低壓集抄系統故障定位方法及應用研究

劉 鳴

（深圳供電局有限公司，廣東 深圳 518000）

1 低壓集抄系統及其應用現狀

1.1 低壓集抄系統結構

作為典型的遠程自動抄表系統，低壓集抄系統能夠充分借助遠程通信網絡（光纖、5G）實現大量用戶用電信息的統計。低壓集抄系統直接給電力用戶提供服務，涵蓋集中器、上行通信網絡、下行通信網絡、采集器以及電能表等部分。電能表借助下行通信網絡接入到系統中的采集器，然后采集器能夠借助通信網絡接入集中器，集中器接入系統之后能夠借助上行通信網絡將采集到的電能表數據傳輸到集抄主站系統中[1]。

1.2 低壓集抄系統的功能及應用

（1）主站：為主站配備計算機系統用于計量自動化終端。一般低壓集抄系統涵蓋應用服務器、前置機以及數據庫服務器3個主要部分，前置機能夠實現和集中器的直接通信。

（2）Ⅰ型集中器：主要應用于電能表和各類采集器的數據信息采集，并且能夠將采集到的數據信息進行存儲。作為低壓集抄系統的重要組成部分，還能夠實現和主站與手持設備之間的數據交換。

（3）Ⅱ型集中器：其主要的通信方式是RS485，能夠進行電表數據的接收、統計、存儲以及進一步分析，另外還能夠和主站之間通過通用分組無線服務（General Packet Radio Service，GPRS）技術和碼分多址（Code Division Multiple Access，CDMA）技術進行通信，實現電能表和集中器之間數據與命令的直接轉發。

（4）智能電能表：進行正向、反向有功電能計量及分時計量，同時還能夠實現相關運行參數的測量和顯示，包括電流、電壓、功率因數以及功率等，另外具備遠程拉閘控制功能。

（5）手持掌機：作為目前低壓集抄系統中的又一關鍵構成部分，能夠在近距離范圍內實現和采集器、集中器、電能表以及計算器設備之間的數據交換。

2 低壓集抄系統常見故障分析

對于當前低壓集抄系統的相關文獻進行調研，結合個人在低壓集抄系統工作方面的經驗，能夠發現目前低壓集抄系統的常見故障主要包括3種類型，分別為區域故障、集中器故障以及電能表故障。

2.1 區域故障類型

區域故障是指某節點的設備出線故障，包括上級節點設備以及下節點設備同時出現故障。另外，某一相同地址下的分屬節點設備出現故障的情況也屬于區域故障。

2.2 集中器故障類型

客戶識別模塊（Subscriber Identity Module，SIM）卡停止工作、SIM卡安裝不良、上行通道通信模塊故障、上行天線安裝問題、參數設置出錯、表計參數報錯、表計參數丟失、電壓相線接觸不良、零線接觸不良、上行和下行通信模塊接觸不良、上行和下行通信模塊故障、周圍大負荷設備電磁干擾以及外部電源切斷導致供電中斷等問題均會引發集中器故障[2]。

2.3 電能表故障類型

電能表故障類型較多，具體包括電能表檔案不完善（計量自動化系統中沒有存儲）、電能表參數設置問題、外部電源停止供電、電能表本身故障問題、485故障（端口短路、通信線反接、端口電壓異常）、電壓線接觸不良、零線接線不正確、通信模塊故障（接觸不良、接線錯誤、通信模塊不匹配、設備損壞）以及電表時間報錯等。

3 低壓集抄系統故障定位技術與方法

3.1 物理拓撲診斷方法

為保證正確的戶變關系，有效提升線路損耗計算的準確率和精確度，必須要保證低壓集抄系統規范方案和實際物理拓撲的一致性。為此，低壓集抄系統中需要在運行階段和規劃階段分別建立集中器檔案，進而有效、科學地梳理集中器、臺區、采集器以及電能表之間的邏輯隸屬關系。另外，有效梳理集中器檔案中變壓器與集中器、集中器與電能表的邏輯隸屬關系，判別其關聯關系是否一致，最終能夠實現低壓集抄系統物理拓撲的診斷和解析[3]。具體的物理拓撲應用流程如圖1所示。

