CN114065114A - 一种电容式电压互感器计量误差预测方法及*** - Google Patents

一种电容式电压互感器计量误差预测方法及*** Download PDF

Info

Publication number
CN114065114A
CN114065114A CN202210050187.0A CN202210050187A CN114065114A CN 114065114 A CN114065114 A CN 114065114A CN 202210050187 A CN202210050187 A CN 202210050187A CN 114065114 A CN114065114 A CN 114065114A
Authority
CN
China
Prior art keywords
error
predicted
mutual inductor
day
prediction
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.)
Granted
Application number
CN202210050187.0A
Other languages
English (en)
Other versions
CN114065114B (zh
Inventor
刘思成
刘发志
何为
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Gelanruo Intelligent Technology Co ltd
Original Assignee
Wuhan Glory Road Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Glory Road Intelligent Technology Co ltd filed Critical Wuhan Glory Road Intelligent Technology Co ltd
Priority to CN202210050187.0A priority Critical patent/CN114065114B/zh
Publication of CN114065114A publication Critical patent/CN114065114A/zh
Application granted granted Critical
Publication of CN114065114B publication Critical patent/CN114065114B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种电容式电压互感器计量误差预测方法及***，方法包括：分别计算电容式电压互感器CVT的当日附加误差和待预测日附加误差，计算待预测日的互感器误差预测理论值fL；分析互感器历史误差预测估计值序列F0的自相关系数图和偏自相关系数图，确定ARIMA模型；将序列F0输入ARIMA模型中，获取待预测日互感器误差预测观测值fG；根据待预测日的互感器误差预测理论值fL和待预测日互感器误差预测观测值fG，计算待预测日互感器误差预测估计值f1。本发明分别计算待预测日的互感器误差预测理论值fL和互感器误差预测观测值fG，结合这两种预测值，得到最终的预测估计值，以提高CVT计量误差状态预测的准确度。

