基于故障挖掘的电能表失效分析研究

郭斌 刘珮琪 冯兴兴 陈健华 何圣川 许丽娟

摘  要：该文研究分析了智能电能表故障原因及其规律，快速准确地判断电表故障位置，对提高智能电能表工作的可靠性具有重要意义。在分析电表现场故障类型的基础上，建立智能电表故障树，梳理电表故障特征规律，通过数据挖掘的关联规则算法，在大量的故障数据中寻找具有特定关系的信息，分析故障原因。应用结果表明，故障树分析法结合数据挖掘算法能有效帮助技术人员快速进行故障定位，减少故障处理时间，具有很好的实用价值。

关键词：智能电表;故障树分析法;数据挖掘;关联规则

中图分类号：TM933.4            文献标志码：A

0 引言

随着我国建设坚强智能电网的发展规划，电力行业、智能电网以及智能计量一直在快速发展。为了有效且规范化地管理电能质量，电能表、终端等计量自动化采集设备被大量应用于监测电能质量管理系统中。对计量设备现场运维故障诊断及失效分析研究将直接关系着广大电力用户、电网公司的切身利益，并对智能电网的健康发展起到决定性作用。因此，对这些计量设备的可靠性要求也越来越高。

目前國内电网公司对计量设备的现场运维检测工作存在诸多问题，如故障诊断困难、数据安全性不高、现场故障诊断无法形成闭环、运维人员水平参差不齐。该文通过深入研究FTA（Fault Tree Analysis）故障树分析方法，现场故障诊断系统理论研究以及深入研究数据挖掘，分析如何在大量的故障数据中寻找具有特定关系的信息，分析故障原因，有助于实现现场故障数据的智能采集、分析，人性化管理及高效的传输，并在实际应用中准确定位故障原因，迅速解决故障。

1 失效分析理论研究

1.1 故障树理论

1.1.1 故障树分析法

故障树分析法主要用于分析系统的可靠性和安全性，它是1种利用图形方式，进行逻辑演绎推理的方法。故障树分析法相对于传统的系统可靠性分析，有很大的灵活性，它逐层而下，可以分析出系统的各种故障状态以及关联因素。在分析故障树的同时，也是对整个系统深入认知的过程，它要求分析人员充分掌握系统内每个部件的关联关系，熟悉影响每个部件的潜在风险因素，才能在分析过程中发现并及时解决问题，从而提高系统的可靠性。

故障树是从树根结点开始，对实例的某一故障进行分析，并根据实际情况，将各原因分配到其子结点，用逻辑门的形式连接，如此递归建立。建立一个复杂的故障树通常是一个反复思考、不断深入、逐步完善的过程。故障树的建立，首先要确定顶事件，通常根据事故调查和统计的结果参照的发生频率来确定。其次，分析造成顶事件发生的直接原因作为中间事件。然后，再找出造成中间事件发生的原因，依次分解直到事件不能再分为止，把这些不能分解的原因称为基本事件。通过建树使工作人员对系统进行故障预测，快速准确地发现系统的薄弱环节，为今后系统的故障诊断与改进提供依据，这也是建故障树的主要目的。

1.1.2 故障树建立的流程

如图1所示是故障树建立流程，根据流程确定的故障树分析方法的一般分析步骤如下。1）确定顶事件。熟悉分析系统，针对实际问题、故障频率来确定顶上事件。2）确定分析边界与范围。确定分析的范围和边界是进行分析的前提，明确边界与范围才能建立规范化的故障树，边界不明确，不利于故障树缩小规模。3）确定中间事件和基本事件。明确顶事件后，找出导致该事件发生的全部原因，包括人为失误、环境因素和软件因素等。凡是故障有关的原因都找出来，作为事件树的中间事件和基本事件。4）故障树绘制。从顶事件开始，从树的顶端往下依次找出所有的原因事件，用逻辑门的形式把原因事件连接起来，一个顶事件代表一棵故障树。5）数据挖掘分析。利用数据挖掘的关联规则分析与故障事件有关的数据和内容。6）结论。构建正确的、合理的故障树是对智能电表故障进行分析的前提条件。利用故障分析，确定故障分析顺序与诊断流程，来提高系统的安全性和可靠性。

1.2 数据挖掘理论

1.2.1 数据挖掘在电力领域的研究情况

按时间顺序、快速、海量、连续到达且潜在无限的数据称为流数据，目前流数据的应用在数据挖掘方面例如关联规则分析、分类分析、聚类分析已有多种成果出现。关联规则分析是目前数据挖掘研究的重要模式之一，利用关联规则算法分析故障数据，发现故障现象与故障类别之间存在的联系，并将故障信息转换成算法可识别的关联项，提高数据挖掘效率，为设备故障检测提供科学依据。分类分析法是找出大量数据中的一组数据对象的共同特点并按照分类模式将其划分为不同的类型，其目的是通过分类模型，将数据库中的数据项映射到某个给定的类别中，包括决策树分类法、基于规则的分类法、最近邻分类法和神经网络分类法。聚类分析法与分类分析法类似，但其分类的目的不同，根据数据相似性、差异性等将数据进行分类，聚类分析法对用户用电模式，电力调度、状态估计等有重要作用。

