CN116303480A - 基于云计算的电能表误差校验方法 - Google Patents
基于云计算的电能表误差校验方法 Download PDFInfo
- Publication number
- CN116303480A CN116303480A CN202310573023.0A CN202310573023A CN116303480A CN 116303480 A CN116303480 A CN 116303480A CN 202310573023 A CN202310573023 A CN 202310573023A CN 116303480 A CN116303480 A CN 116303480A
- Authority
- CN
- China
- Prior art keywords
- target
- electric energy
- cluster
- energy meter
- time
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000005611 electricity Effects 0.000 claims abstract description 48
- 238000012216 screening Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 8
- 238000013450 outlier detection Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 10
- 238000012795 verification Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及基于云计算的电能表误差校验方法,包括:储存电能表的电能表数据以构建数据库,其中,电能表数据包括精度等级、用电参数序列和电能增量;依据精度等级将数据库划分为子数据库,对子数据库中的用电参数序列进行聚类得到各精度等级的聚类簇;采集待测电能表实时数据;基于目标精度等级的聚类簇和实时数据计算该目标精度等级的子误差,并综合所有目标精度等级的子误差得到实时误差,目标精度等级等于或大于待测电能表的精度等级;对比实时误差和待测电能表的精度等级得到误差校验结果。本申请的技术方案提高了电能表误差校验的效率,解决了校验时间上的滞后性问题。
Description
技术领域
本申请一般地涉及电能表计量领域,尤其涉及一种基于云计算的电能表误差校验方法。
背景技术
电能表作为一种电能的计量设备,广泛应用于电力***中。电能表计量的准确性直接影响到电力计费和能源管理;比如,当电能表的误差过大时,用户可能会被多收或少收电费,而供电部门也会面临亏损,因此,电能的准确计算对于保障电力***安全稳定运行至关重要。为了保证电能表计量的准确性,供电部门需要对电能表进行校验。
目前,通常需要供电部门的工作人员使用电能表校验仪对电能表进行现场校验。公开号为CN114371439A的专利文件公开了一种应用于智能电能表的现场校验方法,工作人员在被检表的使用现场安装标准表,其中,标准表的精度等级大于被检表;通过对比标准表和被检表的示数判断被检表是否准确。
然而,上述方法需要工作人员在现场对所有电能表的误差进行逐一校验,校验效率低且人工成本较高;同时,由于现场检验的局限性,不能及时地对所有电能表进行校验,使得电能表的误差校验在校验时间上具有滞后性。
发明内容
为了解决现有技术中的上述技术问题,本申请提供了一种基于云计算的电能表误差校验方法,无需对电能表进行现场检验,从而解决电能表误差校验的效率低下以及校验时间上的滞后性问题。
