史琳　周信行　韓麗麗

摘 要：提出一種電力大數(shù)據(jù)一體化環(huán)境下電能計(jì)量智能監(jiān)測(cè)方法，搭建電力大數(shù)據(jù)一體化環(huán)境下電能計(jì)量智能監(jiān)測(cè)平臺(tái)，在該平臺(tái)中通過(guò)MapReduce并行化模式融合多種電力數(shù)據(jù)，構(gòu)成一體化電力大數(shù)據(jù)集合；通過(guò)流式傳輸機(jī)制實(shí)現(xiàn)監(jiān)測(cè)平臺(tái)中數(shù)據(jù)資源層、平臺(tái)服務(wù)層以及應(yīng)用層三層之間的數(shù)據(jù)傳輸，將一體化大數(shù)據(jù)傳輸至服務(wù)層中提取單數(shù)據(jù)、多數(shù)據(jù)特征，利用模糊聚類處理后將其傳輸至應(yīng)用層中進(jìn)行異常大數(shù)據(jù)監(jiān)測(cè)，獲取監(jiān)測(cè)結(jié)果并預(yù)警電能計(jì)量的異常情況。實(shí)驗(yàn)結(jié)果驗(yàn)證：該方法可精確監(jiān)測(cè)到異常電量流失度，同時(shí)能夠監(jiān)測(cè)到多種電能計(jì)量裝置異?，F(xiàn)象，監(jiān)測(cè)誤檢率最高也未超過(guò)5%，還可以通過(guò)電壓、電流異常變化合理判斷電能計(jì)量異常情況。

關(guān)鍵詞：電能計(jì)量；模糊聚類；數(shù)據(jù)傳輸；多數(shù)據(jù)特征

中圖分類號(hào)：TM933；TP391.9文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1001-5922（2023）06-0192-05

Research on intelligent monitoring of electrical energy metering in the context of big data integration

SHI Lin，ZHOU Xinxing，HAN Lili

（Guangzhou Power Supply Bureau，Guangdong Power Grid Co.，Ltd.，Guangzhou510013，China）

Abstract：This paper proposes an intelligent monitoring method for electrical energy metering in the context of power big data integration.Build an abnormal monitoring platform for electric energy measurement under the integrated environment of power big data，in which multiple power data are integrated through MapReduce parallelization mode to form an integrated power big data set.The streaming transmission mechanism is used to realize the data transmission among the data resource layer，platform service layer and application layer in the monitoring platform.The integrated big data is transmitted to the service layer to extract single data and multi data features.After fuzzy clustering processing，it is transmitted to the application layer for abnormal big data monitoring，so as to obtain the monitoring results and warn the abnormal situation of power metering.The experimental results showed that this method could accurately monitor the abnormal power loss degree，and could also monitor the abnormal phenomena of a variety of electric energy metering devices.The highest monitoring error rate was not more than 5%.It could also reasonably judge the abnormal situation of electric energy metering through the abnormal changes of voltage and current.

Key words：electric energy measurement;fuzzy clustering;data transmission;multi-data feature

