左黎斌,何 傲,王 昕,何東瑩,趙 楠
(1. 云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院,云南 昆明 650217;2. 南方電網(wǎng)電能計(jì)量重點(diǎn)實(shí)驗(yàn)室,云南 昆明 650217;3. 昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院,云南 昆明 650000)
電力企業(yè)的電量結(jié)算主要是通過電能計(jì)量裝置來完成的。電能計(jì)量管理是電力企業(yè)生產(chǎn)經(jīng)營管理及電網(wǎng)安全運(yùn)行的重要環(huán)節(jié),其技術(shù)和管理水平不僅事關(guān)電力企業(yè)的發(fā)展和企業(yè)形象,而且影響貿(mào)易結(jié)算的準(zhǔn)確、公正,涉及廣大電力客戶的利益[1]。所以,有必要最大限度降低電能計(jì)量裝置綜合誤差,保障電能計(jì)量的準(zhǔn)確和可靠,做到公正合理計(jì)費(fèi)。要保障電能計(jì)量的準(zhǔn)確和可靠首先要保障電能計(jì)量標(biāo)準(zhǔn)裝置的準(zhǔn)確性和可靠性。電能計(jì)量標(biāo)準(zhǔn)裝置主要分布在供電企業(yè)的各省各地州計(jì)量中心,目前,各個(gè)地州的計(jì)量裝置檢定業(yè)務(wù)人員,在實(shí)驗(yàn)室通過一臺(tái)直接和電能計(jì)量標(biāo)準(zhǔn)裝置相連接的計(jì)算機(jī)來對(duì)其進(jìn)行操作和監(jiān)控,由于電能計(jì)量標(biāo)準(zhǔn)裝置無法實(shí)現(xiàn)遠(yuǎn)程監(jiān)測,如果檢定過程中發(fā)現(xiàn)異常和問題,檢定員只能通知管理人員趕赴實(shí)驗(yàn)室才能進(jìn)行維護(hù)和修復(fù),這樣就導(dǎo)致發(fā)現(xiàn)問題不及時(shí),解決問題周期長,效率低下,成本較高,難以適應(yīng)電能計(jì)量標(biāo)準(zhǔn)裝置檢定日趨增長的需求。例如,某供電局計(jì)量中心一臺(tái)三相電能表標(biāo)準(zhǔn)裝置,共有16個(gè)檢定表位,從表面上判斷分析,3表位、4表位、11表位壓接損壞不能正常檢定三相電能表,其余表位正常工作,檢定數(shù)據(jù)也符合電能表檢定規(guī)程的要求,其中有個(gè)特殊情況是 16表位的檢定數(shù)據(jù)比其它正常工作的表位好,在維護(hù)人員進(jìn)行標(biāo)準(zhǔn)裝置維護(hù)時(shí),用了三個(gè)工作日才檢查出 16表位壓接接頭損壞比較嚴(yán)重導(dǎo)致數(shù)據(jù)也不正常。因檢定工作量比較大,檢定人員在檢定過程中,大部分時(shí)間里只能關(guān)注到檢定數(shù)據(jù)是否超差及電能表壓接是否正常,對(duì)于此類問題要經(jīng)過很長的周期才能發(fā)現(xiàn),使電能計(jì)量的準(zhǔn)確性造成長期影響?;诖?,本文首先基于區(qū)域網(wǎng)絡(luò)搭建電能計(jì)量準(zhǔn)確性分析平臺(tái),然后運(yùn)用FCM聚類算法對(duì)電能計(jì)量標(biāo)準(zhǔn)裝置的實(shí)時(shí)在線監(jiān)測數(shù)據(jù)進(jìn)行分析,有效反映電能表標(biāo)準(zhǔn)裝置的實(shí)時(shí)運(yùn)行狀態(tài)和故障差錯(cuò),及時(shí)進(jìn)行維護(hù),保障計(jì)量檢定數(shù)據(jù)的準(zhǔn)確性和可靠性,提升電能計(jì)量服務(wù)水平。