本发明提供了一种基于云计算的电能表误差校验方法,包括:储存电能表数据以构建数据库,其中,所述电能表数据包括电能表的精度等级、预设时间尺度内的用电参数序列和电能增量,所述用电参数序列至少包括电压和电流的时间序列;依据所述精度等级将所述数据库划分为至少一个子数据库,对子数据库中的用电参数序列进行聚类,得到每个精度等级对应的聚类簇;采集待测电能表实时数据,其中,所述实时数据包括所述待测电能表的精度等级、当前时刻对应预设时间尺度内的实时用电参数序列和实时电能增量;基于目标精度等级对应的聚类簇和所述实时数据计算该目标精度等级的子误差,并对所有目标精度等级的子误差进行加权求和得到所述待测电能表的实时误差,其中,所述目标精度等级大于或等于所述待测电能表的精度等级;对比所述实时误差和所述待测电能表的精度等级得到误差校验结果。
在一些实施例中,所述用电参数序列还包括频率时间序列、温度时间序列和功率因数时间序列中的至少一个。
在一些实施例中,所述对子数据库中的用电参数序列进行聚类,得到每个精度等级对应的聚类簇,包括:对任意子数据库中的各用电参数序列进行降维处理以获取对应的低维表示;依据密度聚类算法对所有用电参数序列的低维表示进行聚类,得到所述子数据库对应精度等级的聚类簇;其中,所述密度聚类算法为HDBSCAN算法或DBSCAN算法。
在一些实施例中,所述聚类簇包括一个聚类中心和多个用电参数序列,所述基于目标精度等级对应的聚类簇和所述实时数据计算该目标精度等级的子误差包括:对于目标精度等级对应的任意聚类簇,计算其聚类中心与所述实时用电参数序列之间的相似度;基于所述相似度对所述目标精度等级对应的聚类簇进行筛选以获取目标聚类簇;对于任意目标聚类簇,基于所述实时电能增量和多个电能增量计算该目标聚类簇的簇误差,其中,所述多个电能增量包括该目标聚类簇中各用电参数序列对应的电能增量;基于所有目标聚类簇的簇误差和相似度计算所述目标精度等级的子误差。
在一些实施例中,所述基于所述相似度对所述目标精度等级对应的聚类簇进行筛选以获取目标聚类簇包括:响应于任意聚类簇对应的相似度大于或等于相似度阈值,将该聚类簇作为目标聚类簇;响应于任意聚类簇对应的相似度小于所述相似度阈值,将该聚类簇删除。
在一些实施例中,所述对于任意目标聚类簇,基于所述实时电能增量和多个电能增量计算该目标聚类簇的簇误差,包括:利用离群点检测算法对所述多个电能增量进行检测,得到每个电能增量的离群值;基于所述离群值对所述多个电能增量进行筛选以获取目标电能增量;基于所述实时电能增量、目标电能增量以及每个目标电能增量的离群值计算该目标聚类簇的簇误差,所述簇误差满足关系式:
其中,为目标聚类簇a中目标电能增量的数量,/>和/>分别为目标聚类簇a中第m个目标电能增量和第m个目标电能增量的离群值,/>为所述实时电能增量,为目标聚类簇a中所有目标电能增量的离群值之和,/>表示目标聚类簇a的簇误差。
在一些实施例中,所述基于所述离群值对所述多个电能增量进行筛选以获取目标电能增量包括:响应于任意电能增量对应的离群值小于离群值阈值,将该电能增量作为目标电能增量;响应于任意电能增量对应的离群值大于或等于所述离群值阈值,将该电能增量删除。
在一些实施例中,所述目标精度等级的子误差满足关系式:
在一些实施例中,所述对所有目标精度等级的子误差进行加权求和得到所述待测电能表的实时误差包括:计算每个目标精度等级的参照度,所述参照度满足关系式:
在一些实施例中,所述误差校验结果包括正常和异常,所述方法还包括:响应于所述误差校验结果为正常,将所述待测电能表的实时数据储存在所述数据库中。
本申请实施例提供的上述基于云计算的电能表误差校验方法,通过储存不同精度等级的电能表数据以构建数据库,将目标精度等级对应的电能表数据与被测电能表的实时数据进行对比,计算每个目标精度等级的子误差,其中,目标精度等级大于或等于被测电能表精度等级;综合所有目标精度等级的子误差获取被测电能表在当前时刻的实时误差;基于实时误差自动获取误差校验结果,无需工作人员对电能表进行现场检验,提高了电能表误差校验的效率,同时解决了校验时间上的滞后性问题。
进一步地,在计算每个目标精度等级的子误差时,依据电能表数据中的用电参数序列将电能表数据划分为多个聚类簇,每个聚类簇对应一种用电情况;根据聚类簇中聚类中心与实时用电参数序列的相似度,确定与实时用电参数序列的用电情况相同的目标聚类簇,计算每个目标聚类簇的簇误差,并依据相似度评价各目标聚类簇的簇误差对实时误差计算的参考价值,提高实时误差的准确性。
