一种智能电能表特殊工况检测识别方法与流程

1.本发明涉及智能电能表技术领域，具体地说，涉及一种智能电能表特殊工况检测识别方法。


背景技术：

2.在电网中，由于各种新型电子元器件的大量使用，使得用电路线中会出现一些新型的工况并产生特殊电流分量，进而影响“互感器接入式”的智能电能表，使得电磁式电流互感器的磁芯进入非线性近饱和区域，甚至饱和，严重影响电能表计量精度与性能。此时需要使用合适的软硬件方案及时将该工况检测出来，进行对应补偿处理。
3.目前多数特殊工况检测依赖于硬件fft计算谐波含量或者软件计量分析的方式对特殊工况进行检测，其流程如图1所示。当前主要的特殊工况检测方法使用mcu采集电流波形数据，进行fft计算，然后得到当前采样波形各次谐波的含有率，通过分析其含有率分布情况判断是否有特殊工况工况。
4.在嵌入式应用领域，现有特殊工况检测和识别技术对硬件要求较高，往往需要其硬件支持fft运算，在一些不要求支持谐波监测功能的表型上加入该功能，无疑会大幅增加硬件成本。如果硬件不含有fft计算功能支持，就需要使用软件分析计量的方式对特殊工况工况进行检测，该方式不仅考验mcu的计算能力，而且会大幅占用寸土寸金的内存和flash资源。目前，却没有应用广泛、操作简便且高效的普适性的检测识别智能电能表特殊工况的方法。鉴于此，我们提出了一种智能电能表特殊工况检测识别方法。


