CN118033527B - 一种具备计量失准自检的电能表及集中器 - Google Patents
一种具备计量失准自检的电能表及集中器 Download PDFInfo
- Publication number
- CN118033527B CN118033527B CN202410436750.7A CN202410436750A CN118033527B CN 118033527 B CN118033527 B CN 118033527B CN 202410436750 A CN202410436750 A CN 202410436750A CN 118033527 B CN118033527 B CN 118033527B
- Authority
- CN
- China
- Prior art keywords
- monitoring time
- fault
- designated area
- intelligent
- time period
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 claims abstract description 201
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000011156 evaluation Methods 0.000 claims description 55
- 238000000034 method Methods 0.000 claims description 24
- 238000012216 screening Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000007726 management method Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000013441 quality evaluation Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 4
- 230000032683 aging Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 7
- 238000012423 maintenance Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及电能检测技术领域，涉及到一种具备计量失准自检的电能表及集中器，包括电能表统计编号模块、物联网数据监测平台、电能表自检分析模块、电能表失准复验模块、失准原因判断模块、电能表失准反馈终端和云存储数据库，通过采集得到指定区域内各智能电表对应各监测时间段内的电能数据，进而对指定区域内各智能电表进行自检分析，由此筛选指定区域内各故障智能电表，进一步对指定区域内各故障智能电表进行数据复验，由此对指定区域内各实际故障智能电表进行失准原因判断，不仅能够提高计量准确性和工作效率，还能够降低维护成本，延长设备寿命，对于电力***的稳定运行和管理具有重要意义，可以降低电能表故障的风险。
Description
技术领域
本发明属于电能检测技术领域，涉及到一种具备计量失准自检的电能表及集中器。
背景技术
随着电力行业的快速发展，电能表作为计量电力消耗的重要工具，其准确性直接关系到电力公司与用户的经济利益，由此市场对于智能电表的需求愈加旺盛，智能自检能够提高电能表的稳定性和准确性，通过定期自检可以及时发现电能表是否出现故障或误差，因此凸显了对智能电表自检分析的重要性。
而传统的电能表检测多依赖人工抽检，效率低下且容易出错，由此可见现有的电能表智能自检还存在部分需要进行优化的地方，具体体现以下几个方面：
1、当前的电能表检测方式无法减少人工干预，增大了人力成本，不能有效的提高工作效率，大大增大了维护和管理的工作量，从而降低了运行效率；
2、当前的电能表检测方式不能及时发现问题并进行处理，缩短电能表的使用寿命，无法减少因故障而导致的损坏，提高了更换和维修成本；
3、当前电能表的检测方式无法自动诊断和校正，无法及时发现和纠正计量故障，降低了电能表分析的准确性。
发明内容
鉴于以上现有技术存在的问题，本发明提供一种具备计量失准自检的电能表及集中器，用于解决据上述技术问题。
为了实现上述目的及其他目的，本发明采用的技术方案如下：
本发明第一方面提供了一种具备计量失准自检的电能表，包括电能表统计编号模块、物联网数据监测平台、电能表自检分析模块、电能表失准复验模块、失准原因判断模块、电能表失准反馈终端和云存储数据库；
所述电能表统计编号模块，用于统计指定区域内存在的所有智能电表的数目并对其进行编号，分别标记为1,2,...y,...g,并将指定区域内各智能电表连接至物联网数据监测平台；
所述物联网数据监测平台，用于设定监测时长，并依据监测时长进而划分得出各监测时间段，进一步采集得到指定区域内各智能电表对应各监测时间段内的电能数据；
所述电能表自检分析模块，用于对指定区域内各智能电表进行自检分析，由此筛选指定区域内各故障智能电表；
所述电能表失准复验模块，用于对指定区域内各故障智能电表进行数据复验，由此确定指定区域内各实际故障智能电表的编号；
所述失准原因判断模块，用于对指定区域内各实际故障智能电表进行失准原因判断；
所述电能表失准反馈终端，用于将指定区域内各实际故障智能电表的编号以及失准原因反馈至电能表管理终端；
所述云存储数据库，用于存储智能电表对应的振幅许可浮动区间值和智能电表对应的振幅许可浮动差值，存储指定区域内各智能电表对应的历史数据表单，还用于存储智能电表对应的额定电流值。
