大数据背景下的电力计量装置故障智能化诊断技术应用

王一茗

（北京化工大学信息科学与技术学院,北京 102200）

当今社会，经济发展质量显著提高，对电力计量装置的应用提出了更高的要求，使其故障诊断技术面临严峻挑战与考验。当前在大数据技术背景下，有必要精准把握电力计量装置故障诊断的核心方法与要求，创新智能化方法应用模式，提高诊断效率。本文就此展开了探讨。

1 研究背景

在当前电力工程运行中，电力计量装置故障诊断始终占据着关键地位，对于保障整个电网运行的稳定性与可靠性具有重要作用。在当前技术条件下，电力计量装置的诊断方法多种多样，不同的诊断方法具有不同的数据获取方式、不同的数据模型构造过程，在诊断效果与诊断效率方面同样存在显著差异，需要结合电网工程的客观实际需求，择优选取[1]。近年来，国家相关技术部门高度重视电力计量装置故障智能化诊断技术的应用与创新，深入实施大数据技术的应用，在细化故障诊断流程、提高数据采集覆盖率等方面制定并实施了一系列重要技术规范与行业标准，在推进大数据技术转换等方面取得了令人瞩目的现实成就，积累了丰富而宝贵的实践经验。同时，各级电网单位同样在创新大数据技术应用模式、提升电力计量装置故障智能化诊断水平等方面进行了积极探索，且效果显著，完善了电力营销体系，优化了反窃电检查环节成效。尽管如此，受大数据运行架构等主客观要素的影响，当前电力计量装置故障智能化诊断中的大数据技术应用依旧存在诸多短板，不利于实现大数据技术的深刻价值，必须给予高度重视。上述背景下，深入探讨基于大数据的电力计量装置故障智能化诊断技术，具有极为深刻的现实意义[2]。

2 大数据平台及运行架构分析

2.1 大数据技术平台

大数据技术是以数据分析技术为主要载体，以海量的数据资源为主要面向对象，通过精准高效地处理数据流与信息流等相关资源，完成特定的数据分析与整理任务。现代科学技术及基础理论研究的日趋成熟，诞生了囊括数据处理技术、模型构建技术、信息分析技术等在内的系列化技术方法。大数据自诞生至今，先后经历了诸多演变与发展，在价值内涵方面得到极大丰富与发展，被赋予了更多的时代价值，在应用范围与应用程度方面得到了极大拓展。纵观大数据技术的发展与衍变实际，不仅衍生出了诸多高效率的数据分析方法，更是在数据整理与存储等方面实现了跨越式发展，构建形成了以时代信息为特征的技术平台体系，为新时期经济社会高质高效发展注入了无限动力[3]。

2.2 总体架构设计

在大数据时代，电力计量工作需要面对海量的数据资源，步入数据资产管理的宏观进程，实现基于大数据技术的电力计量装置故障诊断过程，为优化后续电力计量装置的整体效果提供可靠参考。基于大数据的电力计量装置故障智能化诊断技术应以数据流与信息流为主要载体，融入云计算数据平台的价值理念，构建形成数据资产管理云平台立体化组织架构，为具体实际业务的开展与运行以及数据分析处理提供可靠保障。

3 电力计量装置故障异常及检测手段分析

3.1 电力计量装置故障异常

3.1.1 窃电

窃电是电力计量实践中的常见违规行为，是直接诱发电力计量装置异常的主要原因，不利于电网系统的整体稳定性与可靠性，属于人为主观实施的异常状况范畴[4]。窃电行为通常以不正当手段，破坏电力计量装置，损毁电网系统的构件，致使电力计量装置难以准确稳定运行，出现少计量、不计量等状况，在所消耗电费数据方面存在显著偏差，久而久之容易造成电网运行的系统性问题。

3.1.2 干扰

电网系统是电力计量装置的重要载体，只有基于稳定而可靠的电网系统运行状态，才能使电力计量装置保持在良好运行环境之中。纵观当前电网系统运行实际，普遍存在着受外来各类因素干扰的问题，对干扰因素的排查、分析与防控落实不到位，会影响电网系统的稳定性，破坏电力计量装置的整体运行屏障。比如，电网谐波问题便会影响电力计量装置的基波、工频等，导致出现负荷频率，计量误差非常大，甚至容易出现负计量状态。

