电能表现场检验数据挖掘研究刘敏

电能表现场检验数据挖掘研究刘敏

刘敏

（国网安徽省电力有限公司淮北供电公司安徽淮北235000）

摘要：电能表现场检验能够获取用户计量设备电类数据和非电数据，具有数据渠道唯一性的优势，且数据具有全覆盖的特点，并有一定的实时性。通过对现场检验数据的挖掘，可对电能表运行状态进行初步可靠性预测，在数据中挖掘用户用电行为。

关键词：电能表；现场检验；数据挖掘；研究

1电能表现场检验数据类型分析

1.1数值类数据

现场检验中数据多为数值形式，除电能表计量误差γ外，现场检验还可通过对比时钟获得时钟误差Δt，通过获取分时电量数值获得计度器误差δ，通过电压U、电流I瞬时值获得用户瞬时负荷p，并且能够记录检验时间点的用户电度数。以上数据可在现场检验中一次性获取，可方便地进行存储、处理和分析。

1.2非数值类数据

电能表外观情况、运行环境等难以用数值衡量的，可以用非数值的方式进行表述。为了保持数据客观性，在获取数据时按照统一标准进行详细的归类。通过对数据的整理，尤其是梳理非数值数据，可以将现场检验数据规范化，保持数据准确性和客观性，进而为数据分析和挖掘做好准备。

2电能表现场检验数据挖掘

2.1电能表运行可靠性预测

电能表作为电能计量器具，严格来说在运行过程中不允许发生过程维修的情况，但受各种因素的影响，实际运行过程中电能表难以避免地出现各种故障。大部分故障的发生不是偶然的，而是各种因素综合作用的结果。目前对运行中的电能表运行参数还难以做到实时监测，因此，对运行情况的掌握主要依据现场检验数据。在现场检验数据中挖掘电能表运行状态，对电能表进行可靠性评价。下面以电能表运行误差超差和失压、失流两种最常见的故障为例进行分析。

2.1.1电能表运行误差

运行中的电能表本身故障出现概率较高的是误差超差。影响电能表误差的因素除了产品自身质量和运行时间外，还包括用户负荷、温度和湿度等环境因素。从现有现场检验数据中可以对电能表运行误差进行初步分析。

（1）电能表制造水平

不同厂家、型号以及不同批次的电能表由于制造水平不同，运行误差往往具有较大差异。以2015年现场检验数据为例，选取5批次运行时间相近的0.2s级电能表现场检验误差进行对比，分析其平均绝对值及标准差。不同批次电能表误差的大小以及分散程度都有所差异，可依据误差平均绝对值和标准差将不同批次的电能表划分为A、B两类（以0.05%为限），表征电能表制造水平对误差的影响。

（2）电能表运行时间

随着电能表运行时间增加，电能表运行误差超差率明显增加。轮换周期到期且未能及时更换的产品3超差率达到0.71‰，远超过其他批次产品。依据运行误差超差率将运行时间超过5年的产品3划分为B类（以0.5‰为限）。

（3）用户维护情况

以2016年第一季度现场检验中发现的10起电能表运行误差超差情况进行分析。10用户涵盖工商业与行政事业单位，且用户配电设施维护得当。因此，从已有现场检验数据分析，电能表运行误差与用户维护情况等外部环境因素相关性较小。基于现有的检验数据，电能表运行误差主要与产品批次（制造水平差异）和运行时间有关，分析结果可对电能表运行性能进行预测。按照以上A、B类的划分，在现场检验中应关注双B类电能表运行误差，若对应批次已到轮换期，应加快轮换，以减少电能表现场运行误差超差的情况。

2.1.2电能表失压失流

现场检验中由于电压、电流互感器熔丝熔断引起的失压、失流是最常发生的影响计量准确性的故障之一，导致熔丝熔断的因素较多，不仅与熔丝自身质量有关，还与运行环境等外部因素都有一定关系。一般认为，雷击是造成熔丝熔断或损坏的重要原因之一。熔丝熔断后失压仪及电能表可记录故障发生时间。以某区域2014年和2015年现场检验发现的熔丝熔断故障数据为例，8~11月是故障高发期，约为其他月份的2倍。7~9月份为该区域雷电高发月份，部分熔丝遭受雷击后未直接熔断，仍可在损坏的情况下继续运行一段时间，因此，10~11月仍是熔丝熔断导致的电能表失压、失流故障高发期。