根据一个优选实施方式，所述指定区域内各智能电表对应各监测时间段内的电能数据具体包括各监测时间点的功率数据、电流值和电压值；
所述功率数据包括正向有功电能、反向有功电能、正向无功电能和反向无功电能。
根据一个优选实施方式，所述对指定区域内各智能电表进行自检分析，具体分析过程如下：
从指定区域内各智能电表对应各监测时间段内的电能数据中提取出指定区域内各智能电表对应各监测时间段内各监测时间点的正向有功电能、反向有功电能/>、正向无功电能/>和反向无功电能/>，y表示各智能电表的编号，y=1,2,...g,i表示各监测时间段的编号，i=1,2,...m，j表示各监测时间点的编号，j=1,2,...n；
通过，计算得出指定区域内各智能电表对应各监测时间段的功率因数/>，其中，/>表示为指定区域内第y个智能电表对应第j个监测时间段的有功功率，具体计算过程为：
，t表示设定的监测时长，n为监测时间点总数目；
表示为指定区域内第y个智能电表对应第j个监测时间段的无功功率，具体计算公式为/>；
从指定区域内各智能电表对应各监测时间段内的电能数据中提取出指定区域内各智能电表对应各监测时间段内各监测时间点的电压值；
将指定区域内各智能电表对应各监测时间段内各监测时间点的电压值导入到示波器中，进而得到指定区域内各智能电表对应各监测时间段内各监测时间点对应电压信号的波形图，进而分别得出指定区域内各智能电表对应各监测时间段内的振幅和相位，并将其进行数据归一化处理，通过，计算得到指定区域内各智能电表对应各监测时间段内电能质量评估系数/>，其中，e表示自然常数，b1和b2分别表示设定的振幅和相位对应电能质量评估系数的占比权重，/>表示指定区域内第y个智能电表对应第j个监测时间段的振幅正常评估系数，具体计算过程如下：
从云存储数据库中提取得到智能电表对应的振幅许可浮动区间值，进而从中筛选出智能电表对应的振幅许可浮动最小值和最大值/>，还用于从云存储数据库中提取得到智能电表对应的振幅许可浮动差值/>，通过/>，得到智能电表对应的振幅参考浮动最小值/>，通过/>，得出智能电表对应的振幅参考浮动最大值/>；
依据智能电表对应的振幅参考浮动最小值和最大值由此构建得出智能电表对应的振幅参考浮动集合F，获取指定区域内各智能电表对应各监测时间段的振幅，由此计算得出指定区域内各智能电表对应各监测时间段的振幅正常评估系数；
依据指定区域内各智能电表对应各监测时间段内的振幅正常评估系数的计算方式同理计算得出指定区域内各智能电表对应各监测时间段的振幅正常评估系数。
根据一个优选实施方式，所述筛选指定区域内各故障智能电表，筛选过程为：
依据云存储数据库中存储的指定区域内各智能电表对应的历史数据表单，进而从中筛选出指定区域内各智能电表对应各历史监测日内各监测时间段的历史功率因数，将其进行求和并均值计算，得到指定区域内各智能电表对应的历史功率因数均值；
通过从指定区域内各智能电表对应的历史数据表单中筛分并进行求和均值计算得到指定区域内各智能电表对应的振幅正常评估均值系数和相位正常评估均值系数；
利用分析公式，分析得出指定区域内各智能电表对应的初步故障评估系数/>，其中，/>表示为预定义的功率因数许可差值、振幅正常评估许可差值、相位正常评估许可差值，c1、c2、c3和c4分别表示预定义的功率因数、振幅、相位和电能质量对应的占比因子，且c1+c2+c3+c4=1，/>表示预定义的电能质量参考系数；
将指定区域内各智能电表对应的初步故障评估系数与预定义的电能表参考故障评估系数进行比对，若指定区域内某智能电表对应的初步故障评估系数大于或等于预定义的电能表参考故障评估系数，则将指定区域内该智能电表标记为故障智能电表，以此筛选方式得出指定区域内各故障智能电表。
根据一个优选实施方式，所述对指定区域内各故障智能电表进行数据复验，具体复验过程如下：
获取指定区域内各故障智能电表对应各监测时间段内各监测时间点的电流值，将其进行傅里叶变换算法分析得出指定区域内各故障智能电表对应各监测时间段内各次谐波电流对应的峰值，u表示各次谐波电流的编号，u=1,2,...p，m表示各故障智能电表的编号，m=1,2,...n，通过/>，计算得出指定区域内各故障智能电表对应各监测时间段内各次谐波电流的有效值/>；
并从指定区域内各故障智能电表对应各监测时间段内各次谐波电流的有效值筛选出指定区域内各故障智能电表对应各监测时间段内第一次谐波电流，将其标记为基波电流，由此得到指定区域内各故障智能电表对应各监测时间段内基波电流的有效值；
通过，计算得到指定区域内各故障智能电表对应各监测时间段的总谐波畸变系数/>；
从云存储数据库中提取出智能电表对应的额定电流值，根据/>，得出指定区域内各故障智能电表对应各监测时间段的谐波含量/>；
将指定区域内各故障智能电表对应各监测时间段的总谐波畸变系数与设定的故障电能表对应的总谐波畸变参考系数进行比对，若指定区域内某故障智能电表对应某监测时间段的总谐波畸变系数大于或等于设定的故障电能表对应的总谐波畸变参考系数，则将该监测时间段标记为故障监测时间段，由此获取指定区域内各故障智能电表对应的故障监测时间段总数目，依据公式/>，得出指定区域内各故障智能电表的总谐波畸变故障系数/>，其中，A表示预定义的许可故障监测时间段总数目；
依据指定区域内各故障智能电表的总谐波畸变故障系数分析得出指定区域内各故障智能电表的谐波含量故障系数，依据分析公式/>，分析得出指定区域内各故障智能电表对应的深度故障评估系数/>，其中/>分别表示预设定的总谐波许可故障系数和谐波含量许可故障系数，d1和d2分别表示预定义的总谐波畸变和谐波含量对应的均衡因子，且d1+d2=1。
