CN110633744A - 一种智能电表的台区识别方法 - Google Patents

Abstract

一种智能电表的台区识别方法，包括：管理终端向集中器下发智能电表台区识别命令；集中器对识别范围内的智能电表进行时钟校正；集中器对识别范围内的智能电表下发台区识别命令，要求相关的智能电表在指定时间窗口内采集工频周期过零数据并上报；识别范围内的智能电表收到集中器下发的命令后，在指定时间窗口内采集自身的工频周期过零数据并上报，集中器在指定时间窗口内采集自身的工频周期过零数据并保存；集中器接收到待识别的智能电表上报的数据后，对各待识别智能电表上报的数据和集中器同相采集数据逐个进行数据相似度分析，得到台区识别结果。本发明方法基于用电工频周期(过零)数据进行台区识别，充分利用了原始数据的信息，识别精确度高。

Description

一种智能电表的台区识别方法

技术领域

本发明涉及电力供电台区识别技术，尤指涉及一种户变关系/台区识别方法。

背景技术

在低压电力线用电信息采集系统中，台区是指某变压器的供电范围或区域，是用电管理部门精细化管理低压用户的重要划分。目前我国大多数电力公司对低压电力用户均采用了分台区管理的方法，以台区为基本单位进行营销管理，可以更好地监测用电情况和预防窃电行为。智能电表作为电力管理的核心设备，对其台区隶属关系进行正确识别十分重要。

目前台区识别主要有以下几种方法：1)人工采集信息识别，在现场安装电能表时，工作人员通过台区识别仪去监控每个从节点的台区，然后人工汇总到系统数据库，人工添加台区信息到主站。人工识别的方法需要大量的人员去操作，存在工作量大、排查困难和易出错等问题。2)在窄带载波组网通信的电力系统中，通过电力线载波信号强度和中继深度等信号值来判断电表和变压器关系。这种方法虽然减少了人工工作量，但会因为信号串扰等因素导致识别结果准确性不高。3)采用基于FSK载波和脉冲电流技术的低压台区识别设备进行台区识别，但此类设备功能比较单一，测试准确性仍待提高，而且存在设备体积大、使用不方便等问题。

发明内容

本发明的目的在于提供一种识别精度高的智能电表的台区识别方法。

为了实现上述目的，本发明采取如下的技术解决方案：

一种智能电表的台区识别方法，包括：

管理终端向集中器下发智能电表台区识别命令；

集中器对识别范围内的智能电表进行时钟校正；

集中器对识别范围内的智能电表下发台区识别命令，要求相关的智能电表在指定时间窗口内采集工频周期过零数据并上报；

识别范围内的智能电表收到集中器下发的命令后，在指定时间窗口内采集自身的工频周期过零数据并上报，集中器在指定时间窗口内采集自身的工频周期过零数据并保存；

集中器接收到待识别的智能电表上报的数据后，对各待识别智能电表上报的数据和集中器同相采集数据逐个进行数据相似度分析，得到台区识别结果。

进一步的，数据相似度分析的步骤如下：

将待识别的智能电表上报的数据进行分段处理，每段智能电表子数据的长度为N，共分为T段，T为采集数据的时间长度，X＝[x₁,x₂,…,x_N]表示某段智能电表子数据；

获取集中器的与待识别的智能电表位于同一相线的工频周期过零数据并进行分段处理，每段集中器子数据的长度为N’，分为T段，N’＞N，Y＝[y₁,y₂,…,y_N’]表示某段集中器子数据；

分别计算各段集中器子数据和对应的待识别的智能电表子数据的延迟相关系数xycorrcoef(i)：

从得到的3个延迟相关系数值中取最大值，将该最大值定为集中器和待识别智能电表的某段子数据的相关系数C，基于该子数据的相关系数C对对应的子数据进行阈值分段判决：

对各段子数据的阈值分段判决结果D_i进行综合权衡，即得到该待识别智能电表在本采集时间段的台区识别结果：

进一步的，在对智能电表上报的数据以及集中器中保存的数据进行分段时，智能电表子数据对应的采集时间范围是[T1，T2]，集中器子数据对应的采集时间为[T1-Δ，T2+Δ]，Δ为工频周期过零数据的标准值。

进一步的，智能电表子数据的长度N＝100，集中器子数据的长度N’＝N+2。

进一步的，集中器采集自身的工频周期过零数据时，如果电网采用三相供电方式，则集中器需要同时采集A相、B相和C相上的工频周期过零数据，如果电网采用单相供电方式，则集中器只采集单相电线上的工频周期过零数据；智能电表采集自身的工频周期过零数据时，只采集单相电线上的工频周期过零数据。

