拆回智能電能表故障二維度評估

胡婷婷，于春雨，周媛奉，劉朋遠，丁海麗

（1.國網寧夏電力有限公司 營銷服務中心，銀川 750011；2.青島理工大學 機械與汽車工程學院，青島 266520）

引言

2009年，國家電網安裝第一批智能電能表以來[1,2]，伴隨數字化、智能化、信息化技術的發展，用電需求與用電范圍逐年增長，截至2018年，我國智能電能表用電戶累計達5.23億戶，在安裝使用的電能計量表計中，占比高達98.83 %[3]。隨著智能電能表安裝數量的增加，故障也頻繁出現[4]，據權威機構的統計，每年電網中發生故障、拆回維修的智能電能表卻高達數百萬只[5]，故障形式主要有計量超差、電池故障、顯示故障、通信故障、費控故障等，且呈現出復雜性、多樣性、突發性等特點。因此，智能電能表故障問題引起了眾多研究人員的關注。

文獻[6]對智能電能表的繼電器故障、通信故障、超差等常見故障進行了研究和分析，給出了相關故障的預防措施，但未對黑屏等故障進行分析；文獻[7]分析了電能表黑屏故障原因，結合故障樹模型實現故障定位與分析排序，為定位、分析電能表黑屏故障提供參考，但未能實現故障復現；文獻[8]利用智能電能表運行數據，基于失效物理的方法，研究了智能電能表故障定位及復現，相較文獻[7]，可定位的故障類型更為豐富；以上文獻雖對智能電能表故障進行了分析和研究，但均未對拆回電能表進行系統分析和研究。而現有的關于拆回電能表的文獻多集中于拆舊電能表檢測系統設計，如文獻[9]設計了一套包含管理平臺、數據平臺及硬件系統的拆舊智能電能表檢測系統；文獻[10]設計了一套拆回電能表智能管理裝置，能夠實現拆回電能表故障分類，根據故障類型判斷拆回電能表是否具有維修價值；以上二文獻對節省人力成本具有重要意義，但是拆回電能表主要包含2類，一類是服役期滿拆回；另一類是因故障拆回，顯然，二文獻并未對此進行區分。

基于以上，以因故障導致拆回的電能表為研究對象，綜合運用熵權法、TOPSIS法和灰色關聯分析法，從我國部分省份拆回智能電能表故障統計數據入手，以我國部分省份為評價對象，以各省份電能表故障類型為評估指標，從縱、橫兩個維度，對拆回智能電能表故障進行評價。

1 拆回智能電能表故障二維度評估流程

首先依據我國部分省份拆回電能表故障數據信息，建立原始數據評價矩陣；然后進行無量綱化處理；再進行歸一化處理；基于熵權法確定各評價對象權重；應用TOPSIS法，結合權重，求得加權規范化決策矩陣；確定正、負理想方案，再分別計算各方案到正、負理想方案的加權距離，進而獲得拆回電能表故障縱向綜合評價指數，實現縱向評價；將各省份電能表故障視為母系統，各省份電能表故障類型視為子系統，使用灰色關聯分析法求相應子系統與母系統的關聯系數，再求得關聯度，進而評價子系統對母系統的影響情況，實現橫向評價。評估流程如圖1所示。

圖1 拆回智能電能表故障二維度評估示意圖

2 縱向評價模型

縱向評價模型建立過程如下：

1）構建原始數據評價矩陣

假設對m個省份拆回故障智能電能表進行評估，包含n種故障類型，相應的指標值為yij（i=1,2,…,m，j= 1,2,… ,n），構成的原始數據評價矩陣為：

2）原始數據無量綱化

由式（2），對原始數據進行無量綱化處理。

得到無量綱矩陣B。

3）無量綱矩陣歸一化

依據式（2），將矩陣B進行歸一化處理，得到歸一化矩陣X：

4）確定各評價對象權重

應用熵權法確定各評價對象權重[11]wi=(w1,w2,… ,wm)。記第i個評價對象的熵值ei為：

當xij= 0時，令xij× lnxij=0。則第i個評價對象的熵權wi為

5）歸一化矩陣加權標準化

根據式（5），將歸一化矩陣加權，求得加權規范化決策矩陣Z：

6）確定各故障的正、負理想解

7）計算各故障到正、負理想方案的加權距離[14]

