论文部分内容阅读
摘要：电力计量是电力日常管理的核心工作之一，它与电能的产生、输送以及终端消耗均密切相关。电力计量的准确与否，直接关系着电力市场能否公平、公正、有序的运营。电力计量装置发生故障时，如果依据传统的人工方式进行判断，及操作效率较低，診断准确性较差。为了解决传统计量的不足，科研人员基于大数据研发了一种针对电力计量装置发生故障时的智能化综合诊断方法。
关键词：大数据;电力计量装置;故障智能化诊断技术
一、我国电力计量装置运行现状
我国终端数据的接入量和采集量呈指数化增长，根据可靠数据显示，采集器日均收集数据多达29亿，高强度不间断的运营必然为故障的发生埋下隐患。一旦故障发生，维护人员的维护工作十分艰难。因此电力公司急需研究出高效的电力计量装置故障诊断方法，优化企业电力计量监控流程，提升电网的运行效率，缩短维护时间和成本。
当下，供电企业应用较多的电力计量装置故障判断方式主要分为以下三类：利用信号诊断;利用数据模型诊断;利用经验进行诊断。但无论上述何种方式，都无法摆脱对操作人员个人经验的依赖，尚不具备人工智能。
近些年我国人工智能诊断技术发展迅猛，科研人员不断将人工诊断技术应用于各行各业，通过创新型探索，使该技术不断贴合人们的需求。在电力企业日常运营中，采集数量据大的数据已成为日常基础性工作，但供电企业工作人员发现，电力计量终端极其容易出现问题。究其根源在于电力计量装置采集的数据量已远远超过50G，传统的数据库难以匹配其呈指数化增长的数据处理需求，难以在短时间内寻找到电力计量终端存在的故障，这就导致其工作效率难以达到客户的期待，诊断延时的状况不断出现。而电力工作人员在寻找引发电力计量装置产生故障的原因时，往往都是根据既往的工作经验，结合故障现场的表现进行综合判定，也需要多次尝试才能找到问题，并昀终解决问题，这种解决方式成本高、效率低，难以适应现代化的电力计量装置故障排除需求。为解决这一问题，利用大数据为基础，研发出一种新的电力计量装置故障诊断方式，成为较为可行的解决方案之一。
二、基于大数据的电力计量装置故障诊断方式
基于大数据的电力计量装置故障排除方法总共可分为以下几个步骤：
首先，需进行系统初始化，建立并完善故障诊断数据库;然后，通过实时监控电力计量装置的运行状态，抓取异常数据，从而判断是否存在异常状态;昀后，对监控到的数据进行分析研究，判断是否属于异常状态，并给出解决方案。
（一）建立电力计量装置故障排除诊断知识库
在对知识库进行功能定位时，除了需具备存储监测和诊断数据结果的功能外，还应当具有删除、修改和查询历史数据的功能。与此同时，应当在数据库中录入全部已发现的故障方式，通过日常定期更新和重大问题实时更新的方式，以确保数据库能够准确的诊断出故障问题。
该知识库应当包括异常特征模型以及专家规则库两大部分，前者可细化为建立、修改和删除三部分，后者同样可细化为导入、导出和修改三部分。为实现统一管理的目的，该知识库应当使用web界面，这样数据库在收集到电力计量装置运行状态的数据后，可以主动与异常经营模块以及专家规则库进行比对，以实现对监测到的电力计量装置故障进行分类。
在每次诊断活动中，知识库都需要根据收集到的数据建立一个与之一致的异常特征模型。由于任何一个异常特征模型，都无法包含全部的异常表现形式，因此，为了该知识库可以高效的识别出任何一种异常故障特征，工作人员需要对该知识库进行定期维护。举个例子，任何一个电力计量装置故障排除知识库中，内部必将存储大量的异常特征模型库，为防止异常特征模型库的数据占比过大，工作人员需要定期清除某些不符合电力计量装置运行状态的异常特征模型库，而保证数据库拥有足够的存储空间。
