0 引言

随着智能电表覆盖全网三级系统，表计数量庞大，且采用主站集中管控方式，后台对现场的管控缺少有效的手段。计量生产调度平台（MDS）对电表供货前、到货后样品比对、抽检、全检等各环节可以进行周期性检定，保障表计运行前期的可靠性，主站中对表计静态参数性能及连接拓扑图是有多维度统计展示的，但对电表上线后的实时运行数据还缺乏有效的分析。动态数据的控制才是系统能够长期处于稳定状态的关键，因此需要建设一套较完善的现场计量装备运行状态检验及评估系统，辅助营销运检人员，通过提供可靠的运行分析数据来减少工作人员的负担，并推动营销计量的现场检验工作模式由计划检修向状态检修模式快速发展。

营销业务系统作为电网的末端系统，所承载的业务是最为真实和关键的，需处理的关系也是最复杂的。包括客户与服务关系、市场需求侧调整、电费合理管理、用户档案管理，电表运行误差分析等，各类业务之间看似独立且又息息相关，如何将多维度多种类的业务关联融合分析是营销业务系统分析平台搭建的关键，可为现场检修施工提供可靠的数据。但目前现场检修方式存在很多漏洞，总结归纳如下：

（1）现场检验技术监督手段单一

电能表现场检验指为确定电能表在现场运行条件下是否符合要求，在现场对电能表实施各项试验的过程。现行依据为DL/T448-2016《电能计量装置技术管理规程》，具体要求如表1所示。

当前电能表的现场检验工作主要依靠工作人员定期到场检验的方式进行，难以适应电能表的技术发展现状和满足公司精益化管理的需要。

DL/T448-2016《电能计量装置技术管理规程》于2016年12月5日发布，2017年5月1日实施。当时的主流电能表是机械式、机电式电能表，其特性是：运行时间越长，机械摩擦阻力越大，导致表计的计量误差发生变化。由于缺少远程抄表、在线监测等自动化手段，只能依靠人工定期现场检验，来判断表计是否超差。

目前，公司系统内电子式电能表、智能电能表已成为主流。与机械式电能表不同，电子式电能表的计量误差在检定周期内更加稳定，计量采集覆盖率超70%，计量在线监测等自动化手段不断丰富。公司对智能电能表实施了全过程质量监督管理，涵盖招标前、供货前、到货后、运行中直至退出运行的全过程，电能表质量更加稳定。因此，人工定期现场检验不再是唯一的技术监督手段，越来越多的电能表运行问题可以通过在线监测等自动化手段发现。

（2）现场检验工作负担过重

根据公司“三集五大”岗位设置要求，基层单位现场检验岗位进一步缩简。而随着电网发展、用户增长和公司精益化管理要求的提高，需要进行现场检验的电能表数量却在持续增多，工作量增加与人员减少的矛盾日益突出。表2为公司系统I、II、III类电能表数量和现场检验工作量统计，人均年度现场检测工作量达1625次·只/2人（每次现场工作最少2人）。

（3）计量装置检修模式有待改进

传统的检修模式属于被动式检修，通过事后发现、检修申报到故障检修的发展过程。营销运维管理部门会制定严密的检修计划，定期安排制定人员进行巡查，现场发现设备运行故障或者出现故障征兆，会通过以往经验判断设备的运行状态，事后提交计量设备的运行故障严重程度、运行趋势、健康状态等，编制检修报告，对已发现故障的设备提交检修申请，再根据检修流程完成设备的更换或维修，维持现场的正常运行状态。但这种被动式的检修方式，首先会造成民生用电的体验感，维修周期较长，如电表出现故障，需在完成整个检修申请流程后才能完成电表的更换，维修期内，用户无法用电会造成生活的困扰；其次检修部门需安排大量的人力、物力、财力进行不间断的巡检、检修工作，尤其在用电高峰期时，检修周期会缩短，更造成检修的压力；检修人员一般通过自身工作经验来判断设备的健康指数，但随着智能新设备不断更新换代，老一辈的检修人员经验以不能支撑对设备运维正确的判断。综上，需要提出基于状态检修技术科学化地实现对设备开展检修，为设备安全、稳定、长周期、全性能、优质运行提供了可靠的技术和管理保障。

