基于故障挖掘的電能表失效分析研究

1、    基于故障挖掘的電能表失效分析研究    郭斌 劉珮琪 馮興興 陳健華 何圣川 許麗娟摘  要：該文研究分析了智能電能表故障原因及其規(guī)律，快速準確地判斷電表故障位置，對提高智能電能表工作的可靠性具有重要意義。在分析電表現(xiàn)場故障類型的基礎(chǔ)上，建立智能電表故障樹，梳理電表故障特征規(guī)律，通過數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則算法，在大量的故障數(shù)據(jù)中尋找具有特定關(guān)系的信息，分析故障原因。應(yīng)用結(jié)果表明，故障樹分析法結(jié)合數(shù)據(jù)挖掘算法能有效幫助技術(shù)人員快速進行故障定位，減少故障處理時間，具有很好的實用價值。關(guān)鍵詞：智能電表;故障樹分析法;數(shù)據(jù)挖掘;關(guān)聯(lián)規(guī)則：tm933

2、.4            文獻標(biāo)志碼：a0 引言隨著我國建設(shè)堅強智能電網(wǎng)的發(fā)展規(guī)劃，電力行業(yè)、智能電網(wǎng)以及智能計量一直在快速發(fā)展。為了有效且規(guī)范化地管理電能質(zhì)量，電能表、終端等計量自動化采集設(shè)備被大量應(yīng)用于監(jiān)測電能質(zhì)量管理系統(tǒng)中。對計量設(shè)備現(xiàn)場運維故障診斷及失效分析研究將直接關(guān)系著廣大電力用戶、電網(wǎng)公司的切身利益，并對智能電網(wǎng)的健康發(fā)展起到?jīng)Q定性作用。因此，對這些計量設(shè)備的可靠性要求也越來越高。目前國內(nèi)電網(wǎng)公司對計量設(shè)備的現(xiàn)場運維檢測工作存在諸多問題，如故障診斷困難、數(shù)據(jù)安全性不高、現(xiàn)場故障診斷無法形成閉環(huán)、運維人員水平參差不齊。該

3、文通過深入研究fta（fault tree analysis）故障樹分析方法，現(xiàn)場故障診斷系統(tǒng)理論研究以及深入研究數(shù)據(jù)挖掘，分析如何在大量的故障數(shù)據(jù)中尋找具有特定關(guān)系的信息，分析故障原因，有助于實現(xiàn)現(xiàn)場故障數(shù)據(jù)的智能采集、分析，人性化管理及高效的傳輸，并在實際應(yīng)用中準確定位故障原因，迅速解決故障。1 失效分析理論研究1.1 故障樹理論1.1.1 故障樹分析法故障樹分析法主要用于分析系統(tǒng)的可靠性和安全性，它是1種利用圖形方式，進行邏輯演繹推理的方法。故障樹分析法相對于傳統(tǒng)的系統(tǒng)可靠性分析，有很大的靈活性，它逐層而下，可以分析出系統(tǒng)的各種故障狀態(tài)以及關(guān)聯(lián)因素。在分析故障樹的同時，也是對整個系統(tǒng)深入

4、認知的過程，它要求分析人員充分掌握系統(tǒng)內(nèi)每個部件的關(guān)聯(lián)關(guān)系，熟悉影響每個部件的潛在風(fēng)險因素，才能在分析過程中發(fā)現(xiàn)并及時解決問題，從而提高系統(tǒng)的可靠性。故障樹是從樹根結(jié)點開始，對實例的某一故障進行分析，并根據(jù)實際情況，將各原因分配到其子結(jié)點，用邏輯門的形式連接，如此遞歸建立。建立一個復(fù)雜的故障樹通常是一個反復(fù)思考、不斷深入、逐步完善的過程。故障樹的建立，首先要確定頂事件，通常根據(jù)事故調(diào)查和統(tǒng)計的結(jié)果參照的發(fā)生頻率來確定。其次，分析造成頂事件發(fā)生的直接原因作為中間事件。然后，再找出造成中間事件發(fā)生的原因，依次分解直到事件不能再分為止，把這些不能分解的原因稱為基本事件。通過建樹使工作人員對系統(tǒng)進行故

