新型節(jié)能用電信息智能采集系統(tǒng)設(shè)計

楊中剛

(北京科學(xué)中心，北京 100029)

0 引言

隨著通信技術(shù)、計算機網(wǎng)絡(luò)技術(shù)和大數(shù)據(jù)產(chǎn)業(yè)的發(fā)展，第五代移動通信技術(shù)(5th generation mobile communication technology，5G)憑借其諸多優(yōu)勢，吸引了大量關(guān)注[1]。5G“隨時隨地連接”的概念產(chǎn)生了許多需要研究的技術(shù)和應(yīng)用。其中，物聯(lián)網(wǎng)平臺尤為突出。在物聯(lián)網(wǎng)的眾多應(yīng)用中，智慧城市引起了許多學(xué)者的深入研究[2]。

在智慧城市中，每個設(shè)備都可以配備智能計量系統(tǒng)，用于收集數(shù)據(jù)并轉(zhuǎn)發(fā)至公用事業(yè)公司的網(wǎng)絡(luò)運營中心。在大量電能計量點接入系統(tǒng)的情況下，如何使用更加靈活、可靠的采集調(diào)度算法是重點研究方向。任務(wù)調(diào)度的效率直接影響系統(tǒng)的性能[3]。

基于上述背景，文獻[4]提出了基于Spark云平臺和Hive數(shù)據(jù)倉庫儲存技術(shù)的數(shù)據(jù)分析系統(tǒng)，對電網(wǎng)設(shè)備故障數(shù)據(jù)進行了挖掘分析。但該系統(tǒng)的讀寫信息過程比較復(fù)雜，降低了計算效率。文獻[5]公開了基于卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network，CNN)的圖形管理系統(tǒng)，將電網(wǎng)各種信息集成，使得圖形能夠滿足不同的數(shù)據(jù)分析和規(guī)劃要求。

CNN在非線性系統(tǒng)分析中具有良好的計算性能，但識別多源異構(gòu)的電能計量數(shù)據(jù)需要多種卷積層，在保證計算效率的同時很難滿足數(shù)據(jù)分析精度的要求。

針對上述文獻存在的問題，本研究設(shè)計了一種采用全數(shù)字結(jié)構(gòu)的新型節(jié)能用電信息采集系統(tǒng)。該系統(tǒng)將有源電極、數(shù)字-電流轉(zhuǎn)換器(digital to current converter,DCC)和開關(guān)電路相結(jié)合，并采用全數(shù)據(jù)結(jié)構(gòu)，同時在計算模塊中引入了用電異常分析算法。通過以上技術(shù)的融合和創(chuàng)新，有效地解決了當前電力計量系統(tǒng)信息讀寫過程復(fù)雜、計算速度慢和分析精度低下等問題，實現(xiàn)了實用且高效的用電信息采集處理系統(tǒng)設(shè)計。

1 總體方案設(shè)計

本文設(shè)計的全數(shù)字結(jié)構(gòu)的新型節(jié)能用電信息采集系統(tǒng)中，首先將采集系統(tǒng)獲取的電流、電壓、負載、功率等數(shù)據(jù)信息通過傳輸模塊進行傳輸，然后利用通信前置機、短信服務(wù)(short message service，SMS)通信前置機、路由器、轉(zhuǎn)換模塊、SMS轉(zhuǎn)換器等實現(xiàn)數(shù)據(jù)信息的轉(zhuǎn)換。在終端部分，用戶可根據(jù)需求通過用電異常分析對數(shù)據(jù)信息作分析和應(yīng)用。

用電信息智能采集系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 用電信息智能采集系統(tǒng)結(jié)構(gòu)圖

