陳龍瑾,邢菁,吳達(dá)雷,戚斌,陳育培

(海南電網(wǎng)有限責(zé)任公司電能計(jì)量中心,?？?570100)

0 引 言

電能計(jì)量作為電力系統(tǒng)核心技術(shù)之一,其技術(shù)的優(yōu)劣衡量著供電企業(yè)的管理水平,并將直接影響企業(yè)的經(jīng)濟(jì)效益;電能表作為電能計(jì)量的重要單元,其可靠性運(yùn)行對(duì)供電企業(yè)和電力用戶都存在重要意義,因此,通過科學(xué)有效的技術(shù)和管理手段保證其正常穩(wěn)定運(yùn)行是十分必要的[1]。

傳統(tǒng)電能表在運(yùn)行周期內(nèi)采用到貨抽檢、出庫全檢、定時(shí)巡檢、周期校驗(yàn)及抽檢的方式來保證電能表的可靠性運(yùn)行和準(zhǔn)確計(jì)量,但其存在監(jiān)測時(shí)差性,評(píng)估維度較少等缺點(diǎn);同時(shí),因不具備對(duì)電能表進(jìn)行實(shí)時(shí)動(dòng)態(tài)性能追蹤及周期性評(píng)價(jià)的功能,故障隱患將不能夠及時(shí)排除,最終帶來計(jì)量異常甚至用戶安全隱患。

隨著智能電網(wǎng)的興起及發(fā)展,國家電網(wǎng)公司于2009年發(fā)布了智能電能表制造、檢驗(yàn)、運(yùn)行等系列標(biāo)準(zhǔn);至此,智能電能表得到了廣泛的推廣及應(yīng)用。當(dāng)前,智能電能表已具備了計(jì)量、實(shí)時(shí)監(jiān)控、自動(dòng)控制及數(shù)據(jù)處理等功能,在一定程度上規(guī)避了傳統(tǒng)電能表帶來的用電風(fēng)險(xiǎn)。但是,現(xiàn)今智能電能表依舊不具備在線監(jiān)測功能,只能依據(jù)簡單的參數(shù)計(jì)算進(jìn)行邏輯控制[2-3];考慮到電網(wǎng)整體需要面對(duì)峰谷用電管理、用電負(fù)荷預(yù)測及調(diào)度、危險(xiǎn)及復(fù)雜工況的追蹤及排查,因此,對(duì)電能表進(jìn)行實(shí)時(shí)在線監(jiān)測分析將十分重要[4]。

近年來,對(duì)電能表的在線監(jiān)測有了大范圍的研究。文獻(xiàn)[5-6]中采用決策樹算法,主要利用計(jì)量裝置歷史運(yùn)行數(shù)據(jù)作為特征,實(shí)現(xiàn)對(duì)計(jì)量裝置進(jìn)行狀態(tài)評(píng)估。文獻(xiàn)[7-8]以用戶歷史用電數(shù)據(jù)作為樣本數(shù)據(jù),采用數(shù)據(jù)挖掘手段對(duì)收集的樣本數(shù)據(jù)進(jìn)行特征提取,建立了用電異常識(shí)別模型,從而實(shí)現(xiàn)用電異常診斷。文獻(xiàn)[9-12]分析了現(xiàn)有技術(shù)手段下,電能計(jì)量裝置維護(hù)、管理中存在的一些問題,以及電能計(jì)量裝置在線監(jiān)測系統(tǒng)的研究現(xiàn)狀,進(jìn)一步介紹了計(jì)量裝置在線監(jiān)測系統(tǒng)設(shè)計(jì)的總體結(jié)構(gòu)。文獻(xiàn)[13-14]建了一種基于負(fù)控終端的電子式電能表遠(yuǎn)程在線檢測系統(tǒng)。提出了對(duì)電子式電能表在特定負(fù)荷下實(shí)施在線檢測的機(jī)制。所搭建系統(tǒng)可檢測出電子式電能表的電能計(jì)量性能是否處于正常范圍。

但經(jīng)研究發(fā)現(xiàn),監(jiān)測系統(tǒng)均缺乏統(tǒng)一的通信標(biāo)準(zhǔn)以及系統(tǒng)架構(gòu),采用的樣本數(shù)據(jù)均來自于用戶歷史數(shù)據(jù),數(shù)據(jù)準(zhǔn)確性不高,同時(shí),受制于監(jiān)測環(huán)境的復(fù)雜性、監(jiān)測設(shè)備的廣泛性、通信標(biāo)準(zhǔn)及故障特征的多樣性,致使電能表的在線監(jiān)測一直不能進(jìn)行大范圍的有效推廣。

