电能计量装置误接线分析方法及数据管理系统设计

李鹏程，徐宏伟，王俊融，柳林溪，刘超翔，李金友

(贵州电网有限责任公司计量中心，贵州 贵阳 550002)

电能计量装置的错误接线容易引发电力安全事故，导致电力设备受到不同程度损害[1-2]。电能计量装置接线涉及电能表、互感器及其辅助设备等部分，连接方式根据设备与电网运行方式不同可分为单相、三相四线、三相三线等，根据电压等级可分为低压、高压[3-4]。由于电能计量装置分类及分类中过多，对于误接线的分析较为复杂[5-6]。

在实际生产工作中，电能计量装置接线检测多为人工检测结合电能表现场校验仪现场检测。检测装置中误接线类型因数学模型有限性难以应对全面的误接线类型[7-8]。此外，为方便现场作业人员将计量装置所检查的错误记录与上传数据供给电力从业员开展其余的工作，亟须设计研发电能计量装置接线数据智能管理系统。

本文针对上述问题，结合电能计量装置现场接线检测的实际情况，提出电能计量误接线建模方法，设计基于低延迟通信大数据分析电能计量装置接线数据智能管理系统，为电能计量装置接线检测提供标准化理论基础，实现对现场误接线检测数据管理与电能计量装置溯源管理。

1 电能计量装置误接线分析建模

1.1 误接线类型分类

结合实际电力生产中电能计量装置误接线检测工作，误接线类型可根据接线方式归类以下三种模式下的误接线类型[9-10]，其余复杂误接线及误接线程度可基于下述类别展开。

(1)单相：缺相、反极性；

(2)三相三线：缺相、反极性、串相；

(3)三相四线：缺相、反极性、串相。

根据电能计量装置误接线类型，可建立误接线识别数学模型。误接线数学模型需符合各类误接线类型，又需应对不同程度， 不同组合的误接线类型[11-13]。故可首先进行分类建模，将缺相、反极性、串相等形式进行分开表示。图1为电力系统运行时各种情况下测量电压、电流的相量图。

图1 误接线相量图分类Fig.1 Miswired phasor diagram classification

如图1所示，三种典型误接线会使得功率因数角φ发生变化。故可通过功率因数角描述各类型误接线，由此建立相关数学模型如下：

(1)

在式(1)中，由测量电压UT与测量电流IT与额定值幅值进行第一步比较，根据差值筛选出分类故障。由于缺相误接线无法得到测量值，故进行第一步判断时可直接筛选出缺相，之后进行第二步予以辅证。其余两类基本误接线类型，先以第一步幅值判定为串相或反极性，之后以第二步筛选出具体误接线类型。

1.2 误接线判别模型构建

式(1)中三个误差值εUr、εIr与εφ为单类误接线识别的判定标准，为更符合测量实际，可将三类误差值进行扩展处理：

(2)

式(2)中，三类误差值以可变参数的形式表示，其中εUN、εIN与εφN为误差固定参考值，δUN、δIN与δφN为调整参数，作为可变参数跃变的活动区间。为更能精确地表示判定标准，可将式(1)改写如下：

(3)

式(3)中，引入了一组定值参数kU、kI与kφ将误差可变参数调整为确定数值，由此定值参数与误差可变参数的确定是模型具体化的关键。基于电力系统实际运营情况，可对计量装置测量的数据进行大数据分析，后以自动预测趋势和行为得出两组参数的关系[14-15]。误接线参数确定的数据分析流程如图2所示。

图2 误接线参数确定的数据分析流程Fig.2 Data analysis process for determining misconnection parameters

关联分析过程涉及两组参数，三类变量，其中εUN、εIN、εφN与δUN、δIN、δφN两类变量耦合程度高，可用函数表示两类参数关系如式(4)所示，其中a与b为适应校正参数，作数据关联的线性组合。

(4)

在式(4)中，误差固定参考值可用多元线性回归[16-17]确定，其表示如下式(5)所示：

(5)

定值参数kU、kI与kφ的确定可通过聚类方法确定其函数方式，由于式(4)中适应校正参数与测量值为非线性关系，故可将式(3)改写如下式(6)：

(6)

对于适应校正参数a与b可计量装置的测量数据与其使用时限，运用动态神经网络时间序列进行调整。适应校正参数与定值参数的引入，能够解决三种类型误接线类型的识别，其可过滤误接线接触程度、计量装置设备运行情况带来的误差。

1.3 多重误接线判别

由于计量装置中会基于上述三种基本误接线产生多重误接线，由于三相运行时每一相所产生的误接线类型存在逻辑关系，故需考虑多重误接线带来的问题。本文引入一组逻辑判定变量，对误接线类型进行线性组合。由此可确定误接线模型为:

(7)

在式(7)中，基于数据关联分析可得出定值参数与适应校正参数各自间存在的非线性关系，引入列向量与可以最终确定返回参考值。参考值区间可判定误接线类型。

2 接线数据智能管理系统设计

2.1 电能计量装置接线检测硬件框架

电能计量检测装置的测量模块为测量电源、电流信号输入、电压信号输入、测量值转换、相量图显示等模块构成。图3为电能计量检测装置接线检测结构图，其中系统中所传输的信号为弱信号。在不通电、不拆开任何一二次接线情况下，在计量装置PT一次侧输入激励信号，峰值为5V，在10ms时间内完成各相激励与响应电压/电流的测量，计算出弱信号的幅度、相位等相关的中间参数，再拫据中间参数特征与各种故障模型关联，识别出各相的接线状态。

图3 电能计量检测装置接线检测结构图Fig.3 Wiring detection structure diagram of electric energy metering detection device

