李云鵬，金旭榮，張鑫瑞

(國網(wǎng)寧夏電力有限公司營銷服務(wù)中心(國網(wǎng)寧夏電力有限公司計量中心)，銀川 750001)

0 引 言

電能計量裝置故障診斷作為日常管理的一項重要工作，電能計量穿梭于電力生產(chǎn)、輸送、使用等各個環(huán)節(jié)，保證了電能計量的準確性。電能計量在建立公平、公正、有序的電力營銷市場方面也起到至關(guān)重要的作用。隨著電力系統(tǒng)中電能計量裝置越來越多樣化，不斷增加的數(shù)據(jù)信息也給電力系統(tǒng)帶來更大的壓力，裝置故障頻繁出現(xiàn)，每一個環(huán)節(jié)都會受到或多或少的影響[1]。因此，應(yīng)定期對電網(wǎng)電能計量裝置進行誤差分析，對其運行狀況進行評價。電能市場對計量裝置故障診斷的需求非常迫切，為此一些學(xué)者開展了相關(guān)研究[2]。

文獻[3]研究了一種關(guān)口電能計量裝置智能故障診斷及預(yù)警技術(shù)，將大數(shù)據(jù)挖掘技術(shù)應(yīng)用于并行計算，建立數(shù)據(jù)與任務(wù)并行化故障診斷模型，實現(xiàn)了電能計量設(shè)備異常運行特征的提取。該方法對故障診斷的精準度較高，但只能對設(shè)備異常運行故障進行估計，其余故障需要人工協(xié)助，造成大量工作負擔(dān)；文獻[4]研究了基于PCA-ELM算法的電能計量互感器故障診斷方法，選擇電能計量變壓器的8個主要信號作為ELM的輸入值，使用標簽No.1～No.10表示變壓器的正常工作狀態(tài)和9種主要故障類型，輸出診斷結(jié)果。該方法將ELM算法與PCA算法結(jié)合，快速獲得良好的泛化性能，可以提高算法的穩(wěn)定性，實現(xiàn)了對電能計量裝置的診斷，但該算法的診斷效率較差；文獻[5]提出基于隱馬爾科夫模型的風(fēng)能變流系統(tǒng)智能故障診斷技術(shù)，利用基于機器學(xué)習(xí)的隱馬爾可夫模型及主成分分析方法，能夠有效地提取和選擇HMM 分類器的特征，得到較為準確的風(fēng)能變流系統(tǒng)智能故障類型。該方法的故障診斷精度較高，但診斷效率有待提升。

針對上述方法存在的問題，文章提出了基于并行計算的電能計量裝置故障診斷技術(shù)研究。并行計算是一種算法，它能同時進行許多計算和執(zhí)行多個過程，不僅精度高，而且在一定程度上滿足人們的需要，為輸電、供電工程提供了方便。文章首先對電能計量裝置信息采樣，得到故障的準確信息后，對海量數(shù)據(jù)預(yù)處理，通過并行處理技術(shù)融合各種可能發(fā)生的故障資源，將所有故障信息進行聚類，分析其故障發(fā)生的原因。期望提高電能計量裝置診斷的速度與準確性，實現(xiàn)電能計量裝置的高效運行。

1 電能計量裝置數(shù)據(jù)處理

1.1 電能計量裝置信息采樣

對于電能計量裝置中的數(shù)據(jù)采樣是采用信息聚類的方法，在聚類過程中，可以提前預(yù)知信息的走向，便于后續(xù)的故障數(shù)據(jù)分析。當(dāng)信息全部聚集在同一位置時，會根據(jù)特定的方式進行重組[6]，形成一個固定的傳輸模式，假設(shè)增加一個新的信息a，就會立即根據(jù)信息的特異性建立一個新的連接方式，隨著信息的不斷增加，信息a在移動過程中就會出現(xiàn)以下幾種狀態(tài)：

(1)a的狀態(tài)異常，周圍沒有與其相配對的相鄰信息，沒有起到核心的作用，由此可以將其稱為異常數(shù)據(jù)；

(2)與相鄰信息組成一個新的聚類，該信息具有核心點，且與其他信息無關(guān)，自行形成一個聚類；

(3)與現(xiàn)有信息融合，當(dāng)信息的核心點恰好與其他信息相同，那么就可歸為同一類，滿足現(xiàn)有條件。在新的信息加入的過程中，所有的信息就要重新聚類計算，假設(shè)原來的信息對現(xiàn)有的信息的干擾因子為α，因此，當(dāng)α=1時代表原來的數(shù)據(jù)與現(xiàn)在的數(shù)據(jù)具有相同的影響，當(dāng)α=0時代表并不產(chǎn)生任何影響。設(shè)定存在一個原來的聚類βi，新形成的聚類為βi+1，那么其聚類的過程為：

