基于組態軟件的電能計量裝置誤差校驗系統設計

董 潔

(河南省農業科學院，河南 鄭州 450002)

電能計量裝置在整個電力系統中占據十分重要的地位，尤其是最近幾年電網規模的持續增加[1-2〗，導致電能計量裝置的工作難度持續增加。其重點體現在自動化水平低下以及成本消耗過高等方面。

目前，傳統方式已經難以滿足當前電能計量管理工作的需求。為了改善和修正電能計量裝置誤差校驗手段，相關專家設計了一些較好的研究成果。如謝宏偉等[3]根據相關標準選擇功能邏輯點，同時分析電能計量裝置的實際需求，引入IEC 61850標準的現場校驗裝置通信建模，達到通信和誤差校驗的目的。溫盛科等[4]通過縱橫交叉算法優化改進預測模型的引入參數，進而完成電能計量裝置誤差校驗。上述2種系統雖然現階段取得了較為滿意的研究成果，但是由于其未能在系統設計的過程中加入組態軟件，導致最終的誤差校驗結果存在較大誤差。針對上述問題，研究設計了一種基于組態軟件的電能計量裝置誤差校驗系統。

1 電能計量裝置誤差校驗系統設計

1.1 系統總體設計

基于組態軟件設計了電能計量裝置誤差校驗系統。系統分為硬件、軟件2個部分。其中，硬件環境的功能包括電能計量裝置校驗、壓降測試以及綜合誤差統計等，主要包括現場監測設備。軟件環境部分，在后臺管理中心，通過組態軟件技術分析電能計量裝置中的初始數據，然后利用BP神經網絡對電能計量裝置誤差進行預測，再通過結合優化模型實現對計量數據的誤差校驗。系統各項功能的實現在通信網絡環境下實現。

(1)現場監測設備。主要負責電能計量信號的采集以及分析處理等相關工作，同時系統管理員還能夠遠程控制計算機，實現遠程通信。

(2)通信網絡。有效實現數據傳輸的介質。

(3)后臺管理中心。為整個系統的控制中心，在遠程控制的基礎上，還能夠對測試數據進行統計和分析，有效實現數據共享。

系統總體結構如圖1所示。

圖1 系統總體架構Fig.1 System overall architecture

1.2 系統硬件設計

系統在實際設計的過程中，主要通過關口以及大用戶等類型的電能計量裝置進行全面的測試以及故障確定等操作。系統主要結合計算機技術、遠程通信以及控制技術等，展開對電能計量裝置誤差校驗。系統硬件部分的誤差校驗框架如圖2所示。

有關于關口或者特大用戶電能計量裝置的遠程誤差校驗，主要是針對電能表進行遠程檢驗[5-6]。系統主要負責裝置中不同類型的脈沖信號，根據A/D轉換和數字處理完成誤差校驗和對應線路故障檢測。系統硬件主要參數見表1。利用系統硬件部分遠程校驗以及監測的具體操作原理如圖3所示。

圖2 電能計量裝置誤差校驗系統硬件架構Fig.2 Electrical energy metering device error calibration system hardware architecture

表1 系統硬件主要參數Tab.1 Main hardware parameters of the system

圖3 電能計量裝置誤差校驗和監測原理Fig.3 Power metering device error calibration and monitoring

在系統設計過程中，需要大量安裝多路轉換開關，同時針對同一條命令展開電能表重復性測試。

由于考慮到信號的接入和搜索會受到不同因素的影響，所以在進行系統設計的過程中，重點解決了以下幾方面的問題：①在電路中，如果電壓回路和電表的電壓端處于并聯狀態，則信號的搜集難度會大幅度增加。為了有效避免上述問題的發生，在設計過程中制定相關的過流保護措施，當電路出現異常[7-9]，立即斷開電壓表回路。②在電路中，電表中的電流主要呈現串聯狀態，系統需要嚴格遵守規定，有效避免誤差的形成。③通過屏蔽裝置針對電表脈沖信號進行分析和處理，經過處理后傳遞至主體，完成誤差計算。

采用布線誤差測量原理對設備進行壓降測試，由于電力設備中實施了保護措施，促使電壓中的回路結構之間無任何聯系，同時各個通道相互間的影響程度也會有效降低。

通過布線原則，直接將PT二次側電纜和主機進行連接，通過實際電壓推導出電能表測得的電壓值。利用上述2個電壓值能夠準確計算出二次回路的壓降。其中負荷測試主要包含以下2個步驟，具體過程如下：①派遣相關人員到實地進行二次電流測量，將測量結果設定為基準。②系統自身包含測量二次端步電壓的能力，即對應的二次負荷計算式能夠表示為：

