何圣川 郭斌 陈健华 冯兴兴

摘  要：智能电表作为我们日常必备的电能资源的计量工具，与我们的生活息息相关。文章根据不同的用电环境现场的温度、湿度、低功率因数等主要影响因素进行了聚类，对环境进行划分，将得到不同环境的主要因素出现的频率在电表挂台上进行相关模拟，采集挂表台上电能表的运行数据，建立误差一致性评价模型，对不同厂家的电表做质量排序。

关键词：聚类;误差一致性;质量排序

中图分类号：TM933.4 文献标志码：A         文章编号：2095-2945（2020）25-0062-03

Abstract： As a necessary measuring tool of electric energy resources in our daily life， intelligent watt-hour meter is closely related to our life. In this paper， the main influencing factors such as temperature， humidity and low power factor in different power environment are clustered， the environment is divided， and the frequency of the main factors in different environment is simulated on the electric meter hanging platform. The operation data of watt-hour meters on the hanging table are collected， the error consistency evaluation model is established， and the quality of watt-hour meters of different manufacturers is sorted.

Keywords： clustering; error consistency; quality ranking

引言

智能电表作为我们日常必备的电能资源的计量工具，可以帮助人们有效控制紧缺的电能资源的利用率，与用户和电力企业之间的经济效益有着直接关系，可见电能表的计量准确性对自动化检定尤为重要[1]。

近年来，随着各计量中心相应计量系统的建立，已实现自动检定和检定误差依据不同标准对不同厂家和型号的数据上传[2]，但是当现场环境复杂时，未能针对其特殊的环境进行模拟和预测。例如，广州属于典型的岭南气候，在这种潮湿、高温、多雷等环境条件下电子式电能表的电子元器件、功能都容易发生故障;根据计量中心近3年的运维数据显示，大用户电能表（三相电能表）的故障率在2.5%左右;根据近三年运行抽检报告，低压居民用户计费用的电表（单相电能表）不合格率在2%左右。由于现场环境复杂，目前实验室只是在检验方面可完成副电能以及采集终端的质量检验，仍需针对特定场景模拟其现场情况，并通过抄表终端对电能表数据实时抄读与分析，依据检定其误差及时发现智能电表的质量问题，完成有关对电能表的全生命周期的一项评价[3]。

因此本文提出了根据不同的用电环境现场的温度、湿度、低功率因数等主要影响因素进行了聚类分析，得到不同环境的主要因素出现的频率进行相关模拟，在电表挂台上的10個产家的电能表的运行数据进行相关采集，并建立误差一致性评价模型，对不同厂家的电表做质量排序。

1 智能电表评价方案的设计

智能电表的评价方案主要针对不同的用电环境进行尽可能相似的模拟，因此本文采用K-means聚类方法对不同的用电环境进行分类，通过加入不同频率的电应力以及相应的温度、湿度的前提下进行相应的方案设计。

1.1 K-means聚类

聚类分析法是大数据分类的常用方法，对大数据分类发挥着重要作用。划分聚类、 层次聚类、基于密度的聚类、基于网格的聚类是目前主流的聚类方法，并对其适用范围和特点进行了归纳，得到结果如表1所示[4-5]。

根据上表1的聚类方法对比，容易发现划分聚类和层次聚类应用范围较为普遍，但是因层次聚类的计算复杂度为O（n2），并不适合处理环境因素量大的样本。因此本文选择 K-means 聚类方法，K-means方法的计算复杂度为O（n），适合于大数据的处理分析。但k-means方法大致存在三种缺点：（1）K-means算法需要事先给定中K，但K值的选择通常是不确定的。（2）绝大部分情况，给定的数据集应该分成多少个类别才最合适是事先不确定的;（3）在K-means算法中，首先需要随机选择初始聚类质心，然后不断进行迭代计算。故针对大量气候数据、低功率因数等环境因素的划分选择k-means分类方法。

1.2 基于K-means聚类的环境划分以及模拟

受气候影响和现场用电环境复杂度的影响，电能表通常会导致计量精确度出现问题，经过大数据统计，主要温度、温差、湿度、日照、用电行业息息相关。用电行业主要通过低功率因数、波形畸变、过负荷、动态负荷、冲击负荷、电压波动、电磁干扰这七种主要波动因素导致，故以11个指标进行聚类划分，模拟出其相应的环境因素及其出现的频率。

低功率因数、波形畸变、过负荷、动态负荷、冲击负荷、电压波动、电磁干扰这七种主要波动因素主要通过各种电应力的表现，因此通过模拟相应的电应力的频率实现电能表质量评价方案的设计。电网操作会产生瞬间过压，开关断开会击穿拉弧引起群脉冲干扰，负载短路或容性负载会产生冲击电流，非线性负载会产生谐波干扰，甩负载会产生短时工频过压，感应雷会产生浪涌电压等等，这些干扰都是从电网的电压线或电流线传入电表，它们会对电表本身和通信产生影响，电应力试验室模拟有两种方式，一种是实验室标准设备，这些设备发出标准的干扰波形，有规定的试验方法，但这些设备带负载能力有限，只能进行单块表干扰试验，同时这些设备不能长时间工作。另一种模拟方式是真实负载模拟，这种方法能长时间工作，带负载能力强，设计实现方式如下[6-7]：