電力大數(shù)據(jù)包含電力系統(tǒng)多種運(yùn)行數(shù)據(jù)，將這些數(shù)據(jù)一體化可實(shí)現(xiàn)更精準(zhǔn)的故障分析。電能是保障社會(huì)正常運(yùn)行的一種核心能源，通過(guò)可靠的電能計(jì)量，可以保障電能輸送、生產(chǎn)以及每個(gè)環(huán)節(jié)的安全發(fā)展[1-2]。當(dāng)社會(huì)用電量加大[3]，會(huì)導(dǎo)致部分電能計(jì)量裝置在某些時(shí)間下出現(xiàn)故障，同時(shí)，電力系統(tǒng)運(yùn)行時(shí)還會(huì)出現(xiàn)人為竊電現(xiàn)象，導(dǎo)致電能計(jì)量結(jié)果異常[4-5]，為企業(yè)造成較大損失。為此，有較多學(xué)者對(duì)此進(jìn)行研究，例如研究了一種電能計(jì)量裝置狀態(tài)在線監(jiān)測(cè)方法，該方法能夠有效實(shí)現(xiàn)故障診斷[6]，但該方法對(duì)于動(dòng)態(tài)變化的電能計(jì)量數(shù)據(jù)監(jiān)測(cè)誤差較大，研究一種通過(guò)BSO-BPNN模型實(shí)現(xiàn)的電能計(jì)量異常檢測(cè)[7]，雖然該方法檢測(cè)結(jié)果較為精準(zhǔn)，但檢測(cè)更加耗費(fèi)內(nèi)存空間，導(dǎo)致檢測(cè)時(shí)間變慢。為此，本文研究電力大數(shù)據(jù)一體化環(huán)境下電能計(jì)量異常監(jiān)測(cè)，利用一體化電力大數(shù)據(jù)，實(shí)現(xiàn)異常電能計(jì)量數(shù)據(jù)的監(jiān)測(cè)。

1 電能計(jì)量異常智能監(jiān)測(cè)平臺(tái)設(shè)計(jì)

1.1 監(jiān)測(cè)平臺(tái)架構(gòu)設(shè)計(jì)

本文設(shè)計(jì)電力大數(shù)據(jù)一體化環(huán)境下電能計(jì)量異常監(jiān)測(cè)平臺(tái)，該平臺(tái)主要包含數(shù)據(jù)資源層、平臺(tái)服務(wù)層以及應(yīng)用層。

數(shù)據(jù)資源層存在邊緣端采集接口，通過(guò)數(shù)據(jù)采集獲取不同類型的數(shù)據(jù)源，并支持?jǐn)?shù)據(jù)質(zhì)量檢查、數(shù)據(jù)緩存等，保障可利用數(shù)據(jù)可持續(xù)上傳至云端平臺(tái)。

在平臺(tái)服務(wù)層中具備數(shù)據(jù)接入、數(shù)據(jù)處理、運(yùn)維管理等功能，同時(shí)在該層中還具備數(shù)據(jù)融合功能，通過(guò)MapReduce并行化模式融合數(shù)據(jù)資源層傳輸?shù)皆搶又卸喾N類型的電力數(shù)據(jù)，構(gòu)成一體化電力大數(shù)據(jù)。

利用流式傳輸實(shí)現(xiàn)大數(shù)據(jù)在每層中的交換，將一體化大數(shù)據(jù)上傳至應(yīng)用層，在該層中完成電能計(jì)量異常監(jiān)測(cè)，并對(duì)異常情況進(jìn)行預(yù)警。

1.2 電力大數(shù)據(jù)融合處理

對(duì)于目前海量電力大數(shù)據(jù)，本文通過(guò)MapReduce對(duì)這些數(shù)據(jù)進(jìn)行處理，使電力大數(shù)據(jù)能夠形成個(gè)一體化，為后期電能計(jì)量異常監(jiān)測(cè)提供有效幫助[8-9]，通過(guò)該并行模式融合數(shù)據(jù)的關(guān)鍵步驟如下：

（1）數(shù)據(jù)離散化。數(shù)據(jù)離散化是指對(duì)可隨機(jī)變化的參數(shù)進(jìn)行處理，本文通過(guò)等距離散方法處理電能計(jì)量裝置中時(shí)刻變化的數(shù)據(jù)；

（2）數(shù)據(jù)矩陣化。設(shè)某一時(shí)間下采集的數(shù)據(jù)為向量N，且N=n1，n2，…，nm，t。通過(guò)m表示維數(shù)，第i維樣本數(shù)據(jù)的值為ni，采集時(shí)間為t。在某時(shí)間下，某一電能計(jì)量裝置采集的數(shù)據(jù)矩陣為，并表示為Nq：

1.3 大數(shù)據(jù)流式傳輸機(jī)制設(shè)計(jì)

