摘要：近年来，全球各国都在加紧智能电网的研究和建设工作，随着电力公司信息化工作的全面进行，客户用电基础信息采集系统不断完善，用电信息采集范围和采集成功率也逐步扩大和提高，用电信息采集数据和计量生产数据等与电能计量装置相关的业务数据也发展到了巨大规模的阶段，大数据特征日益明显，电能计量装置的大数据应用需求日益迫切。随着电能计量装置信息化系统深化应用工作的全面展开，对营销计量信息化系统数据的需求更广、分析挖掘需求更深、在线统计计算时效性要求更高。
关键词：大数据；电能计量；异常信息；多维分析；诊断
1、计量异常原因分析
1.1、接线盒故障
设备实际应用的时间较长，投入使用的过程中会产生接触不良状况，具体原因：连接片长时间暴露于空气中会发生不同程度的氧化现象，因此会影响接触效果；接线盒增热后，会出现接触松动问题；接线盒内部螺丝稳定性较弱，在实际安全过程中还会出现多种安装问题，造成线头压接不稳定等情况。在日常工作中应提高对这一问题的重视程度，只有这样才能有效避免接线盒故障。
1.2、表计故障
这一故障的发生次数较多，导致这一故障的原因主要有电池故障（电池内部电能过高或者过低）、计度器故障、液晶屏故障、存储器故障、表计故障、电子器件故障等。此外，用电负荷也会导致这一故障现象发生。
1.3、终端故障
常见故障形式主要表现在两方面：①通讯终端；②电源终端。虽然这两种故障类型发生的几率较低，但是这并不意味着故障一定不会发生，其中，造成第二方面故障的原因主要有接口故障、屏幕故障、软件设备故障等，一旦发生故障就会出现数据丢失现象。
1.4、互感器故障
这一故障虽然在发生几率方面同上述故障类型一样，对此进行故障原因分析时，常见导致因素主要有熔丝烧毁、互感器放电、二次开路、接线错误、励磁特性失稳。
2、多维分析和诊断研究现状
目前，许多内外专家学者对电力设备的故障诊断已经做过不少研究，对于故障诊断和大数据的结合也成为了近些年来的研究热点，但是对计量装置大数据的智能诊断和多维分析尚且处于起步阶段。从国外研究现状开看，电网故障诊断技术理论已经得到了很好的进展。一种基于决策树算法的电力设备故障诊断方法，详细介绍了决策树算法进行故障诊断的优势和缺点，以及可能的提升空间。同时，神经网络也在人工智能方面得到了越来越广泛的应用，描述了一种用神经网络的方法进行电网的故障诊断技术，也是一次神经网络在电网故障诊断的应用中的一次很好的尝试，取得了不错的成果。于此同时，多种技术综合应用的技术也不断的出现。
近年来，随着云计算和大数据的发展，大数据相关领域和电力设备的故障诊断技术也在不断结合，共同发展，越来越多的大数据技术应用到电力设备的故障诊断当中，很多电力方面的大数据平台也相继诞生。但是主要用Spark技术来快速处理电能计量装置的在线监测数据以及对其进行智能故障诊断，还有待进一步研究。
3、多维分析和诊断研究存在的问题
3.1、大数据关键技术的研究
大数据的关键技术主要包括海量数据的采集、存储、计算处理和可视化展示等。
期刊文章分类查询,尽在期刊图书馆大数据的采集数量巨大、种类繁多，有些场景下还需要大规模的实时采集，这对采集技术和实时流式数据的处理带来了很大的挑战；数据存储主要是考虑到能否线性扩展存储量和多种类型的数据融合技术，HDFS技术解决了数据存储空间的线性扩展问题，Hive和HBase技术解决了数据的管理技术；多种类型的数据融合技术还在进一步的研究当中；海量数据的计算也相继出现了Hadoop、Spark、Strom等适用于不同应用场景的计算框架，这些技术都各有利弊，也都在不在完善和发展；大数据的可视化展示涉及到多维分析的方法和如何利用最合适的数据展示技术等。
3.2、大数据与电力业务的融合
