陳葉，楊正宇，朱夢夢，程富勇，魏齡

（云南電網(wǎng)有限責任公司電力科學研究院，云南 昆明 650217）

在智能化電網(wǎng)中，智能電表是一項重要的基礎設備，其為電力系統(tǒng)的運行控制和電力交易結算提供了依據(jù)[1]。智能電表運行的準確性和穩(wěn)定性直接關系到交易雙方的公平合理以及電網(wǎng)的安全[2]。因此，需要對智能電表的運行狀態(tài)進行檢測和評估，以降低錯誤狀態(tài)對整個電網(wǎng)的影響。

為了解決當前智能電表現(xiàn)場維修、更換困難的問題，必須實現(xiàn)由常規(guī)狀態(tài)到誤差狀態(tài)的轉換，并采用高效、準確的誤差估計方法判斷智能電表的運行誤差，從而保證智能電表的穩(wěn)定運行[3]。

當前所使用的智能抄表誤差計算方法主要根據(jù)用戶的用電量是否超過了電表的使用范圍來判斷，但由于主電表和用戶電表之間有很大的損耗，其難以準確地估計電表誤差。

利用廣義能量守恒定律求解智能儀器的誤差時，求解過程比較復雜，需要對讀數(shù)矩陣進行分解計算。因數(shù)據(jù)規(guī)模、質量等限制，往往會產(chǎn)生不適應性，而且任何時間的數(shù)據(jù)都不能滿足其獨立性和正交性的要求，而且該方法缺乏實時性。總之，盡管在智能儀表測量數(shù)據(jù)的應用和遠距離估計操作誤差方面取得了一定的研究成果，但是準確性和實時性不佳。

針對上述問題，該研究提出了一種基于遞歸神經(jīng)網(wǎng)絡的智能儀表誤差估計方法。

1 構建誤差估計模型

遞歸神經(jīng)網(wǎng)絡的反饋鏈接結構是由一組連接單元組成的。該單元負責隱藏輸入層的狀態(tài)，并在下一時刻連同網(wǎng)絡一起將數(shù)據(jù)輸入到隱藏層單元。因此，遞歸神經(jīng)網(wǎng)絡是一種具有動態(tài)記憶屬性的網(wǎng)絡，其結構如圖1 所示。

圖1 遞歸神經(jīng)網(wǎng)絡結構

由圖1 可知，在連接單元中引入連接權作為固定增益，可以模擬高階系統(tǒng)[4]。遞歸神經(jīng)網(wǎng)絡連接權學習過程如下：

1）將網(wǎng)絡連接權編碼成二進制位串，使每個進制位串都能表示網(wǎng)絡連接權，形成一個集合；

2）結合遞歸神經(jīng)網(wǎng)絡結構，計算連接神經(jīng)元的各個連接權值ηs：

式（1）中，fil表示二進制碼個體的適配值，該值越大，說明實際輸出精度就越高。重復上述過程，直到獲取最優(yōu)個體解碼為止[5]。

在傳統(tǒng)的控制過程中，信號轉換和控制量計算都需要耗費大量的時間，因此其難以快速有效地輸出被控對象的狀態(tài)信息[6-7]。該研究利用遞歸神經(jīng)網(wǎng)絡改善了控制器的控制性能，并通過對被控對象的預建模，由控制信息輸出者對其輸出值進行評估計算。

基于遞歸神經(jīng)網(wǎng)絡的誤差估計模型如圖2所示。

圖2 基于遞歸神經(jīng)網(wǎng)絡誤差估計模型

由圖2 可知，誤差估計具體步驟如下：計算t+1時刻的期望輸出結果yd(t+1)，利用遞歸神經(jīng)網(wǎng)絡估計模型，獲取這個時刻的估計結果y′(t+1)。在此基礎上，估計時刻的誤差，計算公式為：

利用t+1 時刻的誤差獲取該時刻的估計輸出結果，同理，也利用上述方法獲取t+2 時刻的估計輸出結果[8-9]。

在設計過程中，采用了模糊控制和遞推神經(jīng)網(wǎng)絡兩種并行結構控制方式。該方法的優(yōu)點是兩種控制過程可以同時運行。

模糊控制器參數(shù)整定等是模型設計的主要環(huán)節(jié)之一。若神經(jīng)網(wǎng)絡的實際輸出誤差超過標準要求，則停止控制，并在后臺運行學習控制[10-11]。該控制過程可重復執(zhí)行，能滿足模型自適應控制要求。

2 智能電表運行誤差遠程估計

2.1 智能電表運行誤差遠程檢測模塊設計

在變電所的計量系統(tǒng)中，智能儀表由接收不同采集設備數(shù)據(jù)的遠程監(jiān)控系統(tǒng)控制。誤差計算模塊從智能儀表中提取相應的功率脈沖，測量儀表的誤差[12]。發(fā)生錯誤時，將異常報告給遠程檢測主機。智能電表運行誤差遠程檢測模塊框圖如圖3 所示。

圖3 智能電表運行誤差遠程檢測模塊框圖

在電表運行過程中，智能電表誤差遠程檢測模塊通過網(wǎng)絡交換，使被檢測電能表接收的數(shù)據(jù)包與數(shù)字標準電能表接收的數(shù)據(jù)完全一致，再對兩個電能表進行能量采集交換，確定電能表的誤差，通過網(wǎng)絡將誤差傳輸?shù)竭h程監(jiān)測模塊。