此外，数据库中应当详细的记录专家规则，每次运行异常状态诊断时，应当保留好备份，以方便工作人员进行后期查看。鉴于每个专家规则都拥有自身特定的逻辑，仍然在进行维护时，需定期导出有关数据，并对该知识库中存储的逻辑规则进行丰富。这样工作人员就能够通过这些特定的规则逻辑，找到与之相对应的电力计量装置的异常特征编码以及针对有关故障的解决方案。
（二）电力计量装置故障在线监测
电力企业运维人员可以利用分布式系统hadoop以实现对电力计量装置的实时监测。实施检测时，重要的工作应当是确保存储数据的安全。存储数据关系到整个电力计量装置能否安全运营，且该数据存储量通常较大，如果该数据出现问题，则将导致电力计量装置瘫痪。
其次，还应当监测数据访问形式。通常情况下，流式数据是访问的常见模式，如果数据无法以该模式进行访问，则通常也可认定电力计量装置发生故障。
然后，因为人员还应当时时关注计量装置能否支持运行大文件，以确保计量装置能够准确计量出内部数据。
昀后，应当增强电力计量装置数据再平衡的能力，当监测到的数据达到一定阈值时，可自动实现数据转移。
（三）电力计量装置故障异常信息诊断
异常信息的出现意味着产生了故障，所以，处理异常信息的过程就是排查计量装置故障发生原因的过程。首先我们应当将监测到的数据与存储在数据库中的数据进行对比，以明确其是否存在故障。如果存在故障，则接下来需要判断故障发生的位置，具体可通过以下三种方式进行排查：其一，判断计量设备是否发生异常;其二，判断是否为采集设备发生异常;其三，判断是否为用电设备发生异常。
结合本文论题，笔者认为上述三种方式中，首要应当排查计量装置是否发生异常，具体可以检查电力系统内部电压回路是否正常，电流回路是否正常、电表能否正常运转、时间记录是否发生异常以及电压是否稳定。
参考文献
[1]闫卫国 蒋菱 徐青山 电力系统调控一体化系统及技术分析[J].电力系统及其自动化学报，2018.30（2）
[2]李景青.电力计量大数据对计量装置运维的应用[J].技术与市场，2017.24（9）
关键词：大数据;电力计量装置;故障智能化诊断技术
一、我国电力计量装置运行现状
我国终端数据的接入量和采集量呈指数化增长，根据可靠数据显示，采集器日均收集数据多达29亿，高强度不间断的运营必然为故障的发生埋下隐患。一旦故障发生，维护人员的维护工作十分艰难。因此电力公司急需研究出高效的电力计量装置故障诊断方法，优化企业电力计量监控流程，提升电网的运行效率，缩短维护时间和成本。
当下，供电企业应用较多的电力计量装置故障判断方式主要分为以下三类：利用信号诊断;利用数据模型诊断;利用经验进行诊断。但无论上述何种方式，都无法摆脱对操作人员个人经验的依赖，尚不具备人工智能。
近些年我国人工智能诊断技术发展迅猛，科研人员不断将人工诊断技术应用于各行各业，通过创新型探索，使该技术不断贴合人们的需求。在电力企业日常运营中，采集数量据大的数据已成为日常基础性工作，但供电企业工作人员发现，电力计量终端极其容易出现问题。究其根源在于电力计量装置采集的数据量已远远超过50G，传统的数据库难以匹配其呈指数化增长的数据处理需求，难以在短时间内寻找到电力计量终端存在的故障，这就导致其工作效率难以达到客户的期待，诊断延时的状况不断出现。而电力工作人员在寻找引发电力计量装置产生故障的原因时，往往都是根据既往的工作经验，结合故障现场的表现进行综合判定，也需要多次尝试才能找到问题，并昀终解决问题，这种解决方式成本高、效率低，难以适应现代化的电力计量装置故障排除需求。为解决这一问题，利用大数据为基础，研发出一种新的电力计量装置故障诊断方式，成为较为可行的解决方案之一。
