Study on Performance and Supervision of Smart Meters
-
摘要: 结合现代智能电能表的制造特点,以其出厂检定数据、首次检定数据、随机抽样复检数据、连续运行八年后的复检数据为基础,建立了适当的大数据分析模型,以图示的形式展示了相应数据的分布情况。以上述大数据为基础建立了高风险表计、中风险表计的识别程序,根据识别结果并依据相应的技术规范对表计实施了现场校验和甄别,连续跟踪的结果及风控措施支持了智能电能表的轮换周期由八年延长至十二年乃至十六年的方针政策的实施,支撑了节能减碳工作的深入,助推了节约型社会的建设。Abstract: Combined with the manufacturing characteristics of smart meters, an appropriate big data analysis model was established based on the factory verification data, primary verification data, random sampling re-verification data, and re-verification data after eight years of continuous operation, and the distribution of the corresponding data was shown in the form of a diagram. Based on the above big data, the identification procedures of high-risk meters and medium-risk meters were established, and on-site calibration and screening of meters were carried out according to the identification results and corresponding technical specifications. The results of continuous tracking and risk control measures supported the implementation of the policy of extending the replacement cycle from 8 years to 12 or even 16 years, which supported the deepening of energy-saving and carbon-reduction work and boosted the construction of a conservation-oriented society.
-
0. 引言
电力消耗在国民经济生产和人民生活中的占比逐年稳步增加,2000年北京市电力消耗810亿千瓦时,2019年北京市电力消耗1160亿千瓦时,年增长率在5%~10%之间。
电能表是现代生产与生活中不可或缺的重要计量器具之一,原先使用的机械式电能表计受其计量原理、制造水平和工艺等因素的制约,普遍安装的单相2.0级表计的出厂示值误差的平均值仅能控制在±1.5%、加权平均正差率在70%、首次检定一次合格率达不到100%且使用八年需强制到期更换。随着我国现代制造业水平的提升,电能表是传统计量器具中率先实现数字化、智能化、物联网化、可远程监管化的现代计量器具。它所属的制造行业的质量控制的水平、出厂计量检定控制的等级、计量性能指标控制的等级、首次检定合格率、加权平均正差率、表计的稳定性和可靠性、计量检定(或更换)周期等一系列重要技术指标,都需要我们通过制定相应的评价模型、搜集大量的数据、长期的跟踪调研和分析研究来做出评判并给出科学可靠的结论和建议。
GB 17167-2006《用能单位能源计量器具配备和管理通则》的发布和实施,推动了能源计量表计的安装和规范使用,基本做到了分类、分区及分级计量。在国家电网、北京市质量技术监督局和国网北京市电力公司的通力配合与协调下,北京市自2010年开始逐步以智能电能表全面替代机械式电能表,率先在超级大城市安装智能电能表(以下简称电能表),推动表计的物联网化,如付费、抄表、运行及故障监控等。
本文以普遍使用的单相(部分三相)智能电能表的出厂检定数据的误差来设定结构并分析建立模型,对其集中采购以后首次检定数据进行抽查并全面跟踪分析。将八年内厂家留样并连续运行的表计和采购入库后随机抽取的表计的复检情况进行对比,以高风险表计的分类识别与持续运行八年后的跟踪检验数据的结果分析等为切入点,有益于突破八年强制更换周期的刚性空间并促进后续监管应对措施的完善。以正常可靠运行十六年为目标,优化元器件国产化替代以后的质量跟踪评测,为产业的持续健康发展提供参考。
