CN106875124A - 一种电能计量装置状态评估方法、装置及系统 - Google Patents

Abstract

本发明公开了一种电能计量装置状态评估方法、装置及系统，包括采集用户中电能计量装置的电气参数；将电气参数输入至分析模型中并得到电能计量装置中的各个子部件的运行异常概率；分析模型通过层次分析法和模糊理论建立，分析模型包括输入层、准则层和目标层。本发明在对某一个用户的电能计量装置的状态进行评估时，只需要采集该用户的电能计量装置的电气参数，利用分析模型中的层次分析法和模糊理论对所采集的电气参数进行分析计算得出电能计量装置中的各个子部件的运行异常概率，以便对电能计量装置的运行状态进行评估。本发明在使用的过程中所需数据较少，数据采集可一次性获取，使数据采集更加容易，并且状态评估更易于实现。

Description

一种电能计量装置状态评估方法、装置及系统

技术领域

本发明涉及智能电网设备在线状态监测技术领域，特别是涉及一种电能计量装置状态评估方法。本发明还涉及一种电能计量装置状态评估装置及系统。

背景技术

电能计量工作是电能企业一项非常重要的工作，也是电力企业和用户建立信任的关键。准确的计量电能可以保障电量结算的公平，所以电能计量装置的运行状态是否正常直接影响着电能计量的准确性。对电能计量装置运行状态的评价在理论上属于一个多层次、影响因素较多的一个复杂问题，只有通过对各种电参量的影响的综合分析和评估才能实现对电能计量装置状态评估的优化设计。

目前，主要采用计量误差的方法对用户的电能计量装置的状态进行评估，但是，现有技术中在采用计量误差的方法对某一个用户的电能计量装置的状态进行评估时，不仅需要采集该目标电能计量装置的电气参数，还需要采集与该目标电能计量装置存在电器拓扑关系的多个相邻设备的电器参数，以进一步对该目标电能计量装置的状态进行评估分析，现有技术中的电能计量装置状态评估方法需要采集的数据量较大，数据采集过程较为繁琐，并且状态评估的实现过程比较复杂。

因此，如何提供一种解决上述技术问题的电能计量装置状态评估方法、装置及系统成为本领域的技术人员需要解决的问题。

发明内容

本发明的目的是提供一种电能计量装置状态评估方法，在使用的过程中所需数据较少，数据采集可一次性获取，使数据采集更加容易，并且状态评估更易于实现；本发明的另一目的是提供一种电能计量装置状态评估装置和系统，在使用的过程中所需数据较少，数据采集更加容易，并且状态评估更易于实现。

为解决上述技术问题，本发明提供了一种电能计量装置状态评估方法，所述方法包括：

采集用户中电能计量装置的电气参数；

将所述电气参数输入至分析模型中并得到所述电能计量装置中的各个子部件的运行异常概率；

所述分析模型通过层次分析法和模糊理论建立，所述分析模型包括输入层、准则层和目标层。

可选的，所述将所述电气参数输入至分析模型中并得到所述电能计量装置中的各个子部件的运行异常概率的过程具体为：

对所述电气参数进行模糊化处理，得到所述电能计量装置的状态特征矩阵，所述状态特征矩阵为n*n矩阵，其各个行向量分别为所述输入层的各个子因素，所述n为不小于2的整数；

依据所述输入层的各个所述子因素以及第一运算关系式计算得出准则层因素模糊化行向量；

依据所述准则层因素模糊化行向量以及第二运算关系式计算得出所述目标层的状态评价系数矩阵；

将所述状态评价系数矩阵进行反模糊化，并得到所述电能计量装置中的各个子部件的运行异常概率。

可选的，所述将所述状态评价系数矩阵进行反模糊化，并得到所述电能计量装置中的各个子部件的运行异常概率的过程具体为：

利用所述状态平均系数矩阵中的各个元素以及第三运算公式得到所述电能计量装置中的相应的各个子部件的运行异常概率；所述第三运算公式为：

其中，η_k表示第k个子部件的运行异常概率，Z_k表示状态平均系数矩阵中的第k个元素，α_k表示第k个子部件的第一异常概率阈值，β_k表示第k个子部件的第二异常概率阈值。