进一步地,在计算每个目标聚类簇簇误差的过程中,考虑到高精度的电能表对应的电能表数据同样会存在误差的情况,依据离群点检测算法获取目标聚类簇中各电能增量的离群值,并依据离群值评价各电能增量对实时误差计算的参考价值,电能增量的参考价值为,从而提高实时误差的准确性。
进一步地,当误差校验结果为正常时,将待测电能表的实时数据储存在数据库中,不断更新数据库,进而不断提高电能表误差校验结果的准确性。
进一步地,通过用电参数序列实现电能表的误差验证,其中,用电参数序列包括电压时间序列、电流时间序列、频率时间序列、温度时间序列和功率因数时间序列在内的多个影响电能表误差的时间序列数据,结合多种用电参数实现误差校验,从数据源头方面提高了电能表误差校验结果的准确性。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1是根据本申请实施例的基于云计算的电能表误差校验方法的流程图;
图2是根据本申请实施例的电能表数据的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,当本申请的权利要求、说明书及附图使用术语“第一”、“第二”等时,其仅是用于区别不同对象,而不是用于描述特定顺序。本申请的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
根据本申请的第一方面,本申请提供了一种基于云计算的电能表误差校验方法。请参阅图1所示,为本申请较佳实施方式提供的基于云计算的电能表误差校验方法的流程图。根据不同的需求,所述流程图中步骤的顺序可以改变,某些步骤可以省略。
S11,储存电能表数据以构建数据库,其中,所述电能表数据包括电能表的精度等级、预设时间尺度内的用电参数序列和电能增量,所述用电参数序列至少包括电压和电流的时间序列。
在一个可选的实施例中,将预设时间尺度记为T,对于采集时刻t时的任意电能表,获取时刻t至时刻t+T之间的用电参数序列,用电参数序列包括电压时间序列和电流时间序列,其中,电压时间序列和电流时间序列包括每个单位时间的电压值和电流值,电压时间序列和电流时间序列的长度相同且与单位时间的设定有关;进一步,将时刻t至时刻t+T之间该电能表示数的增加量作为电能增量,将电能增量、用电参数序列以及该电能表的精度等级作为一条电能表数据储存在数据库中,其中,所述电能表数据如图2所示,用电参数序列可以反映预设时间尺度内的用电情况。
其中,该电能表可以是预设区域中所有电能表中的任意一个,也可以某一个生产厂商售出的所有电能表中的任意一个。电能表的精度等级是指电能表在测量电能时所能保证的精度水平,通常表示为一个数字,例如1.0或0.5等,其中,精度等级为1.0的电能表在正常工作的前提下,可以保证其测量误差不超过1.0%。
其中,所述单位时间可设为30秒或1分钟,本申请不做限制;优选地,预设时间尺度可以为15分钟到30分钟之间的任意一种时间尺度。
在另一个可选的实施例中,供电频率的变化、电能表所处的环境温度、以及接入电能表的电路中功率因数的变化均会影响电能表示数的准确性。为了提高后续电能表误差校验的准确性,电能表数据中的用电参数序列还可以包括频率时间序列、温度时间序列和功率因数时间序列中的至少一个。
比如,当某个生产厂商需要对投入使用的所有电能表进行误差校验时,由于不同电能表所处区域的温度差异较大,则可在将温度时间序列、电压时间序列和电流时间序列作为电能表数据中的用电参数序列,以避免温度差异影响电能表误差校验结果的准确性。
在一个实施例中,采集不同电能表在相同采集时刻时的电能表数据,相同电能表在不同采集时刻时的电能表数据,或不同电能表在不同采集时刻时的电能表数据;将所有电能表输出均储存在数据库中,完成数据库的构建。
如此,完成数据库的构建,数据库中包括不同精度等级的电能表对应的电能表数据,为实现电能表误差校验提供数据基础。
S12,依据所述精度等级将所述数据库划分为至少一个子数据库,对子数据库中的用电参数序列进行聚类,得到每个精度等级对应的聚类簇。