在实际工作中，为实现对电网的监控与调度，需设立后台通信系统，将现场数据传输至后台数据中心供予相关电力工作人员进行数据分析[18-20]。现场信息与后台通信的通道多为有线光纤通信或云端无线通信，这两类通信损耗低，传输数据完备。

图4为现场工作数据与后台数据传输示意图，为研发接线数据智能管理系统，在检测装置与远方监控平台当中应构建无线通信传输通道，实现实时信号传输，同时设计云端智能技术[21-22]设计数据管理存储系统。

图4 现场工作数据与后台数据传输示意图Fig.4 Schematic diagram of field work data and background data transmission

2.2 分布式架构数据管理系统

数据管理系统需在接受现场工作传来的实时数据外，对传输的接线判别数据进行储存和管理。为使得在远方数据终端用户能够进行高可用性，即多用户访问时不产生服务器繁忙，导致服务延迟现象，可采用分布式架构进行设计。

现场处理的电能计量检测装置对误接线的数据计算与处理具备可移植性，为适配现场数据传输后对数据处理可扩展性与移植性，可对数据管理系统进行分层设计[23-25]。系统分层框架如图5所示。

图5 数据管理系统总架构Fig.5 Overall architecture of the data management system

接线数据智能管理系统的分层设计，可分作数据层、组件层、功能层、应用分析层。其中数据层可实现与电能计量检测装置接线数据交互同时完成数据信号的实时传输。由于架构为分布式，后台中心在发布数据采集任务时可拆分下发与下方，故能够使得多台计量检测完成数据计算转换，并完成数据同步收集存储于系统中。

组件层为功能层开发所需的各类插件，用以保证系统各项功能可以有效运行，同时方便对系统功能完成升级维护。功能层中包含系统各部分功能模块，功能模块为设计时需要系统达到的各项功能，由此可将系统功能层划分单独功能模块的集合。

在接线数据智能管理系统功能模块设计中，功能模块主要包括：

1)工作地查询：该类功能可实现对不同地点、设备所做计量检测的溯源。其可通过计量检测装置中带GPRS功能的现场校验仪进行定位数据交互后实现。

2)计量数据查询：该类功能可实现对每一台单独工作检测装置接线数据的网格化查询，也可分日期查询当日工作的检测装置所上传的接线数据。其可通过工作的电能计量检测装置实时交互后数据存储的转换计算完成。此类功能可借助带有云计算的高性能服务器，通过云端智能技术，完成数据储存时的智能识别，将查询路径进行分类，同时以5G通信实现快速查询。

3)检测装置状态监测与统计：该类功能可实现计量检测装置目前工作状态，如是否投入工作中，是否出现功能异常或有损坏等，同时能监测检测装置工时。实现此类功能可在数据交互时以时钟同步记录检测装置工作时间，当装置开始工作时时钟记录，结束工作时完成记录。若检测装置出现异常时，时钟同步不启动，同时现场传输报错指令，由数据层进行计算转换，在系统监测界面发出报错指令。若检测装置无法工作时，交互停止，系统监测界面不存在检测装置工作信息，可直接判定其无法工作。

4)数据云端备份：为使得所有接线数据与其他数据完备，使用云端备份技术作为保障。

5)其他功能：可视后台工作人员需要继续开发。

应用分析层为所设计的电能计量检测装置接线智能管理系统所展现的web网页平台或所开发的特定软件。三个主要系统中，导出分析系统可导出指定接线数据，如某日在某地工作地点的计量检测装置所检测出的计量装置的接线数据、相关设备误接线类型，检测装置工作时间，接线检测时间等，此类数据可供给电力工作人员进行分析。查询系统可供用户查询不同模式下的接线数据与其他数据，如分时间查询，或分地点查询，或按检测装置查询。

图6为OMS数据移植应用过程。OMS系统移植为OMS导入功能，将数据导入OMS后可对重要检测事件在网站记录，随后可以短信、邮件或app消息将检测工作日相关过程发送至相应工作人员手机或邮箱，实现工作信息共享。

图6 OMS数据移植应用过程Fig.6 OMS data migration application process

3 实验与分析

使用本文方法和系统对单相、三相四线、三相三线模式进行检测，设置单类型误接线以及多类误接线类型，验证所提出方法的准确性。表1和表2分别为单相误接线检测结果和三相模式多重误接线检测结果。

表1 单相误接线检测结果Tab.1 Detection results of single-phase miswiring

表2 三相模式多重误接线检测结果Tab.2 Multiple misconnection detection results in three-phase mode

参见表1，在单相检测中，设置误接线模式后在多重误接线后得出逻辑输入值均落在0到1数值区间内，这可反映出误接线接触程度的不同，是模型灵敏性的体现，其结果不影响逻辑输出的判断。

参见表3，三相模式检测结果均适用于三相四线制与三相三线制条件下的检测。在三相检测中，反极性测试的逻辑输入值与单相形式取值相反，落在-1到0区间内。误接线类型的判定有逻辑输出值与逻辑输入值共同决定。由表3可知，当误接线类型复杂时，检测模型仍能有效进行准确判定，其数据并未产生区间偏差带来误判。

4 结论

本文提出了电能计量误接线检测建模方法，建立了适应性较强的误接线识别模型。所建立的模型引入两组参数函数形式，通过数据关联分析得到参数函数形式，辅助模型获得有效的适应性。在此基础上，设计了电能计量检测装置接线数据智能管理系统，设计系统基于现场工作仪器与远方后台，运用了低延迟数据交互、实时信息传输、分层架构技术、云端智能技术等综合方法设计分布式现场远方交互架构的数据智能管理系统，该系统具备数据类型全，查询功能多，可移植性等特点，丰富了电力工作智能管理系统类型，也使得电能计量方面工作有了多的溯源路径。