可选的，所述依据所述输入层的各个所述子因素以及第一运算关系式计算得出准则层因素模糊化行向量的过程具体为：

依据1-9标度法求出所述输入层的各个所述子因素相对于所述准则层的各个子因素的权重系数矩阵的各个第一权重系数列向量；

利用所述输入层的各个所述子因素、各个所述第一权重系数列向量以及第一运算关系式计算得出准则层因素模糊化行向量。

可选的，所述依据所述准则层因素模糊化行向量以及第二运算关系式计算得出所述目标层的状态评价系数矩阵的过程具体为：

依据1-9标度法求出所述准则层的各个所述子因素相对于所述目标层的各个子目标的权重系数矩阵的各个第二权重系数列向量；

利用所述准则层因素模糊化行向量、各个第二权重系数列向量以及第二关系式计算得出所述目标层的状态评价系数矩阵。

可选的，所述准则层的子因素包括计量电压、计量电流、功率因素、相位检测以及异常告警。

可选的，如上述所述n为5。

可选的，如上述所述的电能计量装置状态评估方法，所述目标层的子目标包括电能表、电流互感器、电压互感器、二次回路以及终端，所述目标层的各个所述子因素与所述电能计量装置中的各个所述子部件一一对应。

为解决上述技术问题，本发明提供了一种电能计量装置状态评估装置，所述装置包括：

采集模块，用于采集用户中电能计量装置的电气参数，并将所述电气参数发送出去；

输入模块，用于接收所述电气参数，并将所述电气参数输入至分析模型；

所述分析模型，用于对所述电气参数进行分析计算，以得到与所述电能计量装置中的各个子部件的运行异常概率；

所述分析模型通过层次分析法和模糊理论建立，所述分析模型包括输入层、准则层和目标层。

为解决上述技术问题，本发明提供了一种电能计量装置状态评估系统，所述系统包括如上述所述的装置。

本发明提供了一种电能计量装置状态评估方法、装置及系统，包括：采集用户中电能计量装置的电气参数；将电气参数输入至分析模型中并得到电能计量装置中的各个子部件的运行异常概率；分析模型通过层次分析法和模糊理论建立，分析模型包括输入层、准则层和目标层。在对某一个用户的电能计量装置的状态进行评估时，本发明只需要采集该用户的电能计量装置的电气参数即可，并将所采集的电气参数输入至通过层次分析法和模糊理论建立的分析模型中，利用层次分析法和模糊理论对所采集的电气参数进行分析计算得出电能计量装置中的各个子部件的运行异常概率，以便对电能计量装置的运行状态进行评估。与现有技术相比，本发明在使用的过程中所需数据较少，数据采集可一次性获取，使数据采集更加容易，并且状态评估更易于实现。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种电能计量装置状态评估方法的流程示意图；

图2为本发明提供的一种电能计量装置状态评估装置的结构示意图。

具体实施方式

本发明提供了一种电能计量装置状态评估方法，在使用的过程中所需数据较少，数据采集可一次性获取，使数据采集更加容易，并且状态评估更易于实现；本发明还提供了一种电能计量装置状态评估装置和系统，在使用的过程中所需数据较少，数据采集更加容易，并且状态评估更易于实现。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

由于电能计量装置运行状态评估在理论上属于一个多层次、影响因素较多的一个复杂问题，只有通过对各种电参量的影响的综合分析和评估才能实现对电能计量装置状态评估的优化设计。层次分析法是模拟人的思考逻辑和推理分析，使用定性和定量的方式将复杂的问题系统化，将多个目标决策化为多层次的简单问题，又不会单一的追求理论计算，应用容易、结果简单明确的一种分析方法。又因为，电器设备在状态监测过程中存在许多不确定性，常常表现为不同的电器设备状态可能具有相似的电参量特征值，而不同的电参量特征值可能对应同一电能计量装置的设备异常状态。因此，电能计量装置的设备状态监测异常与否可视为具有一定的模糊性。不能将设备的异常性绝对地识别为“存在”或“不存在”。对于设备出现异常这一模糊现象，用传统的监测识别方法存在一些困难，模糊理论则显示出其模糊数学的优越性。