根据一个优选实施方式，所述确定指定区域内各实际故障智能电表的编号，具体确定过程为：
将指定区域内各故障智能电表对应的深度故障评估系数与预定义的电能表参考深度故障评估系数进行比对，若存在有指定区域内某故障智能电表对应的深度故障评估系数大于或等于预定义的电能表参考深度故障评估系数，则将该故障智能电表标记为实际故障智能电表，由此确定指定区域内各实际故障智能电表的编号。
根据一个优选实施方式，所述对指定区域内各实际故障智能电表进行失准原因判断，判断过程为：
获取指定区域内各实际故障智能电表的零部件出厂日期，进而推断得出指定区域内各实际故障智能电表内各零部件的使用时长；
获取指定区域内各实际故障智能电表对应各监测时间段内各监测时间点的空气湿度和温度，得出指定区域内各实际故障智能电表对应各监测时间段的空气可能影响系数；
获取指定区域内各实际故障智能电表对应各监测时间段内各监测时间点的电流值和电压值，将其进行乘法计算得出指定区域内各实际故障智能电表对应各监测时间段内各监测时间点的瞬时功率值；
将指定区域内各实际故障智能电表内各零部件的使用时长与预定义的电表对应各零部件的参考使用时长进行比对，若存在指定区域内某实际故障智能电表内多数零部件的使用时长均大于对应参考使用时长，则将指定区域内该实际故障智能电表的失准原因标记为老化原因；
将指定区域内各实际故障智能电表对应各监测时间段的空气可能影响系数与预定义的电表最高承受空气可能影响系数进行比对，若存在指定区域内某实际故障智能电表对应多数监测时间段的空气可能影响系数大于预定义的电表最高承受空气可能影响系数，则将指定区域内该实际故障智能电表的失准原因标记为外部原因；
将指定区域内各实际故障智能电表对应各监测时间段内各监测时间点的瞬时功率值与预定义的电能表对应的许可承受瞬时功率值进行比对，若存在有指定区域内某实际故障智能电表某监测时间点的瞬时功率值大于或等于预定义的电能表对应的许可承受瞬时功率值，则将指定区域内该实际故障智能电表的失准原因标记为供电原因。
本发明另一方面提供了一种集中器，包括电子设备和计算机可读存储介质；
所述电子设备包括处理器、存储器及通信总线，所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述通信总线实现处理器与存储器之间的连接通信；
所述处理器执行所述计算机可读程序时实现如本发明所述的一种具备计量失准自检的电能表中的模块；
所述计算机可读存储介质存储一个或者多个程序，所述一个或者多个程序可被一个或多个处理器执行，以实现如本发明所述的一种具备计量失准自检的电能表中的模块。
如上所述，本发明提供的一种具备计量失准自检的电能表及集中器，至少具有以下有益效果：
（1）本发明提供的一种具备计量失准自检的电能表及集中器，通过采集得到指定区域内各智能电表对应各监测时间段内的电能数据，进而对指定区域内各智能电表进行自检分析，由此筛选指定区域内各故障智能电表，进一步对指定区域内各故障智能电表进行数据复验，由此对指定区域内各实际故障智能电表进行失准原因判断，有效地解决了当前对供水管线渗漏监测还存在一定局限性的问题，通过自动诊断和校正，可以及时发现和纠正计量故障，确保了电能表的准确性，电能表智能自检不仅能够提高计量准确性和工作效率，还能够降低维护成本，延长设备寿命，对于电力***的稳定运行和管理具有重要意义，可以降低电能表故障的风险，减少停电和维修成本，有助于优化能源管理和提高能源利用效率。
（2）本发明具有提高计量准确性、降低故障风险、节约能源和资源以及提供实时数据和分析等重要好处。它不仅有助于保障电力供应，还能提高能源利用效率和电力***的运行效果，对于用户、电力公司和能源管理部门都具有重要意义。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为本发明的各模块连接示意图。
具体实施方式
下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
实施例1
请参阅图1所示，一种具备计量失准自检的电能表，包括电能表统计编号模块、物联网数据监测平台、电能表自检分析模块、电能表失准复验模块、失准原因判断模块、电能表失准反馈终端和云存储数据库；
需要说明的是，本发明实施例适用于指定区域内电流或电压等电路参数均正常稳定的区域内筛选故障电能表。
所述物联网数据监测平台分别与电能表统计编号模块和电能表自检分析模块连接，电能表失准复验模块分别与电能表自检分析模块和失准原因判断模块连接，电能表失准反馈终端与失准原因判断模块连接，云存储数据库分别与电能表自检分析模块和电能表失准复验模块连接。
所述电能表统计编号模块，用于统计指定区域内存在的所有智能电表的数目并对其进行编号，分别标记为1,2,...y,...g,并将指定区域内各智能电表连接至物联网数据监测平台；
所述物联网数据监测平台，用于设定监测时长，并依据监测时长进而划分得出各监测时间段，进一步采集得到指定区域内各智能电表对应各监测时间段内的电能数据；
需要说明的是，所述指定区域内各智能电表对应各监测时间段内的电能数据具体包括各监测时间点的功率数据、电流值和电压值。
所述功率数据包括正向有功电能、反向有功电能、正向无功电能和反向无功电能。
所述电能表自检分析模块，用于对指定区域内各智能电表进行自检分析，由此筛选指定区域内各故障智能电表；
需要说明的是，所述对指定区域内各智能电表进行自检分析，具体分析过程如下：
从指定区域内各智能电表对应各监测时间段内的电能数据中提取出指定区域内各智能电表对应各监测时间段内各监测时间点的正向有功电能、反向有功电能/>、正向无功电能/>和反向无功电能/>，y表示各智能电表的编号，y=1,2,...g,i表示各监测时间段的编号，i=1,2,...m，j表示各监测时间点的编号，j=1,2,...n；
