基于多源信息融合的智能电能表质量综合评价方法.pdf

第 28 卷 第 2 期2023 年 4 月哈 尔 滨 理 工 大 学 学 报JOURNAL OF HARBIN UNIVERSITY OF SCIENCE AND TECHNOLOGYVol.28No.2Apr.2023 特约稿件基于多源信息融合的智能电能表质量综合评价方法代燕杰1,荆 臻1,孙永全2(1.国网山东省电力公司营销服务中心(计量中心)代燕杰劳模创新工作室,济南 250000;2.哈尔滨理工大学 传感器与可靠性工程研究所,哈尔滨 150080)摘 要:针对智能电能表运行状态评估与预测问题,提出综合利用事前、事中、事后多源信息的电能表运行质量综合评价方法。在智能电能表全生命周期内梳理出稳定性、可靠性、异常与事件三类顶层指标。依据误差首检记录和失准误差估计计算初始稳定性指标和动态稳定性指标,并采用正态分布描述稳定性指标并确定分布参数。利用现场拆回表计故障数据计算可靠度和可靠寿命,采用正态分布近似拟合电能表可靠性指标,并利用矩等价方法确定分布参数。利用 Bayes 定理计算电能表触发异常事件的概率,视该概率服从均匀分布,借助矩等价方法将均匀分布近似转换为正态分布,并计算分布参数。利用运行时间构造时变权重因子,将静态特性指标与动态特性指标相结合评价顶层指标,进而基于模糊理论确定各顶层指标权重,融合多源可靠性信息构建智能电能表运行质量综合评价方法,给出电能表运行状态评价结果和故障风险概率。研究成果对智能电网可靠稳定运行、电力市场现货交易、智能量测设备轮换与运行维护具有参考价值。关键词:智能电能表;多源信息融合;异常与事件;矩等价DOI:10.15938/j.jhust.2023.02.004中图分类号:TM933文献标志码:B文章编号:1007-2683(2023)02-0034-09 收稿日期:2022-04-12基金项目:国网山东省电力公司科技项目(520633200002);国家自然科学基金(61179024).作者简介:荆 臻(1981),女,硕士,高级工程师;孙永全(1982),男,副教授,博士研究生导师.通信作者:代燕杰(1983),女,硕士,教授级高级工程师,E-mail:daiyanjie .Comprehensive Quality Evaluation Method of Smart ElectricityMeters Based on Multi-source Information FusionDAI Yanjie1,JING Zhen1,SUN Yongquan2(1.DAI Yanjie Model Worder Innovation Studio,State Grid Shandong Electric Power Company Metering ServiceMarketing Center(Metrology Conter),Jinan 250000,China;2.Institute of Sensor and Reliability Engineering,Harbin University of Science and Technology,Harbin 150080,China)Abstract:Aiming at the problem of operation state evaluation and prediction of high reliability and long-life smart meter,acomprehensive evaluation method of smart meter operation quality by integrating multi-source information is proposed.Three top-levelindexes of stability,reliability and abnormal events are analyzed in the whole life cycle of smart meter.The initial stability index anddynamic stability index are calculated according to the error first inspection record and misalignment error estimation,and