（内蒙古电力（集团）有限责任公司鄂尔多斯电业局内蒙古鄂尔多斯017000）
摘要：对用户电能计量装置运行状况进行诊断分析非常重要，完成此项工作一般需要在现场进行校验，但此类方法存在繁杂，并且不具时效性的特点。为此，本文基于用电信息采集系统提出了有关电能计量装置异常智能的分析方法，希望以此为电能计量装置运行的安全性及可靠性提供一些具有价值的参考凭据。
关键词：用电信息采集系统；电能计量装置；智能分析
0.引言
对于用户电能计量装置来说，其运行状况的诊断分析通常依托现场校验加以实现，此类方法较为单一，且复杂程度高，不具时效性。而用户用电信息采集系统则具备非常显著的价值作用，能够应用在用电信息采集与处理方面，与同时还能够进行实时监控，进一步完成对用户用电行为的分析及管理[1]。将用户用电信息采集系统应用在电网当中，还能够使电网实现智能化。由于基于用电信息采集系统的电能计量装置存在异常状况，因此采取有效的智能分析方法非常重要。这也是本文对用电信息采集系统的电能计量装置异常智能分析方法进行探究的根源所在。
1.用电信息采集系统简要分析
对于电力用户用电信息采集系统来说，可对一些重要信息实现实时采集，比如用户电量、电压以及电流等。与此同时，还能够对计量装置的运行状况进行在线监测。基于整体层面分析，电力用户用电信息采集系统分为三大模块，即为：主站层、通信信道层以及采集设备层。在主站层当中，分为营销采集业务应用、前置采集平台以及数据库三大内容。通信信道层当中包括了诸多局域网，如光纤专网、230MHz无线专网以及CPRS/CDMA无线公网等[2]。采集设备层所涵内容诸多，如专变终端、计量设备、集中器、采集器等，每一项均有自身的功能及作用。将用电信息采集系统投入应用，可以发挥其用电信息采集及处理功能，并且能够实现实时监控，从而使电网实现智能化。由于用电信息采集系统的电能计量装置存在异常状况，因此在分析计量装置异常的情况下，对其智能分析方法进行探讨非常重要。
本次研究重点提到的是高压供电专变用户，主要存在两类计量方式：其一为高供高计；其二为高供低计。一方面，对于高供高计计量策略来说，其计量点基于转变的高压部位，计量的数据项是AB项和AC相两者间的线电压与A、C相的相电流。高供低计计量模式的计量点基于转变的低压部位，计量的数据属于A、B、C三相的相电压及相电流。对于此类用户而言，主要是经负荷管理终端与电能表实现用电信息采集，与此同时实现用电信息的控制及管理。基于负荷管理终端所采集的数据诸多，涵盖了电能数据、工况数据以及电能质量等。另外，在负荷管理终端中，还包括了事件记录数据。
2.计量装置异常分析
基于用电信息采集系统的电能计量装置异常故障诸多，最为显著的有以下四类：其一为表计故障；其二为接线盒故障；其三为互感器故障；其四为终端故障。下面本人就对这四类计量装置异常故障进行分析。具体内容如下：
2.1表计故障
表计故障基于电能计量装置运行期间时常发生，并且其故障种类繁多，涵盖了电池故障、存储器故障以及电子元器件老化等等。
2.2接线盒故障
在受到接线盒当中的接线端子螺丝松动的影响，或者在受到线路长时间超负荷运行的影响下，极有可能引发一系列故障，例如接头位置出现松动状况、有火花产生以及胶皮产生大量热量等。在接线盒子长时间应用的情况下，会导致连接片氧气，进而引发接触不良等故障。另外，相关工作人员在没有将接线端子螺丝拧紧的情况下，会引发接线端子没有完全接上或虚接等故障。
2.3互感器故障
例如电流互感器二次开路、互感器受潮以及串联铁磁谐振等，均为互感器较为常见的故障[3]。与此同时，在电磁式电压互感器存在接线错误情况时，也会发生异常状况；在铁芯处于饱和状态情况下，还会引发铁磁谐振状况，同时也可能引发熔丝熔断烧毁状况。
2.4终端故障
