CN107517071B - 低压交流市电台区智能识别方法 - Google Patents

Abstract

本发明公开了一种低压交流市电台区智能识别方法，属于低压电力线载波通信及控制领域。该方法采用大数据分析手段对电能表信息进行长时间统计分析，以实现台区区分结果的稳定性与准确性。首先进行基于相别特征的电能表动态分类，根据相位划分条件得到相位偏移空间图及其最佳判决区域划分，并结合估计的相位偏移完成从节点相别的最佳检测；然后基于鼎信自主研发的扩频算法获取电能表台区区分所需信息，并结合电能表动态分类结果计算初步的台区区分指标；最后进行台区区分大数据时间分析，基于最大似然准则实现区分指标的精确估计。该方法可完全由载波芯片软件实现而无需增加任何外设，台区区分结果准确，易于实现且极大降低了成本。

Description

低压交流市电台区智能识别方法

技术领域

本发明涉及一种低压交流市电台区智能识别方法，属于低压电力线载波通信及控制领域。

背景技术

近年来，低压电力线扩频载波通信在载波抄表领域大量应用，但载波电能表安装时并不能准确知道它所属哪个台区，档案管理的混乱与错误问题普遍存在。当两个或以上集中器抄读同一电能表时某些集中器会抄读失败，如果是电能表真实归属台区的集中器抄读失败，对抄读成功率有较大影响，并且这给后续信息采集系统的管理和运行带来诸多不便，所以电力台区识别技术显得尤为重要。

目前电力台区识别技术主要是采用FSK电力载波信号法或脉冲电流法FSK电力载波信号法相结合的方法。FSK电力载波信号法本身会由于共高压串线、共地串线、电缆耦合等情况造成台区识别的误判；而脉冲电流法不仅无法很好的集成在载波电能表中，且抗噪声能力较弱，因而两种方式在实际应用中效果并不理想。

针对以上问题，青岛鼎信通讯有限公司依托自身在低压电力线载波通信领域的深厚技术积累，提出一种低压交流市电台区智能识别方法。该方法首先进行基于相别特征的电能表动态分类，然后基于电能表分类结果计算初步的台区区分指标，最后进行台区区分大数据时间分析，基于最大似然准则实现区分指标的精确估计。算法具有较强的鲁棒性，结果具有较强的稳定性，为信息采集系统良好运行提供充分保障。

发明内容

因为台区之间通讯串扰问题的存在，现场台区的智能电能表可能会与多个台区的集中器建立通讯连接，产生跨台区现场。若电能表归属到错误的台区，采集系统的档案管理会出现错误或者混乱。当两个或以上集中器抄读同一电能表时某些集中器会抄读失败，如果是电能表真实归属台区的集中器抄读失败，会极大降低系统的抄读成功率，影响电采系统的效率。因此，在智能电能表存在跨台区通讯的情况下，使电能表能够区分自身正确的真实台区归属具有重要的意义。基于此，本发明提出了一种低压交流市电台区智能识别方法，该方法采用大数据分析手段，首先对电能表进行基于相别的动态分类，然后基于相别分类结果电能表可计算初步的台区区分指标，最后基于最大似然准则进行台区区分大数据时间分析达到优化区分结果的目的，现场运行结果表明此方法大大提升了台区区分的准确性与稳定性。所提的台区区分包括以下各个操作步骤：

(1)基于相别的电能表动态分类。为了排除三相(或L/N互易)固有的过零点偏移对于台区区分方法的影响，先对所有的从节点进行相别的最佳检测及动态分类，确定交流市电相别带来的已知相位偏移t_p。

(2)电能表获取初步的台区区分指标。电能表计算相对于对于所有可通信主节点的相位偏差：T_i-T_j-t_p＝ΔT_ij，其中T_j、T_i分别为主节点j发送信号过零时刻和从节点i交流市电过零时刻。ΔT_ij值对j升序排列，最小值对应的j为电能表归属台区的主节点