the normaldistribution is used to describe the stability index and determine the distribution parameters.The reliability and reliability life arecalculated by using the fault data of the on-site disassembled meter.The reliability index of the smart meter is approximately fitted bythe normal distribution,and the distribution parameters are determined by the moment equivalent method.Bayes theorem is used tocalculate the probability of triggering abnormal events of smart meter.Considering that the probability obeys uniform distribution,theuniform distribution is approximately transformed into normal distribution with the help of moment equivalent method,and thedistribution parameters are calculated.The time-varying weight factor is constructed by using the running time,and the staticcharacteristic index and dynamic characteristic index are combined to evaluate the top-level index.The weight of each top-level index isdetermined based on the fuzzy theory.The comprehensive evaluation method of the operation quality of the smart meter is constructedby integrating the multi-source reliability information,and the operation state evaluation results and fault risk probability of the smartmeter are given.The research results have reference value for the reliable and stable operation of smart grid,the construction of spottrading power market,the rotation and operation maintenance of smart electricity meters.Keywords:smart meters;multi-source information fusion;abnormal event;moment equivalence principle0 引 言智能电能表具有量大、面广的特点,是智能电网的重要组成部分,在贸易结算与管理、用电信息采集、智能用电等方面发挥着重要作用1-2。现货交易模式下,电能表每天采集数据点由 24 点提高到96 点,每 15 分钟结算一次用电耗能,现货交易模式对电能表稳定性与可靠性评价实时性提出挑战。2020 年国网公司要求电能表使用寿命由不低于 8年提高到不低于 16 年,对电能表质量与可靠性提出了更高要求。如何在运行过程中动态感知电能表运行质量状态是实际需求提出的挑战,具有现实意义。智能电能表运行质量状态是在全寿命周期内表计运行稳定性与可靠性的综合体现,表计运行质量状态评价首先需要选择状态指标构建运行质量状态指标体系,进而构建运行质量状态评价模型3。如文4考虑计量电压、计量电流、相角、功率因素及异常告警五类共计 25 项技术指标构建指标体系,基于层次分析法构建电能计量装置运行状态评价模型。