電能表異常診斷方法與流程
2023-11-02 02:38:47
本發明屬於電能質量檢測
技術領域:
,特別涉及一種電能表異常診斷方法。
背景技術:
:近些年來,隨著國內電力需求和電網規模的擴大,電壓等級不斷提升,大容量、高電壓等級用戶不斷增多,同時隨著分時電價和階梯電價的實行,電能計量的準確性和可靠性已成為社會關注的焦點,檢測過程中對於電能表診斷的準確性要求更高,現有的檢測過程中電能表診斷主要是通過人工的方式在電能表現場進行,現場缺乏數據支持,也非法通過程序化的方法進行量化準確判斷,都是依靠人工經驗數據來判斷,容易造成診斷不準確或者誤診斷的情況,難以滿足計量精益化管理需求。技術實現要素:本發明要解決的技術問題是提供一種通過現場檢測數據和電能信息採集系統採集數據實現自動對電能表的運行狀態進行判斷的電能表異常診斷方法。實現本發明目的的技術方案是提供一種電能表異常診斷方法,包括如下幾個步驟:①通過現場檢測和電能信息採集系統獲取電錶數據和事件數據;②通過步驟①獲得的電錶數據和事件數據進行單一異常分析,單一異常分析包括電量異常診斷、電壓電流異常診斷、異常用電診斷、負荷異常診斷、時鐘異常診斷、接線異常診斷共計6類智能診斷分析模型,每個智能診斷分析模型包括若干個智能診斷主題;③將步驟②得到的智能診斷主題的單一異常分析診斷結果輸出給現場檢測人員,輔助現場檢測人員進行電能表檢測和診斷。進一步的,步驟②中,6類智能診斷分析模型包括共27個智能診斷主題,如下所示,每個智能診斷主題包括定義、數據源、診斷方法、計算模型、閾值及分級5個項目,其中K和N為各個診斷主題中對應設置的閾值參數,K的定義在各個診斷主題中獨立、主題間互不幹擾,N的定義在各個診斷主題中獨立、主題間互不幹擾:1、電量異常診斷模型:包括電能表示值不平、電能表飛走、電能表倒走、電能錶停走、電能表費率設置異常5個智能診斷主題,如下表:2、電壓電流異常診斷模型:包括電壓斷相、電壓越限、電壓不平衡、高供高計B相異常、電流失流、電流不平衡6個智能診斷主題,如下表:3、異常用電診斷模型:包括電能表開蓋、計量門開閉、恆定磁場幹擾、電量差動異常、功率差動異常、用戶停電6個智能診斷主題,如下表:4、負荷異常診斷模型:包括需量超容、負荷超容、電流過流、負荷持續超下限、功率因數異常5個智能診斷主題,如下表:5、時鐘異常診斷模型:包括終端時鐘異常、電能表時鐘異常2個智能診斷主題,如下表:6、接線異常診斷模型:包括反向電量異常、相序異常、潮流反向3個智能診斷主題,如下表:進一步的,所述電能表異常診斷方法還包括如下步驟:根據步驟②得到的智能診斷主題的單一異常分析診斷結果,對不同的智能診斷主題間的關聯關係進行異常關聯分析並建立關聯度模型從而得到進一步智能診斷結果;異常關聯分析的方法是對任意2個智能診斷主題同時發生時建立關聯度模型,關聯度模型的進一步智能診斷結果包括疑似竊電、設備故障、錯接線、配變需擴容、現場維護、電池失效、迴路異常、用電異常8類,任2個智能診斷主題同時發生時歸類到8類進一步智能診斷結果之一或無進一步智能診斷結果,當歸類到8類進一步智能診斷結果之一時,通過分析得到關聯度模型的關聯度;關聯度用以表示某2個智能診斷主題同時發生時,進一步智能診斷結果發生的可能程度,用百分比表示;並將得到的進一步智能診斷結果輸出給現場檢測人員,輔助現場檢測人員進行電能表檢測和診斷。