(3)台区区分大数据时间分析。由步骤(2)得到的结论ΔT_ij易受到随机偏移的影响，为了消除此影响，从节点基于最大似然准则进行长时间大数据累积，求得相位偏差的最大似然估计作为排序依据，可进一步提升台区区分结果准确性与稳定性。

整套技术方案全由载波芯片软件实现，不需要载波电能表再增加任何外设，台区区分结果准确稳定且大大降低了成本。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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性的前提下，还可以根据这些附图获得其他的附图。

附图说明

图1为本发明低压智能台区区分方法步骤图；

图2为相位偏移空间图及其最佳判决区域划分图；

图3为本发明基于相别特征的电能表分类结果示意图；

图4为本发明载波芯片计算的累积过零偏移曲线；

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合本发明实施例附图，对本发明实施例中的技术方案做进一步清楚、完整的描述，显然，所描述的实施例是本发明实施例的一种，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。

目前现场电力台区供电是由配电网10kV/6kV变压而来，负荷电流经过输电、变电和配电等环节后，必然在这些环节的阻抗上产生电压降落和电压损耗。如果负荷和传输线是理想阻性，各台区的同相负荷电压相位是一致的，应都10kV变压后基准交流电波形一致。但由于配电网结构复杂，负载分布不均匀，各电力台区各相低压电力线上负载数量和负载种类差异较大且实时变化，负载和传输线并不是理想阻性，所以同电力台区的三相交流市电各相之间不再完全满足120度交替变化的规律，而会存在相位偏移现象，且偏移量一般大于150us，并且过零偏移随时间也将不断变化的。

本发明充分利用不同台区交流市电相位会发生偏移的特点，基于过零分时通讯方式，利用TCC081C、TCC082C芯片及其衍生芯片控制每次传输载波信号都是与其相连交流市电过零点完全同步的。接收端芯片基于相别动态分类结果，得到初步的台区区分指标，最后进行台区区分大数据时间分析进一步优化台区区分结果。基本原理描述如下：

本台区及相邻台区电力线载波通信主模块在某固定相位点φ广播发送台区区分命令，一般φ＝0为电压过零点。收到广播命令的节点i将计算接收信号的过零时刻，并判断与其自身相连的交流市电的过零时刻。在一次台区区分通讯中有T_i-T_j-t_p＝ΔT_ij＝Δt+t_s+t_c，其中T_j、T_i分别为主节点j发送信号过零时刻和从节点i交流市电过零时刻，其中T_j可运用鼎信自主研发的扩频算法保证单个过零时刻对接收信号的过零估计偏差小于10us。t_p为交流电相别带来的偏移，可能取值为0ms、6.7ms、13.3ms，在分析过程中对于同相从节点相当于增加常数；Δ_t为主从节点之间实际偏移量，t_s为随机偏移，主要由于低压电力线上负载变化产生，t_c为固有偏移，主要是从节点等硬件的处理延迟造成的，可认为是常数。可见计算过零时间偏移需要获取t_p，即不同从节点的相位信息；同时为了提升区分的准确性，需要消除随机偏移的影响。基于上述分析，所提台区区分方法分为以下三个步骤执行：

步骤1，基于相别的电能表动态分类。为了获取从节点固有的相别过零点偏移，要先对所有的从节点进行基于相别特征的动态分类，确定上述公式中的t_p。该步骤包括下列操作内容：

数据预处理：将从节点得到的接收信息的过零偏移，转化为角度值，转换主要基于原始硬件采集数据的参数，根据这些参数将原始数据转化为时间，再根据时间与角度的换算得到角度，方便对相位进行分析。

分类的尺度和归类的定义：分类的尺度即是T_i-T_j＝ΔT_{ij_p}对应换算的角度值,ΔT_{ij_p}为不考虑相别误差时过零时间偏移。归类的标准即是与从节点相位相差0、2π/3、4π/3及π，分别对应三相线以L/N互易的情形，相位偏移空间图及其最佳判决区域划分如图2所示。这里归类判断将给出一定的宽松度，因为结果不可能精确等于此值。

