一種智能電能表的故障遠(yuǎn)程判斷方法及其系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電能表技術(shù)領(lǐng)域，尤其涉及一種智能電能表的故障遠(yuǎn)程判斷方法及其 系統(tǒng)。
【背景技術(shù)】
[0002] 目前，隨著智能電網(wǎng)的構(gòu)建，智能電表的推廣和技術(shù)的不斷發(fā)展，可以實(shí)現(xiàn)對于電 能表數(shù)據(jù)的實(shí)時采集以及遠(yuǎn)程分析等，例如，通過遠(yuǎn)程通信方式電能計(jì)量裝置進(jìn)行校驗(yàn)檢 測或者公開號為CN1368777A的發(fā)明專利文獻(xiàn)提及的電能表遠(yuǎn)程數(shù)據(jù)采集方案。
[0003] 但是，在現(xiàn)有電力用戶現(xiàn)場的電能表故障判斷方法中，依然是采用傳統(tǒng)的人工到 達(dá)現(xiàn)場對電能表進(jìn)行檢測校驗(yàn)來進(jìn)行判斷的方式。這種方式需要耗費(fèi)電力公司大量的人力 資源，而且無法及時的發(fā)現(xiàn)電能表的故障，對于故障期間內(nèi)的電力用量難以統(tǒng)計(jì)，造成用戶 以及電力公司的不便。
[0004] 另外，現(xiàn)有還有一些直接利用電能表數(shù)據(jù)，在遠(yuǎn)程對電能表進(jìn)行故障判斷的方法。 但是，這種方法通常使用統(tǒng)一的標(biāo)準(zhǔn)進(jìn)行判斷，較為簡單，無法很好的篩查具體的故障情 況，存在較大的片面性，很容易出現(xiàn)誤報的情形，導(dǎo)致工作人員需要頻繁的外出檢測，應(yīng)用 效果不佳。
[0005] 因此，現(xiàn)有技術(shù)還有待發(fā)展。

【發(fā)明內(nèi)容】

[0006] 鑒于上述現(xiàn)有技術(shù)的不足之處，本發(fā)明的目的在于提供一種智能電能表的故障遠(yuǎn) 程判斷方法及其系統(tǒng)，旨在解決現(xiàn)有技術(shù)中智能電能表故障排查不便，容易誤報的問題。
[0007] 為了達(dá)到上述目的，本發(fā)明采取了以下技術(shù)方案： 一種智能電能表的故障遠(yuǎn)程判斷方法，所述故障遠(yuǎn)程判斷方法包括： 通過遠(yuǎn)程通信接口獲取智能電能表采集的電壓及電流參數(shù)值； 將獲取的電壓及電流參數(shù)值與預(yù)設(shè)閾值進(jìn)行比對； 若電壓或電流參數(shù)值與所述正常值超過預(yù)設(shè)閾值時，判斷智能電能表處于故障狀態(tài)； 獲取處于故障狀態(tài)的智能電能表的位置并采集相對應(yīng)位置的若干影響因素情況； 在采集影響因素過程中，采用分區(qū)分塊的方法，對饋線段行向量法，并基于故障擴(kuò)散的 搜索，附加額外的分區(qū)條件從而形成若干節(jié)點(diǎn)分類采集； 其中，假設(shè)每個節(jié)點(diǎn)k中包含有i個串聯(lián)件和j個負(fù)荷，區(qū)域功率負(fù)荷P。區(qū)塊內(nèi)配電線路 電力情況為：
依據(jù)所述影響因素情況，與預(yù)設(shè)的歷史數(shù)據(jù)庫進(jìn)行比對，獲得相對應(yīng)的智能電能表的 正常參數(shù)值； 基于所述正常參數(shù)值，通過預(yù)設(shè)的故障判定準(zhǔn)則，判斷智能電能表的故障類型。
[0008] 所述的智能電能表的故障遠(yuǎn)程判斷方法，其中，所述方法還包括： 在遠(yuǎn)程通信接口無法獲取智能電能表采集的電壓及電流參數(shù)值時，判斷智能電能表為 通信故障。
[0009] 所述的智能電能表的故障遠(yuǎn)程判斷方法，其中，所述歷史數(shù)據(jù)庫具體通過如下方 法構(gòu)建： 對正常運(yùn)行的智能電能表，在特定影響因素下，測量其電壓及電流參數(shù)值及其變化曲 線； 改變影響因素，重復(fù)測量相對應(yīng)的電壓及電流參數(shù)值及其變化曲線，獲得若干正常參 數(shù)值，形成所述歷史數(shù)據(jù)庫。