技术实现要素：

5.本发明的目的在于提供一种智能电能表特殊工况检测识别方法，以解决上述背景技术中提出的问题。
6.为实现上述技术问题的解决，本发明的目的之一在于，提供了一种智能电能表特殊工况检测识别方法，包括如下步骤：
7.s1、设计并构建主要由片外电路、若干互感器、数据处理电路、通信电路及mcu电路组成的电能表硬件采样电路；
8.s2、在mcu电路内装载计算软件程序，对电能表特殊工况进行检测识别；
9.s3、计算电能表特殊工况的差分分布特征，统计并绘制差分分布特征分段示意图和分布特征表；
10.s4、利用差分分布特征，对特殊工况进行检测。
11.作为本技术方案的进一步改进，所述s1中，电能表硬件采样电路中，若干所述互感器接入所述片外电路中，采用adc采样原理进行电流取样。
12.作为本技术方案的进一步改进，所述数据处理电路内设有pga增益放大器、ad转换器和相位补偿器，通过互感器采样后的电流经过抗混叠后进入所述数据处理电路，电流采样数据分别经过所述pga增益放大器的pga增益、所述ad转换器的ad转换、所述相位补偿器
的相位补偿后，达到整流、调制及组帧的效果，而后将电流采样数据转入所述通信电路进行处理。
13.作为本技术方案的进一步改进，所述通信电路可以为磁隔离通讯电路、磁耦或光耦通信电路等。
14.作为本技术方案的进一步改进，经所述通信电路处理后的电流采样数据在所述mcu电路的软件程序的计量中断中进行实时分析，以判断当前是否为特殊工况工况。
15.作为本技术方案的进一步改进，所述mcu电路中，特殊工况检测识别算法需基于电脑端的数据分析和芯片端的资源特点来进行部署。
16.作为本技术方案的进一步改进，所述s2中，计算软件程序对电能表特殊工况进行检测识别的具体流程包括如下步骤：
17.s2.1、初始化软件程序的运行参数；
18.s2.2、计量中断采样；
19.s2.3、当出现可能判断为错误的采样状态，则获取计量周期内所有的电流采样数据；
20.s2.4、计算电流采样数据的差分分布特征；
21.s2.5、判断差分分布特征是否满足分布条件，若是，则判断为出现特殊工况，若否，则判断为正确的采样状态；
22.s2.6、返回步骤s2.2，重复循环步骤s2.2～步骤s2.5。
23.作为本技术方案的进一步改进，所述s3中，电能表特殊工况的差分分布特征计算方法为：
24.计算单个采样周期的最大最小电流值，根据最大最小值将数据从大到小分为10段，然后统计每一段采样数值的个数，得到分段分布特征。
25.作为本技术方案的进一步改进，通过上述方法求得的特征为绝对特征，不受量纲的影响。
26.作为本技术方案的进一步改进，所述s4中，利用差分分布特征，对特殊工况进行检测的具体方法包括如下步骤：
27.s4.1、检测电路变化，缓存变化前后的降采样数据，采样率为每周期25个点；
28.s4.2、对采样数据进行差分处理并存储差分波形；
29.s4.3、对缓存降采样的数据进行分布特征提取，计算其差分分布特征；
30.s4.4、对缓存降采样的数据进行特征阈值判别，判断fetaure[1]～fetaure[10]是否均满足对应的阈值要求的门限值；
[0031]
s4.5、使用斜率辅助判别，判断连续区间满足斜率的采样点个数是否达到要求：
[0032]
从缓存数据指定位置开始连续采样数据，斜率需满足门限值，从缓存数据指定位置开始连续采样数据的斜率满足阈值的采样点个数不低于一定的点数。
[0033]
本发明的目的之二在于，提供了一种智能电能表特殊工况检测识别系统及其运行装置，该装置包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序，处理器用于执行计算机程序时实现上述的智能电能表特殊工况检测识别方法的步骤。
[0034]
本发明的目的之三在于，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的智能电能表特殊工况
检测识别方法的步骤。
[0035]
与现有技术相比，本发明的有益效果：
[0036]
1.该智能电能表特殊工况检测识别方法主要应用于互感器接入式智能电能表产品，能够在占用少量资源的前提下简洁高效地检测特殊工况工况；
[0037]
2.该智能电能表特殊工况检测识别方法对硬件资源要求低，对软件资源占用少，最大程度减少对计算和存储资源的占用，在不增加硬件成本的前提下，大大降低了电能表改造的成本；
[0038]
3.该智能电能表特殊工况检测识别方法中，对于大多数电能表来讲，仅需通过软件升级，即可实现特殊工况检测功能，满足相关规范的标准要求。
附图说明
[0039]
图1为本发明中当前主要的特殊工况检测方法与流程示意图；
[0040]
图2为本发明中整体方法流程框图；
[0041]
图3为本发明中电能表硬件采样电路示意图；
[0042]
图4为本发明中局部方法流程框图之一；
[0043]
图5为本发明中通过软件对电能表特殊工况进行检测的步骤流程图；
[0044]
图6为本发明中以典型特殊工况工况为例的差分分布特征分段示意图；
[0045]
图7为本发明中局部方法流程框图之二；
[0046]
图8为本发明中示例性的电子计算机装置结构示意图。
[0047]
图中：
[0048]
1、片外电路；
[0049]
2、互感器；
[0050]
3、数据处理电路；31、pga增益放大器；32、ad转换器；33、相位补偿器；
[0051]
4、通信电路；
[0052]
5、mcu电路。
具体实施方式