(1)

式中ii+1代表現(xiàn)在的信息點的數(shù)量；ii代表原始信息點的數(shù)量；ai代表增加的信息點；ji代表增加的信息點數(shù)量。

當(dāng)新加入的信息數(shù)量達到最多時，就會造成信息擁擠，一些原始的信息不堪壓迫就會被新的信息所代替，重新形成一個新的聚類，然后就會被裝置中的Map所記錄，完成最后的并行化處理。

1.2 數(shù)據(jù)預(yù)處理

得到故障的準確信息后，不能直接將數(shù)據(jù)應(yīng)用到計算中，大量錯綜復(fù)雜的數(shù)據(jù)交叉縱橫、雜亂無章，所以要想獲取可利用的數(shù)據(jù)就要對海量的數(shù)據(jù)進行預(yù)處理。數(shù)據(jù)的難易程度是建立在裝置故障的嚴重程度上的，在沒有得到數(shù)據(jù)前就要完成數(shù)據(jù)的預(yù)處理，包括對數(shù)據(jù)進行打亂、結(jié)合、轉(zhuǎn)換、重組以及分類等，多個程序之后達到可計算的標準[7]。

采用閾值法對數(shù)據(jù)預(yù)處理，基于閾值的處理公式如下所示：

(2)

式中pi代表第i個指標的判別參數(shù)；P1(k)為第k個指標的出現(xiàn)概率。

基于上述計算，對電能計量裝置中的數(shù)據(jù)采集與處理，為故障診斷提供基礎(chǔ)。

2 基于并行計算的故障診斷模型構(gòu)建

對于初始數(shù)據(jù)，將其與真實數(shù)據(jù)進行比較，同時得到兩種情況下的電壓以及電流的波動情況，多次計算，獲得準確數(shù)據(jù)。并行計算的原理即按照原計劃對樣本進行分割，并一一放入相關(guān)聯(lián)的中心處理器中，并保證每個節(jié)點都有相應(yīng)的信息，最后逐一對各個節(jié)點進行統(tǒng)計，形成一個穩(wěn)定的、規(guī)律的并行化故障診斷模型。在上述比較與分割中，需要建立判別函數(shù)，為此采用并行計算的方法來對數(shù)據(jù)處理，并行計算的處理過程如圖1所示。

根據(jù)圖1可知，基于并行計算方法，同時檢測多個電能計量裝置故障，將數(shù)據(jù)以及故障信息相互結(jié)合，實現(xiàn)故障診斷模型構(gòu)建。

圖1 并行計算處理過程

將預(yù)處理后的電能計量裝置數(shù)據(jù)定義為：

I={i1,i2,i3,…,im}

(3)

式中I為電能計量裝置數(shù)據(jù)的集合；i為其中某個元素；m為數(shù)據(jù)量，整體就可以叫做一個項集。假設(shè)一個電能計量裝置數(shù)據(jù)庫D，將其定義為：

D={T1,T2,T3,…,Tn}

(4)

式中T代表電能計量裝置數(shù)據(jù)庫中的一個事務(wù)，且歸屬于集合I，而|D|代表事務(wù)的總數(shù)；n代表數(shù)量，若X、Y皆為T中的元素，且有X∩Y=φ，φ為兩個元素的共同向量，那么兩個事務(wù)之間的關(guān)聯(lián)為：

X?Y(S%,C%,I%}

(5)

式中S%為可利用的電能計量裝置數(shù)據(jù)在庫中的百分比[8]，并且滿足：

(6)

而C%代表在電能計量裝置數(shù)據(jù)庫中既含有X又含有Y的所占百分比，并且滿足條件：分子部分應(yīng)為“|{T:X∩Y包含于T，T∈D}|”，分母部分應(yīng)為“|D|”。

(7)

I%代表兩個元素X與Y之間的關(guān)聯(lián)性，那么則有：

(8)