[0010] 所述的智能電能表的故障遠(yuǎn)程判斷方法，其中，所述"依據(jù)所述影響因素情況，與 預(yù)設(shè)的歷史數(shù)據(jù)庫進(jìn)行比對，獲得相對應(yīng)的智能電能表的正常參數(shù)值"的步驟具體包括： 為每一影響因素設(shè)置權(quán)重值； 依據(jù)權(quán)重值大小，對每一影響因素進(jìn)行排序后，通過廣度優(yōu)先搜索，在所述歷史數(shù)據(jù)庫 中搜索獲得相對應(yīng)的智能電能表的正常參數(shù)值。
[0011] 所述的智能電能表的故障遠(yuǎn)程判斷方法，其中，所述智能電能表故障類型包括:超 差故障、電源單兀故障、失流故障、失壓故障。
[0012] -種智能電能表的故障遠(yuǎn)程判斷系統(tǒng)，其中，所述系統(tǒng)包括： 采集模塊，用于通過遠(yuǎn)程通信接口獲取智能電能表采集的電壓及電流參數(shù)值； 比對模塊，用于將獲取的電壓及電流參數(shù)值與預(yù)設(shè)閾值進(jìn)行比對;若電壓或電流參數(shù) 值與所述正常值超過預(yù)設(shè)閾值時，判斷智能電能表處于故障狀態(tài)； 信息獲取模塊，用于獲取處于故障狀態(tài)的智能電能表的位置并采集相對應(yīng)位置的若干 影響因素情況； 搜索模塊，用于依據(jù)所述影響因素情況，與預(yù)設(shè)的歷史數(shù)據(jù)庫進(jìn)行比對，獲得相對應(yīng)的 智能電能表的正常參數(shù)值； 結(jié)果輸出模塊，用于基于所述正常參數(shù)值，通過預(yù)設(shè)的故障判定準(zhǔn)則，判斷智能電能表 的故障類型。
[0013] 所述的智能電能表的故障遠(yuǎn)程判斷系統(tǒng)，其中，所述結(jié)果輸出模塊還用于，在遠(yuǎn)程 通信接口無法獲取智能電能表采集的電壓及電流參數(shù)值時，判斷智能電能表為通信故障。
[0014] 所述的智能電能表的故障遠(yuǎn)程判斷系統(tǒng)，其中，所述系統(tǒng)還包括歷史數(shù)據(jù)庫構(gòu)建 模塊，用于對正常運(yùn)行的智能電能表，在特定影響因素下，測量其電壓及電流參數(shù)值及其變 化曲線；以及 改變影響因素，重復(fù)測量相對應(yīng)的電壓及電流參數(shù)值及其變化曲線，獲得若干正常參 數(shù)值，形成所述歷史數(shù)據(jù)庫。
[0015] 所述的智能電能表的故障遠(yuǎn)程判斷系統(tǒng)，其中，所述搜索模塊還用于： 為每一影響因素設(shè)置權(quán)重值;以及依據(jù)權(quán)重值大小，對每一影響因素進(jìn)行排序后，通過 廣度優(yōu)先搜索，在所述歷史數(shù)據(jù)庫中搜索獲得相對應(yīng)的智能電能表的正常參數(shù)值。
[0016] 有益效果:本發(fā)明提供的一種智能電能表的故障遠(yuǎn)程判斷方法及其系統(tǒng)，首先將 電能表判斷為故障，然后通過數(shù)據(jù)庫信息進(jìn)行比對，繼續(xù)通過與數(shù)據(jù)庫的比對，進(jìn)一步判斷 電能表的故障類型。由于采用了比較式的方法，能夠更為可靠的判斷電能表的故障，而且由 于提供了更為詳盡的判斷依據(jù)及判斷結(jié)果，避免數(shù)據(jù)的片面性，能夠很好的減輕電力工作 人員在電能表排查過程中的工作負(fù)擔(dān)，具有良好的應(yīng)用前景。
【附圖說明】
[0017] 圖1為本發(fā)明具體實(shí)施例的智能電能表的故障遠(yuǎn)程判斷方法的方法流程圖。
[0018] 圖2為本發(fā)明具體實(shí)施例的智能電能表的故障遠(yuǎn)程判斷系統(tǒng)的結(jié)構(gòu)框圖。
[0019] 圖3為本發(fā)明具體實(shí)施例的智能電能表的故障遠(yuǎn)程判斷方法的數(shù)據(jù)庫構(gòu)建方法的 方法流程圖。
[0020] 圖4為本發(fā)明具體實(shí)施例的智能電能表的故障遠(yuǎn)程判斷方法的步驟S500的方法流 程圖。
【具體實(shí)施方式】
[0021] 本發(fā)明提供一種智能電能表的故障遠(yuǎn)程判斷方法及其系統(tǒng)。為使本發(fā)明的目的、 技術(shù)方案及效果更加清楚、明確，以下參照附圖并舉實(shí)施例對本發(fā)明進(jìn)一步詳細(xì)說明。應(yīng)當(dāng) 理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0022] 如圖1所示，為本發(fā)明具體實(shí)施例的一種智能電能表的故障遠(yuǎn)程判斷方法。其中， 所述故障遠(yuǎn)程判斷方法包括如下步驟： S100、通過遠(yuǎn)程通信接口獲取智能電能表采集的電壓及電流參數(shù)值。
