- 頭條福州大學研究團隊提出一種智能電表誤差估計的新方法2022-06-28 作者：韋先燦、高偉、楊耿杰 | 來源：《電氣技術》 | 點擊率：導語針對智能電表抽檢方式存在效率低下、人力成本高、實時性差、難以全面覆蓋的問題，福州大學配電網及其自動化研究中心的韋先燦、高偉、楊耿杰，在2022年第2期《電氣技術》上撰文，提出一種基于改進動態線損估計的智能電表在線誤差估計方法。首先，考慮負荷類型對線損估計的影響，對動態線損估計模型進行改進，使得模型獲取的誤差估計值更加接近真實值；然后，利用帶遺忘因子的遞推最小二乘法求解改進動態線損模型，獲取智能電表誤差估計結果；最后，通過仿真以及實際數據驗證所提方法的有效性。結果表明，與固定線損模型、動態線損模型對比，本文所提方法的檢測準確率均優于前兩者。
團隊介紹
福州大學配電網及其自動化研究中心長期致力于電力配電網監測、控制與保護新技術的研究與應用；結合人工智能技術、大數據分析技術、電力電子功率變換技術和智能優化調控技術，在電力配電網及其主設備故障診斷與抑制領域開展了基礎研究以及工程應用。主要涉及配電網單相接地故障選線及區段定位、配電網單相接地故障柔性消弧、配電變壓器故障診斷、光伏發電系統故障診斷、可再生能源發電與并網等研究方向。近年來，該團隊完成了多個國家，省和電網企業的研究項目。
研究背景
21世紀以來，隨著智能電表的大量投運，電網進入大數據時代。當前，我國在運智能電表規模已經突破5億，通過人工巡檢已經難以滿足大量智能電表的誤差監測需求。為保證電力計量的公平，實現電表誤差監測全覆蓋，各專家學者紛紛開展相關研究。
論文所解決的問題及意義
現階段雖然可以實現電表誤差在線估計，但難以同時滿足電表誤差檢測的實時性、精確性和可靠性。本文對動態線損模型進行改進，使其獲取的誤差估計值更接近實際值，通過帶遺忘因子的遞推最小二乘法求解電表誤差，在保證快速、精確檢測電表誤差的同時提高了結果的可靠性。
論文方法及創新點
1 改進動態線損估計模型
圖1 臺區拓撲電氣簡化模型
經典配電臺區電氣簡化模型如圖1所示，U為配變低壓側出口電壓，Z=R+jX為線路阻抗，假定上述U和Z為定值。UL為負荷電壓，ZL=RL+jXL為負荷阻抗，隨負荷的波動而變化。
那么，第i個計量周期內的線損Qlossi和總用電量QZi可以表示為
式中：
為第i個計量周期的平均功率因數；T為單位計量周期。
那么，第i個計量周期的線損Qlossi和總用電量QZi與第j個周期的Qlossj和QZj的比值分別為
經過系列推導可得出基于改進動態線損估計的電表誤差估計模型為
2 智能電表誤差估計方法
圖2 智能電表誤差估計流程
圖2所示為智能電表誤差估計流程。首先，進行數據采集，獲取臺區類別、用戶編號、電表編號、電表日電量以及平均功率因數數據。接著，對獲取的數據進行處理，剔除缺失、異常等用電數據，并根據改進線損模型計算出線損。然后，采用聚類算法對輕載、空載電表進行標記。最后，采用帶遺忘因子的遞推最小二乘法對電表誤差進行在線估計。
3 帶遺忘因子的遞推最小二乘法
隨著運行年限的增長，在運電表內部元器件將逐漸老化。因此，在運電表誤差會隨時間的變化而緩慢增長，即電表誤差參數具有緩時變特征。為了準確跟蹤在運電表誤差的變化，本文采用帶遺忘因子的遞推最小二乘法（Forgetting Factor Recursive Least-squares, FFRLS）進行電表誤差參數估計。
通過帶遺忘因子的遞推最小二乘法求解式（3）所述模型。首先，設定算法初始值；接著，進行數據處理及標記；然后，獲取滿足式（3）模型的電量數據。當獲取的電量數據大于分電表數時（方程組數大于參數數量）即可進行電表誤差估計。隨著新數據的加入，可以不斷地對電表誤差估計值進行修正，從而實現電表誤差在線估計。
4 算例驗證
使用1個數據質量較好的居民配電臺區數據來驗證所提方法的估計效果。該臺區共有85塊分表，均為正常電表，每臺電表包含283天測量數據，電表超差閾值設置為±2%。為方便分析，定義誤差率=誤差系數×100%。
人為調整某些電表誤差系數使之超差進行算法驗證。將1號和3號電表設置為超差表。其中1號電表的初始誤差率設置為3%，3號電表初始誤差率設置為-5%，并在計算周期內微增上述超差電表誤差率，模擬電表誤差緩時變的特性。計算時以首日用電數據作為基準，設置算法初始值：初始固定損耗為0.01kW·h，初始線損率為1.5%，平均功率因數可由每日計量的有功電量和無功電量計算得出。
圖3 電表誤差估計結果
圖3所示為最后一天誤差估計結果。1號電表的估計誤差率為3.30%，實際誤差率為3.03%；3號電表的估計誤差率-4.94%，實際誤差率為-5.02%。結果表明，本文所提方法對于正向和反向超差電表均能成功識別，可以實現電表誤差在線估計。
為了驗證本文所提模型的有效性，分別運用固定線損模型、動態線損模型、所提線損模型進行電表誤差計算，結果如表1所示。
表1 三種模型誤差估計結果對比
表1中，三種模型都能精確定位超差電表1號和3號，無漏判現象；對于超差電表的估計精度，從低到高的排列順序依次是：固定線損模型、動態線損模型和所提線損模型，并逼近真實值；除了所提方法，固定線損模型、動態線損模型均將電表13誤判為超差表。
結論
本文通過考慮負荷類型對線損估計的影響，提出一種新的智能電表誤差估計模型。經過仿真驗證以及實例驗證，證明了所提方法的有效性。相比于固定損耗和動態線損估計模型，本文所提方法精度更高。但是，在實際運行臺區電表誤差估計中，上述模型存在誤檢的情況。針對上述存在的缺陷，后續將對模型進一步優化，使模型更加貼近電表實際運行狀況，從而提升算法準確率。
引用本文
韋先燦, 高偉, 楊耿杰. 基于改進動態線損估計的智能電表誤差估計方法[J]. 電氣技術, 2022, 23(2): 7-12. WEI Xiancan, GAO Wei, YANG Gengjie. Error estimation method of smart meter based on improved dynamic line loss estimation. Electrical Engineering, 2022, 23(2): 7-12.