本文采用 Hadoop分布式技術(shù)構(gòu)建包含覆蓋:省內(nèi)各個(gè)供電局的海量數(shù)據(jù)存儲(chǔ)和高性能并行計(jì)算集群來應(yīng)對(duì)大規(guī)模數(shù)據(jù)并行處理,并采用Nigira負(fù)載均衡技術(shù),選用Redis作為緩存組件,提升吞吐量和系統(tǒng)可用性,滿足高并發(fā)請求的需求。由于需要處理實(shí)時(shí)采集的海量電網(wǎng)計(jì)量數(shù)據(jù),系統(tǒng)采用基于Hadoop的分布式架構(gòu),應(yīng)用HDFS分布式文件系統(tǒng)[2-6],從計(jì)量標(biāo)準(zhǔn)裝置監(jiān)測終端、實(shí)驗(yàn)室檢定控制系統(tǒng)、計(jì)量自動(dòng)化系統(tǒng)、營銷系統(tǒng)、現(xiàn)場檢定業(yè)務(wù)系統(tǒng)、半結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù),然后存儲(chǔ)于非關(guān)系型數(shù)據(jù)庫HbaSe[5],部分?jǐn)?shù)據(jù)通過 Hive數(shù)據(jù)倉庫[6]實(shí)現(xiàn)離線清洗和分析[7]。電能計(jì)量準(zhǔn)確性分析平臺(tái)的總體構(gòu)架如圖1所示。
為同時(shí)滿足數(shù)據(jù)采集的高并發(fā)、高可靠和系統(tǒng)可擴(kuò)展性的實(shí)現(xiàn)要求,系統(tǒng)擬MVC模式進(jìn)行建設(shè)。其中數(shù)據(jù)采集部分采用 Nginx+Tomcat集群實(shí)現(xiàn)高并發(fā)高可靠的 Web服務(wù)器,后端采用隊(duì)列+進(jìn)程池實(shí)現(xiàn)各協(xié)議和并發(fā)鏈接的多通道處理;系統(tǒng)采用基于J2EE的B/S架構(gòu)進(jìn)行建設(shè)。平臺(tái)核心技術(shù)框架采用JAVA作為開發(fā)語言,基于主流開源J2EE框架,包括Struts, Spring, Hibernate, Jquery, JBOSS SOA,JBPM, Druid等框架等。能夠支持多種異構(gòu)數(shù)據(jù)庫,兼容主流WEB容器。技術(shù)結(jié)構(gòu)分為基礎(chǔ)環(huán)境、DAO層、邏輯層、展現(xiàn)層四層結(jié)構(gòu),如圖2下所示。
框架展現(xiàn)層通過集成ExtJS和Echarts,封裝常用展現(xiàn)標(biāo)簽,并結(jié)合平臺(tái)權(quán)限管理機(jī)制,研發(fā)基礎(chǔ)通用展現(xiàn)界面,實(shí)現(xiàn)對(duì)JS、HTML、CSS、JSP等技術(shù)的規(guī)范化管理,建立平臺(tái)的展現(xiàn)組件和框架??刂茖釉O(shè)計(jì)采用服務(wù)總線模式來管理和簡化平臺(tái)核心功能、基礎(chǔ)組件、及開發(fā)應(yīng)用之間的集成拓?fù)浣Y(jié)構(gòu),以開放的接口服務(wù)標(biāo)準(zhǔn)為基礎(chǔ)來支持各核心應(yīng)用之間在消息、事件和服務(wù)的級(jí)別上動(dòng)態(tài)的互連互通。平臺(tái)采用統(tǒng)一的持久化管理,主要包括兩個(gè)方面的內(nèi)容:第一,數(shù)據(jù)庫配置管理。采用Hibernate的緩存機(jī)制,實(shí)現(xiàn)數(shù)據(jù)庫實(shí)體表與JAVA對(duì)象的O/R映射和管理,并實(shí)現(xiàn)對(duì)數(shù)據(jù)庫對(duì)象的展現(xiàn)和監(jiān)控,實(shí)現(xiàn)對(duì)數(shù)據(jù)庫表、視圖、索引、觸發(fā)器、約束、OR映射關(guān)系等對(duì)象的圖形化展現(xiàn)。第二,連接池管理。