CN104793171A - 一种基于故障仿真的智能电表故障检测方法 - Google Patents

Abstract

本发明公开了一种基于故障仿真的智能电表故障检测方法，该方法通过相继完成智能电表的功能仿真和故障仿真，获得了不同元器件在各种故障模式下，对电表输出性能的影响，并据此建立故障字典，表征了元器件的故障模式与电表输出状态之间的一一对应关系，最后参照故障字典的内容进行查询对照，确定实物智能电表发生故障的元器件类型、位置和失效模式类型，完成实物智能电表的故障检测。

Description

一种基于故障仿真的智能电表故障检测方法

技术领域

本发明涉及智能电表故障检测领域，尤其是基于智能电表故障仿真的故障检测方法。

背景技术

智能电表的可靠性是智能电表质量的一个重要特征指标，而智能电表的各种故障与可靠性问题是直接反映了电网网络结构、运行管理和供电服务的水平，是国家电监会对电网企业的重要监管指标，也是电网企业对外服务承诺的核心指标。随着社会经济的快速发展，智能电表正在大幅度的应用，在各种新型号智能电表不断出现的过程中，其可靠性不稳定必定带来大量的质量诉求，因此需采用必要的技术手段在智能电表选型之前进行可靠性仿真评定。而当前对智能电表的可靠性验证与评定采用非常传统的可靠性方法(数据评估的方法)，该方法需要大量的数据为基础进行评定，且对一些数据源不准确的故障，一些归零难的故障，评定结果不够准确与真实，同时数据采集也比较繁琐，耗费大量的人力物力。同时完全基于软件的电路故障仿真，其元器件的软件模型对定义复杂，且模型参数不一定准确，仿真误差大。

发明内容

本发明的发明目的是：针对上述技术问题，提供一种能快速、准确检测智能电表故障的故障检测方法。

本发明技术方案为：一种基于故障仿真的智能电表故障检测方法，该故障检测方法包括以下步骤：

a、搭建智能电表的电路功能仿真模型，完成电路在正常状态下的功能仿真，获得各测试节点处正常状态波形，通过波形分析，选定波形特征的范围参数，据此建立故障判据；

b、建立元器件故障模型，通过向电路功能仿真模型注入元器件故障模型得出电路故障仿真模型；其中故障模型包括元器件类型、失效模式类型和元器件位置；

c、运行电路故障仿真模型，并以电路故障仿真模型中元器件类型和位置作为节点选取故障测试节点及其失效模式，得到该故障测试节点对应失效模式的输出波形，并提取波形特征的范围参数，对于超出步骤a故障判据规定的参数使用范围的对应节点，将其状态判定为故障，否则判定为正常，根据故障测试节点波形特征和故障判定结果以及相应故障测试节点的元器件故障模型建立故障节点的失效模式故障字典，其中故障字典中的每一条为节点输出波形特征的范围参数、故障判定结果、元器件故障模型组成的特征向量；

d、在进行实物智能电表进行故障检测时，对实物智能电表施加与电路故障仿真模型相同的激励，选取实物智能电表的测试节点以获得该测试节点的输出波形，并提取波形特征的范围参数，并依据故障字典的内容查询对照，确定实物智能电表的元器件类型、位置和失效模式类型，完成实物智能电表的故障检测。

优选地，智能电表电路功能仿真模型基于EDA原理图设计。

优选地，元器件类型包括电阻、电容、电感、变压器、二极管、三极管、晶振、温度传感器、稳压管、整流桥、继电器、存储器、通讯接口、单片机、电能测量集成电路。

优选地，失效模式类型包括特征参数漂移、断路、短路和输出失效。

本发明有益效果是：

通该智能电表故障检测方法，获得了与真实智能电表硬件系统几乎相同的故障检测结果，能提供准确的评估数据，并且通过EDA技术再设计可对不同的硬件电路进行重新输入，适用不同的智能电表或者其他硬件电路的故障仿真，应用范围广泛，具备一定的工程实践价值，展现了良好的工程应用前景，同时节省了对不同硬件测试的时间、人力、物力、方便快捷，具有通用性。相对于其他故障检测方法而言，具有高效、经济等优势。

智能电表故障注入是指按照选定的故障模型，用人工的方法有意识的制造故障并施加于被研究的智能电表系统中，以诱发该智能电表系统的错误和失效的发生，同时观测和回收智能电表系统对所注入故障的反应信息，并对回收信息进行分析，并向试验者提供有关分析结果的实验过程。

