智能電表質量評價方案和模型研究

何圣川 郭斌 陳健華 馮興興

摘 ?要：智能電表作為我們日常必備的電能資源的計量工具，與我們的生活息息相關。文章根據不同的用電環境現場的溫度、濕度、低功率因數等主要影響因素進行了聚類，對環境進行劃分，將得到不同環境的主要因素出現的頻率在電表掛臺上進行相關模擬，采集掛表臺上電能表的運行數據，建立誤差一致性評價模型，對不同廠家的電表做質量排序。

關鍵詞：聚類;誤差一致性;質量排序

中圖分類號：TM933.4 文獻標志碼：A ? ? ? ? 文章編號：2095-2945（2020）25-0062-03

Abstract： As a necessary measuring tool of electric energy resources in our daily life， intelligent watt-hour meter is closely related to our life. In this paper， the main influencing factors such as temperature， humidity and low power factor in different power environment are clustered， the environment is divided， and the frequency of the main factors in different environment is simulated on the electric meter hanging platform. The operation data of watt-hour meters on the hanging table are collected， the error consistency evaluation model is established， and the quality of watt-hour meters of different manufacturers is sorted.

Keywords： clustering; error consistency; quality ranking

引言

智能電表作為我們日常必備的電能資源的計量工具，可以幫助人們有效控制緊缺的電能資源的利用率，與用戶和電力企業之間的經濟效益有著直接關系，可見電能表的計量準確性對自動化檢定尤為重要[1]。

近年來，隨著各計量中心相應計量系統的建立，已實現自動檢定和檢定誤差依據不同標準對不同廠家和型號的數據上傳[2]，但是當現場環境復雜時，未能針對其特殊的環境進行模擬和預測。例如，廣州屬于典型的嶺南氣候，在這種潮濕、高溫、多雷等環境條件下電子式電能表的電子元器件、功能都容易發生故障;根據計量中心近3年的運維數據顯示，大用戶電能表（三相電能表）的故障率在2.5%左右;根據近三年運行抽檢報告，低壓居民用戶計費用的電表（單相電能表）不合格率在2%左右。由于現場環境復雜，目前實驗室只是在檢驗方面可完成副電能以及采集終端的質量檢驗，仍需針對特定場景模擬其現場情況，并通過抄表終端對電能表數據實時抄讀與分析，依據檢定其誤差及時發現智能電表的質量問題，完成有關對電能表的全生命周期的一項評價[3]。

因此本文提出了根據不同的用電環境現場的溫度、濕度、低功率因數等主要影響因素進行了聚類分析，得到不同環境的主要因素出現的頻率進行相關模擬，在電表掛臺上的10個產家的電能表的運行數據進行相關采集，并建立誤差一致性評價模型，對不同廠家的電表做質量排序。

1 智能電表評價方案的設計

智能電表的評價方案主要針對不同的用電環境進行盡可能相似的模擬，因此本文采用K-means聚類方法對不同的用電環境進行分類，通過加入不同頻率的電應力以及相應的溫度、濕度的前提下進行相應的方案設計。

1.1 K-means聚類

聚類分析法是大數據分類的常用方法，對大數據分類發揮著重要作用。劃分聚類、 層次聚類、基于密度的聚類、基于網格的聚類是目前主流的聚類方法，并對其適用范圍和特點進行了歸納，得到結果如表1所示[4-5]。

根據上表1的聚類方法對比，容易發現劃分聚類和層次聚類應用范圍較為普遍，但是因層次聚類的計算復雜度為O（n2），并不適合處理環境因素量大的樣本。因此本文選擇 K-means 聚類方法，K-means方法的計算復雜度為O（n），適合于大數據的處理分析。但k-means方法大致存在三種缺點：（1）K-means算法需要事先給定中K，但K值的選擇通常是不確定的。（2）絕大部分情況，給定的數據集應該分成多少個類別才最合適是事先不確定的;（3）在K-means算法中，首先需要隨機選擇初始聚類質心，然后不斷進行迭代計算。故針對大量氣候數據、低功率因數等環境因素的劃分選擇k-means分類方法。

1.2 基于K-means聚類的環境劃分以及模擬

受氣候影響和現場用電環境復雜度的影響，電能表通常會導致計量精確度出現問題，經過大數據統計，主要溫度、溫差、濕度、日照、用電行業息息相關。用電行業主要通過低功率因數、波形畸變、過負荷、動態負荷、沖擊負荷、電壓波動、電磁干擾這七種主要波動因素導致，故以11個指標進行聚類劃分，模擬出其相應的環境因素及其出現的頻率。

低功率因數、波形畸變、過負荷、動態負荷、沖擊負荷、電壓波動、電磁干擾這七種主要波動因素主要通過各種電應力的表現，因此通過模擬相應的電應力的頻率實現電能表質量評價方案的設計。電網操作會產生瞬間過壓，開關斷開會擊穿拉弧引起群脈沖干擾，負載短路或容性負載會產生沖擊電流，非線性負載會產生諧波干擾，甩負載會產生短時工頻過壓，感應雷會產生浪涌電壓等等，這些干擾都是從電網的電壓線或電流線傳入電表，它們會對電表本身和通信產生影響，電應力試驗室模擬有兩種方式，一種是實驗室標準設備，這些設備發出標準的干擾波形，有規定的試驗方法，但這些設備帶負載能力有限，只能進行單塊表干擾試驗，同時這些設備不能長時間工作。另一種模擬方式是真實負載模擬，這種方法能長時間工作，帶負載能力強，設計實現方式如下[6-7]：