3.1.3 装置

尽管在当前物理硬件环境下，电力计量装置的整体性能得到了显著提升，技术参数得到了极大改进，但是在部分情况下依旧会出现自身故障问题，产生由装置问题而造成的电力计量装置故障异常。实践表明，对电力计量装置的应用配置不规范、适用环境恶劣等均会造成其数据监测异常，主要表现为显示异常、回路异常等现象，出现明显偏离实际的读数误差。因此，强化电力计量装置自身稳定性，防止装置自身问题，势在必行。

3.2 电力计量装置的检测手段

3.2.1 电流检测

电流检测是电力计量装置的主要检测手段之一，以断路器、相电流以及基变量等为主要检测对象，以更加积极主动的模式检测电力计量装置的异常问题。比如，在长时间、连续性的运行状态之后，断路器的工况无法检测到检修信号，且三相不平衡电流的数据信息超出额定标准，但未能实现自动恢复，上述这些状况均可作为电流检测的依据[5]。

3.2.2 电压检测

电压检测与电流检测类似，但在操作方法与检测原理上存在不同。在电压检测中，需要根据电网结构的整体状态，对断路器是否存在检修信息进行检测，判断电力计量装置的运行情况。若发现功率因数起伏波动幅值较大，超出技术条件允许范围，则代表着装置存在故障。同时，若电压检测发现系统自动化运行状态受到干扰，同样表明需要调整装置本身，使其满足预先设定的检测标准。

3.2.3 功率因数检测

现代科学技术的快速发展，为电力计量装置功率因数检测提供了更为丰富的技术手段，使得传统技术条件下难以完成的功率因素检测任务更具可行性。功率因数检测以相关因素数据大小及幅值为面向对象，若检测发现其存在忽高忽低状况，则需要在电力计量端口做技术处理，防止单一化的功率因数问题扩散蔓延形成系统性或多元性的功率因数问题。通过实施功率因数检测，可对电网系统中的多类型故障进行专项排查，为提升电力计量装置的准确性提供参考。

4 电力计量装置的大数据处理框架研究

4.1 采集模块

采集模块是电力计量装置大数据处理框架的关键构成要素，在大数据处理框架内发挥着数据信息采集等功能，是实现大数据技术方法的首要模块，通常根据其实际运行原理及方法可细化分为数据监测和数据采集导入两个部分。数据采集模块以电网系统的整体运行状态为采集对象，形成特定数据库集群，并通过特定数据导入方式将数据导入到预定区域范围内，可最大程度确保数据导入效率和安全。大数据环境下的电力计量装置在数据采集的同时还需要对数据进行控制处理、数据转换等预处理操作，并分担部分异常特征计算等任务。

4.2 存储模块和计算模块

在当前电网运行状况下，电力计量装置所要面对的监测数据呈指数化增长态势，如何对这些海量数据进行统筹分配与处理，以应对数据量急剧增长带来的考验，一直以来都是电力计量装置运行的关键所在。通过基于大数据技术的存储模块和计算模块，可依托更加可靠的数据分布储存方式以及可线性扩展的计算方式，为数据管理提供便利。在数据存储模块和计算模块，应配置完善的硬件设施，形成相对完整有序的数据备份和故障处理方案，对各个监测节点的状态进行同步处理，实现异常特征分析、多维数据诊断等预期效果，彰显弹性分布数据集的价值优势。

4.3 多维分析和智能诊断模块

多维分析和智能诊断模块是电力计量装置大数据处理框架的核心模块，属于系统的中枢要素，只有始终确保其整体效能，保持其稳定有序运行，才能实现对电力计量装置监测数据的多维分析和智能诊断。在多维分析和智能诊断模块的支持作用下，可根据异常数据的类型与强度，对其进行数据建模，将电力计量装置故障异常状况由数据化的方式转换为可视化的展现方式，实现对故障问题的精准研判。由于当前电力计量装置的运行环境相对多样化，因此在多维分析和智能诊断模块的设置及运行中，同样应体现出差异化，利用常用的智能故障诊断算法，在大数据框架范围内进行优化计算。