5、障預(yù)測，快速準確地發(fā)現(xiàn)系統(tǒng)的薄弱環(huán)節(jié)，為今后系統(tǒng)的故障診斷與改進提供依據(jù)，這也是建故障樹的主要目的。1.1.2 故障樹建立的流程如圖1所示是故障樹建立流程，根據(jù)流程確定的故障樹分析方法的一般分析步驟如下。1）確定頂事件。熟悉分析系統(tǒng)，針對實際問題、故障頻率來確定頂上事件。2）確定分析邊界與范圍。確定分析的范圍和邊界是進行分析的前提，明確邊界與范圍才能建立規(guī)范化的故障樹，邊界不明確，不利于故障樹縮小規(guī)模。3）確定中間事件和基本事件。明確頂事件后，找出導(dǎo)致該事件發(fā)生的全部原因，包括人為失誤、環(huán)境因素和軟件因素等。凡是故障有關(guān)的原因都找出來，作為事件樹的中間事件和基本事件。4）故障樹繪制。從頂事件開

6、始，從樹的頂端往下依次找出所有的原因事件，用邏輯門的形式把原因事件連接起來，一個頂事件代表一棵故障樹。5）數(shù)據(jù)挖掘分析。利用數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則分析與故障事件有關(guān)的數(shù)據(jù)和內(nèi)容。6）結(jié)論。構(gòu)建正確的、合理的故障樹是對智能電表故障進行分析的前提條件。利用故障分析，確定故障分析順序與診斷流程，來提高系統(tǒng)的安全性和可靠性。1.2 數(shù)據(jù)挖掘理論1.2.1 數(shù)據(jù)挖掘在電力領(lǐng)域的研究情況按時間順序、快速、海量、連續(xù)到達且潛在無限的數(shù)據(jù)稱為流數(shù)據(jù)，目前流數(shù)據(jù)的應(yīng)用在數(shù)據(jù)挖掘方面例如關(guān)聯(lián)規(guī)則分析、分類分析、聚類分析已有多種成果出現(xiàn)。關(guān)聯(lián)規(guī)則分析是目前數(shù)據(jù)挖掘研究的重要模式之一，利用關(guān)聯(lián)規(guī)則算法分析故障數(shù)據(jù)，發(fā)現(xiàn)故

7、障現(xiàn)象與故障類別之間存在的聯(lián)系，并將故障信息轉(zhuǎn)換成算法可識別的關(guān)聯(lián)項，提高數(shù)據(jù)挖掘效率，為設(shè)備故障檢測提供科學(xué)依據(jù)。分類分析法是找出大量數(shù)據(jù)中的一組數(shù)據(jù)對象的共同特點并按照分類模式將其劃分為不同的類型，其目的是通過分類模型，將數(shù)據(jù)庫中的數(shù)據(jù)項映射到某個給定的類別中，包括決策樹分類法、基于規(guī)則的分類法、最近鄰分類法和神經(jīng)網(wǎng)絡(luò)分類法。聚類分析法與分類分析法類似，但其分類的目的不同，根據(jù)數(shù)據(jù)相似性、差異性等將數(shù)據(jù)進行分類，聚類分析法對用戶用電模式，電力調(diào)度、狀態(tài)估計等有重要作用。智能電能表的故障挖掘在建立故障樹的基礎(chǔ)上，挖掘故障時電能表的事件記錄，回路分析等，據(jù)故障現(xiàn)象對分析結(jié)果進行診斷，分析各結(jié)果

8、之間存在因果關(guān)聯(lián)、時序關(guān)聯(lián)、比對關(guān)聯(lián)等關(guān)系。因此，關(guān)聯(lián)規(guī)則挖掘方法適用于智能電能表故障診斷。1.2.2 關(guān)聯(lián)規(guī)則挖掘方法基本原理關(guān)聯(lián)規(guī)則是指在數(shù)據(jù)項之間的關(guān)聯(lián)或存在的相互關(guān)系，apriori算法在數(shù)據(jù)挖掘中是1種極具影響的布爾關(guān)聯(lián)規(guī)則算法，apriori算法將關(guān)聯(lián)規(guī)則分為2步。1）先找出所有的頻繁項集（frequent itemset），即其支持度不低于用戶最小支持度的項目集。2）從頻繁項集中構(gòu)造其置信度不低于用戶最小置信度的規(guī)則。關(guān)聯(lián)規(guī)則的目的就是在一個數(shù)據(jù)集中找出項與項之間的關(guān)系，可定義項集組合為i，即i1=x1ux2ux3ux4ux5ux6uuxm，則為項集組合i中所含項數(shù)為1的項集組合