連接池的管理需要具備較高的資源重用度,并能夠提供更快的響應(yīng)速度和效率,對(duì)數(shù)據(jù)庫連接會(huì)話的分配管理高效,不出現(xiàn)連接資源的泄露和獨(dú)占等異常問題。平臺(tái)采用Druid作為數(shù)據(jù)庫連接池管理的基礎(chǔ),提供一個(gè)高效、功能強(qiáng)大、可擴(kuò)展性好的數(shù)據(jù)庫連接池,并能實(shí)現(xiàn)對(duì)數(shù)據(jù)庫訪問性能的實(shí)時(shí)監(jiān)控。
圖1 電能計(jì)量準(zhǔn)確性分析平臺(tái)的總體構(gòu)架Fig.1 Overall framework of accuracy analysis platform for electric energy metering
圖2 技術(shù)平臺(tái)架構(gòu)Fig.2 Technology platform architecture
構(gòu)建基于OLAP技術(shù)的電能計(jì)量云數(shù)據(jù)中心,通過可編程接口和 ETL(抽取 extract、轉(zhuǎn)換transform、加載 load)工具抽取電力能量系統(tǒng)、交易系統(tǒng)、計(jì)量系統(tǒng)和營銷系統(tǒng)數(shù)據(jù),構(gòu)建云數(shù)據(jù)中心,實(shí)現(xiàn)不同系統(tǒng)在數(shù)據(jù)級(jí)的共享和融合。實(shí)現(xiàn)電能計(jì)量裝置的開機(jī)、試驗(yàn)過程、工作效率、標(biāo)準(zhǔn)表的工作狀態(tài)進(jìn)行在線監(jiān)測等,對(duì)電能計(jì)量裝置的檢定信息進(jìn)行全面掌握和追溯,建立電能計(jì)量網(wǎng)絡(luò)實(shí)驗(yàn)室,為區(qū)域內(nèi)的電能計(jì)量提供準(zhǔn)確性的評(píng)價(jià)與管理,促進(jìn)區(qū)域內(nèi)計(jì)量管控水平。建立云南省電能計(jì)量網(wǎng)絡(luò)地圖,包括:購電、售電、供電、線損考核和企業(yè)自備電廠計(jì)量點(diǎn)等,結(jié)合營配集成的“站-線-變-戶”電網(wǎng)拓?fù)潢P(guān)系,構(gòu)成網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖,按分壓(電壓等級(jí))、分類(購、售、供)和分級(jí)(省、市、縣)等多維度描述電力企業(yè)的各類計(jì)量點(diǎn)及計(jì)量網(wǎng)絡(luò)關(guān)系,建立起全省電能計(jì)量點(diǎn)的戰(zhàn)略網(wǎng)絡(luò)圖,動(dòng)態(tài)掌握、管控全省關(guān)口電能計(jì)量點(diǎn)布局、設(shè)備配備、運(yùn)行工況、定位、檔案管理等信息。
在電力內(nèi)部網(wǎng)絡(luò)上建立計(jì)量中心專用網(wǎng)絡(luò),安裝進(jìn)行加密通訊。VPN網(wǎng)關(guān)通過對(duì)數(shù)據(jù)包的加密和數(shù)據(jù)包目標(biāo)地址的轉(zhuǎn)換實(shí)現(xiàn)遠(yuǎn)程訪問。通過服務(wù)器、硬件、軟件等多種方式實(shí)現(xiàn) VPN代理服務(wù)器。在VPN網(wǎng)關(guān)對(duì)數(shù)據(jù)包進(jìn)行處理時(shí),有兩個(gè)參數(shù)對(duì)于VPN通訊十分重要:原始數(shù)據(jù)包的目標(biāo)地址(VPN目標(biāo)地址)和遠(yuǎn)程VPN網(wǎng)關(guān)地址。