李 磊，彭自強(qiáng)，李政鴻，李榮卿，許苗苗

(國網(wǎng)甘肅慶陽市供電公司，甘肅 慶陽745000)

電能計(jì)量是電力行業(yè)正常運(yùn)行的關(guān)鍵，原有的集中式控制電網(wǎng)不再適合現(xiàn)階段的用電模式需求。在當(dāng)下存在的電網(wǎng)基本上都是單向的，只有不到二分之一的燃料產(chǎn)能能被轉(zhuǎn)化為電能，并且沒有廢能回收，最主要的是發(fā)電站所輸出的電能會(huì)沿著其輸出路線造成10%的線路損耗，造成在高峰期不能滿足電能需求的現(xiàn)象[1]。由此智能電網(wǎng)這一概念逐漸在電力行業(yè)顯現(xiàn)出來，已經(jīng)被認(rèn)為是目前電網(wǎng)設(shè)計(jì)的基礎(chǔ)環(huán)節(jié)，能夠通過自動(dòng)化控制完成高效率的電能轉(zhuǎn)換，從傳感質(zhì)量和信息可靠性等多個(gè)方面，提高電網(wǎng)的工作效率。文獻(xiàn)[2]中，針對(duì)于監(jiān)測系統(tǒng)中多方面管理數(shù)據(jù)利用率水平低的問題，通過融合多源數(shù)據(jù)，提取線損數(shù)據(jù)特征，實(shí)現(xiàn)臺(tái)區(qū)線損的一鍵檢測。文獻(xiàn)[3]中，利用變分自編碼器將原始日線損率數(shù)據(jù)轉(zhuǎn)換為時(shí)間序列編碼，在重建中記錄不同時(shí)間點(diǎn)的重建概率，利用閾值判定異常數(shù)據(jù)，實(shí)現(xiàn)日線損率的異常檢測。上述方法在應(yīng)用中存在信號(hào)質(zhì)量未評(píng)估的問題，導(dǎo)致對(duì)線損的判定不夠精準(zhǔn)。

本文在研究電能計(jì)量對(duì)線損異常分析檢測中的優(yōu)勢，利用程序化管理模式，設(shè)計(jì)一個(gè)基于電能計(jì)量的線損異常自動(dòng)檢測系統(tǒng)，實(shí)現(xiàn)通信故障檢測，提高電網(wǎng)的可靠性和穩(wěn)定性。

1 基于電能計(jì)量的線損異常自動(dòng)檢測系統(tǒng)硬件設(shè)計(jì)

一般電量負(fù)荷的檢測設(shè)備能夠直接測出電流值，再將測試電纜連接到數(shù)據(jù)采集箱中，才能得到二次負(fù)荷值，但由于終端電壓輸出較小，受磁場干擾較大[4]，使得信號(hào)反饋機(jī)制較弱，須設(shè)置高抗阻信號(hào)反饋電路，如圖1所示。

如圖1 所示，在二次信號(hào)回路中構(gòu)建耦合采集回路，能夠?qū)㈦娏餍盘?hào)直接完成采集的切換輸入。采用某公司的AD650芯片，其是高精度高頻型單片集成電壓頻率和頻率電壓轉(zhuǎn)換電路。利用兩個(gè)以上電阻保護(hù)過壓下的電力信號(hào)[5]，將高壓大電流轉(zhuǎn)化為較小電流信號(hào)，經(jīng)波形壓縮轉(zhuǎn)換成正弦輸出的疊加信號(hào)，保證信號(hào)數(shù)據(jù)能夠真實(shí)安全地進(jìn)行反饋。

圖1 信號(hào)反饋電路圖

2 基于電能計(jì)量的線損異常自動(dòng)檢測系統(tǒng)軟件設(shè)計(jì)

在線損異常自動(dòng)檢測系統(tǒng)中，主要采用Java 編寫web 服務(wù)器程序，操作存儲(chǔ)于Oracle 數(shù)據(jù)庫中的線損數(shù)據(jù)，進(jìn)而實(shí)現(xiàn)線損數(shù)據(jù)的管理、計(jì)算分析等。首先通過數(shù)據(jù)集成工具從源系統(tǒng)獲取線損數(shù)據(jù)，存儲(chǔ)于分布式計(jì)算集群的存儲(chǔ)中，然后通過定時(shí)任務(wù)進(jìn)行預(yù)處理，對(duì)信號(hào)質(zhì)量進(jìn)行評(píng)估，確保信號(hào)質(zhì)量滿足分析的要求，接著，計(jì)算線損異常特征，讀取公變、專變電量數(shù)據(jù)，輸出線損分析結(jié)果。并將輸出結(jié)果存儲(chǔ)于關(guān)系數(shù)據(jù)庫Oracle 中，通過WebSer‐vice進(jìn)行實(shí)時(shí)調(diào)用展示。

