电能计量是电力生产过程中的一个重要环节。电能计量装置是我国工业生产和日常生活中不可缺少的一种计量设备,其运行状态直接关系到电能计量的准确性和可靠性。传统的电能量数据统计与分析工作基于人工现场抄表的工作方式实现,人员配置复杂,工作效率低,易出现人为错误。电能计量装置状态监测技术的研究与应用将改变这一不利现状。作为智能电网技术的重要组成部分,该技术的实现将有利于推进智能电网的发展进程。本课题研究了利用计量自动化系统解决电能计量装置状态监测问题的实现方法。即通过对现场用电负荷用电参数的采集,应用电工原理的专业理论以及数据分析与人工智能技术实现对电能计量装置运行状态的分析评估,及时发现电能计量装置的计量异常故障,从而保证计量的准确性。论文在介绍国内外设备状态监测技术的研究成果和最新进展的基础上,首先介绍了电能计量自动化系统及电能计量装置的基本体系结构,概述了现有的一些较成熟的状态监测技术及其适用性;然后,从电工理论的视角分析了电能计量装置中在运行管理中可能出现的异常源,并找出其中的拓扑关系,得出理论或经验判据;进而,详细分析并设计了应用于电能计量装置运行状态监测的原理、技术和实现方法—即从统计数学的角度出发,探索研究了利用数据挖掘技术对现有电参量信息进行深层次的开发与剖析的一些实用性方法,包括距离测度法、相似性函数法及偏最小二乘法等;最后,采用人工智能技术体系中应用较为广泛的BP神经网络、层次分析法及模糊理论等,结合信息融合的思想,研究了应用人工智能的处理技术,即通过对各类不同维度的信息加以综合分析与应用的方式,实现对电能计量装置进行状态监测的目的。在已有理论和相关技术的支持下,课题研究中以南方电网各供电局投运的计量自动化系统采集的数据作为基本数据源,通过筛选数据源中的嫌疑对象进行方法的仿真验证研究。仿真结果表明,上述各类方法能对各个具体研究对象进行有效的状态监测,实现对电能计量装置的远程状态评估。