基于多源數據融合的電能量數據異常的預警模型

任鵬凌 王 丹 李翔碩 暢廣輝 阮 沖 宮燦鋒

國網河南省電力公司 河南 鄭州 450000

0 引言

在電力運行的社會大環境之下，電網之間的電能量數據成為供需雙方進行電量結算的重點。為了盡可能滿足供需雙方對電能量數據實時采集與電量結算的現實需要，各個省市的電網公司都紛紛構建了覆蓋全網電閘口的電能量檢測系統EEDS(Electricenergydetectionsystem)[1]，該系統有效實現了電能量數據的遠程采集、自動統計、實時形成各類閘口的電量統計報表等一系列功能，為電網之間的電能量結算提供了科學、安全有效的方法。在智能變電站、電廠等強力電磁波干擾的情況下，電能表下電能量數據可能會出現異常的數據波動現象；除此之外，在儀器檢測或故障出現的狀況下，或多或少地會出現數據異常的情況。對于電能量檢測系統EEDS(Electric energydetectionsystem)這樣一個高標準、嚴要求的將數據結合、精準采集與操作的系統而言，以上任意一種情況出現的數據異常都是不正常的。

同時，伴隨分時電價與環保綠色電價優惠政策的執行，電量結算環節對于電量統計系統數據接連精準性的要求被進一步規范，迫切需要一種安全的、科學的方法對異常數據進行高級處理[2]。電力系統智能化對全國電網自動化運行水平的要求逐年提升，而電網技術人員迫切希望電能量檢測系統EEDS(Electricenergydetectionsystem)可以為其提供一個更為安全、科學、綜合的電能量的數據統計。可是因為電能量檢測系統EEDS(Electricenergy detectionsystem)現場采集、傳輸、運營、管理等多種因素均會導致電能量數據出現異常狀況，這將大大降低電能量檢測系統EEDS(Electricenergydetectionsystem)的實用性。所以，亟需對電能量數據進行數據辨正，基于上述問題，基于多源數據融合的電能量數據異常的預警模型應運而生。

1 基于多源數據融合的電能量數據異常的預警模型

1.1 電能量數據處理機制 一般狀況下，電能量數據異常預警模型的實施辦法為：搜集到電能表下的底碼數據，利用對臨近兩個底碼數據(一般情況下都是一個最小積分周期起始時間與終止時間對應下的數據，本文設定最小積分周期為6min)的計算形成最小積分周期下的電量[3]，以最小積分周期內的電能量為基礎，形成各種電量統計結果和報表。最小積分周期電量的計算公式為：

其中，RawValueti與RawValueti-1分別代表ti、ti-1時刻下(對應一個最小積分周期時間期)一個電閘口的電能表底碼標記數據；C0代表該電站二次電能量換算下一次電能量的數學倍率，對于那些特殊的電閘口而言，通常其為一個常量；Ei代表電閘口ti-1到ti時間內一次標記計算的實際的電能量。而統計電能量的計算公式為：

從公式(2)能夠明顯看到，ti或ti-1任何一個時間內的電表底碼數據出現異常，都會直接影響到最小積分周期電能量與統計電能量的換算對比，進而對電網提出預警。

1.2 電能表與計量自動化終端比對 基于多源數據融合的電能量數據異常的預警模型內的計算智能化終端除了具備電能量統計功能以外，還需要具備一定的電荷承載與通信功能。其中，電能量統計數據主要用在與電能表的數據進行對比，其通信換算功能用于把自身的電能量數據和電能表的電能數據上傳至電能量數據檢測平臺，將其服務于電能量異常數據分析。該模型已經具備計量對比的主流方式，在國家電網運營系統內得到了廣泛應用[4]。該模型也為電能表誤差檢驗模式的優化提供了技術支持，很多電力企業已經開始從以往的現場檢驗電能表誤差，優化為利用電能量數據對比誤差，只針對誤差超過限定值域的異常電能量進行現場檢驗，提高了很多電力企業的工作效率。但該方法也存在一定的缺點，該種方法比對模式的缺點主要包括三點：第一，借此方法對雙方的電壓、電能采樣點一直(電壓采樣于高壓電能交感器二次，電能采樣于高壓電流交感器二次)。電能表和智能化終端的電流回串電路相連，電壓回路實行并聯，所以當電能交感器、電流交感器以及換算二次回路等故障出現的時候，在進行此比較就沒有任何意義了；第二，在通信軌道一致的狀況下，當換算智能化終端的通信軌道出現電能故障的時候，電能表與換算智能化終端的電能總計數據就沒有辦法實時將數據傳輸到電能量數據的模型內；第三，在工作電壓環境、電流環境一致的情況下，對于高壓換算，電壓交感器二次電壓既可能會是電壓樣品，也可能是電能表的工作電壓，所以，當電壓交感器發生故障發生爆炸以后，因為工作電源不參與電路運行，對比系統就會立即停止工作。而電能量數據模型也就沒有任何辦法對計量失效做出判斷，這也是因為工作電源故障以及通信軌道故障原因導致的。而導致高壓換算設備出現失壓狀況的原因主要有兩方面：一方面是電壓交感器的保險絲被熔斷或電壓交感器出現故障導致；另一方面是其存在的一次失壓狀況導致。例如說跌落式保險絲熔化等情況。所以，當高壓電壓交感器的二次電壓出現數據異常狀況后，會立即發生預警。

1.3 線路電能量數據異常判定 基于多源數據融合的電能量數據異常預警模型，首先，需要對監管的不合格電壓數據進行精確性校正。監管中的眾多數據存在不合格電壓數據。一旦監測到的數據判定為異常數據，即壞數據，那么就必須立即對這些不精準的數據進行修復處理，然后，對這些電壓數據不標準的原因進行具體的解析，最終針對電壓不標準采用正確的修復建議[5]。電能量數據的異常判定項目內容如表1所示。

表1 專變、公變、低壓居民用戶電能量數據異常判定

另外，如表1所示，與主變、線路異常的判斷方式存在不同的是，當發現35kV、10kV饋線線損出現異常情況時，按照表1的判斷結果如果并沒有發現線路數據存在異常狀態的情況下，需要聯系臺區線損數據，分析專變用戶、公變總表以及低壓居民用戶的數據是否出現異常等狀況。因為1條饋線下不單單只存在一個專變用戶、公變總表以及低壓居民用戶，因此就會判斷出哪條線路下所供電的用戶和電能表數據出現異常情況。

表2 線路相關電能量數據異常判定

對于聯絡線與饋線同樣的狀況下，在發現線路有關聯絡線、饋線線損出現數據異常后，需要聯系母線電量的不平衡、主變線路受損率、饋線受損率以及聯絡線受損率等原因，進行具體定位異常線路所在，具體定位內容如表2所示。

結束語

本文對基于多源數據融合的電能量數據異常的預警模型進行了分析，依托多源數據的整合、分析，根據電能量數據的線路受損、電壓表碼數據，對電能量數據異常的預警模型做出了調整。希望本文的研究能夠為基于多源數據融合的電能量數據異常的預警模型的建立提供理論依據。