CN113281697B - 一种运行误差在线分析方法及*** - Google Patents
一种运行误差在线分析方法及*** Download PDFInfo
- Publication number
- CN113281697B CN113281697B CN202110551763.5A CN202110551763A CN113281697B CN 113281697 B CN113281697 B CN 113281697B CN 202110551763 A CN202110551763 A CN 202110551763A CN 113281697 B CN113281697 B CN 113281697B
- Authority
- CN
- China
- Prior art keywords
- error
- error model
- weight
- model
- meter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种运行误差在线分析方法及***,方法包括以下步骤:步骤1,采集同型号电表历史数据,形成数据集,通过神经网络训练,获得第一误差模型;步骤2,以台区线路结构构建第二误差模型;步骤3,以步骤1中的第一误差模型和步骤2中的第二误差模型按照权重构建运行误差模型;步骤4,配置第一误差模型权重和第二误差模型权重,获得运行误差模型;步骤5,使用步骤4获得的运行误差模型在线分析电表运行误差。本发明将内部参数随时间变化和外部固定损耗、线损等因素进行统筹考虑,扫描数据的方式获得配置权重的方法,能够动态地调节权重分配,解决了随着时间推移,两种误差模型在计算误差准确率上贡献度的不同的问题。
Description
技术领域
本发明属于电表数据挖掘领域,更具体地,涉及一种运行误差在线分析方法及***。
背景技术
对电能表计量误差进行校准的传统方法,是将待校电能表与更高准确度等级的标准器进行比较,得到电能表误差。比较典型的如在实验室用高准确度等级的电能表去校准低准确度等级的电能表;以及在电表运行过程中,采用准确度更高的现场校验仪,对比电能表与现场校验仪在同一段时间内的计量差别,得到电能表运行误差。
基于传统方法,对安装在运的智能电能表要进行现场校验或拆回实验室检定,效率较低,工作量大,不仅难以及时发现智能电能表的各类问题,且无法覆盖全量在运智能电能表。
经过摸索,申请人发现在某个台区下,总表的供电量、用户表的用电量、线路损耗和其他固定损耗等物理量是遵循能量守恒基本物理规律,从而存在必然的内在联系的;进一步,用户表的用电量与用户表的电能计量和用户表误差是有确定关系的。以上的发现意味着以台区为单位建模进行智能电能表的运行误差在线分析是可行的。
在一个台区范围内,有多种原因都会引起计量损失或偏差,包括电能表的计量误差、线路损耗以及电能表自身功耗等其他固定损耗。本申请的目标是能够将电能表的计量误差“找”出来,那么必然要解决一个问题,那就是:如何区分电能表误差、线路损耗及其他固定损耗引起的能量计量损失。
发明内容
为解决现有技术中存在的不足,本发明的目的在于,提供一种运行误差在线分析方法。
本发明采用如下的技术方案。一种运行误差在线分析方法,包括以下步骤:
步骤1,采集同型号电表历史数据,形成数据集,通过神经网络训练,获得第一误差模型;
步骤2,以台区线路结构构建第二误差模型;
步骤3,以步骤1中的第一误差模型和步骤2中的第二误差模型按照权重构建运行误差模型;
步骤4,配置第一误差模型权重和第二误差模型权重,获得运行误差模型;
步骤5,使用步骤4获得的运行误差模型在线分析电表运行误差。
优选地,步骤1中,以如下公式表示数据集,
式中:
X表示神经网络输入向量;
di表示第i个电表运行天数;
ni表示第i个电表表内底数;
Ui表示第i个电表电池电压;
fi表示第i个电表故障次数;
Y表示神经网络输出;
ei表示第i个电表的误差;
以如下公式表示第一误差模型,
ei=e1st(di,ni,Ui,fi)
e1st表示经过神经网络训练得到的第一误差计算表达式。
优选地,步骤2中,以如下公式表示第二误差模型,
式中:
c表示台区电表计量值;
M表示台区电表数量,j=1,2,…,M;
eθj表示第j个电表估计误差;
cj表示第j个电表计量值;
L0表示台区固定损耗;
Lline表示台区线路损耗。
优选地,步骤2中,以如下公式表示Lline表示台区线路损耗,
式中:
Δc表示在计量周期T内台区电表计量值;
T表示计量周期;
Δcj表示在计量周期T内第j个电表计量值;
Kj表示线损比例常数。
优选地,步骤3,以如下公式表示步骤1中的第一误差模型和步骤2中的第二误差模型按照权重构建运行误差模型;
式中:
e0j表示台区第j个电表的运行误差,j=1,2,…,M;
α表示第一误差模型的权重;
β表示第二误差模型的权重。
