基于云平台的电能表可靠性预计系统设计与实现*

依溥治，徐人恒，张明远，李照阳，于晓晨

（哈尔滨电工仪表研究所，哈尔滨150028）

0 引 言

根据国家智能电网建设规划，到“十三五”，要实现智能电网“信息化、数字化、自动化、互动化”［1］，实现电力计量“全覆盖、全采集、全费控”［2］，建成覆盖全部用户、采集全部用电信息、支持全面电费控制的采集系统。智能电能表作为智能电网的采集终端是采集系统中最基础的组成部分，在电网中扮演着非常重要的角色［3］。

随着智能电能表的广泛应用，其功能复杂程度也逐渐提高，产品可靠性逐渐成为衡量电能表质量的重要指标。近几年，电力公司在招标文件和规范中要求制造单位提供电能表可靠性预计报告和MTTF（平均失效前时间）不少于10年的可靠性检测报告。因此有必要对可靠性这个制约智能电能表产品质量和使用寿命的重要因素做出科学的预计。

我国智能电能表生产企业多为中小型企业，可靠性工程的适用性并不高，基础数据、预计实践等方面相对薄弱，企业信息化程度较低，在巨大的市场竞争和成本压力下无力承担电能表可靠性预计平台的开发与推广，而国内专门针对电能表可靠性预计的商用服务仍处于空白阶段。基于这些需求，智能电能表可靠性数据和关键元器件可靠性数据的集成、整合、分析成为当前迫切需要解决的关键性基础难题。

1 智能电能表可靠性预计

鉴于IEC 62059-41《电能计量设备可信性-第41部分可靠性预计》的标准指导要求，智能电能表应用时间较短，结构较简单，元器件失效率服从威布尔分布且在标准环境中保持不变，各个元器件之间的组成关系等同于串联结构。整表可靠性由各元器件的可靠性决定，即整表失效率计算方法为各元器件失效率的累加和。

1.1 失效率

智能电能表的失效率是指电能表在限定的单位时间内发生的失效次数。它是时间t的函数，其单位为 Fit（failure in time：10-9failures／h）［4］。智能电能表元器件的失效率主要结合国际标准IEC 62059-41和GJB／Z 299C-2006《电子设备可靠性预计手册》进行计算，也可以是来自现场使用情况的统计数据。

公式（1）为失效率的数学定义：

式中 λ（t）为瞬间失效率；F（t）和 f（t）分别指分布函数和失效瞬间的概率密度；R（t）指可靠度函数。

1.2 浴盆曲线

智能电能表可靠性失效率遵循“浴盆曲线”，失效可以划分为3个阶段：早期失效期、正常使用期、疲劳失效期。失效率曲线如图1所示。

图1 失效率曲线Fig.1 Failure rate curve

早期失效主要是由电能表的设计、制造缺陷以及现场运行环境磨合所产生，通常情况下在出厂前对电能表进行一段时间的测试，能够及时发现并消除早期失效［5］。正常使用期也叫做偶然失效期，此阶段失效率曲线近似为常数，电能表的失效率基本保持不变，主要由外界环境及人为因素影响等所引起的偶然失效行为［6］。疲劳失效期是在电子元器件寿命晚期，失效率开始随使用年限的增加而急剧上升的时期［7］。

1.3 元器件应力分析法

元器件应力分析法是把电能表的失效率作为所有元器件失效率的累加函数进行预计的一种方法［8］。该方法将智能电能表可靠性的各种环境应力量化，通过定制的软件程序运算后，有效地反映出电能表的失效率趋势，具有很强的实用性。当前，产学研用各方都高度关注智能电能表可靠性预计，国内的需求现状主要针对样机进行可靠性预计，以评价样机性能，所以基本认同采用应力分析法对智能电能表进行可靠性预计。

2 云平台SOA架构

云平台是由一系列相互联系并且虚拟化的计算机组成的并行和分布式系统，可以动态地提供一种或多种统一化的计算服务、存储服务、操作服务等服务资源，这些资源通过服务提供者提供给用户使用［9］。

面向服务的架构（Service-Oriented Architecture，SOA）为服务计算环境提供支撑架构，采用松散耦合方式构成服务提供者和请求者之间的业务流程，实现的服务均采用标准通信方法，以保障异构的分布式系统服务与组件能够无缝集成［10-13］。

一般情况下，SOA架构的服务提供者使用WSDL［14］（Web服务描述语言，WSDL是一种用于描述WEB服务的特定格式）对服务过程进行描述，通过网络进行发布，使服务请求者或者服务注册中心获得服务信息；随后请求者获得的消息通过服务注册中心或本地的UDDI［15］对服务申请进行搜索和注册，将匹配的服务与服务提供者进行绑定，实现服务进程。其体系结构如图2所示。

图2 SOA架构模型Fig.2 SOA architecturemodel

3 基于云平台的电能表可靠性预计系统

电能表可靠性预计涉及电网公司、地方电业局、电能表制造企业、元器件生产企业、国家仪器仪表检验中心、行业协会及最终用户等各个环节，覆盖面广，因而电能表可靠性预计具有来源广、种类多、信息量大和动态性强等特点。图3为云平台下的电能表可靠性预计信息流图。

