一种基于模型和数据双驱动的CVT误差测量方法及系统技术方案

本发明专利技术提供了一种基于模型和数据双驱动的CVT误差测量方法，通过获取实时CVT环境因素监测数据和实时CVT计量监测数据；构建计量误差机理模型，并基于计量误差机理模型对所述实时CVT计量监测数据进行计量误差分析确定理想计量误差；获取训练完备的误差集成模型，基于所述训练完备的误差集成模型对所述实时CVT环境因素监测数据进行附加计量误差预测确定目标附加计量误差；根据目标计量附加误差以及机理计量误差确定CVT实际计量误差。本发明专利技术通过计量误差机理模型和误差集成模型测量CVT的实际计量误差，从模型和数据驱动测量增强了测量值的准确性，实现CVT实际计量误差的精确测量。实现CVT实际计量误差的精确测量。实现CVT实际计量误差的精确测量。

【技术实现步骤摘要】
一种基于模型和数据双驱动的CVT误差测量方法及系统


[0001]本专利技术提出了一种基于模型和数据双驱动的CVT误差测量方法，属于电力行业数据分析领域。

技术介绍

[0002]电网规模与日俱增。CVT作为常规的电能计量设备，凭借其优秀的绝缘性能和成本优势作为常规的电能计量设备广泛应用于国家电网中，但其运行工况多变，计量误差会受到外界环境和自身等多方面因素的影响，在长期运行中会出现绝缘性能下降、误差超差、故障率高等问题，从而直接影响电力计量的准确性和电力系统交易的公平性。因此，如何实现CVT计量误差的精准实时在线测量，提高系统的准确计量和运维预警能力，从而保护电力系统的长期稳定运行，是目前智能电网领域亟需解决的一大难题。CVT的计量误差会受到环境温度、湿度、环境污秽、电磁场和二次负载等情况的影响。而传统的模型驱动解决此问题需要通过分析多因素来构建数学模型进行线性叠加，不仅忽视了各个因素之间的耦合信息、没有更多考虑底层的物理机理因素导致结果不准确，还会由于多因素模型的复杂性而不易求解。
[0003]由于模型驱动方面存在缺陷，随着人工智能的快本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模型和数据双驱动的CVT误差测量方法，其特征在于，包括：获取实时CVT环境因素监测数据和实时CVT计量监测数据；构建计量误差机理模型，并基于计量误差机理模型对所述实时CVT计量监测数据进行计量误差分析确定理想计量误差；获取训练完备的误差集成模型，基于所述训练完备的误差集成模型对所述实时CVT环境因素监测数据进行附加计量误差预测确定目标附加计量误差；根据目标计量附加误差以及机理计量误差确定CVT实际计量误差。2.根据权利要求1所述的一种基于模型和数据双驱动的CVT误差测量方法，其特征在于，所述获取训练完备的误差集成模型，包括：采集CVT环境因素监测数据，并基于所述CVT环境因素监测数据构建环境因素数据样本集；构建误差集成模型，并基于所述环境因素数据样本集，对所述误差集成模型进行训练，得到训练完备的误差集成模型。3.根据权利要求2所述的一种基于模型和数据双驱动的CVT误差测量方法，其特征在于，所述误差集成模型包括基学习器层和元学习器层；所述基学习器层包括至少三个算法模型作为基学习器层的基学习器。4.根据权利要求3所述的一种基于模型和数据双驱动的CVT误差测量方法，其特征在于，构建误差集成模型，并基于所述环境因素数据样本集，对所述误差集成模型进行训练，得到训练完备的误差集成模型，包括：基于所述环境因素数据样本集对所述基学习器层的基学习器进行K折交叉验证训练，得到训练完备的基学习器层；将所述环境因素数据样本集数据输入至训练完备的基学习器层得到第一元数据集；基于所述权重分配模型对所述第一元数据集的数据从时间维度和精度进行权重分配得到第二元数据集；基于所述第二元数据集对所述元学习器层的算法模型进行训练得到训练完备的元学习器层，即得到训练完备的误差集成模型。5.根据权利要求3所述的一种基于模型和数据双驱动的CVT误差测量方法，其特征在于，所述基学习器层还包括权重分配模型；所述权重分配模型包括时间权重函数和精度权重函数；所述方法还包括：根据所述时间权重函数确定每个基学习器预测结果的时间权重；根据所述精度权重函数以及每个基学习器的预测精度确定每个基学习器精度权重。6.根据权利要求1所述的一种基于模型和数据双驱动的CVT误差测量方法，其特征在于，所述CVT计量监测...

【专利技术属性】
技术研发人员：石英，杜佳，谢长君，胡琴，张健，王敬平，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：