(1)

式中，U為系統自身測量獲取的二次電壓值；I為采用其他設備測量獲取的二次電流。

通過上述操作，功率因素的計算結果能夠通過以下公式獲?。?/p>

Δu=IR

(2)

(3)

式中，Δu為幅值差；δ為角差；u為二次端電壓，均為已知數據；φ為相角；sinφ為功率因數[10-12]。可利用以下公式分別計算相角以及功率因數：

(4)

通過二次回路的導納在正常運行狀態下保持穩定的狀態，假設發生二次回路故障，會導致導納值和正常值出現較大的差距，系統會馬上報警。

在檢測二次點電路回路的過程中，主要的設備為阻抗，假設負載時間常數的存在導致直流剩余過多，匝間的絕緣能力會大幅度降低，線纜的溫度也會持續上升，同時阻抗還會出現較大程度的波動。

由于CT通電之后全部的工作狀態存在十分明顯的差異，系統主要結合基于等效阻抗原理的誤差改進算法，有效完成穩態無故障狀態下的誤差校驗，同時也能夠完成立即報警的功能。

1.3 誤差校驗軟件設計

在上述設計系統硬件的基礎上，利用組態軟件技術對電能計量裝置誤差校驗的軟件展開設計。軟件設計思路如圖4所示。

圖4 系統軟件設計Fig.4 System software design composition

電能計量裝置的計量誤差是在計量過程中形成并增加的。其中，綜合誤差校驗主要包括以下幾方面：電能表自身誤差Ti、對綜合誤差的影響程度WTi以及互感器的合成誤差Ta等。

電能計量裝置的綜合誤差計算式為：

T=WTiTi+WTaTa+WTcTc

(5)

式中，Tc為二次回路形成的壓降誤差；WTc和WTa均代表對綜合誤差的影響程度。

通過組態軟件對電能計量裝置中的歷史數據進行分析，采用BP神經網絡對歷史數據進行訓練[13-15]，得到對應的參數，完成電能計量裝置誤差校驗。

根據實際數據，將BP神經網絡中電能計量裝置的誤差預測值作為模型初始值，分別選取3個不同的節點進行表示，具體的表達形式如下：

X={x1，x2，x3}T

(6)

利用公式(7)明確隱含層節點數量，即：

Ny=N+0.618(N-M)

(7)

式中，N為輸入節點總數；M為輸出節點總數。其中輸出層主要負責測量電能表的誤差值，將其與實際測量值兩者進行比較，進而完成異常值校驗。

其中BP神經網絡中信號前向傳播過程為：

(8)

式中，neti為輸入隱含層第i個節點；其中輸出層對應的輸出結果可表示為：

(9)

式中，Ok為輸出層的第k個節點。

誤差能量函數為樣本的輸出層節點輸出向量和實際測量值的誤差平方和[16-17]，具體的表達式為：

(10)

誤差的反向傳播過程為：獲取網絡中輸出層中各個層對應的輸出誤差值；使用誤差梯度下降法分別修正不同層的權值和閾值，促使最終獲取的結果和期望值近似。

利用公式(11)給出權重對應的修正向量：

(11)

輸出層閾值對應的修正能量可以表示為：

(12)

隱含層權值的修正量為：

(13)

由于電能計量裝置測量誤差數據不是均勻分布且隨機性較強，所以數據在學習的過程中十分容易產生振動，無法得到全局最優解，其中權值還會影響最終的預測結果[18-19]。以下主要采用彈性梯度下降方法對BP神經網絡進行優化處理。

在實際運行的過程中，如果迭代方向相反，則權值的變化量和因子呈下降趨勢；反之，迭代方向相同，則權值的變化量增加。當梯度g(k)的取值為0時，保持原始權值變量，對應的表達公式為：

(14)

當完成歷史數據訓練之后，將其應用于電能計量裝置誤差校驗中。如果計算獲取的預測值和實際值兩者的誤差超過事先設定的閾值，表明數據中出現異常值。此時，根據BP神經網絡的運行規律，對神經網絡模型中的參數進行調整[20]。

假設異常數值是隨機出現的，在正常情況下修正參數是無法使用的，需要對其進行單獨校正，有效防止模型出現運行不穩定的情況。

以下利用反饋校正思想，結合電能計量裝置誤差的理論預測和測量值進行異常數據校驗，具體的表達式為：

(15)