智能电表电路功能可靠性仿真以基于EDA的电路故障仿真技术为核心，针对典型智能电表电路进行功能分解，根据性能分析和可靠性分析的要求制定故障注入的相关措施，在智能电表电路的仿真模型中注入元器件失效、参数偏差等影响因素，通过仿真技术进行智能电表电路的性能分析，从而得到智能电表电路的故障仿真数据以完成智能电表电路的可靠性验证分析工作。

在仿真环境下对智能电表电路中的集成器件注入故障，不仅可以避免智能电表硬件故障注入可能造成的损失，而且可以克服软件故障注入对智能电表电路中某些非程序控制器件不可达的缺点。

PSPICE是一种功能相当完善的EDA电路仿真软件，它给用户提供了友好的交互界面，同时它提供的接口部分可以很方便地扩展器件模型库并实现仿真数据交互。本发明着重分析了利用PSPICE进行智能电表半导体集成电路故障模式建模的方法，并通过实例验证了该方法的正确性以及进行智能电表电路仿真故障注入的可行性。

PSPICE具有强大而独特的仿真分析能力，使用它进行电路的故障仿真可以得到与真实硬件系统测试相当接近的结果，这不仅避免了实际测试带来的耗费，同时可以给设计人员提供相当准确的测试数据，故障仿真的灵活性更加方便了设计人员了解电路的抗干扰能力。通过建立PSPICE仿真环境下对应各种故障模式的故障仿真模型，并将元器件的故障模型注入电路进行仿真，从而实现电路的故障仿真。

本发明的智能电表故障检测方法，借助EDA技术，在电路原有功能模型基础上，结合故障建模、故障注入等技术构建电路故障仿真模型，分析获得元器件故障对电路造成的影响，实现了电表的虚拟故障测试，并且对测试结果进行特定处理，编纂了智能电表的故障字典，从而为实物电表的故障检测、故障诊断等环节提供了可靠的参考资料。另外，利用虚拟故障检测手段，可方便快捷地获取丰富的产品故障数据，为处于设计研制阶段的电表可靠性分析等工作，提供了强大的数据基础支持。

本发明的总体设计方案如图1所示。

该方案主要由功能仿真、故障仿真及实际电路故障检测三部分构成。

首先，在EDA环境下运行电表的电路原理图，完成电路在正常状态下的功能仿真，获得各测试节点处正常状态波形，通过波形分析，选定波形特征参数，据此建立故障判据。

其次，在电路功能仿真基础之上，对电路中元器件的故障模式及影响因素进行故障建模，并将这些故障模型注入到电路功能仿真模型中，形成电路的故障仿真模型，然后对电路的功能仿真模型和故障仿真模型分别进行仿真，获取相应的仿真结果，再根据电路测试节点的输出特性要求，对仿真结果故障判定，从而确定所注入的故障对电路性能的影响。

最后，依据故障仿真结果建立智能电表的故障字典。选取电表的若干输出节点等作为故障测试节点，根据已注入的故障元器件对这些节点信号波形特征参数的影响(节点正常或者故障)，编码完成基于特定元器件故障模式的信号特征向量，作为故障字典的核心组成内容。这样通过仿真途径事先完成的故障字典，便建立了元器件故障模式及故障测试节点之间的对应关系，它表征了智能电表的各种故障症状，可将之以数据库的形式存储在计算机的记忆设备中。

在对实物电表进行故障检测时，对电路施加与故障仿真时相同的激励，且选择相同的测试节点作为观察对象，以得到实物的特征序列向量，之后通过和数据库存储的信号特征向量集合进行比照，便可回溯故障元器件的位置及相应的故障模式，达到智能电表故障检测的目的。