本文通過(guò)RTP協(xié)議實(shí)現(xiàn)監(jiān)測(cè)平臺(tái)中每層之間大數(shù)據(jù)的流式傳輸。其中，邊緣端采集到的數(shù)據(jù)傳輸至平臺(tái)服務(wù)層處理后，才會(huì)存儲(chǔ)至資源庫(kù)或數(shù)據(jù)庫(kù)中[10-11]。而經(jīng)應(yīng)用層監(jiān)測(cè)到的異常數(shù)據(jù)會(huì)通過(guò)傳輸保存至平臺(tái)服務(wù)層的數(shù)據(jù)庫(kù)中，同時(shí)平臺(tái)服務(wù)層在收到異常數(shù)據(jù)后會(huì)向邊緣端數(shù)據(jù)資源層推送異常報(bào)警信息。

設(shè)計(jì)基于大數(shù)據(jù)的RTP封包與解包算法，完成發(fā)送端與接收端對(duì)大數(shù)據(jù)的處理，并在大數(shù)據(jù)流失傳輸時(shí)合理利用流媒體傳輸協(xié)議。

1.3.1 大數(shù)據(jù)流式傳輸機(jī)制

在進(jìn)行大數(shù)據(jù)傳輸之前，需在服務(wù)器端對(duì)大數(shù)據(jù)流做出封包處理，完成封包后，才能夠進(jìn)行傳輸，傳輸至客戶端后進(jìn)行解包處理[12]，即完成大數(shù)據(jù)流式傳輸。詳細(xì)傳輸過(guò)程如圖1所示。

在發(fā)送端時(shí)，先調(diào)整大數(shù)據(jù)格式，將其轉(zhuǎn)變?yōu)榇髷?shù)據(jù)流形式，之后打包為RTP數(shù)據(jù)包，采用用戶數(shù)據(jù)報(bào)協(xié)議（UDP）將大數(shù)據(jù)流封裝為UDP報(bào)文，將該報(bào)文提供給IP層，在IP層匯總為IP包并上傳至網(wǎng)絡(luò)中實(shí)現(xiàn)傳輸。

在接收端時(shí)，通過(guò)RTP/UDP/IP協(xié)議對(duì)到達(dá)的大數(shù)據(jù)進(jìn)行解包。此時(shí)，實(shí)時(shí)傳輸控制協(xié)議（RTCP）按照獲取的數(shù)據(jù)包情況，分析網(wǎng)絡(luò)是否存在阻塞，并將判斷結(jié)果反饋至發(fā)送端，發(fā)送端可按照反饋信息修正大數(shù)據(jù)傳輸量。

RTP數(shù)據(jù)包共存在兩個(gè)部分，分別為包頭與載荷，其中，包頭中包含序列號(hào)、時(shí)間標(biāo)簽等內(nèi)容，這些內(nèi)容主要實(shí)現(xiàn)數(shù)據(jù)傳輸?shù)目刂疲惠d荷中包含需傳輸數(shù)據(jù)的信息。RTP數(shù)據(jù)包以分塊形式限制最大長(zhǎng)度，通過(guò)這種形式，可以保證大數(shù)據(jù)的坐標(biāo)信息完善[13-15]。在封包時(shí)添加大數(shù)據(jù)的分塊內(nèi)容以及幾何要素坐標(biāo)值。在進(jìn)行解包時(shí)，按照封包序號(hào)進(jìn)行排序。通過(guò)讀取每個(gè)分塊中的信息，實(shí)現(xiàn)大數(shù)據(jù)傳輸。

1.3.2 大數(shù)據(jù)流的發(fā)送與接收

在服務(wù)器端利用RTP報(bào)文發(fā)送大數(shù)據(jù)流時(shí)，具體流程與普通流媒體文件效果一致。需要在發(fā)送之前設(shè)定發(fā)送的目標(biāo)位置，并分析發(fā)送數(shù)據(jù)流大小，若數(shù)據(jù)包過(guò)大，則需要分包發(fā)送。之后向目標(biāo)位置傳輸大數(shù)據(jù)流，通常情況下存儲(chǔ)在客戶端緩存中，以便客戶端隨時(shí)使用。在發(fā)送過(guò)程中，僅需提供所發(fā)送數(shù)據(jù)與其長(zhǎng)度，發(fā)送完成后，關(guān)閉RTP搭建的通道。