式中P為剩余元素的集合，利用以上數(shù)據(jù)信息來建立一個判別函數(shù)，假如存在一個樣本{(x1,y1),…,(xN,yN)}，其中元素xi∈Rd，Rd為三維指數(shù)，N為整數(shù)，對相鄰元素yi進行標記，且yi∈{1,-1},i∈[1,N]，那么在平面上的函數(shù)方程式為：

y(x)=wTx+b

(9)

式中w為特征向量；b為常數(shù)項；兩個平面中的間隔平面為M，但要滿足以下條件：

(10)

上述不等式中的各個元素都是作為原始數(shù)據(jù)出現(xiàn)的，未經(jīng)過任何處理，所以導(dǎo)致得到的診斷結(jié)果均不具有代表性，因此要對該公式進行統(tǒng)一處理[9]，并且要使樣本符合|y(x)|≥1，與分割面M的關(guān)系符合|y(x)|=1，則有：

yi(wTxi+b)≥1,i=1,…,N

(11)

(12)

再用拉格朗日法來對應(yīng)目標函數(shù)：

(13)

式中L為元素庫；αi為拉格朗日因子，但其規(guī)定的具體條件公式為：

(14)

(15)

(16)

而其中含有的每個事務(wù)i的聚類函數(shù)[13]為：

(17)

式中Gc為函數(shù)；k為底數(shù)；j為相鄰元素；mi為事務(wù)庫中的中心；ci為誤差函數(shù)。

而對于元素j的函數(shù)公式[14]為：

(18)

式中wij為樣本；xi是否在數(shù)據(jù)庫中的比例，若wij=1，則在庫中，若wij=0，則不在數(shù)據(jù)庫中。

經(jīng)過上述過程，利用并行計算方法將所有數(shù)據(jù)以及故障信息相互結(jié)合，并對其進行診斷，確定故障的區(qū)域，過程如圖2所示。

圖2 故障診斷基本流程

得到準確的診斷結(jié)果后，按照數(shù)據(jù)的種類進行分割[15]，若診斷結(jié)果沒有差錯，那么就代表裝置處于正常工作狀態(tài)，隨即就應(yīng)該上傳到互聯(lián)網(wǎng)平臺。若診斷的結(jié)果與預(yù)測結(jié)果差距較大，那么就代表發(fā)生重大誤差，應(yīng)立即停止，立即上報到所屬平臺，發(fā)出裝置故障信號，重新進行計算、檢測[16-20]。

互感器從電流、電壓兩方面入手，獲取基于電力計量誤差的測試結(jié)果?，F(xiàn)以云平臺下多層級遠程檢測系統(tǒng)為前端框架，結(jié)合互感器電力計量誤差測試功能，實現(xiàn)電力計量誤差測試系統(tǒng)的設(shè)計。云平臺下多層級遠程檢測系統(tǒng)的總體架構(gòu)如圖3所示。

圖3 云平臺下多層級遠程檢測系統(tǒng)的架構(gòu)圖

圖3中，云平臺下多層級遠程檢測系統(tǒng)主要分為四層結(jié)構(gòu)[21-22]，即電力計量裝置檢測與故障診斷層、平臺層、基礎(chǔ)層、邊緣層。

(1)電力計量裝置檢測與故障診斷層

電力計量裝置檢測與故障診斷層主要負責(zé)電力計量異構(gòu)資源的整合工作，當(dāng)系統(tǒng)接收電力計量數(shù)值超過可靈活分配的Copula函數(shù)時，系統(tǒng)會根據(jù)該層級的SaaS管理和SaaS服務(wù)穩(wěn)定計量庫數(shù)據(jù)移動趨勢，并通過應(yīng)用服務(wù)內(nèi)的檢測設(shè)備，及時診斷電力計量異常信息。Copula函數(shù)的表達式如下：

(19)

(2)平臺層

平臺層通過接收來自電力計量裝置檢測與故障診斷層的穩(wěn)定數(shù)據(jù)，并將該數(shù)據(jù)與電能開發(fā)環(huán)境深度融合，進而完成電力計量的管理工作。在平臺層中，電力計量穩(wěn)定數(shù)據(jù)的深度融合主要依靠工業(yè)PaaS和通用aaS的支撐。

(3)基礎(chǔ)層

基礎(chǔ)層主要負責(zé)電力計量在服務(wù)器、存儲、網(wǎng)絡(luò)、虛擬化四大資源池化庫內(nèi)的時效安全性及可靠性的監(jiān)督工作。經(jīng)過篩選的可測試電力計量數(shù)據(jù)將通過通訊網(wǎng)絡(luò)傳送至邊緣層。