各故障與正理想方案之間的加權距離jd+為

各故障與負理想方案之間的加權距離jd-為

8）計算縱向綜合評價指數Cj

縱向綜合評價指數Cj如下式：

3 橫向評價模型

借助本文第1節，橫向評價模型建立過程如下：

1）計算關聯系數

關聯系數rij可由下式計算[15]：

ρ—分辨系數ρ∈ [0,1]，一般取ρ= 0.5[16]。

2）計算關聯度ri

關聯度ri可由下式計算：

3）計算橫向綜合評價指數

橫向綜合評價指數Ci可由下式獲得[17]。

4 實例分析

4.1 數據來源

2019年，黑龍江、福建、江西、山西、重慶、新疆六省份因為故障共拆回智能電能表65816臺，通過對拆回故障智能電能表故障數據進行統計分析，故障類型主要有計量超差、電池故障、顯示故障、通信故障、費控故障等，各省份故障類型數量如圖2所示。

圖2 故障類型及數量

4.2 縱向評價

依據圖1，建立6省份評估原始數據矩陣Y，

由式（1），得到無量綱矩陣

由式（2），得到歸一化矩陣

由式（3），計算出各項指標的熵值分別為0.1362、0.6995、0.8898、0.5687、0.5730、0.9778。

由式（4），計算出各項指標的熵權分別為0.4008、0.1394、0.0511、0.2001、0.1981、0.0103。

由式（5），求得加權規范化決策矩陣Z。

正理想解分別為0.0263、0.0876、0.0127、0.0223、0.1680、0.0058；負理想解分別為0.0000、0.0005、0.0016、0.0024、0.0060、0.0002。

由式（6）～（8），與正、與負理想系統之間的加權距離、縱向綜合評價指數及排名見表1。

表1 各項指標正、負理想系統的加權距離、縱向綜合評價指數及排名

本例中，通過對6省份6種故障數據進行縱向綜合評價，Cj越小，評價結果越優。由表1可以看出，顯示故障評價結果最差，其次是電池故障，而計量超差評價結果最優。也就是說，顯示故障的發生概率最高，而計量超差發生概率最低。

4.3 橫向評價

由式（9）、（10），可得關聯系數矩陣分別為：

由式（11）～（13），關聯度、橫向綜合評價指數及排名見表2。

本例中，通過對6省份6種故障數據進行橫向綜合評價，Ci越小，評價結果越優。由表2可以看出，重慶市的評價結果最差，其次是新疆生產建設兵團，而黑龍江省評價結果最優。也就是說，重慶市的電能表發生故障的頻次最高，而黑龍江省的電能表發生故障的頻次最低。

表2 關聯度、橫向綜合評價指數及排名

5 結論及對策

綜合運用熵權法、TOPSIS法、灰色關聯分析法對部分省份因故障拆回智能電能表從橫縱二個維度進行故障分析。縱向分析表明，顯示故障最多，其次是電池故障，然后依次是其它故障、通信故障、費控故障及計量超差；橫向分析表明，安裝在重慶市的電能表發生故障的頻次最高，其次是新疆生產建設兵團，然后依次為福建省、江西省、山西省和黑龍江省。

因此，為了減少智能電能表故障，提高其可靠性，提出以下幾點對策：

1）設計階段首先進行可靠性分配，研發階段進行可靠性試驗，生產階段進行可靠性管理，出廠前可靠性驗證。

2）硬件選型方面，盡可能選用高可靠性元器件，對采購進廠的元器件，可依據GJB/Z 299C-2006、貝爾實驗室的Telcordia SR-332、IEC/TR 62380等標準進行抽檢。

3）加強產品的軟、硬件設計，更好地實行軟、硬件配合，提高軟、硬件可靠性。

4）改善產品工藝流程，生產過程中實行過程控制，加強人員職業培訓，嚴格執行產品生產工藝流程。

5）已出廠產品建立故障信息庫，將故障信息及時反饋至生產廠家，對失效元器件進行失效分析，形成閉環。

6）對于易發故障，如顯示故障、電池故障等，研究其故障機理，盡可能選擇高可靠性的元器件，同時優化電路結構。

7）對于發生故障頻次較高的省份，須明確引發故障的內、外因素。

8）對運行中的產品，制定合理的維護策略，加強物業管理，減少人為破壞等。