一种电能计量误差预测方法及设备技术

本申请公开了一种电能计量误差预测方法及设备，该方法包括：对目标时间段内电能计量装置的电能计量误差信号进行分解，得到误差趋势分量时间序列和误差旋转分量时间序列；分别构上述时间序列的预测模型，相应地得到趋势分量预测模型和旋转分量预测模型；分别利用趋势分量预测模型和旋转分量预测模型对电能计量误差进行预测，相应地得到趋势分量预测值和旋转分量预测值；对趋势分量预测值和旋转分量预测值进行叠加，得到整体计量误差预测结果。本申请通过对已知的电能计量误差信号进行分解，从而得到误差趋势分量时间序列和误差旋转分量时间序列，基于这两种时间序列进行了预测模型的构建，进而实现了对电能计量装置的整体计量误差的预测。

【技术实现步骤摘要】

本专利技术涉及电能计量误差预测
，特别涉及一种电能计量误差预测方法及 设备。
技术介绍
当前，随着电力行业市场化改革的深入进行，如何确保电能计量装置的准确性，维 护电力市场公平有序的运转是电力市场的重点研究课题。 电能计量装置的误差水平主要由电能表、电压互感器、电流互感器和二次回路等 四个部分的误差综合而成。目前对电能计量误差水平研究的重点主要是在于对电能计量装 置的误差水平进行在线监测，而无法实现对电能计量误差水平的有效预测，从而使得人们 无法及时地避免由于较大计量误差对电力市场的公平有序运转所产生的不良影响。 综上所述可以看出，如何实现对电能计量误差水平的有效预测是目前亟待解决的 问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种电能计量误差预测方法及设备，实现了对 电能计量误差水平的有效预测，从而使得人们能够及时地避免由于较大计量误差对电力市 场的公平有序运转所产生的不良影响。其具体方案如下： 一种电能计量误差预测方法，包括： 对目标时间段内电能计量装置的电能计量误差信号进行分解，得到误差趋势分量 时间序列和误差旋转分量时间序列，其中，所述误差趋势分量时间序列包括一个误差趋势 分量，所述误差旋转分量时间序列包括至少两个旋转分量； 分别构建所述误差趋势分量时间序列和所述误差旋转分量时间序列的预测模型， 相应地得到趋势分量预测模型和旋转分量预测模型； 分别利用所述趋势分量预测模型和所述旋转分量预测模型对电能计量误差进行 预测，相应地得到趋势分量预测值和旋转分量预测值； 对所述趋势分量预测值和所述旋转分量预测值进行叠加，得到所述电能计量装置 的整体计量误差预测结果。 优选的，所述对目标时间段内电能计量装置的电能计量误差信号进行分解，得到 误差趋势分量时间序列和误差旋转分量时间序列的过程包括： 利用改进本征时间尺度分解法，对所述目标时间段内电能计量装置的电能计量误 差信号进行分解，得到所述误差趋势分量时间序列和所述误差旋转分量时间序列。 优选的，所述利用改进本征时间尺度分解法，对所述目标时间段内电能计量装置 的电能计量误差信号进行分解，得到所述误差趋势分量时间序列和所述误差旋转分量时间 序列的过程包括： 确定所述目标时间段内电能计量装置的电能计量误差信号中的M个极值点坐标， M为正整数； 利用镜像对称延拓法，对所述M个极值点的两端进行极值点延拓，得到延拓后的 两个极值端点坐标，并将所述两个极值端点坐标添入所述M个极值点坐标中，得到M+2个极 值点坐标； 提取所述M+2个极值点坐标中每相邻两个极值点坐标之间的基线信号，得到多个 基线信号； 利用三次样条插值对所述多个基线信号进行拟合，得到拟合基线信号； 从所述目标时间段内电能计量装置的电能计量误差信号中分离出所述拟合基线 信号，得到分离后误差信号； 对所述分离后误差信号进行分解，得到所述误差趋势分量时间序列和所述误差旋 转分量时间序列。 优选的，所述分别构建所述误差趋势分量时间序列和所述误差旋转分量时间序列 的预测模型，相应地得到趋势分量预测模型和旋转分量预测模型的过程包括： 构建所述误差趋势分量时间序列的ARM模型，得到所述趋势分量预测模型，构建 所述误差旋转分量时间序列的ARIMA模型，得到所述旋转分量预测模型。 优选的，所述构建所述误差趋势分量时间序列的ARMA模型，得到所述趋势分量预 测模型，构建所述误差旋转分量时间序列的ARIM模型，得到所述旋转分量预测模型的过 程包括： 基于赤池信息量准则，采用从低阶往高阶逐次增加的试探方法，计算得到不同阶 数所对应的赤池信息量，并将所有得到的赤池信息量中数值最小的赤池信息量所对应的阶 数确定为目标预测模型的模型阶数，所述目标预测模型包括所述趋势分量预测模型和所述 旋转分量预测模型； 利用非线性最小二乘估计算法和BFGS算法，确定所述目标预测模型的模型参数； 根据所述模型阶数和所述模型参数，构建所述误差趋势分量时间序列的ARMA模 型和所述误差旋转分量时间序列的ARIMA模型，相应地得到所述趋势分量预测模型和所述 旋转分量预测模型。 