Description

一种电容式电压互感器计量误差预测方法及***
技术领域
本发明涉及电力计量在线监测领域，更具体地，涉及一种电容式电压互感器计量误差预测方法及***。
背景技术
作为电能计量装置的重要组成部分，互感器计量性能的准确可靠直接关系到电能贸易结算的公平公正。电容式电压互感器（CVT）是由串联电容器分压，再经电磁式互感器降压和隔离，作为用来变换电压的仪器，电容式电压互感器还可以将载波频率耦合到输电线用于长途通信、选择性的线路高频保护、遥控等功能上。和常规的电磁式电压互感器相比，电容式电压互感器除了具有冲击绝缘强度高、制造简单、体积小、重量轻等优点外，在经济和安全上还有很多优越之处。
在CVT的实际运行过程中，互感器误差受采集原理与恶劣环境等影响会在其工作寿命内出现测量偏差越限，因此不仅需要在其计量误差超差时能够进行准确快速的诊断，进一步的，需要对CVT计量误差的劣化趋势做出及时的预测，以便相关运行维护***检修维护的工作，如果不能及时发现互感器状态劣化，将影响电网运行。
为避免二次信息***信息源的不准确，并减少电能计量的损失和保证测控保护装置的正常运行，目前有统计学方法和理论计算等方法对互感器误差值进行预测，如何整合已有数据，更加准确地预测CVT误差值及其变化趋势，以提前预警CVT出现的风险，是一项技术难题。
发明内容
本发明针对现有技术中存在的技术问题，提供一种电容式电压互感器计量误差预测方法及***。
根据本发明的第一方面，提供了一种电容式电压互感器计量误差预测方法，包括：
根据当日外界环境因素数据和待预测日外界环境因素数据预报值，分别计算电容式电压互感器CVT的当日附加误差和待预测日附加误差；
根据所述CVT的当日附加误差和待预测日附加误差，计算待预测日的互感器误差预测理论值fL；
获取当日前预设历史时间段的互感器历史误差预测估计值序列F0，绘制互感器误差预测估计值序列F0的自相关系数图和偏自相关系数图；
根据所述自相关系数图和偏自相关系数图的特征，确定互感器历史误差预测估计值序列F0符合的ARIMA模型；
将所述互感器历史误差预测估计值序列F0输入所述ARIMA模型中，获取待预测日互感器误差预测观测值fG；
根据待预测日的互感器误差预测理论值fL和待预测日互感器误差预测观测值fG，计算待预测日互感器误差预测估计值f1。
在上述技术方案的基础上，本发明还可以作出如下改进。
可选的，所述外界环境因素数据至少包括温度、CVT的电源频率和CVT的二次负载；所述根据当日外界环境因素数据和待预测日外界环境因素数据预报值，分别计算电容式电压互感器CVT的当日附加误差和待预测日附加误差，包括：
根据当日外界环境因素数据，计算CVT当日的温度附加误差
Figure 350426DEST_PATH_IMAGE001
、电源频率附 加误差
Figure 714542DEST_PATH_IMAGE002
和二次负载附加误差
Figure 82246DEST_PATH_IMAGE003
；
根据待预测日外界环境因素数据预报值，计算CVT待预测日的温度附加误差
Figure 58161DEST_PATH_IMAGE004
、电源频率附加误差
Figure 550322DEST_PATH_IMAGE005
和二次负载附加误差
Figure 604997DEST_PATH_IMAGE006
；
相应的，根据所述CVT的当日附加误差和待预测日附加误差，计算待预测日的互感器误差预测理论值fL，包括：
根据CVT当日的温度附加误差、电源频率附加误差和二次负载附加误差、CVT待预测日的温度附加误差、电源频率附加误差和二次负载附加误差以及当日互感器误差预测理论值f0，计算待预测日互感器误差预测理论值fL:
Figure 942437DEST_PATH_IMAGE007
。
可选的，所述获取当日前预设历史时间段的互感器历史误差预测估计值序列F0，绘制互感器误差预测估计值序列F0的自相关系数图和偏自相关系数图，包括：
利用单位根检验方法对所述互感器历史误差预测估计值序列F0进行平稳性检验，检验所述互感器历史误差预测估计值序列F0中是否存在单位根，通过增加差分阶数直到通过单位根检验，记录差分处理阶数；
基于差分处理阶数对所述互感器历史误差预测估计值序列F0进行差分处理，获得差分处理后的互感器历史误差预测估计值序列F’0;