1 建设目标

基于以上计量设备状态检修及评价系统现状及问题的分析，将建设一个多系统业务融合的数据分析平台，将用采、营销应用业务、MDS等系统数据有效整合，通过数据处理、存储、大数据分析等先进手段，对数据联合分析决策，形成有效的计量装置运行状态综合平台，并能自动化、智能化为现场检修提供精准的决策依据。具体建设目标如下：

（1）建设计量系统综合融合分析数据存储资源。通过数据抽取、清洗、融合、加载等系列操作将各业务系统中的历史数据、现场采集数据有序存储到主站服务器中，形成大型统一的用采基础数据资源池，并通过关联存储将不同类型数据（电量异常、时钟异常、设备监测状态等）通过数据模型合理映射，尽力减少数据重复冗余部分，为数据的检索查询提供基础支撑。

（2）依据基础数据库资源，在大数据分析策略指导下建立规则评价算法，考虑计量装置运行状态影响因素，为设备的实时运行误差、预计缺陷、故障等级等给出综合判断分值，为设备的运行状态给出定型分析，形成状态评价模型检验策略。

（3）选择合适的试点单位，建设营销评价系统。进一步验证平台的技术创新、决策效果、性能参数等可行性和有效性。根据成效，制定一套标准化、规范化、实用化的技术规范。

2 建设成果

2.1 软件架构设计

营销业务系统分数分散，但集中管控，因此设备状态检修平台软件系统设计采用分布式层级结构。按照数据全周期处理流程将层级分为表现层、应用层、数据层、采集层，如图1所示。在传统的MSD架构基础上，重点在数据层和应用层内增加智能化数据分析、多业务融合展示等功能，通过完善各层的模块、接口、功能，提升系统的易操作性和直观分析性。具体各层的补充功能如下：

（1）表现层：提供统一的业务应用操作界面和信息展示窗口，是系统直接面向操作用户的部分。

（2）应用层：根据业务特点，梳理业务逻辑关系，制定合理的计量设备状态评价指标及参数计算公式，构建较全面的各应用系统间的关联拓扑图，通过综合指标能反应各子系统设备的运行健康状态，并通过大数据分析手段，对设备运行寿命及使用价值进行评估。

（3）数据层：通过数据的先进处理手段，去除冗余重复的数据，部署分布式数据库存储关联性数据集合，并利用安全访问接口随时可对数据进行调控。

（4）采集层：增加了各业务系统接口，将过去独立的子系统全部加载到平台上，通过数据转移及缓存技术将融会贯通各子业务系统数据。

2.2 物理架构设计

计量检修评估系统为满足更多业务系统数据接入，并具备大数据并行处理能力，需在原物理架构基础上增加新的服务器、存储器及路由交换机设备。数据库不同于常规数据库服务器，需通过磁盘阵列分区的方式逻辑隔离不同应用系统数据，并开启自动软件备份模式，保障数据丢失时数据的完整性；增加各种类型数据接口，利于源数据的加载导入；增加多态计算伺服器，主要加载先进的计算算法及流程架构，应用于数据间的关联分析、状态分析决策、故障评判及系统性能评估验证。

2.3 网络架构设计

网络架构图如图2所示。

2.4 关键技术

2.4.1 开发软件技术

（1）UI展现技术

美化便捷的UI展示界面可为用户提供易于理解的展示平台，通过炫目的动画效果，观察到数据之间的联系及反应的功能特性。本文采用Flash+Flex相结合的手段体现技术的优越性，Flash是一种利用脚本的强大矢量动画编辑工具，Flex是类似Flash效果的但通过java等数据结构语言编写的文件，两者结合，通过多种文件形式展示不同的应用需求，将图表、数据、报表等静态的文档通过动画等易于信息接收的模式展现出来，让运维人员在友好互动的环境下办公，提升了工作效率。