4.4 应用模块

在完成数据多维分析和智能诊断后，需要对相关处理结果进行输出，产生特定操作价值，这就需要用到电力计量装置大数据处理框架的应用模块。在当前技术条件下，该应用模块通常采用B/S架构，即所谓的大数据基础平台的封装，为具体操作用户提供交互式的操作页面，并按照特定规则与方法将多维分析与智能诊断的结果通过页面进行展示。在电力计量装置故障诊断中，通过应用模块实现人机交互，并可对诊断结果进行查询与检索，形成对计算任务的指令调度，为完善分布式、高效率的内存计算框架做出导向，提高计量装置的大数据处理效率。

5 基于大数据的电力计量装置故障智能化诊断技术探讨

5.1 电力计量装置故障智能化诊断知识库的建立

为有效提升电力计量装置故障智能化诊断的实施质量，必须首先构建基于大数据技术的知识库，将所有可能出现的故障诊断类型纳入知识库的涵盖范围之内，以对电力计量装置的工作情况进行动态监测。在大数据技术环境下，故障智能化诊断知识库得同样具备动态化特征，对其中的数据信息保持动态化删除、修改、更换以及查询等。通常情况下，故障智能化诊断知识库还应包括两个方面，即异常特征模型和专家规则库，以实现对不同类型故障问题的优化处理。对于异常特征模型而言，可建立模块并进行修改或删除，而专家规则库则可实现对具体故障模块数据的导入与导出，实现二者的同步并行。知识库建立后，应对其中的数据信息进行纵向比对，利用逻辑规则，分析电力计量装置的异常信息，诊断该装置中故障的类型。

5.2 电力计量装置故障的在线监测

在线监测功能需要通过分布式系统予以实现。大数据技术的关键应用核心在于对数据的分析与判断，而在线监测功能则可对电力计量装置储存的相关数据进行监测。在此过程中，应制定详细可行的在线监测实施规则，为具体监测行为与监测过程的确定提供基础性依据与保障，防止在线监测过程无据可依、无章可循，确保在线监测工作始终沿着更高效率与更高质量的方向发展。要明确在线监测数据的访问形式，在系统内部通过流式数据的方式对电力计量装置的信息进行调阅与访问。若在线监测无法实现对特定类型数据的访问，则要判断其中是否存在较大容量的存储文件，对在线监测系统进行校验，对电力计量装置的部分数据做出去伪处理。

5.3 电力计量装置故障异常信息的诊断

异常信息的出现会导致电力计量装置发生相应故障，因此应针对异常信息做出专门处理，以确保电力计量装置的稳定、高效、精准运行，并对其是否存在故障状态做出研判。在电力计量装置故障异常信息诊断中，必须强化具体操作人员的专业素养，形成“大数据思维”，在面对各类异常信息诊断需求时，主动运用“大数据思维”解决相关难题，以更好地对故障类型、具体位置及规模影响等做出分析。电力计量装置出现异常信息，主要是由于电压回路或电网系统电流回路出现故障，导致电流与电压的起伏波动，应通过报警系统获取警报信息，对故障问题进行分析并处理。

5.4 多样化故障预警技术

多样化故障预警技术需要依赖于多样化的故障诊断模型，以最大限度降低电力计量装置的故障率。若电力计量装置出现故障问题，正常工作运行状态被打破，则系统应及时启动预警机制，对电力计量装置的运行情况进行提醒，并将相关提醒信息传递到主站计算机系统。同时，多样化故障预警技术还具有文语转换、预警短信等多种类型模式，可对各类不同故障予以精准分析。以文语转换技术为例，它可根据音色以及语言类型的不同，将故障预警信息传递到预先划定的监测责任范围内，使不同的责任区对故障预警信息进行分类发送。

6 结语

受大数据技术框架、电力计量装置实际应用环境等方面的影响，当前电力计量装置故障智能化诊断实践中依旧存在诸多薄弱环节，阻碍着诊断效率与质量的优化提升。因此，有关人员应该从电力计量装置故障诊断的客观实际出发，遵循大数据技术的实际应用原理与规程，创新故障智能化诊断的方法流程，为全面彰显大数据技术的核心价值奠定基础，为促进电力计量装置故障智能化诊断技术的发展贡献力量。