绘制差分处理后的互感器历史误差预测估计值序列F’0的自相关系数图和偏自相关系数图。
可选的，所述根据所述自相关系数图和偏自相关系数图的特征，确定互感器历史误差预测估计值序列F0符合的ARIMA模型，包括：
分析所述自相关系数图的拖尾性以及分析所述偏自相关系数图的截尾性，基于所述自相关系数图的拖尾性特征和所述偏自相关系数图的截尾性特征，确定所述互感器历史误差预测估计值序列F0符合的ARIMA模型以及模型参数。
可选的，所述根据待预测日的互感器误差预测理论值fL和待预测日互感器误差预测观测值fG，计算待预测日互感器误差预测估计值f1，包括：
基于互感器的历史观测值误差和历史理论值误差，计算优化系数，所述互感器的历史观测值误差为当日前预设历史时间段的每日互感器误差预测观测值与对应预测误差估计值差值的均值，所述互感器的历史理论值误差为当日前预设历史时间段的每日互感器误差预测理论值与对应预测误差估计值差值的均值；
根据待预测日的互感器误差预测理论值fL、待预测日互感器误差预测观测值fG以及所述优化系数，计算待预测日互感器误差预测估计值。
可选的，所述基于互感器的历史观测值误差和历史理论值误差，计算优化系数，包括：
Figure 166001DEST_PATH_IMAGE008
；
其中，eG为互感器的历史观测值误差，eL互感器的历史理论值误差，K为优化系数。
可选的，所述根据待预测日的互感器误差预测理论值fL、待预测日互感器误差预测观测值fG以及所述优化系数，计算待预测日互感器误差预测估计值f1，包括：
Figure 845376DEST_PATH_IMAGE009
；
其中，k为优化系数。
根据本发明的第二方面，提供一种电容式电压互感器计量误差预测***，包括：
第一计算模块，用于根据当日外界环境因素数据和待预测日外界环境因素数据预报值，分别计算电容式电压互感器CVT的当日附加误差和待预测日附加误差；根据所述CVT的当日附加误差和待预测日附加误差，计算待预测日的互感器误差预测理论值fL；
绘制模块，用于获取当日前预设历史时间段的互感器历史误差预测估计值序列F0，绘制互感器误差预测估计值序列F0的自相关系数图和偏自相关系数图；
确定模块，用于根据所述自相关系数图和偏自相关系数图的特征，确定互感器历史误差预测估计值序列F0符合的ARIMA模型；
获取模块，用于将所述互感器历史误差预测估计值序列F0输入所述ARIMA模型中，获取待预测日互感器误差预测观测值fG；
第二计算模块，用于根据待预测日的互感器误差预测理论值fL和待预测日互感器误差预测观测值fG，计算待预测日互感器误差预测估计值f1。
根据本发明的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现电容式电压互感器计量误差预测方法的步骤。
根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现电容式电压互感器计量误差预测方法的步骤。
本发明提供的一种电容式电压互感器计量误差预测方法及***，分别计算待预测日的互感器误差预测理论值fL和互感器误差预测观测值fG，结合这两种预测值，得到最终的预测估计值，以提高CVT计量误差状态预测的准确度。
附图说明
图1为本发明实施例提供的一种电容式电压互感器计量误差预测方法流程图；
图2为电容式电压互感器的电路原理图；
图3为观测值和最优化值与误差参考值差值的对比示意图；
图4为本发明实施例提供的一种电容式电压互感器计量误差预测***的结构示意图；
图5为本发明提供的一种可能的电子设备的硬件结构示意图；
图6为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
实施例一
一种电容式电压互感器计量误差预测方法，参见图1，该计量误差预测方法包括：
S1，根据当日外界环境因素数据和待预测日外界环境因素数据预报值，分别计算电容式电压互感器CVT的当日附加误差和待预测日附加误差；根据所述CVT的当日附加误差和待预测日附加误差，计算待预测日的互感器误差预测理论值fL。
作为实施例，所述外界环境因素数据至少包括温度、CVT的电源频率和CVT的二次负载；所述根据当日外界环境因素数据和待预测日外界环境因素数据预报值，分别计算电容式电压互感器CVT的当日附加误差和待预测日附加误差，包括：