（2）多维分析技术工具

灵活的多维度分析工具是实现UI展示的基础，本文采用Cognos商业智能解决方案，方案中融入了大数据分析技术，将各类型数据决策算法通过工具导入到数据分析库中，并能够将所需分析的数据很快的所搜到对应的算法中，结合UI展示算法结合，将数据切片、旋转、切块等灵活性分析，更透彻的将数据全面剖析。Cognos工具类似一个算法黑盒子，将所有数据背后的算法模型进行隐藏封装，提升了工具的易用性。并且可以将独立的无意义的数据资源联合分析，制成不同性质的表格、拓扑图等，赋予其更多功能性意义。Cognos能在以服务为主的架构(SOA)上提供完备的BI服务。建立在独特的“立方体（Cube）”结构之上的MOLAP，提供了高性能的数据挖掘和辅助决策（DSS）计算支持。

2.4.2 多维分析技术

（1）关系型联机分析处理（ROLAP）

数据间是独立的个体且不相关，但通过应用功能赋予了其特殊的关联性，但数据间关联性获取单靠数据本身是不可能实现的，需通过一个中间机制，将具有相同关键字的数据给与一定得联合规律，形成数据集群，存储在不同的数据库中。常用的关联处理技术为ROLAP，全称为关联性联机分析处理。其实是属于一种关系型数据库，将同一类型数据存储在一个数据库里，通过制定两个关键性指标（事实表和维度表），定义数据库性能。数据库之间通过两个指标自适应建立关联模型，根据不同的应用需求，形成多种数据库集群模型，当调用数据时，可首先选择数据库关联模型，从而对应抽取所辖数据库中的数据。这种该关联性联机处理数据库可以保证数据库间数据的重复性，并当调用数据时，可通过映射关系，高效的查询到所需数据集，提升了查询响应速度。

（2）多维联机分析处理（MOLAP）

MOLAP（多维联机分析处理）是OLAP的另一种表现形式。将数据从单维度扩展到多维度的存储结构，形成存储数据立方体结构。MOLAP技术从更多的维度，通过一定得数据变换和计算得到多维度数据的性能，例如数据的正弦特性等，并注予新的数据标签。由于数据维度增加，会造成数据库容量的负担，因此一般的简单查询、提取过程仍然采用OLAP效率会更高；而对于较高级别的数据预测、数据挖掘分析、数据分类判断等过程采用MOLAP可减少计算过程，并对于简单的额预测，可直接通过数据多维特征反应出来。将两种方式有机结合，即可避免数据存储爆炸瓶颈，又能支持数据多维度动态变化，支持高兴的辅助决策计算。

2.4.3 数据转移技术

数据转移技术即为数据复制过程，将数据从一个地方搬移到另外的地方，在执行的过程中需保证数据的完整性和执行的时效性，复制的数据应保持与系统的同步性。将分布在系统中的各种数据源中的数据抽取出来。抽取方式分为增量抽取和定量抽取。本系统建设首先采用定量抽取及收取数据源中的全部数据，而后再根据各业务需求的数据采集频次等进行增量抽取。对于关系型数据库通常使用一个SQL语句来限定数据集。所有的SQL语句都通过可视化界面配置完成，用户通常不需要输入SQL语句，但对于有经验的用户也可以直接输入SQL语句，以提高效率。

2.4.4 缓存技术

业务种类繁多容易造成后台读取操作频繁，计量业务的数据量小，因此传输通道量较小，一旦频繁输入输出，会造成负荷堵塞瓶颈，需采用缓存方式将暂时调用的数据存储在一个缓冲区，当调用时可较容易输入输出，当较长时间没有调用，则可自动存回数据库中，不同频繁的从数据库集群中频段的发生I/O动作，不但会造成安全因素，也降低了系统数据读取效率，一旦造成通道堵塞，严重会造成系统崩溃。缓存是牺牲了服务器少量空间来满足数据库的频繁操作。图3为应用服务器的缓存设计。

对于各种原因引起的数据更新，缓存管理器需要检测缓存数据是否有效，以便实现缓存数据与数据库的同步。触发方式有实时、定时、服务重启三种更新方式，实时更新一般采用时间戳、同步消息等方式。