綜上,文中首先搭建了以多回路關(guān)口電能表、采集器、集中器、配變監(jiān)測計(jì)量終端等電能計(jì)量自動(dòng)化設(shè)備整體智能檢測平臺(tái);以綜合評(píng)價(jià)、現(xiàn)場工況智能分析為目標(biāo),模擬搭建了多個(gè)電能表異常工況模型,提出了一種基于支持向量機(jī)算法(SVM)的多回路關(guān)口電能表在線監(jiān)測方法。通過對(duì)電能表數(shù)據(jù)的采集與處理,利用數(shù)據(jù)挖掘技術(shù),實(shí)現(xiàn)電能表運(yùn)行工況的分析和診斷,確定電能表是否處于正常運(yùn)行狀態(tài)。

1 多回路關(guān)口電能表故障模型的搭建

現(xiàn)實(shí)中,電能表發(fā)生異常時(shí)所產(chǎn)生的特征信號(hào)經(jīng)常會(huì)被多種電磁波信號(hào)所干擾,這將直接影響收集數(shù)據(jù)的質(zhì)量,同時(shí),電能表故障種類較難收集完全且在復(fù)雜工況下數(shù)據(jù)采集極為困難;這些因素將致使數(shù)據(jù)分析難度增加并間接影響著監(jiān)測系統(tǒng)的準(zhǔn)確性。為了保證采集數(shù)據(jù)的高質(zhì)量,同時(shí),驗(yàn)證監(jiān)測系統(tǒng)的有效性,搭建典型的電能表故障模型將十分必要。

文中利用某公司的809CJ系列裝置三相電能測試柜的功能,通過調(diào)整輸出三相電流、電壓信號(hào)到該模型中,建立并模擬和電能表連接形成主要的計(jì)量二次回路,搭建形成基本的硬件測試和分析模型。

基于此,針對(duì)電能表運(yùn)行過程中各種不同的異常狀況,文中進(jìn)一步將三相試驗(yàn)電壓設(shè)定固定值的條件下,通過調(diào)整三相電流相序的不同接入方式,實(shí)現(xiàn)對(duì)電能表電流回路的故障模擬。因電流相序的變化對(duì)電能表計(jì)量有功功率的影響變化最為明顯,通過對(duì)其進(jìn)行一定范圍的異常模擬,能更多的為之后的小波包能量譜特征分析提供數(shù)據(jù)支持。試驗(yàn)條件如表1所示。其中,三相試驗(yàn)電壓均設(shè)為57.7 V,三相試驗(yàn)電流均設(shè)為1 A,樣本個(gè)數(shù)均為6,包括訓(xùn)練樣本和試驗(yàn)樣本,對(duì)應(yīng)的訓(xùn)練樣本數(shù)據(jù)均為5個(gè)。根據(jù)工作經(jīng)驗(yàn)分析得到,采用每個(gè)訓(xùn)練樣本包含2 min的有功功率信息為最佳,當(dāng)樣本訓(xùn)練時(shí)間超過2 min時(shí)將加大模型的復(fù)雜度,且過長的數(shù)據(jù)亦有可能導(dǎo)致模型陷入凸優(yōu)化,失去模式識(shí)別性能。

表1 電能表故障缺陷模型試驗(yàn)條件

試驗(yàn)中,電流反向的模擬通過調(diào)整電流通道輸入輸出接線,使電流輸入信號(hào)接入該系統(tǒng)電流輸出端,將該系統(tǒng)電流輸入端接809CJ裝置三相電能測試柜的輸出端中進(jìn)行實(shí)現(xiàn)。電流相序錯(cuò)誤的模擬通過調(diào)整三相電能測試柜A、B、C相的不同接法,如電流ACB:使C相與B相電流互換、電流BAC:使A相與B相電流互換以及電流BCA:三相電流互換來實(shí)現(xiàn)。

基于上述試驗(yàn)條件進(jìn)行,得到的6類電能表故障缺陷模型三相有功功率時(shí)域圖,如圖1所示。

圖1 電能表故障缺陷模型三相有功功率時(shí)域圖(部分)

其中,Pa0、Pb0、Pc0為正常運(yùn)行狀態(tài)下的三相有功功率時(shí)域分布;Pa、Pb、Pc為故障缺陷模型下的三相有功功率時(shí)域分布,不同故障缺陷對(duì)應(yīng)的三相有功功率時(shí)域信號(hào)相差較大,為基于SVM的模式識(shí)別提供了基礎(chǔ)。

