大数据的电力计量装置故障智能化诊断技术

闫麒印

摘要：随着我国终端的数据接入量不断增加， 采集量也随之越来越大，采集器每天需要采集的数据非常多，在保持高强度的运行下，会致使大量的故障出现，而电力的维护工作也越来越困难。 电力计量装置故障智能化诊断方法具有良好的智能性，不仅能够提高电力计量工作的工作效率， 使故障诊断结果更加准确，还可以提升电力企业故障诊断系统的性能，保障电网的稳定运行，有利于提高电力企业的经济效益。

关键词：大数据;电力计量装置故障;智能化诊断

中图分类号：TM933        文献标识码：A

1电力计量装置故障诊断方法

在我国，目前广泛使用的电力计量装置故障诊断方法，主要表现为诊断信号、 诊断数据模型加上多年来的实践经验来完成诊断工作。 现阶段诊断的过程大都依赖于人工操作，不具智能化，所以工作量较大且工作效率较低。 因此，随着科学技术的快速发展，智能化技术发展迅速。 随着人工智能化诊断技术的不断完善和优化， 该技术越来越成熟的应用于检测电力系统计量装置的故障中。 但是在实际的收集电力数据阶段，计量装置非常容易出现各式各样的故障， 随着采集数据量的不断增长， 传统的数据库很难在短时间内对存在的故障进行判断，导致工作效率非常低，无法满足当下用户的需求。 而通常情况下，工作人员对电力计量装置故障进行分析时，基本都是按照多年来的实践经验， 加上对现场故障的掌握情况来进行故障诊断工作。 虽然能更好地解决故障问题， 但所需成本较高，工作效率也比较低。 因此，在大数据的基础上，新的电力计量装置故障智能化诊断技术出现，能够很好地解决上述问题，能在短时间内找到故障问题的原因，提高工作效率，满足电力用户的实际需求。

2 基于大数据的电力计量装置故障智能化诊断

本文引入了大数据挖掘技术，针对电力计量装置进行智能化诊断。基于大数据的电力计量装置故障智能化诊断方法实现过程共有七步：系统初始化、建立故障诊断知识库、在线监测电力计量装置运行状态、判断是否存在异常信息、结果显示、给出解决措施。

2.1电力计量装置故障智能化诊断知识库建立

本文建立的电力计量装置故障智能化诊断知识库除了具备储存电力计量装置数据的能力之外，还要具备删除、修改和查询的功能。将诊断和监测的结果存入诊断知识库，同时知识库还要记录大量故障问题，并进行定期更新，方便更准确地诊断出结果[5]。电力计量装置故障智能化诊断知识库包括两部分：异常特征模型和专家规则库，每部分都拥有自己的管理机制。异常特征模型的管理机制有 3 个模块，分别为建立模块、修改模块、删除模块，专家规则库同样包括 3个模块：导入模块、导出模块和变更模块。电力计量装置故障智能化诊断知识库的所有界面要使用 web 才能实现统一管理，知识库在得到数据后，要主动与异常特征模型和专家规则库进行对比，灵活地进行分类。在每次诊断中，故障智能化诊断知识库就要建立一个异常特征模型库，选取电力计量装置中的异常故障特征，根据得到的特征建立故障模型。由于知识库中的异常特征模型库很难包含全部的异常记录，所以为了更加高效地诊断出异常故障特征，要进行定期修改和维护。通常一个电力计量装置故障智能化诊断知识库内部会拥有大量的异常特征模型库，为了防止所占空间过大，要周期性地对一些不适用于实际应用的异常特征模型库进行删除，保证智能诊断知识库有充足的空间[9]。异常特征模型库中数据量庞大，更新工作也相对复杂，本文仅选用常见的 6 个异常字段状态建立异常类型表。