2.4.5 应用优化技术

（1）Java堆优化

大部分的数据分析都是依靠软件应用程序来实现，对于算法及软件性能的监控需通过有效的平台优化手段来提升。本项目采用 Java堆优化的方式，部署在平台的应用层，编译正确的代码优化模式，实时对对象代码进行监控，如发现bug可自动启动升级模式，并可通过扫描功能，发现了长期不用算法模块，直接可将对象回收，释放软件空间，提升了系统空间利用率；并对新增加的功能，可依靠联想方式自适应拓展新算法代码，自动加入程序模块，可明显提升程序效率。

（2）Java应用服务器优化

服务器是以Java容器的方式存在，当调用程序时，会在容器中提取不同的代码集群，实现数据的提取、分析、转发等策略，并定期对参数进行调整优化。

2.5 主要功能

2.5.1 现场检验

实现电能表进行状态评价过程、电能表现场检验执行情况进行监控，其主要功能包括现场检验执行情况查询、状态评价结果、状态评价报告、评分异常等信息的查询。

2.5.2 主题分析

针对I、II、III类运行电能表，利用电能表资产数据、现场检验数据、状态评价以及运行环境属性，构建多个环节分析模型，进行电能表运行情况、现场检验及人力配置、状态评价分析等主题分析，从分析中正确识别影响电能表运行准确度、人力配置合理性以及状态评价科学性的重要因素。

2.5.3 信息查询

状态评价信息查询范围覆盖了电能表状态检验的所有环节，包括电能表基础信息、状态评价异常元素、状态评价参与运行源数据、状态检验计划及执行情况、人力配置及工作量、在线检验异常数据、违约用电信息等多个查询功能。除此之外还提供电能表现场检验年度报告信息，系统操作日志信息。

2.5.4 参数维护

电能表状态评价参数维护主要包括电能表状态判定依据、运行环境、评分权重等进行维护与管理。状态评价基础参数配置主要实现了电能表状态评分相关算法和参数配置的维护。评价模型基础参数可配置、权重可维护，能够实现在不同的实施环境对电能表状态评分公式的动态调整，提高系统的灵活性。通过对系统的深入应用、数据分析和管理经验提升，不断完善深化电能表评价体系和计算模型，使电能表状态评价更为科学、准确。

2.5.5 系统关键功能

（1）对电能表进行状态评价，实现电能表状态检验的转变

以提升运行计量装置的可靠性和管理水平为目的，以智能化、自动化、信息化为手段，通过对计量装置室内检定情况、运行环境和工况及现场检验误差等数据进行挖掘应用，结合用电信息采集、营销业务应用、计量生产调度平台等信息系统搭建电能表状态检验系统，按照误差稳定性、运行可靠性和潜在缺陷等要素分类，选取可反映电能表运行准确可靠程度的10个状态量，对电能表进行综合评价并给出其运行状态，针对不同级别的电能表制定相应的现场检验策略，对运行电能表进行状态评价、分级，实施状态管理。实现覆盖源数据收集和核查、电能表状态评分和评价、现场检验策略输出和计划调整、检验计划执行和跟踪及检验数据录入和同步的全方位、全过程闭环管理。对系统评价的综合数据进行主题关联分析，从而提升现场检验工作的精细化管理水平，达到计量装置动态化、科学化运维的目的。

（2）完善电能表状态检验工作流程，开启状态检验模式

根据电能表状态检验管理需求，将电能表状态检验工作流程分为年度检验计划制定、月度检验计划初始化、电能表状态评价、状态检验计划匹配、状态检验计划执行、检验数据维护。电能表状态检验以用电信息采集系统、营销业务应用系统、计量生产调度平台作为数据支撑，每月最后一天0点定时从营销业务应用系统获取电能表检验信息、用户信息、计量装置信息，从计量生产调度平台采集电能表资产信息，从用电信息采集系统采集电能表在线检测异常信息，结合电能表状态评价模型对电能表的运行情况进行科学化评分，再按电能表状态判定依据给出可反应电能表运行情况的状态（稳定、关注、预警）。同日24点前进行定时数据推送至营销系统，并匹配状态生成月度状态检验计划。各供电公司按月度状态检验计划进行计划安排并执行，最后上传检验结论数据。