但这些量对表计质量与可靠性的作用机制不清晰,难以准确量化表计运行质量状态。文5综合利用可靠度、计量异常、全事件、电能表过载率、时钟电池异常 4 种状态因素,采用熵值法计算低压智能电能表状态评价,给出表计状态评价分数点估计,不能给出表计状态正常和故障的结论。文6构建性能指标、可靠性指标、环境指标三大类 9 项指标评价多表合一综合能源计量系统运行状态。给出表计状态评价分数点估计,据此判断表计运行状态。文7利用考虑实验室基本误差、现场监测运行误差、同批次误差分散性、回厂家批次退货率、同批次运行故障率、在线运行时间、产品设计缺陷、在线检测电量异常总数等 12 种评价指标,构建电能表状态检验评价方法。文8利用计量、通信、存储、运行质量、历史数据 5 大类 17 项指标,构建基于改进熵值法的智能电能表运行质量评价模型。文9针对高严寒、高海拔、高湿热、高盐雾、高干热等典型环境,选择黑龙江省环境指标、福建环境指标、新疆环境指标、和西藏环境指标 4 类一级指标,8 类二级指标构建了层次结构的可靠性指标体系,该方法不适用于低压用户现场运行表计质量状态评价。上述研究表明,虽然异常、事件、用电采集数据从一定程度上反映了智能电能表的实时运行状态,但如何深入挖掘这些数据开展表计运行状态预测有待进一步研究。此外,上述方法评估结果仅能给出状态点估计值,不能给出表计是否发生故障或发生故障的概率评价。可靠性评估以概率统计为理论基础,可以给出智能电能表可靠性测度的概率估计,尤其是可以给出可靠性特征量的置信限,在实际工程中具有实用价值10-11。为了检验智能电能表运行质量状态,当前侧重于通过定期抽检表计,依据抽检结果作出是否延寿运行的决策。如国际法制计量组织(OIML)制定了基于抽样检验方法的电能表使用规程,规定定期抽检表计,且一次抽样比例为 8%,通过检验的电能表可延长 50%使用期12。美国也在标准ANSIC 12.1 中详细规定了抽样试验方法和评判标准、周期性定比率、变比率和统计抽样方案13。针对电能表可靠性产生了大量研究成果,借助 Weibull分布给出了表计可靠性测度置信限14。文15构建电能表故障数据库,开发电能表可靠性统计、批量寿命预判及故障快速诊断模块为电能表状态更换、故障诊断预警提供技术支撑。因此,若能在智能电能表质量运行状态评价过程中给出表计故障的概率把握,将使得评价结果更具工程实用价值。智能电能表运行质量状态涵盖表计全寿命周期,应该充分挖掘全寿命周期内各种可用信息用于表计运行质量状态评价。近年来,国家电网构建了营销业务应用系统、用电信息采集系统、计量生产调度平台信息数据、拆回分拣数据库,收集了量测设备大量可靠性数据与信息。这些数据包含了表计健康状态信息、性能退化信息和寿命信息16,应当开展融合技术研究用于表计运行质量状态评价。本文综合考虑计量设备稳定性与可靠性指标及数据来源,构建计量设备质量状态指标体系,基于多53第 2 期代燕杰等:基于多源信息融合的智能电能表质量综合评价方法源信息融合技术提出计量设备运行质量状态综合评价方法。借助异常与事件的运行状态数据,对表计质量状态做出实时动态评价。不仅给出电能计量设备质量状态良好和故障,而且可以给出设备发生故障的风险概率,使得评估结果更具有概率意义,对工程管理人员决策电能表是否拆换具有重要参考价值,便于工程推广应用。1 智能电能表质量评价指标体系构建智能电能表运行状态质量评价指标体系构建首先应该考虑在计量设备安装、运行、拆回的生命周期内所产生的数据信息,从这些数据信息中提炼出可以表示计量设备运行质量的评价指标。智能电能表挂网前进行基本误差检定,运行过程中由用电信息采集系统实时采集电能表用电状态信息量,以及产生的相关异常与事件信息,表计拆回后有拆回故障数据,这些信息构成了智能电能表全生命周期的质量可靠性信息来源。这些数据与信息存储于营销业务应用系统、用电信息采集系统、计量生产调度平台系统,以及拆回故障数据内,如图 1 所示。图 1 电能表运行状态数据与指标Fig.1 Operation data and performance indicatorsof smart electricity meters影响批智能电能表运行质量状态的因素及指标等可利用历史数据、产品误差首检记录、计量误差失准估算、拆回分拣数据等数据得到,结合某个体电能表的现场运行状态数据,包括用户信息采集数据、故障数据等,可更新评价以稳定性、可靠性及异常事件等指标为主的个体电能表运行质量。