1. 出厂检验数据的误差设定与分析探讨
1.1 误差设定与分析
第一阶段搜集了2010~2015年度中标国网集中采购(北京地区专用)的前五家制造商共计412719只,单相标称为2.0级的智能电能表的出厂检定数据。在诸多检定项目与评定参数指标中选取了0.1Ib 1.0、0.5Imax 1.0、Imax 1.0、Ib 1.0、Imax 0.5L、Ib 0.5L、0.1Ib 0.5L(Ib为基础电流,Imax为额定最大电流,L为感性负载)作为综合判定指标,结合电能表计的选型原则和研究成果,给出了加权示值误差的分布情况与其它误差对照情况对比的分析展示方法。设0.1Ib 1.0 (功率因子1.0)、Ib 1.0 (功率因子1.0)、0.5Imax 1.0 (功率因子1.0)检定点的相对示值误差分别为e1、e2、e3(带正负符号),k1、k2、k3分别为它们对应的权重系数, k1=k3<k2。则有:
γ=(k1×e1+k2×e2+k3×e3)/(k1+k2+k3) (1) 式中,γ为加权平均误差,定义γ∈[-0.2%,0.2%]为零位误差区。零位误差区是指,设电能表的标称准确度等级为k,以k值乘以检定装置的标称准确度等级的数值并带±号的区间。例如2级电能表的k值即为2,检定装置标称等级为0.1级时,则k×0.1=0.2,γ∈[-0.2%,0.2%]即为零位误差区。
对两家制造商的出厂检定数据有代表性的分析展示如下。
H制造商的表计数据统计分布与分析情况见图1。
图1是以H制造商2010~2014年度某一个时间段出厂的65514只单相2.0级的电能表的出厂检定数据为基础,用式(1)进行分析后的结果,从结果中可以明显的看出其零位误差区的集中度为99.8%。
L制造商的表计数据统计分布与分析情况见图2。
图2是以L制造商2010~2014年度某一个时间段出厂的232000只单相2.0级的电能表的出厂检定数据为基础,用式(1)进行分析后的结果,从结果中可以明显的看出其零位误差区的集中度为98.6%,其另外一个分布的小峰值区域(−0.30%~0.20%)为未经公式修正的分布情况。
第二阶段搜集了2015~2019年度中标国网集中采购北京地区供货制造商的前8家的共计1222924只单相(部分三相1.0级)标称为2.0级的智能电能表的出厂检定数据,其中代表性的三家的数据分析如下。
以SW厂家的394000只单相2.0级的电能表的出厂检定数据为基础,用式(1)进行分析后的结果如图3所示,可以明显的看出其零位误差区[−0.2%,0.2%]的集中度为99.998%。
以XS厂家的192374台单相2.0级的电能表的出厂检定数据为基础,用式(1)进行分析后的结果如图4所示,可以看出其零位误差区[−0.2%,0.2%]的集中度为99.95%。
以YJ厂家的35860只三相1.0级的电能表的出厂检定数据为基础,用式(1)进行分析后的结果如图5所示,可以看出其零位误差区[−0.2%,0.2%]的集中度为99.91%。
1.2 分析探讨
第一阶段由于北京地区率先提出智能电表的标准和相关要求,中标的均为电能表生产制造的第一梯队制造商,它们的产品质量控制与保障手段已趋于完善可靠,检验检测人员的技术水平和业务素质较为扎实,工厂级检定用标准器的准确度等级均在0.1级(含)以上,充分满足计量法律法规的要求。
从图1、图2中还可初步判断出几个电能表生产厂家所采用的生产组织方式有所不同,其中H为代表的四家采用的是按订单要求,从器件筛选等工序纵向组织生产;L制造商采用的是通过器件筛选,预先把主要功能模块先期制作完毕,再根据不同订单的差异化进行配置生产。因此L制造商的零位误差收敛峰是一个主峰带一个或多个小峰,我们分析认为这是由于部分功能模块的性能参数影响计量性能方面占比较大,但其总体误差分布合格并充分满足要求。L制造商本次供货批量最大,采用这种生产方式的特点是供货周期短,至于两种生产方式对计量性能影响,我们准备从采购进入电力公司储备库以后,再随机混合抽样首检的方法予以验证分析和跟踪研究。
2. 集中采购以后抽检数据的跟踪分析
集中采购入库以后,国网北京分公司按计划分片区进行换表安装,对安装前的所有表计按照规程等进行首次检定。通过这次检定进一步检出各个厂家的表计混合抽样以后的误差分布情况,及由于运输、存储等环节对表计造成的计量性能和附加功能造成的影响等。
国网北京电科院计量中心首检数据分布与分析情况见图6。