根據(jù)VPN目標(biāo)地址,VPN網(wǎng)關(guān)能夠判斷對(duì)哪些數(shù)據(jù)包進(jìn)行 VPN處理,對(duì)于不需要處理的數(shù)據(jù)包通常情況下可直接轉(zhuǎn)發(fā)到上級(jí)路由;遠(yuǎn)程VPN網(wǎng)關(guān)地址則指定了處理后的VPN數(shù)據(jù)包發(fā)送的目標(biāo)地址,即VPN隧道的另一端VPN網(wǎng)關(guān)地址。由于網(wǎng)絡(luò)通訊是雙向的,在進(jìn)行VPN通訊時(shí),隧道兩端的VPN網(wǎng)關(guān)都必須知道VPN目標(biāo)地址和與此對(duì)應(yīng)的遠(yuǎn)端VPN網(wǎng)關(guān)地址。通過虛擬專用網(wǎng)絡(luò)使得計(jì)量中心網(wǎng)絡(luò)更加人性化、軟件化和智能化,為滿足電能計(jì)量數(shù)據(jù)通信對(duì)網(wǎng)絡(luò)動(dòng)態(tài)重組的需求,提供安全、可控和靈活的資源調(diào)度能力。解決網(wǎng)絡(luò)安全與監(jiān)控、MAC地址追蹤、虛擬機(jī)管理程序安全弱點(diǎn)問題。系統(tǒng)硬件架構(gòu)如圖 3所示:
圖3 系統(tǒng)硬件架構(gòu)圖Fig.3 System hardware architecture diagram
聚類的過程,可以看成是一個(gè)歸類的過程。將一個(gè)數(shù)據(jù)對(duì)象集合劃分成多個(gè)類的過程,在劃分的時(shí)候,能夠使每個(gè)類內(nèi)部對(duì)象具有很高的相似性,與類外對(duì)象具有不同的性質(zhì),類與類的距離達(dá)到最大化[8]。
與分類不同,聚類是一種典型的無監(jiān)督學(xué)習(xí),在聚類之前,我們不告訴算法聚類的依據(jù),算法根據(jù)規(guī)則自己學(xué)習(xí),然后找到合理的聚類。聚類算法可以分為兩種,一種是硬聚類,另外一種是軟聚類。硬聚類是按照一定的原則,將集合中的對(duì)象嚴(yán)格的劃分到某一類別中,這種聚類生硬且界限明確,一個(gè)樣本只能夠完全屬于某個(gè)類或者完全不屬于某個(gè)類。軟聚類也可稱為模糊聚類,該算法將模糊集理論中的相關(guān)內(nèi)容與聚類算法結(jié)合,在聚類時(shí)對(duì)數(shù)據(jù)集進(jìn)行隸屬度計(jì)算,數(shù)據(jù)集中的某個(gè)對(duì)象在類別劃分的時(shí)候有一個(gè)該類隸屬度值,允許一個(gè)對(duì)象屬于一個(gè)或者多個(gè)類,最后根據(jù)該值確定是否屬于這個(gè)類別[9]。軟聚類相比較硬聚類來說對(duì)數(shù)據(jù)集的聚類過程更加合理和完善。
FCM 算法就是其中的一個(gè)經(jīng)典軟聚類算法。FCM算法先對(duì)數(shù)據(jù)點(diǎn)構(gòu)建隸屬度矩陣,是一種以隸屬度來確定每個(gè)數(shù)據(jù)點(diǎn)屬于某個(gè)類別程度的算法。隸屬度是指一個(gè)對(duì)象屬于某個(gè)類別的程度。這種軟聚類算法是傳統(tǒng)硬聚類算法的一個(gè)子集。
有數(shù)據(jù)集 X ={x1, x2,...,xn},將其聚集成c類,U表示其模糊矩陣, Uij表示第i個(gè)樣本屬于第 j類的隸屬度。FCM算法目的就是求出聚類目標(biāo)函數(shù)最小化的劃分矩陣U和聚類中心V,數(shù)學(xué)表達(dá)如式 1所示[10]:
其中,n為數(shù)據(jù)集樣本個(gè)數(shù),m為加權(quán)指數(shù),ijd表示樣本點(diǎn)與聚類中心的歐氏距離。
FCM算法描述如下:
Step1:確定數(shù)據(jù)集所要聚類個(gè)數(shù),初始化聚類中心和相關(guān)模糊指標(biāo);
Step2:更新隸屬度矩陣;
Step3:更新聚類中心矩陣;