构建电能表质量指标体系如图 2 所示。该指标体系包括 3 个一级指标:稳定性指标、可靠性指标,以及异常与事件类指标。其中,稳定性指标分为初始稳定性指标和动态稳定性指标 2 个二级指标,可靠性指标分为可靠寿命和可靠度 2 个二级指标,异常与事件类指标包含过流事件和超差事件 2 个二级指标。图 2 电能表质量指标体系Fig.2 Quality index system ofsmart electricity meters初始计量误差大小及其稳定性反映了电能表安装时刻的误差差异性,决定了批电能表的初始误差状态,具有静态特性。通过电能表在运行过程中的误差失准数据可实时评估电能表的误差水平,具有动态特性。结合两类基本误差数据,可对电能表的稳定性的信息进行评估。运行过程中表计产生大量电能计量数据、异常与事件,具有针对单台表计的个体特性。用电耗能信息从一定程度上反映了表计运行工况,结合异常、事件与电能表故障的内在关系,可用于表征表计在运行过程中的质量状态。电能表故障、或运行轮换到期后,需要拆回分拣,可收集电能表典型故障,构建故障数据库。可开展电能表可靠性评估,评价结果可反映批电能表的质量状态,但同时也具有历史产品的特性。上述数据体现了智能电能表运行质量状态,但也呈现出动态和静态特性,批量与个体特性、历史产品与当前产品的特性。需要兼顾多种数据特征,构建质量状态综合评价方法。2 智能电能表质量指标评价方法2.1 底层指标评价方法2.1.1 稳定性指标 A1评价初始稳定性指标 A11的数据来源于首检记录,计算第 i 个电能表的计量误差eI,i=n=1eI,i,n,eI,i,EU(1)63哈 尔 滨 理 工 大 学 学 报 第 28 卷其中:eI,i为第 i 个电能表计量误差;为所有测试点;j 为其中第 j 个测试点;n为测试点数量;EU为电能表计量误差门限值。可认为批次电能表计量误差 EI服从正态分布EI N(I,I)(2)分布参数 I和 I可利用最小二乘法计算得到。做变换 A11=EI-EU,则 EA11表示计量误差距离门限值的距离。当距离越大,表示电能表误差越小,距离越小,表示电能表误差越大。则 A11服从正态分布 N(I-EU,I),归一化处理,且在获得某一电能表误差后,可得该电能表超差的概率F(A11)=(eI,i+I-EUI)(3)动态稳定性指标 A12评价的数据来源于失准更换数据,采用能量守恒的方法,通过求解得到各分表误差、线路损耗率和固定损耗,获取运行过程中电能表计量误差 ED17-18。设批次电能表计量误差 ED服从正态分布ED N(D,D)(4)分布参数 D和 D可利用最小二乘法计算得到。做变换 A12=ED-EU,则 A12服从正态分布 N(D-EU,D),归一化处理之后,可得电能表超差的风险为F(A12)=(eD,i+D-EUD)(5)在获取初始稳定性指标及动态稳定性指标后,可对稳定性指标进行评价,若 eI,i-EU0 或 eD,i-EU0,表示第 i 个电能表超差,处于故障状态,若eI,i-EU0 且 eD,i-EU 0,则表示电能表未超差,处于良好状态,且可获取超差的风险。2.1.2 可靠性指标 A2电能表寿命满足参数为 的指数分布,结合拆回分拣系统数据,可构建似然函数,得到参数 的极大似然估计值。在给定置信度 时,可得分布参数 的双侧置信限 L和 U16。则电能表可靠度的点估计、置信上限与置信下限分别为 R(t)=exp(-t)、RL(t)=exp(-Ut)和 RU(t)=exp(-Lt);电能表可靠寿命的点估计、置信上限与置信下限分别为 tR=-1LnR、tR,L=-1ULnR 和 tR,U=-1LLnR。国家电网在单相智能电能表(2020)通用技术规范及三相智能电能表(2020)通用技术规范中要求“整表使用寿命大于等于 16 年”,其中置信度为 90%的可靠寿命表征电能表使用寿命。设电能表可靠寿命阈值为 tRD,可取 16 年,或根据实际情况修订。若电能表可靠寿命超过 tRD,则表示电能表故障风险低,反之,表示电能表故障风险高。设电能表可靠寿命近似服从正态分布 tR N(tR,tR),依据矩估计法可确定其参数值。做变换令 A21=tR-tRD,则 A21表示超出可靠寿命阈值 tRD年距离,若 A21越大,表示电能表可靠性寿命越高。