评估输出：在各个从节点过零通讯过程中，估计每次接收信号的发送时刻与自身过零点的偏移量ΔT_{ij_p}，将其进行角度转化后依据图2可确定从节点所在相别，并且从节点可对多次估计值进行累积并基于累积值动态调整其相别标示，直至得到稳定的结果，从而可确定每个电能表计算ΔT_ij时所需的参数t_p。经过步骤1，可获取台区内节点的基于相别的分类结果，如图3。

步骤2，电能表获取初步的台区区分指标。若从节点i可接收到多个主节点的数据采集命令，则可以升序排列{ΔT_ij}|_j，其中最小的过零偏差量对应的主节点j即为从节点i的归属节点。

步骤3，台区区分大数据时间累积分析。由上述分析可知，计算得到的时间偏移，会随着电力线阻抗的变化而产生一定的随机性，导致单次区分过程的置信度较低，需要进一步提升改进算法的精度。由上述分析可知ΔT_ij＝Δt+t_s+t_c，假设t_s服从正态分布(μ,σ²)，那么n次统计之后得到关于ΔT_ij的极大似然函数为

求L(ΔT_i,μ,σ²)的极大值可得ΔT_ij的极大似然估计为

即n次偏移的最大似然估计值即为n次时间偏移的均值。根据极大似然估计原理，区分次数n越大，估计的时间偏差越趋于稳定。

图4给出了一个目标节点对两个主节点进行台区区分计算的累积分析结果。由结果可见，在区分一开始同台区与非同台区的区别就非常明显，基本可以直接作出准确的台区判断。但是初期，两个主节点的偏移值非常不稳定，说明台区的过零偏移在短时间内还是存在较多的随机干扰。随着时间的推移，两条累积的偏移均值曲线逐渐趋于平稳，也就是说累积数据的联合运用，增加了区分结果和指标的稳定性，使得偶发的或短时的干扰不会体现在区分指标上，这样即使出现了更大的干扰，只要是足够短时间内发生的，就不会对台区区分的准确性造成任何影响，即本方案的台区区分具有较强的鲁棒性，适合应用场景将会十分广泛。

本发明已经过多次现场验证。人为调整档案，产生跨台区表计，将H3台区中的11只表计添加到H1台区。清除台区识别测试的历史数据，然后分别发送20轮台区识别命令。之后令两个台区的集中器开始抄表，在主站查看上报结果，并且现场进行验证。11只表计只要被抄读到第一次，就可以正确的进行区分，如下表所示，20轮抄读后跨台区表计全部被置跨台区标识。

最后需要说明的是，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (1)

1.一种低压交流市电台区智能识别方法，该方法采用大数据分析手段，首先进行基于相别特征的电能表动态分类，根据相位划分条件得到相位偏移空间图及其最佳判决区域划分，并结合估计的相位偏移完成从节点相别的最佳检测；然后基于扩频算法获取电能表台区区分所需信息，并结合电能表动态分类结果计算与主节点的相位差作为初步的台区区分指标，最后进行台区区分大数据时间分析，本方法具体包括以下几个步骤：

(1)基于相别特征的电能表动态分类，为了排除三相或L/N互易固有的过零点偏移对于台区区分方法的影响，先对所有的从节点进行相别的最佳检测及动态分类，从而确定交流市电相别带来的已知相位偏移t_p；

(2)电能表获取与主节点的相位差，进行初步的台区归属判定，电能表计算相对于所有可通信主节点的相位偏差T_i-T_j-t_p＝ΔT_ij，其中T_j为主节点j发送信号过零时刻，T_i为从节点i交流市电过零时刻，ΔT_ij值对j升序排列，最小值对应的主节点j为电能表归属台区的主节点；

(3)台区区分大数据时间分析，由步骤(2)得到的ΔT_ij易受到随机偏移的影响，为了消除此影响，从节点基于最大似然准则进行长时间大数据累积，求得相位偏差的最大似然估计作为排序依据，可进一步提升台区区分结果准确性与稳定性。

Images