该图是抽取89607只,以2014年度中标交货的上述5个制造商为主的单相2.0级的电能表的首检数据为基础,用式(1)进行分析后的结果,从图6看出其零位误差区[−0.2%,0.2%]的集中度为98.95%。
质监机构监督抽查数据分布与分析情况见图7。
图7是质检机构随机抽取40000只,以2015年度某一个时间段国网中心采购入库的单相2.0级的电能表的复检数据为基础,用式(1)进行分析后的结果,从图7看出其零位误差区[−0.2%,0.2%]的集中度为99.21%。
为了能够多维度地考核电能表计量性能的稳定性、可靠性等指标,随机抽取了某厂家2016~2019年度中标北京地区的每个批次表计用于质量跟踪,且在厂区内实际安装使用的留样,共计1031只表计的复检误差数据,代入式(1),其分布情况如图8,合格率为100%。
3. 高风险表计的识别与八年后跟踪检验数据的分析
3.1 高风险表计的识别
随着时间的推移,第一批换装的电能表将陆续到达我们预先设定的八年的使用周期,对其计量性能、极限偏差、如何选取高风险的表计进行考核分析。北京市质量技术监督局、北京市计量检测科学研究院与国网北京市电力公司电力科学研究院等部门,自2015年开始着手调研并编制了JJF(京)51-2017《智能电表现场校验规范》和JJF(京)71-2019《智能电能表检定周期调整实施规范(试行)》等地方技术规范。
高风险表计的识别方法依照JJF(京)51-2017中的附录B,即下图9的流程判别,量化指标有V(基本误差)、Ē(示值误差均值)、S(标准差)、V'(误差交集维度),其分布区域对应落在从图1至图8的左右两个En和Ep区间内。
2019~2021年度共计需跟踪校验三批共计2382061只表计,选取2021年度结果予以分析说明。
2020年国网北京市电力公司申请对2012年度安装且在运行,达到第一个预设检定周期的电能表开展现场校验,共涉及16个厂家32个批次,总量为741918只。经过风险筛查,极高风险电能表数量为3695只,一般风险电能表738223只。根据《电能表现场校验计划表》,极高风险电能表3695只需全部校验,一般风险电能表按0.7%比例进行校验,数量为5167只,共计应完成现场校验8862只,占总量的1.19%。根据实施要求,抽样电能表数量不低于现场校验计划数量的140%,因此按《电能表抽样计划表》共抽样12996只,为现场校验计划数量的146.64%。
依据JJF(京) 51-2017《智能电表现场校验规范》进行现场校验,实际完成抽样电能表现场校验8862只,其中极高风险电能表完成2771只,占极高风险表总量的74.99%;未校验的极高风险电能表已全部由备用的高风险电能表补充进行校验,补充数量为924只,现场校验完成率100%,全部符合要求。所有批次抽样结果疑似不合格电能表均未超过2只,未达到二次抽样标准,依据JJF(京)51-2017《智能电表现场校验规范》所有批抽样检测结果均为可接收,符合JJF(京)71-2019《智能电能表检定周期调整实施规范(试行)》检定周期调整要求。
3.2 现场校验结果与分析
2010年度属于初步启动换表,对应的安装规模为三个厂家总量为38950只。2019年度首次启动现场校验工作,其中筛查极高风险电能表448只(占比为1.15%)。共计完成抽样现场校验787只,占总量的2.02%,其中极高风险电能表完成364只,占极高风险表总量的81.25%,从表计各校验点的误差、离散性、正偏率等指标来判定全部符合要求。
2011和2012年度分表对应2020和2021年度校验结果,现场校验的数量增多,覆盖的表计供应商的范围也增多。在样本更具代表性的条件下,从图10和图11可以看出高风险表计的合格率依然达到100%,其中加权平均正差率(统计期内本期加权平均误差值γ为正,数值超出零位误差区的表计的数量与本期检定表计总数量的比值)有向正向移动的趋势。针对这一现象,我们分析原因为:
1)在最初的表计计量性能指标控制中只强调了零位为误差区的集中度和误差区间控制余量;
2)现场校验用的标准器是通过互感器接入的,被校表计是直接接入的,前者通过设定过滤掉了的直流分量,而后者是计入直流分量的,因此对示值误差的正偏有一定的贡献。
4. 连续跟踪的数据结果
2013~2020年共计跟踪分析了全市电能表检定机构的6055280台表计的首检数据,合格率和加权平均正差率情况如图12所示。
其中共计跟踪分析了电力中心的5863474只表计的首检数据,合格率和加权平均正差率情况如图13所示。
5. 结论
制造商的量值溯源体系完备可靠、质量内控与监管措施均有充分保障是表计质量稳定的基础。调研覆盖的制造商均满足在制造端生产线上的工作量计量器为0.1级或0.05级,按生产周期和批次定期校验用标准器为0.02级,最高标准器为0.01级。
