基于神经-物理通道的电力系统电表计量异常定位与校正方法研究

《Energies》：Open-Set Diagnosis of SCADA Metering-Configuration Faults with Continuous Neural-Physical Channel Profiling

　　

摘要

持续的极性和增益误差可能导致电表计量路径看似合理，却使电力系统功率平衡产生偏差。我们开发了一种神经-物理通道剖析方法，用于定位受影响的电表，并评估有限的工程目录是否支持校正。工业监控与数据采集（SCADA）归档数据包含十二个有功功率通道和三个平衡关系，但不含相位分辨电压、无功功率或开关状态信息。共享因果编码器提出校正方案，物理精细化对其进行评估，兼容性规则则选择推荐校正方案或触发电表验证。在匹配实验中，仅基于物理的剖析方法将目录外通道恢复率从原始目录的42.7%提升至81.2%；神经-物理剖析方法达到83.4%。额外增益为2.2个百分点（95%配对源窗口自助法区间：0.4–4.0）。针对真实注入通道的校正平均绝对误差从0.230降至0.214。完整策略增加了精确的目录内推荐及覆盖率；不受支持的目录外推荐从0.3%增至0.5%。每个事件的中位处理时间从18.9毫秒升至21.0毫秒。迁移研究评估了物理组件，参照污染控制和光伏记录则检验了其平衡证据。连续物理搜索提供了主要的定位增益，而学习到的通道证据则以适度的计算代价增加了准确性。