關聯度模型包括歸類到8類進一步智能診斷結果的共108個模型,如下所示:疑似竊電:設備故障:錯接線:序號關聯主題1關聯主題2關聯度1潮流反向高供高計B相異常0.62潮流反向電量差動異常1.03潮流反向功率因數異常0.34潮流反向反向電量異常1.05相序異常高供高計B相異常0.66相序異常電流失流0.67相序異常電流不平衡0.68相序異常電量差動異常1.09相序異常功率差動異常1.010相序異常負荷持續超下限0.311相序異常功率因數異常0.312相序異常反向電量異常0.313反向電量異常電流不平衡0.614反向電量異常電量差動異常1.015反向電量異常功率因數異常0.316電壓不平衡功率差動異常0.6配變需擴容:序號關聯主題1關聯主題2關聯度1需量超容電流過流1.02需量超容負荷超容1.03負荷超容電流過流1.0現場維護:序號關聯主題1關聯主題2關聯度1計量門開閉電能表時鐘異常0.32計量門開閉終端時鐘異常0.33計量門開閉用戶停電0.64計量門開閉電能表飛走1.0電池失效:序號關聯主題1關聯主題2關聯度1用戶停電電能表時鐘異常0.62用戶停電終端時鐘異常0.6迴路異常:序號關聯主題1關聯主題2關聯度1電流不平衡電壓越限0.62電流不平衡電流過流1.03電流不平衡功率因數異常1.04電壓斷相電流失流1.05電壓越限電壓不平衡1.0用電異常:序號關聯主題1關聯主題2關聯度1負荷持續超下限功率因數異常0.32電壓不平衡電流不平衡0.6進一步的,步驟①中,事件數據包括電能表斷相、終端電壓迴路異常、電能表過壓、電能表欠壓、終端電壓越限;電錶數據包括三相電壓曲線、三相電流曲線、計量迴路正向有功總電能示值、比對迴路正向有功總電能示值。進一步的,步驟①中,對於電錶數據和事件數據進行篩選,其中事件篩選規則如下:對於採集終端和電能表生成的事件,按以下規則篩選:(1)同1條事件重複上報,事件內容包括時間均完全相同,只保留第1條;(2)同1類事件重複上報,事件名稱相同但內容不同,每8h只保留第1條;(3)剔除內容不符合通信協議格式要求的事件,包括數據亂碼及應填數據為空的情況;(4)剔除內容明顯有誤的事件,包括事件時間早於設備安裝時間及事件時間晚於當前時間h天后的情況(h建議值為5);(5)對於應成對出現的事件,若事件不成對則通過曲線數據和終端心跳、登錄報文等數據進行輔助判斷。進一步的,步驟①中,對於電錶數據和事件數據進行篩選,其中數據篩選規則如下:對於採集終端和電能表的數據,按以下規則篩選:(1)正/反向有功總功率乘倍率的數值大於用戶合同容量的a倍(a建議值為50),屬於異常數據;(2)日凍結正/反向電能示值計算得到的電量,大於用戶日最大用電量(合同容量×24h)的b倍(b建議值為50),屬於異常數據;(3)月凍結正/反向電能示值計算得到的電量,大於用戶月最大用電量(合同容量×24h×30天)的c倍(c建議值為50),屬於異常數據;(4)日/月凍結最大需量乘倍率的數值大於用戶合同容量的d倍(d建議值為50),屬於異常數據;(5)總加組電能量曲線計算得到的時段電量,大於用戶時段最大用電量(合同容量×時段長度)的e倍(e建議值為50),屬於異常數據;(6)二次側電壓值大於二次側額定電壓值的f倍(f建議值為2),屬於異常數據;(7)二次側電流值乘倍率大於電流互感器一次側額定電流值的g倍(g建議值為2),屬於異常數據。本發明具有積極的效果:(1)本發明的電能表異常診斷方法通過用現場檢測數據和電能信息採集系統的採集數據實現對電能表數據的採集與處理,並在通過數據比對、統計分析和數據挖掘等技術手段,對電能表的運行工況進行診斷和分析,確定電能表是否處於正常運行狀態。(2)本發明的電能表異常診斷方法通過量化建立診斷模型的方法來判斷故障提高了現場診斷的準確性,避免了人工診斷的誤判斷或者判斷不準確的情況。