在一个实施例中,数据库中包括不同精度等级的电能表对应的电能表数据,将精度等级相同的所有电能表数据作为该精度等级对应的子数据库,其中,子数据库与精度等级一一对应。比如,将数据库中精度等级为1.0的所有电能表数据作为精度等级1.0的子数据库,若精度等级包括0.5、1.0、1.5、2.0共4种,则可得到4个与精度等级对应的子数据库。
在一个实施例中,每个子数据库中包括相同精度等级的多条电能表数据,电能表数据中的用电参数序列可以反映预设时间尺度内的用电情况,则对子数据库中用电参数序列进行聚类可以得到每一种用电情况下的聚类簇,具体描述如下。所述对子数据库中的用电参数序列进行聚类,得到每个精度等级对应的聚类簇包括:对任意子数据库中的各用电参数序列进行降维处理以获取对应的低维表示;依据密度聚类算法对所有用电参数序列的低维表示进行聚类,得到所述子数据库对应精度等级的聚类簇;其中,所述密度聚类算法为HDBSCAN算法或DBSCAN算法。
其中,所述降维处理可采用PCA算法或自编码网络实现,通过降维处理可得到子数据库每个用电参数序列对应的低维表示,该低纬表示的数据量小于用电参数序列,进而降低密度聚类算法的计算量,提高聚类效率。
其中,HDBSCAN算法和DBSCAN算法均不需要设置聚类簇的数量,可根据所有用电参数序列的低维表示的分布情况自适应确定聚类簇的数量,所述聚类簇的数量大于或等于1。
其中,每个聚类簇中包括一个聚类中心和至少一个电参数序列,其中所述聚类中心为所述至少一个电参数序列的平均值;同一个聚类簇中的电参数序列属于同一种用电情况。
如此,对每一个子数据库中的用电参数序列进行聚类,可得到每个精度等级对应的聚类簇,每一个簇对应一种用电情况。
S13,采集待测电能表实时数据,其中,所述实时数据包括所述待测电能表的精度等级、当前时刻对应预设时间尺度内的实时用电参数序列和实时电能增量。
在一个可选的实施例中,待测电能表为预设区域中所有电能表或某生产厂商售出的所有电能表中的任意一个需要进行误差校验的电能表。其中,当前时刻对应预设时间尺度为以当前时刻为预设时间尺度的结束时刻对应的预设时间尺度,也就是说,当前时刻对应预设时间尺度为,其中,/>为当前时刻。
其中,实时用电参数序列与电能表数据中用电参数序列包括同种的用电参数。比如,当电能表数据中用电参数序列包括电压时间序列、电流时间序列和温度时间序列时,则所述实时用电参数序列中同样包括电压时间序列、电流时间序列和温度时间序列。
S14,基于目标精度等级对应的聚类簇和所述实时数据计算该目标精度等级的子误差,并对所有目标精度等级的子误差进行加权求和得到所述待测电能表的实时误差,其中,所述目标精度等级大于或等于所述待测电能表的精度等级。
在一个可选的实施例中,精度等级大于待测电能表精度等级的电能表可以获得更为准确的电能增量,可用于计算待测电能表的实时误差,此外,精度等级与待测电能表精度等级相等的电能表也可提供一定的参考价值,用于计算待测电能表的实时误差。本申请将等于或大于所述待测电能表的所有精度等级作为目标精度等级,用于计算待测电能表的实时误差;也就是说,所述目标精度等级的数量为至少一个,在充分利用现有电能表数据的同时,提高待测电能表实时误差的准确性。
在一个实施例中,目标精度等级对应聚类簇的数量为至少一个,且每个聚类簇均包括一个聚类中心和多个用电参数序列,所述基于目标精度等级对应的聚类簇和所述实时数据计算该目标精度等级的子误差包括:对于目标精度等级对应的任意聚类簇,计算其聚类中心与所述实时用电参数序列之间的相似度;基于所述相似度对所述目标精度等级对应的聚类簇进行筛选以获取目标聚类簇;对于任意目标聚类簇,基于所述实时电能增量和多个电能增量计算该目标聚类簇的簇误差,其中,所述多个电能增量包括该目标聚类簇中各用电参数序列对应的电能增量;基于所有目标聚类簇的簇误差和相似度计算所述目标精度等级的子误差。
其中,聚类中心与所述实时用电参数序列之间的相似度可采用余弦相似度或欧氏距离等现有的相似度算法获得。
需要说明的是,聚类簇中的多个用电参数序列可以为原始的用电参数序列或用电参数序列对应的低维表示;其中,当聚类簇中的多个用电参数序列为用电参数序列对应的低维表示时,聚类簇的聚类中心为所有低维表示的平均值。
