高書(shū)垚, 安泰, 宋劍

(1.國(guó)網(wǎng)西安市長(zhǎng)安區(qū)供電公司, 西安 710100； 2. 國(guó)電南瑞科技股份有限公司, 南京 211106)

0 引 言

隨著現(xiàn)代化電網(wǎng)建設(shè)進(jìn)程的加快, 具有收集數(shù)據(jù)及顯示功能、雙向通信功能和自動(dòng)調(diào)整功能的智能化電能表得到越來(lái)越廣泛的應(yīng)用。相關(guān)統(tǒng)計(jì)數(shù)據(jù)預(yù)測(cè), 到 2020年我國(guó)預(yù)計(jì)將安裝 4億～5億臺(tái)智能電能表[1]。由于智能電能表工作的特殊性, 需要保持高效可靠的運(yùn)行環(huán)境, 但智能電能表與計(jì)量終端現(xiàn)場(chǎng)工作環(huán)境一般比較差, 干擾因素也比較多, 例如氣候環(huán)境影響因素(溫度、濕度等)、供電系統(tǒng)電源影響因素(電網(wǎng)的欠壓或過(guò)壓等)、空間環(huán)境影響因素(電磁輻射等因素)等[2], 這些均會(huì)對(duì)智能電能表的運(yùn)行可靠性產(chǎn)生相應(yīng)的影響, 因此有必要智能電能表運(yùn)行狀態(tài)進(jìn)行評(píng)估。

傳統(tǒng)電能計(jì)量裝置運(yùn)行狀態(tài)評(píng)估多采用周期現(xiàn)場(chǎng)檢驗(yàn)方法[3], 這種檢驗(yàn)?zāi)Ｊ劫M(fèi)時(shí)費(fèi)力, 效率低下, 且I類(lèi)、 II類(lèi)和III類(lèi)電能表的現(xiàn)場(chǎng)檢驗(yàn)周期分別為3個(gè)月、 6個(gè)月和1年[4], 現(xiàn)場(chǎng)檢驗(yàn)具有一定滯后性, 且僅通過(guò)現(xiàn)場(chǎng)運(yùn)行指標(biāo)判斷運(yùn)行狀態(tài)略顯單薄, 評(píng)估指標(biāo)也缺乏量化標(biāo)準(zhǔn)[5]。目前, 國(guó)內(nèi)外針對(duì)電力設(shè)備的狀態(tài)評(píng)估進(jìn)行了相當(dāng)程度的研究[6-7], 主要研究方法包括模糊綜合評(píng)價(jià)法[8]、主成分分析法[9]、層次分析法[10-11]。但也各自存在明顯缺陷, 模糊綜合評(píng)價(jià)法指標(biāo)權(quán)重確定主觀性較強(qiáng), 計(jì)算過(guò)程復(fù)雜, 主成分分析法綜合評(píng)價(jià)函數(shù)遇到因子負(fù)荷符號(hào)有正有負(fù)時(shí)意義不明確, 層次分析法判斷矩陣一致性檢驗(yàn)較為困難, 檢驗(yàn)標(biāo)準(zhǔn)選取也缺乏足夠依據(jù)[12-13]。有學(xué)者結(jié)合了模糊數(shù)學(xué)提出了模糊層次分析法[14-15]以避免單一評(píng)價(jià)方法存在的缺陷。但只要隸屬函數(shù)轉(zhuǎn)化為精確數(shù)值后, 就會(huì)失去其模糊性。文獻(xiàn)[16-18]提出的正態(tài)云模型, 用改進(jìn)正態(tài)分布和鐘型隸屬度函數(shù)進(jìn)行定性定量轉(zhuǎn)換, 解決了定性概念中存在的不確定性和模糊性問(wèn)題, 在環(huán)境和災(zāi)害評(píng)估領(lǐng)域得到廣泛應(yīng)用[19]。

文中建立智能電能表狀態(tài)評(píng)估體系, 從運(yùn)行可靠性、運(yùn)行性能、電網(wǎng)運(yùn)行環(huán)境和外部運(yùn)行環(huán)境四方面提取評(píng)估指標(biāo), 通過(guò)熵權(quán)法確定評(píng)估指標(biāo)權(quán)重, 利用正態(tài)云模型量化評(píng)估指標(biāo), 綜合評(píng)估智能電能表的運(yùn)行狀態(tài)。

