缩短电能计量装置异常发现时间的探索

2021-09-07王海军王文秀闫宵雅

山东电力高等专科学校学报 2021年4期

王海军，王文秀，闫宵雅

（国网咸阳供电公司，陕西咸阳 712000）

0 引言

电能计量装置准确可靠运行，是公正计量的基础，关系到电力企业和客户的经济利益。电能计量装置是各种类型的电能表或与计量用电压、电流互感器（或专用二次绕组）及其二次回路相连接组成的用于计量电能的装置，包括电能计量柜（箱、屏）［1］。现场电能计量装置异常时有发生，异常类型也各不相同。异常持续时间长，造成电量足额追回困难，给供电企业带来较大的经济损失和不良社会效益。电能计量装置电压等级越高、异常持续时间越长，电力营销风险越大。

对电能计量装置的异常监测与分析研究越来越多。文献［2-3］基于传统的方法如六角图法进行分析错误接线等。文献［4-6］基于电能计量装置异常状况设计相关监测系统进行分析研究。文献［7］借助用电信息采集系统对电能计量装置的异常进行智能分析。文献［8］基于朴素贝叶斯方法进行智能分析研究。文献［9-10］基于目前大数据的分析方法对电能计量装置的运行状态进行评估研究。本文重点分析了导致电能计量装置异常时间长的原因，基于大数据的研究思路提出基于K-means聚类等解决方法，不仅大幅度缩短了电能计量装置异常发现时间，同时提升了电能计量装置技术管理水平。

1 电能计量装置异常分析

电能计量装置异常时间，即单次单个电能计量装置从电能计量装置异常产生至恢复正常的时间。电能计量装置异常时间包括异常产生至异常发现时间、异常分析识别时间和异常现场处理恢复时间。本文针对某公司2019年全年的电能计量装置异常时间进行分析。

1.1 电能计量装置异常时间分析

1）分析2019年全年发生的39起电能计量装置故障发现，全年总异常时间长达到2 588日，平均单次异常时间长达到66.4日，单次异常最长时间达到360日，如表1所示。

表1 电能计量装置异常时间统计分析

2）根据2019年1—12月发生的电能计量装置异常原因调查情况，得出该公司发生电能计量装置异常时间的主要原因：电能计量装置TA、TV极性接反，电能计量装置二次回路连接螺丝松动，联合试验接线盒连片位置不正确，TV高压侧保险熔断，相位接错等。对其产生与引起电能计量异常时间开展统计分析，如表2所示，2019年电能计量装置异常发生至发现时间为1 949日，占比为96.6%，且螺丝松动导致装置计量异常占比为71.2%，远高于其他原因所占比例。

3）根据不同电压等级分析，电能计量装置异常时间占比，如图1所示。统计分析表明，10 kV电能计量装置异常时间占比高达82.3%。结合表2分析，10 kV电能计量装置螺丝松动时计量异常产生至发现时间长是电能计量装置异常时间长的主要原因所在。

表2 故障类别异常时间分析

图1 各电压等级在电能计量装置异常时间占比

1.2 螺丝松动异常时间长原因分析

1）监控系统缺少相应智能识别算法分析。电能计量装置因螺丝松动导致计量异常，分电压螺丝松动和电流螺丝松动两种情况。电压螺丝松动时，表现出对应电压值出现近似0或额定值的情况；电流螺丝松动时，表现出电流值缓慢减小或者出现近似为0的情况，表计功率随之出现类似的变化。

用电信息采集系统中针对电流失流的判定规则：任意一相的电流绝对值小于0.5%额定（基本）电流，另外一相的电流绝对值大于等于0.5%额定（基本）电流，如果监测到电能表有失流事件，则1天内监测到至少1个点，就生成电流失流异常事件。否则，需要至少监测到连续3个点满足才生成异常事件。关于三相电流不平衡判定规则：最大值减最小值的差与最大值的比值大于50%，1天内监测到不少于10个点满足，且连续3天是同样的情况则生成异常事件。

上述识别规则中，失流事件的阈值偏小，发生的10 kV电能计量装置螺丝松动导致的计量异常事件中，没有达到该阈值范围的，缺乏对失流的监控是该类异常事件难以发现而引起异常持续时间长的原因。

2）作业人员专业培训少。统计2019年相应班组人员参加电能计量装置异常识别实操培训的数据，并组织不同专项培训学时人员对10 kV电能计量装置螺丝松动引起计量异常识别进行20次模拟测试，准确识别次数如表3所示。

表3 不同专项培训学时与人员模拟异常准确识别次数调查表

不同专项培训学时与人员模拟异常准确识别次数相关系数为0.91，正相关。进一步通过方差分析验证得出，培训时长对能否准确识别异常的影响显著。采用单因素方差分析如表4所示，结果显示培训学时少对症结影响显著。