则 A21服从正态分布 A21 N(tR-tRD,tR),且电能表可靠寿命低于阈值 tRD的概率为F(A21)=(A21-(tR-tRD)tR)(6)设规定的电能表可靠度最低值为 RD,可取0.9,或根据实际情况修订。若电能表在 t 时刻可靠度大于规定值 RD,则表示电能表故障风险低,反之,电能表故障风险高。设可靠度 R(t)近似服从正态分布R N(R,R),做变换 A22=R(t)-RD,则 A22表示电能表可靠度超过规定值 RD的距离,A22越大,表示电能表可靠性水平越高,则 A22服从正态分布 A22N(R-RD,R),且电能表可靠度低于规定值 RD的概率即电能表的故障风险为F(A22)=(A22-(R-RD)R)(7)2.1.3 异常与事件指标 A3异常与事件数据可由用户信息采集系统获取,可用于评估电能表质量状态。异常与事件触发原因不一定都与电能表故障相关,据此,可将异常与事件划分为二类:确定由表计故障触发的异常与事件,不一定由表计故障触发的异常与事件。比如时钟超差、电池欠压事件由电能表故障触发。对于开盖事件,虽然表计没有故障,但表示有窃电可能,需要安排工单排查。可将开盖事件当作特殊情况,归于第一类事件。过流事件则可能由表计故障触发,也有可能由用户用电变化引起,属于第二类事件。第一类异常与事件一旦发生,直接判断表计发生“故障”,具有“一票否决”的特征。第二类异常或事件若发生,则需要判断该异常或事件发生的概率。异常或事件发生的概率 PC可能为0,1之间任意数值,可认为其服从Qa,Qb上的均匀分布(0Qa,Qb 1),PC U(Qa,Qb)。当对异常或事件73第 2 期代燕杰等:基于多源信息融合的智能电能表质量综合评价方法与表计故障关系不明确的情况下,可取 Qa=0,Qb=1,等获得知识更新后,可对 Qa,Qb更新取值。为了能够实现与稳定性指标、可靠性指标融合,可认为概率 PC近似服从正态分布A3=PC N(A3,A3)(8)依据矩等价方法确定正态分布参数,A3=(Qa+Qb)/2,2A3=(Qb-Qa)2/12。具体到某一异常或事件,可利用 Bayes 公式确定电能表故障触发该类异常与事件的概率。设P(B1)表示异常与事件发生后电能表运行状态良好的概率,P(B2)表示异常与事件发生后电能表故障的概率,P(Cj|B1)表示运行状态良好的电能表发生第 j 项异常与事件的概率,P(Cj|B2)表示运行状态为故障的电能表发生第 j 项异常与事件的概率,P(B2|Cj)表示第 j 项异常与事件发生时导致电能表故障的概率。则异常或事件 Cj发生的概率为P(Cj)=P(B2)P(Cj|B2)+P(B1)P(Cj|B1)(9)则异常或事件 Cj发生时电能表故障的概率,即该异常或事件是由电能表触发的概率为P(B2|Cj)=P(B2)P(Cj|B2)2m=1P(Bm)P(Cj|Bm)(10)其中:P(B2)=N2N,P(B1)=N-N2N,且 N 表示发生异常与事件的同批次、同厂家、同型号的电能表的数量,N2表示发生异常与事件发生后导致故障的电能表的数量。2.2 底层指标权重确定方法2.2.1 稳定性指标权重确定方法静态稳定性指标 A11表示电能表初始时刻的稳定性水平,即为初检计量误差,但随着运行时间的延长,计量误差呈现劣化趋势,动态稳定性指标 A12可用于表示计量误差随运行时间变化的情况。动态误差能更好体现电能表当前稳定性情况。因此,衡量电能表稳定性 A1要综合考虑静态指标 A11和动态稳定性指标 A12,且随着运行时间的推移,动态稳定性指标 A12应该具有更高的权重,其权重也应该具有动态性。因此,基于电能表运行时间构造静态指标和动态指标权重19WI=1T+1,WD=TT+1(11)其中 T 为智能电能表运行的时间函数。2.2.2 可靠性指标权重确定方法静态可靠性指标服从正态分布 A21 N(tR-tRD,tR),动态可靠性指标服从正态分布 A22N(R-RD,R)。由于这两个随机变量取值范围不同,需进行归一化处理,即转化为变量 UA21和 UA22,则 UA21=A21tR-tRD,UA22=A22R-RD。且静态可靠性指标 A21与动态指标可靠性指标 A22权重确定方法如式(11)所示。2.3 顶层指标评价方法2.3.1 稳定性指标评价方法构造电能表稳定性指标 A1为A1=WIA11+WDA12(12)其中 A1服从正态分布A1 N(A1,A1)(13)且A1=WII+WDD,A1=(WII)2+(WDD)2。其中:I和 I分别为静态稳定性指标 A11的均值和方差;D和 D分别为动态稳定性指标 A12的均值和方差。