1 正態(tài)云模型

智能電能表狀態(tài)評(píng)估指標(biāo)不能單純考慮模糊性, 容易導(dǎo)致評(píng)估結(jié)果不準(zhǔn)確, 需要同時(shí)考慮其不確定性。正態(tài)云模型通過(guò)結(jié)合定性概念與定量數(shù)據(jù), 能夠解決評(píng)估過(guò)程中模糊性和不確定性共存問(wèn)題[20]。

設(shè)C為論域U上的定性概念, 定量值x∈U, 且x為C的一次隨機(jī)實(shí)現(xiàn), 若滿(mǎn)足x～N(Ex,En′2), 其中En′～N(En,Ee2), 且x對(duì)C的確定度滿(mǎn)足式(1), 則x在論域U上服從正態(tài)云分布。確定度條件如下:

(1)

正態(tài)云模型定義中有3個(gè)數(shù)字特征: 期望Ex、熵En、超熵He。期望Ex反映指標(biāo)定性概念；熵En反映了能夠代表這個(gè)定性概念的云滴離散程度和在論域空間可被概念接受的云滴取值范圍；超熵He是熵En的熵, 反映了云滴凝聚程度。利用正向云發(fā)生器產(chǎn)生云滴, 實(shí)現(xiàn)定性語(yǔ)言值到定量數(shù)值的轉(zhuǎn)換, 具體過(guò)程如下:

(1)產(chǎn)生以Ex為期望,He2為方差的正態(tài)隨機(jī)數(shù)En′；

(2)產(chǎn)生以Ex為期望,En′2為方差的正態(tài)隨機(jī)數(shù)x；

(4)重復(fù)步驟(1)～步驟(3)直至產(chǎn)生云滴數(shù)目達(dá)到要求。

2 智能電能表狀態(tài)評(píng)估體系建立

根據(jù)智能電能表運(yùn)行影響因素, 結(jié)合實(shí)時(shí)監(jiān)測(cè)與現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù),主要包括運(yùn)行可靠性、運(yùn)行性能、電網(wǎng)運(yùn)行環(huán)境和外部運(yùn)行環(huán)境四方面[20]。運(yùn)行可靠性主要反映電能表歷史運(yùn)行情況對(duì)運(yùn)行狀態(tài)的影響, 運(yùn)行性能主要是考慮電能表本體運(yùn)行數(shù)據(jù), 電網(wǎng)運(yùn)行環(huán)境和外部運(yùn)行環(huán)境主要是考慮現(xiàn)場(chǎng)工作環(huán)境的影響。

結(jié)合智能電能表運(yùn)行的具體特征[21-22], 同時(shí)兼顧狀態(tài)評(píng)估指標(biāo)可獲取性和量化性, 選取了15項(xiàng)獨(dú)立的評(píng)估指標(biāo), 構(gòu)建了智能電能表運(yùn)行狀態(tài)評(píng)估體系, 見(jiàn)圖1。

圖1 智能電能表運(yùn)行狀態(tài)評(píng)估體系Fig.1 Operation status evaluation system of smart meter

運(yùn)行可靠性主要考慮產(chǎn)品批次質(zhì)量、運(yùn)行故障、誤差穩(wěn)定性；運(yùn)行性能參數(shù)包括運(yùn)行時(shí)間、計(jì)量、時(shí)鐘、輸出故障、事件記錄；電網(wǎng)運(yùn)行環(huán)境主要考慮負(fù)荷性質(zhì)、運(yùn)行電壓、頻率波動(dòng)和諧波；外部運(yùn)行環(huán)境主要考慮參數(shù)是溫度、濕度、電磁場(chǎng)干擾強(qiáng)度。

3 熵權(quán)法確定指標(biāo)權(quán)重

熵權(quán)法是一種基于熵原理的客觀評(píng)價(jià)方法, 能夠有效避免人為因素對(duì)指標(biāo)權(quán)重的影響[23]。根據(jù)熵權(quán)理論, 假定評(píng)估問(wèn)題中有m個(gè)評(píng)價(jià)指標(biāo)、n個(gè)被評(píng)價(jià)對(duì)象, 構(gòu)造初始評(píng)價(jià)矩陣X=(xij)m×n,xij為第j個(gè)評(píng)價(jià)對(duì)象在第i個(gè)指標(biāo)上的值, 對(duì)矩陣進(jìn)行歸一處理后, 獲得規(guī)范化矩陣X=(x′ij)m×n。

