变差和轮换算法在智能表质量监控系统的应用

苏文芝, 田银磊

(1.重庆大学自动化学院， 重庆 400030； 2.济源职业技术学院信息工程系， 河南济源 459000)

变差和轮换算法在智能表质量监控系统的应用

苏文芝1,2, 田银磊1

(1.重庆大学自动化学院， 重庆 400030； 2.济源职业技术学院信息工程系， 河南济源 459000)

在系统智能电能表质量监控系统中，文章对不同厂家生产的智能电能表在不同地域使用与故障发生情况随着时间变化而变化的规律做了研究，并对故障时间、智能电能表寿命、智能电能表轮换周期进行了预测．

变差算法；轮换算法；智能表；监控系统；J2EE

推广应用智能电能表是国家电网公司的一项战略决策. 为贯彻落实智能电表质量监督工作的总体部署， 有效防范批量质量故障和智能表相关优质服务事件的发生， 我们在智能电能表质量监控系统中进行了变差和轮换算法等关键技术的应用研究[1].

1 系统总体设计

智能表质量监控系统从逻辑架构角度， 分为接口层、 数据层、 应用层等多个层次[2]， 各层次分别承担不同的功能(见图1).

接口层负责与营销系统、 用电信息采集系统、 GIS系统交互数据. 数据层负责智能表监控系统自身数据的存储与管理. 应用层负责智能表监控系统各项指标、 分析、 查询数据的展现及基础数据的录入. 系统的业务基本包括质量指标的展现、 综合分析的展现、 统计查询的展现、 系统接口的管理、 系统权限的管理等.

2 系统功能应用

2.1 应用架构

智能表质量监控系统应用基于J2EE框架， 整个软件系统分为3个主要层次： Web表现层、 业务逻辑服务层、 数据访问层[3]. 技术线路上采用轻量级的struts+spring+hibernate三驾马车方案.

Web表现层采用MVC模型开发， 主要包含struts的action两部分. 业务逻辑层由若干个Service组成， 它们用来处理业务逻辑； 数据访问层， 由一系列DAO组成， 采用Hibernate(HQL)， iBatis/jdbc组件技术实现. 将业务层与数据访问层置入Spring轻量级容器， 应用AOP和IOC技术来实现新特性， 从而维护良好的组件独立性和可测试性[4].

2.2 数据架构

智能表质量监控系统以组织域(包括参数、 组织机构、 权限等)为系统的依托， 以基础数据域(包括质量指标、 综合分析等基础数据)为基础， 以接口域(包括营销、 采集、 GIS系统接口)为数据扩展， 以质量指标域为核心， 以综合分析域为深化应用，组成了智能表质量监控系统整套完整的存储与管理的架构体系[5].

3 系统功能

智能表质量监控系统连接用电信息采集系统、 营销系统及GIS系统数据， 同时通过采集系统采集运行信息(见图2).

3.1 数据接入、 采集和管理

有针对性地采集、 监控智能电表的各项参数， 缩短对设备故障、 购电失败、 异常跳合闸状态等问题的发现时间， 促进主动式维护指挥工作流程的规范[6].

3.2 营销系统

营销系统每天晚上计算智能表质量指标， 将指标数据存放在中间表中[7]. 智能表质量监控系统每天凌晨定时从营销系统获取指标数据， 包括到货批次数据、 到货检验结果数据、 误差数据、 运行抽检数据、 运行表故障数据等， 通过这些指标数据， 对各个智能表生产厂家的智能表质量进行综合的判断.

3.3 用电信息采集系统

智能表质量监控系统通过与采集系统的接口， 实时获取已装终端或采集设备的表计的相关信息.

3.4 GIS系统

智能表质量监控系统通过与GIS系统的接口， 获取GIS系统的地图信息， 并结合智能表质量监控系统的表计故障情况， 在地图上展现各个地市的表计故障信息[8].

3.5 生产调度平台

智能表质量监控系统通过与生产调度平台的接口， 获取全性能测试开展情况， 中标批次合格情况等相关数据， 对各个厂家各个类型的智能表到货前的质量情况进行综合分析.

3.6 数据导入

对于无法在营销系统和采集系统统计的质量指标， 可以通过数据导入的方式将基础数据导入到智能表质量监控系统. 数据导入完成后， 再人工生成新的相关质量指标结果.

4 算法分析及应用

4.1 变差算法与应用

通过对智能电能表的误差分析， 在智能电能表的全寿命周期内， 研究智能电能表变差随着时间变化而变化的规律， 最后对变差进行预测. 变差又称回差， 是指仪表在上行程和下行程的测量过程中， 同一被测变量所指示的两个结果之间的偏差.

1) 算法特点

变差算法可以明确表示出单个智能电表在不同测量点的变化情况. 算法对于重复测量的次数和重复测量之间的时间跨度都没有严格的限制， 不同智能电表可以有不同的测量次数， 测量与测量之间的时间跨度也可以不同； 可以定义重复观测变量之间复杂的协方差结构， 并且对所定义的不同的协方差结构进行显著性检验. 通过定义不同测量点的随机变异来解释单个电表随时间的复杂变化情况[9].

