基于电量管理系统的智能电表故障识别与预测系统研究

(整期优先)网络出版时间:2021-04-13
/ 2

基于电量管理系统的智能电表故障识别与预测系统研究

祝顺才

国网孝感供电公司开发区供电中心 35000

摘要:智能电表作为供电系统针对用户及其设备电量计量的关键部件之一,其是否安全可靠运行关系到电网以及用户的直接利益。目前智能电表的广泛应用,智能电表的故障也随之增加,因此如何快速识别以及预判电表故障是提升智能电表维护效率的关键。本文针对智能电表的采样方法、分析方法展开研究,并根据其数据信息,分析得出该电表的运行情况,并构建智能电表的故障识别模型,进而实现对智能电表故障识别与预测。

0引言

电网规模的不断扩大以及用户数量的增加,智能电表已经基本替代了传统的机械电表,智能电表的广泛运用大大的增强了电能计量水平,而且还使得电网的整体工作效率得到了很大的提升。但是智能电表由于其结构的复杂性以及设计等各方面的原因,使得智能电表故障也随之增加,运行环境的影响导致智能电表的故障类型也多种多样。在沿海地区,智能电表故障尤为突出,受到高盐分空气腐蚀等导致电子元器件发生损坏,从而导致智能电表不能正常运行,例如出现计量不准确以及运行异响等故障。

为了预防智能电表的故障发生,本文针对了智能电表故障识别与预测系统进行研究,利用电量管理系统采集的其数据进行对智能电表的运行工况进行预判,并识别出相应的故障类型,进而实现对智能电表故障识别与预测。

1智能电表故障分析

智能电表故障主要体现在几个方面的问题:安装问题;运行中问题;远程控制时出现问题;

(1)安装问题

智能电表安装时电表内部继电器断开使得电表不能正常运行,该类问题电力检修部门无法进行现场直接解决,需要电表进行返修或者经专业部分维修才能解决。该问题产生主要是由于计量检定部门或者安装人员输入错误信息所导致。安装问题还有一部分是由于现场安装有误,未按标准进行安装,例如接线错误、参数设置不准确等,导致运行一段时间智能电表出现故障。

(2)运行问题

智能电表在运行的过程中突然出现停止运行,大部分原因是由于用户使用负荷超标,尤其是一些中小型企业未按标准进行厂内设备安装,导致电表超负荷运行致使电表损坏。还有一个关键问题是环境因素导致电表损坏,尤其是沿海地区其湿度以及盐分含量较高,电表在长期运行的过程中,内部元件产生短路等故障导致智能电表停止运行。内部电子元器件的损坏有可能导致计量不准确、电表停运甚至烧毁等问题。

(3)远程控制问题

目前的智能电表均拥有远程控制功能,但在现场进行智能电表远控时,由于控制不稳定导致智能电表的内部继电器、接触器等元器件的损坏,从而导致电表停运或者无法远控等一系列的问题。

本文针对常见的智能电表故障类型进行了统计分析,智能电表故障类型如表1所示。


表1智能电表故障类型

编号

类型

编号

类型

1

参数设置不正确

2

计量有误

3

接线错误

4

运行电压超标

5

用电环境异常

6

控制异常

2故障识别与预测

本文是基于电量管理系统的智能电表故障识别与预测,电量管理系统是结合现代智能建筑的配电、照明以及空调等设备的消耗情况进行数据监测以及采集等功能的管理系统。本文根据常见的参数设置不正确、计量有误 、接线错误、运行电压超标、用电环境异常、控制异常故障所体现的电能管理系统中的电压电流以及相关设备的运行数据进行统计分析,分别对上述六类故障时的电压、电流、功率、相序、控制性能等方面数据进行统计分类,最终根据电量管理系统中显示的相应数据与各种类型故障时的数据进行类比分析,通过计算隶属度,根据隶属度进行故障分类与预测。隶属度计算公式如下式所示:

6074f0354a780_html_8a451d2558074de7.gif(1)

故障识别与预测的流程如下(见图1):

6074f0354a780_html_b46a09c7657e5e98.gif

图1 故障识别与预测的流程


3结论

文中采用了电量管理系统提取故障数据源并进行隶属度计算的形式,通过大量的历史数据,采用构建故障数据元,将待识别的故障类型与数据元进行比对分析,计算隶属度得到概率最大的故障类型,从而得到故障识别与预测的。

参考文献

[1]陈叶,韩彤,魏龄,于秀丽,李鑫雄.基于多分类融合模型的智能电表故障预测[J/OL].电测与仪表:1-9[2020-12-15].

[2]张帆,张理放,董永乐,张鑫,王桐,毛永梅. 智能电表故障排查及其处理方法[A]. 中国航空工业集团有限公司防务生产与保障部、中国航空工业技术装备工程协会.2019航空装备服务保障与维修技术论坛暨中国航空工业技术装备工程协会年会论文集[C].中国航空工业集团有限公司防务生产与保障部、中国航空工业技术装备工程协会:《测控技术》杂志社,2019:3.

[3]刁新平. 基于数据挖掘的智能电表故障类型预测技术研究[D].北京邮电大学,2019.

[4]高欣,刁新平,刘婧,张密,何杨.基于模型自适应选择融合的智能电表故障多分类方法[J].电网技术,2019,43(06):1955-1961.

[5]张航,王振岳,陈星.基于智能电表的低压电网故障预判系统[J].华电技术,2019,41(02):14-17.