2.1.1 遠程在線采樣模塊

遠程在線采樣模塊是一個高可靠性、多功能的遙測數(shù)據(jù)收發(fā)模塊。在對一塊電能表進行長程誤差測試時，首先要將被測電能表和標準表的采樣值轉換成標準值，然后再接收，使兩塊電能表得到相同的數(shù)據(jù)形式[13]。多播電能表的IP 地址、數(shù)據(jù)報文標識、采樣值通道等通信參數(shù)由遠程后臺發(fā)送給標準電能表[14]。使用標準表將所測電能表值的廣播信息發(fā)送給交換機，以便應用程序能夠添加信息。在收到請求后，開關向多播組添加一個端口來接收消息。然后交換機將應用信息發(fā)送給虛擬局域網(wǎng)中的所有主機，主機中的一個主機作為組播源，負責收集外部組播的數(shù)字信息[15-16]。該轉換器通過前面接入多播組的端口發(fā)送樣本值信息，通過標準表格接收樣本值信息。然后根據(jù)配置參數(shù)和采樣值通道的對應信息，標準電表可以計算測試路徑的功率值，并將其與被測電表的電能進行比較，從而計算被測電表的誤差。

2.1.2 脈沖采集與誤差統(tǒng)計模塊

在切換測試器時，切換到相應脈沖功率輸出通道，比較脈沖誤差。以AD7501 為核心，采用多路模擬開關，其具有體積小、成本低、接點可靠、脈沖采集導通電阻滿足要求等優(yōu)點。AD7501 具有三個輸入信道，分別是一個輸出信道、三個地址線和一個使能端，芯片可以根據(jù)地址選擇任何輸出信道。

2.2 運行誤差遠程估計流程

智能電表運行誤差遠程估計流程如圖4 所示。

由圖4 可知，采用遞歸神經(jīng)網(wǎng)絡進行遠距離運行誤差估計，可以對測量數(shù)據(jù)進行不斷更新，實時監(jiān)測儀器誤差的變化，通過校核誤差參數(shù)，分析估算精度。

圖4 運行誤差遠程估計流程

為了準確估計智能電表誤差參數(shù)，必須對電表誤差參數(shù)進行測試。在研究站區(qū)進行分層現(xiàn)場采樣，可獲得智能儀器的誤差估計值。各用戶用電智能表按用戶用電等級抽樣，先確定每站用電智能表的總數(shù)與樣品數(shù)的比率，再根據(jù)用戶用電容量分層確定每站用電所需樣品數(shù)，每層用電智能表的數(shù)量應等于樣本容量，最后計算非舍入式數(shù)據(jù)的近似值，得到精準誤差值。

根據(jù)上述獲取的智能電表誤差數(shù)值，使用平均絕對百分誤差eM和均方根誤差eR作為評判誤差估計結果精準度的依據(jù)，計算公式為：

式（3）和式（4）中，n表示現(xiàn)場抽取樣本的數(shù)量；gi、g′分別表示智能電表誤差估計值和校驗值。在智能電表運行誤差遠程估計過程中，兩個指標的比值越小，說明估計誤差結果就越精準。

3 實驗與分析

3.1 實驗設計

為了驗證基于遞歸神經(jīng)網(wǎng)絡的智能電表運行誤差遠程估計方法的有效性，以某市2021 年2 月到5月份的實際智能電表數(shù)據(jù)為對象進行實驗分析。

在配電網(wǎng)拓撲結構中，每個臺區(qū)配電變壓器都會安裝一塊校驗表，為了獲得智能電表運行誤差，需在每個臺區(qū)內安裝至少一塊電能表來檢驗誤差。

3.2 試驗結果與分析

統(tǒng)計2021 年2 月到5 月份智能電表誤差率，如圖5 所示。

圖5 智能電表運行誤差分布值

由圖5 可知，在2 月到3 月份期間，智能電表運行誤差率在2%以上，最高誤差率為2.8%；在3 月到4月份期間，智能電表運行誤差率在2%以上，最高誤差率為6%；在4 月到5 月份期間，智能電表運行誤差率變化較大，其中在4 月上旬，誤差率低于2%，最低誤差率為-6%。

將上述數(shù)據(jù)作為試驗驗證指標，分別使用智能電表系統(tǒng)、基于廣義能量守恒定律和基于遞歸神經(jīng)網(wǎng)絡的智能電表運行誤差遠程估計方法對比分析誤差率，對比結果如圖6 所示。

圖6 三種方法誤差率對比分析

由圖6 可知，在2 月到3 月份期間，使用智能電表系統(tǒng)運行誤差率在0%以上，最高誤差率為2%；在3 月到4 月份期間，智能電表運行誤差率在0%以上，最高誤差率為2.8%；在4 月到5 月份期間，智能電表運行誤差率變化較大，其中在4 月上旬，誤差率低于0%，最低誤差率為-2.2%。使用廣義能量守恒定律方法在2 月到3 月份期間，智能電表運行誤差率在0%以上，最高誤差率為2%；在3 月到4 月份期間，智能電表運行誤差率在2%以上，最高誤差率為2.8%；在4 月到5 月份期間，智能電表運行誤差率變化較大，其中在4 月下旬，誤差率低于0%，最低誤差率為-2.3%。而使用遞歸神經(jīng)網(wǎng)絡方法在4 月到5 月份智能電表運行誤差率變化較大，最低誤差率為-6%，這與實際智能電表統(tǒng)計結果一致，從而證明了該文方法的可靠性。

4 結束語

該文提出了基于遞歸神經(jīng)網(wǎng)絡的智能電表運行誤差遠程估計方法。該方法使得遠距離智能電表誤差估計更加準確，有利于實現(xiàn)從常規(guī)更換電表到狀態(tài)更換的轉變。采用這種方法可以在技術手段上及時發(fā)現(xiàn)可疑的異常計量點，從而為高效驗電提供技術支持。