(国网山东省电力公司临沂供电公司 276000)
摘要：随着社会的发展，我国的电力计量行业的发展也有了提高。我国终端的数据接入量和采集量不断增长，每天采集器采集的数据就高达28.8亿，高强度的运行为现场带来了大量故障，使用人员维护起来十分困难。因此需要研究出有效的电力计量装置故障诊断方法，通过该方法帮助企业优化系统流程，提高电网的运行效率，节约维护时候花费的工作成本。
关键词：大数据；电力计量装置；故障智能化诊断技术
引言
电力计量装置的实际工作质量将直接影响电力计量系统运行的整体稳定性，所以需对其出现的故障进行细致的分析，并实施检测技术保证它能正常工作。在此之上，本文简要分析了电力计量装置发生的主要故障及实施检测技术的作用，并通过严格检测电能计量设备质量、注重电路维护与人员管理、改善电力计量装置检测方法等要点，进一步突显电力计量装置的实用价值，促进电力企业长远发展。
1电力计量装置故障诊断方法
在我国，目前广泛使用的电力计量装置故障诊断方法，主要表现为诊断信号、诊断数据模型加上多年来的实践经验来完成诊断工作。现阶段诊断的过程大都依赖于人工操作，不具智能化，所以工作量较大且工作效率较低。因此，随着科学技术的快速发展，智能化技术发展迅速。随着人工智能化诊断技术的不断完善和优化，该技术越来越成熟的应用于检测电力系统计量装置的故障中。但是在实际的收集电力数据阶段，计量装置非常容易出现各式各样的故障，随着采集数据量的不断增长，传统的数据库很难在短时间内对存在的故障进行判断，导致工作效率非常低，无法满足当下用户的需求。而通常情况下，工作人员对电力计量装置故障进行分析时，基本都是按照多年来的实践经验，加上对现场故障的掌握情况来进行故障诊断工作。虽然能更好地解决故障问题，但所需成本较高，工作效率也比较低。因此，在大数据的基础上，新的电力计量装置故障智能化诊断技术出现，能够很好地解决上述问题，能在短时间内找到故障问题的原因，提高工作效率，满足电力用户的实际需求。
2大数据的电力计量装置故障智能化诊断技术
2.1电力计量装置故障智能化诊断知识库建立
本文建立的电力计量装置故障智能化诊断知识库除了具备储存电力计量装置数据的能力之外，还要具备删除、修改和查询的功能。将诊断和监测的结果存入诊断知识库，同时知识库还要记录大量故障问题，并进行定期更新，方便更准确地诊断出结果。电力计量装置故障智能化诊断知识库包括两部分：异常特征模型和专家规则库，每部分都拥有自己的管理机制。异常特征模型的管理机制有3个模块，分别为建立模块、修改模块、删除模块，专家规则库同样包括3个模块：导入模块、导出模块和变更模块。电力计量装置故障智能化诊断知识库的所有界面要使用web才能实现统一管理，知识库在得到数据后，要主动与异常特征模型和专家规则库进行对比，灵活地进行分类。在每次诊断中，故障智能化诊断知识库就要建立一个异常特征模型库，选取电力计量装置中的异常故障特征，根据得到的特征建立故障模型。由于知识库中的异常特征模型库很难包含全部的异常记录，所以为了更加高效地诊断出异常故障特征，要进行定期修改和维护。通常一个电力计量装置故障智能化诊断知识库内部会拥有大量的异常特征模型库，为了防止所占空间过大，要周期性地对一些不适用于实际应用的异常特征模型库进行删除，保证智能诊断知识库有充足的空间。
2.2安装质量
