本发明专利技术属于电力数据分析技术领域，提供一种电能表误差模型的参数优化、误差确定方法及装置。参数优化方法包括：确定台区内电能表数据、待优化参数以及所述待优化参数对应的搜索空间；基于所述搜索空间，确定初始化种群；基于所述台区内电能表数据和所述初始化种群，构建电能表误差模型；基于所述电能表误差模型，通过遗传算法在所述搜索空间内对所述初始化种群进行迭代优化，基于迭代优化停止时的种群中每个个体的适应度，确定最优个体对应的待优化参数为优化后的目标参数。本发明专利技术将遗传算法引入电能表误差模型的参数优化，从根本上提高了搜索的速度和可靠性。搜索的速度和可靠性。搜索的速度和可靠性。
【技术实现步骤摘要】
电能表误差模型的参数优化、误差确定方法及装置
[0001]本专利技术涉及电力数据分析
，尤其涉及一种电能表误差模型的参数优化、误差确定方法及装置。
技术介绍
[0002]随着智能电能表技术的发展，基于远程在线监测与大数据分析的电能表运行状态远程分析，已成为台区电能表运行质量的重要评价手段和监测手段。由于电能的产生和传输过程中，作为载体的线路网络本身也作为负载消耗功率，因此计算电能表的误差对节能发展及电力规划评估有重要的意义。
[0003]现有的电能表误差计算方法中，常对电能表误差进行建模，然而在电能表误差模型的构建与求解的过程中，有一些参数需要在模型构建前进行额外设置。并且需要设置的参数越多其参数空间维度就越高从而参数寻优难度就越大，因而给单纯人工的参数寻优造成很大的困难。
技术实现思路
[0004]本专利技术提供一种电能表误差模型的参数优化方法，用以解决现有技术中人工确定电能表模型参数时可靠性不足的缺陷，实现电能表误差模型参数的高效搜索。
[0005]本专利技术提供一种电能表误差模型的参数优化方法，包括：确定台区内电能表数据、待优化参数以及所述待优化参数对应的搜索空间；基于所述搜索空间，确定初始化种群；其中，所述初始化种群中的每个个体对应一组所述待优化参数的随机值；基于所述台区内电能表数据和所述初始化种群，构建电能表误差模型；基于所述电能表误差模型，通过遗传算法在所述搜索空间内对所述初始化种群进行迭代优化，基于迭代优化停止时的种群中每个个体的适应度，确定最优个体对应的待优化参数为优化后的目标参数。
[0006]根据本专利技术提供的一种电能表误差模型的参数优化方法，所述个体的适应度基于超差表检出率达到预设阈值对应的电能表最小调整幅值确定。
[0007]根据本专利技术提供的一种电能表误差模型的参数优化方法，确定所述个体的适应度，包括：确定电能表的调整幅度空间并从所述台区内电能表中选定电能表；基于所述调整幅度空间，选择多个调整幅度分别对选定的电能表进行调节，得到所述选定的电能表在多个调整幅度下的电能表数据；分别将所述选定的电能表在每个调整幅度下的电能表数据和所述台区内其他电能表的电能表数据输入任一个个体的电能表误差模型，得到所述选定电能表对于所述任一个个体的电能表误差模型在每个调整幅度下的超差表检出率；确定每个所述选定电能表对应的超差表检出率达到预设阈值的最小调整幅度；
基于所有选定电能表的最小调整幅度的最大值，确定所述任一个个体的适应度。
[0008]根据本专利技术提供的一种电能表误差模型的参数优化方法，所述基于所述台区内电能表数据和所述初始化种群，构建电能表误差模型，包括：基于台区内总电能表数据等于各分电能表数据与各分电能表误差之和，确定电能表误差基础模型；基于所述初始化种群，确定所述电能表误差基础模型的求解参数；基于所述电能表误差基础模型和所述电能表误差基础模型的求解参数，构建电能表误差模型。
[0009]根据本专利技术提供的一种电能表误差模型的参数优化方法，所述基于所述电能表误差模型，通过遗传算法在所述搜索空间内对所述初始化种群进行迭代优化，包括：对所述电能表误差模型进行求解，确定台区内每个电能表的误差值；基于所述台区内每个电能表的误差值，确定初始种群中每个个体的适应度；基于所述初始种群中每个个体的适应度，进行个体选择、交叉和变异操作，并基于进行个体选择、交叉和变异操作后得到的个体，确定更新的初始种群；直到迭代优化的代数达到预设代数时，迭代优化停止；否则，基于所述更新的初始种群执行下一次迭代优化。
[0010]根据本专利技术提供的一种电能表误差模型的参数优化方法，所述基于迭代优化停止时的种群中每个个体的适应度，确定最优个体对应的待优化参数为优化后的目标参数，包括：获取迭代优化停止时的种群中每个个体的适应度；确定个体的适应度最大的个体为最优个体，将最优个体对应的待优化参数为优化后的目标参数。
[0011]本专利技术还提供一种误差确定方法，包括：确定台区内电能表数据；基于所述台区内电能表数据，通过上述任一种电能表误差模型的参数优化方法确定目标参数和电能表误差模型；将所述台区内电能表数据输入所述电能表误差模型，基于所述目标参数进行模型求解，得到所述电能表误差模型输出的台区内电能表的误差值。