本发明将层次分析法与模糊理论相结合，将其应用于电能计量装置运行状态评价具有较高的可塑性。

请参照图1，图1为本发明提供的一种电能计量装置状态评估方法的流程示意图。该方法包括：

步骤10：采集用户中电能计量装置的电气参数；

步骤20：将电气参数输入至分析模型中并得到电能计量装置中的各个子部件的运行异常概率；其中，分析模型通过层次分析法和模糊理论建立，分析模型包括输入层、准则层和目标层。

需要说明的是，本发明中所提供的分析模型是通过层次分析法以及模糊理论建立的，该分析模型包括输入层、准则层和目标层三个层次，其中，输入层的子因素主要是电能计量装置各个原始运行数据或事件记录；准则层是影响因素层；目标层是要达到的预期结果，例如可以识别异常出现在电能计量装置的哪个子部件并得到各个子部件的运行异常概率。

具体的，可以通过后台获取相应用户的电能计量装置的电气参数；并将所采集到的电气参数输入至分析模型中，分析模型利用层次分析法以及模糊理论对电气参数进行分析计算，以得到电能计量装置中的各个子部件的运行异常概率，以实现对电能计量装置状态的评估。当然，分析结果(即电能计量装置的各个子部件的运行异常概率)可以作为相关的工作人员对电能计量装置进行现场检修的依据。

作为可选的，将电气参数输入至分析模型中并得到电能计量装置中的各个子部件的运行异常概率的过程具体为：

对电气参数进行模糊化处理，得到电能计量装置的状态特征矩阵，状态特征矩阵为n*n矩阵，其各个行向量分别为输入层的各个子因素，n为不小于2的整数；

依据输入层的各个子因素以及第一运算关系式计算得出准则层因素模糊化行向量；

依据准则层因素模糊化行向量以及第二运算关系式计算得出目标层的状态评价系数矩阵；

将状态评价系数矩阵进行反模糊化，并得到电能计量装置中的各个子部件的运行异常概率。

具体的，对电气参数进行模糊化处理，得到输入层相应的变量的取值，得到电能计量装置的状态特征矩阵，该状态特征矩阵为nxn矩阵，本申请中优选的n取值为5，则状态特征矩阵为P_5x5，其元素为P_ij，其中，i和j均为整数，且i的取值范围为[1,5]，j的取值范围为[1,5]，则状态特征矩阵P_5x5中的5个行向量P_i分别为输入层的5个子因素，即输入层的第一子因素为P₁，第二子因素为P₂，第三子因素为P₃，第四子因素为P₄，第五子因素为P₅。如表1所示，表1为本发明提供的输入层相对应准则层的输入变量及其取值，其中，取值范围处1表示该事件已经发生，“0”表示该事件未发生，当取值为[0,1]时，其值大小与对应的状态监测项的异常程度成模糊正相关。在分析计算中P_ij的取值即为0或1或[0,1]之间的某一个值，并且P_ij的具体取值应根据实际情况而定。

作为可选的，准则层的子因素包括计量电压、计量电流、功率因素、相位检测以及异常告警。

需要说明的是，本申请中的准则层的子因素包括以上几种。当然，不仅限于这几种，还可以包括其他子因素，具体的可以根据实际情况而定，本发明对此不做特殊的限定，能实现本发明的目的即可。

作为可选的，如上述的电能计量装置状态评估方法，目标层的子目标包括电能表、电流互感器、电压互感器、二次回路以及终端，目标层的各个子目标与电能计量装置中的各个子部件一一对应。

