一种数字化电能计量系统运行误差长期预测方法及设备技术方案

本发明专利技术提供一种数字化电能计量系统运行误差长期预测方法及设备，获得数字化电能计量系统在时间段中的误差影响因素集及历史误差数据集，采用蜉蝣算法对稀疏自动编码的超参数进行寻优，实现了误差影响因素特征的精准提取，进而提高了预测模型的准确度；采用不同时间尺度的预测模型进行迭代优化长期预测模型，提高了长期预测模型的准确度。提高了长期预测模型的准确度。提高了长期预测模型的准确度。

【技术实现步骤摘要】
一种数字化电能计量系统运行误差长期预测方法及设备


[0001]本专利技术涉及智能电网设备在线状态监测领域，尤其涉及一种数字化电能计量系统运行误差长期预测方法及设备。

技术介绍

[0002]智能变电站的数字化电能计量系统由电子式互感器、合并单元以及数字化电能表组成，完成信号采集、电能计算和事件记录功能。数字化电能计量系统作为发电、变电、输电、配电、用电各环节贸易结算和经济技术指标考核枢纽，其准确、稳定运行直接关系到贸易双方的经济利益。因此，有必要对电能计量系统的运行误差状态进行预测，达到预判止损的目的。

技术实现思路

[0003]本专利技术的目的在于针对上述现有技术的不足，提供了一种数字化电能计量系统运行误差长期预测方法及设备，能够对运行中的数字化电能计量系统的误差进行长期预测，以提前预警数字化电能计量系统出现的风险，并指导运维。
[0004]为实现上述目的，本专利技术采用了如下技术方案：本专利技术提供了一种数字化电能计量系统运行误差长期预测方法，其特征在于，包括以下步骤：S1、获得数字化电能计量系统在时间段中的误差影响因素集及历史误差数据集；S2、利用蜉蝣算法对稀疏自动编码的超参数进行寻优，再利用寻优后的所述稀疏自动编码对所述误差影响因素集进行特征提取，得到新特征集；S3、利用所述新特征集和数字化电能计量系统的历史误差数据集进行模型训练，得到短期、中期、长期不同时间尺度的误差预测模型，即短期预测模型、中期预测模型、长期预测模型；S4、先利用所述短期预测模型修正所述中期预测模型，再利用修正后的中期预测模型对所述长期预测模型进行修正，得到修正后的长期预测模型；S5、利用所述修正后的长期预测模型对数字化电能计量系统进行长期误差预测。
[0005]进一步，所述短期预测模型修正所述中期预测模型为：
先将从到时刻的误差影响因素特征集带入短期预测模型，得到时间段的预测误差数据集，再和时间段的历史误差数据集进行比对，利用比对出的误差偏差来修正中期预测模型，得到修正后的中期预测模型，所述短期、中期、长期的误差影响因素特征集、、作为输入，短期历史误差数据集、中期历史误差数据集、长期历史误差数据集作为输出，训练出短期预测模型、中期预测模型、长期预测模型，具体如下：
ꢀꢀꢀꢀꢀ
（1）其中，为第一时刻；为第二时刻；为第三时刻；为第四时刻。
[0006]进一步，所述中期预测模型修正长期预测模型：先将从到时刻的误差影响因素特征集带入修正后的中期预测模型，得到时间段的预测误差数据集，再和时间段的历史误差数据集 进行比对，利用比对出的误差偏差来修正长期预测模型，得到修正后的长期预测模型。
[0007]进一步，所述S1中的误差影响因素集为：
ꢀꢀꢀ
（4）其中，环境温度、环境湿度、运行电压、频率、负荷电流、功率因素、谐波、开关切换负荷瞬变、负荷性质；所述S2中的新特征集为：
（5）其中，为采用稀疏自动编码特征提取后的环境温度；为采用稀疏自动编码特征提取后的环境湿度；为采用稀疏自动编码特征提取后的运行电压；为采用稀疏自动编码特征提取后的频率；为采用稀疏自动编码特征提取后的负荷电流；为采用稀疏自动编码特征提取后的功率因素；为采用稀疏自动编码特征提取后的谐波；为采用稀疏自动编码特征提取后的开关切换负荷瞬变；为采用稀疏自动编码特征提取后的负荷性质。
[0008]进一步，所述S1中的历史误差数据集通过停电检定获得。
[0009]进一步，一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现数字化电能计量系统运行误差长期预测方法。
[0010]进一步，一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现数字化电能计量系统运行误差长期预测方法。
[0011]本专利技术的有益效果为：采用蜉蝣算法对稀疏自动编码的超参数进行寻优，实现了误差影响因素特征的精准提取，进而提高了预测模型的准确度；采用不同时间尺度的预测模型进行迭代优化长期预测模型，提高了预测模型的准确度。
附图说明
[0012]图1 为本专利技术的一种数字化电能计量系统运行误差长期预测方法方框图；图2为不同时间尺度的划分；图3 为本专利技术中期模型的修正原理；图4 为本专利技术长期模型的修正原理；图5为本专利技术稀疏自动编码的原理图。