由圖1可知，本文所設(shè)計的用電信息采集系統(tǒng)通過設(shè)置不同的數(shù)據(jù)層次實現(xiàn)多種類型的數(shù)據(jù)診斷。首先，系統(tǒng)通過各種類型的傳感器采集數(shù)據(jù)信息，提取各地臺區(qū)中的電壓、電流、負荷以及功率數(shù)據(jù)。在數(shù)據(jù)傳輸過程中，系統(tǒng)通過有線或者無線傳輸?shù)韧ㄐ艆f(xié)議，將傳感器采集的數(shù)據(jù)信息傳遞到國家電網(wǎng)系統(tǒng)中。通過云平臺，可將數(shù)據(jù)傳遞到用電信息數(shù)據(jù)庫，并進行簡單的數(shù)據(jù)預(yù)處理。與此同時，系統(tǒng)通過映射的方式，將用電信息數(shù)據(jù)庫中的異常用電信息數(shù)據(jù)類型的復(fù)雜非線性關(guān)系映射出來，通過用電異常分析算法進行數(shù)據(jù)信息診斷和異常用電用戶位置的研判，使電網(wǎng)公司的工作人員能夠?qū)崟r得出相應(yīng)的異常問題解決方案[6-7]。

2 關(guān)鍵技術(shù)

2.1 智能采集裝置硬件設(shè)計

為了提高用電信息采集系統(tǒng)的采集精度與抗干擾性，本文基于互補金屬氧化物半導(dǎo)體(complementary metal oxide semiconductor，CMOS)設(shè)計了一種智能采集裝置。該裝置采用數(shù)字邏輯增強方法，有助于提高在消除不必要干擾方面的靈活性，并降低了集成電路模擬塊的電壓余量[8]。

智能采集裝置硬件架構(gòu)如圖2所示。

圖2 智能采集裝置硬件架構(gòu)

由圖2可知，微控制器是整個智能采集裝置的主要部分。其作用為收集電能表讀數(shù)，并通過信號端將數(shù)據(jù)信號發(fā)送給消費者的移動設(shè)備。

微控制器利用繼電器使堆電路跳閘。繼電器主要通過一個卷曲的簧片開關(guān)使堆電路跳閘。簧片開關(guān)通常與磁鐵一起工作。但在簧片切換中，電流流過線圈以產(chǎn)生吸引力，并關(guān)閉簧片開關(guān)。數(shù)字校準技術(shù)由通信模塊中的數(shù)字校準模塊實現(xiàn)。

數(shù)字校準模塊電路如圖3所示。

由圖3可知，數(shù)字校準模塊由一個有源電極、兩個DCC、一個電壓-時間轉(zhuǎn)換器(voltage to time converter，UTC)、一個控制邏輯塊、一個計數(shù)器和一個解復(fù)用器組成。

圖3 數(shù)字校準模塊電路框圖

在該結(jié)構(gòu)中，本文使用了一種新的偏移抵消技術(shù)。偏移抵消分兩個階段執(zhí)行。首先，消除偏移對UTC的影響，從而使所有UTC均不飽和。這是通過數(shù)字反饋回路實現(xiàn)的。其次，允許電路將偏移值轉(zhuǎn)換為數(shù)字輸出，偏移量可涉及數(shù)字域。在這種數(shù)字實現(xiàn)中，模擬輸入電壓在第一階段通過UTC轉(zhuǎn)換為可測量時間。信號信息時鐘(clock，CLK)信號延遲。UTC的設(shè)計應(yīng)確保輸入電壓的小幅度線性產(chǎn)生大延遲。為了獲得時域放大信息的信噪比，本文使用了15級正UTC(UTCp)和15級負UTC(UTCn)。UTCp和UTCn的延遲與輸入電壓的關(guān)系如圖4所示。

圖4 UTCn和UTCp的延遲與輸入電壓的關(guān)系

由圖4可知，隨著輸入電壓(U1、U2)的增大，UTCp的延遲逐步增大，而UTCn的延遲逐步減小。UTC的級聯(lián)級形成延遲線結(jié)構(gòu)。延遲線結(jié)構(gòu)的主要優(yōu)點在于其全數(shù)字實現(xiàn)。此外，延遲線結(jié)構(gòu)將時域放大引入到設(shè)計中，通過簡單地延長時間窗口(使用更多UTC級)，可以在時域中放大輸入信號。這與傳統(tǒng)系統(tǒng)中涉及復(fù)雜模擬放大器的電壓放大不同，體現(xiàn)出本文研究的創(chuàng)新性[9-10]。