在進(jìn)行數(shù)據(jù)接收時(shí)，接收端需與發(fā)送端地址連接，并設(shè)定文件緩存區(qū)域，接收后存儲(chǔ)在緩存中。若傳輸?shù)臄?shù)據(jù)流低于最大分包數(shù)，則一次完成傳輸，若大于該分包數(shù)，則需要分批實(shí)現(xiàn)傳輸。全部傳輸完成后，關(guān)閉RTP搭建的連接。

1.4 電力一體化大數(shù)據(jù)特征提取與模糊聚類

1.4.1 單數(shù)據(jù)、多數(shù)據(jù)特征量

（1）單數(shù)據(jù)特征

在電力系統(tǒng)運(yùn)行時(shí)，通常存在一部分狀態(tài)量變化較低的單數(shù)據(jù)量；同時(shí)存在部分呈周期性變化的單數(shù)據(jù)，這部分?jǐn)?shù)據(jù)稱為狀態(tài)數(shù)據(jù)。針對(duì)每個(gè)實(shí)時(shí)監(jiān)測(cè)的狀態(tài)量，通過(guò)對(duì)某個(gè)值的范圍進(jìn)行設(shè)定，可以限制全部序列的范圍。

大多數(shù)情況下電力系統(tǒng)的異常情況存在一定的潛伏性，因此電能計(jì)量裝置異常時(shí)，對(duì)其監(jiān)測(cè)得到的數(shù)據(jù)是在限值內(nèi)的，所以，對(duì)于限定值內(nèi)的狀態(tài)量也需要進(jìn)行監(jiān)測(cè)，從中提取單數(shù)據(jù)特征量。

（2）多數(shù)據(jù)特征

在電能計(jì)量裝置運(yùn)行過(guò)程中，由于裝置屬性和所處環(huán)境的不同，很難通過(guò)統(tǒng)一函數(shù)控制裝置狀態(tài)。因此，合理利用實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)的量化特征，將隨時(shí)間動(dòng)態(tài)變化的電能計(jì)量數(shù)據(jù)通過(guò)轉(zhuǎn)移概率序列描述。當(dāng)處于正常運(yùn)行時(shí)，數(shù)據(jù)轉(zhuǎn)移概率較高，若大數(shù)據(jù)序列中某一參量值存在異常時(shí)，則可認(rèn)定該時(shí)刻相應(yīng)的電能計(jì)量數(shù)據(jù)存在異常。

1.4.2 特征模糊聚類

在進(jìn)行電能計(jì)量異常數(shù)據(jù)監(jiān)測(cè)之前，需要對(duì)數(shù)據(jù)的模糊特征進(jìn)行聚類，并通過(guò)大數(shù)據(jù)分析方法，分析特征模糊聚類概率。若聚類時(shí)共存在s個(gè)待測(cè)異常數(shù)據(jù)，且包含p條相關(guān)性較高的數(shù)據(jù)，則構(gòu)建s×p矩陣，并采用Zs×p表示該矩陣，在該矩陣中，每個(gè)點(diǎn)均表示電能計(jì)量大數(shù)據(jù)的模糊聚類特征，具體如式（3）所示：

利用式（7）計(jì)算得到的似然比，判斷電能計(jì)量大數(shù)據(jù)的狀態(tài)，并對(duì)可能出現(xiàn)的故障進(jìn)行預(yù)警，通過(guò)圖2表示電能計(jì)量異常數(shù)據(jù)監(jiān)測(cè)與預(yù)警過(guò)程。

基于上述計(jì)算過(guò)程，對(duì)電能計(jì)量大數(shù)據(jù)進(jìn)行異常監(jiān)測(cè)與預(yù)警，具體實(shí)現(xiàn)步驟如下：

