閆麒印

摘要：隨著我國(guó)終端的數(shù)據(jù)接入量不斷增加， 采集量也隨之越來(lái)越大，采集器每天需要采集的數(shù)據(jù)非常多，在保持高強(qiáng)度的運(yùn)行下，會(huì)致使大量的故障出現(xiàn)，而電力的維護(hù)工作也越來(lái)越困難。 電力計(jì)量裝置故障智能化診斷方法具有良好的智能性，不僅能夠提高電力計(jì)量工作的工作效率， 使故障診斷結(jié)果更加準(zhǔn)確，還可以提升電力企業(yè)故障診斷系統(tǒng)的性能，保障電網(wǎng)的穩(wěn)定運(yùn)行，有利于提高電力企業(yè)的經(jīng)濟(jì)效益。

關(guān)鍵詞：大數(shù)據(jù);電力計(jì)量裝置故障;智能化診斷

中圖分類(lèi)號(hào)：TM933? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

1電力計(jì)量裝置故障診斷方法

在我國(guó)，目前廣泛使用的電力計(jì)量裝置故障診斷方法，主要表現(xiàn)為診斷信號(hào)、 診斷數(shù)據(jù)模型加上多年來(lái)的實(shí)踐經(jīng)驗(yàn)來(lái)完成診斷工作。 現(xiàn)階段診斷的過(guò)程大都依賴(lài)于人工操作，不具智能化，所以工作量較大且工作效率較低。 因此，隨著科學(xué)技術(shù)的快速發(fā)展，智能化技術(shù)發(fā)展迅速。 隨著人工智能化診斷技術(shù)的不斷完善和優(yōu)化， 該技術(shù)越來(lái)越成熟的應(yīng)用于檢測(cè)電力系統(tǒng)計(jì)量裝置的故障中。 但是在實(shí)際的收集電力數(shù)據(jù)階段，計(jì)量裝置非常容易出現(xiàn)各式各樣的故障， 隨著采集數(shù)據(jù)量的不斷增長(zhǎng)， 傳統(tǒng)的數(shù)據(jù)庫(kù)很難在短時(shí)間內(nèi)對(duì)存在的故障進(jìn)行判斷，導(dǎo)致工作效率非常低，無(wú)法滿(mǎn)足當(dāng)下用戶(hù)的需求。 而通常情況下，工作人員對(duì)電力計(jì)量裝置故障進(jìn)行分析時(shí)，基本都是按照多年來(lái)的實(shí)踐經(jīng)驗(yàn)， 加上對(duì)現(xiàn)場(chǎng)故障的掌握情況來(lái)進(jìn)行故障診斷工作。 雖然能更好地解決故障問(wèn)題， 但所需成本較高，工作效率也比較低。 因此，在大數(shù)據(jù)的基礎(chǔ)上，新的電力計(jì)量裝置故障智能化診斷技術(shù)出現(xiàn)，能夠很好地解決上述問(wèn)題，能在短時(shí)間內(nèi)找到故障問(wèn)題的原因，提高工作效率，滿(mǎn)足電力用戶(hù)的實(shí)際需求。

2 基于大數(shù)據(jù)的電力計(jì)量裝置故障智能化診斷

本文引入了大數(shù)據(jù)挖掘技術(shù)，針對(duì)電力計(jì)量裝置進(jìn)行智能化診斷?；诖髷?shù)據(jù)的電力計(jì)量裝置故障智能化診斷方法實(shí)現(xiàn)過(guò)程共有七步：系統(tǒng)初始化、建立故障診斷知識(shí)庫(kù)、在線(xiàn)監(jiān)測(cè)電力計(jì)量裝置運(yùn)行狀態(tài)、判斷是否存在異常信息、結(jié)果顯示、給出解決措施。