进一步的，台区识别命令在低压电力线宽带载波通信网络不执行任务的空闲时段下发。

进一步的，所述识别范围是全网所有的智能电表或者是网络中的部分智能电表。

进一步的，智能电表在指定时间窗口内采集工频周期过零数据时，在采集的数据加上采集时间戳后上报给集中器。

由以上技术方案可知，本发明为智能电表提供了一种基于用电工频周期(过零)数据的台区识别方法，通过对智能电表和集中器对应相的过零点数据的原始数值进行相似度的分析来实现台区识别，本发明方法充分利用了原始数据的信息，相比于现有的识别方法精确度更高，可以为后续的台区营销管理提供很好的技术支撑；而且利用现有的用电信息采集系统中就能实现数据采集、比较的过程，实现操控，无需工程人员进行现场运维，减小了工作量，同时用电管理部门无需额外采购新的专用设备，具有较高的经济性能。

附图说明

为了更清楚地说明本发明实施例，下面将对实施例或现有技术描述中所需要使用的附图做简单介绍，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为工频周期(过零)数据的物理含义示意图；

图2为某段智能电表子数据X的示意图；

图3为某段智能电表子数据Y的示意图；

图4为测试现场的节点情况示意图；

图5为集中器A1和两个串扰点A2、B2延迟相关系数值的计算结果图；

图6为集中器B1和两个串扰点A2、B2延迟相关系数值的计算结果图。

具体实施方式

为了让本发明的上述和其它目的、特征及优点能更明显，下文特举本发明实施例，并配合所附图示，做详细说明如下。

近年来，随着我国智能电网的兴起与发展，智能电表在用户侧得到大规模安装与使用。基于智能电表的数据采集能力，电网企业可轻松获得海量的用户用电参数信息，包括电压、电流、工频周期(过零)等。同时随着宽带载波通信技术的引入，用电信息采集系统的通信能力大幅度提升，可以在网络中支持高速率的数据传输以及实现网络节点之间较高精度的时钟校正。

大量测试表明，由于用电负荷的接入和切出，尤其是感性、容性负荷的接入和切出，如空调的开机或关机，会造成交流电的相位临时出现某些变化特征，其中一个就是电压过零点出现偏移，从而导致智能电表所检测到的工频周期值出现抖动(我国低压电力网的工频周期为50Hz)。例如，在相同时刻同一台区同一相线上的两个智能电表会受到趋同的用电负荷因素的影响，因此在两者实现高精度时间同步的前提下，两个智能电表的工频周期过零数据会呈现较强的相关性。而用电负荷接入或切出对工频周期过零的影响只局限在同一根用电线上，对周围其它用电线的影响非常小，可以忽略不计，不同用电线上的用户负荷相互独立，因此不同用电线上的智能电表的工频周期采集数据则会呈现较低的相关性。

本发明的基本思路是：利用连接在同一根电线上的智能电表，由于同时受到趋同负荷因素的影响，两者的工频周期过零数据在时间维度上将呈现较高的相似度，而不在同一根电线上的智能电表的工频周期过零数据呈现较低的相似度的特性，提出一种基于过零点数据的原始数值对智能电表的台区进行识别方法，该方法的流程如下：全网节点在指定数据采集时间窗口内采集工频周期过零数据并上报，然后对采集的数据进行相似度分析，从而对各节点的台区进行识别。

以上是本发明的核心思想，下面将结合本发明实施例中的附图，对本发明实施例的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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获得的所有其他实施例，都属于本发明保护的范围。

本发明方法以低压电力线宽带载波通信网络为信息传输载体，基于智能电表所提供的工频周期数据提出一种台区识别机制，包括以下步骤：

步骤1、管理终端向集中器下发智能电表台区识别命令；台区识别命令可以在低压电力线宽带载波通信网络不执行任务的空闲时段下发，识别范围可以是全网所有的智能电表，也可以网络中的部分智能电表；

步骤2、集中器对识别范围内的智能电表进行周期性的时钟校正，以保证待识别智能电表的时间基准保持较高精度的对齐(ms量级)；

步骤3、集中器对识别范围内的智能电表下发台区识别命令，要求相关的智能电表在指定时间窗口内采集工频周期过零数据并上报，时间窗口的大小可以根据节点数据内存大小来动态决定，典型值是1分钟，即采集周期可为1分钟，工频周期过零数据为：后一个过零点和前一个过零点之间的时间差值(图1)；