[0012]本专利技术还提供一种电能表误差模型的参数优化装置，包括：采集模块，用于确定台区内电能表数据、待优化参数以及所述待优化参数对应的搜索空间；初始化模块，用于基于所述搜索空间，确定初始化种群；其中，所述初始化种群中的每个个体对应一组所述待优化参数的随机值；模型建立模块，用于基于所述台区内电能表数据和所述初始化种群，构建电能表误差模型；参数优化模块，用于基于所述电能表误差模型，通过遗传算法在所述搜索空间内对所述初始化种群进行迭代优化，基于迭代优化停止时的种群中每个个体的适应度，确定最优个体对应的待优化参数为优化后的目标参数。
[0013]本专利技术还提供一种误差确定装置，包括：
输入模块，用于确定台区内电能表数据；模型建立模块，用于基于所述台区内电能表数据，通过上述任一种电能表误差模型的参数优化方法确定目标参数和电能表误差模型；输出模块，将所述台区内电能表数据输入所述电能表误差模型，基于所述目标参数进行模型求解，得到所述电能表误差模型输出的台区内电能表的误差值。
[0014]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述电能表误差模型的参数优化方法或误差确定方法。
[0015]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述能表误差模型的参数优化方法或误差确定方法。
[0016]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述能表误差模型的参数优化方法或误差确定方法。
[0017]本专利技术提供的电能表误差模型的参数优化、误差确定方法及装置，通过遗传算法对电能表误差模型的参数进行搜索，能够利用遗传算法“物竞天择，适者生存”的特点，在搜索空间内自动搜索出适应于不同台区电能表数据计算损失的最优参数。本专利技术避免了人工计算参数时，试验次数多，费时费力，并且在试验中对试验参数的选取容易受人工因素的影响等问题，提高了最终参与计算损失的参数的可靠性。
附图说明
[0018]为了更清楚地说明本专利技术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要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本专利技术提供的电能表误差模型的参数优化方法的流程示意图之一；图2是本专利技术提供的电能表误差模型的参数优化方法的流程示意图之二；图3是本专利技术提供的误差确定方法的流程示意图；图4是本专利技术提供的电能表误差模型的参数优化装置的结构示意本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电能表误差模型的参数优化方法，其特征在于，包括：确定台区内电能表数据、待优化参数以及所述待优化参数对应的搜索空间；基于所述搜索空间，确定初始化种群；其中，所述初始化种群中的每个个体对应一组所述待优化参数的随机值；基于所述台区内电能表数据和所述初始化种群，构建电能表误差模型；基于所述电能表误差模型，通过遗传算法在所述搜索空间内对所述初始化种群进行迭代优化，基于迭代优化停止时的种群中每个个体的适应度，确定最优个体对应的待优化参数为优化后的目标参数。2.根据权利要求1所述的电能表误差模型的参数优化方法，其特征在于，所述个体的适应度基于超差表检出率达到预设阈值对应的电能表最小调整幅值确定。3.根据权利要求2所述的电能表误差模型的参数优化方法，其特征在于，确定所述个体的适应度，包括：确定电能表的调整幅度空间并从所述台区内电能表中选定电能表；基于所述调整幅度空间，选择多个调整幅度分别对选定的电能表进行调节，得到所述选定的电能表在多个调整幅度下的电能表数据；分别将所述选定的电能表在每个调整幅度下的电能表数据和所述台区内其他电能表的电能表数据输入任一个个体的电能表误差模型，得到所述选定电能表对于所述任一个个体的电能表误差模型在每个调整幅度下的超差表检出率；确定每个所述选定电能表对应的超差表检出率达到预设阈值的最小调整幅度；基于所有选定电能表的最小调整幅度的最大值，确定所述任一个个体的适应度。4.根据权利要求1至3任一所述的电能表误差模型的参数优化方法，其特征在于，所述基于所述台区内电能表数据和所述初始化种群，构建电能表误差模型，包括：基于台区内总电能表数据等于各分电能表数据与各分电能表误差之和，确定电能表误差基础模型；基于所述初始化种群，确定所述电能表误差基础模型的求解参数；基于所述电能表误差基础模型和所述电能表误差基础模型的求解参数，构建电能表误差模型。5.根据权利要求1至3任一所述的电能表误差模型的参数优化方法，其特征在于，所述基于所述电能表误差模型，通过遗传算法在所述搜索空间内对所述初始化种群进行迭代优化，包括：对所述电能表误差模型进行求解，确定台区内每个电能表的误差值；基于所述台区内每个电能表的误差值，确定初始种群中每个个体的适应度；基于所述初始种群中每个个体的适应度，进行个体选择、交叉和变异操作，并基于进行个体选择、交叉和变异操作后得到的个体，确定更新的初始种...
【专利技术属性】
技术研发人员：李先志，郝跃红，张佳民，
申请(专利权)人：北京志翔科技股份有限公司，
类型：发明
国别省市：
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。