溫克歡，馮俊豪，耿 博，鐘 聰，黃博陽

(1.深圳供電局有限公司，廣東 深圳 518048；2.南方電網(wǎng)科學(xué)研究院有限責(zé)任公司，廣東 廣州 510663；3.廣東省電網(wǎng)智能量測(cè)與先進(jìn)計(jì)量企業(yè)重點(diǎn)實(shí)驗(yàn)室，廣東 廣州 510663)

0 引言

隨著現(xiàn)代化配用電網(wǎng)建設(shè)的持續(xù)推進(jìn),電表箱作為具備電能信息采集、可視化交互和用電行為收集等功能的關(guān)鍵組件,對(duì)配電網(wǎng)的穩(wěn)定運(yùn)行具有重要作用[1]。相關(guān)數(shù)據(jù)表明,截至2017年,電表箱采集戶數(shù)累計(jì)4.47億,覆蓋率達(dá)到99.03%。雖然電表箱已經(jīng)極為普及,但復(fù)雜的工作環(huán)境對(duì)其可靠運(yùn)行有著較高的要求,如端子老化、線損、堆積物燃燒和空氣的溫、濕度都有可能對(duì)電表箱運(yùn)行的可靠性產(chǎn)生較大影響[2-3]。電表箱運(yùn)行異常易引發(fā)電網(wǎng)故障連鎖反應(yīng)[4],甚至危及配用電網(wǎng)運(yùn)行的安全穩(wěn)定,因此迫切需要開展電表箱狀態(tài)評(píng)估及故障預(yù)警的研究。

傳統(tǒng)電表箱狀態(tài)評(píng)估多采用周期性人工巡視的方法,其成本高、效率低,且故障發(fā)現(xiàn)與預(yù)警及時(shí)性差,巡視員工作水平存在差異性,各類評(píng)估指標(biāo)的量化標(biāo)準(zhǔn)仍不完善[5]。目前,已有部分學(xué)者針對(duì)電表箱狀態(tài)評(píng)估及故障預(yù)警技術(shù)展開研究,主要研究方法包括主成分分析法[6]、層次分析法[7]、模糊判別法[8]和隸屬度函數(shù)法[9],但上述方法仍存在判別依據(jù)不統(tǒng)一、判別標(biāo)準(zhǔn)主觀性較強(qiáng)等問題。在此基礎(chǔ)上,為降低單一評(píng)價(jià)方法的不準(zhǔn)確性,部分學(xué)者提出了評(píng)估模糊層次分析法以及結(jié)合主客觀因素組合賦權(quán)的方法[10],但仍存在定性分析指標(biāo)不明確的問題。文獻(xiàn)[11-12]提出的正態(tài)云理論模型為解決上述問題提供了可借鑒的思路。該方法通過改進(jìn)鐘型隸屬度函數(shù)與正態(tài)分布實(shí)現(xiàn)定性指標(biāo)的定量轉(zhuǎn)換,避免傳統(tǒng)方法中定性分析主觀性強(qiáng)的問題,在災(zāi)害預(yù)警及設(shè)備運(yùn)行狀態(tài)評(píng)估等領(lǐng)域得到了廣泛應(yīng)用。然而在現(xiàn)場(chǎng)應(yīng)用環(huán)境中,由于表箱機(jī)械振動(dòng)或者地下室等隔離環(huán)境信道不佳,表箱進(jìn)線電流電壓采集裝置、電表端子測(cè)溫裝置等采集單元數(shù)據(jù)采集異常、數(shù)據(jù)傳輸可靠性不足的問題將導(dǎo)致表箱狀態(tài)評(píng)估數(shù)據(jù)有潛在異常性,傳統(tǒng)的狀態(tài)評(píng)估假設(shè)電表運(yùn)行狀態(tài)數(shù)據(jù)均能實(shí)現(xiàn)無偏采集與傳輸,在實(shí)際應(yīng)用中評(píng)估準(zhǔn)確性仍有待提升。針對(duì)這一問題,本文所提電表箱狀態(tài)評(píng)估方法基于數(shù)據(jù)密度識(shí)別篩選并剔除多源監(jiān)測(cè)異常數(shù)據(jù),基于數(shù)據(jù)異常情況動(dòng)態(tài)調(diào)整表箱狀態(tài)定性與定量評(píng)估模型,實(shí)現(xiàn)復(fù)雜運(yùn)行環(huán)境下電表箱運(yùn)行狀態(tài)的準(zhǔn)確評(píng)估。

1 電表箱狀態(tài)評(píng)估指標(biāo)體系

根據(jù)電表箱運(yùn)行時(shí)的影響因素和特征,本文結(jié)合歷史監(jiān)測(cè)與現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù),選取12項(xiàng)評(píng)估指標(biāo)構(gòu)建電表箱運(yùn)行狀態(tài)評(píng)估體系,如圖1所示。