若第 i 个电能表的计量误差 eA1,i小于计量误差阈值,则该电能表运行状态良好,且可得到该电能表的超差风险为F(A1,i)=(eA1,i-(WII+WDD)(WII)2+(WDD)2)(14)相反,若第 i 个电能表的计量误差 eA1,i超过计量误差阈值,则该电能表运行状态为故障。2.3.2 可靠性指标评价方法考虑到指标 A21和指标 A22数量级的差异,需进行归一化处理,则电能表可靠性指标 A2为A2=WIUA21+WDUA22(15)其中 A2服从正态分布A2 N(A2,A2)(16)且A2=1,A2=WItR|tR-16|()2+WDR|R-0.9|()2。其中:tR和 tR为电能表静态可靠性指标 A21的均值和方差;R和 R为电能表动态可靠性指标 A22的均值和方差。则在获得电能表可靠性指标 A2后,可得电能表发生故障的风险为F(A2)=A2-1WItR|tR-16|()2+WDR|R-0.9|()2()(17)83哈 尔 滨 理 工 大 学 学 报 第 28 卷3 基于多源信息融合的质量综合评价方法3.1 基于工程案例的顶层指标相对权重确定方法结合工程实际,统计某地区某时间段内拆回分拣电能表的总数 N,分析得到故障表的数量 N1,其中计量类故障电能表数量为 N11,非计量类故障电能表数量为 N12,而计量类故障主要是指超差,非计量类故障主要指功能性故障,则认为计量误差超差即反映了电能表稳定性指标,而功能性故障则反映了电能表的可靠性指标。则稳定性指标与可靠性指标的权重之比为WA1WA2=N11N12(18)且故障表中发生异常与事件的数量为 M1,则异常与事件类指标与可靠性指标的权重之比为WA3WA2=N1M1(19)3.2 基于模糊偏好的权重确定方法假设任意 2 个指标存在如表 1 所示的几种偏好关系。然后,依据偏好关系,构造评价函数AiAjv(Ai)=,v(Aj)=Ai Ajv(Ai)=,v(Aj)=AiAjv(Ai)=v(Aj)=0.5(20)其中,ij,、和 是(0,1)范围内的任意实数,且满足如下约束条件 +=+=1 及 0.5 。统计数位专家对各个指标之间相互关系的确定,对各个特征量进行赋值,采用少数服从多数的原则,则可得到各个指标的模糊权值矩阵,并对各个指标函数规范化后得到权重系数20-21。表 1 指标间的关系及含义Tab.1 Relations and implications between indexes关系含义指标 i 和指标 j 对电能表质量的影响同样重要指标 i 对电能表质量的影响不如指标 j指标 i 对电能表质量的影响远不如指标 j指标对电能表质量的影响不重要!指标对电能表质量的影响重要3.3 电能表质量综合评价获取稳定性指标 A1、可靠性指标 A2及异常与事件类指标 A3A1 N(A1,A1),A2 N(A2,A2),A3 N(A3,A3)进行归一化处理VA1 N(1,A1A1),VA2 N(1,A2A2),VA3N(1,A3A3)在顶层指标权重 WA1、WA2、WA3确定之后,即可通过加权确定电能表质量状态综合指标 A 为A=(WA1UA1+WA2UA2+WA3UA3)N(A,A)(21)其中A=1,A=(WA1A1A1)2+(WA2A2A2)2+(WA3A3A3)2。据此,可计算电能表发生故障的风险为F(A)=(A-AA)(22)若发生第一类异常或事件,则可判断表计处于“故障”状态,并可依据公式(10)给出表计故障的风险 P(B2|Cj)。4 工程数值例通过现场调研某批次某厂家某型号电能表的实际运行结果可知,该批次电能表初检误差服从正态分布 N(0.05%,0.01%),运行 5 年后,其动态误差服从正态分布 N(0.18%,0.02%)。计量误差的门限值为 1.2%。依据国网某省某地市电力公司现场运行情况,获知某月内安装同批次同厂家同型号的电能表1 860台,至今已有 76 台故障拆回。该批次电能表发生过流事件 66 次,发生时钟超差事件 7次,其中由电能表本身原因导致过流和时钟超差发生的次数分别为 3 次和 6 次,电能表状态良好条件下发生过流和时钟超差的次数分别为 63 次和 1 次。现检测某两台电能表的初始误差为 0.03%和0.04%,其 运 行 5 年 后 动 态 误 差 为 0.10%和0.11%,且分别发生了电能表过流事件和时钟超差事件。工程经验表明,过流事件由电能表故障引起的情况较少,时钟超差事件则很大概率由电能表故障触发。