根据当日外界环境因素数据，计算CVT当日的温度附加误差
Figure 167773DEST_PATH_IMAGE010
、电源频率附 加误差
Figure 902379DEST_PATH_IMAGE011
和二次负载附加误差
Figure 462674DEST_PATH_IMAGE012
；
根据待预测日外界环境因素数据预报值，计算CVT待预测日的温度附加误差
Figure 79993DEST_PATH_IMAGE013
、电源频率附加误差
Figure 827369DEST_PATH_IMAGE014
和二次负载附加误差
Figure 522924DEST_PATH_IMAGE015
。
相应的，根据所述CVT的当日附加误差和待预测日附加误差，计算待预测日的互感器误差预测理论值fL，包括：根据CVT当日的温度附加误差、电源频率附加误差和二次负载附加误差、CVT待预测日的温度附加误差、电源频率附加误差和二次负载附加误差以及当日互感器误差预测理论值f0，计算待预测日互感器误差预测理论值fL:
Figure 937725DEST_PATH_IMAGE016
。
可选的，本发明实施例通过物理模型计算得到电容式电压互感器CVT的待预测日互感器误差预测理论值。其中，电容式电压互感器的基本工作原理如图2所示，其中C1、C2分别为电容分压器的高压电容和中压电容，中间变压器T1 ，补偿电抗器L 、阻尼装置 D 以及过电压保护装置G共同组成了电磁单元部分。CVT 接入高压***后由电容分压器将一次高压信号变换为较低的中间电压信号，降低了电磁单元的绝缘要求，再由中间变压器转化为所需的二次小信号，用于计量、测控、保护和通信等应用。CVT 的二次输出根据需求的不同有多个绕组，其中1a1n（2a2n、3a3n）为主二次绕组接线端子，dadn 为剩余电压绕组接线端子。
具体的，计算待预测日互感器误差预测理论值fL主要包括如下步骤：
获取被预测的电容式电压互感器的时间序列数据并通过站级误差评估***，将已有的误差估计算法用于电参量得到CVT比值误差预测估计值，作为本发明电容式电压互感器CVT的误差历史参考值，该误差历史参考值属于是综合比值误差的日均值，将用于对CVT未来比值误差的预测。采集历史一个季度的CVT误差历史参考值序列F0，即历史一定时间段的每日的互感器误差预测估计值，也称为互感器历史误差预测估计值序列F0和当日（待预测日前一日）互感器误差预测估计值f0。
记录当日外界环境数据因素如温度、电源频率、二次负载，和待预测日（次日）的外界环境因素数据预报值，计算当日的相应附加误差，其中，温度附加误差的计算公式：
Figure 191857DEST_PATH_IMAGE017
其中，S为额定负荷，
Figure 426530DEST_PATH_IMAGE018
为一常数；ac为温度系数为一常数;Δt为测量点温度与 20 ℃的差值，ωn为额定角频率；C1为高压电容；C2为低压电容；U1为中间变压器原边电压， 测量点温度可简化为当日平均气温，得到温度附加误差△f(T)。
电源频率附加误差的计算公式：
Figure 191355DEST_PATH_IMAGE019
其中，S为额定负荷，
Figure 460662DEST_PATH_IMAGE020
为一常数，ω为当日平均角频率，ωn为额定角频率，C1为 高压电容，C2为低压电容，U1为中间变压器原边电压。
二次负载附加误差的计算公式：
Figure 888626DEST_PATH_IMAGE021
其中，U2为二次电压，I2为二次负载电流，
Figure 610594DEST_PATH_IMAGE022
为二次负载功率因数角，R1和X1为一 次绕组和漏抗，R2’和X2’为折算至一次侧的二次绕组电阻和漏抗，fL0是CVT空载时的比差。
根据采集的当日外界环境因素数据，通过公式(1)-(3)计算当日温度附加误差、电 源频率附加误差和二次负载附加误差，分别记为
Figure 647951DEST_PATH_IMAGE023
。
同样的，根据采集的待预测日的外界环境因素数据预报值，根据公式(1)-(3)分别 计算待预测日的温度附加误差、频率附加误差和二次负载附加误差，分别记为
Figure 771765DEST_PATH_IMAGE024
。
