剔除，因此A類篩查算法的具體步驟是:

(1)設第i塊表所有負載點基本誤差的標準偏差為si，共有n塊表;

(2)計算 n塊表的標準偏差 s1，s2，…，sn的平均值珋s及標準偏差ss;

由于B類篩查算法的實質是對每塊智能電能表所有負載點基本誤差的平均值進行粗大誤差的剔除，因此B類篩查算法的具體步驟是:

2．2 縱向篩查算法

縱向篩查算法實質上就是在同一負載點，針對不同智能電能表的基本誤差數據，以粗大誤差進行剔除的方法。縱向篩查算法使用萊特準則對單一負載點的智能電能表基本誤差進行篩查，最終篩查的結果稱為縱向篩查算法故障。

使用萊特準則具體判斷步驟如下:

(1)設同一負載點，第i塊表的基本誤差為xi，共有n塊表;則可得同負載點所有智能電能表的基本誤差平均值為，基本誤差的標準偏差為

(2)計算第i塊智能電能表的殘差μi=xi－珋，并判斷是否滿足不等式＞3s，若是，則從全部電能表數據中剔除該表數據;

(3)對剩余的表(這里用誤差數據表示)依次按每個負載點按照步驟(1)和步驟(2)進行剔除，直到沒有可剔除的電能表數據。

縱向篩查算法的流程圖如圖1所示。

圖1 縱向篩查算法流程圖Fig．1 Flow chart of longitudinal screening

2．3 風險等級預估

根據橫向和縱向篩查算法的篩查結果，可以判定出一塊智能電能表的風險等級。由于橫向B類篩查算法與電能表內部元器件無關，因此風險等級偏低。而橫向A類算法篩查出的故障電能表與內部元器件有關，縱向篩查算法與目前判別故障電能表的規程相關，所以風險等級偏高。因此風險等級劃分如表2所示，其中，“無”為在該篩查算法中未被篩查出故障，“有”為在該篩查算法中被篩查出故障。

表2 風險等級劃分方案Tab．2 Scheme of risk level division

3 算法驗證與評估

對993208塊單相電能表按照文中提出的算法進行篩查，得到的結果如表3所示。

表3 風險等級預估結果Tab．3 Prediction result of risk level

從上述表中數據看出，所提出的算法可對一塊智能電能表的風險等級進行評估，評估結果如下:綠色風險等級(A級)占比95．16%，藍色風險等級(B級)占比0．14%，橙色風險等級(C級)占比3．70%，紅色風險等級(D級)占比1．00%。其中，紅色風險等級(D類)占比數據與本文預期一致。這表明該算法正確可靠，表的風險等級評估結果對使用中智能電能表的定期維護提供參考數據。

4 結束語

針對智能電能表的首檢數據，研究了橫向和縱向故障風險篩查算法，該算法可對智能電能表潛在的風險等級進行預估。以993208塊單相電能表對算法進行了驗證，篩查出的風險等級結果符合本文預期的結果。這表明算法正確可靠，風險等級的劃分為智能電能表定期檢測維修提供了可參考的數據，對智能電能表的質量分析具有較好的應用價值。