针对高压熔丝熔断导致的电能表失压、失流故障的季节性特点，应采取有效的预防措施以及排查手段，如在雷雨季节之前开展高压熔丝检查等工作。另外，随着用电信息采集系统功能的不断完善，可通过在线方式进行故障排查并及时修复，减少故障引起的计量差错。综上所述，分析现场检验数据可以提取各类电能表现场故障的特征，对电能表运行稳定性预测具有重要意义。同时，随着新型设备不断入网运行，各类运行状态也在发生变化，依据实时更新的现场检验数据，可以更好地追踪各类状态量的变化，并制定更加完善的检验策略。

2.2用户用电行为分析

随着用电信息采集系统的建立，对用户用电数据的采集更加全面和完善，是目前电力大数据分析的重要数据来源。但现场检验获得的数据除了电压、电流、功率等，还包含许多现场检验特有的非电数据，这些数据可以对用户用电行为进行更加全面的描述。

2.2.1用户设备维护情况

根据现场检验数据，不同性质电力用户设备维护程度差异较大。根据用户电力设备外观情况以及所处运行环境，可以判断用户电力设备维护情况。大型工业、政府机关、学校、银行、医院等有严格的电力设备管理制度，配电环境更良好，且配电人员更加固定和专业，能及时发现设备故障。而小型工业、商业物业等电力用户配备的工程人员专业程度整体偏低，对电力设备维护不够到位。针对用户设备维护情况的差异，电网企业应制定差异化措施引导用户维护用电设备，减少设备故障。

2.2.2大数据分析外围数据获取

随着用电信息采集系统的建立和应用的完善，对用户用电行为的分析可扩展至全样本的大数据分析。用电信息采集系统采集的实时信息包括用户电压、电流、功率、冻结电量，以及固有的用户用电性质、用户地址信息等。通过以上的全样本数据挖掘，可以对用户行为进行分析和预测。而现场检验获取的检验数据中包含的信息是不可替代的，如用户地理环境信息、集中区域用户性质、用户四季温度等，能对用电信息采集系统数据进行补充。用电信息采集系统的地址信息仅为单一的地址，缺乏相关地理环境信息，如用电地址靠海、临河等，同时地址信息发生错误时，现场检验可即时进行纠正。用电信息系统在进行数据分析时，每一个电力用户作为单独数据进行处理，缺乏整体性，而现场检验可以按照集中区域的相同性质用户进行划分及分类处理，如大型工业区用户、商业街用户、高新科技园等。通过用电信息采集系统与现场检验相结合，用户用电数据将更加完善和全面，对数据的挖掘更细致和深入。

3结语

目前，现场检验重点关注计量故障和电能表误差超差。现场检验数据主要作为判断单个电能表是否运行正常的依据，缺乏对海量数据整体和深入的挖掘分析。而近年来，电力大数据挖掘越来越受各方关注，分析方法更加成熟，应用也越来越广泛。随着全国范围内规格统一的电子式电能表的推广，以及现场检验信息化、数字化，检验数据更加真实可靠、全面丰富、规范统一，为检验数据深度挖掘、分析及应用奠定了良好基础。

参考文献：

[1]祝宇楠，徐晴，刘建，田正其，周超.数据挖掘在智能电能表故障分析中的应用[J].江苏电机工程，2016，35（05）：19-23.

[2]申莉，甘依依，孙国学，苏剑烨，易丁，赵言涛.数字化电能表校准技术研究及应用[J].电测与仪表，2014，51（24）：89-95.

[3]谢乐天，马亚彬，杨乐，周利华，任民，疏奇奇.电能表状态检验功能建设[J].电子测量技术，2017，40（09）：65-70.