上述分别计算了当日温度附加误差、频率附加误差、二次负载附加误差和待预测日的温度附加误差、频率附加误差和二次负载附加误差，计算待预测日的互感器误差理论值fL：
Figure 367700DEST_PATH_IMAGE025
(4)。
S2，获取当日前预设历史时间段的互感器历史误差预测估计值序列F0，绘制互感器误差预测估计值序列F0的自相关系数图和偏自相关系数图；根据所述自相关系数图和偏自相关系数图的特征，确定互感器历史误差预测估计值序列F0符合的ARIMA（Autoregressive Integrated Moving Average model，差分整合移动平均自回归模型）模型；将所述互感器历史误差预测估计值序列F0输入所述ARIMA模型中，获取待预测日互感器误差预测观测值fG。
作为实施例，所述获取当日前预设历史时间段的互感器历史误差预测估计值序列F0，绘制互感器误差预测估计值序列F0的自相关系数图和偏自相关系数图，包括：利用单位根检验方法对所述互感器历史误差预测估计值序列F0进行平稳性检验，检验所述互感器历史误差预测估计值序列F0中是否存在单位根，通过增加差分阶数直到通过单位根检验，记录差分处理阶数；基于差分处理阶数对所述互感器历史误差预测估计值序列F0进行差分处理，获得差分处理后的互感器历史误差预测估计值序列F’0;绘制差分处理后的互感器历史误差预测估计值序列F’0的自相关系数图和偏自相关系数图。
其中，所述根据所述自相关系数图和偏自相关系数图的特征，确定互感器历史误差预测估计值序列F0符合的ARIMA模型，包括：分析所述自相关系数图的拖尾性以及分析所述偏自相关系数图的截尾性，基于所述自相关系数图的拖尾性特征和所述偏自相关系数图的截尾性特征，确定所述互感器历史误差预测估计值序列F0符合的ARIMA模型以及模型参数。
具体的，以获取的互感器历史误差预测估计值序列F0作为数据集，绘制时序曲线，利用单位根检验方法对时序曲线进行平稳性检验，单位根检验即检验序列中是否存在单位根，增加差分阶数直到通过单位根检验，记录差分处理阶数d，基于得到的差分处理阶数d对互感器历史误差预测估计值序列F0进行差分处理，得到差分处理后的序列F’0。
绘制序列F’0的自相关系数图和偏自相关系数图：
其中，自相关系数表达为：
Figure 576965DEST_PATH_IMAGE026
其中，
Figure 667280DEST_PATH_IMAGE027
是互感器选定时间段误差序列F’0的总体均值，h为滞后阶数，n为互感器 误差序列F’0的数据长度，自相关系数表达了互感器误差数据前后自身的相关性，以h为横 坐标，自相关系数为纵坐标作图。
设有互感器误差序列X=（xa，xb，xc），偏自相关系数是剔除中间的一个误差段xc的干扰之后，误差数据自身前后的相关性，其表达式为：
Figure 661912DEST_PATH_IMAGE028
(6)；
rab（c）表示剔除误差序列中xc段的干扰后，xa，xb的自相关系数。
对于差分处理后的序列F’0，分别计算其中每一个数据的自相关系数和偏自相关系数，进而绘制序列F’0的自相关系数图和偏自相关系数图。通过绘制上述两图，偏自相关系数在p阶之后应为零，称其具有截尾性，自相关系数不能在某一步之后为零（截尾）而是按指数衰减（或成正弦波形式)，称其具有拖尾性，本发明实施例通过分析自相关系数图的拖尾性特征和所述偏自相关系数图的截尾性特征，确定互感器历史误差预测估计值序列F0符合的ARIMA模型以及模型参数。
将序列F’0导入ARIMA模型中得到预测模型M，得到待预测日互感器误差预测观测值fG。
S3，根据待预测日的互感器误差预测理论值fL和待预测日互感器误差预测观测值fG，计算待预测日互感器误差预测估计值f1。
作为实施例，所述根据待预测日的互感器误差预测理论值fL和待预测日互感器误差预测观测值fG，计算待预测日互感器误差预测估计值f1，包括：基于互感器的历史观测值误差和历史理论值误差，计算优化系数，所述互感器的历史观测值误差为当日前预设历史时间段的每日互感器误差预测观测值与对应预测误差估计值差值的均值，所述互感器的历史理论值误差为当日前预设历史时间段的每日互感器误差预测理论值与对应预测误差估计值差值的均值；根据待预测日的互感器误差预测理论值fL、待预测日互感器误差预测观测值fG以及所述优化系数，计算待预测日互感器误差预测估计值。