Step4:計(jì)算目標(biāo)函數(shù),若兩次目標(biāo)函數(shù)差值小于最小誤差跳轉(zhuǎn)step5,否則跳轉(zhuǎn)Step2;
Step5:依據(jù)隸屬度矩陣將樣本點(diǎn)分類。
合理的聚類數(shù)對(duì)聚類算法十分重要[11-12],如果一個(gè)聚類算法劃分的粒度過大,則模型容易過于粗糙,不能將數(shù)據(jù)所有含義表達(dá)出來,此時(shí)模型陷入知識(shí)匱乏,如果將聚類數(shù)據(jù)劃分粒度過小,此時(shí)聚類模型對(duì)數(shù)據(jù)敏感度很高,很多數(shù)據(jù)沒有表達(dá)的意思也可能會(huì)被模型學(xué)習(xí)到。
常用的聚類數(shù)目選擇方法有以下幾種:
(1)經(jīng)驗(yàn)法
(2)肘方法
當(dāng)聚類數(shù)增加時(shí),模型可以對(duì)數(shù)據(jù)有更細(xì)粒度的劃分,此時(shí)每個(gè)類別內(nèi)的數(shù)據(jù)點(diǎn)都是極為相似的,類內(nèi)數(shù)據(jù)點(diǎn)的方差和也很低。但是如果類別劃分過多,存在數(shù)據(jù)點(diǎn)方差和邊緣效應(yīng)下降的可能。
定義為:給定聚類數(shù)(0)k k>,計(jì)算類內(nèi)數(shù)據(jù)方差和。繪制關(guān)于方差和曲線,曲線的第一個(gè)或者最顯著的拐點(diǎn)為合理類別數(shù)。
(1)聚類有效性函數(shù) F P( U, c)
該函數(shù)數(shù)學(xué)表達(dá)如式2所示[11]:
其中,U為隸屬度矩陣,c為分類數(shù)目
F( U, c)稱為劃分系數(shù),計(jì)算方式如式3所示:
P( U, c)稱為可能性劃分系數(shù),計(jì)算式如式4所示:
存在(*,*)Uc,滿足式5:
稱(*,*)Uc為最優(yōu)有效性聚類。
(2)聚類有效性函數(shù)
該函數(shù)數(shù)學(xué)表達(dá)如式6:
其中,n為樣本個(gè)數(shù); xi為樣本, i=1 ,2,...,n;c為聚類個(gè)數(shù); Vj為第 j個(gè)聚類中心, j=1 ,2,...,c;U為隸屬度矩陣可能性劃分系數(shù);為樣本距0V距離為樣本中心。
當(dāng) P ′( U: c)取得最大值時(shí),為最佳分類結(jié)果。
電能表標(biāo)準(zhǔn)裝置運(yùn)行狀態(tài)在線監(jiān)測模型構(gòu)建步驟如圖4:
監(jiān)測模型流程說明如下:
步驟1:選取云南電網(wǎng)14家供電局計(jì)量中心80臺(tái)單相電能表標(biāo)準(zhǔn)裝置、62三相電能表標(biāo)準(zhǔn)裝置通過電能表標(biāo)準(zhǔn)裝置監(jiān)測儀實(shí)時(shí)在線監(jiān)測142個(gè)臺(tái)體的檢定數(shù)據(jù)。在電能計(jì)量準(zhǔn)確性分析平臺(tái)的數(shù)據(jù)庫中導(dǎo)出電能表標(biāo)準(zhǔn)裝置檢定數(shù)據(jù),并整理。實(shí)驗(yàn)數(shù)據(jù)為2018年1月-2018年3月共計(jì)三個(gè)月的142臺(tái)電能表標(biāo)準(zhǔn)裝置的實(shí)時(shí)在線檢定數(shù)據(jù)。
步驟 2:電能表檢定數(shù)據(jù)清洗與預(yù)處理。選用142個(gè)電能表標(biāo)準(zhǔn)裝置臺(tái)體的實(shí)時(shí)在線檢定數(shù)據(jù)后,將這 142個(gè)電能表標(biāo)準(zhǔn)裝置臺(tái)體監(jiān)測數(shù)據(jù)進(jìn)行清洗,主要涉及重復(fù)數(shù)據(jù)刪除、缺失數(shù)據(jù)填充、異常數(shù)據(jù)修復(fù)、無效數(shù)據(jù)剔除等,并將監(jiān)測到的檢定數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,為監(jiān)測模型速度優(yōu)化奠定基礎(chǔ)。