2 基于SVM的電能表故障模型的模式識(shí)別

文中構(gòu)建了基于SVM算法的多分類SVM模型,將提取的特征參數(shù)歸一化后轉(zhuǎn)化為特征向量輸入給SVM模型進(jìn)行參數(shù)化訓(xùn)練,最終實(shí)現(xiàn)電能表實(shí)時(shí)狀態(tài)在線監(jiān)測的功能。

經(jīng)試驗(yàn)及研究發(fā)現(xiàn),樣本數(shù)據(jù)特征提取是影響SVM性能優(yōu)劣的重要因素[13]:特征提取不理想,SVM的訓(xùn)練參數(shù)必定達(dá)不到一個(gè)理想的狀態(tài)。因此,故障模型樣本數(shù)據(jù)的特征提取將對(duì)狀態(tài)監(jiān)測性能產(chǎn)生十分重要的影響。

2.1 基于小波包能量譜的故障模型特征參數(shù)提取

經(jīng)上文分析可知,在測試過程中,不同的電能表故障缺陷會(huì)產(chǎn)生不同特征的三相有功功率時(shí)域圖譜,為更好的表征不同電能表故障缺陷有功功率的差異性,需對(duì)其進(jìn)行特征參數(shù)的提取;考慮到樣本數(shù)據(jù)即三相有功功率時(shí)域信號(hào)表征為頻率高、奇異值多且向量維度高的特點(diǎn),同時(shí),考慮到系統(tǒng)噪聲的影響,采用常用的小波分析及傅立葉分析將不能很好的反應(yīng)電能表故障缺陷時(shí)域信號(hào)特征;基于此,通過參考大量的文獻(xiàn)并結(jié)合工程實(shí)踐的可行性,文中采用基于時(shí)頻分析的小波包分析法對(duì)時(shí)域信號(hào)進(jìn)行特征提取。

小波包分析的特征之一就是對(duì)時(shí)頻信號(hào)進(jìn)行多尺度、多分辨率分析其具備多尺度分解和多分辨的優(yōu)點(diǎn)[15]。而能量分析是實(shí)現(xiàn)信號(hào)多頻段拆解的重要手段,小波包能量譜可反應(yīng)電能表各種故障缺陷有功功率信號(hào)中各個(gè)頻帶中狀態(tài)信號(hào)的能量大小,因此文中選取小波包能量譜作為多關(guān)口電能表故障缺陷有功功率信號(hào)的特征向量。

如圖2所示,為3層小波包分解樹結(jié)構(gòu)圖,分解關(guān)系為:

圖2 3層小波包分解樹結(jié)構(gòu)圖

S=AAA3+DAA3+ADA3+DDA3+AAD3+DAD3+ADD3+DDD3

(1)

式中,A為低頻部分;D為高頻部分;末尾的序號(hào)為小波包分解的層數(shù)(即尺度數(shù)),為3層。

(2)

現(xiàn)對(duì)經(jīng)高速示波器所采集到的一組多關(guān)口電能表A相電流反相故障缺陷三相有功功率時(shí)域信號(hào)進(jìn)行小波包分解,提取小波包能量譜特征參數(shù)[16-18],詳細(xì)步驟如圖3所示。

圖3 小波包能量譜特征提取步驟

根據(jù)奈奎斯特采樣定律通過50 kHz/s采樣速率為對(duì)電流反相故障缺陷時(shí)的三相有功功率時(shí)域信號(hào)經(jīng)小波包三層分解,得出對(duì)應(yīng)不同子頻帶的小波包分解系數(shù),得到的8個(gè)子頻帶如表2所示。

表2 50 kHz采樣信號(hào)小波包三層分解后子頻帶

可得特征向量x可以表示為:

x=(x1,x2,x3,…,x80)

(3)

對(duì)每個(gè)頻帶歸一化后的能量譜值如表3所示(部分),即可表示出A相電流反相故障缺陷時(shí)的特征向量。從而可得SVM輸入層具有5×8=40個(gè)輸入量(5為缺陷模型對(duì)應(yīng)的樣本數(shù)量)。進(jìn)一步的對(duì)所得40個(gè)輸入特征量進(jìn)行歸一化處理后,即可用于下一步的模型識(shí)別。

表3 電能表故障缺陷電流信號(hào)特征向量(部分)