通过，计算得出指定区域内各智能电表对应各监测时间段的功率因数/>，其中，/>表示为指定区域内第y个智能电表对应第j个监测时间段的有功功率，具体计算过程为：
，t表示设定的监测时长，n为监测时间点总数目；
表示为指定区域内第y个智能电表对应第j个监测时间段的无功功率，具体计算公式为/>；
从指定区域内各智能电表对应各监测时间段内的电能数据中提取出指定区域内各智能电表对应各监测时间段内各监测时间点的电压值；
将指定区域内各智能电表对应各监测时间段内各监测时间点的电压值导入到示波器中，进而得到指定区域内各智能电表对应各监测时间段内各监测时间点对应电压信号的波形图，进而分别得出指定区域内各智能电表对应各监测时间段内的振幅和相位，并将其进行数据归一化处理，通过，计算得到指定区域内各智能电表对应各监测时间段内电能质量评估系数/>，其中，e表示自然常数，b1和b2分别表示设定的振幅和相位对应电能质量评估系数的占比权重，/>表示指定区域内第y个智能电表对应第j个监测时间段的振幅正常评估系数，具体计算过程如下：
从云存储数据库中提取得到智能电表对应的振幅许可浮动区间值，进而从中筛选出智能电表对应的振幅许可浮动最小值和最大值/>，还用于从云存储数据库中提取得到智能电表对应的振幅许可浮动差值/>，通过/>，得到智能电表对应的振幅参考浮动最小值/>，通过/>，得出智能电表对应的振幅参考浮动最大值/>；
依据智能电表对应的振幅参考浮动最小值和最大值由此构建得出智能电表对应的振幅参考浮动集合F，获取指定区域内各智能电表对应各监测时间段的振幅，由此计算得出指定区域内各智能电表对应各监测时间段的振幅正常评估系数；
应用于上述实施例，所述分别得出指定区域内各智能电表对应各监测时间段内的振幅和相位，具体操作过程如下：
首先，将待测电压信号正确地连接到示波器的输入端口。确保选择适当的电压量程和耦合方式，设置示波器的水平和垂直缩放，以便在屏幕上清晰显示整个电压波形。此外，还需设置触发模式和触发电平，确保波形稳定显示在屏幕上。
示波器通常具有内置的测量功能，可以直接测量波形的峰-峰值或者均方根值。通过选择相应的测量功能，可以直接在屏幕上看到电压波形的振幅数值。
如果要测量两个信号之间的相位差，可以使用示波器的“X-Y”模式，将两个信号同时显示在屏幕上，并通过光标功能来测量它们之间的相位差。
应用于上述实施例，中的/>取值为1，/>取值为0。
依据指定区域内各智能电表对应各监测时间段内的振幅正常评估系数的计算方式同理计算得出指定区域内各智能电表对应各监测时间段的振幅正常评估系数。
应用于上述实施例，所述计算得出指定区域内各智能电表对应各监测时间段的振幅正常评估系数，具体为：
其中，/>表示云存储数据库中存储的智能电表对应的相位许可浮动区间值，/>表示云存储数据库中存储的智能电表对应的相位许可浮动差值，/>表示指定区域内第y个智能电表对应第i个监测时间段的相位。
需要说明的是，所述筛选指定区域内各故障智能电表，筛选过程为：
依据云存储数据库中存储的指定区域内各智能电表对应的历史数据表单，进而从中筛选出指定区域内各智能电表对应各历史监测日内各监测时间段的历史功率因数，将其进行求和并均值计算，得到指定区域内各智能电表对应的历史功率因数均值；
通过从指定区域内各智能电表对应的历史数据表单中筛分并进行求和均值计算得到指定区域内各智能电表对应的振幅正常评估均值系数和相位正常评估均值系数；
利用分析公式，分析得出指定区域内各智能电表对应的初步故障评估系数/>，其中，/>表示为预定义的功率因数许可差值、振幅正常评估许可差值、相位正常评估许可差值，c1、c2、c3和c4分别表示预定义的功率因数、振幅、相位和电能质量对应的占比因子，且c1+c2+c3+c4=1，/>表示预定义的电能质量参考系数；
将指定区域内各智能电表对应的初步故障评估系数与预定义的电能表参考故障评估系数进行比对，若指定区域内某智能电表对应的初步故障评估系数大于或等于预定义的电能表参考故障评估系数，则将指定区域内该智能电表标记为故障智能电表，以此筛选方式得出指定区域内各故障智能电表。
所述电能表失准复验模块，用于对指定区域内各故障智能电表进行数据复验，由此确定指定区域内各实际故障智能电表的编号；
需要说明的是，所述对指定区域内各故障智能电表进行数据复验，具体复验过程如下：
获取指定区域内各故障智能电表对应各监测时间段内各监测时间点的电流值，将其进行傅里叶变换算法分析得出指定区域内各故障智能电表对应各监测时间段内各次谐波电流对应的峰值，u表示各次谐波电流的编号，u=1,2,...p，m表示各故障智能电表的编号，m=1,2,...n，通过/>，计算得出指定区域内各故障智能电表对应各监测时间段内各次谐波电流的有效值/>；
并从指定区域内各故障智能电表对应各监测时间段内各次谐波电流的有效值筛选出指定区域内各故障智能电表对应各监测时间段内第一次谐波电流，将其标记为基波电流，由此得到指定区域内各故障智能电表对应各监测时间段内基波电流的有效值；
通过，计算得到指定区域内各故障智能电表对应各监测时间段的总谐波畸变系数/>；
从云存储数据库中提取出智能电表对应的额定电流值，根据/>，得出指定区域内各故障智能电表对应各监测时间段的谐波含量/>；
将指定区域内各故障智能电表对应各监测时间段的总谐波畸变系数与设定的故障电能表对应的总谐波畸变参考系数进行比对，若指定区域内某故障智能电表对应某监测时间段的总谐波畸变系数大于或等于设定的故障电能表对应的总谐波畸变参考系数，则将该监测时间段标记为故障监测时间段，由此获取指定区域内各故障智能电表对应的故障监测时间段总数目，依据公式/>，得出指定区域内各故障智能电表的总谐波畸变故障系数/>，其中，A表示预定义的许可故障监测时间段总数目；