附图说明

图1是本发明基于仿真的故障检测方案设计；

图2是本发明的元器件故障建模；

图3是建立故障字典以及故障检测的流程；

图4是智能电表电源模块原理图；

具体实施方式

本发明公开了一种基于故障仿真的智能电表故障检测方法，该故障检测方法包括以下步骤：

a、搭建智能电表的电路功能仿真模型，完成电路在正常状态下的功能仿真，获得各测试节点处正常状态波形，通过波形分析，选定波形特征的范围参数，据此建立故障判据；

b、建立元器件故障模型，通过向电路功能仿真模型注入元器件故障模型得出电路故障仿真模型；其中故障模型包括元器件类型、失效模式类型和元器件位置；

c、运行电路故障仿真模型，并以电路故障仿真模型中元器件类型和位置作为节点选取故障测试节点及其失效模式，得到该故障测试节点对应失效模式的输出波形，并提取波形特征的范围参数，对于超出步骤a故障判据规定的参数使用范围的对应节点，将其状态判定为故障，否则判定为正常，根据故障测试节点波形特征和故障判定结果以及相应故障测试节点的元器件故障模型建立故障节点的失效模式故障字典，其中故障字典中的每一条为节点输出波形特征的范围参数、故障判定结果、元器件故障模型组成的特征向量；

d、在进行实物智能电表进行故障检测时，对实物智能电表施加与电路故障仿真模型相同的激励，选取实物智能电表的测试节点以获得该测试节点的输出波形，并提取波形特征的范围参数，并依据故障字典的内容查询对照，确定实物智能电表的元器件类型、位置和失效模式类型，完成实物智能电表的故障检测。

由总体方案(如图1所示)可见，故障建模、故障判定技术是基于仿真的智能电表故障检测方法所涉及到的两大基础理论。

故障建模

智能电表故障检测的最主要目的就是确定故障元器件的位置及其失效原因。因此将元器件级故障作为故障建模的操作对象，具有实际工程意义。元器件故障建模实质是在EDA环境下通过对元器件加入各种故障影响因素，以定量模拟和描述元器件故障行为的过程。

智能电表常用元器件主要包括电阻、电容、电感、变压器、二极管、三极管、晶振、温度传感器、稳压管、整流桥、继电器、存储器、通讯接口、单片机、电能测量集成电路等。它们的常见故障模式基本可用以下四种故障模型来涵盖：特征参数漂移、断路、短路和输出失效。本发明利用元器件模型重组法来建立元器件的故障模型，它是一种基于失效表现形式的建模方法，不需要考虑元器件的内部结构，仅考虑元器件发生失效的引脚，通用性强，适用范围广。其具体原理和建立过程如图2所示。

建立故障字典

智能电表故障字典表征的是特定“故障源”(由元器件代号和故障模式组成)和在该故障源存在条件下对应的测试节点状态向量(定义为“信号特征向量”)之间的对应关系。建立故障字典的流程如下：

1)测试节点的选取

本发明假设一个测试节点处有一个测试信号，例如电压信号、电流信号等。智能电表测试节点的重要选取原则是具有实物可测性，且每个测试节点在故障源存在条件下对其状态的判定只作“故障”或者“正常”处理。假设选取的节点数目为N个，则N值的确定方法可参考下式(M为电路中故障源的总个数)：

2^N+1＞M≥2^N

2)正常状态仿真

在电路正常工作状态下，施加一定的测试激励，获得每个测试节点处正常工作状态的信号波形，作为故障判定的标准信号。

3)提取特征参数

将正常状态下仿真得到的波形进行内部信号的分类分析和判定。实际信号判定时，通常是在指定的时间范围内，针对每个区段内的信号序列，计算信号序列的特征参数(例如波形、周期、波形相关的特征参数等)，并据此判定其是否符合要求。

对任意信号序列及波形特征参数提取的步骤如下：

①根据信号特征划分时间区段；

②按照给定时间区段，计算区段内信号序列的特征，判定波形的种类(直流信号、正弦波、方波、三角波、锯齿波、脉冲信号)；

③判定是否为周期信号；

④如果判定是标准周期信号，分别计算出其特征参数：

正弦波：周期、相位、最大/最小值；

方波：周期、最大/最小值、上升沿、下降沿、信号宽度；

三角波：周期、最大/最小值、上升沿、下降沿；

锯齿波：周期、最大/最小值、上升沿；

脉冲信号：周期、最大/最小值、信号宽度；

⑤如果不是标准周期信号，计算信号的失真度；

⑥如果是非周期信号，采用波形识别法，包括阈值法和面积法。

4)设置故障判据

根据电路设计的技术性能指标，提取信号波形的特征参数等信息，建立一套合理的故障判据。制定故障判据的具体过程如下：

①对电路测试节点的故障状态进行定义：测试节点的故障状态通常表现为特征参数指标超出了允许范围，如电源输出节点无输出电压、电压不能满足供电指标要求等。

②将测试节点的故障状态进行定量化处理：即对测试节点的特征参数指标进行使用范围的界定，以这些特征参数指标的具体设定值作为故障状态判定的依据。表1给出了部分常见的用于故障判定的特征参数算法及判定条件。