需要说明的是，目标中的各个子因素也就是电能计量装置中的各个子部件。另外，本申请中的目标层的子目标包括以上几种。当然，不仅限于这几种，还可以包括其他子因素，具体的可以根据实际情况而定，本发明对此不做特殊的限定，能实现本发明的目的即可。

作为可选的，依据输入层的各个子因素以及第一运算关系式计算得出准则层因素模糊化行向量的过程具体为：

依据1-9标度法求出输入层的各个子因素相对于准则层的各个子因素的权重系数矩阵的各个第一权重系数列向量；

利用输入层的各个子因素、各个第一权重系数列向量以及第一运算关系式计算得出准则层因素模糊化行向量。

需要说明的是，依据1-9标度法通过构造判断矩阵可以求出输入层的子因素P_i(i＝1,2,3,4,5)，相对于准则层的各个子因素的权重系数矩阵的各个第一权重系数列向量，例如准则层的各个子因素为C_i，则由输入层的子因素P_i得到的第一权重系数列向量为R_ci，依据i的取值可以得到R_c1、R_c2、R_c3、R_c4以及R_c5这五个第一权重系数列向量。依据第一运算关系式，其中第一运算关系式为C_i＝P_i·R_Ci，则可以得到每个准则层因素模糊化量化值C_i。具体的，i＝1时，即可求出C₁；i＝2时，即可求出C₂；i＝3时，即可求出C₃；i＝4时，即可求出C₄；i＝5时，即可求出C₅，进一步得到准则层因素模糊化行向量C，即：

C＝[C₁ C₂ C₃ C₄ C₅]

＝[P₁·R_C1 P₂·R_C2 P₃·R_C3 P₄·R_C4 P₅·R_C5]

其中，C₁为计量电压、C₂为计量电流、C₃为功率因素、C₄为相位检测以及C₅为异常告警。

作为可选的，依据准则层因素模糊化行向量以及第二运算关系式计算得出目标层的状态评价系数矩阵的过程具体为：

依据1-9标度法求出准则层的各个子因素相对于目标层的各个子目标的权重系数矩阵的各个第二权重系数列向量；

利用准则层因素模糊化行向量、各个第二权重系数列向量以及第二关系式计算得出目标层的状态评价系数矩阵。

需要说明的是，依据1-9标度法通过构造判断矩阵可以求出准则层的各个子因素相对于目标层的各个子目标的权重系数矩阵的各个第二权重系数列向量。也就是，求出准则层中的各个子因素(计量电压、计量电流、功率因素、相位检测以及异常告警)相对于目标层的各个子目标(电能表、电流互感器、电压互感器、二次回路以及终端)的权重系数矩阵的各个第二权重系数列向量，其中，该权重系数矩阵也为5x5矩阵，一共得到5个第二权重系数列向量。例如目标层的各个子目标为Z_k，则由准则层的子因素C_i得到的第二权重系数列向量为R_zk(k＝1,2,3,4,5)，5个第二权重系数列向量分别为R_z1、R_z2、R_z3、R_z4以及R_z5。依据第二运算关系式，其中第二运算关系式为Z_k＝C·R_Zk，准则层因素模糊化行向量为C，则可以得到每个目标层子目标模糊量化值Z_k，将得到的各个目标层子目标模糊量化值Z_k进行组合即可得到目标层的状态评价系数矩阵，该目标层的状态评价系数矩阵为1x5矩阵(即为一个行向量)Z_1x5，即：

作为可选的，将状态评价系数矩阵进行反模糊化，并得到电能计量装置中的各个子部件的运行异常概率的过程具体为：

利用状态平均系数矩阵中的各个元素以及第三运算公式得到电能计量装置中的相应的各个子部件的运行异常概率；第三运算公式为：

其中，η_k表示第k个子部件的运行异常概率，Z_k表示状态平均系数矩阵中的第k个元素，α_k表示第k个子部件的第一异常概率阈值，β_k表示第k个子部件的第二异常概率阈值。