可以理解的是，上述步骤得到待预测日互感器误差预测理论值fL，和误差预测观测值fG，将最优估计思想引入CVT计量误差预测方法中，以达到提高预测准确度的目的。
f0为已知的当日互感器误差参考值（即当日互感器误差预测估计值），fL为计算出的待预测日互感器误差预测理论值，fG为待预测日互感器误差预测观测值即ARIMA模型预测得到的值，f1为最终得到的待预测日互感器误差预测估计值。
首先，参考卡尔曼滤波算法更新方程卡尔曼增益计算公式，设计了一种优化系数，优化系数计算公式K为：
Figure 648323DEST_PATH_IMAGE029
(7)；
其中，eG为互感器的历史观测值误差，即历史一个季度互感器计量误差用ARIMA算法得到误差预测观测值与当日误差参考值的差的均值；eL为互感器的历史理论值误差，即历史一个季度互感器计量误差用外界环境附加误差计算方法得到误差预测理论值与当日误差参考值的差的均值。互感器的历史观测值误差eG和互感器的历史理论值误差eL的计算公式为：
Figure 874379DEST_PATH_IMAGE030
(8);
其中，i是指历史一定时间段的第i天。
最终得到的待预测日互感器误差预测估计值f1的计算公式为：
Figure 237227DEST_PATH_IMAGE031
(9);
其中，fG和fL分别为待预测日互感器误差预测观测值和误差预测理论值，f1即为得到待预测日互感器误差预测估计值，作为优化后的互感器误差预测值结果供工作人员参考。参见图3，为互感器误差预测估计值（最优化值）与互感器误差预测观测值的效果对比图。其中，取5个月数据应用于最优化算法，分别计算互感器误差预测估计值和互感器误差预测观测值，与误差参考值的差值，绘制上图3，结果表明，最优值与误差参考值的差值普遍更小，说明最优算法预测准确度更高。
实施例二
一种电容式电压互感器计量误差预测***，参见图4，该计量误差预测***包括第一计算模块401、绘制模块402、确定模块403、获取模块404和第二计算模块405。
其中，第一计算模块401，用于根据当日外界因素环境数据和待预测日外界环境因素数据预报值，分别计算电容式电压互感器CVT的当日附加误差和待预测日附加误差；根据所述CVT的当日附加误差和待预测日附加误差，计算待预测日的互感器误差预测理论值fL；绘制模块402，用于获取当日前预设历史时间段的互感器历史误差预测估计值序列F0，绘制互感器误差预测估计值序列F0的自相关系数图和偏自相关系数图；确定模块403，用于根据所述自相关系数图和偏自相关系数图的特征，确定互感器历史误差预测估计值序列F0符合的ARIMA模型；获取模块404，用于将所述互感器历史误差预测估计值序列F0输入所述ARIMA模型中，获取待预测日互感器误差预测观测值fG；第二计算模块405，用于根据待预测日的互感器误差预测理论值fL和待预测日互感器误差预测观测值fG，计算待预测日互感器误差预测估计值f1。
可以理解的是，本发明提供的一种电容式电压互感器计量误差预测***与前述各实施例提供的电容式电压互感器计量误差预测方法相对应，电容式电压互感器计量误差预测***的相关技术特征可参考器计量误差预测方法的相关技术特征，在此不再赘述。
实施例三
请参阅图5，图5为本发明实施例提供的电子设备的实施例示意图。如图5所示，本发明实施例提了一种电子设备500，包括存储器510、处理器520及存储在存储器510上并可在处理器520上运行的计算机程序511，处理器520执行计算机程序511时实现实施例一的电容式电压互感器计量误差预测方法。
实施例四
请参阅图6，图6为本发明提供的一种计算机可读存储介质的实施例示意图。如图6所示，本实施例提供了一种计算机可读存储介质600，其上存储有计算机程序611，该计算机程序611被处理器执行时实现实施例一的电容式电压互感器计量误差预测方法。
本发明实施例提供的一种电容式电压互感器计量误差预测方法及***，分别计算待预测日的互感器误差预测理论值fL和互感器误差预测观测值fG，结合这两种预测值，加以新算法综合预测数据，得到最终的预测估计值，以提高CVT计量误差状态预测的准确度。
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（***）、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (10)