5)故障状态仿真

自动注入故障模式，对电路进行仿真，检测每一个测试节点处的波形输出结果。与标准波形进行对比，根据已设置的故障判据，判定每一个特征参数对应的信号是正常还是故障。

6)建立故障字典

对于某一故障模式，定义测试节点“故障”状态时对应的信号特征向量序位为“1”，“正常”对应的序位为“0”，建立该故障模型的故障字典特征向量。对电路中所有的故障模式仿真结果建立对应的特征向量，进而得到1智能电表电路的故障字典。设电路共选定n个测试节点，第i个测试节点处信号有ni个特征参数，故障字典组成如表2所示。

表2 智能电表电路故障字典组成

例如，测试节点n1电压信号U1为正弦波信号，选定周期、最大值和相位三个特征参数；n2处电压信号U2为三角波信号，选定周期和最大值两个特征参数；注入故障模式R1短路后，根据故障判据，测得U1周期正常、最大值正常、相位故障，U2周期故障、最大值故障，则R1短路故障模式对应的故障字典中特征向量为{0|0|1，1|1}，根据建立故障字典如表3所示。

表3 故障字典举例

表1 信号特征参数算法及判定条件

利用故障字典实现故障检测

故障检测中故障模式的确定实际是反查已建立的故障字典的过程。智能电表实物故障检测时，给电路施加与故障仿真相同的激励，获得测试节点输出状态，根据故障判据，判断各个节点的每一个特征参数是故障还是正常，进而得到信号特征向量，之后在事先建立的故障字典中查询与此信号特征向量对应的故障源，即可确定故障元器件的发生位置及其故障模式。

例如3.1中举例的电路在进行实物测量时，得到U1的周期和最大值在正常范围内、相位值不在正常范围内，U2的周期和最大值均不在正常范围内，则可得到电路该状态的信号特征向量为{0|0|1，1|1}，查询已建立的故障字典可知该向量对应的故障模式为R1短路，因此可以判断此时电路中故障为R1短路。

故障字典的优化

在实际应用中，可根据需要对故障字典进行简化处理或增加判定项，对故障字典进行优化。

对于较简单电路，故障模式较少，可以在每个测试节点只选择一个较重要的特征参数进行故障字典的编码，只要建立的故障字典能区分开所有的故障模式即可。在这种情况下，如果出现个别模糊组，即相同的信号特征向量对应几个故障模式，可以对测试信号进行其他特征参数的提取和判定，进而区分模糊组内不同的故障模式。

对于较复杂的电路，故障模式较多，选定的特征参数建立的故障字典可能存在较多模糊组。此时对于模糊组中的故障模式，可以在一个测试节点增添其他的测试信号，同时增添对应的特征参数来进行区分判断。例如在测试节点n1处测试的是电压信号U1，可以增添电流信号I1，选定该电流信号的特征参数，对其进一步检测，以区分模糊组中的故障模式。

由以上分析可知，故障字典的优化实际上是消除模糊组的过程，即故障字典中的信号特征向量能尽可能完全区分所有的故障模式，以便于故障检测结果的定位。优化的故障字典大大提高了故障检测的能力和效率。

本发明以三相智能电表的电源模块为例，对基于仿真的智能电表故障检测方法进行了案例应用和分析。该电源电路将大电压信号转换为智能电表工作所需的小信号电压，它含有包括电容、电阻、二极管、整流桥、变压器等在内的共24个元器件，其PSPICE环境下的电路图如图4所示。

在此电路中选择电压信号VCC、VCC1、VCC2、VCC3、VCC4和VCC5(图中椭圆形框标注)作为测试信号。借助“基于PSPICE的故障仿真”软件，进行电源模块电路正常状态仿真，得到5个测试信号的波形图，进行波形识别，6个测试信号波形分别为梯形波、梯形波、梯形波、梯形波、梯形波和正弦波。选择每个波形的特征参数，分别为VCC、VCC1、VCC2、VCC3、VCC4的最大值，VCC5的周期和最大值。根据选定的特征参数和电路设计的技术性能指标设置故障判据：①在加电工作20ms～200ms内，VCC最大值超出范围5V±0.2V；②在加电工作15ms～200ms内，VCC1最大值超出范围5V±0.2V；③在加电工作80ms～200ms内，VCC2最大值超出范围30V±0.4V；④在加电工作100ms～200ms内，VCC3最大值超出范围60V±0.5V；⑤在加电工作20ms～200ms内，VCC4最大值超出范围55.2～55.9V；⑥在加电工作20ms～200ms内，VCC5周期超出范围20ms±1ms；⑦在加电工作20ms～200ms内，VCC5最大值超出范围27.5～28V。