第j個(gè)評(píng)價(jià)指標(biāo)的熵定義為[24]:

(2)

從而, 第j個(gè)評(píng)價(jià)指標(biāo)的熵權(quán)為:

(3)

4 評(píng)估模型建立

根據(jù)圖1給出的智能電能表運(yùn)行狀態(tài)評(píng)估體系, 進(jìn)行狀態(tài)評(píng)估, 具體步驟如下:

(1)構(gòu)建包含智能電能表評(píng)估指標(biāo)的因素論域U={u1,u2, …,u15}和評(píng)估論域V={v1,v2, …,v15}；

(2)構(gòu)建因素隸屬度關(guān)系矩陣R, 因素論域U中第i個(gè)因素ui對(duì)應(yīng)的評(píng)語(yǔ)論域V中第j個(gè)等級(jí)vj智能電能表狀態(tài)評(píng)估體系的隸屬度記為xij；

(4)

(5)

超熵He的選取沒(méi)有明確公式, 根據(jù)多次實(shí)驗(yàn)值選取；

(4)確定各指標(biāo)數(shù)值特征后, 通過(guò)正向云發(fā)生器計(jì)算各指標(biāo)對(duì)應(yīng)不同等級(jí)的云模型隸屬度, 重構(gòu)隸屬度矩陣R。正向云發(fā)生器重復(fù)運(yùn)行N次后, 求取指標(biāo)隸屬度平均值:

(6)

(5)利用熵權(quán)法確定指標(biāo)權(quán)重, 構(gòu)建指標(biāo)權(quán)重集W={w1,w2, …,w15}；

(6)根據(jù)權(quán)重集W和隸屬度矩陣R之間的模糊關(guān)系轉(zhuǎn)換運(yùn)算, 獲得評(píng)估結(jié)果集B:

B=W·R={b1,b2,…,bn}

(7)

(7)根據(jù)最大隸屬度原則, 對(duì)狀態(tài)評(píng)估結(jié)果進(jìn)行隸屬等級(jí)判斷。最大隸屬度原則,若:

μA(ui)=max{μA(u1),μA(u2), …,μA(u15)}

(8)

則認(rèn)為μi優(yōu)先隸屬于模糊子集A。

根據(jù)設(shè)備狀態(tài)評(píng)價(jià)導(dǎo)則及指標(biāo)對(duì)運(yùn)行的影響程度, 將智能電能表運(yùn)行狀態(tài)分為4個(gè)等級(jí): 正常狀態(tài)、注意狀態(tài)、異常狀態(tài)和嚴(yán)重狀態(tài)。表1給出了各指標(biāo)不同狀態(tài)等級(jí)評(píng)估標(biāo)準(zhǔn)[25]。

表1 智能電能表運(yùn)行狀態(tài)等級(jí)評(píng)估標(biāo)準(zhǔn)Tab.1 Evaluation standard of operating status grade of smart meter

表1中, 批次質(zhì)量指標(biāo)依據(jù)產(chǎn)品批次檢定合格率；運(yùn)行故障指標(biāo)依據(jù)同一批次智能電能表運(yùn)行故障率；誤差穩(wěn)定性指標(biāo)依據(jù)電能表基本誤差的標(biāo)準(zhǔn)偏差超出標(biāo)準(zhǔn)差限值百分比；運(yùn)行壽命指標(biāo)依據(jù)智能電能表運(yùn)行時(shí)間；計(jì)量功能指標(biāo)依據(jù)現(xiàn)場(chǎng)檢驗(yàn)誤差；時(shí)鐘功能指標(biāo)依據(jù)現(xiàn)場(chǎng)校驗(yàn)時(shí)鐘誤差；輸出故障指標(biāo)依據(jù)智能電能表現(xiàn)場(chǎng)檢查故障數(shù)；主要包括液晶屏電池故障、報(bào)警燈亮、紅外接口故障、RS485接口故障、RS232接口故障、脈沖接口故障、載波模塊故障、顯示黑屏、花屏、亂碼、殘像、LED燈顯示錯(cuò)誤等；事件記錄指標(biāo)依據(jù)當(dāng)前智能電能表事件記錄次數(shù), 包括掉電、負(fù)荷開(kāi)關(guān)誤動(dòng)或拒動(dòng)、失壓、失流、電壓逆相序、欠壓、過(guò)壓、全失壓、斷相等；負(fù)荷性質(zhì)指標(biāo)依據(jù)現(xiàn)場(chǎng)實(shí)測(cè)功率因數(shù)；運(yùn)行電壓指標(biāo)依據(jù)現(xiàn)場(chǎng)實(shí)測(cè)智能電源運(yùn)行電壓值；頻率波動(dòng)現(xiàn)場(chǎng)檢驗(yàn)電網(wǎng)頻率；諧波指標(biāo)依據(jù)電壓正弦波畸變率；溫度指標(biāo)依據(jù)現(xiàn)場(chǎng)環(huán)境溫度；濕度指標(biāo)依據(jù)現(xiàn)場(chǎng)環(huán)境濕度；電磁場(chǎng)干擾強(qiáng)度指標(biāo)依據(jù)現(xiàn)場(chǎng)實(shí)測(cè)射頻電磁場(chǎng)輻射強(qiáng)度。