作为高分子材料的一部分，节能型高分子材料也是一种相对分子质量较大的聚合物材料，节能型主要是对其功能和特点的总结。总体上看，节能型高分子材料的特点有分子量大、可塑性强、化学性质稳定的特点。部分特殊的功能性节能型高分子材料还具有光敏性、环境敏感等属性。节能型高分子材料的这些特征，使其满足了成为环保建材的要求。

2) 算法设计细节

令Yti代表第i批次的电表在观测点t上的变差， 令TIMEti代表第i批次电表在观测点t上的已使用时间， Yti与TIMEti的关系模型描述为

Yti= intercept0i+ slopei* TIMEti

(1)

这里， intercept0i= A0i+ B0islopei= A1i+ B1i

其中intercept0i是变化曲线的截距， 代表第i批次电表的初始变差； slopei是第i批次电表的变化曲线的斜率， 表示被测电表在观测期内在变差上的变化率. 此公式的下标代表不同批次的被测电表. 不同的intercept0i和slopei， 使得每一个批次的被测电表， 其变差随时间变化的曲线都不相同. 将intercept0i和slopei进一步分解， 可得intercept0i= A0i+ B0i； slopei= A1i+ B1i. 其中A0i代表的是第i批次的总体平均初始变差， A1i代表总体平均的变化率； B0i代表第i批次电表的初始变差的随机误差项， B1i代表第i批次的电表在观测期内其变化率的随机误差项. B1i暂定为±0.05， 作为后期预测变差发展趋势的一个判定因素. 将公式(1)作为模型的第一层， 再通过在intercept0i和slopei的生成公式中加入其他因变量， 可将模型扩展到多层， 进一步增加其拟合度， 提高预测变差变化趋势的准确度.

4.2 轮换算法与实现

根据智能电表厂不同厂家、 不同区域、 不同故障时间进行数据挖掘， 对表批次故障预测轮换周期确定.

1) 算法特点

2) 算法设计细节

(2)

(3)

(4)

(5)

注： 当出现R安装时间=R故障时间， 即是说出厂未被检测到的不合格产品时， 自动去除这一数据[12](通过代码在算法中自动实现). 其中ω1,ω2为权重系数， 默认都为1.

我们采用启发式方法迭代搜索ω1, ω2：

a) 从所有电表信息表中， 随机抽取2/3的电表作为训练样本集合；

c) 如果预测值与实际值的差小于一个特定阈值， 如10， 则跳到步骤7)， 否则步骤4)

f) 返回2)；

g)结束.

5 结语

本文在智能电能表的全寿命周期内， 研究了智能电表变差随着时间变化而变化的规律， 最后对变差进行预测， 即在时间序列上对变差进行拟合与预测[14].

[1] 刘振亚.中国电力与能源[M].北京： 中国电力出版社， 2012： 102-109.

[2] 叶伟.互联网时代的软件革命SaaS架构设计[M]. 北京： 电子工业出版社， 2009:203-208.

[3] 李刚.轻量级J2EE企业应用实战—struts2+spring3+hibernate整合开发[M]. 3版.北京： 电子工业出版社， 2011:145-151.

[4] Reduan. A comprehensive review of the application characteristics and traffic requirements of a smart grid communications, network Computer Networks, 2012:88-90.

[5] Allan,Roger E&T.Smart metering: Keeping private matters private Energy, Efficiency & Technology,ProQuest, 2010:46-49.

[6] Meter repair guide instruction. Electric power data network. [EB/OL] .(2011-11-1). http://www.52data.cn/.

[7] 吴文影， 贺俊杰， 李世明，等.基于GIS平台的智能变电站监控方案设计[J]. 华北电力技术, 2015(5):66-70.

[9] 布施曼,亨尼,施密特.面向模式的软件架构:分布式计算的模式语言：卷4[M]. 肖鹏， 陈立， 译.北京: 人民邮电出版社， 2010:268-272.

[10] Cognitive Radio for Smart Grid: Theory, Algorithms and Security Raghuram, International Journal of Digital Multimedia Broadcasting 2011:111-116.

[11] 张筑生.数学分析新讲：第2册[M]. 北京:北京大学出版社， 1990:89-93.

[12] 丘维声.高等代数[M].2版.北京:高等教育出版社， 2002:136-139.

[13] 伊乐斯， 克里普斯.软件架构设计的过程[M].蔡黄辉，马文涛，译.北京:机械工业出版社， 2010:267-271.

[14] 伍彩军,牛晓刚，等.外跳式费控智能电能表系统及外跳式费控智能电能表[Z].中国 2014107390164[P].2014-12-08.

[责任编辑 胡廷锋]

Variation and Rotation Algorithm in the Application of Intelligent Electric Energy Monitoring System

SU Wen-zhi1，TIAN Yin-lei2

(1. School of Automation, Chongqing University, Chongqing 400030, China; 2.Information Engineering Department, Jiyuan Vocational and Technical College, Jiyuan 459000, China)

This paper discusses the overall design, system function application and algorithm analysis of intelligent electric energy monitoring system, where variation algorithm solves the intelligent electric meter’s variation with time in its total life cycle and the prediction of variation. Rotation algorithm solves the time-related variation of the intelligent electric energy meters from different producers, the time-related variation of failure occurrence time, and the prediction of failure occurrence time, life expectancy, rotation period of the intelligent electric energy meters.

variation algorithm; rotation algorithm; intelligent electric energy meter; monitoring system; J2EE

2016-09-18

2015年河南省科技攻关项目《基于物联网技术的智能电网调度优化研究》(152102210112)

苏文芝，女，工程硕士，讲师.研究方向：计算机网络技术.

TP301．6

A

1009-4970(2017)02-0037-04