摘要：电力营销的模式下，我国高科技设备的不断研发使得大数据的应用效果不断发展。同时，窃电技术也在不断提高，违法人员的警惕性也变高。如果电力企业仍然按照以前的反窃电技术来开展检查工作，那会产生更加严重的后果。所以，企业应当对电力营销大数据进行有效、合理的应用，以保证电力企业对电力防盗的效率，促进电力企业自身的可持续、稳定发展。
关键词：大数据；电力计量；运行状态；故障诊断；分析
1导言
随着科学技术的提高与发展，信息技术取得了很大的发展。为了适应社会发展的需要，信息技术在电力计量装置运维中的有效运用，很大程度上提高了工作效率，促进了电力行业的发展。信息技术在电力行业发展中的应用，可以减少电力工作中出现的问题，提高电力行业工作的安全性与稳定性，为电力行业的发展提供有利条件，对于电力计量大数据对计量装置运维的应用研究具有很大的现实意义。当前，电力计量装置的检修维护多采用技术人员定期赴现场展开检测的方式进行，依靠人工在现场发现缺陷或检查故障，存在现场工作量大、故障发现概率低的缺点，并且因为缺乏对设备的实时监视预警能力，往往还会造成检修预案不全面，由小故障恶化为大故障的后果。
2计量自动化系统概述
在自动化系统中，自动化技术、通信技术和数据传输技术等是其中重要的部分。自动化系统可以提高工作效率，并且对于工作精确度的提高也有很大的作用。计量自动化系统主要通过一些自动化功能实现对计量装置的实时监控，实现更好的、更加及时的发现问题。当出现问题时，可以及时提出解决方案，使得电力计量装置运维工作能够正常进行。相比于传统的电力计量技术，电力计量大数据对计量装置运维的应用，不仅可以使工作更加高效进行，而且可以将数据进行准确的整合，提高数据的精确性，为今后工作的开展与研究提供理论基础，为电力计量装置运维工作的进行提供有利条件。自动化系统的有效运用，提高了工作的效率，节省了人力、物力与财力，并且减少了工作中由于人为失误所带来的损失，降低了工作成本，提高了电力计量装置运维工作的质量。
3计量装置异常分析应用
一是针对不同行业性质的用户、不同的用电行为特征，设计异常诊断分析与智能识别模型，综合运用数理统计算法，构建用户故障专家分析模型，实现对故障计量装置的诊断分析与智能识别。二是以线损、供售电量、负荷、电压、电流、功率因数、三相不平衡率、负载率等采集数据为主要监测对象，设计标准异常监测与异常预警模型，定制风险异常及故障预警规则，准确定位异常计量装置。三是分析收集以往的典型故障案例，对其历史电量、线损、综合瞬时量、报警等数据进行反向分析，总结归纳各类故障案例的数据特征库，并建立可以预警的数学分析模型，及时发现用电行为异常的用电户。四是建立用电行为轨迹异常数据特征库，实时监测是否有新的异常用户，以及对已经发现的异常用户进行一个特定周期的监控，精确定位出异常的计量装置及可能的异常方式。五是在线反馈，系统自动生成异常诊断报告，以工单的形式传给营销系统，通知运维班组到现场检查、处理故障，确认故障类型及恢复正常计量方式。根据查实的故障案例将结果反馈，归档案例库为并不断修正、完善数据特征库和数学分析模型提供数据支持。
4基于知识库的电力设备状态检测方法
目前，复杂装备故障诊断方法主要分为3类：基于数学模型的故障诊断、基于数字信号处理的故障诊断、基于知识库的故障诊断。基于数学模型的故障诊断方法简单直观且易于理解，但需要深入分析复杂装备的结构、运行原理，对内部结构和运行原理过于复杂的装备难以建立数学模型；基于信号处理的诊断方法不需要构建数学模型，容易实现，但只在复杂装备有明显的外部特征时才有效，不适用于那些没有明显外部特征的故障；基于知识库的故障诊断具有良好的诊断效果和广泛的适用性，对复杂装备的智能化要求较高，是目前实现复杂装备智能故障诊断与健康维护的主要研究方向。基于知识库的设备状态监测诊断在收集大量运行特征数据的基础上，采用数据挖掘算法对设备运行数据进行重组、挖掘，建立故障诊断专家知识库，获得与故障有关的诊断规则。同时基于专家知识库以及诊断规则，对实时监测数据进行诊断，并逐步更新专家知识库，可以得到更为准确的诊断结论和建议对策。基于知识库的设备健康状态监测诊断流程图如图1所示。基于知识库的故障诊断方法将大数据技术与电力计量设备的现场数据、历史运行数据（含故障分析）等信息相结合，采用深度学习算法，建立电力计量设备的运行模型及故障预警知识库，从而对包括用电信息、调度电能、计量点管理、配电信息等设备在线运行状态给予全面评估，实现电力计量装置的动态运行分析与故障诊断。
图1基于知识库的设备状态检测诊断流程图
利用设备运行大数据分析技术，根据状态检测、故障诊断分析的结果，在故障将要发生时对设备进行维护，是一种主动、积极的维护方式。本文通过将大数据驱动判别和专家知识库判别相结合，辅以失效模式、失效机理分析，综合形成故障诊断记录，作为故障解决方案的基础。
5结论
在电力设备的维护过程中，高准确性和可靠性的设备健康预测结果是保证设备维护效果的重要因素。采用最新的设备健康状态监测诊断技术，转变现有设备的维修思路和方法，将物联网技术、人工智能技术与大数据技术相结合实现对电力设备的故障诊断，可降低企业成本，提高设备使用寿命和经济效益。本文针对行业和企业存在的相关实际问题，以设备故障监测、诊断、预防性维护为手段，将大数据技术应用于设备健康状态监测诊断中，应用机器学习算法对设备运行大数据进行数据挖掘，建立专家知识库，获得与故障有关的诊断规则，采用关联规则的故障诊断算法实现了集设备健康状态在线监测、远程监控、远程诊断、故障匹配识别为一体的智能、高效监测诊断。大数据技术在设备健康状态监测诊断中的应用，将确保中、高层技术和管理人员及时掌握设备运行健康状态，进行状态分析和故障诊断，对延长设备检修间隔、缩短检修时间、提高设备可靠性和可用系数、延长设备可用寿命、减少运行检修费用等都将产生深远的影响。通过应用大数据技术的设备健康状态监测诊断系统，将有助于发现设备关键机械部件的故障原因，指导企业快速维护及合理安排生产，帮助企业、行业找到一条设备运行维护的捷径，消除企业在提高生产率方面遇到的瓶颈问题，维护电网安全，提高企业的竞争力，提升经济效益。
参考文献：
[1]蒋红艳.基于节能降耗的电力计量技术应用探究[J/OL].科技与创新，2019（23）[2019-11-27].
[2]薄林.电力计量技术存在的问题及对策分析[J/OL].粘接，2019（10）：56-60[2019-11-27].
[3]陆勋，施勇，张昊，董挺.台区电力计量装置低故障率智能控制系统研究[J].电子设计工程，2019，27（21）：9-13.
[4]孟凯.试论电能计量技术在电力企业节能降耗中的应用[J].电工技术，2019（20）：90-91+94.
[5]贾晓旺.智能电力计量在用电保护技术中的应用[J].中国新技术新产品，2019（20）：126-127.
论文作者:黄沐,朱琦
论文发表刊物:《基层建设》2019年第26期
论文发表时间:2019/12/17
标签：设备论文; 数据论文; 电力论文; 故障论文; 故障诊断论文; 知识库论文; 技术论文; 《基层建设》2019年第26期论文;