计量装置终端存在的异常状况及故障基于运行期间发生较为普遍，并且故障的种类非常多，较为常见的包括通讯故障、电源故障以及抄表故障等。
3.计量装置异常智能分析方法探究
对于计量装置异常智能分析方法，存在诸多方面的特点。就目前而言，规律性非连续算法和分类连续差值算法是最为常见的计量装置异常智能分析方法，下面本人在分析智能分析方法主要特点的基础上，进一步对这两类计量装置异常智能分析方法进行论述。具体内容如下：
3.1智能分析方法主要特点分析
在上述分析中，认识到计量装置异常及故障种类非常之多，但是每一种异常或者故障均会在所采集到的电流及电压上反映出来。与此同时，基于计量装置正常运行状态下，倘若用户用电存在异常现象，则同样会在电流及电压上反映出来。所以，可将所采集的电流及电压数据为依据，设计出分析算法，进一步将设计所得的算法应用在智能分析方面。对于智能分析技术来说，主要划分为计量装置数据采集与数据分析系统两部分。基于整体层面分析，智能分析方法具备的特点包括:（1）其一，能够对用户的电能计量设备数据进行采集[4]。（2）其二，能够以工作需求为依据，从时间与空间两个方面对大数据进行分类及分析。（3）其三，经数据分析的数据项能够实现多个维度的配置及叠加。（4）能够以不同的数据项为依据，进而对关键性阈值加以确立，进而构建与之对应的分析模型。为了能够适应不同类型的终端，下面重点对其中的两种计量装置异常智能分析方法进行论述：其一为规律性非连续算法；其二为分类连续差值算法。
3.2规律性非连续算法
对于规律性连续算法，其规律性指的是基于数据分析过程中，以数据冻结密度采集保存的数据异常情况维持一段时间之后恢复正常状态为依据，之后基于某一个时间段持续出现此类异常状况。用户存在此类行为的情况下，曲线会引发规律性变化及波动。对于非连续性来说，指的是数据基于某一个点引发突变情况，并维持此状态有一段时间。对于规律性非连续算法来说，其流程需经过“采集数据库→读取计量点曲线数据→分析曲线数据→发现异常曲线，并维持一段时间→异常现象与正常现象交替产生→输出计量点异常信息→结束”[5]。
3.3分类连续差值算法
对于分类连续差值算法来说，其技术方案分为电流部分与电压部分:（1）在电流部分当中，对用户表计电流数据，在分类方面以不同的类型对不同的数据项进行分析。将归结分析的电流值作为差值；异常判定标准为：最大电流值和最小电流值的倍率＞1个阈值[6]。（2）在电压部分当中，其分类指的是以不同的类型对不同的数据项进行分析。其差值指的是在纳入分析的电压值和用户表计的额定电压的差值比阈值高时，视为异常。与此同时，连续的异常判定标准则为：基于分析的数据值属于电压曲线的情况下，数据异常连续点数≥1个阈值。分类连续差值算法主要是通过采集数据库将计量点数据读取出来，然后通过数据分析将计量点异常信息输出，最终完成对电能计量装置异常的智能分析。
4.结语
通过本文的探究，认识到基于用电信息采集系统的电能计量装置潜在一些较为明显的异常及故障，如表计故障、互感器故障以及终端故障等。因此，针对这些故障采取有效的智能分析方法显得非常重要。笔者认为，在应用智能分析方法之前，需对智能分析方法的特点加以了解，进而可以利用本次提到的规律性非连续算法与分类连续差值算法，以此完成对电能计量装置异常的分析，进一步使用电信息采集系统运行的可靠性及安全性得到有效提升。
参考文献
[1]肖坚红.严小文.周永真.陈月燕.基于数据挖掘的计量装置在线监测与智能诊断系统的设计与实现[J].电测与仪表,2014,14:1-5.
[2]陈驰.基于用电信息采集系统的运行电表故障智能分析[J].电测与仪表,2014,15:18-22.
[3]刘德.李洪奇,刘鹏.基于分布式专家系统的故障诊断系统的研究[J].信息技术,2014,08:129-132.