保守估计,取 tRD=16 年,RD=0.9。根据参考文22,确定该批电能表可靠性指标。据此,电能表的底层指标评价结果如表 2 所示。93第 2 期代燕杰等:基于多源信息融合的智能电能表质量综合评价方法表 2 表计底层指标计算结果Tab.2 Results of bottom indexes for smart meters指标变量数值稳定性指标A1初始稳定性指标 A11动态稳定性指标 A12I0.05%I0.01%eI,j,过流0.03%eI,j,时钟超差0.04%A11=EI-EU,过流-1.15%A11=EI-EU,时钟超差-1.15%D0.18%D0.02%eD,j,过流0.10%eD,j,时钟超差0.11%A12=ED-EU,过流-1.02%A12=ED-EU,时钟超差-1.02%可靠性指标A2静态可靠性指标 A21动态可靠性指标 A22tR6.93 年tR11 天tj6.93 年A21=tR-tRD-9.07 年R0.926 8R0.000 5Rj0.926 8A22=R(t)-RD0.026 8异常事件指标A3过流时钟超差Qa0Qb0.7A30.35A30.202 1P(B1)0.959 1P(B2)0.040 9P(过流)0.035 5P(C过流|B1)0.035 3P(C过流|B2)0.039 5P(B2|C过流)0.045 5Qa0.4Qb1A30.70A30.173 2P(时钟)0.003 8P(C时钟|B1)0.000 6P(C时钟|B2)0.078 9P(B2|C时钟)0.849 2 由于该批次电能表运行 5 年,可得该批次电能表静态稳定性权重 WI与动态稳定性指标权重 WD为16和56,则稳定性指标 A1为0.158 3%,A1为0.016 7%,通过分析可知无论是发生过流还是时钟超差事件,电能表的计量误差超差风险均约为 0;同样,该批次电能表静态可靠性指标权重 W1与动态可靠性指标权重 W2为16和56,且无论是发生过流还是时钟超差事件,电能表故障的风险均约为 0。计算电能表顶层指标,结果如表 3 所示。表 3 顶层指标评价结果Tab.3 Evaluation results oftop level index指标变量AiAi数值 AijA1,过流0.158 3%0.016 7%0.088 3%A1,时钟0.158 3%0.016 7%0.098 3%A210.003 01.035 5A3,过流0.350.202 10.035 5A3,时钟0.700.173 20.003 8 通过模糊偏好权重法,可得顶层指标的模糊权值矩阵为RW=0.50.50.5则可以得到各个指标规范化后的权重系数为W1=+2(+)+W2=+2(+)+W2=+2(+)+其中:a=0.050,=0.950,=0.350,=0.650,则基于模糊偏好的异常与事件类指标、可靠性指标、稳定性指标的权重系数分别为815515215。则可知,若发生过流和时钟超差事件,电能表的质量状态评价结果,如表 4 所示。发生过流事件的电能表的质量评价结果为0.473 6,大于发生时钟超差事件的电能表的质量评价结果0.430 9,若仅从质量评价结果来分析,说明发生时钟超差事件的电能表的运行质量状态更好。而实际上,发生时钟超差事件的电能表可能故障的风险高达0.849 2,体现了本文提出的利用质量评价模型及风险评估综合评价电能表质量状态的必要性。04哈 尔 滨 理 工 大 学 学 报 第 28 卷表 4 电能表质量状态综合评价结果Tab.4 Comprehensive evaluation results of smartmeters quality status异常事件发生类型质量评价结果发生故障风险过流事件0.473 60.001 9时钟超差0.430 90.849 25 结 论1)本文综合利用营销业务应用系统、用电信息采集系统、计量生产调度平台信息数据、拆回分拣数据信息,构建了一种基于多源信息融合的智能电能表运行质量状态综合评价方法,可实现对运行中的电能表质量动态实时评价。研究结果对现货交易电力市场建设、智能量测设备轮换与运行维护具有现实意义。2)构建能够给出故障风险的电能表运行质量状态概率评价方法。不仅能够动态实时给出电能表质量状态估计,而且可以给出设备发生故障的风险概率,使得评估结果更具有概率意义。对工程管理人员决策电能表是否拆换具有重要参考价值。3)基于电能计量设备全生命周期多源信息构建可靠性质量指标体系。