根據(jù)表1給出各項(xiàng)指標(biāo)正態(tài)云模型數(shù)字特征, 計(jì)算生成各狀態(tài)等級(jí)的云模型指標(biāo)標(biāo)準(zhǔn)。以運(yùn)行壽命為例, 圖2給出了以運(yùn)行時(shí)間為例, 正常和注意狀態(tài)的正態(tài)云隸屬度曲線(xiàn)。

5 評(píng)估實(shí)例

以某三相四線(xiàn)多功能智能電能表為例, 準(zhǔn)確度等級(jí)1.0級(jí), 產(chǎn)品批次檢定合格率為99.3%, 運(yùn)行故障率為0.001 2, 基本誤差的標(biāo)準(zhǔn)偏差未超出標(biāo)準(zhǔn)差限值。電能表投入運(yùn)行日期為2015年8月, 至今運(yùn)行4年。經(jīng)現(xiàn)場(chǎng)測(cè)定檢驗(yàn)誤差為0.9%, 時(shí)鐘誤差折算值為0.34 s/d, 電能表顯示存在花屏現(xiàn)象, 欠壓、過(guò)壓等事件記錄次數(shù)為14次, 現(xiàn)場(chǎng)實(shí)測(cè)功率因數(shù) 0.92, 運(yùn)行電壓0.98Un, 頻率50.1 Hz, 電壓正弦波畸變率1.1%, 溫度29 ℃, 濕度64%, 射頻電磁場(chǎng)輻射強(qiáng)度2.2 V/m。

圖2 運(yùn)行時(shí)間指標(biāo)正態(tài)云隸屬度Fig.2 Membership degree of normal cloud of running time index

根據(jù)智能電能表各項(xiàng)指標(biāo)值, 重復(fù)正態(tài)云發(fā)生器計(jì)算500次, 求取各指標(biāo)不同狀態(tài)平均云隸屬度, 具體如表2所示。表3給出了利用熵權(quán)法確定的評(píng)估體系各指標(biāo)權(quán)重。

表2 指標(biāo)不同狀態(tài)平均云隸屬度Tab.2 Average cloud membership degree of indices in different states

表3 評(píng)估體系指標(biāo)權(quán)重Tab.3 Index weight of evaluation system

根據(jù)表2給出了隸屬度矩陣與表3給出的指標(biāo)權(quán)重集, 求取智能電能表狀態(tài)評(píng)估結(jié)果集, 見(jiàn)表4。

根據(jù)最大隸屬度原則, 判定該智能電能表當(dāng)前狀態(tài)為正常狀態(tài), 但需要注意的是注意狀態(tài)隸屬度為0.326 4, 相對(duì)較高, 說(shuō)明仍需要加強(qiáng)運(yùn)行監(jiān)控, 及時(shí)修復(fù)電能表故障。

6 結(jié)束語(yǔ)

結(jié)合智能電能表工作原理和運(yùn)行特性, 建立智能電能表狀態(tài)評(píng)估體系, 考慮運(yùn)行可靠性、運(yùn)行性能、電網(wǎng)運(yùn)行環(huán)境和外部運(yùn)行環(huán)境四方面影響因素。利用熵權(quán)法確定評(píng)估體系指標(biāo)權(quán)重, 通過(guò)正態(tài)云模型量化評(píng)估指標(biāo), 進(jìn)行智能電能表狀態(tài)評(píng)估。根據(jù)智能電能表狀態(tài)評(píng)估結(jié)果能夠合理安排檢驗(yàn)策略, 提高檢驗(yàn)效率, 保障智能電能表的平穩(wěn)安全運(yùn)行。