优选地,步骤4,平均配置第一误差模型权重和第二误差模型权重,即均为0.5,获得运行误差模型。
优选地,步骤4包括:
步骤4.1,将第一误差模型权重设置为0,将第二误差模型权重设置为1;
步骤4.2,以设定步长增大第一误差模型权重,同时以相同步长减小第二误差模型权重,计算运行误差,形成配置数据集;
步骤4.3,以设定时间间隔现场抽样台区内电表测量真实运行误差;
步骤4.4,以步骤4.3测量真实运行误差,在步骤4.2形成的配置数据集中选择最优权重配置。
优选地,步骤5包括:
步骤5.1,采集台区内第j个电表的当前运行天数、表内底数、电池电压和故障次数,以第一误差模型计算ej;
步骤5.2,采集台区电表历史数据,以第二误差模型建立方程组,计算获得第j个电表估计误差;
步骤5.3,将步骤5.1和步骤5.2的计算结果带入运行误差模型,计算获得台区第j个电表的运行误差。
本发明的第二方面还提供了一种运行所述的运行误差在线分析方法的运行误差在线分析***,包括:
数据采集模块,用于采集电表历史数据和当前运行数据;
数据处理模块,用于使用数据采集模块采集的数据形成数据集,通过神经网络训练,获得第一误差模型并以台区线路结构构建第二误差模型;
误差分析模块,用于配置第一误差模型权重和第二误差模型权重,获得运行误差模型;使用运行误差模型在线分析电表运行误差;
显示输出模块,将误差分析模块计算获得的电表运行误差显示输出。
优选地,所述***还包括:数据存储模块,用于存储电表历史数据和在线误差计算历史结果。
本发明的有益效果在于,与现有技术相比,本发明的有益效果在于,与现有技术相比,解决现有技术中仅考虑外部拓扑结构,使用计量值本身计算误差导致精度不足的问题,创造性的引入了内部参数对于精度影响因素的考量,通过训练神经网络,获得了时间因素对误差变化的关联;同时兼顾台区内拓扑关系中固定损耗、线损和误差之间的关联关系;将内部参数随时间变化和外部固定损耗、线损等因素进行统筹考虑,扫描数据的方式获得配置权重的方法,能够动态地调节权重分配,申请人发现,随着时间的推移,对于台区内使用时间不同的电表误差结果精度不尽相同,而多种算法融合之后,按照既定的权重的比例仅能在特定的时间点消除单独算法带来的精度不足的问题。而动态地调节权重解决了随着时间推移,两种误差模型在计算误差准确率上贡献度的不同的问题。而建立权重分配数据集则降低了实时计算的负担,能够快速准确地对权重进行调节。
附图说明
图1为本发明提供的一种运行误差在线分析方法的流程图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本申请的保护范围。
如图1所示,本发明提供了一种运行误差在线分析方法,包括以下步骤:
步骤1,采集同型号电表历史数据,形成数据集,通过神经网络训练,获得第一误差模型。
具体地,步骤1中,以如下公式表示数据集,
式中:
X表示神经网络输入向量;
di表示第i个电表运行天数;
ni表示第i个电表表内底数;
Ui表示第i个电表电池电压;
fi表示第i个电表故障次数;
Y表示神经网络输出;
ei表示第i个电表的误差;
以如下公式表示第一误差模型,
ei=e1st(di,ni,Ui,fi)
e1st表示经过神经网络训练得到的第一误差计算表达式。
值得注意的是,所属领域技术人员可以选择任意神经网络模型用于训练,包括但不限于,KNN、DNN、SVM、DL、BP、DBN、RBF、CNN、RNN、ANN。经过实验验证,单层感知的BP神经网络即可满足需求,是本发明的一个优先实施方式。本发明采用的神经网络结构虽然是现有技术,但将其用于误差分析是本发明申请人对于现有技术的一项贡献。
本发明的重点在于,充分利用历史数据对于在线运行的电表的参考价值,将运行天数、表内底数、电池电压和故障次数作为神经网络的输入层,将误差作为输出层,经过神经网络的训练能够发现,电表运行后误差随着其自身结构参数变化规律,通过后续步骤的权重分配将其引入至在线分析判断。解决现有技术只从外部拓扑结构分析误差没有考虑内部结构因素引起的不准确问题。
步骤2,以台区线路结构构建第二误差模型。
设定一个简单的情况,即一个仅有1只总表和1只用户表的台区,假设某天的真实供电电量是100度,那么有三种情况,都会使得用户表的电能计量为97度。第一种情况是没有线路损耗和固定损耗,但电能表计量有-3%的误差;第二种情况是电能表没有误差,也没有固定损耗,但有3度电的线路损耗;第三种情况是电能表没有误差,也没有线路损耗,但是有3度电的固定损耗。
如果每天这个用户都是同样的用电量,同样的用电特征,那么是无法区分出来到底是电能表误差、线路损耗还是固定损耗造成3度电的计量损失。但如果第二天用户的用电量变化了,例如变化到了200度,但用电时段等特征还是保持不变,这个时候因为这三种因素的物理特性不同,造成的计量损失将会出现较大的不同,从而能区分出那种原因造成了多少计量损失。