步驟3:利用FCM聚類算法找出電能表標(biāo)準(zhǔn)裝置監(jiān)測數(shù)據(jù)的合理分類數(shù)及類中心線。
步驟 4:完成步驟 3以后,我們根據(jù)電能表標(biāo)準(zhǔn)裝置的檢定數(shù)據(jù)將電能表標(biāo)準(zhǔn)裝置監(jiān)測儀監(jiān)測數(shù)據(jù)具體的分類進(jìn)行標(biāo)記,以監(jiān)測數(shù)據(jù)分類中心線作為該類別每個(gè)電能表標(biāo)準(zhǔn)裝置的運(yùn)行狀態(tài)曲線。通過計(jì)算每個(gè)電能表標(biāo)準(zhǔn)裝置的運(yùn)行狀態(tài)曲線和電能表標(biāo)準(zhǔn)裝置檢定規(guī)程中規(guī)定的誤差限距離,通過距離判斷電能表標(biāo)準(zhǔn)裝置是否偏移正常運(yùn)行時(shí)的誤差限值,將是否偏移否偏移正常運(yùn)行時(shí)的誤差限值作為判斷電能表標(biāo)準(zhǔn)裝置是否存在檢定異常的標(biāo)準(zhǔn)。本文實(shí)驗(yàn)判斷電能表標(biāo)準(zhǔn)裝置的運(yùn)行狀態(tài)曲線和電能表標(biāo)準(zhǔn)裝置檢定規(guī)程中規(guī)定的誤差限距離使用歐式距離,公式為式7:
步驟 5:判斷距離是否合理,如果距離超過閾值,則將該電能表標(biāo)準(zhǔn)裝置納入電能表標(biāo)準(zhǔn)裝置運(yùn)行異常庫。閾值的選擇根據(jù)實(shí)際電能表電能過程中中遇到的問題及規(guī)程規(guī)定的誤差限來設(shè)定。
在得到電能表標(biāo)準(zhǔn)裝置的監(jiān)測數(shù)據(jù)后,先了解每個(gè)檢定點(diǎn)的具體含義。選取單相電能表標(biāo)準(zhǔn)裝置的20個(gè)檢定點(diǎn)作為參數(shù)值,三相電能表標(biāo)準(zhǔn)裝置的28個(gè)檢定點(diǎn)作為參數(shù)值,取單相及三相電能表標(biāo)準(zhǔn)裝置三個(gè)月的監(jiān)測數(shù)據(jù),將三個(gè)月的監(jiān)測數(shù)據(jù)通過檢定點(diǎn)相加取平均值作為最后該點(diǎn)的總體檢定點(diǎn)。然后通過歸一化公式將單相電能表標(biāo)準(zhǔn)裝置的監(jiān)測數(shù)據(jù)變換到[0,1]之間的取值,將三相電能表標(biāo)準(zhǔn)裝置的監(jiān)測數(shù)據(jù)變換到[0,1]之間的取值,統(tǒng)一量綱。表3-1、表3-2分別為單相臺(tái)體和三相臺(tái)體歸一化后的數(shù)據(jù)表。
表1 單相臺(tái)體歸一化后輸入數(shù)據(jù)表Tab.1 The single phase body is normalized and the data table is entered
表2 三相臺(tái)體歸一化后輸入數(shù)據(jù)表Tab.2 The three-phase body is normalized and the data table is entered
根據(jù)電能計(jì)量準(zhǔn)確性分析平臺(tái)導(dǎo)出的電能表標(biāo)準(zhǔn)裝置監(jiān)測數(shù)據(jù),選取142個(gè)電能表標(biāo)準(zhǔn)裝置監(jiān)測數(shù)據(jù)作為待分類樣本,采用FCM聚類算法對(duì)電能表標(biāo)準(zhǔn)裝置監(jiān)測數(shù)據(jù)進(jìn)行研究,根據(jù)前面聚類質(zhì)量評(píng)估中確定的聚類有效性指標(biāo)(;)P U c′,通過式(6)計(jì)算聚類結(jié)果得到從3類到7類過程中(;)P U c′的變化,當(dāng)c=5時(shí),(;)P U c′取得最大值,因此該樣本的最佳分類數(shù)為5類。