在全生命周期内梳理出稳定性指标、可靠性指标、异常与事件指标三类顶层指标,既考虑了母体样本的统计特征、又兼顾个体的质量特征,既考虑了静态指标、又兼顾了指标的动态变化特征,既兼顾了历史产品可靠性信息、又兼顾当前产品可靠性信息。参 考 文 献:1 黄友朋,路韬,党三磊,等.基于 GJB/Z 299C 的智能电能表计量单元可靠性预计J.哈尔滨理工大学学报,2021,26(6):104.HUANG Youpeng,LU Tao,DANG Sanlei,et al.Relia-bility Prediction of the Measurement Unit for Smart MeterBased on GJB/Z 299CJ.Journal of Harbin Universityof Science and Technology,2021,26(6):104.2 金阳忻,徐永进,黄小琼.基于卷积神经网络的电能表测得值置信区间研究J.中国电机工程学报,2021,41(19):6630.JIN Yangxin,XU Yongjin,HUANG Xiaoqiong.Confi-dence Coefficient Calculation Model of the Energy MeterMeasurement Based on Convolutional Neural NetworkJ.Proceedings of the CSEE,2021,41(19):6630.3 邱伟,唐求,刘旭明,等.基于 MBBS 的电能计量设备故障率预估J.仪器仪表学报,2019,40(1):43.QIU Wei,TANG Qiu,LIU Xuming,et al.Prediction ofPower Metering Equipment Failure Rate Based on MBBSJ.Chinese Journal of Scientific Instrument,2019,40(1):43.4 卢健豪,聂一雄,温盛科,等.基于层次分析法的电能计量装置运行状态评价方法J.电测与仪表,2017,54(14):81.LU Jianhao,NIE Yixiong,WEN Shengke,et al.Evalua-tion Method of Running State of Electric Energy MeteringDevice Based on ANALYTIC Hierarchy ProcessJ.E-lectric Measurement and Instrument,2017,54(14):81.5 蔡慧,乔适苏,袁健,等.基于信息融合的低压智能电能表动态评价模型J.电力系统自动化,2020,44(11):206.CAI Hui,QIAO Shisu,YUAN Jian,et al.Dynamic E-valuation Model of Low-voltage Intelligent Watt-hour Me-ter Based on Information FusionJ.Automation of Elec-tric Power System,2020,44(11):206.6 黄瑞,刘谋海,陈向群,等.基于递阶结构的多表合一能源计量系统运行状态综合评价方法J/OL.电测与 仪 表:1.http:/ Rui,LIU Mouhai,CHEN Xiangqun,et al.In-tegrated Operation State Evaluation Method of Multi-meterIntegrated Energy Metering System Based on HierarchicalStructureJ.Electrical Measurement and Instrumenta-tion.http:/ 罗群,刘春雨,张家安,等.智能电能表状态检验评价指标体系及 在线平台开发J.电测与仪表,2017,54(17):94.LUO Qun,LIU Chunyu,ZHANG Jianan,et al.OnlinePlatform Development and Evaluation Indexes of State In-spection for Smart Meters J.Electrical Measurementand Instrumentation,2017,54(