圖1 多維度層次化電表箱狀態(tài)評(píng)估指標(biāo)體系Fig.1 Multi-dimensional hierarchical status evaluation index system of meter box

電表箱運(yùn)行指標(biāo)主要包括表箱運(yùn)行時(shí)的進(jìn)/出線電流、進(jìn)/出線電壓、電表箱電量、電表箱功率、機(jī)械振動(dòng)頻率和線損,反映了電表箱本體的運(yùn)行數(shù)據(jù);電表箱環(huán)境指標(biāo)主要考慮電表箱溫度、接線端子溫度、電表箱濕度、煙霧濃度、磁場(chǎng)強(qiáng)度和粉塵濃度,反映了現(xiàn)場(chǎng)運(yùn)行環(huán)境對(duì)電表箱可靠性的影響。

2 電表箱多源監(jiān)測(cè)數(shù)據(jù)預(yù)處理方法

基于數(shù)據(jù)密度識(shí)別篩選的多源數(shù)據(jù)密度過濾方法,對(duì)電表箱多源監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)處理[13-14],其原理如圖2所示。計(jì)算各樣本之間的歐幾里得距離,獲取最大鄰近距離與局部密度,通過閾值比較,檢測(cè)并剔除電表箱采集數(shù)據(jù)中的異常數(shù)據(jù),保證多源數(shù)據(jù)的有效性。

圖2 電表箱多源監(jiān)測(cè)數(shù)據(jù)預(yù)處理方法Fig.2 Preprocessing method for multi-source monitoring data of meter box

具體步驟如下:

②對(duì)樣本距離進(jìn)行升序排列,xi,j的q個(gè)最近鄰數(shù)據(jù)集合可表示為:

(1)

式中:nq(xi,j)表示與xi,j距離最近的第q個(gè)樣本。

(2)

式中:q=λn,λ∈[0,1]為密度衡量參數(shù)。

式中:ηρ和ηδ分別為局部密度經(jīng)驗(yàn)參數(shù)和距離經(jīng)驗(yàn)參數(shù)。

3 電表箱多源監(jiān)測(cè)數(shù)據(jù)狀態(tài)評(píng)估正態(tài)云模型

3.1 正態(tài)云模型構(gòu)建

正態(tài)云模型構(gòu)建主要包括正態(tài)云數(shù)字特征計(jì)算和確定度計(jì)算,具體步驟如下:

②根據(jù)正態(tài)云模型數(shù)字特征,計(jì)算xij的確定度為:

(8)

③重復(fù)上述步驟直到產(chǎn)生云滴數(shù)目達(dá)到要求。

3.2 正態(tài)云模型指標(biāo)權(quán)重確定

正態(tài)云模型指標(biāo)權(quán)重確定包括指標(biāo)特性權(quán)重和運(yùn)行特性權(quán)重確定[17-18],具體步驟如下:

①根據(jù)評(píng)估問題中Q個(gè)評(píng)價(jià)指標(biāo),構(gòu)造判決矩陣C=(cij)Q×Q。其中,cij為評(píng)估指標(biāo)Ii相對(duì)于評(píng)估指標(biāo)Ij的相對(duì)重要關(guān)系。

③根據(jù)評(píng)估問題中M組樣本數(shù)據(jù),構(gòu)建初始評(píng)價(jià)矩陣K=(kqm)Q×M,其中,kqm為第q個(gè)評(píng)價(jià)指標(biāo)在第m組樣本數(shù)據(jù)上的取值。進(jìn)一步對(duì)評(píng)價(jià)矩陣進(jìn)行歸一化處理后,獲得標(biāo)準(zhǔn)化矩陣K=(k′qm)N×M。

④基于熵權(quán)法[19-20]計(jì)算第q個(gè)評(píng)價(jià)指標(biāo)的熵、熵權(quán)為:

⑤計(jì)算電表箱狀態(tài)評(píng)估正態(tài)云模型指標(biāo)權(quán)重為:

ω=a1ωe+a2ωo,

(11)

式中:a1與a2分別表示電表箱狀態(tài)評(píng)估指標(biāo)特性權(quán)重系數(shù)和運(yùn)行特性權(quán)重系數(shù)。

3.3 評(píng)估模型建立

②基于指標(biāo)特性權(quán)重及運(yùn)行特性權(quán)重,構(gòu)建正態(tài)云模型指標(biāo)權(quán)重ω。

(12)

⑤電表箱狀態(tài)評(píng)估評(píng)語集如表1所示,基于最大隸屬度原則[19-20]對(duì)狀態(tài)評(píng)估結(jié)果進(jìn)行隸屬等級(jí)判斷,若:

μf=max{μ1(θ),μ2(θ),…,μ5(θ)},

(13)

則認(rèn)為θ優(yōu)先隸屬于評(píng)語等級(jí)μf。

傳統(tǒng)的電表箱狀態(tài)評(píng)估健康等級(jí)劃分區(qū)間一般采用“分割制”,即明確地分割各個(gè)健康等級(jí),各個(gè)健康等級(jí)之間存在明確的界限,設(shè)備運(yùn)行狀態(tài)健康水平非此即彼。然而,“分割制”忽略了2種健康等級(jí)之間的過渡狀態(tài),不符合現(xiàn)實(shí)中設(shè)備運(yùn)行性能衰退的一般規(guī)律。因此,提出一種“重疊制”的健康水平劃分方法(見表1),相鄰的2個(gè)健康等級(jí)之間存在一定的重疊區(qū)域,表示設(shè)備運(yùn)行狀態(tài)在2種健康等級(jí)之間過渡的過程。在電表箱運(yùn)行狀態(tài)評(píng)估過程中,對(duì)于出現(xiàn)電表箱運(yùn)行狀態(tài)隸屬于相鄰2個(gè)狀態(tài)評(píng)估評(píng)語的情況,為提高電表箱運(yùn)行的可靠性,此時(shí)確定電表箱運(yùn)行狀態(tài)隸屬于較差的評(píng)語等級(jí)。

表1 不同評(píng)語與重心偏離度之間的對(duì)應(yīng)關(guān)系Tab.1 The relationship between comments and deviation degree of gravity center

3.4 基于評(píng)估結(jié)果的故障預(yù)警

電表箱故障預(yù)警是在電表箱運(yùn)行狀態(tài)評(píng)估的基礎(chǔ)上,當(dāng)電表箱運(yùn)行狀態(tài)不是優(yōu)時(shí),確定異常指標(biāo)數(shù)據(jù)并做出預(yù)警響應(yīng)?；陔姳硐錁?biāo)準(zhǔn)運(yùn)行狀態(tài),為表箱狀態(tài)評(píng)估各項(xiàng)指標(biāo)設(shè)定隸屬于良、中、差和病態(tài)的隸屬度閾值,當(dāng)電表箱運(yùn)行狀態(tài)不是優(yōu)時(shí),啟動(dòng)故障預(yù)警機(jī)制,分別判斷各項(xiàng)指標(biāo)隸屬于良、中、差和病態(tài)的隸屬度是否超過相應(yīng)的閾值,超過閾值的指標(biāo)則為異常指標(biāo)。電表箱的運(yùn)行狀態(tài)評(píng)估結(jié)果以及所有的異常指標(biāo)數(shù)據(jù)均會(huì)及時(shí)地上傳至控制中心,工作人員基于收到的數(shù)據(jù)可以了解各個(gè)電表箱的運(yùn)行狀態(tài)以及可能存在的運(yùn)行隱患,并及時(shí)安排相關(guān)檢修工作。

4 算例分析

選擇在廣東省某小區(qū)同一批次布置的500臺(tái)電表箱為例進(jìn)行算例分析。電表箱進(jìn)/出線電壓為0.975Un,電表箱自2017年7月投入使用至今,其頻率偏差為[0.05,0.12] Hz,線損率為[4.3,7.4]%。經(jīng)現(xiàn)場(chǎng)測(cè)定電表箱平均溫度為20.6 °C,接線端子平均溫度為30.8 °C,電表箱平均濕度為63%,平均煙霧濃度為18 mg/m3,平均電磁干擾為2.04 V/m,平均粉塵濃度為11 mg/m3。以某臺(tái)電表箱溫度指標(biāo)為例,對(duì)采樣結(jié)果進(jìn)行數(shù)據(jù)預(yù)處理,得到數(shù)據(jù)處理前后電表箱溫度采集樣本數(shù)據(jù)如圖3所示。由圖3可以看出,通過數(shù)據(jù)預(yù)處理后錯(cuò)誤與異常數(shù)據(jù)被剔除,數(shù)據(jù)離散程度明顯降低。

(a)數(shù)據(jù)預(yù)處理前

(b)數(shù)據(jù)預(yù)處理后圖3 電表箱溫度數(shù)據(jù)預(yù)處理前后對(duì)比Fig.3 Comparison of meter box temperature before and after pretreatment

以溫度指標(biāo)為例,給出了優(yōu)、良、中、差、病態(tài)的電表箱狀態(tài)評(píng)估云模型,如圖4所示。

圖4 電表箱溫度狀態(tài)評(píng)估云模型Fig.4 Cloud model of meter box temperature status evaluation

利用上述電表箱各類指標(biāo)值,重復(fù)進(jìn)行狀態(tài)評(píng)估與故障預(yù)警200次,計(jì)算每項(xiàng)指標(biāo)的平均云隸屬度,如表2所示。表3給出了利用指標(biāo)特性權(quán)重判決矩陣和運(yùn)行特性權(quán)重評(píng)價(jià)矩陣求取的指標(biāo)云綜合權(quán)重。

表2 不同指標(biāo)平均云隸屬度Tab.2 Average cloud membership of different indicators

表3 指標(biāo)云綜合權(quán)重Tab.3 Comprehensive weight of indicator cloud

利用表2中的平均隸屬度矩陣和表3的指標(biāo)云綜合權(quán)重集合,求取電表箱狀態(tài)評(píng)估結(jié)果如表4所示。根據(jù)最大隸屬度原則,判定電表箱當(dāng)前評(píng)估結(jié)果為優(yōu),同時(shí),評(píng)估狀態(tài)良的隸屬度為0.132 1,相對(duì)較高,說明仍需加強(qiáng)電表箱運(yùn)行監(jiān)控。

表4 電表箱狀態(tài)評(píng)估結(jié)果Tab.4 Status evaluation results of meter box

采用類似的方法可以對(duì)其余電表箱進(jìn)行狀態(tài)評(píng)估。綜合500臺(tái)電表箱狀態(tài)評(píng)估結(jié)果,進(jìn)一步統(tǒng)計(jì)分析所提狀態(tài)評(píng)估結(jié)果和表箱的實(shí)際運(yùn)行狀態(tài),表箱實(shí)際運(yùn)行狀態(tài)為優(yōu)的電表箱數(shù)量占電表箱總數(shù)500臺(tái)的比例為75%,本文所提方法評(píng)估運(yùn)行狀態(tài)為優(yōu)的電表箱數(shù)量占總數(shù)比例為74%,其他評(píng)語等級(jí)的電表箱狀態(tài)評(píng)估結(jié)果采用類似方法計(jì)算。具體對(duì)比結(jié)果如表5所示。由表5可以看出,對(duì)比現(xiàn)場(chǎng)巡檢表箱實(shí)際運(yùn)行狀態(tài)的結(jié)果,所提方法能夠在整體上準(zhǔn)確評(píng)估表箱狀態(tài),對(duì)于表箱的故障檢修有著良好的適用性。同時(shí),為了體現(xiàn)本文所提方法的優(yōu)越性,將所提方法與主成分分析法、層次分析法、模糊判別法以及隸屬度函數(shù)法進(jìn)行了評(píng)估準(zhǔn)確率對(duì)比,具體如表6所示。由表6可以看出,所提方法評(píng)估準(zhǔn)確率高達(dá)97.6%,相比于其他方法準(zhǔn)確率有著較大的提升,這是因?yàn)楸疚乃岱椒ǔ浞挚紤]了電表箱復(fù)雜運(yùn)行環(huán)境對(duì)電表運(yùn)行狀態(tài)數(shù)據(jù)采集與傳輸?shù)挠绊?而傳統(tǒng)的狀態(tài)評(píng)估方法則假設(shè)電表運(yùn)行狀態(tài)數(shù)據(jù)均能實(shí)現(xiàn)無偏采集與傳輸,從而在實(shí)際應(yīng)用中評(píng)估準(zhǔn)確率較低。

表5 狀態(tài)評(píng)估結(jié)果與表箱的實(shí)際運(yùn)行狀態(tài)對(duì)比Tab.5 Comparison between the state assessment results and the actual running state of the meter box

表6 不同方法評(píng)估準(zhǔn)確率對(duì)比Tab.6 Comparison of assessment accuracy of different methods

5 結(jié)論

面向電表箱運(yùn)行狀態(tài)評(píng)估需求,考慮電表箱復(fù)雜運(yùn)行環(huán)境對(duì)數(shù)據(jù)無偏采集與可靠傳輸?shù)牟焕绊?構(gòu)建了多維度層次化電表箱狀態(tài)評(píng)估指標(biāo)體系?；跀?shù)據(jù)密度識(shí)別篩選并剔除多源監(jiān)測(cè)異常數(shù)據(jù),并根據(jù)數(shù)據(jù)異常情況動(dòng)態(tài)調(diào)整表箱狀態(tài)定性與定量評(píng)估模型,實(shí)現(xiàn)復(fù)雜運(yùn)行環(huán)境下電表箱運(yùn)行狀態(tài)的準(zhǔn)確評(píng)估與實(shí)時(shí)故障預(yù)警,有效提升配用電網(wǎng)安全穩(wěn)定運(yùn)行水平。