一种基于人工智能技术的电能表误差诊断方法技术

技术编号:20818437 阅读:27 留言:0更新日期:2019-04-10 05:34
本发明专利技术涉及一种基于人工智能技术的电能表误差诊断方法,包括以下步骤:1)获取基础数据,进行数据预处理;2)通过一误差分析模型计算电能表的误差;3)获取一段时间内的误差变化趋势;4)基于所述误差变化趋势和一神经网络模型获得误差产生原因。与现有技术相比,本发明专利技术具有电能表误差分析准确性、有效提高工作效率等优点。

【技术实现步骤摘要】
一种基于人工智能技术的电能表误差诊断方法
本专利技术涉及一种电能表计量准确性判断方法,尤其是涉及一种基于人工智能技术的电能表误差诊断方法。
技术介绍
电能表计量准确性是衡量电能表质量的关键指标,关系到计量公平、公正,深受公司和社会各界关注,在实际运行过程中,由于受电能表本身质量水平、运行环境等因素影响,其计量准确性会发生变化,当超过允许的变化范围时将导致计量不合格。目前对运行电能表计量性能的评价一般通过周期检定、运行抽检、用户审校等人工方式开展,缺乏智能化的实时监控手段,无法及时发现并处理故障,损害了公司和用户的利益,破坏了公司的形象。另外,电能表计量数据蕴含了大量的信息,可以为公司优化管理决策提供依据,但缺乏一种智能化手段进行快速、全面的分析。通过人工方式开展误差分析诊断工作效率较低,大量运行电能表都是合格的,既浪费了人力物力资源,又无法对故障表及时定位。目前,在国外电力计量发达的国家在电网研究领域,着重电能表应用的“电子化、长寿命化、标准化、模块化、网络化、智能化”发展方向。在检修及测量等方面,研究方向由以前的周期性检修分析,转向状态检修分析,对计量校准提出更准确和低成本的需求。并通过加强电能表质量控制来保证计量误差的准确性,运行一定年限后开始抽样检测其误差,更换故障电能表;在误差控制方面,从2002年开始,国际法制计量组织(OIML)组织起草并修订了IR46技术文件,将计量部分与管理部分分开,进一步强化了电能表计量性能方面的要求。且在计量装置状态监测领域已经对该方面的监测技术开展研究并提出许多相关的方案。远程误差诊断方面,芬兰阿尔托大学的AkseliKorhonen利用自动抄表数据进行表计误差的标定研究,推导出了一种基于树形拓扑的仪表系统误差的递归计算方法并确定了其置信区间,但是该算法的适用性取决于能耗、表计数量、表计分辨率及预期精度等因素,特别是当总表与用户表计之间产生较大误差时,该算法将不能准确估计表计误差。目前运行电能表的误差检定办法主要是通过相关专业人员通过专业设备到现场进行检验,根据现行规程对电能表进行检验。现有文献对于I、II、III类电能表实行首检及周期性检定,对于其它类电能表进行周期性抽查,该方法滞后性较强,工作量巨大,且存在较大盲目性。为了减少检定工作的工作量,将综合运用了计算机技术、移动通信技术、自动控制技术等,采用软硬件结合的方式,远距离对电能表进行校准、监测、数据传输,实现对电能表的远程校验,解决人工周期检定的一系列弊端,省却人工去现场校验的过程,节省大量人力、车辆和校验成本,及时发现和处理异常电能表,如误差超差、窃电等情况,避免更大的电量损失。而国内外应用最多、效果最好的是采用智能网络化电能计量装置异常运行测录装置,其原理是在负载端加装了一个负荷采集系统采集电压、电流信号,并将数据通过负控设备的信道传回,在后台利用数据分析系统,将电能计量装置采集的计量值与后台分析系统计算所得的电量值进行比较,以此来判断该用户电能计量装置的准确性。但该方法需要在现场投入大量的现场监测设备,增大了设备投入和设备运维成本。基于用电信息采集系统采集的海量数据,综合利用皮尔逊相关系数法、灰色GM(1,1)算法实现对异常电能表的智能判断。通过在用户用电量和线损量之间建立数学模型,利用皮尔逊相关系数法来分析用户电能表计量值与台区线损量之间的变化特征和规律性,并在此基础上来定位异常电能表,以此来提高异常电能计量装置排查的准确性和实时性。该方法利用数理统计的方法,对采集的数据进行集中处理,具有人力投入少、计算精度高、排查周期短等优点。但该方法无法对电能表的误差进行量化。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于人工智能技术的电能表误差诊断方法。本专利技术的目的可以通过以下技术方案来实现:一种基于人工智能技术的电能表误差诊断方法,包括以下步骤:1)获取基础数据,进行数据预处理;2)通过一误差分析模型计算电能表的误差;3)获取一段时间内的误差变化趋势;4)基于所述误差变化趋势和一神经网络模型获得误差产生原因。进一步地,所述基础数据包括台区用户用电量、台区总表电量、台区户表关系数据、线损和用户档案数据。进一步地,所述数据预处理包括时间同步、数据清洗处理、校核处理、数据缺失处理和样本集优化处理。进一步地,所述样本集优化处理具体为:选择具有独立同分布特性的时刻负载,通过聚类方法将原始数据按照台区总负载在各用户间的分布特征聚类,选择数据量较大的集合作为最优的样本集。进一步地,所述误差分析模型为考虑台区总表与用户表之间的时间同步关系、线损与用户表电量的关联关系以及负载变化和三相不平衡影响的误差线性回归模型。进一步地,所述误差线性回归模型表示为:式中,Φ(t)为t时段台区用电量,φi(t)为第i个电能表t时段用电量,εi为第i个电能表计量误差,η为台区线损与用电量的关系系数,σ为台区其他固定损耗,n为电能表总数。进一步地,所述步骤3)中,通过时间序列模型获得误差变化趋势。进一步地,该方法还包括:5)根据所述误差产生原因,产生现场业务派单通知。进一步地,该方法还包括:6)对误差变化趋势和误差产生原因进行可视化。进一步地,该方法还包括:7)基于所述误差产生原因与基础数据的对应关系优化更新所述误差分析模型和神经网络模型。与现有技术相比,本专利技术具有以如下有益效果:1、本专利技术利用人工智能技术实现电能表误差的远程分析,实时掌握每块电能表误差的变化趋势,分析电能表在各种情况下的计量缺陷并做出诊断结论,能够及时发现并处理运行质量问题,有效提升在产品质量及管控方面的管理水平和客户优质服务水平,通过对诊断结果的分析,能够指导轮换、消缺等工作的开展,推动电能表智能化运维,优化公司资源配置,节约人力成本。2、本专利技术采用独立同分布台区负载条件下的电能表误差分析优化方法,对参与分析的负荷样本集进行优化,极大降低线损变量的影响,提升电能表误差分析的准确性。3、本专利技术采用基于神经网络的误差产生原因诊断,深度挖掘电能表误差产生的原因,能够在样本空间较少的情况下保证学习效果,提升模型的泛化能力与鲁棒性。4、本专利技术可以根据误差产生原因产生现场业务派单通知,实现采集运维优选派工机制下智能电能表远程误差分析结果的现场验证工作,提高工作效率。附图说明图1为本专利技术的流程示意图;图2为本专利技术的数据关联关系示意图;图3为本专利技术误差分析过程示意图;图4为本专利技术误差产生原因诊断示意图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本专利技术的保护范围不限于下述的实施例。如图1所示,本专利技术提供一种基于人工智能技术的电能表误差诊断方法,包括以下步骤:步骤S101,获取基础数据,进行数据预处理,包括时间同步、数据清洗处理、校核处理、数据缺失处理和样本集优化处理等;步骤S102,通过一误差分析模型计算电能表的误差,获取一段时间内的误差变化趋势;步骤S103,基于所述误差变化趋势和一神经网络模型获得误差产生原因。1、基础数据及其关联性分析本专利技术的基础数据包括台区用户用电量、台区总表电量、台区户表关系数据、线损和用户档案数据,从用电信息采集系统、MDS(计量中心本文档来自技高网
...