通过数据分析,各检定点出厂检定示值误差的均值Ē控制在|Ē|≤0.4%,加权平均误差值γ控制在|γ|≤0.35%,在γ∈±0.2%(零位区间)范围内集中度处于98.6%~100%。2016年之前除电力计量中心之外的其它检定机构,接收的用户自行采购的用于二级售电及内部核算使用的表计检定结果的加权平均正差率明显偏高。
随着数据的不断积累和现场校验结果的不断呈现,对表计连续、稳定、可靠运行十二年的保障情况和十六年的保障情况也将逐步明朗,结果充分表明我国在智能电能表的设计、制造、质量控制、运行监管水平等已经处于世界领先地位。通过连续八年以上的跟踪研究表明以新型智能电能表全面替代传统的机械式电能表是可行的、可靠的,相应的监管方式也是与之相适应的。在智能电能表的轮换周期上采取科学、严格的手段对出厂检定误差进行限值、对后续大数据跟踪风险监控以及按照风险分类结果有计划采取逐级现场校验、判定、应对措施等手段,原有八年的强制轮换周期是可以延长到十二年乃至十六年且具备相应技术保障。
-
-
[1] 杨利民, 李金嗣, 郭云峰, 等. 以风险监测为抓手提高计量监管有效性[J]. 中国计量, 2014(5): 34-38. [2] 李金嗣, 郭云峰, 王芳, 等. 电能表计量性能的跟踪研究[J]. 中国计量, 2016(11): 68-72. [3] 国家发展和改革委员会. 交流电能表现场测试仪: DL/T 826-2002[S]. 北京: 中国电力出版社, 2002. [4] 国家能源局. 电子式交流电能表现场检验规程: DL/T 1478-2015[S]. 北京: 中国电力出版社, 2015. [5] 国家能源局. 电能计量装置技术管理规程: DL/T 488-2016[S]. 北京: 中国电力出版社, 2016. [6] 国家质量监督检验检疫总局. 电子式交流电能表: JJG 596—2012[S]. 北京: 中国计量出版社, 2012. [7] 北京市质量技术监督局. 智能电表现场校验规范: JJF(京)51-2017[S]. 北京: 中国标准出版社, 2017. [8] 北京市市场监督管理局. 智能电能表检定周期调整实施规范(试行): JJF(京)71-2019[S]. 北京: 中国标准出版社, 2019. [9] 王锐, 杨帆, 袁静, 等. 基于威布尔分布和极大似然法的智能电能表寿命预测方法研究[J]. 计量学报, 2019, 40(S1): 125-129. [10] 卫程, 窦瑞军. 全自动“四线一库”一体化校验模式的研究与应用[J]. 计量技术, 2018(10): 62-64. [11] 谢鑫, 王黎敏, 张红雨, 等. 智能电表可靠性预计标准对比研究[J]. 计量学报, 2019, 40(S1): 60-63. [12] 苏慧玲, 王忠东, 蔡奇新, 等. 智能电能表自动化检定的省级协同调度探讨[J]. 计量技术, 2018(8): 40-43,46. [13] 吴建忠, 王睿, 周旻, 等. 发电厂四象限无功正确的组合方法[J]. 计量技术, 2018(7): 26-29. [14] 国家质量监督检验检疫总局. 用能单位能源计量器具配备和管理通则: GB 17167-2006[S]. 北京: 中国计量出版社, 2006. [15] 张友顺, 冯井岗. 电能计量基础 [M]. 第二版. 北京: 中国计量出版社, 2002. -
期刊类型引用(7)
1. 常仕亮,杜杰,冯凌,明延喆,何程,李朝军. 低功率因数状态下智能电能表的功率异常分析与防范措施. 中国计量. 2024(07): 100-104 . 百度学术
2. 李佳镁. 智能电能表检定装置故障及处理措施. 农村电气化. 2024(10): 85-87 . 百度学术
3. 常仕亮,周川,曾鸣钟,王凌宇,杨浩,谭资力,吴林峰. 支路电流法在单相智能电能表计量失准分析中的应用. 中国计量. 2024(12): 77-82 . 百度学术
4. 朱宪宇,李庆先,刘良江,向德,王晋威,彭巨. 高准确度直流电能计量标准装置的研制. 中国计量. 2023(01): 53-59 . 百度学术
5. 卢达,刘钺. JJG 1187—2022《直流标准电能表检定规程》解读. 中国计量. 2023(06): 82-85 . 百度学术
6. 李华,朱才溢,王露,胡涵. 一种基于区块链的电能计量数据传递安全的研究. 中国检验检测. 2023(05): 26-30 . 百度学术
7. 郑小平,韩潇俊,徐勇,曾宪友,赵言涛. 基于运行电能表误差自监测技术研究. 电测与仪表. 2022(08): 187-195 . 百度学术
其他类型引用(2)