基于大數據分析技術的電網計量故障識別方法研究

陳瑩 王雷 張靳予 張合強

[摘? ? 要] 電網計量設備的準確性是保證用電客戶電費核算的公平公正，通過采用傳統的計量故障識別方法效率低下，準確性與實時性很難保證。隨著智能電網、移動通信、大數據技術等發展，通過構建電網計量故障識別模型，對海量的計量運行數據進行分析，是提升計量故障識別效率及準確度的重要手段。

[關鍵詞] 計量故障;故障識別;大數據分析

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2019. 11. 069

[中圖分類號] TP311;V242.3? ? [文獻標識碼]? A? ? ? [文章編號]? 1673 - 0194（2019）11- 0160- 04

1? ? ? 引? ? 言

傳統的計量故障識別方法，大多是通過客戶報修、現場抽檢等人工方式進行，不僅識別效率低下，而且難以做到全面地識別與監控。近年來智能電表和用電管理終端的大力推廣，逐步達成了用電信息采集系統的全覆蓋，使得通過數據分析的手段識別計量故障成為可能。隨著大數據分析等技術的快速發展，加大數據分析技術在計量故障識別等方面的科技創新，提高管理科學性，已經成為提升計量精益化管理的新手段。

2? ? ? 現狀及背景

2.1? ?計量故障識別的現狀

目前計量裝置故障的發現仍大量依靠運維人員現場檢查、客戶報修等人工方式，實時監控效果不佳，人工工作量大，系統海量數據未得到應用。

故障識別就是通過對設備運行信息的檢測、分析和處理，判別設備的工作狀況，分析故障成因，預測劣勢趨勢，以達到提高設備效率和運行可靠性。智能化故障識別方法主要有專家系統故障診斷法、模糊故障診斷法、灰色模型故障診斷法、神經網絡故障診斷法、信息融合故障診斷法和基于范例推理的故障診斷法等。

故障智能識別技術可以結合數據庫中的各種故障數據，按照不同的故障情況進行綜合分析、判斷，定位故障點。主要對狀態監測所得到的信息進行融合，然后結合層次診斷模型，按照深淺結合的推理層次進行診斷。

根據數據結構，針對性地應用故障智能識別技術取代人工作業，提高準確率、效率及數據應用效果，是當前大數據應用下的必然趨勢。計量自動化系統的海量數據，其數據類型、數據量均具備故障智能識別技術的應用條件，可以切實提高工作質量和工作效率。

2.2? ? 大數據分析在電網行業的應用情況

大數據正在改變著各行各業，電商的成功、互聯網業的爆發式增長以及互聯網金融的高速發展向各大行業展現了互聯網與行業融合的巨大發展潛力和獨特的創新路徑。而在這其中，大數據扮演著核心角色。互聯網的本質是信息的互聯和處理，而信息則以數據為載體。電力行業蘊含了巨大的數據資源，同時也呈現出突出的數據價值需求。據測算，云南電力行業的生產、管理、用戶、計量、資產等方面數據已達到20 PB。來自復雜大電網的調度運行、新能源與負荷的時空變異、電力資產壽命與運行狀態、主動配電與需求響應等都存在著巨大的以數據為支撐的決策與配置需求。

運用大數據實現公司應用服務化改造，大數據存儲、建模、分析，對突破信息化發展體制障礙、提高企業經營服務能力、降低企業成本、提高信息化安全保障能力等方面都具有十分重要的意義。通過數據中心、大數據平臺及相關服務的建設，可實現從數據服務、應用服務到能力服務的發展轉變，有助于電網管制性業務水平的提高，有助于支撐開展競爭性業務，拓展市場、創新業務、創造價值。

3? ? ? 實現思路

3.1? ?構建計量故障識別模型

目前所有的計量數據采集工作都依靠計量自動化系統完成，數據類型多、數據量大，具備應用基礎。同時，計量運維人員對計量故障的分析工作、計量裝置故障處理仍大量依靠運維人員現場檢查、客戶報修等人工方式進行，計量自動化系統海量數據未得到應用，而計量故障的質量高低直接影響計量準確性和供電服務滿意度，計量運維人員的運維壓力比較大。

項目將結合目前電力行業的計量典型故障，根據電網行業的計量故障分析與排查經驗，通過計量故障數據特征值分析，構建計量故障池實現對海量計量數據的挖掘與分析工作，從而提取出有計量故障的計量數據，通過異常數據初步判斷故障類型并進行業務分類，并提供故障處理的指導意見。

表1舉例說明幾種典型計量故障的判別依據及故障處理措施。

3.2? ?海量運行數據的計算分析

3.2.1? ?分布式計算

采用業界開源的LTS作為任務調度框架，LTS支持實時任務、定時任務和Cron任務，有較好的伸縮性，擴展性，健壯穩定性。

基于故障識別模型，通過拆分不同的計量故障分析任務，分別按供電單位、臺區等維度，分析用戶日凍結表碼、功率曲線、電壓電流曲線、負載率等數據。

其處理流程如圖1所示。

3.2.2? ?分布式數據存儲

針對計量故障的數據分析，需要連續分析一段時間周期內的數據，而計量運行采集數據為每15分鐘采集一個點，而一個地市上百萬只表計，數據存儲壓力比較大，通過構建分布式的數據存儲方式，提升數據的讀寫速度，提升分析效率。

其數據存儲如圖2所示。

3.3? ?故障分析結果的展示及判別

基于計量故障識別模型，對海量的計量運行數據進行計算分析，識別出不同故障類型的計量故障情況。圖3通過大數據分析后得出的不同故障類型結果。

針對每一種不同的故障類型，以可視化的形式進行展示，基層計量業務人員可以結合分析的數據，重點進行相關計量設備的排查，指導計量業務精益化管理的開展。如圖4、圖5所示，針對電能表倒走和電能表停走的故障，進行可視化展現。

4? ? ? 結? ? 語

計量故障產生的方式是多種多樣的，故障類型也不盡相同，現在業界對于發生的計量故障，基本是結合人工經驗和現場的數據進行分析，逐步地進行故障的排查和處理，這種處理模式效率低下、分析難度大、分析結果不準確、監測效果不佳。本文提出基于大數據分析技術的電網計量故障識別方法，通過分析計量故障數據特征值分析，實現對海量計量數據的挖掘與分析工作，從而提取出有計量故障的計量數據，最終定位該計量故障是哪種類型的故障，此方法是計量故障分析方法的突破和創新。

主要參考文獻

[1]周志華.機器學習[M].北京：清華大學出版社，2016.

[2]陳波.基于計量自動化系統平臺的典型計量故障分析[J].貴陽電力技術，2016，19（11）：42-44.

[3]危阜勝.肖勇，陳銳民.故障診斷技術在計量自動化系統中的應用[J].電器測量及儀器，2013（8）：93-97.

[4]常青，嚴小文，陶曉峰，等.基于大數據技術的智能電表運行狀態分析系統研究[J].電氣測量及儀器，2015（12）：4-6.