在一个实施例中,所述基于所述相似度对所述目标精度等级对应的聚类簇进行筛选以获取目标聚类簇包括:响应于任意聚类簇对应的相似度大于或等于相似度阈值,将该聚类簇作为目标聚类簇;响应于任意聚类簇对应的相似度小于所述相似度阈值,将该聚类簇删除。其中,所述相似度阈值为0.6。
可以理解地,当任意聚类簇对应的相似度大于或等于相似度阈值时,表示该聚类簇对应的用电情况与实时用电参数序列的用电情况相同,将该聚类簇作为目标聚类簇,用于计算待测电能表的实时误差;当任意聚类簇对应的相似度小于相似度阈值时,表示该聚类簇对应的用电情况与实时用电参数序列的用电情况差异较大,即该聚类簇对待测电能表实时误差的计算不具有参考价值,将其舍弃。
在一个实施例中,所述对于任意目标聚类簇,基于所述实时电能增量和多个电能增量计算该目标聚类簇的簇误差,包括:利用离群点检测算法对所述多个电能增量进行检测,得到每个电能增量的离群值;基于所述离群值对所述多个电能增量进行筛选以获取目标电能增量;基于所述实时电能增量、目标电能增量以及每个目标电能增量的离群值计算该目标聚类簇的簇误差,所述簇误差满足关系式:
其中,为目标聚类簇a中目标电能增量的数量,/>和/>分别为目标聚类簇a中第m个目标电能增量和第m个目标电能增量的离群值,/>为所述实时电能增量,为目标聚类簇a中所有目标电能增量的离群值之和,/>表示目标聚类簇a的簇误差;/>可以反映第m个目标电能增量对实时误差计算的参考价值。
其中,离群点检测算法为LOF算法或孤立森林算法,用于计算目标聚类簇中每个电能增量的离群值,该离群值可以反应电能增量的误差程度,将离群值参与簇误差的计算,避免高精度电能表的误差对簇误差的影响。
可以理解地,同一个目标聚类簇中的所有电能增量,为相同精度等级的电能表在相同用电情况下的采集到的,当所有电能表不存在误差时,同一目标聚类簇中的所有电能增量应该汇聚于一点。
在一个是实例中,当电能增量的离群值较大时,该电能增量与同一目标聚类簇中其他电能增量之间的距离较远,也就是说该电能增量的误差较大,对待测电能表实时误差的计算不具有参考价值,应将其舍弃;具体描述如下。所述基于所述离群值对所述多个电能增量进行筛选以获取目标电能增量包括:响应于任意电能增量对应的离群值小于离群值阈值,将该电能增量作为目标电能增量;响应于任意电能增量对应的离群值大于或等于所述离群值阈值,将该电能增量删除。其中,离群值阈值的取值为0.4。
在一个实施例中,计算每一个目标聚类簇的簇误差后,基于所有目标聚类簇的簇误差和相似度计算所述目标精度等级的子误差;其中,目标聚类簇对应的相似度越大,则该目标聚类簇的簇误差对待测电能表在当前时刻误差校验结果的参考价值越大,所述目标精度等级的子误差满足关系式:
其中,和/>分别为目标聚类簇a的相似度和簇误差,N为所述目标精度等级对应的目标聚类簇的数量,/>为所述目标精度等级对应的所有目标聚类簇的相似度之和,/>为目标精度等级k的子误差;/>可以反映第a个目标聚类簇的簇误差/>对实时误差计算的参考价值。
在一个实施例中,得到所有目标精度的子误差之后,综合所有目标精度的子误差可获取待测电能表在当前时刻的实时误差,具体描述如下。所述对所有目标精度等级的子误差进行加权求和得到所述待测电能表的实时误差包括:计算每个目标精度等级的参照度,所述参照度满足关系式:
如此,在计算每个目标精度等级的子误差时,依据电能表数据中的用电参数序列将电能表数据划分为多个聚类簇,每个聚类簇对应一种用电情况;根据聚类簇中聚类中心与实时用电参数序列的相似度,确定与实时用电参数序列的用电情况相同的目标聚类簇,计算每个目标聚类簇的簇误差,并依据相似度评价各目标聚类簇的簇误差对实时误差计算的参考价值,提高实时误差的准确性;进一步地,在计算每个目标聚类簇簇误差的过程中,考虑到电能表数据存在误差的情况,依据离群点检测算法评价目标聚类簇中各电能增量对实时误差计算的参考价值,进一步提高实时误差的准确性。
S15,对比所述实时误差和所述待测电能表的精度等级得到误差校验结果。