优选的，所述基于赤池信息量准则，采用从低阶往高阶逐次增加的试探方法，计算 得到不同阶数所对应的赤池信息量的过程之前，还包括： 利用ADF法，对所述误差旋转分量时间序列中每一个旋转分量的稳定性进行检 测； 当检测出任一旋转分量的稳定性不满足预设稳定性时，利用差分运算对该旋转分 量进行平稳化处理。 优选的，所述相应地得到所述趋势分量预测模型和所述旋转分量预测模型的过程 之前，还包括： 分别对所述误差趋势分量时间序列的ARMA模型和所述误差旋转分量时间序列的 ARIMA模型进行白噪声检测； 当检测出任一误差分量对应的模型的白噪声大于预设噪声值时，则对该误差分量 所对应的模型的模型参数进行重新调整，以使调整后得到的模型的白噪声低于或等于所述 预设噪声值。 本专利技术还公开了一种电能计量误差预测设备，包括： 误差信号分解器，用于对目标时间段内电能计量装置的电能计量误差信号进行分 解，得到误差趋势分量时间序列和误差旋转分量时间序列，其中，所述误差趋势分量时间序 列包括一个误差趋势分量，所述误差旋转分量时间序列包括至少两个旋转分量； 预测模型构建器，用于分别构建所述误差趋势分量时间序列和所述误差旋转分量 时间序列的预测模型，相应地得到趋势分量预测模型和旋转分量预测模型； 误差预测装置，用于分别利用所述趋势分量预测模型和所述旋转分量预测模型对 电能计量误差进行预测，相应地得到趋势分量预测值和旋转分量预测值； 数据处理装置，用于对所述趋势分量预测值和所述旋转分量预测值进行叠加，得 到所述电能计量装置的整体计量误差预测结果。 优选的，所述误差信号分解器具体为，利用改进本征时间尺度分解法，对所述目标 时间段内电能计量装置的电能计量误差信号进行分解，得到所述误差趋势分量时间序列和 所述误差旋转分量时间序列的改进式误差信号分解器。 优选的，所述预测模型构建器包括： ARMA模型构建器，用于构建所述误差趋势分量时间序列的ARMA模型，得到所述趋 势分量预测模型； ARIMA模型构建器，用于构建所述误差旋转分量时间序列的ARIMA模型，得到所述 旋转分量预测模型。 本专利技术中，通过对目标时间段内电能计量装置的电能计量误差信号进行分解，得 到了误差趋势分量时间序列和误差旋转分量时间序列；接着对误差趋势分量时间序列和 误差旋转分量时间序列进行预测模型的构建，相应地得到了趋势分量预测模型和旋转分量 预测模型，并利用上述两种预测模型对电能计量误差进行预测，然后对预测后得到的趋势 分量预测值和旋转分量预测值进行叠加，从而得到了电能计量装置的整体计量误差预测结 果。由上可见，本专利技术通过对已知的电能计量误差信号进行分解，从而得到误差趋势分量时 间序列和误差旋转分量时间序列，基于这两种时间序列进行了预测模型的构建，进而实现 了对电能计量装置的整体计量误差的预测。也即，本专利技术实现了对电能计量误差水平的有 效预测，从而使得人们能够及时地避免由于较大计量误差对电力市场的公平有序运转所产 生的不良影响。【附图说明】 为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需本文档来自技高网...

【技术保护点】
一种电能计量误差预测方法，其特征在于，包括：对目标时间段内电能计量装置的电能计量误差信号进行分解，得到误差趋势分量时间序列和误差旋转分量时间序列，其中，所述误差趋势分量时间序列包括一个误差趋势分量，所述误差旋转分量时间序列包括至少两个旋转分量；分别构建所述误差趋势分量时间序列和所述误差旋转分量时间序列的预测模型，相应地得到趋势分量预测模型和旋转分量预测模型；分别利用所述趋势分量预测模型和所述旋转分量预测模型对电能计量误差进行预测，相应地得到趋势分量预测值和旋转分量预测值；对所述趋势分量预测值和所述旋转分量预测值进行叠加，得到所述电能计量装置的整体计量误差预测结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：蒋涛，刘理峰，杨峰，李题印，胡坚，高国峰，孙微庭，
申请(专利权)人：杭州凯达电力建设有限公司，国家电网公司，国网浙江杭州市余杭区供电公司，国网浙江省电力公司杭州供电公司，国网浙江省电力公司，
类型：发明
国别省市：浙江;33