依据指定区域内各故障智能电表的总谐波畸变故障系数分析得出指定区域内各故障智能电表的谐波含量故障系数，依据分析公式/>，分析得出指定区域内各故障智能电表对应的深度故障评估系数/>，其中/>分别表示预设定的总谐波许可故障系数和谐波含量许可故障系数，d1和d2分别表示预定义的总谐波畸变和谐波含量对应的均衡因子，且d1+d2=1。
需要说明的是，所述确定指定区域内各实际故障智能电表的编号，具体确定过程为：
将指定区域内各故障智能电表对应的深度故障评估系数与预定义的电能表参考深度故障评估系数进行比对，若存在有指定区域内某故障智能电表对应的深度故障评估系数大于或等于预定义的电能表参考深度故障评估系数，则将该故障智能电表标记为实际故障智能电表，由此确定指定区域内各实际故障智能电表的编号。
本发明实施例具有提高计量准确性、降低故障风险、节约能源和资源以及提供实时数据和分析等重要好处。它不仅有助于保障电力供应，还能提高能源利用效率和电力***的运行效果，对于用户、电力公司和能源管理部门都具有重要意义。
所述失准原因判断模块，用于对指定区域内各实际故障智能电表进行失准原因判断；
需要说明的是，所述对指定区域内各实际故障智能电表进行失准原因判断，判断过程为：
获取指定区域内各实际故障智能电表的零部件出厂日期，进而推断得出指定区域内各实际故障智能电表内各零部件的使用时长；
应用于上述实施例，将当前日期分别与指定区域内各实际故障智能电表的零部件出厂日期进行做差计算，得到指定区域内各实际故障智能电表内各零部件的使用时长。
获取指定区域内各实际故障智能电表对应各监测时间段内各监测时间点的空气湿度和温度，得出指定区域内各实际故障智能电表对应各监测时间段的空气可能影响系数；
应用于上述实施例，得出指定区域内各实际故障智能电表对应各监测时间段的空气可能影响系数，具体过程为：
,计算得出指定区域内各实际故障智能电表对应各监测时间段的空气可能影响系数/>，其中f1和f2分别表示设定的空气湿度和温度对应的系数因子，且f1+f2=1，r表示各实际故障智能电表的编号，r=1,2,...v，分别表示指定区域内第r个实际故障智能电表对应第i个监测时间段内第j个监测时间点的空气湿度和温度，/>分别表示定义的许可湿度差值和许可温度差值，/>分别表示预定义的第i个监测时间段内第j个监测时间点对应智能电表许可承受的参考空气湿度值和参考温度值。
获取指定区域内各实际故障智能电表对应各监测时间段内各监测时间点的电流值和电压值，将其进行乘法计算得出指定区域内各实际故障智能电表对应各监测时间段内各监测时间点的瞬时功率值；
将指定区域内各实际故障智能电表内各零部件的使用时长与预定义的电表对应各零部件的参考使用时长进行比对，若存在指定区域内某实际故障智能电表内多数零部件的使用时长均大于对应参考使用时长，则将指定区域内该实际故障智能电表的失准原因标记为老化原因；
将指定区域内各实际故障智能电表对应各监测时间段的空气可能影响系数与预定义的电表最高承受空气可能影响系数进行比对，若存在指定区域内某实际故障智能电表对应多数监测时间段的空气可能影响系数大于预定义的电表最高承受空气可能影响系数，则将指定区域内该实际故障智能电表的失准原因标记为外部原因；
将指定区域内各实际故障智能电表对应各监测时间段内各监测时间点的瞬时功率值与预定义的电能表对应的许可承受瞬时功率值进行比对，若存在有指定区域内某实际故障智能电表某监测时间点的瞬时功率值大于或等于预定义的电能表对应的许可承受瞬时功率值，则将指定区域内该实际故障智能电表的失准原因标记为供电原因。
所述电能表失准反馈终端，用于将指定区域内各实际故障智能电表的编号以及失准原因反馈至电能表管理终端；
所述云存储数据库，用于存储智能电表对应的振幅许可浮动区间值和智能电表对应的振幅许可浮动差值，存储指定区域内各智能电表对应的历史数据表单，还用于存储智能电表对应的额定电流值。
实施例2
本发明提出一种集中器，包括电子设备和计算机可读存储介质；
所述电子设备包括处理器、存储器及通信总线，所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述通信总线实现处理器与存储器之间的连接通信；
所述处理器执行所述计算机可读程序时实现如本发明所述的一种具备计量失准自检的电能表中的模块；
所述计算机可读存储介质存储一个或者多个程序，所述一个或者多个程序可被一个或多个处理器执行，以实现如本发明所述的一种具备计量失准自检的电能表中的模块。
本发明提供的一种具备计量失准自检的电能表及集中器，通过采集得到指定区域内各智能电表对应各监测时间段内的电能数据，进而对指定区域内各智能电表进行自检分析，由此筛选指定区域内各故障智能电表，进一步对指定区域内各故障智能电表进行数据复验，由此对指定区域内各实际故障智能电表进行失准原因判断，有效地解决了当前对供水管线渗漏监测还存在一定局限性的问题，通过自动诊断和校正，可以及时发现和纠正计量故障，确保了电能表的准确性，电能表智能自检不仅能够提高计量准确性和工作效率，还能够降低维护成本，延长设备寿命，对于电力***的稳定运行和管理具有重要意义，可以降低电能表故障的风险，减少停电和维修成本，有助于优化能源管理和提高能源利用效率。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (6)
1.一种具备计量失准自检的电能表，其特征在于，包括：
电能表统计编号模块，用于统计指定区域内存在的所有智能电表进行数目统计并对其进行编号，分别标记为1,2,...y,...g,并将指定区域内各智能电表连接至物联网数据监测平台；