具体实施方式
[0013]为了使本专利技术的目的、技术方案及优点更加清楚明白，下面结合附图，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0014]请参阅图1，一种数字化电能计量系统运行误差长期预测方法，包括以下步骤：S1、获得数字化电能计量系统在时间段中的误差影响因素集及历史误差数据集；S2、利用蜉蝣算法对稀疏自动编码的超参数进行寻优，再利用寻优后的所述稀疏
自动编码对所述误差影响因素集进行特征提取，得到新特征集；S3、利用所述新特征集和数字化电能计量系统的历史误差数据集进行模型训练，得到短期、中期、长期不同时间尺度的误差预测模型，即短期预测模型、中期预测模型、长期预测模型；具体为：所述短期、中期、长期的误差影响因素特征集、、作为输入，短期历史误差数据集、中期历史误差数据集、长期历史误差数据集作为输出，训练出短期预测模型、中期预测模型、长期预测模型，具体如下：
ꢀꢀꢀꢀꢀ
（1）其中，为第一时刻；为第二时刻；为第三时刻；为第四时刻；S4、先利用所述短期预测模型修正所述中期预测模型，再利用修正后的中期预测模型对所述长期预测模型进行修正，得到修正后的长期预测模型；S5、利用所述修正后的长期预测模型对数字化电能计量系统进行长期误差预测。
[0015]所述短期预测模型修正所述中期预测模型为：先将从到时刻的误差影响因素特征集带入短期预测模型，得到时间段的预测误差数据集，再和时间段的历史误差数据集进行比对，利用比对出的误差偏差来修正中期预测模型，得到修正后的中期预测模型，
（2）；所述中期预测模型修正长期预测模型：先将从到时刻的误差影响因素特征集带入修正后的中期预测模型，得到时间段的预测误差数据集，再和时间段的历史误差数据集 进行比对，利用比对出的误差偏差来修正长期预测模型，得到修正后的长期预测模型，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）；所述S1中的误差影响因素集为：
ꢀꢀꢀ
（4）其中，环境温度、环境湿度、运行电压、频率、负荷电流、功率因素、谐波、开关切换负荷瞬变、负荷性质。
[0016]所述S1中的历史误差数据集通过停电检定获得。
[0017]所述S2中的新特征集为：（5）其中，为采用稀疏自动编码特征提取后的环境温度；为采用稀疏自动编码特征提取后的环境湿度；为采用稀疏自动编码特征提取后的运行电压；为采用稀疏自动编码特征提取后的频率；为采用稀疏自动编码特征提取后的负荷电流；为采用稀疏自动编码特征提取后的功率因素；为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数字化电能计量系统运行误差长期预测方法，其特征在于，包括以下步骤：S1、获得数字化电能计量系统在时间段中的误差影响因素集及历史误差数据集；S2、利用蜉蝣算法对稀疏自动编码的超参数进行寻优，再利用寻优后的所述稀疏自动编码对所述误差影响因素集进行特征提取，得到新特征集；S3、利用所述新特征集和数字化电能计量系统的历史误差数据集进行模型训练，得到短期、中期、长期不同时间尺度的误差预测模型，即短期预测模型、中期预测模型、长期预测模型；S4、先利用所述短期预测模型修正所述中期预测模型，再利用修正后的中期预测模型对所述长期预测模型进行修正，得到修正后的长期预测模型；S5、利用所述修正后的长期预测模型对数字化电能计量系统进行长期误差预测。2.根据权利要求1所述的一种数字化电能计量系统运行误差长期预测方法，其特征在于：所述短期预测模型修正所述中期预测模型为：先将从到时刻的误差影响因素特征集带入短期预测模型，得到时间段的预测误差数据集，再和时间段的历史误差数据集进行比对，利用比对出的误差偏差来修正中期预测模型，得到修正后的中期预测模型，所述短期、中期、长期的误差影响因素特征集、、作为输入，短期历史误差数据集、中期历史误差数据集、长期历史误差数据集作为输出，训练出短期预测模型、中期预测模型、长期预测模型，具体如下：
ꢀꢀꢀꢀꢀ
（1）其中，为第一时刻；为第二时刻；为第三时刻；为第四时刻。
3.根据权利要求2所述的一种数字化电能计量系统运行误差长期预测方法，其特征在于：所述中期预测模型修正长期预测模型：先将从到时刻的误差影响因素特征集带...

【专利技术属性】
技术研发人员：郑欣，禹文静，彭涛，方毅，雷鸣，石洪，马奔，庹璟，魏伟，丁黎，李玲华，余鹤，夏天，汪应春，谢东日，汪司珂，王信，庞博，荣先金，王兹玥，李志浩，
申请(专利权)人：国网湖北省电力有限公司营销服务中心计量中心，
类型：发明
国别省市：