在一个可选的实施例中,响应于所述实时误差大于所述待测电能表的精度等级,表示实时误差超出所述待测电能表的最大允许误差,即待测电能表的误差校验结果为异常;响应于所述实时误差不大于所述待测电能表的精度等级,表示实时误差未超出所述待测电能表的最大允许误差,即待测电能表的误差校验结果为正常。其中,待测电能表的精度等级对应于最大允许误差。
其中,响应于所述误差校验结果为异常,则提醒工作人员进行检修。
在一个可选的实施例中,响应于所述误差校验结果为正常,将所述待测电能表的实时数据储存在所述数据库中,实现数据库的更新;将更新后的数据库用于下一次电能表的误差校验,以不断提高电能表误差校验结果的准确性。
如此,通过对比实时误差和待测电能表的精度等级自动获取当前时刻的误差校验结果,解决了校验时间上的滞后性问题,且无需工作人员对电能表进行现场检验,提高了电能表误差校验的效率;同时,当误差校验结果为正常时,将待测电能表的实时数据储存在数据库中,不断更新数据库,进而不断提高电能表误差校验结果的准确性。
本申请实施例提供的上述基于云计算的电能表误差校验方法,通过储存不同精度等级的电能表数据以构建数据库,将目标精度等级对应的电能表数据与被测电能表的实时数据进行对比,计算出每个目标精度等级的子误差,其中,目标精度等级大于或等于被测电能表精度等级;综合所有目标精度等级的子误差自动获取被测电能表在当前时刻的实时误差,无需工作人员对电能表进行现场检验,提高了电能表误差校验的效率,同时解决了校验时间上的滞后性问题。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于云计算的电能表误差校验方法,其特征在于:
储存电能表数据以构建数据库,其中,所述电能表数据包括电能表的精度等级、预设时间尺度内的用电参数序列和电能增量,所述用电参数序列至少包括电压和电流的时间序列;
依据所述精度等级将所述数据库划分为至少一个子数据库,对子数据库中的用电参数序列进行聚类,得到每个精度等级对应的聚类簇;
采集待测电能表实时数据,其中,所述实时数据包括所述待测电能表的精度等级、当前时刻对应预设时间尺度内的实时用电参数序列和实时电能增量;
基于目标精度等级对应的聚类簇和所述实时数据计算该目标精度等级的子误差,并对所有目标精度等级的子误差进行加权求和得到所述待测电能表的实时误差,其中,所述目标精度等级大于或等于所述待测电能表的精度等级;
对比所述实时误差和所述待测电能表的精度等级得到误差校验结果。
2.如权利要求1所述的一种基于云计算的电能表误差校验方法,其特征在于,所述用电参数序列还包括频率时间序列、温度时间序列和功率因数时间序列中的至少一个。
3.如权利要求1所述的一种基于云计算的电能表误差校验方法,其特征在于,所述对子数据库中的用电参数序列进行聚类,得到每个精度等级对应的聚类簇,包括:
对任意子数据库中的各用电参数序列进行降维处理以获取对应的低维表示;
依据密度聚类算法对所有用电参数序列的低维表示进行聚类,得到所述子数据库对应精度等级的聚类簇;
其中,所述密度聚类算法为HDBSCAN算法或DBSCAN算法。
4.如权利要求1所述的一种基于云计算的电能表误差校验方法,其特征在于,所述聚类簇包括一个聚类中心和多个用电参数序列,所述基于目标精度等级对应的聚类簇和所述实时数据计算该目标精度等级的子误差包括:
对于目标精度等级对应的任意聚类簇,计算其聚类中心与所述实时用电参数序列之间的相似度;
基于所述相似度对所述目标精度等级对应的聚类簇进行筛选以获取目标聚类簇;
对于任意目标聚类簇,基于所述实时电能增量和多个电能增量计算该目标聚类簇的簇误差,其中,所述多个电能增量包括该目标聚类簇中各用电参数序列对应的电能增量;
基于所有目标聚类簇的簇误差和相似度计算所述目标精度等级的子误差。
5.如权利要求4所述的一种基于云计算的电能表误差校验方法,其特征在于,所述基于所述相似度对所述目标精度等级对应的聚类簇进行筛选以获取目标聚类簇包括:
响应于任意聚类簇对应的相似度大于或等于相似度阈值,将该聚类簇作为目标聚类簇;
响应于任意聚类簇对应的相似度小于所述相似度阈值,将该聚类簇删除。