【技术保护点】
1.一种基于人工智能技术的电能表误差诊断方法,其特征在于,包括以下步骤:1)获取基础数据,进行数据预处理;2)通过一误差分析模型计算电能表的误差;3)获取一段时间内的误差变化趋势;4)基于所述误差变化趋势和一神经网络模型获得误差产生原因。

【技术特征摘要】
1.一种基于人工智能技术的电能表误差诊断方法,其特征在于,包括以下步骤:1)获取基础数据,进行数据预处理;2)通过一误差分析模型计算电能表的误差;3)获取一段时间内的误差变化趋势;4)基于所述误差变化趋势和一神经网络模型获得误差产生原因。2.根据权利要求1所述的基于人工智能技术的电能表误差诊断方法,其特征在于,所述基础数据包括台区用户用电量、台区总表电量、台区户表关系数据、线损和用户档案数据。3.根据权利要求1所述的基于人工智能技术的电能表误差诊断方法,其特征在于,所述数据预处理包括时间同步、数据清洗处理、校核处理、数据缺失处理和样本集优化处理。4.根据权利要求3所述的基于人工智能技术的电能表误差诊断方法,其特征在于,所述样本集优化处理具体为:选择具有独立同分布特性的时刻负载,通过聚类方法将原始数据按照台区总负载在各用户间的分布特征聚类,选择数据量较大的集合作为最优的样本集。5.根据权利要求1所述的基于人工智能技术的电能表误差诊断方法,其特征在于,所述误差分析模型为考虑台区总表与用户表之间的时间同步关...

【专利技术属性】
技术研发人员:朱彬若王新刚朱铮江剑峰顾臻
申请(专利权)人:国网上海市电力公司
类型:发明
国别省市:上海,31

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1