如下表所示当供电量为200度时,由电能表误差引起的计量损失将线性增加到6度,由线路损耗造成的计量损失则非线性增长到12度,线路损耗与线路上电流的平方成正比,当供电量翻倍而用电特征不变时,线路上的电流也翻倍,那么线路损耗将变成之前的4倍,而固定损耗依然保持为3度。
实际工作中,需要以台区为单位,将这些规律体现到数学关系上,即进行数学建模。具体的方法即基于能量守恒和总分数学关系,利用同一时间段内的各相关电能量值组成方程,将不同时间段内得到的方程组合起来形成方程组,对方程组求解得到隐藏在这些关系中的每个电能表的特征。这样,通过数学的手段,自动将台区内所有电能表的特征体现出来。
当然,这里仍然没有脱离传统校验手段最核心的一点,就是需要有标准器,作为基线,其他的电能表都与该基线进行比较,得到各自的特征。很显然,在一个台区,最适合做这个标准器的就是台区总表,对应的数学操作就是将台区总表的计量值作为台区的真实供电量值,即认为台区总表是“准”的。
假设一个台区有一只总表,两只用户表A和B,并假设该台区每天供电100度。用户表A的计量相对误差为+3%,用户表B的计量相对误差为-3%。每天用户表A和B的用电量都有变动。在真实台区下,是有线路损耗和固定损耗的。设定4组数据如下表,其中用户表A、B的计量相对误差仍然分别为+3%、-3%。我们按照如下表格中4组数据点建立方程组进行求解。
数据点 | 数据1 | 数据2 | 数据3 | 数据4 |
线路损耗率 | 0.0125 | 0.0135 | 0.0125 | 0.0128 |
总表供电量 | 100 | 100 | 100 | 100 |
固定损耗 | 0.05 | 0.05 | 0.05 | 0.05 |
线路损耗 | 1.25 | 1.35 | 1.25 | 1.28 |
电能表A真实值 | 49 | 48 | 48.5 | 47.8 |
电能表B真实值 | 49.7 | 50.6 | 50.2 | 50.87 |
A计量值 | 50.47 | 49.44 | 49.955 | 49.234 |
B计量值 | 48.209 | 49.082 | 48.694 | 49.3439 |
为将电能表计量误差准确求解,必须考虑线路损耗和固定损耗。考虑通过在方程中引入yey来估计线线路损耗(其中y是台区总表供电量,ey是线路损耗率(未知量)),并引入e0(未知量)来估计固定损耗,则基于前面数据表中的4组数据,建立如下方程组并求解:
由以上过程和结果可知,当用以上的方法考虑线路损耗和固定损耗时,由于未知量增加了两个,需要在方程组中增加两个方程来支持未知量的求解。进而将以上过程表述为通用的公式,即以下步骤。
具体地,步骤2中,以如下公式表示第二误差模型,
式中:
c表示台区电表计量值;
M表示台区电表数量,j=1,2,…,M;
eθj表示第j个电表估计误差;
cj表示第j个电表计量值;
L0表示台区固定损耗;
Lline表示台区线路损耗。
步骤2中,还可以以如下公式表示Lline表示台区线路损耗,
式中:
Δc表示在计量周期T内台区电表计量值;
T表示计量周期;
Δcj表示在计量周期T内第j个电表计量值;
Kj表示线损比例常数。
步骤3,以步骤1中的第一误差模型和步骤2中的第二误差模型按照权重构建运行误差模型。
具体地,步骤3,以如下公式表示步骤1中的第一误差模型和步骤2中的第二误差模型按照权重构建运行误差模型;
式中:
e0j表示台区第j个电表的运行误差,j=1,2,…,M;
α表示第一误差模型的权重;
β表示第二误差模型的权重。
步骤4,配置第一误差模型权重和第二误差模型权重,获得运行误差模型。值得注意的是,所属领域技术人员可以任意配置第一误差模型权重和第二误差模型权重。一个优选但非限制性的实施方式为,平均配置第一误差模型权重和第二误差模型权重,即均为0.5,获得运行误差模型。
更加优选的是,步骤4包括:
步骤4.1,将第一误差模型权重设置为0,将第二误差模型权重设置为1;
步骤4.2,以设定步长增大第一误差模型权重,同时以相同步长减小第二误差模型权重,计算运行误差,形成配置数据集;
步骤4.3,以设定时间间隔现场抽样台区内电表测量真实运行误差;
步骤4.4,以步骤4.3测量真实运行误差,在步骤4.2形成的配置数据集中选择最优权重配置。
以上述扫描数据的方式获得配置权重的方法,能够动态地调节权重分配,申请人发现,随着时间的推移,对于台区内使用时间不同的电表误差结果精度不尽相同,而多种算法融合之后,按照既定的权重的比例仅能在特定的时间点消除单独算法带来的精度不足的问题。而动态地调节权重解决了随着时间推移,两种误差模型在计算误差准确率上贡献度的不同的问题。而建立权重分配数据集则降低了实时计算的负担,能够快速准确地对权重进行调节。
步骤5,使用步骤4获得的运行误差模型在线分析电表运行误差。步骤5包括:
步骤5.1,采集台区内第j个电表的当前运行天数、表内底数、电池电压和故障次数,以第一误差模型计算ej;
步骤5.2,采集台区电表历史数据,以第二误差模型建立方程组,计算获得第j个电表估计误差;