1.一种电容式电压互感器计量误差预测方法，其特征在于，包括：
根据当日外界环境因素数据和待预测日外界环境因素数据预报值，分别计算电容式电压互感器CVT的当日附加误差和待预测日附加误差；
根据所述CVT的当日附加误差和待预测日附加误差，计算待预测日的互感器误差预测理论值fL；
获取当日前预设历史时间段的互感器历史误差预测估计值序列F0，绘制互感器误差预测估计值序列F0的自相关系数图和偏自相关系数图；
根据所述自相关系数图和偏自相关系数图的特征，确定互感器历史误差预测估计值序列F0符合的ARIMA模型；
将所述互感器历史误差预测估计值序列F0输入所述ARIMA模型中，获取待预测日互感器误差预测观测值fG；
根据待预测日的互感器误差预测理论值fL和待预测日互感器误差预测观测值fG，计算待预测日互感器误差预测估计值f1。
2.根据权利要求1所述的计量误差预测方法，其特征在于，所述外界环境因素数据至少包括温度、CVT的电源频率和CVT的二次负载；所述根据当日外界环境因素数据和待预测日外界环境因素数据预报值，分别计算电容式电压互感器CVT的当日附加误差和待预测日附加误差，包括：
根据当日外界环境因素数据，计算CVT当日的温度附加误差
Figure 201321DEST_PATH_IMAGE001
、电源频率附加误差
Figure 430046DEST_PATH_IMAGE002
和二次负载附加误差
Figure 6521DEST_PATH_IMAGE003
；
根据待预测日外界环境因素数据预报值，计算CVT待预测日的温度附加误差
Figure 214779DEST_PATH_IMAGE004
、电 源频率附加误差
Figure 357047DEST_PATH_IMAGE005
和二次负载附加误差
Figure 216726DEST_PATH_IMAGE006
；
相应的，根据所述CVT的当日附加误差和待预测日附加误差，计算待预测日的互感器误差预测理论值fL，包括：
根据CVT当日的温度附加误差、电源频率附加误差和二次负载附加误差、CVT待预测日的温度附加误差、电源频率附加误差和二次负载附加误差以及当日互感器误差预测理论值f0，计算待预测日互感器误差预测理论值fL:
Figure 546076DEST_PATH_IMAGE007
。
3.根据权利要求1所述的计量误差预测方法，其特征在于，所述获取当日前预设历史时间段的互感器历史误差预测估计值序列F0，绘制互感器误差预测估计值序列F0的自相关系数图和偏自相关系数图，包括：
利用单位根检验方法对所述互感器历史误差预测估计值序列F0进行平稳性检验，检验所述互感器历史误差预测估计值序列F0中是否存在单位根，通过增加差分阶数直到通过单位根检验，记录差分处理阶数；
基于差分处理阶数对所述互感器历史误差预测估计值序列F0进行差分处理，获得差分处理后的互感器历史误差预测估计值序列F’0;
绘制差分处理后的互感器历史误差预测估计值序列F’0的自相关系数图和偏自相关系数图。
4.根据权利要求1或3所述的计量误差预测方法，其特征在于，所述根据所述自相关系数图和偏自相关系数图的特征，确定互感器历史误差预测估计值序列F0符合的ARIMA模型，包括：
分析所述自相关系数图的拖尾性以及分析所述偏自相关系数图的截尾性，基于所述自相关系数图的拖尾性特征和所述偏自相关系数图的截尾性特征，确定所述互感器历史误差预测估计值序列F0符合的ARIMA模型以及模型参数。
5.根据权利要求1所述的计量误差预测方法，其特征在于，所述根据待预测日的互感器误差预测理论值fL和待预测日互感器误差预测观测值fG，计算待预测日互感器误差预测估计值f1，包括：
基于互感器的历史观测值误差和历史理论值误差，计算优化系数，所述互感器的历史观测值误差为当日前预设历史时间段的每日互感器误差预测观测值与对应预测误差估计值差值的均值，所述互感器的历史理论值误差为当日前预设历史时间段的每日互感器误差预测理论值与对应预测误差估计值差值的均值；
根据待预测日的互感器误差预测理论值fL、待预测日互感器误差预测观测值fG以及所述优化系数，计算待预测日互感器误差预测估计值。
6.根据权利要求5所述的计量误差预测方法，其特征在于，所述基于互感器的历史观测值误差和历史理论值误差，计算优化系数，包括：
Figure 558026DEST_PATH_IMAGE008
；
其中，eG为互感器的历史观测值误差，eL互感器的历史理论值误差，K为优化系数。
7.根据权利要求5或6所述的计量误差预测方法，其特征在于，所述根据待预测日的互感器误差预测理论值fL、待预测日互感器误差预测观测值fG以及所述优化系数，计算待预测日互感器误差预测估计值f1，包括：
Figure 289221DEST_PATH_IMAGE009
；
其中，k为优化系数。
8.一种电容式电压互感器计量误差预测***，其特征在于，包括：
第一计算模块，用于根据当日外界环境因素数据和待预测日外界环境因素数据预报值，分别计算电容式电压互感器CVT的当日附加误差和待预测日附加误差；根据所述CVT的当日附加误差和待预测日附加误差，计算待预测日的互感器误差预测理论值fL；
绘制模块，用于获取当日前预设历史时间段的互感器历史误差预测估计值序列F0，绘制互感器误差预测估计值序列F0的自相关系数图和偏自相关系数图；
确定模块，用于根据所述自相关系数图和偏自相关系数图的特征，确定互感器历史误差预测估计值序列F0符合的ARIMA模型；
获取模块，用于将所述互感器历史误差预测估计值序列F0输入所述ARIMA模型中，获取待预测日互感器误差预测观测值fG；
第二计算模块，用于根据待预测日的互感器误差预测理论值fL和待预测日互感器误差预测观测值fG，计算待预测日互感器误差预测估计值f1。
9.一种电子设备，其特征在于，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现如权利要求1-7任一项所述的电容式电压互感器计量误差预测方法的步骤。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现如权利要求1-7任一项所述的电容式电压互感器计量误差预测方法的步骤。
CN202210050187.0A 2022-01-17 2022-01-17 一种电容式电压互感器计量误差预测方法及*** Active CN114065114B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210050187.0A CN114065114B (zh) 2022-01-17 2022-01-17 一种电容式电压互感器计量误差预测方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210050187.0A CN114065114B (zh) 2022-01-17 2022-01-17 一种电容式电压互感器计量误差预测方法及***