分別選取不同地州供電局計(jì)量中心的5個(gè)單相電能表標(biāo)準(zhǔn)裝置、5個(gè)三相電能表標(biāo)準(zhǔn)裝置三個(gè)月的監(jiān)測數(shù)據(jù),根據(jù)上述方法得出單相、三相電能表標(biāo)準(zhǔn)裝置運(yùn)行狀態(tài)聚類曲線如圖5、圖6所示:
圖5 單相電能表標(biāo)準(zhǔn)裝置運(yùn)行狀態(tài)聚類曲線Fig.5 Cluster curve of single phase electric energy meter standard device running state
圖6 三相電能表標(biāo)準(zhǔn)裝置運(yùn)行狀態(tài)聚類曲線Fig.6 Clustering curve of three phase electric energy meter standard device running state
電能表標(biāo)準(zhǔn)裝置運(yùn)行狀態(tài)聚類曲線對(duì)分析電能電表標(biāo)準(zhǔn)裝置每天或某段時(shí)間內(nèi)電能表標(biāo)準(zhǔn)裝置的運(yùn)行狀態(tài)具有實(shí)際的指導(dǎo)意義。如圖5中單相電能表標(biāo)準(zhǔn)裝置的單相臺(tái)體5連續(xù)脫離其正常值的范圍的距離,可以判斷出這個(gè)臺(tái)體可能存在運(yùn)行故障,我們就可以立即聯(lián)系供電局運(yùn)維人員或生產(chǎn)廠家到實(shí)驗(yàn)室進(jìn)行故障檢查或故障處理,這樣就可以提升電能表日常檢定的效率,同時(shí)也提高了電能計(jì)量檢定的質(zhì)量。如圖6三相電能表標(biāo)準(zhǔn)裝置的三相臺(tái)體4運(yùn)行狀態(tài)聚類距離長期出現(xiàn)忽遠(yuǎn)忽近的情況,經(jīng)我們現(xiàn)場驗(yàn)證,發(fā)現(xiàn)此三相臺(tái)體電流回路和電壓回路存在搭接的情況,經(jīng)廠家運(yùn)維人員處理,三相臺(tái)體運(yùn)行正常。通過聚類分析,將云南電網(wǎng)14家供電局計(jì)量中心142個(gè)電能表標(biāo)準(zhǔn)裝置臺(tái)體根據(jù)其運(yùn)行規(guī)律分成5類進(jìn)行管理,提高了電能表標(biāo)準(zhǔn)裝置故障處理能力,也提升了電能計(jì)量檢定的質(zhì)量。
針對(duì)電能計(jì)量標(biāo)準(zhǔn)裝置檢定日趨增長的需求,為進(jìn)一步優(yōu)化整合計(jì)量資源,提高檢定效率,提高計(jì)量質(zhì)量,提升計(jì)量服務(wù)水平,電能計(jì)量標(biāo)準(zhǔn)裝置在線監(jiān)測,對(duì)電能計(jì)量標(biāo)準(zhǔn)裝置的準(zhǔn)確性和運(yùn)行狀態(tài)實(shí)時(shí)掌控,提供實(shí)時(shí)、準(zhǔn)確、有效的管控需求。本文提出一種基于 FCM 聚類算法的電能表標(biāo)準(zhǔn)裝置監(jiān)測數(shù)據(jù)分析方法,經(jīng)試驗(yàn)對(duì)比,該方法可以及時(shí)發(fā)現(xiàn)存在運(yùn)行異常的電能計(jì)量標(biāo)準(zhǔn)裝置,有效縮短電能計(jì)量標(biāo)準(zhǔn)裝置的運(yùn)行維護(hù)和檢修周期,提升電能計(jì)量的準(zhǔn)確性。