具体的，将状态评价系数矩阵Z进行反模糊化，得到的各个子部件的运行异常概率η_k应满足上述关系式。当η_k的计算结果在[0,1]之间时，则该值越大表示对应的子部件出现故障的几率越大，所以根据计算结果即可分析确定故障可能出现的位置，相关的工作人员即可根据计算结果对现场进行检修维护。

需要说明的是，本申请中所提供的第一异常概率阀值α_k和第二异常概率阈值β_k是依据“最大隶属度取最大值”及“隶属度求和”原则，从输入层因素中选取出可表征子目标异常的充要权重因子作为评价阀值。具体的，请参照表2，表2为本发明提供的各个子目标的异常概率阈值。

表1

表2

需要说明的是，α_k以及β_k的具体取值应根据实际情况而定。

作为可选的，如上述的电能计量装置状态评估方法，n的取值为5。

需要说明的是，在本申请所提供的实施例中n的取值为5，即所采集的数据为25个。当然，在实际应用中对于n的具体取值应依据实际情况而定，本发明对此不做任何限定，能实现本发明的目的即可。

本发明提供了一种电能计量装置状态评估方法，包括：采集用户中电能计量装置的电气参数；将电气参数输入至分析模型中并得到电能计量装置中的各个子部件的运行异常概率；分析模型通过层次分析法和模糊理论建立，分析模型包括输入层、准则层和目标层。在对某一个用户的电能计量装置的状态进行评估时，本发明只需要采集该用户的电能计量装置的电气参数即可，并将所采集的电气参数输入至通过层次分析法和模糊理论建立的分析模型中，利用层次分析法和模糊理论对所采集的电气参数进行分析计算得出电能计量装置中的各个子部件的运行异常概率，以便对电能计量装置的运行状态进行评估。本发明在使用的过程中所需数据较少，数据采集可一次性获取，使数据采集更加容易，并且状态评估更易于实现。

请参照图2，图2为本发明提供的一种电能计量装置状态评估装置的结构示意图。在上述实施例的基础上：

该装置包括：

采集模块1，用于采集用户中电能计量装置的电气参数，并将电气参数发送出去；

输入模块2，用于接收电器参数，并将电气参数输入至分析模型3；

分析模型3，用于对电气参数进行分析计算，以得到与电能计量装置中的各个子部件的运行异常概率；

分析模型3通过层次分析法和模糊理论建立，分析模型包括输入层、准则层和目标层。

需要说明的是，本发明提供了一种电能计量装置状态评估装置，在使用的过程中所需数据较少，数据采集可一次性获取，使数据采集更加容易，并且状态评估更易于实现。另外，对于本发明所提供的电能计量装置状态评估装置中所涉及到的电能计量装置状态评估方法的具体介绍请参照上述实施例，本发明对此不再赘述。

本发明提供了一种电能计量装置状态评估系统，系统包括如上述的装置。在上述实施例的基础上：

需要说明的是，本发明提供了一种电能计量装置状态评估系统，在使用的过程中所需数据较少，数据采集可一次性获取，使数据采集更加容易，并且状态评估更易于实现。另外，对于本发明所提供的电能计量装置状态评估系统中所涉及到的电能计量装置状态评估方法的具体介绍请参照上述方法实施例，本发明对此不再赘述。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种电能计量装置状态评估方法，其特征在于，所述方法包括：

采集用户中电能计量装置的电气参数；

将所述电气参数输入至分析模型中并得到所述电能计量装置中的各个子部件的运行异常概率；

所述分析模型通过层次分析法和模糊理论建立，所述分析模型包括输入层、准则层和目标层。

2.根据权利要求1所述的电能计量装置状态评估方法，其特征在于，所述将所述电气参数输入至分析模型中并得到所述电能计量装置中的各个子部件的运行异常概率的过程具体为：

对所述电气参数进行模糊化处理，得到所述电能计量装置的状态特征矩阵，所述状态特征矩阵为n*n矩阵，其各个行向量分别为所述输入层的各个子因素，所述n为不小于2的整数；