通过对元器件B1、C5、C29、C31、C32、C33、D4和D6的常见的故障率高的故障模式进行仿真，得到该电路测试节点的故障仿真结果，将结果中故障用1表示、正常用0表示，编码完成信号特征向量，初步建立故障字典如表4所示。

由表4容易看出，初步建立的故障字典中存在两个模糊组：C5开路和D4参数漂移、C29短路和C5短路分别对应着相同的特征向量。下面只需将这两个模糊组中的故障模式进一步区分，就通过故障字典区分选定的所有的故障模式。

通过故障波形分析，C5开路、D4参数漂移时的VCC3波形与标准波形差异相对较大，因此增添VCC3信号的上升时间作为判定的特征参数，设置故障判据：在0～50ms内，VCC3的上升时间大于18.6ms为故障。仿真得到：C5开路时故障，D4参数漂移时信号正常。对应特征向量为：C5开路，{0，0，0，0|1，0，0，0}；D4参数漂移，{0，0，0，0|0，0，0，0}。

同理，对于C29短路和C5短路，增添VCC2的上升时间，设置相应的故障判据，得到对应的特征向量：C29短路，{1，0，1|1，1，0，0，0}；C5短路，{1，0，1|0，1，0，0，0}。

至此，创建的故障字典，最终完成了对12种高故障率的故障模式的严格区分，从而保证了它可以为实物电表的故障检测提供可靠的参考依据。当需要对实物电表进行故障测试时，则可对故障字典中选定的测试节点进行相应特征参数的测试，得到每个节点的故障/正常状态，记录结果形成特征向量，根据特征向量反查已预先建立的故障字典，确定发生故障的器件及其故障模式。

表4 智能电表电路故障字典

基于本发明，为智能电表的实物故障检测提供了可靠的参考工具，同时也为其故障诊断等环节奠定了良好的数据基础，显然，上述电路功能仿真模型可以不仅仅是智能电表，还可以是其他电路功能仿真模型，上述实例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (4)

1.一种基于故障仿真的智能电表故障检测方法，其特征在于：该故障检测方法包括以下步骤：

a、搭建智能电表的电路功能仿真模型，完成电路在正常状态下的功能仿真，获得各测试节点处正常状态波形，通过波形分析，选定波形特征的范围参数，据此建立故障判据；

b、建立元器件故障模型，通过向电路功能仿真模型注入元器件故障模型得出电路故障仿真模型；其中故障模型包括元器件类型、失效模式类型和元器件位置；

c、运行电路故障仿真模型，并以电路故障仿真模型中元器件类型和位置作为节点选取故障测试节点及其失效模式，得到该故障测试节点对应失效模式的输出波形，并提取波形特征的范围参数，对于超出步骤a故障判据规定的参数使用范围的对应节点，将其状态判定为故障，否则判定为正常，根据故障测试节点波形特征和故障判定结果以及相应故障测试节点的元器件故障模型建立故障节点的失效模式故障字典，其中故障字典中的每一条为节点输出波形特征的范围参数、故障判定结果、元器件故障模型组成的特征向量；

d、在进行实物智能电表进行故障检测时，对实物智能电表施加与电路故障仿真模型相同的激励，选取实物智能电表的测试节点以获得该测试节点的输出波形，并提取波形特征的范围参数，最后依据故障字典的内容查询对照，确定实物智能电表的元器件类型、位置和失效模式类型，完成实物智能电表的故障检测。

2.根据权利要求1所述的智能电表故障检测方法，其特征在于：智能电表电路功能仿真模型基于EDA原理图设计。

3.根据权利要求1所述的智能电表故障检测方法，其特征在于：元器件类型包括电阻、电容、电感、变压器、二极管、三极管、晶振、温度传感器、稳压管、整流桥、继电器、存储器、通讯接口、单片机、电能测量集成电路。

4.根据权利要求1所述的智能电表故障检测方法，其特征在于：失效模式类型包括特征参数漂移、断路、短路和输出失效。