物联网数据监测平台，用于设定监测时长，并依据监测时长进而划分得出各监测时间段，进一步采集得到指定区域内各智能电表对应各监测时间段内的电能数据；
所述指定区域内各智能电表对应各监测时间段内的电能数据具体包括各监测时间点的功率数据、电流值和电压值。
所述功率数据包括正向有功电能、反向有功电能、正向无功电能和反向无功电能；
电能表自检分析模块，用于对指定区域内各智能电表进行自检分析，由此筛选指定区域内各故障智能电表；
所述对指定区域内各智能电表进行自检分析，具体分析过程如下：
从指定区域内各智能电表对应各监测时间段内的电能数据中提取出指定区域内各智能电表对应各监测时间段内各监测时间点的正向有功电能、反向有功电能/>、正向无功电能/>和反向无功电能/>，y表示各智能电表的编号，y=1,2,...g,i表示各监测时间段的编号，i=1,2,...m，j表示各监测时间点的编号，j=1,2,...n；
通过，计算得出指定区域内各智能电表对应各监测时间段的功率因数/>，其中，/>表示为指定区域内第y个智能电表对应第j个监测时间段的有功功率，具体计算过程为：
，t表示设定的监测时长，n为监测时间点总数目；
表示为指定区域内第y个智能电表对应第j个监测时间段的无功功率，具体计算公式为/>；
从指定区域内各智能电表对应各监测时间段内的电能数据中提取出指定区域内各智能电表对应各监测时间段内各监测时间点的电压值；
将指定区域内各智能电表对应各监测时间段内各监测时间点的电压值导入到示波器中，进而得到指定区域内各智能电表对应各监测时间段内各监测时间点对应电压信号的波形图，进而分别得出指定区域内各智能电表对应各监测时间段内的振幅和相位，并将其进行数据归一化处理，通过，计算得到指定区域内各智能电表对应各监测时间段内电能质量评估系数/>，其中，e表示自然常数，b1和b2分别表示设定的振幅和相位对应电能质量评估系数的占比权重，/>表示指定区域内第y个智能电表对应第j个监测时间段的振幅正常评估系数，具体计算过程如下；
从云存储数据库中提取得到智能电表对应的振幅许可浮动区间值，进而从中筛选出智能电表对应的振幅许可浮动最小值和最大值/>，还用于从云存储数据库中提取得到智能电表对应的振幅许可浮动差值/>，通过/>，得到智能电表对应的振幅参考浮动最小值/>，通过/>，得出智能电表对应的振幅参考浮动最大值/>；
依据智能电表对应的振幅参考浮动最小值和最大值由此构建得出智能电表对应的振幅参考浮动集合F，获取指定区域内各智能电表对应各监测时间段的振幅，由此计算得出指定区域内各智能电表对应各监测时间段的振幅正常评估系数/>；
依据指定区域内各智能电表对应各监测时间段内的振幅正常评估系数的计算方式同理计算得出指定区域内各智能电表对应各监测时间段的振幅正常评估系数；
电能表失准复验模块，用于对指定区域内各故障智能电表进行数据复验，由此确定指定区域内各实际故障智能电表的编号；
失准原因判断模块，用于对指定区域内各实际故障智能电表进行失准原因判断；
电能表失准反馈终端，用于将指定区域内各实际故障智能电表的编号以及失准原因反馈至电能表管理终端；
云存储数据库，用于存储智能电表对应的振幅许可浮动区间值和智能电表对应的振幅许可浮动差值，存储指定区域内各智能电表对应的历史数据表单，还用于存储智能电表对应的额定电流值。
2.根据权利要求1所述的一种具备计量失准自检的电能表，其特征在于，所述筛选指定区域内各故障智能电表，筛选过程为：
依据云存储数据库中存储的指定区域内各智能电表对应的历史数据表单，进而从中筛选出指定区域内各智能电表对应各历史监测日内各监测时间段的历史功率因数，将其进行求和并均值计算，得到指定区域内各智能电表对应的历史功率因数均值；
通过从指定区域内各智能电表对应的历史数据表单中筛分并进行求和均值计算得到指定区域内各智能电表对应的振幅正常评估均值系数和相位正常评估均值系数；
利用分析公式，分析得出指定区域内各智能电表对应的初步故障评估系数/>，其中，/>表示为预定义的功率因数许可差值、振幅正常评估许可差值、相位正常评估许可差值，c1、c2、c3和c4分别表示预定义的功率因数、振幅、相位和电能质量对应的占比因子，且c1+c2+c3+c4=1，/>表示预定义的电能质量参考系数；
将指定区域内各智能电表对应的初步故障评估系数与预定义的电能表参考故障评估系数进行比对，若指定区域内某智能电表对应的初步故障评估系数大于或等于预定义的电能表参考故障评估系数，则将指定区域内该智能电表标记为故障智能电表，以此筛选方式得出指定区域内各故障智能电表。
3.根据权利要求1所述的一种具备计量失准自检的电能表，其特征在于，所述对指定区域内各故障智能电表进行数据复验，具体复验过程如下：
获取指定区域内各故障智能电表对应各监测时间段内各监测时间点的电流值，将其进行傅里叶变换算法分析得出指定区域内各故障智能电表对应各监测时间段内各次谐波电流对应的峰值，u表示各次谐波电流的编号，u=1,2,...p，m表示各故障智能电表的编号，m=1,2,...n，通过/>，计算得出指定区域内各故障智能电表对应各监测时间段内各次谐波电流的有效值/>；
并从指定区域内各故障智能电表对应各监测时间段内各次谐波电流的有效值筛选出指定区域内各故障智能电表对应各监测时间段内第一次谐波电流，将其标记为基波电流，由此得到指定区域内各故障智能电表对应各监测时间段内基波电流的有效值；
通过，计算得到指定区域内各故障智能电表对应各监测时间段的总谐波畸变系数/>；
从云存储数据库中提取出智能电表对应的额定电流值，根据/>，得出指定区域内各故障智能电表对应各监测时间段的谐波含量/>；