圖1 壓集抄系統物理拓撲診斷流程

3.2 深度學習故障診斷方法

人工神經網絡技術不斷發展，深度學習借助多層神經網絡堆疊，能夠對特定的數據樣本進行訓練和學習，實現對輸出量和輸入量關聯關系的深度挖掘，另外根據非線性擬合得到數據高維特征。低壓集抄系統故障訓練中需要充分考慮收集樣本數據的經濟性和難度，但其本身樣本受限，若利用傳統機器學習診斷模型進行處理經常會出現欠擬合的情況。若采用深度學習，借助其強擬合能力，能夠有效規避傳統機器學習中學習不充分的障礙[4]。因此，本文希望引入深度學習神經網絡模型，以此提升低壓集抄系統故障診斷、定位以及分析的能力。

基于涌現（Emergence）原理和物理拓撲能夠實現對訓練樣本中各類故障時間的自動生成與歸檔，同時還能夠利用信息路徑交叉和物理拓撲原理實現對不同故障特征的全面分析。信息路徑交叉和物理拓撲保證了深度學習能夠有足量的訓練樣本，有效降低了對現有數據的依賴性。同時，充足的訓練樣本在深度學習的應用也保障了故障診斷的準確性和精準度。

4 低壓集抄系統故障定位系統架構及應用

4.1 總體系統架構

目前，低壓集抄系統中應用比較廣泛的是電力載波和RS485，因此本文在進行低壓集抄系統故障定位裝置的設計中預留了RS485通信接口，同時能夠直接連接電力載波線，用于采集器、集中器以及電表數據的監聽和采集，另外將采集到的數據和正常運行數據進行對比，若發現異常，則能夠結合分析得到故障點，在精準定位的同時實現故障類型判別。

在進行信息采集時，需要保障低壓集抄系統中的通信通道和相關故障定位裝置之間互不干擾，從而有效解決集抄系統網絡和故障定位裝置之間的相關性與適配性問題，另外還能夠保障數據傳輸通道之間不同數據的有效隔離，實現低壓集抄系統和故障定位裝置之間的功能配合、數據交互與通信[5]。

低壓集抄系統和故障定位裝置之間的通信采用4G網絡，目前也開始引入5G網絡技術。集中器和電能表之間的通信可以采用微功率無線通信、寬帶載波通信以及窄帶載波通信等。本文提出的故障定位裝置還配備了多種通信接口，從而能夠有效保障和不同通信設備、通信方式之間的兼容性，另外本文提出的低壓集抄故障定位系統還指出故障數據和系統檔案的導入。

4.2 低壓集抄系統的在線故障診斷方法

本文基于深度學習和融合拓撲解析提出的在線故障系統診斷模型框架如圖2所示。

圖2 低壓集抄系統在線故障診斷模型框架

步驟1：對運行集中器檔案和低壓集抄系統規劃文件進行調取，同時對集中器與變壓器、集中器與電能表之間的關聯關系進行校核，從而實現物理拓撲在線分析以更新系統信息。

步驟2：對在線信息流動路徑和集抄系統物理拓撲進行實時更新，在離線狀態下還能夠生成訓練樣本集，為深度學習神經網絡提供樣本集。

步驟3：低壓集抄系統能夠實現對主站用戶用電狀態、電能表狀態、鏈路監聽狀態以及現場設備通信狀態的實時觀測，利用這些數據構建系統故障斷面特征向量X。

步驟4：系統故障斷面特征向量X能夠經過傳輸，輸入至系統故障診斷模型中，輸出系統故障位置信息；

步驟5：運維人員記錄本次故障情況，整理生成故障日志。

5 結 論

低壓集抄系統運維不斷得到重視，本文也主要基于低壓集抄系統運維現狀進行了研究，指出故障定位難題。結合前人研究經驗和個人工作經驗，對低壓集抄系統故障問題進行了詳細解析。引入物理拓撲結構和深度學習模型，構建了基于深度學習和物理拓撲的低壓集抄故障定位系統，同時就該系統的運行進行了分析。