2.1 設(shè)計(jì)通信數(shù)據(jù)傳輸管理模式

電網(wǎng)的線損異常檢測主要是對(duì)采集到的電力信息進(jìn)行分析和修正的環(huán)節(jié)，通過實(shí)時(shí)得到用戶的電力負(fù)荷和用電狀態(tài)，及時(shí)發(fā)現(xiàn)電網(wǎng)線路存在的異常情況[6]。因此要對(duì)通信數(shù)據(jù)的傳輸模式進(jìn)行有效管理，營造良好的用電環(huán)境，減少電力行業(yè)的經(jīng)濟(jì)損失，有效提高電網(wǎng)智能監(jiān)控水平。首先在對(duì)數(shù)據(jù)采集的設(shè)備進(jìn)行終端設(shè)計(jì)時(shí)須根據(jù)用戶用電量的實(shí)時(shí)電量狀態(tài)，將不同類型的通信方式合并成為一種相似性的結(jié)果，以該類型將數(shù)據(jù)上傳至服務(wù)器。其次在主站機(jī)對(duì)所流經(jīng)的電路網(wǎng)針對(duì)合并數(shù)據(jù)進(jìn)行處理，要對(duì)采集到的數(shù)據(jù)進(jìn)行清洗[7]，在清洗完畢后所得數(shù)據(jù)會(huì)被分成兩組，其一是在合理規(guī)劃下的電力數(shù)據(jù)，其二是即刻須處理的電力數(shù)據(jù)。最后將分類好的電力數(shù)據(jù)信息按照對(duì)應(yīng)的原數(shù)據(jù)進(jìn)行合理規(guī)劃，直接對(duì)即刻處理的電力數(shù)據(jù)定位到異常用戶中，在不考慮空間結(jié)構(gòu)的時(shí)間交叉性能上，將龐大的數(shù)據(jù)信息電力數(shù)據(jù)直接拆分。按照以數(shù)據(jù)流的走向?yàn)樵O(shè)計(jì)依據(jù)，制定通信數(shù)據(jù)的傳輸管理模式，以電網(wǎng)底層線路的最簡單走向?qū)崿F(xiàn)對(duì)整個(gè)數(shù)據(jù)的采集，在多個(gè)區(qū)域內(nèi)都能夠及時(shí)對(duì)獲取信息進(jìn)行更新和處理。

2.2 基于電能計(jì)量構(gòu)建信號(hào)質(zhì)量評(píng)估模型

在無數(shù)個(gè)電力數(shù)據(jù)信號(hào)集中傳輸?shù)街髡緯r(shí)，如果沒有信號(hào)質(zhì)量的準(zhǔn)確分類，其中異常信號(hào)的存在會(huì)擾亂整個(gè)電網(wǎng)的工作狀態(tài)，導(dǎo)致線路電力損耗情況不斷出現(xiàn)。在此思維模式下須對(duì)傳輸信號(hào)的質(zhì)量進(jìn)行有效評(píng)估，依據(jù)電能計(jì)算方法為信號(hào)數(shù)據(jù)構(gòu)建一個(gè)模型，使其能夠在不分析該信號(hào)數(shù)據(jù)的鄰近時(shí)間點(diǎn)上，直接對(duì)處理對(duì)象進(jìn)行質(zhì)量擬合評(píng)估[8]。

Hzy為當(dāng)前狀態(tài)下電力傳輸信號(hào)原始數(shù)據(jù)受到干擾進(jìn)行變換的概率，即矩陣中的對(duì)象從z狀態(tài)向y狀態(tài)變化的可能性，轉(zhuǎn)變概率計(jì)算公式如下：

2.3 KNN算法實(shí)現(xiàn)線損異常自動(dòng)檢測

根據(jù)建立好的評(píng)估模型對(duì)信號(hào)質(zhì)量作出評(píng)估，則對(duì)于線損異常的判斷則轉(zhuǎn)換為分類問題，算法的輸入項(xiàng)是判斷指標(biāo)，輸出是正?；蚬收系姆诸悩?biāo)簽。對(duì)線損的分析主要通過線損表、線損明細(xì)表和表碼表，記錄了線路某時(shí)間段的線損率、輸入輸出電量、用戶用電信息等。根據(jù)這一數(shù)據(jù)來源，選取線損波動(dòng)指標(biāo)作為特征量輸入算法。在進(jìn)行相應(yīng)分類后，對(duì)不同類型的信號(hào)數(shù)據(jù)進(jìn)行計(jì)算，得到特征向量維度，標(biāo)簽未知，則利用K最近鄰（k-nearest neigh‐bor,KNN）算法給出[9]。

