計量裝置故障智能判斷應用設計概念

梁宇輝 劉洋

摘 要：隨著電力市場的進一步開放，電能計量運維要求的日益提高，在現有計量運維人員配置條件下，相關工作存在一定的挑戰性。因此，運用現代計算機技術替代人工手動分析，可有效緩解計量運維壓力。目前，計量自動化系統已有智能運維模塊，但由于此模塊僅應用于計量自動化系統，判據條件受限在單一數據庫，制約了計量裝置故障智能判斷的范圍和準確性。為充分運用現有系統資源，提升計量裝置故障智能診斷分析能力，本文結合運用營銷系統和計量自動化系統兩大數據庫，提出了一個功能更為強大的智能診斷應用設計概念。該應用接入了語音識別平臺、營銷系統和計量自動化系統，通過內置判據比對兩大數據庫，統計分析故障原因，進一步提升計量運維的工作質量和效率。

關鍵詞：計量裝置故障;智能診斷;故障分析

1 應用功能概述

應用分為語音識別模塊、數據統計判斷模塊和結果輸出模塊。應用運行時從麥克風收集用戶的語音指令要求，如“打印當天計量故障明細”等。應用收到相關指令后，啟動數據統計判斷模塊，搜索計量自動化系統和營銷系統數據，根據指令要求進行數據統計和分析。最終的結果數據可通過語音或打印列表向用戶反饋。

2 語音識別模塊

當用戶使用指定用語喚醒應用時，用戶所發出的指令將會被本模塊進行識別。語音識別可接入百度AI開放平臺，通過極速API接口，將語音識別為文字，實現人機對話。該語音識別平臺通過REST API的方式給提供了一個通用的HTTP接口。基于該接口，開發時可以輕松獲取語音識別能力。且該平臺支持自定義優化，可通過上傳自定義詞條進行訓練，持續優化特定詞條的識別效果，提升針對計量故障分析場景的準確率。

上述方法不需要集成任何SDK開發工具包，也不需要在測試機中添加任何識別引擎軟件，僅需了解Http網絡請求以及百度語音識別REST API的使用規則，即可在應用中使用語音識別相關的功能。

3 數據統計判斷模塊

目前，計量自動化系統已提供了終端在線率、數據采集成功率和數據完整率，但無法分析終端離線、采集失敗、數據缺失的原因。該模塊會根據用戶指令匯總系統中離線、數據完整率或采集成功率低于70%的計量點，然后遍歷判據條件，比對計量自動化系統與營銷系統的兩大數據庫信息，分析計量裝置故障原因。根據長期的人工故障篩選經驗，表1列舉了部分故障原因判據。如表1所示，故障裝置同時滿足計量自動化系統和營銷系判據要求，則輸入對應的故障分析結果。

4 結果輸出模塊

根據用戶的指示要求，結果輸出模塊分為輸出現有數據和輸出計算結果。輸出的信息可通過語音功能報送至用戶，如直接通過語言報送“今天香洲在線率為95%，離線終端15個”。而計算結果可以自動匯總打印，同時可根據用戶要求進行特定排序和突出重點標注。

如表2所示，導出的數據列表有區局、戶名、戶號、電能表編號、故障時間、故障原因等信息。為了方便現場故障處理，地址可以關聯營銷系統中計量點所對應變壓器的經緯度。然后在應用中調用網絡地圖，通過經緯度定位計量裝置方位，方便計量運維人員前往故障現場。對于無適用判據的故障，則統一將故障原因歸為“需現場勘察”。同時，為強化現貨交易用戶的計量運維工作，導出的結果可根據營銷系統中用戶的交易標志進行標黃等方式重點突出。

5 結語

本應用具有智能排查能力，大大減少人工排查的時耗。根據經驗統計，人工篩查需時如下：

（1）平均每個離線終排查時間為3分鐘，完成排查結果后，統計相關數據，并在營銷系統中導出相應地址和聯系方式，需耗時2分鐘，終端離線故障分析時間為：

終端離線故障分析時間=排查時間3分鐘+統計清單2分鐘=5分鐘。

以全市平均每天60個離線終端計算，可節省時間為：

節省離線故障分析時間=5*60=300分鐘=5小時。

（2）平均每個采集不成功終端排查時為7分鐘，平均每天100個終端的數據完整率低于70%，可節省排查時間為：

節省數據不完整分析時間=7*100=700分鐘≈11.7小時。

平均每天共節省時間為5+11.7=16.7小時。本應用有效地縮短排查時間，并提升了計量故障分析效率。

參考文獻：

[1]黃錦榮.電能計量自動化系統在用電管理上的應用[J].科技創新與應用，2014（35）.

[2]葉芳.電力營銷中電能計量自動化系統的合理應用[J].中國新技術新產品，2017（18）.

[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].電測與儀表，2013，（8）.