二、基于大数据的电力计量装置故障诊断方式
基于大数据的电力计量装置故障排除方法总共可分为以下几个步骤：
首先，需进行系统初始化，建立并完善故障诊断数据库;然后，通过实时监控电力计量装置的运行状态，抓取异常数据，从而判断是否存在异常状态;昀后，对监控到的数据进行分析研究，判断是否属于异常状态，并给出解决方案。
（一）建立电力计量装置故障排除诊断知识库
在对知识库进行功能定位时，除了需具备存储监测和诊断数据结果的功能外，还应当具有删除、修改和查询历史数据的功能。与此同时，应当在数据库中录入全部已发现的故障方式，通过日常定期更新和重大问题实时更新的方式，以确保数据库能够准确的诊断出故障问题。
该知识库应当包括异常特征模型以及专家规则库两大部分，前者可细化为建立、修改和删除三部分，后者同样可细化为导入、导出和修改三部分。为实现统一管理的目的，该知识库应当使用web界面，这样数据库在收集到电力计量装置运行状态的数据后，可以主动与异常经营模块以及专家规则库进行比对，以实现对监测到的电力计量装置故障进行分类。
在每次诊断活动中，知识库都需要根据收集到的数据建立一个与之一致的异常特征模型。由于任何一个异常特征模型，都无法包含全部的异常表现形式，因此，为了该知识库可以高效的识别出任何一种异常故障特征，工作人员需要对该知识库进行定期维护。举个例子，任何一个电力计量装置故障排除知识库中，内部必将存储大量的异常特征模型库，为防止异常特征模型库的数据占比过大，工作人员需要定期清除某些不符合电力计量装置运行状态的异常特征模型库，而保证数据库拥有足够的存储空间。
此外，数据库中应当详细的记录专家规则，每次运行异常状态诊断时，应当保留好备份，以方便工作人员进行后期查看。鉴于每个专家规则都拥有自身特定的逻辑，仍然在进行维护时，需定期导出有关数据，并对该知识库中存储的逻辑规则进行丰富。这样工作人员就能够通过这些特定的规则逻辑，找到与之相对应的电力计量装置的异常特征编码以及针对有关故障的解决方案。
（二）电力计量装置故障在线监测
电力企业运维人员可以利用分布式系统hadoop以实现对电力计量装置的实时监测。实施检测时，重要的工作应当是确保存储数据的安全。存储数据关系到整个电力计量装置能否安全运营，且该数据存储量通常较大，如果该数据出现问题，则将导致电力计量装置瘫痪。
其次，还应当监测数据访问形式。通常情况下，流式数据是访问的常见模式，如果数据无法以该模式进行访问，则通常也可认定电力计量装置发生故障。
然后，因为人员还应当时时关注计量装置能否支持运行大文件，以确保计量装置能够准确计量出内部数据。
昀后，应当增强电力计量装置数据再平衡的能力，当监测到的数据达到一定阈值时，可自动实现数据转移。
（三）电力计量装置故障异常信息诊断
异常信息的出现意味着产生了故障，所以，处理异常信息的过程就是排查计量装置故障发生原因的过程。首先我们应当将监测到的数据与存储在数据库中的数据进行对比，以明确其是否存在故障。如果存在故障，则接下来需要判断故障发生的位置，具体可通过以下三种方式进行排查：其一，判断计量设备是否发生异常;其二，判断是否为采集设备发生异常;其三，判断是否为用电设备发生异常。
结合本文论题，笔者认为上述三种方式中，首要应当排查计量装置是否发生异常，具体可以检查电力系统内部电压回路是否正常，电流回路是否正常、电表能否正常运转、时间记录是否发生异常以及电压是否稳定。
参考文献
[1]闫卫国 蒋菱 徐青山 电力系统调控一体化系统及技术分析[J].电力系统及其自动化学报，2018.30（2）
[2]李景青.电力计量大数据对计量装置运维的应用[J].技术与市场，2017.24（9）