[0053]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0054]
实施例1
[0055]
如图1-图8所示，本实施例的提供了一种智能电能表特殊工况检测识别方法，包括如下步骤：
[0056]
s1、设计并构建主要由片外电路1、若干互感器2、数据处理电路3、通信电路4及mcu电路5组成的电能表硬件采样电路；
[0057]
s2、在mcu电路5内装载计算软件程序，对电能表特殊工况进行检测识别；
[0058]
s3、计算电能表特殊工况的差分分布特征，统计并绘制差分分布特征分段示意图和分布特征表；
[0059]
s4、利用差分分布特征，对特殊工况进行检测。
[0060]
如图3所示，s1中，电能表硬件采样电路中，若干互感器2接入片外电路1中，采用adc采样原理进行电流取样。
[0061]
进一步地，数据处理电路3内设有pga增益放大器31、ad转换器32和相位补偿器33，通过互感器2采样后的电流经过抗混叠后进入数据处理电路3，电流采样数据分别经过pga增益放大器31的pga增益、ad转换器32的ad转换、相位补偿器33的相位补偿后，达到整流、调制及组帧的效果，而后将电流采样数据转入通信电路4进行处理。
[0062]
具体地，通信电路4可以为磁隔离通讯电路、磁耦或光耦通信电路等。
[0063]
进一步地，经通信电路4处理后的电流采样数据在mcu电路5的软件程序的计量中断中进行实时分析，以判断当前是否为特殊工况工况。
[0064]
其中，mcu电路5中，特殊工况检测识别算法需基于电脑端的数据分析和芯片端的资源特点来进行部署。
[0065]
如图4-图5所示，s2中，计算软件程序对电能表特殊工况进行检测识别的具体流程包括如下步骤：
[0066]
s2.1、初始化软件程序的运行参数；
[0067]
s2.2、计量中断采样；
[0068]
s2.3、当出现可能判断为错误的采样状态，则获取计量周期内所有的电流采样数据；
[0069]
s2.4、计算电流采样数据的差分分布特征；
[0070]
s2.5、判断差分分布特征是否满足分布条件，若是，则判断为出现特殊工况，若否，则判断为正确的采样状态；
[0071]
s2.6、返回步骤s2.2，重复循环步骤s2.2～步骤s2.5。
[0072]
其中，以典型特殊工况为例，其差分形状分段如图6所示，通过该差分波形可以直观获取其分段分布特征。
[0073]
本实施例中，s3中，电能表特殊工况的差分分布特征计算方法为：
[0074]
计算单个采样周期的最大最小电流值，根据最大最小值将数据从大到小分为10段，然后统计每一段采样数值的个数，得到分段分布特征。
[0075]
其中，通过上述方法求得的特征为绝对特征，不受量纲的影响。
[0076]
进而，将不同电流下典型特殊工况工况分布特征编制成表，如下表1所示：
[0077]
表1典型特殊工况工况分布特征
[0078][0079]
由上表，可以利用差分分布特征，来探索并完善检测特殊工况的具体方法。
[0080]
本实施例中，s4中，利用差分分布特征，对特殊工况进行检测的具体方法包括如下步骤：
[0081]
s4.1、检测电路变化，缓存变化前后的降采样数据，采样率为每周期25个点；
[0082]
s4.2、对采样数据进行差分处理并存储差分波形；
[0083]
s4.3、对缓存降采样的数据进行分布特征提取，计算其差分分布特征；
[0084]
s4.4、对缓存降采样的数据进行特征阈值判别，判断fetaure[1]～fetaure[10]是否均满足对应的阈值要求的门限值；
[0085]
s4.5、使用斜率辅助判别，判断连续区间满足斜率的采样点个数是否达到要求：
[0086]
从缓存数据指定位置开始连续采样数据，斜率需满足门限值，从缓存数据指定位置开始连续采样数据的斜率满足阈值的采样点个数不低于一定的点数：
[0087]
如：从缓存数据最低点开始的连续12个采样数据，斜率需满足门限值，从缓存数据最低点开始的连续12个采样数据，斜率满足阈值的采样点个数不低于一定的点数。
[0088]
如图8所示，本实施例还提供了一种智能电能表特殊工况检测识别系统及其运行装置，该装置包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序。
[0089]
处理器包括一个或一个以上处理核心，处理器通过总线与存储器相连，存储器用于存储程序指令，处理器执行存储器中的程序指令时实现上述的智能电能表特殊工况检测识别方法的步骤。
[0090]
可选的，存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随时存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
[0091]
此外，本发明还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的智能电能表特殊工况检测识别方法的步骤。
[0092]
可选的，本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各方面智能电能表特殊工况检测识别方法的步骤。
[0093]
本领域普通技术人员可以理解，实现上述实施例的全部或部分步骤的过程可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0094]
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