表 1 的异常类型表对异常状况有详细的记录，通过表 1 可以清晰地查询到异常名称和特征编码。在分析出异常类型后，探讨用电力计量装置的异常信息。知识库中必须要详尽地记录专家规则，在每次诊断时，都要备份保存，以条理性的结构记录在线信息，方便工作人员查看，同时也能防止使用错乱。每个专家规则都拥有自己的逻辑，所以要定期导出，更新维护，丰富内部逻辑。知识库中包含的信息主要为逻辑规则，通过这些逻辑规则找到异常特征编码和电力计量装置故障的对应关系。建立上述知识库能够更好地诊断出电力计量装置存在的问题。

2.2 电力计量装置故障

在线监测利用分布式系统 Hadoop 对电力计量装置进行在线监测[11]。监测时，首先要监测电力计量装置的内部存储数据，存储数据是电力计量装置的核心数据，关系到整个装置的安全运行，并且基数很大，存储数据一旦出现故障，电力计量装置将立刻无法正常工作，因此监测存储数据是重要目标之一;其次要监测数据访问形式，通常电力计量装置数据都是通过流式数据访问，如果数据不能以该方式进行访问，则很有可能出现问题;再次监测電力计量装置是否支持大文件计量，正常运行的计量装置能够支持数百 GB 甚至TB 的大文件，并精准地计量出内部数据，如果不能支持，则很有可能出现问题;最后监测是否支持数据再平衡，电力计量装置可以根据设定的阈值，把某一个监测的数据点移到另一个数据点中，如果不能支持，则存在故障。

2.3 电力计量装置故障异常信息诊断

故障的出现是由于异常信息导致的，诊断异常信息就能诊断出电力计量装置故障。将监测到的数据与建立的电力计量装置智能诊断数据库进行对比，判断是否存在故障，如果确定存在故障，则需要判断故障位置，异常信息种类、大小、数量。诊断方向主要有 3种：是否为计量设备异常信息、是否为采集设备异常信息、是否为用电设备异常信息。本文仅针对第一种计量设备异常信息诊断进行研究，计量装置出现异常主要表现在如下几个方面：系统的内部电压回路存在异常、系统的内部电流回路存在异常、电能表不能正常运行（停走、飞走、表示度出现下降）、时钟记录结果错误、电池电压不足。电力计量装置出现异常要利用报警系统进行警报。前文建立的专家规则库中包含大量异常组合编码，详细地记录了每种异常信息发生概率和产生的原因，因此可以利用规则库中的知识诊断故障原因。本文仅针对异常信息诊断中的故障原因诊断进行探讨。

利用 M 和 N 建立朴素贝叶斯网络如图1所示。

其中，n 代表出现历史数据中出现异常数据的次数。

如果显示结果如公式所示，则诊断结果为是该原因导致的故障发生。

如果显示结果如公式所示，则诊断结果为不是该原因导致的故障发生，根据上述计算过程完成故障的诊断工作。将电流故障带入诊断计算过程中，若诊断电流故障出现的概率≥0.5，则是因为电流故障导致计量装置故障，若诊断电流故障出现的概率<0.5，则并非因为电流故障导致计量装置故障。

结束语

大数据的电力计量装置故障智能化诊断技术， 首先就是要构建电力计量装置故障智能化诊断知识库， 并合理使用异常特征模型及专家规则库， 采用分布式系统对电力计量装置进行在线监测，并将结果与知识库中的相关标准对比，实现对故障的智能化诊断，同时还可以对计量装置进行动态监测。 在通过设置的预警系统，将故障信息发送给技术人员，有利于技术人员及时处理故障。 电力计量装置故障的智能化诊断技术，通过对运行状态进行监测及诊断，并对故障进行自动报警，提高了电力工作的高效性及准确性。

参考文献

[1]郭佳婧，严重，陈明，等.基于大数据的电力计量装置故障智能化诊断研究[J].电子设计工程，2019，27（23）：55-58.

[2]于磊，王双，韩宇龙，等.基于大数据技术的电网故障智能诊断方法[J].中国科技信息，2016（2）：32-33.

[3]燕凯，岳振宇，高嘉浩.基于大数据的电力计量设备运行状态评估与故障诊断方法研究[J].电子器件，2019（5）：1095-1098.