工频周期过零数据的计算基于电压过零点检测电路实现，电压过零点检测电路时刻检测交流电的电压，当电压变为0时，输出过零检测信号；对220V，50Hz的理想交流电而言，1秒时间内一共包含50个完整的正弦波波形，即有100个过零点，因此工频周期过零数据的标准值Δ为10毫秒(ms)；

步骤4、识别范围内的智能电表收到集中器下发的命令后，在指定时间窗口内进行工频周期过零数据的采集，并在采集的数据加上采集时间戳后上报给集中器；集中器也同时在指定时间窗口内进行工频周期过零数据的采集，并保存；

对于集中器要采集的数据，如果电网采用三相供电方式(A相、B相和C相)，则集中器需要同时采集A相、B相和C相这三根电线上的数据，如果是单相供电方式，则只采集单相电线上的数据；对于智能电表要采集的数据，由于智能电表一般是采用单相供电方式，因此只需采集单相电线上的数据，目前的宽带载波通信网络支持节点的相线识别功能，因此上报数据中将携带智能电表的具体相线信息；

步骤5、集中器接收到待识别的智能电表上报的数据后，对各待识别智能电表上报的数据逐个进行数据分析，即把待识别的智能电表的上报数据和集中器同相采集数据进行相似度分析，得到识别结果；数据相似度分析的具体过程如下：

S501、将待识别的智能电表上报的数据进行分段处理，每段智能电表子数据的长度为N，共分为T段，T为采集数据的时间长度(秒)，则指定时间窗口内某个待识别智能电表上报的工频周期过零数据的长度为N×T，其中某段智能电表子数据X＝[x₁,x₂,…,x_N]，与该段子数据对应的采集时间范围是[T1，T2]ms；对220V，50Hz的交流电而言，N＝100，图2所示为N＝100时某段智能电表子数据X的示意图；

S502、获取集中器的与智能电表位于同一根相线的工频周期过零数据并分段处理，每段集中器子数据的长度为N’，分为T段，N’＞N，本实施例的N’＝N+2，其中某段集中器子数据Y＝[y₁,y₂,…,y_N’]＝[y₁,y₂,…,y_N,y_N+1,y_N+2]，与该段子数据对应的采集时间范围是[T1’，T2’]ms；考虑到集中器和智能电表之间的校时误差因素，将集中器子数据的采集时间定为[T1-Δ，T2+Δ]ms，即T1’＝T1-Δ，T2’＝T2+Δ，Δ为工频周期过零数据的标准值(对于50Hz的交流电，Δ＝10ms)，从而集中器子数据的长度为N+2；图3为N＝100时某段集中器子数据Y的示意图；

S503、分别计算各集中器的分段子数据和对应的待识别智能电表的分段子数据的延迟相关系数xycorrcoef(i)，

本实施例中N＝100时延迟相关系数xycorrcoef(i)的计算公式如下：

式中的x_m表示一段智能电表子数据中的第m个元素，依次类推，x_n表示一段智能电表子数据中的第n个元素，y_m+i-1表示一段集中器子数据中的第m+i-1个元素，y_j表示一段集中器子数据中的第j个元素；

S504、步骤S503可以得到分段子数据的3个延迟相关系数值，从3个延迟相关系数值中取最大值，将该最大值定为([T1,T2]时间段上)集中器和待识别智能电表的某段分段子数据的相关系数C，基于该分段子数据的相关系数C对对应的分段子数据进行阈值分段判决：

S505、每1秒的采集数据经过计算后都可以得到一个阈值分段判决结果，因此T秒采集时间窗口内可以得到T个判决结果，对各段子数据的阈值分段判决结果D_i进行综合权衡，即得到该待识别智能电表在本采集时间段的台区识别结果：

本发明方法的原理是相同台区同一相上的集中器和智能电表在相同时间段上的采集数据的相关性较强，异台区则较弱。考虑到噪声和误差等因素对采集数据的综合影响，为了保证识别结果的准确性，采集的数据基于一个较长的采集周期，并经过多次判决结果来统计，得到最终的台区识别结果。