2.2 基于SVM的電能表故障缺陷模型模式識(shí)別

支持向量機(jī)(Support Vector Machines, SVM)是與相關(guān)的學(xué)習(xí)算法有關(guān)的監(jiān)督學(xué)習(xí)模型,可以分析數(shù)據(jù),識(shí)別模式,用于分類和回歸分析[19]。給定一組訓(xùn)練樣本,每個(gè)標(biāo)記屬于兩類,一個(gè)SVM訓(xùn)練算法建立了一個(gè)模型,分配新的實(shí)例為一類或其他類,使其成為非概率二元線性分類。

經(jīng)研究發(fā)現(xiàn),除了進(jìn)行二元線性分類,SVM可以使用所謂的核技巧,它們的輸入隱含映射成高維特征空間中有效地進(jìn)行非線性多分類[19]。這將非常適用于文中所涉及的電能表多類故障缺陷模式識(shí)別。

基于此,文中建立了基于SVM的電能表故障缺陷模式識(shí)別模型流程圖,如圖4所示。

圖4 基于SVM電能表故障缺陷模式識(shí)別模型流程圖

針對(duì)圖4所示,具體可描述為:通過模型的輸入量、輸出量的控制,結(jié)合模型內(nèi)部的數(shù)據(jù)處理和分析,實(shí)現(xiàn)對(duì)缺陷模型的訓(xùn)練和檢驗(yàn),確認(rèn)模型有效性。

故障模型的輸入量即為經(jīng)小波包能量鋪分析歸一化后得到的6類故障缺陷的40個(gè)特征向量。模型的輸出量為O可以表示為:

(4)

式中O1為正常狀態(tài);O2…O7分別為電能表的故障缺陷,具體故障缺陷如表3所示。

文中采用Matlab2019b實(shí)現(xiàn)SVM的電能表故障缺陷模式識(shí)別[19],同時(shí),文中將訓(xùn)練樣本數(shù)和試驗(yàn)樣本數(shù)進(jìn)行5:1分配,模型的核函數(shù)采用在模式識(shí)別領(lǐng)域較為卓越的RBF核函數(shù),RBF核函數(shù)中核寬函數(shù)g和懲罰系數(shù)c對(duì)模式識(shí)別性能有較大的影響[20-24],文中在Matlab2019b中采用cross validation的方法得到bestc=0.5,bestg=1,bestacc=98.876 4%;接近98%的準(zhǔn)確率證明了該模型的有效性。

文中通過LabVIEW2012b結(jié)合Matlab2019b混合開發(fā)上位機(jī)在線監(jiān)測系統(tǒng)。

3 監(jiān)測系統(tǒng)的有效性驗(yàn)證

3.1 監(jiān)測系統(tǒng)的搭建

為驗(yàn)證SVM的電能表故障缺陷模型識(shí)別的有效性。文中通過搭建多回路關(guān)口電能表在線監(jiān)測系統(tǒng)設(shè)計(jì)如圖5所示。系統(tǒng)分別開發(fā)有采集單元、通信單元、數(shù)據(jù)處理單元及上位機(jī)顯示單元,采集電能表三相電壓及三相電流數(shù)據(jù),通過計(jì)算得到三相有功功率時(shí)域信號(hào)作為輸入進(jìn)行數(shù)據(jù)分析;在采集單元中分別通過三相的模擬量采樣方案,用分壓電阻和信號(hào)放大器分別對(duì)A、B、C三相電壓進(jìn)行采集,用電流互感器和信號(hào)放大器分別對(duì)A、B、C三相電流進(jìn)行采集;內(nèi)部8通道的轉(zhuǎn)換電路用于實(shí)現(xiàn)對(duì)不同相別的模擬量進(jìn)行轉(zhuǎn)換并提供給數(shù)據(jù)處理單元;為更好的控制三相電壓、三相電流的精度和準(zhǔn)確的相位,采用過零比較電路實(shí)現(xiàn);系統(tǒng)內(nèi)部各模塊和電路之間采用RS485通信,提供統(tǒng)一切換控制,并通過485線纜傳輸采樣相應(yīng)電壓、電流等數(shù)據(jù)[25]。上位機(jī)模塊采用LabVIEW2017b結(jié)合MATLAB2019b的混合編程技術(shù),通過LabVIEW開發(fā)系統(tǒng)顯示、分析、存儲(chǔ)功能,并將基于Matlab開發(fā)的模式識(shí)別模型生成m文件內(nèi)置于LabVIEW中作為監(jiān)測系統(tǒng)的決策機(jī)構(gòu),最終將開發(fā)完成生成的exe文件安裝于PC機(jī)中作為上位機(jī)監(jiān)測系統(tǒng)。