2 仿真實驗與結果分析

為了驗證上述設計的基于組態軟件的電能計量裝置誤差校驗系統的綜合有效性，設計如下實驗測試過程。

采用2020年J城市計量裝置的主表和備表測量的電能誤差源數據進行實驗測試，其中設定2020年前2個季度的數據為測試數據，剩余2個季度的數據為實驗數據。

該城市計量裝置校驗現場如圖5所示。

圖5 實驗現場Fig.5 Experimental field drawing

首先利用表2給出所設計系統的參數調整效果。分析表2中的實驗數據可知，本文系統在經過調整之后，其輸出值和期望值十分接近，同時兩者的誤差也在可控制范圍內，證明本文系統能夠有效完成電能計量裝置誤差校驗。

在上述實驗的基礎上，為避免實驗結果的單一性，測試對比本文系統、文獻[3]系統、文獻[4]系統的電能計量裝置誤差校驗結果，具體實驗結果如圖6所示。分析圖6中的實驗數據可知，校驗后本文系統的誤差率明顯更低，證明本文系統的電能計量裝置誤差校驗過程明顯優于另外兩種傳統系統。這主要是因為本文系統在設計過程加入了組態軟件進行分析，促使整個系統的校驗結果準確性得到大幅度提升。

表2 本文系統的參數調整效果Tab.2 Parameter adjustment effect of designed system

圖6 不同系統的電能計量裝置誤差校驗結果對比Fig.6 Comparison of error calibration results of energy metering devices of different systems

3 結語

針對傳統系統存在的一系列問題，結合組態軟件，設計并提出一種電能計量裝置誤差校驗系統。仿真實驗結果表明，所設計系統能夠精準完成電能計量裝置誤差校驗。但是由于時間和環境等因素的限制，導致所設計系統仍然存在一定的弊端，后續將對其進行改進和完善。

參考文獻(References)：

[1] 姚緒梁，林浩，魯光旭，等.一種基于線電壓差積分的無位置傳感器無刷直流電機換相誤差檢測和校正方法[J].電工技術學報，2019，34(22)：4651-4660.

Yao Xuliang，Lin Hao，Lu Guangxu，et al.Line voltage difference integral method of commutation error adjustment for sensorless brushless DC motor[J].Transactions of China Electrotechnical Society，2019，34(22)：4651-4660.

[2] 劉春雨，劉自發，羅群，等.電能計量裝置健康度的綜合評估與趨勢預測方法[J].電力系統保護與控制，2018，46(24)：47-53.

Liu Chunyu，Liu Zifa，Luo Qun，et al.A comprehensive evaluation and trend prediction method of health degree for electric energy measuring devices[J].Power System Protection and Control，2018，46(24)：47-53.

[3] 謝宏偉，王化民，張玉峰，等.基于IEC 61850的電能計量裝置遠程校驗[J].水電能源科學，2017，35(8)：190-194.

Xie Hongwei，Wang Huamin，Zhang Yufeng，et al.Remote calibration of energy meter based on IEC 61850[J].Water Resources and Power，2017，35(8)：190-194.

[4] 溫盛科，楊悅輝，蔡妙妝，等.基于縱橫交叉優化灰色模型的電能計量裝置狀態評估方法[J].電力科學與技術學報，2018，33(3)：44-49.

Wen Shengke，Yang Yuehui，Cai Miaozhuang，et al.Research on state assessment method of electric energy metering device based on crisscross optimization grey model[J].Journal of Electric Power Science and Technology，2018，33(3)：44-49.

[5] 祝恩國，鄒和平，巫鐘興.一種應用NB-IoT的智能電能計量裝置設計[J].電氣傳動，2019，49(3)：92-96.

Zhu Enguo，Zou Heping，Wu Zhongxing.A design of smart electric energy metering device applying NB-IoT[J].Electric Drive，2019，49(3)：92-96.

[6] 彭鑫霞，袁瑞銘，丁恒春.諧波條件下電能計量裝置運行誤差自動檢測方法[J].自動化與儀器儀表，2019(6)：127-130.

Peng Xinxia，Yuan Ruiming，Ding Hengchun.Automatic detection method for operation error of electric energy metering device under harmonic condition[J].Automation & Instrumentation，2019(6)：127-130.

[7] 羅群，劉春雨，王月明，等.計及諧波信號和溫度變化的智能電能表計量誤差分析方法[J].中國測試，2019，45(7)：117-121，139.

Luo Qun，Liu Chunyu，Wang Yueming，et al.Measurement error analysis method for smart meters considering harmonic signal and temperature change[J].China Measurement & Testing Technology，2019，45(7)：117-121，139.

[8] 金陽忻.基于模糊神經網絡的電能表誤差超差風險預測模型[J].電網技術，2019，43(6)：1962-1968.

Jin Yangxin.Electrical power meter error overproof calculation model based on fuzzy neural network[J].Power System Technology，2019，43(6)：1962-1968.