2.1電力計(jì)量裝置故障智能化診斷知識(shí)庫(kù)建立

本文建立的電力計(jì)量裝置故障智能化診斷知識(shí)庫(kù)除了具備儲(chǔ)存電力計(jì)量裝置數(shù)據(jù)的能力之外，還要具備刪除、修改和查詢(xún)的功能。將診斷和監(jiān)測(cè)的結(jié)果存入診斷知識(shí)庫(kù)，同時(shí)知識(shí)庫(kù)還要記錄大量故障問(wèn)題，并進(jìn)行定期更新，方便更準(zhǔn)確地診斷出結(jié)果[5]。電力計(jì)量裝置故障智能化診斷知識(shí)庫(kù)包括兩部分：異常特征模型和專(zhuān)家規(guī)則庫(kù)，每部分都擁有自己的管理機(jī)制。異常特征模型的管理機(jī)制有 3 個(gè)模塊，分別為建立模塊、修改模塊、刪除模塊，專(zhuān)家規(guī)則庫(kù)同樣包括 3個(gè)模塊：導(dǎo)入模塊、導(dǎo)出模塊和變更模塊。電力計(jì)量裝置故障智能化診斷知識(shí)庫(kù)的所有界面要使用 web 才能實(shí)現(xiàn)統(tǒng)一管理，知識(shí)庫(kù)在得到數(shù)據(jù)后，要主動(dòng)與異常特征模型和專(zhuān)家規(guī)則庫(kù)進(jìn)行對(duì)比，靈活地進(jìn)行分類(lèi)。在每次診斷中，故障智能化診斷知識(shí)庫(kù)就要建立一個(gè)異常特征模型庫(kù)，選取電力計(jì)量裝置中的異常故障特征，根據(jù)得到的特征建立故障模型。由于知識(shí)庫(kù)中的異常特征模型庫(kù)很難包含全部的異常記錄，所以為了更加高效地診斷出異常故障特征，要進(jìn)行定期修改和維護(hù)。通常一個(gè)電力計(jì)量裝置故障智能化診斷知識(shí)庫(kù)內(nèi)部會(huì)擁有大量的異常特征模型庫(kù)，為了防止所占空間過(guò)大，要周期性地對(duì)一些不適用于實(shí)際應(yīng)用的異常特征模型庫(kù)進(jìn)行刪除，保證智能診斷知識(shí)庫(kù)有充足的空間[9]。異常特征模型庫(kù)中數(shù)據(jù)量龐大，更新工作也相對(duì)復(fù)雜，本文僅選用常見(jiàn)的 6 個(gè)異常字段狀態(tài)建立異常類(lèi)型表。

表 1 的異常類(lèi)型表對(duì)異常狀況有詳細(xì)的記錄，通過(guò)表 1 可以清晰地查詢(xún)到異常名稱(chēng)和特征編碼。在分析出異常類(lèi)型后，探討用電力計(jì)量裝置的異常信息。知識(shí)庫(kù)中必須要詳盡地記錄專(zhuān)家規(guī)則，在每次診斷時(shí)，都要備份保存，以條理性的結(jié)構(gòu)記錄在線(xiàn)信息，方便工作人員查看，同時(shí)也能防止使用錯(cuò)亂。每個(gè)專(zhuān)家規(guī)則都擁有自己的邏輯，所以要定期導(dǎo)出，更新維護(hù)，豐富內(nèi)部邏輯。知識(shí)庫(kù)中包含的信息主要為邏輯規(guī)則，通過(guò)這些邏輯規(guī)則找到異常特征編碼和電力計(jì)量裝置故障的對(duì)應(yīng)關(guān)系。建立上述知識(shí)庫(kù)能夠更好地診斷出電力計(jì)量裝置存在的問(wèn)題。

2.2 電力計(jì)量裝置故障

在線(xiàn)監(jiān)測(cè)利用分布式系統(tǒng) Hadoop 對(duì)電力計(jì)量裝置進(jìn)行在線(xiàn)監(jiān)測(cè)[11]。監(jiān)測(cè)時(shí)，首先要監(jiān)測(cè)電力計(jì)量裝置的內(nèi)部存儲(chǔ)數(shù)據(jù)，存儲(chǔ)數(shù)據(jù)是電力計(jì)量裝置的核心數(shù)據(jù)，關(guān)系到整個(gè)裝置的安全運(yùn)行，并且基數(shù)很大，存儲(chǔ)數(shù)據(jù)一旦出現(xiàn)故障，電力計(jì)量裝置將立刻無(wú)法正常工作，因此監(jiān)測(cè)存儲(chǔ)數(shù)據(jù)是重要目標(biāo)之一;其次要監(jiān)測(cè)數(shù)據(jù)訪(fǎng)問(wèn)形式，通常電力計(jì)量裝置數(shù)據(jù)都是通過(guò)流式數(shù)據(jù)訪(fǎng)問(wèn)，如果數(shù)據(jù)不能以該方式進(jìn)行訪(fǎng)問(wèn)，則很有可能出現(xiàn)問(wèn)題;再次監(jiān)測(cè)電力計(jì)量裝置是否支持大文件計(jì)量，正常運(yùn)行的計(jì)量裝置能夠支持?jǐn)?shù)百 GB 甚至TB 的大文件，并精準(zhǔn)地計(jì)量出內(nèi)部數(shù)據(jù)，如果不能支持，則很有可能出現(xiàn)問(wèn)題;最后監(jiān)測(cè)是否支持?jǐn)?shù)據(jù)再平衡，電力計(jì)量裝置可以根據(jù)設(shè)定的閾值，把某一個(gè)監(jiān)測(cè)的數(shù)據(jù)點(diǎn)移到另一個(gè)數(shù)據(jù)點(diǎn)中，如果不能支持，則存在故障。