图3 电能表可靠性预计信息流图Fig.3 Flow chart ofwatt-hourmeter reliability prediction

我国的智能电能表生产企业由于自身的一些原因无力承担可靠性预计成本，加之企业的信息化程度不高，在海量元器件信息的统计和处理、可靠性预计建模和软件计算方面均存在很大的困难，而云平台则可以整合电能表的各种数字化信息资源，使之得到有效利用，形成可靠性预计门户网站，通过登录网站即可根据需要定制可靠性预计服务。

基于云平台的电能表可靠性预计系统，其特点在于：

（1）总体评价电能表的可靠性，指导电能表设计；

分析电能表可靠性，定量预计可靠性指标，发现电能表设计方案的问题和薄弱环节，找出高失效率电路单元的原因，降低整表失效率、提高可靠度总体设计水平，从而指导电能表样机设计、制定电能表轮换周期等工作。

（2）在电能表样机设计过程中，以用户功能需求为导向，提供定制化、个性化的服务；个性化服务包括独立元器件的可靠性计算、模块可靠性计算等；这些服务使设计人员在设计原理图阶段就可以发现潜在问题，以便优化电路，逐步使方案达到规定的可靠性指标。

（3）用户通过云平台的形式得到电能表可靠性软件的服务，即站点、渠道、商品完全虚拟化；

（4）用户通过虚拟网络进行电能表可靠性预计的计算过程，大大降低了用户的成本；

电能表制造企业、元器件生产企业、国家仪器仪表检验中心、行业协会等用户可以从任意地点的计算机访问云平台进行在线服务，甚至可以通过手机、PDA、上网本等多种终端接入。

4 基于云平台的电能表可靠性预计系统需求分析

（1）元器件可靠性计算

元器件可靠性计算即计算元器件在应用环境下的失效率λp，包括基本失效率λb、温度应力系数πT、元器件质量等级πQ、环境应力、应用状态、性能额定值和种类。公式为：

式中πE为环境系数，πS为电应力系数。依据IEC 62059-41元器件失效率预计模型为：

πi为影响失效率的质量因子、环境因子、温度因子、电应力因子等一系列修正系数。

（2）模块／整表可靠性计算

电能表物理结构根据功能和电路原理图划分为采样计量单元、电源单元、费控单元、通信单元、按键显示单元、功能控制单元、载波单元。电能表模块划分图如图4所示。

图4 电能表模块划分图Fig.4 Division diagram ofwatt-hourmetermodule

依据IEC 62059-41标准对智能电能表进行可靠性预计时，基本思想是系统各组成部分同等重要，假定任何一部分的失效都将引起系统的失效［16］。因此模块间及模块内元器件均为可靠性串联结构，系统的总失效率为各模块的失效率之和，系统的可靠性数学模型表示如下：

式中λpij为第i个模块中第j个元器件的工作失效率；N为产品模块个数；Mi为第i个模块的元器件总数。

（3）录入／查询功能

用户按照标准格式导入元器件、模块或整表的失效率数据，方便进行查询。

（4）数据库设计

包括基本元器件数据库、用户元器件库、GJB／Z 299C-2006参数库等。

（5）系统管理

包括用户管理，角色管理，权限管理等。电能表可靠性涉及商业秘密，必须进行严格的权限管理。

5 基于云平台的电能表可靠性预计技术架构及实现

本文根据电能表可靠性预计的流程特点设计了系统技术架构，即用户应用层、业务功能层、数据管理层、数据库层。

（1）用户应用层：为用户提供应用界面，包括可靠性计算结果、导入／导出结果、数据查询结果等；

（2）业务功能层：按照功能需求设计接口结构，依据IEC 62059-41的应力分析法预计元器件失效率、模块失效率、整表失效率并生成可靠性预计报告等；

（3）数据管理层：负责管理基本元器件失效率数据库、用户信息库、各类参数库及跟踪用户计算过程中的相关文件，提供与其他程序的接口，支持搜索、浏览、过滤等功能；

（4）数据库层：包括数据库的关系模式、数据完整性约束条件、数据库表的定义、删除、修改、索引、存取控制等；

图5为电能表系统失效率，图6为元器件失效率计算过程。

图5 电能表系统失效率Fig.5 Failure rate of electric energymeter system

图6 元器件失效率计算过程Fig.6 Failure rate of components calculation process

6 结束语

目前电能表产品同质化竞争非常激烈，各企业在功能、性能、价格方面的差距逐渐减小，核心技术和产品质量成为企业立足的根本。利用电能表可靠性预计云平台可以拓展应用范围，快速、准确地确定产品的薄弱环节，促进电能表产品质量提升，同时指引电能表现场数据的抽样检测判定方法。电能表可靠性云平台建立以后，为全国近千家电能表制造企业和大学、科研院所、计量中心提供科研、设计、制造、检测和运行的可靠性数据及产品可靠性预测服务，需求广泛，市场前景巨大。

另外，随着“互联网+”［17］推动传统产业与互联网技术进行跨界合作与深度融合，形成了“互联网+工业”的新兴产业合作模式，基于云平台的电能表可靠性预计系统作为传统制造业向“互联网+工业”转型发展的创新探索，也为传统制造业在新常态下实现变革发展提供了参考。

本文的研究仍处于初级层面，还有待用户进行实践检验。不可否认，基于云平台的电能表可靠性预计系统仍然存在一些问题，如：服务质量如何确认。在电能表可靠性预计过程中用户和技术是关键因素，他们的特征和习惯对服务质量有显著影响［18］；所以在今后的工作中，可以进一步探讨云平台的服务质量解决方案的构建。