[9] 王學偉，楊京.動態測試信號模型及電能壓縮感知測量方法[J].儀器儀表學報，2019，40(1)：92-100.

Wang Xuewei，Yang Jing.Dynamic test signal model and the electric energy measurement method based on compressed sensing[J].Chinese Journal of Scientific Instrument，2019，40(1)：92-100.

[10] 肖逸，謝俊，劉若平，等.計及風電功率預測誤差的備用容量計算新方法[J].電力系統保護與控制，2019，47(9)：72-79.

Xiao Yi，Xie Jun，Liu Ruoping，et al.A new calculation method of reserve capacity considering wind power forecasting error[J].Power System Protection and Control，2019，47(9)：72-79.

[11] 陳文禮，何蓓，鄭可，等.加窗插值FFT與ESPRIT結合方法的動態負荷電能計量[J].電力系統及其自動化學報，2019，31(2)：14-18，31.

Chen Wenli，He Bei，Zheng Ke，et al.Combined method of windowed interpolation FFT and ESPRIT for dynamic load power metering[J].Proceedings of the CSU-EPSA，2019，31(2)：14-18，31.

[12] 謝曄源，謝瑞，李成敏，等.計及寄生電容和紋波電流的電壓源型逆變器死區效應與補償方法[J].電工電能新技術，2017，36(6)：16-21.

Xie Yeyuan，Xie Rui，Li Chengmin，et al.Analysis and compensation of dead-time effect in voltage source inverters considering parasitic capacitance and ripple current[J].Advanced Technology of Electrical Engineering and Energy，2017，36(6)：16-21.

[13] 張成，李迪，吳培浩，等.基于Web發布的組態軟件設計與實現[J].自動化與儀表，2018，33(1)：89-92.

Zhang Cheng，Li Di，Wu Peihao，et al.Design and implementation of configuration software based on Web publishing[J].Automation & Instrumentation，2018，33(1)：89-92.

[14] 王繼文，王紅照.基于動態鏈接庫的組態軟件工程授權方法[J].電子設計工程，2019，27(4)：52-55.

Wang Jiwen，Wang Hongzhao.Authorization method of configuration software project based on DLL[J].Electronic Design Engineering，2019，27(4)：52-55.

[15] 張樂平，羅鴻軒，胡珊珊，等.稀疏自動編碼器在多維電能計量誤差預測中的應用[J].自動化儀表，2018，39(10)：28-31，37.

Zhang Leping，Luo Hongxuan，Hu Shanshan，et al.Application of sparse automatic encoder in error prediction of multidimensional electric energy metering[J].Process Automation Instrumentation，2018，39(10)：28-31，37.

[16] 溫盛科，楊悅輝，蔡妙妝，等.基于縱橫交叉優化灰色模型的電能計量裝置狀態評估方法[J].電力科學與技術學報，2018，33(3)：44-49.

Wen Shengke，Yang Yuehui，Cai Miaozhuang，et al.Research on state assessment method of electric energy metering device based on crisscross optimization grey model[J].Journal of Electric Power Science and Technology，2018，33(3)：44-49.

[17] 鄭欣，雷鳴，榮先金，等.IEC61850-9-2量化誤差對計量裝置檢測的影響[J].自動化與儀器儀表，2018(4)：114-118.

Zheng Xin，Lei Ming，Rong Xianjin，et al.The quantization error of IEC61850-9-2 in metering device calibration[J].Automation & Instrumentation，2018(4)：114-118.

[18] 李國勝，鄭雪.畸變信號下船舶電能計量裝置全自動校驗系統設計[J].艦船科學技術，2019，41(22)：100-102.

Li Guosheng，Zheng Xue.Design of automatic calibration system for Marine electric energy metering device under distorted signal[J].Ship Science and Technology，2019，41(22)：100-102.

[19] 栗遇春，葛翔，李發亮，等.基于熵權法的電能計量裝置改造后評價模型[J].國外電子測量技術，2018，37(2)：25-29.

Li Yuchun，Ge Xiang，Li Faliang，et al.Evaluation model of electric energy metering device based on entropy weight method[J].Foreign Electronic Measurement Technology，2018，37(2)：25-29.

[20] 王艷芹，王松，李大興，等.一種關口電能計量裝置智能故障診斷及預警技術[J].電力科學與技術學報，2019，34(3)：101-107.

Wang Yanqin，Wang Song，Li Daxing，et al.Research on intelligent fault diagnosis and early warning technology of gateway electrical energy metering device[J].Journal of Electric Power Science and Technology，2019，34(3)：101-107.