大数据在计量装置异常信息的多维分析和诊断中的应用，除了面临大数据关键技术的挑战之外，主要是装置异常的建模工作和诊断算法的选取以及分析方法的改进等。建模工作要求结合具体的应用场景，针对不同的设备异常，建立不同的诊断模型，以求尽量准确的描述异常特征及异常特征和异常原因之间的关系，可以说建模工作是最基础也是最重要的工作。算法的选取和改进也是大数据技术在电力业务中应用的核心，好的算法可以用尽量少的机器资源用更短的时间内得出准确的诊断结果，因此算法效率的提升和准确率的提高也是一项很重要的研究工作。异常信息的多维分析也因为数据体量巨大与传统的分析方法不同，足够全面的分析方法可以得出很多有价值的结论，如计量装置的家族性缺陷分析和地域及时间特征分析等，可以为企业的发展提供很多重要的决策支撑，提高经济效益。
4、计量装置异常信息多维分析与诊断方法
4.1、计量装置大数据的分析和故障诊断
计量装置大数据的处理大概分为两点：异常信息的多维分析和智能诊断。对异常信息进行多维分析的前提是要计算出所有的异常信息，这个过程称之为异常特征值计算，就是根据一些历史数据和近期的数据，通过这些数据的特点，来计算一下计量装置在电压、电流、通信等各个方面是否在正常工作，如果计算结果超出了正常范围（如电压电流等不在正常范围之内），或者分析的结果与实际情况有很大的差异（如出现了电流反向流动），就称此计量装置出现了异常，并定义和记录这个异常。然后对数据库中的所有信息进行多维分析，包括上卷、下钻、分块和切片等操作。同时为了知道引起这种异常的具体原因，即具体是因为计量装置出现了哪些故障导致了这些异常，利用特定的算法和工具，来达到智能诊断的目的。
4.2、计量装置异常特征计算
为了实现电能计量装置异常信息的多维分析与诊断，首先需要知道计量装置出现了哪些异常。然后才能针对这些异常进行多维分析，或者根据这些异常特点进行计量装置的故障诊断。异常特征都有哪些，如何计算这些异常特征都需要事先考虑和定义，也可以看作是一个建模的过程，随着工作的开展，以后出现的新的异常类型，还可以补偿，使得对异常特征的计算越来越全面，越来越完善。
电能计量装置异常特征计算部分主要分为六大类，分别是：电量异常诊断，电压电流异常诊断，异常用电诊断，负荷异常诊断，时钟异常诊断和接线异常诊断。由于计量装置每天产生的数据量巨大，而用电信息采集系统每天产生的数据都要进行ETL、异常特征值计算和故障诊断等，因此应当提高每一个环节的计算效率，尽量减少整个过程的总体时间。
总而言之，电力用户用电信息采集系统需要确保数据采集的全面性、准确性以及即时性，并且能够针对采集的信息进行准确高效的处理，针对经常出现的故障做好及时的处理，这样才能够满足用电系统安全可靠运行的要求。所以，希望通过本文的研究，能够让用电信息采集系统计量数据异常的分析与处理更加的全面，为今后的用电奠定良好的基础条件。
参考文献
[1]杨悦辉.电能计量装置异常状态的监测方法[J].中国高新技术企业，2016(35):28-29.
[2]李慧.电能计量自动化系统在电力计量装置异常的应用[J].中国新技术新产品，2016(20):22-23.
[3]赵宝杰.电能计量装置故障及异常分析方法的研究[J].科技创新与应用，2016(29):198.
[4]吴嘉轶.基于用电信息采集系统的电能计量装置异常智能分析方法研究[J].科技创新与应用，2016(27):216.
[5]郁浩.异常电能表查找系统研究[D].东南大学，2016.
论文作者:申远
论文发表刊物:《电力设备》2018年第6期
论文发表时间:2018/7/5
标签：异常论文; 数据论文; 多维论文; 故障论文; 装置论文; 电能论文; 故障诊断论文; 《电力设备》2018年第6期论文;