此算法是以K 均值算法為基礎(chǔ)的分類打分，利用鄰近點(diǎn)距離對(duì)該類型的得分進(jìn)行標(biāo)簽設(shè)定，包括待測數(shù)據(jù)包樣本和專家?guī)鞌?shù)據(jù)。其中專家數(shù)據(jù)庫中的信號(hào)數(shù)據(jù)會(huì)有相對(duì)應(yīng)的固定維度向量。則KNN算法的步驟為：

首先須計(jì)算測試向量和信號(hào)數(shù)據(jù)庫中的歐式距離，計(jì)算公式如下：

式中：q為信號(hào)數(shù)據(jù)的特征向量歐式距離；m和n為不同的向量，兩者的維度具有一致性；i為維度，該數(shù)值存在最大限度值，須在計(jì)算前進(jìn)行設(shè)定，一般標(biāo)準(zhǔn)為10維。在樣本數(shù)據(jù)測試中存在k個(gè)特征向量，通過對(duì)各數(shù)據(jù)特征向量的相鄰關(guān)系進(jìn)行分析，得到了各特征向量的歐氏距離；將各計(jì)算結(jié)果的距離按照從小到大的順序排列；選擇最短距離的特征向量對(duì)應(yīng)的臺(tái)區(qū)作為線損分類結(jié)果。

k的選擇對(duì)線損分類效果有很大的作用，當(dāng)k的數(shù)值越低時(shí)，采用更少的區(qū)域內(nèi)的樣本來進(jìn)行計(jì)算，雖然訓(xùn)練誤差可以保持較低，但是由于計(jì)算過程的復(fù)雜性，會(huì)造成過度的擬合；當(dāng)k的數(shù)值變大時(shí)，采用更大范圍內(nèi)的樣本量進(jìn)行計(jì)算時(shí)，會(huì)增加訓(xùn)練的誤差，還可能出現(xiàn)欠擬合的問題。上述問題可以通過設(shè)定不同的k值交叉驗(yàn)證對(duì)比訓(xùn)練分類效果，降低誤差，得到合適的k值。

離信號(hào)數(shù)據(jù)最近的特征向量對(duì)應(yīng)的結(jié)果為最終判定結(jié)果，計(jì)算其分?jǐn)?shù)為：

式中：qo為該算法中測試向量與數(shù)據(jù)庫中最接近的專家數(shù)據(jù)特征向量，到測試向量的距離。每一個(gè)分?jǐn)?shù)前的正號(hào)和負(fù)號(hào)是對(duì)象的數(shù)據(jù)庫中標(biāo)簽和結(jié)果的對(duì)應(yīng)決定值，如果qo對(duì)應(yīng)的專家判決的標(biāo)簽結(jié)果與信號(hào)質(zhì)量分類結(jié)果相一致，則該檢測分?jǐn)?shù)加1，否則須減1。在獲得所有信號(hào)質(zhì)量的特征向量后，根據(jù)判斷結(jié)果完成數(shù)據(jù)信號(hào)的自檢工作，增加分?jǐn)?shù)的信號(hào)為非損傷線路，直接回歸到正常線路中，當(dāng)分?jǐn)?shù)減少至零以下時(shí)，判定該線路存在損傷情況，須進(jìn)行修改。至此通過對(duì)傳輸信號(hào)管理模式的改變和信號(hào)質(zhì)量評(píng)估模型的建立，依據(jù)KNN算法完成線損異常自動(dòng)檢測的軟件設(shè)計(jì)。

3 實(shí)驗(yàn)測試與分析

為了驗(yàn)證本文設(shè)計(jì)的自動(dòng)檢測系統(tǒng)具有實(shí)際使用效果，通過對(duì)照實(shí)驗(yàn)檢測系統(tǒng)的應(yīng)用效果。測試分為兩部分：首先測試檢測系統(tǒng)識(shí)別線損異常的能力，即通過分析真實(shí)的電網(wǎng)用戶數(shù)據(jù)信息，評(píng)價(jià)系統(tǒng)識(shí)別數(shù)據(jù)的能力。其次是將檢測系統(tǒng)應(yīng)用到實(shí)際用電用戶中，通過多組實(shí)驗(yàn)測試討論結(jié)果，比較系統(tǒng)檢測結(jié)果的準(zhǔn)確性。