6.如权利要求4所述的一种基于云计算的电能表误差校验方法,其特征在于,所述对于任意目标聚类簇,基于所述实时电能增量和多个电能增量计算该目标聚类簇的簇误差,包括:
利用离群点检测算法对所述多个电能增量进行检测,得到每个电能增量的离群值;
基于所述离群值对所述多个电能增量进行筛选以获取目标电能增量;
基于所述实时电能增量、目标电能增量以及每个目标电能增量的离群值计算该目标聚类簇的簇误差,所述簇误差满足关系式:
7.如权利要求6所述的一种基于云计算的电能表误差校验方法,其特征在于,所述基于所述离群值对所述多个电能增量进行筛选以获取目标电能增量包括:
响应于任意电能增量对应的离群值小于离群值阈值,将该电能增量作为目标电能增量;
响应于任意电能增量对应的离群值大于或等于所述离群值阈值,将该电能增量删除。
10.如权利要求1所述的一种基于云计算的电能表误差校验方法,其特征在于,所述误差校验结果包括正常和异常,所述方法还包括:
响应于所述误差校验结果为正常,将所述待测电能表的实时数据储存在所述数据库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310573023.0A CN116303480B (zh) | 2023-05-22 | 2023-05-22 | 基于云计算的电能表误差校验方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310573023.0A CN116303480B (zh) | 2023-05-22 | 2023-05-22 | 基于云计算的电能表误差校验方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116303480A true CN116303480A (zh) | 2023-06-23 |
CN116303480B CN116303480B (zh) | 2023-08-04 |
Family
ID=86815280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310573023.0A Active CN116303480B (zh) | 2023-05-22 | 2023-05-22 | 基于云计算的电能表误差校验方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116303480B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117572332A (zh) * | 2024-01-16 | 2024-02-20 | 北京京仪北方仪器仪表有限公司 | 一种基于云计算的电能表误差校验方法及*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109342989B (zh) * | 2018-08-16 | 2020-09-08 | 全球能源互联网研究院有限公司 | 一种电能表的误差分析方法及装置 |
CN113853528A (zh) * | 2019-06-21 | 2021-12-28 | 西门子股份公司 | 用电异常识别方法、装置和计算机可读存储介质 |
CN112557997B (zh) * | 2019-09-26 | 2023-11-03 | 深圳电蚂蚁数据技术有限公司 | 一种便于校验误差的网状电能传感器***和误差校验方法 |
CN113971426A (zh) * | 2020-07-22 | 2022-01-25 | 中移(苏州)软件技术有限公司 | 一种信息获取方法、装置、设备及存储介质 |
CN112305492B (zh) * | 2020-10-30 | 2021-08-31 | 国网山东省电力公司营销服务中心(计量中心) | 一种智能电能表在线误差校验精确控制***及其方法 |
CN112699913B (zh) * | 2020-11-25 | 2023-08-29 | 国网湖南省电力有限公司 | 一种台区户变关系异常诊断方法及装置 |