为了验证本发明方法的效果，申请人以珠海市高新区的中慧微电子产业园变压器台区和隔壁的派诺产业园变压器台区作为验证台区，选择台区内的智能电表采用本发明方法进行识别验证。两个产业园仅有一墙之隔，因此在两个园区部分区域上的智能电表在抄读过程中，受到宽带载波信号跨线泄露等因素的影响，会出现台区串扰问题。经过人工排查，在中慧园区和派诺园区中各找到了1个存在串扰问题的测试点，分别记为串扰点A和串扰点B(见图4)，然后分别采集这两个台区的集中器(A1和B1)和两个串扰点(A2和B2)在相同时段上的工频周期(过零)数据，时间长度为1个小时。

利用MATLAB工具对采集的数据进行相同时间段上的延迟相关系数的计算，集中器A1和串扰点A2、集中器A1和串扰点B2之间在1小时的时间内共3600个延迟相关系数值的计算结果图5所示。集中器B1和串扰点B2、集中器B1和串扰点A2之间在1小时的时间内共3600个延迟相关系数值的计算结果图6所示。

采用本发明方法，中慧集中器A1发起对节点A2和节点B2分别发起台区识别，1小时内共产生了60次识别结果，A2节点全部被判断为同台区节点，B2节点则全部判为异台区节点，识别结果的准确性达到100％；而派诺集中器B1发起的台区识别的识别结果的准确性也达到了100％，验证了本发明方法的可行性。

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，在其它实施例中实现。因此，本发明将不会被限制于本文所示的实施例，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范围。

Claims (8)

1.一种智能电表的台区识别方法，其特征在于，包括：

管理终端向集中器下发智能电表台区识别命令；

集中器对识别范围内的智能电表进行时钟校正；

集中器对识别范围内的智能电表下发台区识别命令，要求相关的智能电表在指定时间窗口内采集工频周期过零数据并上报；

识别范围内的智能电表收到集中器下发的命令后，在指定时间窗口内采集自身的工频周期过零数据并上报，集中器在指定时间窗口内采集自身的工频周期过零数据并保存；

集中器接收到待识别的智能电表上报的数据后，对各待识别智能电表上报的数据和集中器同相采集数据逐个进行数据相似度分析，得到台区识别结果。

2.如权利要求1所述的智能电表的台区识别方法，其特征在于：数据相似度分析的步骤如下：

将待识别的智能电表上报的数据进行分段处理，每段智能电表子数据的长度为N，共分为T段，T为采集数据的时间长度，X＝[x₁,x₂,…,x_N]表示某段智能电表子数据；

获取集中器的与待识别的智能电表位于同一相线的工频周期过零数据并进行分段处理，每段集中器子数据的长度为N’，分为T段，N’＞N，Y＝[y₁,y₂,…,y_N’]表示某段集中器子数据；

分别计算各段集中器子数据和对应的待识别的智能电表子数据的延迟相关系数xycorrcoef(i)：

从得到的3个延迟相关系数值中取最大值，将该最大值定为集中器和待识别智能电表的某段子数据的相关系数C，基于该子数据的相关系数C对对应的子数据进行阈值分段判决：

对各段子数据的阈值分段判决结果D_i进行综合权衡，即得到该待识别智能电表在本采集时间段的台区识别结果：

3.如权利要求2所述的智能电表的台区识别方法，其特征在于：在对智能电表上报的数据以及集中器中保存的数据进行分段时，智能电表子数据对应的采集时间范围是[T1，T2]，集中器子数据对应的采集时间为[T1-Δ，T2+Δ]，Δ为工频周期过零数据的标准值。

4.如权利要求2或3所述的智能电表的台区识别方法，其特征在于：智能电表子数据的长度N＝100，集中器子数据的长度N’＝N+2。

5.如权利要求1或2或3所述的智能电表的台区识别方法，其特征在于：集中器采集自身的工频周期过零数据时，如果电网采用三相供电方式，则集中器需要同时采集A相、B相和C相上的工频周期过零数据，如果电网采用单相供电方式，则集中器只采集单相电线上的工频周期过零数据；智能电表采集自身的工频周期过零数据时，只采集单相电线上的工频周期过零数据。

6.如权利要求1所述的智能电表的台区识别方法，其特征在于：台区识别命令在低压电力线宽带载波通信网络不执行任务的空闲时段下发。

7.如权利要求1所述的智能电表的台区识别方法，其特征在于：所述识别范围是全网所有的智能电表或者是网络中的部分智能电表。

8.如权利要求1所述的智能电表的台区识别方法，其特征在于：智能电表在指定时间窗口内采集工频周期过零数据时，在采集的数据加上采集时间戳后上报给集中器。

Images