以某臺(tái)區(qū)歷史線損異常數(shù)據(jù)為數(shù)據(jù)集進(jìn)行測試，用以選定k值，測試不同k值下，對(duì)線損異常檢測的誤差率，結(jié)果如表1 所示。分析表1 可知，在k值為2 時(shí)，該算法的誤差率較低，可在較少的計(jì)算量下得到較高的線損檢測結(jié)果。因此，設(shè)置k值為2。

表1 不同k值下線損檢測誤差率 %

首先對(duì)本文方法的信號(hào)質(zhì)量評(píng)估有效性進(jìn)行驗(yàn)證，將電力信號(hào)數(shù)據(jù)輸入進(jìn)行設(shè)計(jì)檢測系統(tǒng)，對(duì)于信號(hào)質(zhì)量的判定如圖2所示.

圖2 信號(hào)質(zhì)量判定

由圖2 可知，設(shè)計(jì)系統(tǒng)可有效實(shí)現(xiàn)對(duì)信號(hào)質(zhì)量的評(píng)估，并針對(duì)不同波形給出判定結(jié)果，便于進(jìn)一步分析。

在實(shí)驗(yàn)測試開始之前須須檢驗(yàn)3 組系統(tǒng)的檢測異常信號(hào)，選擇某省中用電量較高的小區(qū)作為實(shí)驗(yàn)對(duì)象，以6 月每日的用電情況作為數(shù)據(jù)樣本，將判定為異常和可疑的線路線損匯總，如圖3所示。

圖3 全部異常用戶線損情況圖

由圖可知，該小區(qū)異常線路線損波動(dòng)范圍較大，主要為負(fù)線損。由此表明本文系統(tǒng)可以有效實(shí)現(xiàn)對(duì)用戶線損的異常檢測。

進(jìn)一步對(duì)線損結(jié)果進(jìn)行分析，根據(jù)線損情況，選取其中較為線損量較大的用戶作為典型樣例進(jìn)行分析，該用戶的輸入輸出電量和線損率如圖4所示。

圖4 輸入輸出電量和線損率結(jié)果

由圖4 可知，該用戶線路線損符合饋線電量丟失的特征，因此，判定該用戶造成線損的原因主要為饋線電量丟失。

為了保證測試結(jié)果的準(zhǔn)確性，對(duì)采集到的樣本數(shù)據(jù)進(jìn)行10組測試，比較不同系統(tǒng)檢測線損異常的準(zhǔn)確性，該值的獲取可通過下列公式計(jì)算獲得：

式中：RT為線損異常檢測準(zhǔn)確率；U為系統(tǒng)獲取的正常通信數(shù)據(jù)值；I為出現(xiàn)的錯(cuò)誤通信數(shù)據(jù)值。表2是通過上述公式得到的5組測試結(jié)果。

表2 兩組系統(tǒng)下線損異常檢測準(zhǔn)確率 %

計(jì)算5 組測試下，兩組系統(tǒng)的平均準(zhǔn)確率分別為83.60%和99.46%，文中系統(tǒng)的準(zhǔn)確率，比傳統(tǒng)系統(tǒng)高了15.86%。由此可見，新系統(tǒng)對(duì)于異常線損的檢測能力更強(qiáng)，結(jié)果更準(zhǔn)確。

4 結(jié)束語

考慮電網(wǎng)運(yùn)行的特殊環(huán)境和線路設(shè)備的復(fù)雜情況，本文在程序化管理模式下，利用電量計(jì)算的優(yōu)勢設(shè)計(jì)了一個(gè)新的線損異常檢測系統(tǒng)。通過建立信號(hào)質(zhì)量評(píng)估模型，改變?cè)袛?shù)據(jù)分類方式，并依據(jù)均值算法更準(zhǔn)確地獲取數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明，設(shè)計(jì)系統(tǒng)的線損異常檢測準(zhǔn)確率平均為99.4%。表明該系統(tǒng)能夠滿足可靠性和實(shí)用性的要求。但本次研究在實(shí)驗(yàn)中僅針對(duì)歷史數(shù)據(jù)進(jìn)行分析，缺少實(shí)時(shí)數(shù)據(jù)的驗(yàn)證。在未來的研究中，考慮將設(shè)計(jì)系統(tǒng)應(yīng)用于實(shí)際，以提高適用性，為電力行業(yè)健康發(fā)展提供可靠的技術(shù)支持。