步骤5.3,将步骤5.1和步骤5.2的计算结果带入运行误差模型,计算获得台区第j个电表的运行误差。
本发明的第二方面还提供了一种运行所述的运行误差在线分析方法的运行误差在线分析***,包括:
数据采集模块,用于采集电表历史数据和当前运行数据;
数据处理模块,用于使用数据采集模块采集的数据形成数据集,通过神经网络训练,获得第一误差模型并以台区线路结构构建第二误差模型;
误差分析模块,用于配置第一误差模型权重和第二误差模型权重,获得运行误差模型;使用运行误差模型在线分析电表运行误差;
显示输出模块,将误差分析模块计算获得的电表运行误差显示输出。
进一步优选的是,数据存储模块,用于存储电表历史数据和在线误差计算历史结果。
本发明的有益效果在于,与现有技术相比,解决现有技术中仅考虑外部拓扑结构,使用计量值本身计算误差导致精度不足的问题,创造性的引入了内部参数对于精度影响因素的考量,通过训练神经网络,获得了时间因素对误差变化的关联;同时兼顾台区内拓扑关系中固定损耗、线损和误差之间的关联关系;将内部参数随时间变化和外部固定损耗、线损等因素进行统筹考虑,扫描数据的方式获得配置权重的方法,能够动态地调节权重分配,申请人发现,随着时间的推移,对于台区内使用时间不同的电表误差结果精度不尽相同,而多种算法融合之后,按照既定的权重的比例仅能在特定的时间点消除单独算法带来的精度不足的问题。而动态地调节权重解决了随着时间推移,两种误差模型在计算误差准确率上贡献度的不同的问题。而建立权重分配数据集则降低了实时计算的负担,能够快速准确地对权重进行调节。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述,但是本领域技术人员应该理解,以上实施示例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (9)
1.一种运行误差在线分析方法,其特征在于,包括以下步骤:
步骤1,采集同型号电表历史数据,形成数据集,通过神经网络训练,获得第一误差模型;
以如下公式表示数据集,
式中:
X表示神经网络输入向量;
di表示第i个电表运行天数;
ni表示第i个电表表内底数;
Ui表示第i个电表电池电压;
fi表示第i个电表故障次数;
N表示所采集同型号电表的数量;
Y表示神经网络输出;
ei表示第i个电表的误差;
步骤2,以台区线路结构构建第二误差模型;
步骤3,以步骤1中的第一误差模型和步骤2中的第二误差模型按照权重构建运行误差模型;
步骤4,配置第一误差模型权重和第二误差模型权重,获得运行误差模型;步骤4具体包括:
步骤4.1,将第一误差模型权重设置为0,将第二误差模型权重设置为1;
步骤4.2,以设定步长增大第一误差模型权重,同时以相同步长减小第二误差模型权重,计算运行误差,形成配置数据集;
步骤4.3,以设定时间间隔现场抽样台区内电表测量真实运行误差;
步骤4.4,以步骤4.3测量真实运行误差,在步骤4.2形成的配置数据集中选择最优权重配置;
步骤5,使用步骤4获得的运行误差模型在线分析电表运行误差。
2.根据权利要求1所述的运行误差在线分析方法,其特征在于:
步骤1中,以如下公式表示第一误差模型,
ei=e1st(di,ni,Ui,fi)
e1st表示经过神经网络训练得到的第一误差计算表达式。
6.根据权利要求5所述的运行误差在线分析方法,其特征在于:
步骤4,平均配置第一误差模型权重和第二误差模型权重,即均为0.5,获得运行误差模型。
7.根据权利要求1至6中任一项所述的运行误差在线分析方法,其特征在于:
步骤5包括:
步骤5.1,采集台区内第j个电表的当前运行天数、表内底数、电池电压和故障次数,以第一误差模型计算第j个电表的误差ej;
步骤5.2,采集台区电表历史数据,以第二误差模型建立方程组,计算获得第j个电表估计误差;
步骤5.3,将步骤5.1和步骤5.2的计算结果带入运行误差模型,计算获得台区第j个电表的运行误差。
8.一种运行权利要求1至7中任一项所述的运行误差在线分析方法的运行误差在线分析***,其特征在于,包括:
数据采集模块,用于采集电表历史数据和当前运行数据;
数据处理模块,用于使用数据采集模块采集的数据形成数据集,通过神经网络训练,获得第一误差模型并以台区线路结构构建第二误差模型;
误差分析模块,用于配置第一误差模型权重和第二误差模型权重,获得运行误差模型;使用运行误差模型在线分析电表运行误差;
显示输出模块,将误差分析模块计算获得的电表运行误差显示输出。
9.根据权利要求8所述的运行误差在线分析***,其特征在于:
所述***还包括:数据存储模块,用于存储电表历史数据和在线误差计算历史结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110551763.5A CN113281697B (zh) | 2021-05-20 | 2021-05-20 | 一种运行误差在线分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110551763.5A CN113281697B (zh) | 2021-05-20 | 2021-05-20 | 一种运行误差在线分析方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113281697A CN113281697A (zh) | 2021-08-20 |
CN113281697B true CN113281697B (zh) | 2023-04-18 |
Family
ID=77280321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110551763.5A Active CN113281697B (zh) | 2021-05-20 | 2021-05-20 | 一种运行误差在线分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113281697B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762470A (zh) * | 2021-08-23 | 2021-12-07 | 迟源 | 预测模型构建方法、预测方法、装置、设备及介质 |
CN114528929B (zh) * | 2022-02-14 | 2023-06-20 | 国网山东省电力公司营销服务中心(计量中心) | 一种多源数据的台区量测***和方法 |
CN114339477B (zh) * | 2022-03-14 | 2022-07-12 | 浙江万胜智能科技股份有限公司 | 一种基于多表合一的数据采集管理方法及*** |
CN114355274B (zh) * | 2022-03-14 | 2022-07-12 | 浙江万胜智能科技股份有限公司 | 一种用电信息数据的定期校准方法及*** |
CN115079081A (zh) * | 2022-05-30 | 2022-09-20 | 广州城市理工学院 | 基于用电量数据的智能电表计量异常识别方法及装置 |
CN115567899B (zh) * | 2022-08-23 | 2023-10-03 | 浙江晨泰科技股份有限公司 | 一种智能电表的误差分析方法及装置 |
CN115600414B (zh) * | 2022-10-24 | 2023-04-18 | 中国电力科学研究院有限公司 | 一种基于ai算法的电能表运行误差求解方法及装置 |
CN115840185B (zh) * | 2023-02-20 | 2023-07-04 | 威胜集团有限公司 | 一种电压互感器误差在线监测与分析方法、介质及终端 |
CN116718979B (zh) * | 2023-08-08 | 2023-10-24 | 北京京仪北方仪器仪表有限公司 | 一种智能电表运行误差测量方法和*** |
CN117131926A (zh) * | 2023-10-24 | 2023-11-28 | 山东计保电气有限公司 | 一种基于数据存储的电能计量误差分析方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0252172U (zh) * | 1988-10-11 | 1990-04-13 | ||
CN107462863A (zh) * | 2017-09-05 | 2017-12-12 | 中国电力科学研究院 | 一种智能电能表运行误差运行诊断分析方法及*** |
CN109597014A (zh) * | 2018-11-30 | 2019-04-09 | 国网上海市电力公司 | 一种基于人工智能技术的电能表误差诊断方法 |
CN110490409A (zh) * | 2019-07-05 | 2019-11-22 | 国网江苏省电力有限公司电力科学研究院 | 一种基于dnn的低压台区线损率标杆值设定方法 |
CN110531304A (zh) * | 2019-08-07 | 2019-12-03 | 深圳供电局有限公司 | 一种在线监测台区失准率的计算方法、设备及介质 |
CN111103565A (zh) * | 2019-12-11 | 2020-05-05 | 国网天津市电力公司电力科学研究院 | 一种基于智能电能表计量误差分析的数据变换方法及*** |
AU2020101900A4 (en) * | 2020-08-21 | 2020-11-05 | Qinghu Rising Sunshine Data Technology (Beijing) Co., Ltd. | A method, device and equipment for detecting abnormal electric meter |