9、的子集，令為項集組合i中所含項數(shù)為2的項集組合的子集，同理，定義i3，i4，i5，in，則有i=i1ui2ui3uuin。設(shè)x，y都是i中的項或項集，關(guān)聯(lián)規(guī)則形如xy，s表示支持度，為項集x，y在總項集里出現(xiàn)的概率，c表示可信度，為項集x，y在項集x里出現(xiàn)的概率，即：s%=s（xy）=p（x，y）  （1）c%=c（xy）=p（x，y）/p（x）  （2）2 失效分析故障樹研究2.1 故障分析硬件故障主要發(fā)生在電源、繼電器、液晶和光耦等元器件以及一些生產(chǎn)工藝中，例如接線端子制造或安裝過程中出現(xiàn)問題導(dǎo)致接觸不良、液晶屏幕觸電虛焊等。對電能計量設(shè)備運行故障進行調(diào)研，發(fā)現(xiàn)所有故障

10、中，顯示異常、計量失準、通信異常、外觀損壞和外觀老化總故障率超過90%，除三相電子式費控電能表的外觀老化故障外，其他三類電表的顯示異常、計量失準、通信異常、外觀損壞和外觀老化的故障占比均高于10%。經(jīng)分析現(xiàn)場故障的電能表，具體檢測故障原因結(jié)果見表1。2.2 基于故障樹的故障挖掘根據(jù)現(xiàn)場故障的電能表分析，通過顯示故障、485通信故障、計量故障等故障類型建立故障樹如圖2、圖3所示。3 關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘3.1 數(shù)據(jù)處理將故障數(shù)據(jù)與診斷結(jié)果按關(guān)聯(lián)規(guī)則進行處理，提取主要故障信息，并對故障信息進行分類轉(zhuǎn)換成算法可識別的關(guān)聯(lián)項，提高數(shù)據(jù)挖掘效率。形成關(guān)聯(lián)關(guān)系m1，m2，m3r2·s2%，c2%說明

11、由故障信息m1，m2，m3診斷出故障結(jié)果為r2，對此結(jié)果的支持度為s2%，置信度為c2%。此診斷的故障結(jié)果可定位故障，為故障消缺提供技術(shù)指導(dǎo)。關(guān)聯(lián)規(guī)則的apriori算法分為兩步，第一步產(chǎn)生頻集，第二步產(chǎn)生關(guān)聯(lián)規(guī)則，算法的原理概括如圖4所示。3.2 算例分析根據(jù)以上流程，給定故障數(shù)據(jù)，通過apriori算法抽取關(guān)聯(lián)規(guī)則。見表2，m1m6分別表示：時鐘異常、電表停走、電表失壓、電表失流、顯示亂碼、電表斷相，r1表示表計故障，r2表示回路異常。設(shè)定最小支持度為15%，最小置信度為35%，生成的規(guī)則見表3。如果檢測到故障信息為電表停走、電表失流，應(yīng)排查回路是否異常，并將故障原因反饋，及時更新數(shù)據(jù)庫數(shù)

12、據(jù)。4 結(jié)語通過對智能電表故障數(shù)據(jù)統(tǒng)計調(diào)查結(jié)果分析，定位電能表故障原因，建立了智能電表故障樹。通過數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則算法，梳理了智能電表故障發(fā)生的概率特征，從不同角度探究智能電表故障特征。應(yīng)用結(jié)果表明，故障樹分析法及數(shù)據(jù)挖掘算法能夠有效幫助相關(guān)技術(shù)人員進行故障定位、故障診斷和故障處理，減少故障處理時間，提高故障智能電表質(zhì)量管理水平，具有很好的實用價值。參考文獻1羅冉冉，龍磊，張垠.基于故障樹理論的單相智能電能表黑屏故障分析方法研究j.電測與儀表，2014，51（23）：6-10，17.2陳馳.基于用電信息采集系統(tǒng)的運行電表故障智能分析j.電測與儀表，2014，51（15）：18-22.3李鵬，楊熹，陳欣，等.單相智能電能表電池欠壓故障分析j.工業(yè)儀表與自動化裝置，2017（4）：113-114