智能电能表的故障挖掘在建立故障树的基础上，挖掘故障时电能表的事件记录，回路分析等，据故障现象对分析结果进行诊断，分析各结果之间存在因果关联、时序关联、比对关联等关系。因此，关联规则挖掘方法适用于智能电能表故障诊断。

1.2.2 关联规则挖掘方法基本原理

关联规则是指在数据项之间的关联或存在的相互关系，APRIORI算法在数据挖掘中是1种极具影响的布尔关联规则算法，APRIORI算法将关联规则分为2步。1）先找出所有的频繁项集（frequent itemset），即其支持度不低于用户最小支持度的项目集。2）从频繁项集中构造其置信度不低于用户最小置信度的规则。

关联规则的目的就是在一个数据集中找出项与项之间的关系，可定义项集组合为I，即I1=X1UX2UX3UX4UX5UX6U…UXm，则为项集组合I中所含项数为1的项集组合的子集，令为项集组合I中所含项数为2的项集组合的子集，同理，定义I3，I4，I5，…In，则有I=I1UI2UI3U…UIn。设X，Y都是I中的项或项集，关联规则形如X→Y，S表示支持度，为项集{X，Y}在总项集里出现的概率，C表示可信度，为项集{X，Y}在项集{X}里出现的概率，即：

S%=S（X→Y）=P（X，Y）  （1）

C%=C（X→Y）=P（X，Y）/P（X）  （2）

2 失效分析故障樹研究

2.1 故障分析

硬件故障主要发生在电源、继电器、液晶和光耦等元器件以及一些生产工艺中，例如接线端子制造或安装过程中出现问题导致接触不良、液晶屏幕触电虚焊等。对电能计量设备运行故障进行调研，发现所有故障中，显示异常、计量失准、通信异常、外观损坏和外观老化总故障率超过90%，除三相电子式费控电能表的外观老化故障外，其他三类电表的显示异常、计量失准、通信异常、外观损坏和外观老化的故障占比均高于10%。经分析现场故障的电能表，具体检测故障原因结果见表1。

2.2 基于故障树的故障挖掘

根据现场故障的电能表分析，通过显示故障、485通信故障、计量故障等故障类型建立故障树如图2、图3所示。

3 关联规则数据挖掘

3.1 数据处理

将故障数据与诊断结果按关联规则进行处理，提取主要故障信息，并对故障信息进行分类转换成算法可识别的关联项，提高数据挖掘效率。形成关联关系{M1，M2，M3}{R2}·{S2%，C2%}说明由故障信息M1，M2，M3诊断出故障结果为R2，对此结果的支持度为S2%，置信度为C2%。此诊断的故障结果可定位故障，为故障消缺提供技术指导。

关联规则的APRIORI算法分为两步，第一步产生频集，第二步产生关联规则，算法的原理概括如图4所示。

3.2 算例分析

根据以上流程，给定故障数据，通过APRIORI算法抽取关联规则。见表2，M1～M6分别表示：时钟异常、电表停走、电表失压、电表失流、显示乱码、电表断相，R1表示表计故障，R2表示回路异常。

设定最小支持度为15%，最小置信度为35%，生成的规则见表3。

如果检测到故障信息为电表停走、电表失流，应排查回路是否异常，并将故障原因反馈，及时更新数据库数据。

4 结语

通过对智能电表故障数据统计调查结果分析，定位电能表故障原因，建立了智能电表故障树。通过数据挖掘的关联规则算法，梳理了智能电表故障发生的概率特征，从不同角度探究智能电表故障特征。应用结果表明，故障树分析法及数据挖掘算法能够有效帮助相关技术人员进行故障定位、故障诊断和故障处理，减少故障处理时间，提高故障智能电表质量管理水平，具有很好的实用价值。

参考文献

[1]罗冉冉，龙磊，张垠.基于故障树理论的单相智能电能表黑屏故障分析方法研究[J].电测与仪表，2014，51（23）：6-10，17.

[2]陈驰.基于用电信息采集系统的运行电表故障智能分析[J].电测与仪表，2014，51（15）：18-22.

[3]李鹏，杨熹，陈欣，等.单相智能电能表电池欠压故障分析[J].工业仪表与自动化装置，2017（4）：113-114，120.

[4]祝宇楠，徐晴，刘建，等.数据挖掘在智能电能表故障分析中的应用[J].电力工程技术，2016，35（5）：19-23.

[5]章欣，段晓萌，江小强，等.智能电表时钟电池欠压故障剖析及防范措施研究[J].电测与仪表，2014，51（10）：24-27.

[6]朱东升，李天阳，徐石明.基于数据挖掘技术的电能表故障分析研究[J].自动化与仪表，2018，33（5）：14-18.