表4 单因素方差分析

3）设备巡检次数少。设备的周期巡视、现场检查以及借助其他业务进行计量设备的巡视检查，有助于更早地发现计量装置问题进行消缺，可根据用户现场实际用电情况更准确地判断计量装置运行情况。根据电能计量装置投运、换表、故障处理及设备巡视台账等，统计2019年计量装置异常情况，分析设备巡视次数与计量装置异常产生至发现时间之间的关联关系，统计如表5所示。

表5 设备巡检次数与计量异常发生至识别时间统计表

通过单因素方差分析设备巡视次数对10 kV电能计量装置异常发生至识别时间的影响，如表6所示，设备巡视次数对异常发生至识别时间影响显著。

表6 设备巡视次数单因素方差分析

2 缩短电能计量装置异常发现时间措施

2.1 应用电能计量异常智能识别算法

为了准确识别电能计量装置螺丝松动导致计量异常问题，通过分析总结螺丝松动引起的计量异常所表现的工况数据和电量数据等变化情况，制定了相应的智能识别算法。基于聚类的智能识别方法提取出与近两周负荷大小变化相似且对负荷进行判断识别异常点，达到识别电流异常的目的。采取纵向归一化方式，最大限度地保持同期负荷数据的幅值在同一参考范围内。根据聚类的目标函数即所有日负荷曲线到所属类的聚类中心的距离平方总和最小，最终得到的聚类结果是将负荷大小相似的归为一类，以保证判别日负荷与历史负荷大小相似度达到局部最优。

K-means所优化的目标函数：设一共有N个数据点需要分为m类，K-means要做的就是最小化。

其中，τnk在数据点n被归类到第k类的时候为1，否则为0；Xn表示数据点n；μk表示第k类的聚类中心。

基于K-means聚类法进行异常识别分析，具体步骤：

1）基于电力用户用电信息采集系统及某省电网全电量采集系统提取用户电能计量工况数据。

2）各时刻点负荷作为聚类特征，进行纵向归一化后采用K-means聚类并提取包括判别日负荷的类。

①进行聚类时，每个负荷日作为一个聚类样本，加判别日负荷则共为n日，负荷日采样点为m点，最终输入数据格式为：

式中：li，j表示第 i日第 j个时点的负荷值。

为使不同负荷水平的负荷日放在同一波动范围内进行聚类，需对负荷数据做标准化处理，用标准化方法进行数据处理，方法如下：

②采用K-means聚类方法进行聚类，并提取包括判别日，且与判别日负荷幅值大小相似的类。

③聚类个数选择，即以类内距离平方总和最小为目标函数，聚类个数从2至15变化，根据目标函数选择最佳聚类个数。

④基于步骤③中选择的最佳聚类个数，采用K-means聚类方法进行聚类，并提取包括判别日以及包括判别日的类。

⑤分别计算判别日在各时刻点负荷占该类负荷聚类中心的对应点的百分比。

3）采用上述方法判断连续3天的负荷，若有判别日出现20个负荷点占对应聚类中心点百分比小于25%，则判定为电流虚接异常。

4）分析异常日对应异常点各相电流值与同类负荷日中电流值差异情况锁定异常相，并随后去现场核实检查确认异常。

2.2 加强工作人员业务技能水平培训

通过制定专项培训计划，定期进行测试考核；强化师带徒，针对不同业务项目定期测试考核，提高工作人员发现问题、解决问题的能力；定期开展电能计量装置异常典型案例的研讨，针对螺丝松动导致的电能计量装置异常时间长，制定电能计量装置处理流程图，电能计量装置处理流程如图2所示。

图2 电能计量装置处理流程图

2.3 增加电能计量装置设备巡视次数

增加计量装置巡视次数主要是结合业扩报装、变电站投运等工作，巡视次数增加但巡视费用不增加；严格执行“谁投运，谁负责”的监控原则，建立重点监控名单，以设备主人翁的精神服务客户并保证计量准确；新投用户必须执行第1个月首检，对于投运后满1个月仍然无负荷用户，通知用户当有负荷时联系计量人员进行复查，同时将该类用户加入重点监控名单，至投入负荷1个月正常后解除；故障处理、换表等用户，加入重点监控名单，持续1个月正常后方可解除；监控系统报异常用户，必须1周内到现场核查；10 kV电压等级计费用户，执行3个月检查1次；变电站10 kV电能计量装置6个月至少检查一次。开展交叉检查和随机抽检结合方式，通过现场检查78户，发现螺丝松动的4户，保险接触不良的1户，表计报警的2户，存在缺陷的4户，目前均已恢复，对造成电量少计用户完成电量追补工作。

3 应用前景效果分析

通过对电能计量装置异常时间发生的原因分析，提出相应的解决措施并实施，该单位的单次电能计量装置异常发现时间全部小于30日，平均电能计量装置异常发现时间缩短至24日，如表7所示。比2019年平均异常发现时间缩短42.6日，追回电费11.27万元。按整改前后平均计量异常持续时间计算，挽回损失24.20万元，且电能计量装置故障处理效率大大提高，具有一定推广价值。