温度影响下的智能电能表误差模型

2017-01-10殷鑫陆以彪宫游韩东孙洋刘惠颖梁言贺

电测与仪表 2017年8期

殷鑫，陆以彪，宫游，韩东，孙洋，刘惠颖，梁言贺

（黑龙江省电力科学研究院，哈尔滨150000）

0 引言

计量设备在低温环境下是否运行可靠、准确、稳定，是电力企业、用户及行业专家所关注问题，特别是近年来智能电能表的大范围应用［1-2］。智能电能表由大量电子元器件构成，电子元器件的性能直接影响智能电能表的计量准确性，而电子元器件受温度的影响程度较高［3-4］。本文重点研究低温环境对智能电能表计量性能的影响。基于智能电能表低温环境试验基地的智能电能表运行在线检测系统的实际运行数据，研究不同负荷下智能电能表计量性能受温度影响程度，分析其变化规律。

1 试验系统

智能电能表低温环境试验基地建立于黑龙江省漠河县，漠河县隶属于黑龙江省大兴安岭地区，位于大兴安岭北麓、黑龙江上游南岸，是我国版图的最北端。漠河是中国纬度最高的地方，是中国气温最低的地区，冬季气温最低可达-50℃以下。在漠河构建低温实际运行状态下的智能电能表试验场地，建立低温环境下智能电能表运行在线检测系统，所获得数据具有很强的参考意义。

低温环境下智能电能表运行在线检测系统主要包括近、远程检测系统，负荷控制系统，保护系统以及环境监测系统，该系统通过网络继电器进行本地控制和远方控制，得出的误差数据保存在服务器中，通过网络实现远方在线检测，其原理如图1所示。

挂表单元、环境监测系统和网络摄像机暴露于室外环境中，智能电能表校验装置、网络继电器、以太网交换机放置在室内，每套智能电能表校验装置包含计算机、信号源、程控功率源、标准电能表和误差处理器等单元，通过计算机控制信号源，信号源再把电压、电流信号送至功率源，功率源提供被试表、标准电能表所需的电压和电流，标准电能表把实际的电能转化为高频信号输出至误差系统，

图1 低温环境下智能电能表在线检测系统Fig.1 On-line detection system of smartmeter with low temperature

误差处理器接受高频脉冲信号，并与理论脉冲数比较得出电能误差，电能误差数据在本地得出，并保存在服务器中，也可以通过网络远程读取。

2 试验数据分析

被试样品选择6个不同厂家生产的6批次72只相同参数单相智能电能表，具体参数如表1所示。

将6组被试智能电能表同时暴露于环境中，通过负荷控制系统输出1 A、2 A、3 A、5 A、10 A、20 A、30 A以及50 A等比较有代表性的负荷，每种负荷状态持续1 h，每只智能电能表记录不少于6组误差数据及此状态下的环境温度，在剔除异常值后，取误差数据的平均值作为结果保存。从而得到-40℃～30℃环境下电能表在不同负荷下的运行状态，对其误差值进行整理，分析温度对不同负荷下的智能电能表误差的影响。

表1 被试样品参数表Tab.1 Sample parameters

不同负荷下智能电能表误差随温度变化曲线如图2所示。由曲线图中可以明显的看出，6批次不同厂家生产的智能电能表在温度的影响下有趋同的变化趋势。具体表现为，随着温度的降低，在负荷电流不变的情况下，不同厂家生产的智能电能表误差向负方向进行漂移，但是，不同厂家生产的智能电能表误差随温度变化的趋势有一定差异，如A厂家生产的智能电能表在不同负荷下，误差随温度变化的趋势基本相同；C、D、E厂家生产的智能电能表在大负荷（一般大于等于20 A）下受温度影响的程度明显小于小负荷（一般小于20 A）；而B、F厂家生产的智能电能表在50 A大负荷下受温度影响程度较小。

图2 智能电能表不同负荷下误差随温度变化曲线Fig.2 Curves of the smartmeter with the change of temperature at different loads

在0℃～30℃温度区间，智能电能表误差随温度变化程度明显低于-40℃～0℃温度区间，由于目前单相智能电能表的电流采样主要靠锰铜电阻实现，而锰铜电阻的使用温度范围一般为0℃以上，所以低温对智能电能表的误差影响程度更高；电能表工作在大负荷电流下时，由于表内元器件发热量随之增大，智能电能表内温度高于实际环境温度，使智能电能表在大负荷下受环境温度影响程度降低，但由于不同厂家使用元器件不同，发热量也不相同，造成部分厂家生产的智能电能表在大负荷下受低温影响的趋势不同。

3 智能电能表误差模型的建立

本文用多项式回归方法得到智能电能表在不同负荷下误差随温度变化的数学模型。多项式回归是一种重要的曲线拟合模型，可以通过增加自变量的高次项对实测数值进行拟合，直到得到满意的模型为止［5］。多项式回归模型一般先将试验数据绘制成散点图，根据其所呈现的大致形状，以多项式（1）的形式表达其规律性。

式中T为自变量，为环境温度；E（T）为因变量，为智能电能表误差；a0，a1，a2，…，an为目标多项式的偏回归系数。

将被试智能电能表不同负荷下记录的误差及温度数据录入编制好的Matlab程序，建立高次多项式回归模型对数据进行拟合，经过多次拟合后，发现3次多项式可以对数据进行很好拟合，收敛性较高，以5 A负荷下不同厂家生产的智能电能表误差随温度变化模型为例，拟合效果如图3所示。

图3 5 A负荷下不同厂家智能电能表误差的多项式回归模型Fig.3 Polynomial regression model of smartmeters in differentmanufacturers at load of 5A

温度对智能电能表误差变化的影响程度由相关系数 R（R∈［0，1］）进行标示，相关系数作为综合度量回归模型对试验数据拟合优度的度量指标，相关系数越高，自变量对因变量的解释程度越高，因变量受自变量影响程度越高，智能电能表不同负荷下温度对智能电能表误差的相关系数如表2所示。

表2 不同负荷下温度对智能电能表误差的相关系数Tab.2 Correlation coefficient of the error of the smart meter under different temperature loads

由表中可明显看出，在智能电能表负荷小于20 A时，6批次智能电能表误差随温度变化的相关系数均大于0.86，说明在此负荷范围内，温度对智能电能表误差的影响程度非常高；随着负荷电流的增大，误差随温度变化的相关系数略有降低，可能造成的原因是随着负荷电流的增大，表内的发热量也相应增大，实际表内温度高于环境温度，造成误差随温度变化的相关性的降低。B厂家生产的智能电能表在30 A及以上、F厂家在50 A及以上的大负荷下的相关系数下降较为明显，可能的原因是厂家选用的元器件在大负荷下的发热量较大，造成表内温度高于环境温度，使智能电能表受环境温度影响较小。