登录 | 注册

数据驱动的海量电能计量设备状态感知关键技术研究及应用

5

成果主要完成人

李金瑾,张焜,梁炜皓,林秀清,陈珏羽,蒋雯倩,储鹏飞,周新华,潘学华,黄柯颖

项目概况

目前我国在运行电能表保有量世界第一,随着计量设备数量的持续增加,电能计量设备全生命周期中计量异常状态的复杂、隐蔽程度、不可解释性已突破了传统经验规则的认知范畴,基于离线物理方法的比对检测无法实时感知计量异常的衍生及变化趋势,电能计量设备的全生命周期异常感知运维面临着全新挑战。 本成果聚焦规模化电能计量设备全生命周期海量数据,形成主要技术内容及创新如下: (1)检定装置异常全景数字化感知技术。首创提出了基于被检表数据聚合形成虚拟标准的电能表检定装置异常监测方法;研制了0.01高准确度等级的在线式期间核查标准表,建成了全国首条虚拟标准与物理标准双在线的电能表检定流水线;提出了检定流水线的全景监控方法,建成了全国首个等保三级的数字孪生计量生产管理平台,实现了计量检定环节异常的安全可靠数字化感知。 (2)计量运行异常远程精准研判技术。发明了基于负荷特征分层的接线异常远程研判方法、基于轻量数据的电能表误差异常监测方法、基于注意力机制的神经网络窃电检测方法,研发了电压等级全覆盖的计量运行异常远程智能侦测平台,实现了全类别在运计量异常多维度、全方位准确研判,研判准确率达到98%。 (3)计量退运自学习异常诊断技术。提出了智能电能表的故障自学习方法,突破了基于分拣故障库的在运电能表批次故障预警技术;建成国内首条自动化程度最高、业务流程最全的电能表分拣流水线,实现退运电能表的高效准确分拣和在运电能表故障预警监控。 (4)计量异常云边协同运维技术。提出了云边协同的电能表计量异常研判运维方法、基于云端数字标准算法轻量化移植边端技术,研制了基于迁移学习的智能台区管理单元,保障电能计量异常现场运维的准确安全高效。 成果获得发明专利9项,实用新型专利2项,论文12篇(EI检索4篇),形成行业、团体标准2项。研发的装置、线体和系统均通过了第三方权威机构检测,在多个地区开展了推广应用。近三年新增产值3.38亿元,节省支出0.25亿元,共产生经济效益3.63亿元。 成果经中国电工技术学会组织,中国计量测试、仪器仪表行业专家清华大学赵伟教授鉴定为整体国际先进,关键技术达到国际领先水平。成果有效促进计量异常的检测和监测模式从传统的离线式物理设备定期比对,转变成实时采集海量数据监测计量异常的新模式,从传统的“装置管理”转向“数据管理”,实现了电能计量异常研判的数字化转型,促进行业的科技发展和技术进步。