CN112800231B (zh) * | 2021-03-31 | 2021-07-20 | 南方电网数字电网研究院有限公司 | 电力数据校验方法、装置、计算机设备和存储介质 |
-
2023
- 2023-05-22 CN CN202310573023.0A patent/CN116303480B/zh active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117572332A (zh) * | 2024-01-16 | 2024-02-20 | 北京京仪北方仪器仪表有限公司 | 一种基于云计算的电能表误差校验方法及*** |
CN117572332B (zh) * | 2024-01-16 | 2024-03-22 | 北京京仪北方仪器仪表有限公司 | 一种基于云计算的电能表误差校验方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116303480B (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110471024B (zh) | 一种基于量测数据分析的智能电表在线远程校验方法 | |
CN112684401B (zh) | 轻载台区电能表运行误差数据的处理方法及*** | |
CN108593990B (zh) | 一种基于电能用户用电行为模式的窃电检测方法和应用 | |
CN113267692B (zh) | 一种低压台区线损智能诊断分析方法和*** | |
CN112684400B (zh) | 小电量台区的电能表运行误差数据监测方法及*** | |
CN116303480B (zh) | 基于云计算的电能表误差校验方法 | |
CN103886518A (zh) | 一种基于监测点电能质量数据挖掘的电压暂降预警方法 | |
CN112701675A (zh) | 基于筛选电压数据的配电台区用户相别辨识方法及*** | |
CN112034408A (zh) | Bms电流采集精度的测试***、方法及可读存储介质 | |
CN113985339A (zh) | 智能电表的误差诊断方法及***、设备、存储介质 | |
CN113391256B (zh) | 一种现场作业终端的电能表计量故障分析方法及*** | |
KR20160074325A (ko) | 기상변화에 따른 전력수요지수 예측 시스템 및 그 방법 | |
CN112990730B (zh) | 一种利用人为采集失败增强电量相关性特征的方法 | |
CN112345972A (zh) | 基于停电事件的配电网线变关系异常诊断方法、装置及*** | |
CN115207909A (zh) | 一种台区拓扑识别方法、装置、设备及存储介质 | |
CN113505943B (zh) | 一种电网短期负荷的预测方法、***、设备和介质 | |
CN108599147A (zh) | 基于正态指数平滑法与核密度估计的组合区间预测方法 | |
CN110659824B (zh) | 电量平衡测算方法和装置 | |
CN114705908A (zh) | 一种智能电表状态监测装置及其使用方法 | |
CN109521312B (zh) | 一种非技术线损检测方法、装置及*** | |
CN113723671A (zh) | 一种基于用电情况大数据的数据聚类分析方法 | |
CN111080068A (zh) | 一种电能表运行状态评价方法和装置 | |
CN102486502B (zh) | 电力特征辨识装置及其方法 | |
CN110866338A (zh) | 基于耦合阻抗模型求取视在阻抗模型的方法及装置 | |
CN115954872A (zh) | 一种配电网动态特性的评估方法、装置、终端及存储介质 |
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 |