實際上，電路將信號集成在一個時間窗口Tclk中，延遲線結(jié)構(gòu)中的每個UTC在有限時間段內(nèi)整合信號。該時間段取決于該UTC的延遲。例如，第一個UTC將來自時鐘上升沿的信號積分到等于該UTC延遲的時間；第二個UTC在由其延遲確定的時間段內(nèi)對來自第一個UTC輸出上升沿的信號進行積分。

這些積分周期t的總和等于時鐘周期。因此，該時間窗口上的積分Y可表示為：

(1)

式中:Ts為最大延遲時間;τ為Uin輸入端的時間常數(shù)，反映電路中響應(yīng)變化的快慢，τ越小則電路響應(yīng)變化越快，反之則越慢[11]。

因此，脈沖響應(yīng)為[0，Ts]范圍內(nèi)的矩形脈沖與頻率響應(yīng)為：

(2)

式中:δ為脈沖;H為頻率響應(yīng)函數(shù)。

通過以上方式，移動平均濾波被嵌入到多個UTC中，以防止寬帶噪聲的混疊，從而降低干擾。

UTCp和UTCn塊的設(shè)計方式使得其特性曲線的絕對斜率相等。UTC門的延遲時間tdp(或tdn)被認為是其輸入電壓的線性函數(shù)。

(3)

式中:Vinp和Vinn分別為時鐘脈沖通過UTCp和UTCn的時間間隔內(nèi)的輸入電壓；a和b為常數(shù)。

時鐘周期TCLK的選擇必須確保輸入tdn的最大變化不為零，并且始終是可測量的。因此，時鐘周期應(yīng)略大于(tdp+tdn)。數(shù)字前端的輸出為tdp和tdn。這些延遲由兩個TDC轉(zhuǎn)換為兩個數(shù)字，即Dp和Dn。與輸入電壓Din相對應(yīng)的數(shù)字為：

(4)

式中:Da、Db1和Db2分別為a、b1和b2的數(shù)字信號。

對于數(shù)字至電流控制器部分，DCC產(chǎn)生與其數(shù)字輸入成比例的電流，并降低/增加UTCp和UTCn的輸入電壓。DCC的每個最小有效電位為3.125 mV。這是在每個步驟中添加到輸入/從輸入中減去的電壓。在這種情況下，偏移值在電路的容許范圍內(nèi)，以改變Vinp和Vinn的值，從而消除有源電極輸入處的偏移以及UTC和DCC塊的偏移的影響，降低了智能計量系統(tǒng)的采集精度。

控制邏輯如圖5所示。在圖5中，控制邏輯由定時器(time counter，TC)、AND和OR門以及設(shè)置重置鎖存器(set reset-Latch，SR-L)組成。模擬前端用于檢測偏移電壓，應(yīng)使用模擬電壓比較器。在本研究的設(shè)計中，偏移量由TC檢測。TC由D觸發(fā)器實現(xiàn)，與模擬電壓比較器相比具有更高的功耗和面積效率。控制邏輯電路的輸出為向上和向下信號，用于控制偏移消除塊中的向上/向下計數(shù)器。

圖5 控制邏輯示意圖

綜上所述，本研究設(shè)計的新型偏移抵消技術(shù)能夠有效提升電力用戶用電信息采集的準確性。

2.2 用電異常分析方法

為了判定智慧城市背景下的用電異常用戶情況，在本文設(shè)計的智能計量系統(tǒng)計算模塊中引入用電異常分析算法，主要針對于短期、中長期、月度和年度時段內(nèi)的異常用電信息。

①短期時段。

對于短期時間尺度的用電異常分析方法，需考慮短期用電數(shù)據(jù)的實時性。本文以測量得到的電壓電流值作為基礎(chǔ)判定數(shù)據(jù)，選用電壓偏移系數(shù)和三相電流不平衡率作為用電異常的判斷指標。其相關(guān)表達式如下：

(5)

式中:βU為電壓偏移系數(shù)；Ue為額定電壓。

(6)

式中:βI為三相電流不平衡率，基于實時用電數(shù)據(jù)的分析方法。

智能計量采集終端可以實時獲取用戶的電壓、電流數(shù)據(jù)，進而基于這些數(shù)據(jù)并根據(jù)式(5)和式(6)計算用戶A相、B相和C相的電壓偏移系數(shù)βAU、βBU、βCU以及βI。其之間的關(guān)系判斷如下：

(7)

基于日用電數(shù)據(jù)的分析方法，智能計量采集終端會按照15 min的時間間隔對用戶的電壓和電流數(shù)據(jù)進行采樣，并繪制日電壓和電流曲線。考慮到異常用電通常會維持幾個小時以上，因此本文從中選取各整點時刻的電壓、電流數(shù)據(jù)作為依據(jù)進行分析。每日24 h的三相最大電壓偏移系數(shù)與三相電流不平衡率的歐式距離為：

(8)

式中:dU為每日24 h的三相最大電壓偏移系數(shù)歐式距離;dI為三相電流不平衡率歐式距離。

若dU或dI值超過其限值dmax，則表示該用戶存在用電異常嫌疑。

②中長期時段。

對于中長期時間尺度的用電異常分析方法，通過聚類分析得到該用電類別的典型用電負荷曲線，進而將需排查的用戶與典型用電負荷曲線進行比較，找出用電異常嫌疑用戶。假設(shè)聚類中心集合(即典型用電負荷集合)為Q={q1，q2，…，qK}，將需要排查的用電負荷數(shù)據(jù)點W與聚類中心Q對比，計算最小歐式距離dW：

dW=min[dist(W，q1)，dist(W，q2)，…，

dist(W，qK)]

(9)

式中:dist(·)為歐式距離函數(shù)。

若dW值超過其限值dmax，則表示該用戶存在用電異常嫌疑[12]。

然而，聚類算法往往存在計量誤差的問題。本文結(jié)合相關(guān)系數(shù)法作為另一種評判指標。其表達式為：

ξ=W2-W1

(10)

式中:ξ為計量誤差；W2為用戶實際用電量；W1為智能計量系統(tǒng)顯示電量。

當用戶電表顯示電量W1越大，計量誤差ξ就越大，臺區(qū)線損也越大。由此可知，W1與臺區(qū)線損之間具有明顯的相關(guān)性。

基于此分析可知，可以利用相關(guān)系數(shù)法計算臺區(qū)線損和用戶電表顯示電量之間的相關(guān)系數(shù)。若相關(guān)性高，則該用戶存在異常嫌疑。在常用的相關(guān)系數(shù)中，皮爾遜相關(guān)系數(shù)能有效衡量兩個變量間線性相關(guān)程度。因此，可選用該方法進行用電異常分析[13]。對于臺區(qū)線損和用戶電量W1，皮爾遜相關(guān)系數(shù)計算公式如式(11)所示：

(11)

式中:E為期望值函數(shù);r為皮爾遜相關(guān)系數(shù)。

如果r大于其閾值rmax，則表示該用戶存在用電異常嫌疑。

③月度及年度時段。

針對月度及年度用電數(shù)據(jù)的分析方法，選取臺區(qū)線損合理的用戶最近一個月或一年內(nèi)的日用電量數(shù)據(jù)作為樣本數(shù)據(jù)。為消除不同結(jié)構(gòu)的樣本數(shù)據(jù)的影響、更好地體現(xiàn)用電變化規(guī)律，需對原始數(shù)據(jù)進行歸一化處理，把數(shù)據(jù)壓縮在[0，1]區(qū)間[14]。具體處理公式為：

(12)

式中:w0、w分別為用戶日用電量的原始指標和變換后的歸一化指標；wmin和wmax分別為用戶在一個月或一年內(nèi)的日用電量最小值和最大值。

對歸一化后的樣本數(shù)據(jù)按照用電性質(zhì)進行分類，根據(jù)待分析臺區(qū)的關(guān)口總表數(shù)據(jù)和用戶日用電量數(shù)據(jù)計算出臺區(qū)日線損量，進而利用相關(guān)系數(shù)法計算臺區(qū)日線損量和用戶日用電量之間的皮爾遜相關(guān)系數(shù)，查找出用電異常嫌疑用戶。

3 試驗與分析

為了驗證本研究所設(shè)計的用電信息智能計量采集系統(tǒng)的穩(wěn)定性與可靠性，本文獲取某城市國家電網(wǎng)公司的許可，在市內(nèi)分布若干個傳感探測器作為監(jiān)測點。監(jiān)測點每日在8∶00～20∶00采集用電信息，并將這些樣本數(shù)據(jù)組成試驗數(shù)據(jù)庫；同時，搭建后臺服務(wù)器集群用于數(shù)據(jù)處理。

后臺試驗架構(gòu)中：服務(wù)器的計算機操作系統(tǒng)為Windows10·64位；計算機的開發(fā)工具為Visual Studio 2019，OpenCV 3.0；計算機的硬件環(huán)境為CPU Inter(R)Core(TM)i7、主頻2.59 GHz、內(nèi)存16 GB；所用的編碼軟件JavaScript的版本為ECMA Script 6。

關(guān)于試驗數(shù)據(jù)庫的基礎(chǔ)數(shù)據(jù)信息如表1所示。

表1 基礎(chǔ)數(shù)據(jù)信息表

對于不同臺區(qū)環(huán)境，只有實現(xiàn)智能計量采集系統(tǒng)的計量器持續(xù)、穩(wěn)定運行，才能為監(jiān)控終端提供可靠數(shù)據(jù)。為了檢測本研究系統(tǒng)的穩(wěn)定性，以某臺區(qū)供電范圍為試驗范圍，在試驗環(huán)境中加入噪聲，采用文獻[5]的基于CNN模型的用電信息采集系統(tǒng)與本文系統(tǒng)分別進行為期一天的采集，設(shè)置加入噪聲分貝大小分別為20 dB、40 dB、60 dB、80 dB，以式(12)的w作為歸一化指標。兩種系統(tǒng)的性能仿真對比如圖6所示。

圖6 兩種系統(tǒng)的性能仿真對比圖

在圖6中，R表示原始正常狀態(tài)下的標準值。由圖6(a)可知，本文系統(tǒng)在有噪聲加入的情況下仍能保持正常工作，說明本文系統(tǒng)具有一定的穩(wěn)定性。這是由于本文研究的智能計量采集系統(tǒng)將局部場電位和離散點電位的峰電位作為采樣信號。這種數(shù)字增強方法有助于提高系統(tǒng)在消除不必要干擾方面的靈活性，在應(yīng)用廣泛增益之前消除了系統(tǒng)采集端的干擾。

為了彰顯本文系統(tǒng)在采集精度方面的優(yōu)勢，以文獻[4]中的基于Spark云平臺采集系統(tǒng)作為參照，監(jiān)測分布在市區(qū)內(nèi)的100～1 000個測點，每個監(jiān)測數(shù)據(jù)的采樣時間在1～10 min之間。兩種系統(tǒng)監(jiān)測數(shù)據(jù)精準度對比如表2所示。

表2 兩種系統(tǒng)檢測數(shù)據(jù)精準度對比

由表2可知，在不同數(shù)量測點環(huán)境下，本文系統(tǒng)誤差更小、精準度更高，在1 000測點環(huán)境下誤差占比只有0.4%，非常適用于智慧城市用電信息采集工作的開展。

4 結(jié)論

隨著電力系統(tǒng)技術(shù)的飛速發(fā)展，對電力設(shè)備運行的穩(wěn)定性要求越來越高。為了保證電力設(shè)備運行的穩(wěn)定性，本文設(shè)計了一種新型、節(jié)能的用電信息智能計量采集系統(tǒng)。主要研究內(nèi)容如下。

①基于數(shù)字CMOS技術(shù)的優(yōu)勢，設(shè)計了一種用于智能采集裝置的全數(shù)字前端結(jié)構(gòu)。該系統(tǒng)配置了有源電極、DCC和開關(guān)電路，具有功耗低、延遲時間短、復(fù)雜度低的特點。

②本文按照時間尺度，將用電采集系統(tǒng)獲取的數(shù)據(jù)梳理成短期用電數(shù)據(jù)和中長期用電數(shù)據(jù)，進而提出了一種多時間尺度用電異常分析方法來辨識用電異常情況。

本文經(jīng)過試驗，驗證了所設(shè)計的新型節(jié)能用電信息智能采集系統(tǒng)的可行性。目前，用電信息智能計量采集系統(tǒng)仍存在一些技術(shù)缺陷，如計量效果、采集時間等。未來將會進行這方面的探討與改進。