电力企业要想降低电力计量装置故障的发生率，就必须做好电能计量设备的质量检测工作，具体包括以下内容：（1）安装电力计量箱，它是电力计量装置的重要基础，在安装电力计量箱时首先应当注重它的空间分布状况，保证电能计量设备能够完全安装到电力计量箱中；其次，还应当为一次接线、二次接线等操作提供充足的工作空间，以免空间不足影响设备的正常运行与检修；再者，需对电力计量箱实施密封处理，这是为了防止不法分子前来窃电，以此保护电力企业免遭经济损失；最后，电力计量箱还应当具有观察所有电能计量设备运行状态及电力使用情况的能力；（2）安装电能表，电能表的安装具有明确的规定，必须保证电能表中心离地面的距离处在6m到18m范围内且计量点与电能表之间的距离也需要满足具体的规范要求，一般需保证其范围在0m到20m之间，这样才能确保电能表的安装质量符合行业标准。
2.3电力计量装置故障智能化诊断知识库的建立
电力计量装置故障智能化诊断知识库，不但可以有效储存数据，同时还可以对数据进行一系列的处理，包括删除、修改、更换以及查询等。除此之外，在知识库内部，还储存着关于各种故障相关的问题，因此相关管理人员要及时更新知识库内容，确保诊断结果的可靠性。该知识库包含两部分，一个是异常特征模型，另一个是专家规则库。他们都具备独特的管理方式。异常特征模型的管理方式，就是建立模块并进行修改或删除工作。专家规则库可以实现导入或导出模块并进行更改。而对于知识库的界面来说，要基于Web的平台实现管理功能，当数据传入知识库中，就要和异常特征模型和专家规则库比对并分类。每进行一次故障诊断工作，相应的知识库就建立相应的异常特征模型库，并有效地利用计量装置的故障特征建立故障模型。但是在实际的异常特征模型库中，并不是非常全面的，因此，相关管理人员必须要及时更正和优化故障智能化诊断知识库，确保数据库实时更新。在实际中由于知识库中异常特征模型库内容非常庞大，为了有效避免其占用大量的内存，必须要及时删除没用的信息，确保知识库为更多的有用信息提供空间。异常特征模型库中，由于数据量较大，更新维护工作也比较复杂。可采用比较常见的异常字段状态来建立异常类型表，详细记录异常情况，可以有效地利用异常类型表来分析电力计量装置的异常信息。在实际建立的知识库中，还包含了详细的专家规则，实际中的每一次故障都要及时的保存，极大地便利了技术人员查阅查询相关信息。实际中每一个专家规则中都有专属的逻辑，所以技术人员要及时进行维护更新工作，合理增加知识库中的逻辑。知识库中存在的信息可以认为是逻辑规则，合理利用逻辑规则，可以有效判断异常特征和电力计量装置故障之间的关系，继而有效诊断该装置中故障的类型。
结语
大数据的电力计量装置故障智能化诊断技术，首先就是要构建电力计量装置故障智能化诊断知识库，并合理使用异常特征模型及专家规则库，采用分布式系统对电力计量装置进行在线监测，并将结果与知识库中的相关标准对比，实现对故障的智能化诊断，同时还可以对计量装置进行动态监测。在通过设置的预警系统，将故障信息发送给技术人员，有利于技术人员及时处理故障。电力计量装置故障的智能化诊断技术，通过对运行状态进行监测及诊断，并对故障进行自动报警，提高了电力工作的高效性及准确性。
参考文献:
[1]于磊，王双，韩宇龙，等.基于大数据技术的电网故障智能诊断方法[J].中国科技信息，2016，26（2）:32-33.
[2]李伟，郁章伟，李娜，等.基于大数据的电力变压器智能在线监测方法研究[J].科技创新导报，2018，33（2）:191-195.
[3]大数据下机械智能故障诊断的机遇与挑战[J].机械工程学报，2018，54（5）:94-104.
[4]王磊，陈青，高洪雨，等.基于大数据挖掘技术的
智能变电站故障追踪架构[J].电力系统自动化，2018，85（3）:84-91.
[5]张雪冰.基于大数据分析的输电线路管理系统及故障诊断研究[J].科学中国人，2016，11（3）:39-41.
[6]张晓蕾，陈珊，马晓丽.基于大数据的电力故障分析系统研究[J].电源技术，2016，40（11）:2245-2246.