CN112346000A (zh) * | 2020-10-30 | 2021-02-09 | 国网山东省电力公司营销服务中心(计量中心) | 一种智能电能表运行误差数据统计处理***与方法 |
CN112417371A (zh) * | 2020-12-01 | 2021-02-26 | 国网上海市电力公司 | 配网台区智能电能表运行状态监测方法 |
CN112611997A (zh) * | 2020-12-01 | 2021-04-06 | 国网河南省电力公司电力科学研究院 | 一种台区关口表挂接关系在线校验方法和*** |
CN112684398A (zh) * | 2020-11-23 | 2021-04-20 | 国网江苏省电力有限公司营销服务中心 | 基于动态线损的电能表运行误差监测方法及*** |
CN112684400A (zh) * | 2020-11-25 | 2021-04-20 | 国网江苏省电力有限公司营销服务中心 | 小电量台区的电能表运行误差数据监测方法及*** |
CN112698261A (zh) * | 2020-11-25 | 2021-04-23 | 国网湖南省电力有限公司 | 一种智能电能表故障预警方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110532505B (zh) * | 2019-08-07 | 2023-08-22 | 深圳供电局有限公司 | 一种电表失准率的计算方法 |
CN110907884A (zh) * | 2019-12-06 | 2020-03-24 | 国网天津市电力公司电力科学研究院 | 一种基于非侵入式量测电能表误差诊断分析方法 |
CN112686493A (zh) * | 2020-11-24 | 2021-04-20 | 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) | 一种依托大数据实时评价智能电表运行状态与更换的方法 |
CN112379177A (zh) * | 2021-01-18 | 2021-02-19 | 中国电力科学研究院有限公司 | 一种确定台区低压线路损耗和电能表运行误差的方法和*** |
CN113126019B (zh) * | 2021-04-19 | 2023-05-12 | 广东电网有限责任公司计量中心 | 一种智能电表误差远程估计方法、***、终端和存储介质 |
-
2021
- 2021-05-20 CN CN202110551763.5A patent/CN113281697B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0252172U (zh) * | 1988-10-11 | 1990-04-13 | ||
CN107462863A (zh) * | 2017-09-05 | 2017-12-12 | 中国电力科学研究院 | 一种智能电能表运行误差运行诊断分析方法及*** |
CN109597014A (zh) * | 2018-11-30 | 2019-04-09 | 国网上海市电力公司 | 一种基于人工智能技术的电能表误差诊断方法 |
CN110490409A (zh) * | 2019-07-05 | 2019-11-22 | 国网江苏省电力有限公司电力科学研究院 | 一种基于dnn的低压台区线损率标杆值设定方法 |
CN110531304A (zh) * | 2019-08-07 | 2019-12-03 | 深圳供电局有限公司 | 一种在线监测台区失准率的计算方法、设备及介质 |
CN111103565A (zh) * | 2019-12-11 | 2020-05-05 | 国网天津市电力公司电力科学研究院 | 一种基于智能电能表计量误差分析的数据变换方法及*** |
AU2020101900A4 (en) * | 2020-08-21 | 2020-11-05 | Qinghu Rising Sunshine Data Technology (Beijing) Co., Ltd. | A method, device and equipment for detecting abnormal electric meter |
CN112346000A (zh) * | 2020-10-30 | 2021-02-09 | 国网山东省电力公司营销服务中心(计量中心) | 一种智能电能表运行误差数据统计处理***与方法 |
CN112684398A (zh) * | 2020-11-23 | 2021-04-20 | 国网江苏省电力有限公司营销服务中心 | 基于动态线损的电能表运行误差监测方法及*** |