[0023 ] S200、將獲取的電壓及電流參數(shù)值與預(yù)設(shè)閾值進(jìn)行比對。
[0024] S300、若電壓或電流參數(shù)值與所述正常值超過預(yù)設(shè)閾值時，判斷智能電能表處于 故障狀態(tài)。
[0025] 在電能表的運(yùn)行過程中，通常包括有失壓、失流等故障。一般的，當(dāng)電能表的工作 電壓處于額定電壓的60%-70%之間時，電能表的計(jì)量開始不準(zhǔn)確，而當(dāng)工作電壓進(jìn)一步下降 時，電能表將無法計(jì)量。因此，可以通過簡單的獲取當(dāng)前的電能表的工作電壓與電流參數(shù)值 來完成預(yù)設(shè)判斷，判斷電能表是否處于正常工作狀態(tài)。
[0026] 上述閾值具體可以依據(jù)實(shí)際使用的電能表的型號，相對應(yīng)的工作電流以及工作電 壓所決定。
[0027] S400、獲取處于故障狀態(tài)的智能電能表的位置并采集相對應(yīng)位置的若干影響因素 情況。
[0028] 電能表的故障狀態(tài)（電流與電壓參數(shù))事實(shí)上可能由多種不同的影響因素所誘發(fā)， 可能是正常用電或者非正常用電所造成。獲得電能表在電網(wǎng)中的位置信息，以及相關(guān)的電 網(wǎng)運(yùn)行情況將有助于分析電能表的故障狀態(tài)，例如，當(dāng)某一局部區(qū)域電網(wǎng)的電壓出現(xiàn)異常， 相對應(yīng)區(qū)域內(nèi)的電能表均處于故障狀態(tài)時。
[0029] S500、依據(jù)所述影響因素情況，與預(yù)設(shè)的歷史數(shù)據(jù)庫進(jìn)行比對，獲得相對應(yīng)的智能 電能表的正常參數(shù)值。
[0030] 由于上述電流電壓以及電網(wǎng)的影響因素過程均為連續(xù)的數(shù)據(jù)采集過程，可以設(shè)定 預(yù)定的采集周期。因此，可以通過將采集數(shù)據(jù)存儲歸類的方式形成上述歷史數(shù)據(jù)庫。
[0031] 在現(xiàn)有的電力市場條件下，配電網(wǎng)絡(luò)的結(jié)構(gòu)較為繁雜，采用普通直接的數(shù)據(jù)采集 方法事實(shí)上很難很好的獲得優(yōu)質(zhì)的數(shù)據(jù)。因此，可以采用分區(qū)分塊的方法，對饋線段行向量 法，形成若干塊區(qū)分別分析，并結(jié)合故障擴(kuò)散的搜索，附加額外的分區(qū)條件，進(jìn)一步的提升 分區(qū)分塊效率。
[0032] 假設(shè)每個節(jié)點(diǎn)k中包含有i個串聯(lián)件和j個負(fù)荷，區(qū)域功率負(fù)荷P。區(qū)塊內(nèi)配電線路 電力情況為：
在上述配電線路電力情況確定后，將區(qū)域節(jié)點(diǎn)劃分為3個等級，分別使用行向量H1，H2， H3表示，其中一級行向量Hl=(l，2,3,4,5,6)，二級行向量H2=(2,3,4,7,8)，三級行向量H3= (7,9,10)〇
[0033] 同類的區(qū)域節(jié)點(diǎn)構(gòu)成集合1^={1，2,3,4,5,6,7,8,9，10}，生成最小路徑向量后，依 據(jù)節(jié)點(diǎn)的編號和行向量逐級推導(dǎo)獲得數(shù)據(jù)模式用于比對。
[0034] 其結(jié)合了分區(qū)方法與向量形成法，在節(jié)點(diǎn)內(nèi)行向量法，構(gòu)建相應(yīng)的模型，進(jìn)行評 估。
[0035] 在歷史數(shù)據(jù)庫中，通過常用的統(tǒng)計(jì)分析或者趨勢分析等方法，可以獲得特定電網(wǎng) 情況(或者影響因素)下的電能表數(shù)據(jù)。
[0036] S600、基于所述正常參數(shù)值，通過預(yù)設(shè)的故障判定準(zhǔn)則，判斷智能電能表的故障類 型。
[0037] 依據(jù)上述獲得的正常