Publications (2)

Publication Number Publication Date
CN114065114A true CN114065114A (zh) 2022-02-18
CN114065114B CN114065114B (zh) 2022-04-15

Family

ID=80231136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210050187.0A Active CN114065114B (zh) 2022-01-17 2022-01-17 一种电容式电压互感器计量误差预测方法及***

Country Status (1)

Country Link
CN (1) CN114065114B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115372881A (zh) * 2022-10-25 2022-11-22 武汉格蓝若智能技术股份有限公司 一种电压互感器计量误差评估方法及***
CN115587673A (zh) * 2022-11-10 2023-01-10 武汉格蓝若智能技术股份有限公司 一种电压互感器误差状态预测方法及***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080243413A1 (en) * 2007-03-30 2008-10-02 General Electric Company self-adjusting voltage filtering technique compensating for dynamic errors of capacitive voltage transformers
CN210864020U (zh) * 2019-06-27 2020-06-26 中国电力科学研究院有限公司 一种用于确定电容式电压互感器的运行状态的***
CN113821938A (zh) * 2021-11-18 2021-12-21 武汉格蓝若智能技术有限公司 一种互感器计量误差状态短期预测方法及装置
CN113887846A (zh) * 2021-12-07 2022-01-04 武汉格蓝若智能技术有限公司 一种电容式电压互感器的超差风险预警方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080243413A1 (en) * 2007-03-30 2008-10-02 General Electric Company self-adjusting voltage filtering technique compensating for dynamic errors of capacitive voltage transformers
CN210864020U (zh) * 2019-06-27 2020-06-26 中国电力科学研究院有限公司 一种用于确定电容式电压互感器的运行状态的***
CN113821938A (zh) * 2021-11-18 2021-12-21 武汉格蓝若智能技术有限公司 一种互感器计量误差状态短期预测方法及装置
CN113887846A (zh) * 2021-12-07 2022-01-04 武汉格蓝若智能技术有限公司 一种电容式电压互感器的超差风险预警方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115372881A (zh) * 2022-10-25 2022-11-22 武汉格蓝若智能技术股份有限公司 一种电压互感器计量误差评估方法及***
CN115372881B (zh) * 2022-10-25 2023-02-10 武汉格蓝若智能技术股份有限公司 一种电压互感器计量误差评估方法及***
CN115587673A (zh) * 2022-11-10 2023-01-10 武汉格蓝若智能技术股份有限公司 一种电压互感器误差状态预测方法及***
CN115587673B (zh) * 2022-11-10 2023-04-07 武汉格蓝若智能技术股份有限公司 一种电压互感器误差状态预测方法及***

Also Published As

Publication number Publication date
CN114065114B (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
CN114065114B (zh) 一种电容式电压互感器计量误差预测方法及***
CN113821938B (zh) 一种互感器计量误差状态短期预测方法及装置
CN106842060A (zh) 一种基于动态参数的动力电池soc估算方法及***
CN113887846B (zh) 一种电容式电压互感器的超差风险预警方法
CN105866504B (zh) 一种基于卡尔曼滤波的光纤电流互感器温度补偿方法
CN107167743A (zh) 基于电动车辆的荷电状态估算方法和装置
CN107884670B (zh) 一种单相电力变压器的测试方法及其测试***
CN103684183B (zh) 异步电机转速估计方法
CN105929340A (zh) 一种基于arima估算电池soc的方法
CN115469259B (zh) 基于rbf神经网络的ct误差状态在线定量评估方法及装置
CN115469260B (zh) 一种基于Hausdorff的电流互感器异常识别方法、***
CN112798961B (zh) 一种电动汽车动力电池剩余使用寿命预测方法
CN115372881B (zh) 一种电压互感器计量误差评估方法及***
EP4375122A1 (en) Temperature compensation method and apparatus based on direct current charging base
CN112305485B (zh) 电容式电压互感器的谐波电压测量误差修正方法及装置
CN114626769B (zh) 一种电容式电压互感器运维方法及***
Gu et al. The modified multi-innovation adaptive EKF algorithm for identifying battery SOC
CN114169631A (zh) 一种基于数据分析的油田电力负荷管控***
CN114329347B (zh) 一种电能表计量误差预测方法、装置及存储介质
CN113189513B (zh) 一种基于纹波的冗余电源均流状态识别方法
CN112989587B (zh) 一种电容式电压互感器劣化成因在线分析方法及***
CN112396535A (zh) 智能电网的管理方法、装置、设备及存储介质
CN108334822B (zh) 基于电动汽车充电非线性负荷特征的卡尔曼和修正小波变换滤波方法
CN112014785A (zh) 基于弹性网络的空心线圈电流互感器误差补偿方法
CN115878963A (zh) 电容式电压互感器计量误差预测方法、***、终端及介质

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Room 1803-1805, building 2-07, guanggu.core center, 303 Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000

Patentee after: Wuhan Gelanruo Intelligent Technology Co.,Ltd.

Address before: Room 1803-1805, building 2-07, guanggu.core center, 303 Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000

Patentee before: WUHAN GLORY ROAD INTELLIGENT TECHNOLOGY Co.,Ltd.