圖5 多回路關(guān)口電能表在線監(jiān)測系統(tǒng)框圖

3.2 試驗(yàn)環(huán)境的搭建

綜上研究,文中基于SVM的多回路電能表在線監(jiān)測系統(tǒng)搭建和試驗(yàn)環(huán)境如圖6所示。電能表的6類故障缺陷模型由809CJ系列裝置的電能測試柜模擬實(shí)現(xiàn)的,使用該系統(tǒng)分段存儲(chǔ)技術(shù)采集各模型的三相電流、電壓等瞬時(shí)量信號(hào),并通過RS485通信將采集到的數(shù)據(jù)上傳至上位機(jī)進(jìn)行模式識(shí)別,識(shí)別結(jié)果將在上位機(jī)監(jiān)測系統(tǒng)的顯示界面進(jìn)行明顯的錯(cuò)誤類別提示。

圖6 電能表故障缺陷在線試驗(yàn)環(huán)境

3.3 試驗(yàn)與結(jié)果輸出

根據(jù)表1的實(shí)驗(yàn)條件和對(duì)應(yīng)介紹的模擬接線方法,分別進(jìn)行6類電能表故障缺陷的模擬試驗(yàn)并通過誤差識(shí)別模型在監(jiān)測系統(tǒng)中識(shí)別,識(shí)別結(jié)果如圖7～圖12所示。其中圖7～圖9通過單相電流的反向接線模擬試驗(yàn),在該系統(tǒng)中實(shí)時(shí)展示電壓、電流信號(hào)和向量關(guān)系,并準(zhǔn)確識(shí)別并輸出了單相反向異常告警信息。圖10～圖12通過電流相序的變換接線模擬試驗(yàn),均能在該系統(tǒng)中準(zhǔn)確識(shí)別并輸出告警信息。結(jié)果驗(yàn)證了基于支持向量機(jī)的多回路關(guān)口電能表在線監(jiān)測技術(shù)能準(zhǔn)確識(shí)別故障類型可靠準(zhǔn)確。

圖7 A相電流反向模式識(shí)別

圖8 B相電流反向模式識(shí)別

圖9 C相電流反向模式識(shí)別

圖10 電流相序錯(cuò)誤ACB模式識(shí)別

圖12 電流相序錯(cuò)誤BCA模式

3.4 應(yīng)用效果

結(jié)合上述試驗(yàn)輸出結(jié)果,進(jìn)一步的通過增加樣本試驗(yàn)數(shù)量,缺陷樣本為30個(gè),正常樣本為30個(gè)。通過工作人員根據(jù)肉眼觀察數(shù)據(jù)分析的方式進(jìn)行樣本識(shí)別并記錄分析結(jié)果,同一時(shí)刻該系統(tǒng)在相同試驗(yàn)條件下,通過SVM算法識(shí)別并輸出結(jié)果。人工識(shí)別與基于SVM算法的在線監(jiān)測系統(tǒng)之間的識(shí)別率如表4所示。

表4 識(shí)別率對(duì)比

數(shù)據(jù)顯示SVM算法識(shí)別率高于人工識(shí)別方式,能在實(shí)際應(yīng)用中提升故障識(shí)別準(zhǔn)確性。論證了基于SVM的監(jiān)測方法能實(shí)時(shí)、準(zhǔn)確的識(shí)別故障類型,是可行且有效的。

4 結(jié)束語

文中通過對(duì)多回路關(guān)口電能表電流故障的多種缺陷模型的搭建,收集了電能表多種故障缺陷模型的電壓及電流數(shù)據(jù),通過采樣計(jì)算得到三相有功功率時(shí)域信號(hào),對(duì)其進(jìn)行小波包能量譜分析并歸一化操作后得到了各模型的特征向量;同時(shí),文中基于SVM搭建了電能表故障缺陷模式識(shí)別模型,定義了模型的輸入及輸出;基于以上研究,對(duì)監(jiān)測系統(tǒng)的總體架構(gòu)及其主要功能模塊進(jìn)行了研究設(shè)計(jì),確定了采用LabVIEW和MATLAB軟件平臺(tái)混合開發(fā)上位機(jī)系統(tǒng)。最后,對(duì)監(jiān)測系統(tǒng)進(jìn)行了驗(yàn)證,基于SVM的多回路關(guān)口電能表在線監(jiān)測系統(tǒng)有著較為準(zhǔn)確的診斷性能,可提高運(yùn)行中電能表的故障判別和性能診斷,并具備著較好的應(yīng)用前景。