时间:2024-07-28
杨 敏,王强国
(国网陕西省电力有限公司兴平市供电分公司,陕西 兴平 713100)
电能表在日常运行过程会产生大量数据信息,而计量数据的采集工作主要依靠电力线载波、RS-485 设备以及红外识别装置等完成。采集过程中,若电能表出现故障,需要对采集的数据采取调度、传输、筛选以及转换等措施。刘影等人设计了传统深度学习电能表计量数据采集方法[1],杨雷等人设计了传统复合分析算法电能表计量数据采集方法[2]。这2 种方法虽然能够实现预期的数据采集和处理任务,但是缺乏针对性和稳定性,因此提出无线通信电能表计量数据采集方法的设计与验证分析[3]。无线通信技术主要指多个节点间在不经导体或者缆线传播的情况下执行远距离通信传输程序[4]。此外,结合RS-485 通信结构设定长距离的布线形式,能够降低整体的采集成本,加强对工作频段的控制效果,为后续相关技术的发展和创新奠定基础[5]。
首先,设定初始的监测程序,标定边缘的可控采集范围,设计控制和读取结构,建立电能表计量实时数据采集基站和控制网站。其次,搭接和关联信号采集模块、微处理器、电源模块以及数据通信模块,完成对基础数据采集位置的划定。最后,设定测试采集指标。一般将数据采集输出比控制在3.2~4.5为佳,设定有功功率与无功功率的具体数值,调整电能表的数据采集基础指标数值。电能表数据采集基础指标数值设定如表1 所示。
表1 电能表数据采集基础指标数值设定表
根据表1,完成对电能表数据采集基础指标数值的设定与分析,调整指标数值,从而实现对基础数据采集环境的搭建。
结合无线通信技术布设多阶交叉数据采集节点,制定多阶数据采集标准,形成一个稳定的采集框架,再计算交叉采集可控差值,计算公式为
式中:F为交叉数据采集可控差值;θ为定向采集区域;q为采集耗时;ς为电能表覆盖距离;c为采集距离;ψ为重复采集区域。结合测定结果,完成对交叉数据采集可控差值的计算,将其设置为数据采集节点的极限基准值。
根据综合节点的部署位置,构建一个循环性的电能表计量数据采集矩阵,将矩阵中的每一个节点串联在一起,通过无线通信技术搭配传感装置形成一个无线传感识别程序,标定覆盖范围内的电能表位置并采集其信号,模糊处理电能表数据。结合ZigBee 技术,将该程序与中心监控服务器连接,通过管理软件实时监控电能表产生的数据并及时存储,通过对数据的解析来反映用户一段时间内的用电情况。
利用部署的节点采集实时数据信息,汇总整合后存入内置数据库,以待后续使用。在模型中建立对应的数据筛选和分类结构,根据采集数据的优劣情况采取相应的处理措施。无线通信电能表数据采集模型结构,如图1 所示。
图1 无线通信电能表数据采集模型结构
利用无线通信技术,基于设计的矩阵,分3 个阶段采集数据,分别是周期数据采集阶段、数据分类汇总阶段以及顶层筛选采集阶段。完成第一阶段的模糊数据采集后,可以将采集的数据通过特定的格式转换为数据包的形式。完成汇总后,结合设计的矩阵剔除存在异常数据的数据包,确保模型采集数据的精准性与可靠性,逐步强化数据采集效率,提升无线通信电能表数据采集模型的实践应用能力。
射频识别(Radio Frequency Identification,RFID)智能归类,即智能化归类经过模型采集处理的电能表计量数据,从而完成最终的数据采集目的。首次采集时对电能表数据的筛选一般较为粗略,部分数据的处理并不精准和可靠,容易造成数据的失真或者混乱等。针对这种情况,可以先通过RFID 智能归类处理程序对当前的数据包进行转换化解,将数据与预设的标准进行比对,若存在不一致,需要采取相应的修正措施,再利用无线通信技术将数据重新转换为数据包,利用信道传输到指定位置,从而完成电能表数据的采集和后续处理。
考虑最终测试结果的真实性与可靠性,采用对比的方式,选定A 区域作为测试的主要目标对象,设定传统深度学习电能表计量数据采集测试组、传统复合分析算法电能表计量数据采集测试组以及设计的无线通信电能表计量数据采集测试组。根据测定需求和标准,对比测试结果。
首先,结合当前的测定需求和标准,选定A 区域400名用户进行测定,分5个小组,每组分别有20户、40 户、60 户、120 户以及160 户。不同的用户电能表的数据信息不同,需要进行实时监测与定向采集处理。其次,在可控范围内设置一定数量的实时监测节点,每一个节点独立安装,但在实际应用时需要通过统一的格式进行搭接与关联,从而形成一个循环性的监测程序,便于后续计量数据的采集和汇总。最后,设定基础测试指标和参数。电能表计量数据采集测试指标及参数设定,如表2 所示。
表2 电能表计量数据采集测试指标及参数设定
根据表2,完成对电能表计量数据采集测试指标和参数的设定与验证分析。结合无线通信技术,设定一个多维多层级的数据自适应采集矩阵,并计算可控的数据平均采集频率,为
式中:F为可控数据平均采集频率;k为数据定向采集范围;β为单元采集距离;y为采集次数;ℜ 为重复采集范围。结合测定需求,完成对可控数据平均采集频率的计算,将其设置为初始的数据采集基准值。利用无线通信技术设计一个定向数据集,设置初始的计量数据处理结构,并与制定的数据采集目标进行搭接,形成完整和具体的数据采集程序,完成对基础测试环境的搭建。
测试环境中,结合无线通信技术采集并分析选定的A 区域400 名电力用户的电能表计量数据。利用部署的节点采集基础数据信息,在测试平台建立对应的数据汇总存储档案。基于无线通信技术搭建数据采集程序,并设定多个数据识别点,用于数据筛选和格式转换处理。利用设定的矩阵关联节点定向监测采集的数据,设定测试周期。一般情况下,每48 h 为一个周期,共设定7 个周期。在测试周期范围内,采集并记录电能表形成的数据。设计对应的数据采集测试结构如图2 所示。
图2 无线通信电能表计量数据采集测试结构
在测试周期内,分多时段采集电能表数据,同时计算相应的数据采集距离为
式中:J为数据采集距离;π为数据总覆盖范围;ℵ为单元距离差值;ϖ为采集频次;t为采集差值;δ为堆叠识别范围。结合测定结果,完成对数据采集距离的计算。其中,计算的数据采集距离为平均距离,可以适当调整电能表距离,测定数据采集的单元耗时,为
式中:M为数据采集的单元耗时;τ为等效采集差值;ω为散射偏差;u为采集频次;ρ为数据转换定值差;ε为数据采集堆叠值。结合测定需求和标准,完成对测试结果的分析如图3 所示。
图3 测试结果对比分析
对比传统深度学习电能表计量数据采集测试组和传统复合分析算法电能表计量数据采集测试组,设计的无线通信电能表计量数据采集测试组最终得出的数据采集单元耗时被较好地控制在0.25 s 以下,说明在无线通信技术的辅助与支持下,设计的方法对电能表计量数据的采集效果更佳、针对性更强。
设计的电能表计量数据采集结构灵活和多变,具有较好的稳定性,可在复杂的无线通信背景下精准识别并采集电能表数据,可在分类汇总处理后按照需求进行存储。
我们致力于保护作者版权,注重分享,被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理! 部分文章是来自各大过期杂志,内容仅供学习参考,不准确地方联系删除处理!