（3）开展现场检验情况分析，优化人力资源配置

电能表状态检验通过建立人力资源管理数据库，进行人力资源管理，并根据年度以及月度现场检验工作量，人力配置量，检验人员平均工作量进行人力资源分析，并以此指导各单位进行人力资源配置，合理的开展现场检验工作。

3 应用效果

电能表状态检验应用效果显著，以下为主要应用举例。

首页 主要对电能表运行情况、检验计划、检验结论分布情况的抽象描述。主要实现对当年在运行电能表数据汇总及分析、在运行电能表计划及执行情况数据汇总及分析、在运行电能表检验结论汇总、新增电能表数据分类汇总及分析、电能表首检计划情况、电能表首检结论汇总及分析、在运行电能表状态分布情况及数据分析、年度在运行电能表及人员配置情况。如图4。

现场检验执行情况 对电能表状态检验对整个过程进行监控，包括年度周期检验计划明细、状态检验计划明细、现场检验工单明细、电能表检测数据以及检测人员明细。如图5。

状态评价结果 针对电能表每月的状态评价（稳定，关注，预警，不适合现场检验）过程进行监控，为各个电能表评价出相应的分值与输出策略信息，其中包括评分明细、评分异常参数、评分趋势、评价报告等。如图6所示。

电能表运行情况分析 主要从运行年限、运行环境、厂家、温/湿度等多个方面来判断影响电能表运行准确度的关键因素。如图7所示。

现场检验结论分析 按照现场检验结论，合格、不合格、不具备现场检验条件三种情况进行分析，分析出检验结论为不合格与不具备现场检验条件的原因分布情况，以及对现场检验上传数据进行核查。如图8所示。

检验计划差异分析 从单位、计量装置类别、计划年月等不同维度，结合DL448_2016规程中的周期检验计划执行信息，分析周期检验计划与状态检验计划之间的差异量以及原因。如图9所示。

4 结语

建设电能表状态检验系统，应用工作以动态化、科学化运维理念为指导，以信息化系统为技术支撑，充分运用大数据挖掘与分析辅助工具，促进计量装置从周期检验转变到状态检验模式，对进一步整合计量资源、提升精益化管理水平、优化队伍素质、建设大营销体系具有重大意义。

电能表状态检验依附于计量生产调度平台，省级计量中心生产调度平台以省级计量中心生产调度平台系列标准和平台软件标准化设计导则为技术依据，整合平台生产运行管理、四线一库、营销计量业务等业务应用，满足“整体式授权、自动化检定、智能化仓储、物流化配送”要求，满足网省计量中心对计量生产业务的需求；可以和营销业务应用紧密结合，构成完整的计量业务自动化系统；同时可以基于标准化设计，实现和其他各专业系统的数据共享，构建综合计量业务信息平台。

参考文献：

[1] Q/GDW—379.2《电力用户用电信息采集系统检验技术规范》.

[2] Q/GDW—572《计量用低压电流互感器技术规范》.

[3] Q/GDW—573《计量用电流互感器自动化检定系统技术规范》.

[4] Q/GDW—574《电能表自动化检定系统技术规范》.

[5] 《省级计量中心生产调度平台功能规范》.

[6] 《省级计量中心生产调度平台业务模型说明书》.

[7] 《省级计量中心生产调度平台需求规格说明书》.

[8] 《省级计量中心生产调度平台与单相电能表检定系统接口规范》.

[9] 《省级计量中心生产调度平台与三相电能表检定系统接口规范》.

[10] 《省级计量中心生产调度平台与互感器检定系统接口规范》.

[11] 《省级计量中心生产调度平台与智能采集终端检定系统接口规范》.

[12] 《省级计量中心生产调度平台与智能立体库系统接口规范》.

[13] 《省级计量中心生产调度平台功能精细化设计说明书》.

[14] 《省级计量中心生产调度平台数据模型设计说明书》.

[15] 《省级计量中心生产调度平台电能表状态检验-技术方案（20160428）》.

作者信息:

周振宇，陈婧欣，刘 栋，王一珺

（国网陕西省电力科学研究院，陕西 西安710199）