(4)邊緣層

邊緣層作為系統(tǒng)的框架末端，主要負責(zé)電力計量的交互工作。系統(tǒng)以4G/5G無線網(wǎng)絡(luò)或有線光纖為傳送紐帶，將電子計量數(shù)據(jù)有效測量參數(shù)經(jīng)過清洗、去噪后全部傳送至互感器接收口，為后續(xù)互感器電子計量誤差測試奠定基礎(chǔ)。

根據(jù)上述電力計量誤差現(xiàn)場測試結(jié)果設(shè)計基于PaaS賦能平臺[23-24]的互感器誤差測試模塊，互感器誤差測試模塊示意圖如圖4所示。

圖4 互感器誤差測試模塊示意圖

經(jīng)過云平臺下多層級遠程檢測系統(tǒng)的電子計量數(shù)據(jù)以有效測量參數(shù)的形式通過互感器接收口進入PaaS賦能平臺，并在互感器的作用下，連續(xù)測試電子計量基于電流、電壓兩方面的誤差，最終實現(xiàn)電子計量誤差的測試。

3 實驗分析

為驗證提出的基于并行計算的電能計量裝置故障診斷技術(shù)的有效性，進行實驗，并將關(guān)口電能計量裝置故障診斷技術(shù)、基于PCA-ELM算法的診斷技術(shù)與其對比，驗證三種方法在實際場景中的應(yīng)用效果。

3.1 電能計量裝置故障診斷正確率對比

分別采用所研究的故障診斷技術(shù)與關(guān)口電能計量裝置智能故障診斷技術(shù)、基于PCA-ELM算法的故障診斷技術(shù)對電壓診斷，并將三種診斷方法與實際的電壓值對比，對比三種方法的診斷正確率，結(jié)果如圖5所示。

圖5 電壓診斷結(jié)果對比

三種方法在電流上的診斷結(jié)果如圖6所示。

圖6 電流診斷結(jié)果對比

對比上述電壓診斷結(jié)果與電流診斷結(jié)果可知，此次提出的基于并行計算的電能計量裝置故障診斷技術(shù)獲得的電壓與電流與實際的值相差較小，診斷準確率較高。而關(guān)口電能計量裝置智能故障診斷技術(shù)、基于PCA-ELM算法的故障診斷技術(shù)的檢測結(jié)果與實際值具有一定的差距，正確率較低。

3.2 不同數(shù)據(jù)量下電能計量裝置故障診斷時間對比

此次實驗中共對100條數(shù)據(jù)測試，所有的故障類型如表1所示。

表1 電能計量裝置故障種類

三種方法在數(shù)據(jù)量為17 MB時電能計量裝置故障診斷時間對比結(jié)果如圖7所示。

圖7 數(shù)據(jù)量為17 MB時電能計量裝置故障診斷時間對比

三種故障診斷方法在數(shù)據(jù)量為1 024 MB時電能計量裝置故障診斷時間對比結(jié)果如圖8所示。

圖8 數(shù)據(jù)量為1 024 MB時電能計量裝置故障診斷時間對比

分析上述對比結(jié)果能夠發(fā)現(xiàn)，在故障數(shù)據(jù)量較少時，三種方法在各個故障類型的檢測上花費的時間均較少，少于1 024 MB時電能計量裝置故障診斷時間。經(jīng)過對比可知本研究的電能計量裝置故障診斷技術(shù)在17 MB數(shù)據(jù)量與1 024 MB數(shù)據(jù)時花費的診斷時間都是最少的。

綜上，所研究的技術(shù)不僅提高了故障診斷正確率，還減少了故障診斷時間。

4 結(jié)束語

在電力系統(tǒng)的維護過程中，故障診斷技術(shù)至關(guān)重要，為此文中利用并行計算方法構(gòu)建了一個新的電能計量裝置故障診斷技術(shù)。通過實際場景應(yīng)用實驗得出，所提出技術(shù)獲得的電能計量裝置電壓與電流值與實際的值相差較小，故障診斷準確率可達95%，且在數(shù)據(jù)量為17 MB及1 024 MB時，該方法的診斷時間平均值分別為0.9 s及3.1 s，耗時均較短。不但有效地實現(xiàn)故障定位，還降低了診斷時間，維持了電能計量裝置的健康狀態(tài)。