技术特征：
1.一种智能电能表特殊工况检测识别方法，其特征在于：包括如下步骤：s1、设计并构建主要由片外电路(1)、若干互感器(2)、数据处理电路(3)、通信电路(4)及mcu电路(5)组成的电能表硬件采样电路；s2、在mcu电路(5)内装载计算软件程序，对电能表特殊工况进行检测识别；s3、计算电能表特殊工况采样数据的差分分布特征，统计并绘制差分分布特征分段示意图和分布特征表；s4、利用差分分布特征，对特殊工况进行检测。2.根据权利要求1所述的智能电能表特殊工况检测识别方法，其特征在于：所述s1中，电能表硬件采样电路中，若干所述互感器(2)接入所述片外电路(1)中，采用adc采样原理进行电流取样。3.根据权利要求2所述的智能电能表特殊工况检测识别方法，其特征在于：所述数据处理电路(3)内设有pga增益放大器(31)、ad转换器(32)和相位补偿器(33)，通过互感器(2)采样后的电流经过抗混叠后进入所述数据处理电路(3)，电流采样数据分别经过所述pga增益放大器(31)的pga增益、所述ad转换器(32)的ad转换、所述相位补偿器(33)的相位补偿后，达到整流、调制及组帧的效果，而后将电流采样数据转入所述通信电路(4)进行处理。4.根据权利要求3所述的智能电能表特殊工况检测识别方法，其特征在于：所述通信电路(4)可以为磁隔离通讯电路、磁耦或光耦通信电路等。5.根据权利要求4所述的智能电能表特殊工况检测识别方法，其特征在于：经所述通信电路(4)处理后的电流采样数据在所述mcu电路(5)的软件程序的计量中断中进行实时分析，以判断当前是否为特殊工况。6.根据权利要求5所述的智能电能表特殊工况识别方法，其特征在于：所述mcu电路(5)中，特殊工况检测识别算法需基于电脑端的数据分析和芯片端的资源特点来进行部署。7.根据权利要求1所述的智能电能表特殊工况检测识别方法，其特征在于：所述s2中，计算软件程序对电能表特殊工况进行检测识别的具体流程包括如下步骤：s2.1、初始化软件程序的运行参数；s2.2、计量中断采样；s2.3、当出现可能判断为错误的采样状态，则获取计量周期内所有的电流采样数据；s2.4、计算电流采样数据的差分分布特征；s2.5、判断差分分布特征是否满足分布条件，若是，则判断为出现特殊类型的工况，若否，则判断为正确的采样状态；s2.6、返回步骤s2.2，重复循环步骤s2.2～步骤s2.5。8.根据权利要求1所述的智能电能表特殊工况识别方法，其特征在于：所述s3中，电能表指定特殊工况的差分分布特征计算方法为：计算单个采样周期的最大最小电流值，根据最大最小值将数据从大到小分为10段，然后统计每一段采样数值的个数，得到分段分布特征。9.根据权利要求8所述的智能电能表特殊工况检测识别方法，其特征在于：通过上述方法求得的特征为绝对特征，不受量纲的影响。10.根据权利要求1所述的智能电能表特殊工况检测识别方法，其特征在于：所述s4中，利用差分分布特征，对特殊工况进行检测的具体方法包括如下步骤：
s4.1、检测电路变化，缓存变化前后的降采样数据，采样率为每周期25个点；s4.2、对采样数据进行差分处理并存储差分波形；s4.3、对缓存降采样的数据进行分布特征提取，计算其差分分布特征；s4.4、对缓存降采样的数据进行特征阈值判别，判断fetaure[1]～fetaure[10]是否均满足对应的阈值要求的门限值；s4.5、使用斜率辅助判别，判断连续区间满足斜率的采样点个数是否达到要求：从缓存数据指定位置开始连续采样数据，斜率需满足门限值，从缓存数据指定位置开始连续采样数据的斜率满足阈值的采样点个数不低于一定的点数。

技术总结
本发明涉及智能电能表技术领域，具体地说，涉及一种智能电能表特殊工况检测识别方法。包括如下步骤：设计并构建电能表硬件采样电路；通过计算软件程序对电能表特殊工况进行检测识别；计算电能表特殊工况电流采样数据的差分分布特征；利用差分分布特征，对该指定类别的工况进行检测。本发明设计主要应用于互感器接入式智能电能表产品，能够在占用少量资源的前提下简洁高效地检测特殊工况；对硬件资源要求低，对软件资源占用少，最大程度减少对计算和存储资源的占用，在不增加硬件成本的前提下，大大降低了电能表改造的成本；对于大多数电能表来讲，仅需通过软件升级，即可实现对特殊工况的检测功能，满足标准要求。满足标准要求。满足标准要求。


技术研发人员：刁瑞朋 王思奎 王玉琨 杨宗圣 丁一
受保护的技术使用者：青岛鼎信通讯科技有限公司
技术研发日：2022.02.17
技术公布日：2022/5/25