(3)本發明的電能表異常診斷方法提高了現場檢測的效率,縮短了現場檢測的時間。(4)本發明的電能表異常診斷方法能快速準確的解答用電客戶的對於診斷結果的疑惑,提高了現場檢測的服務質量。(5)本發明的電能表異常診斷方法的現場診斷數據更加全面,解決了原先現場診斷缺乏數據支持的情況。具體實施方式(實施例1)本實施例的電能表異常診斷方法是通過現場檢測和電能信息採集系統(也稱用電信息採集系統)實現對電能表數據的採集與處理,並在採集系統主站通過數據比對、統計分析和數據挖掘等技術手段,對電能表的運行工況進行診斷和分析,確定電能表是否處於正常運行狀態。智能診斷的數據來源包括電能表和採集終端中的電能計量數據、運行工況數據和事件記錄等各類數據。通過對電能表、採集終端各類數據的產生條件、關聯關係的分析,結合相關業務應用需求,研究確定了單一設備分析、期間分析和群分析等智能診斷模型。本實施例的電能表異常診斷方法通過以下步驟實現現場智能診斷:①通過現場檢測和電能信息採集系統獲取電錶數據和事件數據。其中,事件數據包括電能表斷相、終端電壓迴路異常、電能表過壓、電能表欠壓、終端電壓越限等;電錶數據包括三相電壓曲線、三相電流曲線、計量迴路正向有功總電能示值、比對迴路正向有功總電能示值等。對於電錶數據和事件數據進行篩選,其中事件篩選規則如下:對於採集終端和電能表生成的事件,按以下規則篩選:(1)同1條事件重複上報,事件內容包括時間均完全相同,只保留第1條。(2)同1類事件重複上報,事件名稱相同但內容不同,每8h只保留第1條。(3)剔除內容不符合通信協議格式要求的事件,包括數據亂碼及應填數據為空的情況。(4)剔除內容明顯有誤的事件,包括事件時間早於設備安裝時間及事件時間晚於當前時間h天后的情況(h建議值為5)。(5)對於應成對出現的事件,若事件不成對則通過曲線數據和終端心跳、登錄報文等數據進行輔助判斷。數據篩選規則如下:對於採集終端和電能表的數據,按以下規則篩選:(1)正/反向有功總功率乘倍率的數值大於用戶合同容量的a倍(a建議值為50),屬於異常數據。(2)日凍結正/反向電能示值計算得到的電量,大於用戶日最大用電量(合同容量×24h)的b倍(b建議值為50),屬於異常數據。(3)月凍結正/反向電能示值計算得到的電量,大於用戶月最大用電量(合同容量×24h×30天)的c倍(c建議值為50),屬於異常數據。(4)日/月凍結最大需量乘倍率的數值大於用戶合同容量的d倍(d建議值為50),屬於異常數據。(5)總加組電能量曲線計算得到的時段電量,大於用戶時段最大用電量(合同容量×時段長度)的e倍(e建議值為50),屬於異常數據。(6)二次側電壓值大於二次側額定電壓值的f倍(f建議值為2),屬於異常數據。(7)二次側電流值乘倍率大於電流互感器一次側額定電流值的g倍(g建議值為2),屬於異常數據。②通過步驟①獲得的電錶數據和事件數據進行單一異常分析,單一異常分析包括電量異常診斷、電壓電流異常診斷、異常用電診斷、負荷異常診斷、時鐘異常診斷、接線異常診斷6類智能診斷分析模型共27個智能診斷主題,如下所示,每個智能診斷主題包括定義、數據源、診斷方法、計算模型、閾值即分級5個項目,其中K和N為各個診斷主題中對應設置的閾值參數,K的定義在各個診斷主題中獨立、主題間互不幹擾,N的定義在各個診斷主題中獨立、主題間互不幹擾:1、電量異常診斷模型:包括電能表示值不平、電能表飛走、電能表倒走、電能錶停走、電能表費率設置異常5個智能診斷主題,如下表:2、電壓電流異常診斷模型:包括電壓斷相、電壓越限、電壓不平衡、高供高計B相異常、電流失流、電流不平衡6個智能診斷主題,如下表:3、異常用電診斷模型:包括電能表開蓋、計量門開閉、恆定磁場幹擾、電量差動異常、功率差動異常、用戶停電6個智能診斷主題,如下表:4、負荷異常診斷模型:包括需量超容、負荷超容、電流過流、負荷持續超下限、功率因數異常5個智能診斷主題,如下表:5、時鐘異常診斷模型:包括終端時鐘異常、電能表時鐘異常2個智能診斷主題,如下表:6、接線異常診斷模型:包括反向電量異常、相序異常、潮流反向3個智能診斷主題,如下表:將步驟②得到的智能診斷主題的單一異常分析診斷結果輸出給現場檢測人員,輔助現場檢測人員進行電能表檢測和診斷,從而實現通過智能分析和現場維護的方式完成電能表設備故障的排查、處理。進一步的,本實施例的電能表異常診斷方法還可以根據步驟②得到的智能診斷主題的單一異常分析診斷結果,對不同的智能診斷主題間的關聯關係進行異常關聯分析並建立關聯度模型從而得到進一步智能診斷結果,進一步提高對異常信息、故障信息診斷的準確度。異常關聯分析的方法是對任意2個診斷主題同時發生時建立關聯度模型,關聯度模型的進一步智能診斷結果包括疑似竊電、設備故障、錯接線、配變需擴容、現場維護、電池失效、迴路異常、用電異常8類,任2個診斷主題同時發生時歸類到8類進一步智能診斷結果之一或無進一步智能診斷結果,當歸類到8類進一步智能診斷結果之一時,通過分析得到關聯度模型的關聯度;關聯度用以表示某2個診斷主題同時發生時,進一步智能診斷結果發生的可能程度,用百分比表示,例如當關聯主題1「潮流反向」和關聯主題2「高供高計B相異常」同時發生時,歸類到「錯接線」的進一步智能診斷結果,關聯度為0.6,即當關聯主題1「潮流反向」和關聯主題2「高供高計B相異常」同時發生時,「錯接線」的發生可能程度為60%。關聯度模型包括歸類到8類進一步智能診斷結果的共108個模型:(一)疑似竊電:(二)設備故障:(三)錯接線:序號關聯主題1關聯主題2關聯度17潮流反向高供高計B相異常0.618潮流反向電量差動異常1.019潮流反向功率因數異常0.320潮流反向反向電量異常1.021相序異常高供高計B相異常0.622相序異常電流失流0.623相序異常電流不平衡0.624相序異常電量差動異常1.025相序異常功率差動異常1.026相序異常負荷持續超下限0.327相序異常功率因數異常0.328相序異常反向電量異常0.329反向電量異常電流不平衡0.630反向電量異常電量差動異常1.031反向電量異常功率因數異常0.332電壓不平衡功率差動異常0.6(四)配變需擴容:序號關聯主題1關聯主題2關聯度4需量超容電流過流1.05需量超容負荷超容1.06負荷超容電流過流1.0(五)現場維護:序號關聯主題1關聯主題2關聯度5計量門開閉電能表時鐘異常0.36計量門開閉終端時鐘異常0.37計量門開閉用戶停電0.68計量門開閉電能表飛走1.0(六)電池失效:序號關聯主題1關聯主題2關聯度3用戶停電電能表時鐘異常0.64用戶停電終端時鐘異常0.6(七)迴路異常:(八)用電異常:序號關聯主題1關聯主題2關聯度3負荷持續超下限功率因數異常0.34電壓不平衡電流不平衡0.6將得到的進一步智能診斷結果輸出給現場檢測人員,輔助現場檢測人員進行電能表檢測和診斷,從而實現通過智能分析和現場維護的方式完成電能表設備故障的排查、處理。顯然,上述實施例僅僅是為清楚地說明本發明所作的舉例,而並非是對本發明的實施方式的限定。對於所屬領域的普通技術人員來說,在上述說明的基礎上還可以做出其它不同形式的變化或變動。這裡無需也無法對所有的實施方式予以窮舉。而這些屬於本發明的精神所引伸出的顯而易見的變化或變動仍處於本發明的保護範圍之中。當前第1頁1 2 3