将指定区域内各故障智能电表对应各监测时间段的总谐波畸变系数与设定的故障电能表对应的总谐波畸变参考系数进行比对，若指定区域内某故障智能电表对应某监测时间段的总谐波畸变系数大于或等于设定的故障电能表对应的总谐波畸变参考系数，则将该监测时间段标记为故障监测时间段，由此获取指定区域内各故障智能电表对应的故障监测时间段总数目，依据公式/>，得出指定区域内各故障智能电表的总谐波畸变故障系数/>，其中，A表示预定义的许可故障监测时间段总数目；
依据指定区域内各故障智能电表的总谐波畸变故障系数分析得出指定区域内各故障智能电表的谐波含量故障系数，依据分析公式/>，分析得出指定区域内各故障智能电表对应的深度故障评估系数/>，其中/>分别表示预设定的总谐波许可故障系数和谐波含量许可故障系数，d1和d2分别表示预定义的总谐波畸变和谐波含量对应的均衡因子，且d1+d2=1。
4.根据权利要求3所述的一种具备计量失准自检的电能表，其特征在于，所述确定指定区域内各实际故障智能电表的编号，具体确定过程为：
将指定区域内各故障智能电表对应的深度故障评估系数与预定义的电能表参考深度故障评估系数进行比对，若存在有指定区域内某故障智能电表对应的深度故障评估系数大于或等于预定义的电能表参考深度故障评估系数，则将该故障智能电表标记为实际故障智能电表，由此确定指定区域内各实际故障智能电表的编号。
5.根据权利要求1所述的一种具备计量失准自检的电能表，其特征在于，所述对指定区域内各实际故障智能电表进行失准原因判断，判断过程为：
获取指定区域内各实际故障智能电表的零部件出厂日期，进而推断得出指定区域内各实际故障智能电表内各零部件的使用时长；
获取指定区域内各实际故障智能电表对应各监测时间段内各监测时间点的空气湿度和温度，得出指定区域内各实际故障智能电表对应各监测时间段的空气可能影响系数；
获取指定区域内各实际故障智能电表对应各监测时间段内各监测时间点的电流值和电压值，将其进行乘法计算得出指定区域内各实际故障智能电表对应各监测时间段内各监测时间点的瞬时功率值；
将指定区域内各实际故障智能电表内各零部件的使用时长与预定义的电表对应各零部件的参考使用时长进行比对，若存在指定区域内某实际故障智能电表内多数零部件的使用时长均大于对应参考使用时长，则将指定区域内该实际故障智能电表的失准原因标记为老化原因；
将指定区域内各实际故障智能电表对应各监测时间段的空气可能影响系数与预定义的电表最高承受空气可能影响系数进行比对，若存在指定区域内某实际故障智能电表对应多数监测时间段的空气可能影响系数大于预定义的电表最高承受空气可能影响系数，则将指定区域内该实际故障智能电表的失准原因标记为外部原因；
将指定区域内各实际故障智能电表对应各监测时间段内各监测时间点的瞬时功率值与预定义的电能表对应的许可承受瞬时功率值进行比对，若存在有指定区域内某实际故障智能电表某监测时间点的瞬时功率值大于或等于预定义的电能表对应的许可承受瞬时功率值，则将指定区域内该实际故障智能电表的失准原因标记为供电原因。
6.一种集中器，应用于权利要求1-5任一项所述的一种具备计量失准自检的电能表，其特征在于，包括电子设备和计算机可读存储介质；
所述电子设备包括处理器、存储器及通信总线，所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述通信总线实现处理器与存储器之间的连接通信；
所述处理器执行所述计算机可读程序时实现如权利要求1-5任意一项所述的一种具备计量失准自检的电能表中的模块；
所述计算机可读存储介质存储一个或者多个程序，所述一个或者多个程序可被一个或多个处理器执行，以实现如权利要求1-5任意一项所述的一种具备计量失准自检的电能表中的模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410436750.7A CN118033527B (zh) | 2024-04-12 | 2024-04-12 | 一种具备计量失准自检的电能表及集中器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410436750.7A CN118033527B (zh) | 2024-04-12 | 2024-04-12 | 一种具备计量失准自检的电能表及集中器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118033527A CN118033527A (zh) | 2024-05-14 |
| CN118033527B true CN118033527B (zh) | 2024-06-11 |
Family
ID=90995319
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410436750.7A Active CN118033527B (zh) | 2024-04-12 | 2024-04-12 | 一种具备计量失准自检的电能表及集中器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118033527B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2020101562A4 (en) * | 2020-07-29 | 2020-09-03 | Chandnani, Neeraj MR | An artificial intelligence and iot based system for monitoring and detection of electricity theft |