2.3 電力計(jì)量裝置故障異常信息診斷

故障的出現(xiàn)是由于異常信息導(dǎo)致的，診斷異常信息就能診斷出電力計(jì)量裝置故障。將監(jiān)測(cè)到的數(shù)據(jù)與建立的電力計(jì)量裝置智能診斷數(shù)據(jù)庫(kù)進(jìn)行對(duì)比，判斷是否存在故障，如果確定存在故障，則需要判斷故障位置，異常信息種類(lèi)、大小、數(shù)量。診斷方向主要有 3種：是否為計(jì)量設(shè)備異常信息、是否為采集設(shè)備異常信息、是否為用電設(shè)備異常信息。本文僅針對(duì)第一種計(jì)量設(shè)備異常信息診斷進(jìn)行研究，計(jì)量裝置出現(xiàn)異常主要表現(xiàn)在如下幾個(gè)方面：系統(tǒng)的內(nèi)部電壓回路存在異常、系統(tǒng)的內(nèi)部電流回路存在異常、電能表不能正常運(yùn)行（停走、飛走、表示度出現(xiàn)下降）、時(shí)鐘記錄結(jié)果錯(cuò)誤、電池電壓不足。電力計(jì)量裝置出現(xiàn)異常要利用報(bào)警系統(tǒng)進(jìn)行警報(bào)。前文建立的專(zhuān)家規(guī)則庫(kù)中包含大量異常組合編碼，詳細(xì)地記錄了每種異常信息發(fā)生概率和產(chǎn)生的原因，因此可以利用規(guī)則庫(kù)中的知識(shí)診斷故障原因。本文僅針對(duì)異常信息診斷中的故障原因診斷進(jìn)行探討。

利用 M 和 N 建立樸素貝葉斯網(wǎng)絡(luò)如圖1所示。

其中，n 代表出現(xiàn)歷史數(shù)據(jù)中出現(xiàn)異常數(shù)據(jù)的次數(shù)。

如果顯示結(jié)果如公式所示，則診斷結(jié)果為是該原因?qū)е碌墓收习l(fā)生。

如果顯示結(jié)果如公式所示，則診斷結(jié)果為不是該原因?qū)е碌墓收习l(fā)生，根據(jù)上述計(jì)算過(guò)程完成故障的診斷工作。將電流故障帶入診斷計(jì)算過(guò)程中，若診斷電流故障出現(xiàn)的概率≥0.5，則是因?yàn)殡娏鞴收蠈?dǎo)致計(jì)量裝置故障，若診斷電流故障出現(xiàn)的概率<0.5，則并非因?yàn)殡娏鞴收蠈?dǎo)致計(jì)量裝置故障。

結(jié)束語(yǔ)

大數(shù)據(jù)的電力計(jì)量裝置故障智能化診斷技術(shù)， 首先就是要構(gòu)建電力計(jì)量裝置故障智能化診斷知識(shí)庫(kù)， 并合理使用異常特征模型及專(zhuān)家規(guī)則庫(kù)， 采用分布式系統(tǒng)對(duì)電力計(jì)量裝置進(jìn)行在線(xiàn)監(jiān)測(cè)，并將結(jié)果與知識(shí)庫(kù)中的相關(guān)標(biāo)準(zhǔn)對(duì)比，實(shí)現(xiàn)對(duì)故障的智能化診斷，同時(shí)還可以對(duì)計(jì)量裝置進(jìn)行動(dòng)態(tài)監(jiān)測(cè)。 在通過(guò)設(shè)置的預(yù)警系統(tǒng)，將故障信息發(fā)送給技術(shù)人員，有利于技術(shù)人員及時(shí)處理故障。 電力計(jì)量裝置故障的智能化診斷技術(shù)，通過(guò)對(duì)運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)及診斷，并對(duì)故障進(jìn)行自動(dòng)報(bào)警，提高了電力工作的高效性及準(zhǔn)確性。

參考文獻(xiàn)

[1]郭佳婧，嚴(yán)重，陳明，等.基于大數(shù)據(jù)的電力計(jì)量裝置故障智能化診斷研究[J].電子設(shè)計(jì)工程，2019，27（23）：55-58.

[2]于磊，王雙，韓宇龍，等.基于大數(shù)據(jù)技術(shù)的電網(wǎng)故障智能診斷方法[J].中國(guó)科技信息，2016（2）：32-33.

[3]燕凱，岳振宇，高嘉浩.基于大數(shù)據(jù)的電力計(jì)量設(shè)備運(yùn)行狀態(tài)評(píng)估與故障診斷方法研究[J].電子器件，2019（5）：1095-1098.