（1）若每個(gè)參量的轉(zhuǎn)移概率序列不包含0值，且數(shù)據(jù)流內(nèi)每個(gè)時(shí)間下的數(shù)據(jù)均屬于生成簇，則表示該時(shí)間下的電能計(jì)量屬于未出現(xiàn)異?，F(xiàn)象；

（2）若每個(gè)序列中包含少數(shù)0值，且少數(shù)時(shí)間下數(shù)據(jù)并不屬于生成簇時(shí)，則表示該事件下電能計(jì)量數(shù)據(jù)中出現(xiàn)少數(shù)噪聲點(diǎn)；

（3）若序列內(nèi)存在一半0值，且大多時(shí)間下的數(shù)據(jù)不屬于生成簇，則表示電能計(jì)量裝置存在異常數(shù)據(jù)；

（4）根據(jù)步驟（3）中異常數(shù)據(jù)的轉(zhuǎn)移概率，完成異?，F(xiàn)象的判斷與預(yù)警。

2 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析

本文在電力系統(tǒng)中選取一電能計(jì)量裝置實(shí)現(xiàn)實(shí)驗(yàn)設(shè)計(jì)，監(jiān)測(cè)該裝置一天之內(nèi)的運(yùn)行數(shù)據(jù)，并選取文獻(xiàn)[6]提出的一種電能計(jì)量裝置狀態(tài)在線監(jiān)測(cè)及遠(yuǎn)程診斷方法，文獻(xiàn)[7]提出的基于BSO-BPNN模型的電能計(jì)量裝置異常診斷方法與本文方法進(jìn)行對(duì)比，分析各方法的性能。

可通過(guò)電量流失度描述電能計(jì)量運(yùn)行過(guò)程中的電量流失程度，若電量流失度大于正常電量流失度，則認(rèn)定電能計(jì)量存在異?，F(xiàn)象。假設(shè)正常電量流失度為每天4度，分析本文方法監(jiān)測(cè)的一天之內(nèi)的電量流失度，分析結(jié)果如圖3所示。

根據(jù)圖3可知，在本文方法監(jiān)測(cè)下，每個(gè)時(shí)間段的電量流失度顯示十分清晰，其中，在14：00左右出現(xiàn)大幅度電量流失，說(shuō)明在該時(shí)間前后存在異常用電現(xiàn)象，導(dǎo)致電能計(jì)量數(shù)據(jù)異常，而本文方法可精確實(shí)現(xiàn)異常數(shù)據(jù)的監(jiān)測(cè)。

對(duì)不同電能計(jì)量數(shù)據(jù)異常情況產(chǎn)生的異常數(shù)據(jù)進(jìn)行監(jiān)測(cè)，分析不同方法的監(jiān)測(cè)效果，分析結(jié)果如表1所示。

由表1可知，文獻(xiàn)[7]方法在電能計(jì)量裝置電源故障與侵?jǐn)_2種異?，F(xiàn)象發(fā)生時(shí)，無(wú)法監(jiān)測(cè)到異常數(shù)據(jù)，文獻(xiàn)[6]方法則在溢出異常時(shí)無(wú)法實(shí)現(xiàn)異常數(shù)據(jù)監(jiān)測(cè)，由此可以看出這2種方法的監(jiān)測(cè)效果并不完美，而應(yīng)用本文方法后可實(shí)現(xiàn)多種異?，F(xiàn)象發(fā)生時(shí)的精確監(jiān)測(cè)，有效獲取異常數(shù)據(jù)結(jié)果。

分析應(yīng)用本文方法監(jiān)測(cè)電能計(jì)量裝置在白天、黑夜2種用電環(huán)境下的誤檢率以及監(jiān)測(cè)可靠度，分析結(jié)果如圖4所示。

根據(jù)圖4可知，應(yīng)用本文方法監(jiān)測(cè)后，在黑夜與白天2種環(huán)境下的誤檢率均保持在較低水平，其中，由于黑夜環(huán)境下的產(chǎn)生的電能計(jì)量數(shù)據(jù)較少，因此該環(huán)境下監(jiān)測(cè)得到的誤檢率始終保持在4%以下，而白天環(huán)境使用電能較多，因此白天產(chǎn)生的電力大數(shù)據(jù)數(shù)量較大，導(dǎo)致該環(huán)境下的大數(shù)據(jù)誤檢率會(huì)略高于黑夜環(huán)境，但依然保持在4%～5%，說(shuō)明通過(guò)本文方法監(jiān)測(cè)后誤檢率較低。根據(jù)監(jiān)測(cè)可靠度分析可知，本文方法在2種環(huán)境下的監(jiān)測(cè)可靠度始終保持在80%以上，說(shuō)明本文方法在監(jiān)測(cè)過(guò)程中得到的監(jiān)測(cè)數(shù)據(jù)更為真實(shí)，且能夠精確實(shí)現(xiàn)異常數(shù)據(jù)檢測(cè)。

當(dāng)電能計(jì)量裝置中的相電壓低于額定電壓的70%，或相電流高于額定電流的15%，且隨時(shí)間變化并未恢復(fù)額定值，則認(rèn)定二者數(shù)據(jù)存在異常，本文所選電能計(jì)量裝置的正常電壓始終為220 kV，電流為5 V，對(duì)一天的電壓、電流數(shù)據(jù)變化進(jìn)行監(jiān)測(cè)，分析被測(cè)電能計(jì)量裝置是否存在異常現(xiàn)象，分析結(jié)果如圖5所示。

根據(jù)監(jiān)測(cè)到的電壓變化可以看出，電壓在2：00之前處于正常運(yùn)行狀態(tài)，當(dāng)處于2：00之后，電壓開始出現(xiàn)下降，到達(dá)6：00時(shí)電壓迅速下降到最低，此時(shí)說(shuō)明電能計(jì)量裝置存在異常，隨后電壓存在小幅度回升，但并未回到額定電壓位置；由此說(shuō)明通過(guò)監(jiān)測(cè)得到的電壓可以判斷電能計(jì)量裝置并未恢復(fù)正常。根據(jù)圖6（b）中的電流變化可知，電流在10：00之前與額定電流十分接近，當(dāng)處于10：00之后電流開始小幅度上升；當(dāng)時(shí)間達(dá)到18：00后，監(jiān)測(cè)得到的電流已經(jīng)大于額定電流的15%以上，說(shuō)明在18：00時(shí)電能計(jì)量裝置已出現(xiàn)異?，F(xiàn)象。經(jīng)過(guò)本文方法的監(jiān)測(cè)，可迅速得到電流、電壓的異常變化，并根據(jù)數(shù)據(jù)的異?，F(xiàn)象可精確判斷電能計(jì)量裝置的異常。

3 結(jié)語(yǔ)

通過(guò)搭建電力大數(shù)據(jù)一體化環(huán)境下電能計(jì)量異常監(jiān)測(cè)平臺(tái)，對(duì)電力系統(tǒng)大數(shù)據(jù)進(jìn)行詳細(xì)分析，將這些數(shù)據(jù)中的電能計(jì)量異常數(shù)據(jù)進(jìn)行監(jiān)測(cè)，并向用戶及時(shí)發(fā)出電能計(jì)量異常數(shù)據(jù)預(yù)警，提示用戶及時(shí)處理異?，F(xiàn)象，在未來(lái)研究過(guò)程中，可針對(duì)該設(shè)計(jì)方法繼續(xù)進(jìn)行優(yōu)化，向異常監(jiān)測(cè)平臺(tái)中引入更多的電力系統(tǒng)大數(shù)據(jù)，實(shí)現(xiàn)多種電力數(shù)據(jù)的監(jiān)測(cè)，并強(qiáng)化監(jiān)測(cè)精準(zhǔn)度與處理時(shí)間，使監(jiān)測(cè)得到的異常內(nèi)容可以迅速做出調(diào)整。

【參考文獻(xiàn)】

［1］劉婧，蘇良立，陳昊，等.基于智能電能表誤差檢測(cè)的非侵入式電網(wǎng)故障定位及運(yùn)維調(diào)度[J].電測(cè)與儀表，2021，58（11）：164-169.

[2］丁斌，袁博，鄭煥坤，等.基于大數(shù)據(jù)分析的電力信息系統(tǒng)安全狀態(tài)監(jiān)測(cè)技術(shù)研究[J].電測(cè)與儀表，2021，58（11）：59-66.

[3］付琨，孫顯，仇曉蘭，等.遙感大數(shù)據(jù)條件下多星一體化處理與分析[J].遙感學(xué)報(bào)，2021，25（3）：691-707.

[4］田園，張梅，保富，等.基于大數(shù)據(jù)的數(shù)字化電能計(jì)量誤差分析[J].電測(cè)與儀表，2021，58（11）：136-141.

[5］翟永杰，龍雅蕓，江柳，等.基于異常檢測(cè)的輸電線路山火檢測(cè)方法研究[J].華北電力大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，48（6）：90-96.

[6］陳崇明，吳瀛，姚棟方，等.一種電能計(jì)量裝置狀態(tài)在線監(jiān)測(cè)及遠(yuǎn)程診斷系統(tǒng)設(shè)計(jì)[J].電力電容器與無(wú)功補(bǔ)償，2021，42（4）：203-208.

[7］朱少斌，許素安，馬宗彪，等.基于BSO-BPNN模型的電能計(jì)量裝置異常診斷方法研究[J].中國(guó)測(cè)試，2022，48（1）：141-146.

[8］劉春雨，羅群，顧強(qiáng)，等.智能配電網(wǎng)電能計(jì)量設(shè)備的運(yùn)行狀態(tài)監(jiān)測(cè)終端研究[J].中國(guó)測(cè)試，2020，46（7）：68-74.

[9］陳慧，張穎，魏曉瑩，等.基于LMS自適應(yīng)濾波的電能計(jì)量箱數(shù)據(jù)采集與處理方法研究[J].電測(cè)與儀表，2020，57（4）：142-146.

[10］張麗艷，謝晨，梁世文，等.牽引負(fù)載電能計(jì)量方式研究[J].西南交通大學(xué)學(xué)報(bào)，2020，55（5）：928-936.

[11］孫一浩，肖先勇，張文海，等.基于偽異常點(diǎn)辨識(shí)的關(guān)口電能表計(jì)量數(shù)據(jù)異常研究[J].電網(wǎng)技術(shù)，2021，45（11）：4568-4577.

[12］魏偉，唐登平，李帆，等.數(shù)字化電能表較電子式電能表計(jì)量及檢測(cè)差異性研究[J].電測(cè)與儀表，2020，57（23）：126-134.

[13］楊芾藜，侯興哲.一種基于安裝式標(biāo)準(zhǔn)電能表的智能電能表誤差在線檢測(cè)比對(duì)方法研究[J].電測(cè)與儀表，2022，59（3）：181-186.

[14］趙恒一，高云鵬，申麗曼，等.電壓閃變影響下的功率計(jì)算模型與電能計(jì)量方法研究[J].電測(cè)與儀表，2020，57（1）：121-130.

[15］賀涌，王磊，李立秋，等.Hadoop資源信息智能監(jiān)測(cè)仿真[J].計(jì)算機(jī)仿真，2021，38（10）：401-404

收稿日期：2023-01-20；修回日期：2023-04-10

作者簡(jiǎn)介：史 琳（1990-），男，工程師，主要從事在線稽查、線損管理等研究；E-mail：xing_0287@163.com。

基金項(xiàng)目：廣東電網(wǎng)科技項(xiàng)目（項(xiàng)目編號(hào)：GZKJXM20170867）。

引文格式：史 琳，周信行，韓麗麗.電力大數(shù)據(jù)一體化環(huán)境下電能計(jì)量異常監(jiān)測(cè)研究[J].粘接，2023，50（6）：192-196.