| CN115508768A (zh) * | 2022-09-16 | 2022-12-23 | 安徽南瑞中天电力电子有限公司 | 一种基于智能电表自检的故障识别方法、***、存储介质 |
| CN116017385A (zh) * | 2022-12-29 | 2023-04-25 | 深圳智微电子科技有限公司 | 电能表检定方法及*** |
| CN116413545A (zh) * | 2023-06-09 | 2023-07-11 | 国网安徽省电力有限公司经济技术研究院 | 直流配电网电能质量评估方法及*** |
-
2024
- 2024-04-12 CN CN202410436750.7A patent/CN118033527B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2020101562A4 (en) * | 2020-07-29 | 2020-09-03 | Chandnani, Neeraj MR | An artificial intelligence and iot based system for monitoring and detection of electricity theft |
| CN115508768A (zh) * | 2022-09-16 | 2022-12-23 | 安徽南瑞中天电力电子有限公司 | 一种基于智能电表自检的故障识别方法、***、存储介质 |
| CN116017385A (zh) * | 2022-12-29 | 2023-04-25 | 深圳智微电子科技有限公司 | 电能表检定方法及*** |
| CN116413545A (zh) * | 2023-06-09 | 2023-07-11 | 国网安徽省电力有限公司经济技术研究院 | 直流配电网电能质量评估方法及*** |
Non-Patent Citations (3)
| Title |
|---|
| 基于智能台区的配电网经济运行及优化高级分析***设计;汤毅;程乐峰;李正佳;余涛;莫芸;;电力***保护与控制;20160728(第15期);全文 * |
| 基于电力线工频通信的抽油机电机远程监测研究;李卫国;卢文冰;罗应立;邱宇峰;;电网技术;20120905(第09期);全文 * |
| 智能电能表计量准确性的影响因素及改进对策;何静涵;王跃红;;计量与测试技术;20180830(第08期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118033527A (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111398885A (zh) | 一种结合线损分析的智能电表运行误差监控方法 | |
| CN109298379B (zh) | 一种基于数据监测的智能电表现场误差异常的识别方法 | |
| CN105588995B (zh) | 一种电力计量自动化***线损异常检测方法 | |
| CN110703009B (zh) | 台区线损率异常分析及处理方法 | |
| CN113032454A (zh) | 基于云计算的交互式用户用电异常监测预警管理云平台 | |
| CN110311709B (zh) | 用电信息采集***故障判别方法 | |
| CN109272257A (zh) | 一种基于高次谐波数据库的电缆缺陷评估方法和*** | |
| CN111257820B (zh) | 三相智能电表接线远程检测方法 | |
| CN116542538B (zh) | 一种工业设备能耗监测方法、装置、电子设备及存储介质 | |
| CN112558000A (zh) | 一种基于相关性筛选的电能表计量误差分析方法 | |
| CN109270316A (zh) | 一种电力用户用电量异常识别方法、装置及终端设备 | |
| CN111724060A (zh) | 一种台区线损一体化分析监控***及其分析方法 | |
| CN113406558A (zh) | 基于线性回归的电表失准检测方法、装置及电子设备 | |
| CN113381408A (zh) | 一种基于配电自动化数据的用电异常配变定位方法及装置 | |
| CN112084678A (zh) | 一种基于多元回归的配线线损率处理方法及装置 | |
| CN109146265A (zh) | 基于动态规划时间序列相似性的三相不平衡源溯源方法 | |
| CN111832174A (zh) | 一种基于多元回归的配线线损率处理方法及装置 | |
| CN114280527A (zh) | 一种基于低压物联感知终端的电能表失准分析方法 | |
| CN118033527B (zh) | 一种具备计量失准自检的电能表及集中器 | |
| CN114371438A (zh) | 基于物联网的计量设备失准判断方法 | |
| CN207036924U (zh) | 电能测量比较判断装置 | |
| CN113406555A (zh) | 一种交流充电站的电量计量误差监测方法及充电站 | |
| CN116699499B (zh) | 一种电表精度及可靠性自动检测*** | |
| CN110208718B (zh) | 电源质量测试方法、***、可读存储介质及计算机设备 | |
| CN110458480B (zh) | 一种发电厂化学仪表准确性在线评价*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |