基于采集終端的臺區停電監測功能實現及應用

國網冀北電力有限公司唐山供電公司 張 路

傳統電力輸送在10kV 線路上加裝斷路器，能夠通過斷閘的形式縮短戶均停電時長，但這一做法會對縮短戶均停電市場產生很大的影響，為了解決這一問題，對現場臺區運行狀況的實時監測成了現實，臺區主站能夠對終端采集信息進行分析，精準地展現臺區整體電能高質量及線損等相關數據，可以有效減少人力，提高操作效率和質量。

1 數據采集終端設計與實現

1.1 配變采集終端和智能電表采集停電事件、運行數據分析

在配變采集終端及智能電表系統中，采集時間主要有兩類：電能表事件和終端事件。在實際工作中，設備應該嚴格按照自己的電源接入情況，按照停、上電事件的定義，采集一次設備的信息，按照負載來控制一次設備，并按照一次設備的運行狀態做相應調整[1]。生成實時數據，并對運行狀態值進行實時更新。采集終端的斷電、上電事件的產生，需要避免在終端自動啟動等外部電源的情況下，產生了錯誤的斷電事件。

另外，該系統應該有數據備份和系統恢復的能力，并且在事故發生之后，還應該保證電子標識，讀取和寫入設備以及數據編碼的唯一性和一致性。智能電能表及采集終端事件記錄分級見表1。

表1 智能電能表及采集終端事件記錄分級表

表2 電能表檢定裝置允許的測量誤差

1.2 基于WirelessUSB 技術的數據采集、傳輸終端設計和實現

WirelessUSB 技術縮寫為WUSB 技術，其是一個無線數據傳輸規范，其主要負責對每個接入設備的數據工作范圍進行管理，并給各個設備分配使用的時間和數據帶寬。WUSB 長機臺主要使用的是點對點直接連接方式，在WUSB 傳輸終端的基礎上，可將采集終端結構劃分為兩種類型，分別為主要控制終端和從屬設備終端。

主要控制終端采用的是調制解調單晶體片和USB 主控芯調制解調晶片，工作于2.4GHzISM 頻率，里面設有頻譜合成器、高功率放大電路等職能模塊，并與增強型的ShockBurst 技術相結合，其中的輸出功率和通信頻段也可使用程序實現自由選擇，通過控制信號靈活設置射頻與數字的基帶部分，讓用戶可以對設備的實時運行狀況有所了解，并根據需求選擇不同的波形調制方式，實現在任何時間、任何地點進行高可靠性通信，同時還可以有效利用網絡環境有限的無線頻譜資源。

從屬設備終端是指與計算機系統相連的一種輸入輸出設備，通常離計算機較遠。其根據功能不同，可分若干類，具有某些處理功能的終端稱為靈巧終端或智能終端，該類終端有其自己的微處理器和控制電路；沒有此功能的叫做啞終端，其沒有微處理器。支持與計算機會話或處理的終端叫交互終端或聯機終端。

1.3 基于iOS 移動終端的遙感監測數據采集系統

針對臺區的用電需求，本項目擬結合移動終端的特點，以移動終端為核心，結合臺區的實際用電需求，利用移動終端的靈活、便捷、高性能等特點，致力于開發一套基于移動終端的遙感監測數據采集系統，旨在以移動設備為核心，通過移動終端方法實現智能電表的必要移動網絡通信支持，以及進行數據收集和分析。這一系統將極大地推動移動終端技術在監測領域的應用，為智能電表的使用提供關鍵支持；移動終端可以通過5G 網絡連接到臺站的機房，并以專用線路連接到局內信息中心的機房，采用防火墻、網閘等網絡安全措施，對終端的信息實施了嚴格的監控，并將其聯系到局內的信息中心，在局內的移動終端上，將其和局外的移動終端信息聯系到一起，同時在局外的終端上，通過防火墻和網閘，完成對臺區的高密度AES 信息的加密。針對站內信息集中的網絡特點，利用無線通信及RS-485總線通信手段，使站內各種終端、傳感裝置和信息集中系統實現信息集中。一般情況下，藍牙和Wi-Fi 都是用來進行數據采集和控制的，而本系統同時適用于這兩種數據傳輸模式，可以滿足不同的用戶需要。

2 深度學習主題資源監測采集模型

2.1 研究背景和意義

在大數據時代的背景下，各個領域的開放性信息資源獲取量也得到了指數式的增長，行業內的科研人員也在構建領域情報信息監測、輿情專項監測系統的情況下，從大量開放的網絡數據中，獲得了專題所涉的最新發展趨勢[2]。其是一種很有價值的信息來源。因此，在互聯網信息監控數據公開的前提下，本文提出了一種基于深度學習的主體資源監控收集模型，并將其用于臺區停電監控平臺，實現監控對象的智能識別、收集和發布。

2.2 深度學習模型設計

本文所建立的基于深度學習的主體資源監測采集模型，由數據采集、數據預處理、特征提取、深度學習等環節組成，遵循“數據訪問-數據預處理-特征提取-數據匹配-數據融合-數據存儲-數據計算-融合結果”的總體思路來構建。在Word2Vec（英文原名Word to Vector）的文本相關度比較模塊的基礎上，通過結合語料學加以練習，在關鍵字之間就可以實現相關度比較，就算兩個關鍵字的集合沒有交叉，也可以得出一種正確的比較結論。由于使用的資料極少，得出的結論具有一定偶然成分。資料充分后，就會得到比較權威性的結果。

2.3 實驗驗證和結果分析

本文基于深度學習的基礎上，搭建了基于深度學習的發展戰略研究信息監測系統，對其監測系統所占的框架進行概要設計，在框架內的采集專題管理功能中支持設置第三方系統網站名稱、可訪問IP等，同時可實現集成Crawler4j 爬蟲系統，以及分布式多任務自動調度。主題建模與相關度計算模塊可使用LDA 構建主題模型，可通過對電力系統數據信息的讀取，生成詞向量模型，結合LDA 構建的主體模型，進行相似度計算，實現對采集數據的管理預發布。LDA 本體模型以吉布斯采樣為主，構建的模型以擬合點為依據，獨立于檢測點數據。將重復次數設為1000，過多的參數使用一個固定的經驗值。本項目將使用開放的Python 軟件包Skip-gram 來構造主題模型，其目標是避免模型過度匹配，提高模型的泛化能力。通過對五個不同話題的數據集進行LDA 主題建模，可以得出該方法的正確率達到82.107%，與閉卷相比只有2.029%的誤差，說明該方法具有較好的魯棒性。

3 專變采集終端裝置設計與誤差試驗驗證

3.1 設計原理和方法

專變采集終端設備的具體設計原則是利用對脈沖式電度表或經過改造的機械式電度表送來的脈沖進行計數，并將其轉化為相應的電能量，測量有功電能，設定初始值，如表常數、電表底度等參數。然后將1年內臺區內的電能信息存儲起來，分時計費，以電力載波方式進行通信，顯示各電度表的工作狀態。這項技術主要利用GPRS 無線公網、230MHz 等網絡技術，來實現遠程用電監測、自動抄表、用電異常警報，可以詳細反映用戶不同時段、不同情況下的用電行為特點。

3.2 誤差試驗和功能測試

為了對電力表的時鐘精度進行檢測，電力表內部的目標芯片會輸出一個預定頻率的時鐘信號，將其輸送到外部的標準表進行校對，比如輸出1Hz 的時鐘信號。在該信號被檢測后，對該信號的調制模式進行識別，以便進行諸如對該信號進行解調等的后續處理。在收到第一修正命令后，根據由該測量模塊所檢測的RTC 芯片的測量值和標準溫度值來自我修正。

然后，將該多個探測無線頻率信號組中的每一個信號變換成相應的光學信號，并按照該控制代碼對該光學信號執行相應的光學延遲處理，以獲取該探測光學信號；在此基礎上，將模擬信號經A/D 變換成數字，經I2C 傳輸到Imote2結點，從而對該信號進行模擬。

3.3 試驗結果分析和評價

此次所測量的結果遵循相應的測量技術規范，由于數值修正產生的不確定性，一般假設是均勻的，此次校準過程中電能表校準單位的級別為0.01級，各級別的測量檢定單位可給出的校準結果間隔一般在0.001%，那么最終測量出的數據間隔大約會在0.0005%，由于此次導致的測量不確定性服從均勻分布，那么最終的標準不確定性可得出：Δu（x）/u（x）=0。本次試驗所測得的均勻度均在計算的不確定范圍內，所測得的數據具有較高的可信度。最后為了保證數據的準確性，同時排除偶然因素所帶來的負面影響，多次采集的數據平均值需將其轉換為數字電壓值。

4 基于采集終端的臺區停電監測

4.1 需求分析和功能實現

目前現場運行的多數臺站，對終端停電/停電事件的利用還處于單純的記錄和顯示階段，這極大地限制了其在實際中的應用，而鮮有針對其在電網容錯切換控制中的應用。主站可以從以下幾個方面對其進行改進和提升：一是按照實際情況，在終端和線路上建立對應關系，從而判斷整條線路有無停電故障；二是可以直接確定停電范圍，迅速確定故障點，三是確認是整個臺站停電還是僅有單個終端停電；四是通過故障發生頻率和事件性質，來評估臺區的供電質量是否達到要求。當出現故障時，通過計算出故障的估計區間，即可對系統進行判斷，并對其進行分類。

4.2 故障范圍和影響精確定位

數據采集終端和電能表的故障是指數據采集設備的硬件、軟件，以及電能表的故障，如臺區表逆電異常，表失壓異常，表斷電流異常，相角異常，功率因數異常，等等。對此，必須有針對性地進行分析，并采取相應的措施，才能有效地消除故障，早日實現設備的正常運行。第一，收集端子硬件故障，是由于端子元器件的選用以及產品設計上的疏忽而造成的。故障現象主要有黑屏、無電源指示燈、對鍵盤無反應、收集終端一直處在信號搜索狀態、某一采集器下的所有電能表實測數值均為空等。第二，收集端子軟件的失效，是由端子軟件的設計不完善所引起的失效。出現的故障有死機，終端不在線，通信死循環，有實時數據，但是測量到的被凍結的電量是空的。第三，電能表失效，即電能表的軟硬件失效。主要表現為電能表掉電，局部監測數據為空白等。

4.3 應用案例和效果評價

問題表現。某小區的公用變壓器容量為200 kVA，同期日線損合格時間：用電能力246kWh，售電能力大約在246kWh，日線損率為3.97%由于用戶所在地的供電半徑較長，且線路管徑較小，在供電尖峰時期易產生低壓現象。

原因分析。在電力采集系統中，通過對日損耗正常化和日損耗負常化兩種情況下的數據進行分析，判斷應為用戶的電能表失靈。

數據收集比對。抽取臺區的合格與不合格數據，計算出客戶所處的地區的線損，從而判斷客戶所處地區是否存在偷電行為。經過對比分析，有一位使用者的電流值出現了異常。在用電采集管理系統中，以當前數據為基礎，對該用戶的電流數據進行采集，從采集的當前數據庫中，可以找到相線電流0.237A，中性線電流0.685A，從而判斷用戶電能表出現故障。

現場處理后的效果評價。結果表明，電能表所顯示的相電流和中性線電流的確存在差異，在進行了相應的調整后，電能表的線損符合要求。