依据所述输入层的各个所述子因素以及第一运算关系式计算得出准则层因素模糊化行向量；

依据所述准则层因素模糊化行向量以及第二运算关系式计算得出所述目标层的状态评价系数矩阵；

将所述状态评价系数矩阵进行反模糊化，并得到所述电能计量装置中的各个子部件的运行异常概率。

3.根据权利要求2所述的电能计量装置状态评估方法，其特征在于，所述将所述状态评价系数矩阵进行反模糊化，并得到所述电能计量装置中的各个子部件的运行异常概率的过程具体为：

利用所述状态平均系数矩阵中的各个元素以及第三运算公式得到所述电能计量装置中的相应的各个子部件的运行异常概率；所述第三运算公式为：

${\mathrm{\η}}_k=\left\{\begin{array}{cc}1\%& Z_k\∈\[0,{\mathrm{\α}}_k);\\ \[1+49\×\left(Z_k-{\mathrm{\α}}_k\right)/\left({\mathrm{\β}}_k-{\mathrm{\α}}_k\right)\]\%& Z_k\∈\[{\mathrm{\α}}_k,{\mathrm{\β}}_k);\\ \[50+49\×\left(Z_k-{\mathrm{\α}}_k\right)/\left(1-{\mathrm{\α}}_k-{\mathrm{\β}}_k\right)\]\%& Z_k\∈\[{\mathrm{\β}}_k,1-{\mathrm{\α}}_k);\\ 99\%& Z_k\∈\[1-{\mathrm{\α}}_k,1);\end{array}\right.$

其中，η_k表示第k个子部件的运行异常概率，Z_k表示状态平均系数矩阵中的第k个元素，α_k表示第k个子部件的第一异常概率阈值，β_k表示第k个子部件的第二异常概率阈值。

4.根据权利要求3所述的电能计量装置状态评估方法，其特征在于，所述依据所述输入层的各个所述子因素以及第一运算关系式计算得出准则层因素模糊化行向量的过程具体为：

依据1-9标度法求出所述输入层的各个所述子因素相对于所述准则层的各个子因素的权重系数矩阵的各个第一权重系数列向量；

利用所述输入层的各个所述子因素、各个所述第一权重系数列向量以及第一运算关系式计算得出准则层因素模糊化行向量。

5.根据权利要求4所述的电能计量装置状态评估方法，其特征在于，所述依据所述准则层因素模糊化行向量以及第二运算关系式计算得出所述目标层的状态评价系数矩阵的过程具体为：

依据1-9标度法求出所述准则层的各个所述子因素相对于所述目标层的各个子目标的权重系数矩阵的各个第二权重系数列向量；

利用所述准则层因素模糊化行向量、各个第二权重系数列向量以及第二关系式计算得出所述目标层的状态评价系数矩阵。

6.根据权利要求1所述的电能计量装置状态评估方法，其特征在于，所述准则层的子因素包括计量电压、计量电流、功率因素、相位检测以及异常告警。

7.根据权利要求2-6任意一项所述的电能计量装置状态评估方法，其特征在于，所述n为5。

8.根据权利要求1-6任意一项所述的电能计量装置状态评估方法，其特征在于，所述目标层的子目标包括电能表、电流互感器、电压互感器、二次回路以及终端，所述目标层的各个所述子因素与所述电能计量装置中的各个所述子部件一一对应。

9.一种电能计量装置状态评估装置，其特征在于，所述装置包括：

采集模块，用于采集用户中电能计量装置的电气参数，并将所述电气参数发送出去；

输入模块，用于接收所述电气参数，并将所述电气参数输入至分析模型；

所述分析模型，用于对所述电气参数进行分析计算，以得到与所述电能计量装置中的各个子部件的运行异常概率；

所述分析模型通过层次分析法和模糊理论建立，所述分析模型包括输入层、准则层和目标层。

10.一种电能计量装置状态评估系统，其特征在于，所述系统包括如权利要求9所述的装置。