CN112684400A (zh) * | 2020-11-25 | 2021-04-20 | 国网江苏省电力有限公司营销服务中心 | 小电量台区的电能表运行误差数据监测方法及*** |
CN112698261A (zh) * | 2020-11-25 | 2021-04-23 | 国网湖南省电力有限公司 | 一种智能电能表故障预警方法及装置 |
CN112417371A (zh) * | 2020-12-01 | 2021-02-26 | 国网上海市电力公司 | 配网台区智能电能表运行状态监测方法 |
CN112611997A (zh) * | 2020-12-01 | 2021-04-06 | 国网河南省电力公司电力科学研究院 | 一种台区关口表挂接关系在线校验方法和*** |
Non-Patent Citations (2)
Title |
---|
Slobodan Skundric.Metrological Supervision of Electrical Energy Meters in Substations up to 35 kV.《2007 9th International Conference on Electrical Power Quality and Utilisation》.2007,全文. * |
宝慧青.电力计量误差产生原因分析及改进措施研究.《应用能源技术》.2020,(第undefined期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN113281697A (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113281697B (zh) | 一种运行误差在线分析方法及*** | |
WO2022110558A1 (zh) | 一种智能电能表故障预警方法及装置 | |
CN109242041A (zh) | 一种电能表异常数据检测方法、装置、设备及存储介质 | |
WO2022021726A1 (zh) | 一种基于pmu的电力***状态估计性能评价方法 | |
CN107133406A (zh) | 一种电力***静态电压稳定域边界的快速搜索方法 | |
CN101793887A (zh) | 大菱鲆养殖水质评价的模糊神经网络专家***的构建方法 | |
CN110070282A (zh) | 一种基于综合关联度的低压台区线损影响因素分析方法 | |
CN113406558B (zh) | 基于线性回归的电表失准检测方法、装置及电子设备 | |
CN103748755A (zh) | 电力***状态估计装置以及使用其的电力***体系 | |
CN113126019A (zh) | 一种智能电表误差远程估计方法、***、终端和存储介质 | |
CN113010998A (zh) | 基于随动线损及遗忘因子最小二乘法的电表误差估计方法 | |
CN111510500A (zh) | 一种基于边缘计算的水质监测数据校准方法 | |
Kong et al. | A remote estimation method of smart meter errors based on neural network filter and generalized damping recursive least square | |
Fangxing et al. | Estimation of smart meters errors using meter reading data | |
CN115508770A (zh) | 一种基于kl-nb算法的电能表运行状态在线评估方法 | |
CN103900666A (zh) | 膜式燃气表长期运行的计量精度控制方法 | |
CN115267645B (zh) | 一种低功率因数电能表的误差计算方法、监测***及设备 | |
CN111999691B (zh) | 一种计量传感器装置的误差校准方法和误差校准装置 | |
CN115201743A (zh) | 低压台区计量点误差的确定方法、装置及存储介质 | |
CN114152812B (zh) | 一种误差自校验的三相电能表及其测量***和方法 | |
CN114152787B (zh) | 一种用户自家校验误差的电能表结构和校验误差方法 | |
CN117826058A (zh) | 一种关口电容式电压互感器运行状态在线监测方法及装置 | |
CN114152806B (zh) | 一种三通阵列结构的电能传感器及其构成测量***和方法 | |
CN114152813B (zh) | 一种误差自校验的三相电能表及其测量***和方法 | |
CN114152811B (zh) | 一种三通阵列结构的电能表及其构成测量***和测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |