一种基于历史数据分析的电能计量方法及系统技术方案

本申请公开了一种基于历史数据分析的电能计量方法及系统，包括：对高寒地区按照温度区间划定区域范围；对划定区域范围内的同一组电能表，按照指定的时间间隔采集各电能表电量读数，以及采集温度数据；将采集的同一组电能表的电量读数分别映射至坐标系中，构建温度背景；构建各电能表的读数曲线；将同一组各电能表的读数曲线连同温度背景

【技术实现步骤摘要】
一种基于历史数据分析的电能计量方法及系统


[0001]本申请涉及电能计量
、
数据处理
，尤其涉及一种基于历史数据分析的电能计量方法及系统
。

技术介绍

[0002]在寒冷的冬季，电能表内部零部件由于低温环境可能导致性能下降，甚至出现故障
。
此外，电能表的读数也可能因为温度变化而产生误差
。
如何确保电能表在高寒地区的正常工作，以及准确的电能表读数，成了一个技术难题
。
[0003]现有技术中，市场上存在的一些改造装置采用的是增加保温设备的方式，尝试通过提高电能表内部的温度来确保电能表的正常工作
。
然而，这种方法存在一些问题
。
首先，保温设备的工作需要消耗额外的电能，这增加了运行成本
。
其次，保温设备的工作效果受到环境温度的影响，当环境温度过低时，保温设备可能无法提供足够的热量来保证电能表的正常工作
。
最后，保温设备可能会对电能表内部的电子元件产生过热的风险，这可能导致电能表的寿命缩短
。
而高寒地区的电能表需要连续工作，在低温环境下，电能表的电池寿命会大大缩短，需要频繁更换电池，增加了使用成本
。
[0004]CN 116704737 A
公开了一种高寒地区的电子电能表读数采集方法，但该方案需要将可能性存在误差的时间段输出给运维人员，从而需要人为判定，并且该技术方案仅能完成电能表读数的采集，无法给出正确的电能表的计量数据/>。

技术实现思路

[0005]本申请实施例提供一种基于历史数据分析的电能计量方法及系统，将采集的电量读数与温度背景组合形成相关联的图像信息，以将误差点作为识别目标的方式，来确定出误差读数点，并匹配在先电能表在误差点的曲率数据从而获得正确的计量数据，实现高寒地区的自动化电能计量与修正
。
[0006]本申请实施例提出一种基于历史数据分析的电能计量方法，应用于高寒地区的电能数据分析与计量，包括如下步骤：
[0007]对高寒地区按照温度区间划定区域范围，并将温度同一温度区间的电能表分为一组；
[0008]对划定区域范围内的同一组电能表，按照指定的时间间隔采集各电能表电量读数，以及采集温度数据；
[0009]建立读数
‑
时间坐标系，将采集的同一组电能表的电量读数分别映射至坐标系中，以及将相应的温度区间的温度数据映射至所述坐标系中，以构建温度背景；
[0010]采用拟合曲线平滑连接同一电能表的各电量读数点，以构建各电能表的读数曲线；
[0011]将同一组各电能表的读数曲线连同温度背景
、
输入预先基于历史数据训练的误差识别模型，以识别出相应温度条件下的突变误差点；
[0012]将识别出的突变误差点利用适配的曲率线替代，以修正突变误差，并基于修正后的电量数据，完成高寒地区的电能表的电能计量
。
[0013]可选的，所述误差识别模型，包括顺序设置的尺度自适应卷积头，三层卷积核
、
全连接层，其中所述尺度自适应卷积头包括：
[0014]转置卷积（
Transpose Convolution
）
、
步幅
(stride)
为2的卷积层，其中转置卷积（
Transpose Convolution
）用于对输入规格小于目标规格的子图像上采样至所需规格，
stride
为2的卷积层用于对输入规格大于目标规格的子图像下采样至所需规格，以实现输入子图像的自适应，所述尺度自适应卷积头的输出通过全局平均池化和全局最大池化后输入所述全连接层；
[0015]所述尺度自适应卷积头还包括：3×3卷积和3×3空洞卷积，用以完成对所需规格的图像的分割；
[0016]所述三层卷积核包括卷积核尺度为3×3的卷积层，且各层卷积层的输出分别通过全局平均池化和全局最大池化后输入所述全连接层
。
[0017]可选的，预先训练所述误差识别模型包括：
[0018]提供试验环境，并对服役于高寒地区各型号的电能表在各个温度区间内采集历史样本数据，所述历史样本数据为包含温度背景的电量曲线数据；
[0019]对所述历史样本数据通过标注工具进行标记，并在标记后截取相应位置的电量曲线图像，作为标记结果，以及利用给定的峰值对历史样本数据中的电量曲线进行分割，以对突变误差进行粗检测，并基于粗检测位置截取相应位置的电量曲线图像，作为粗检测结果；
[0020]计算标记结果与粗检测结果的匹配度，将匹配度大于预设阈值的样本作为正样本，将匹配度低于预设阈值的作为负样本，以构建训练样本集
。
[0021]可选的，预先训练所述误差识别模型还包括：
[0022]利用
VGGNet
对构建的训练样本集中的样本进行分类，并根据
VGGNet
的输出，将所述训练样本集中的样本基于正样本和负样本进行分级；
[0023]对分级后的训练样本，利用余弦相似性进行数据筛选，对于相似性大于给定相似性阈值的训练样本，仅保留
VGGNet
输出置信度最高的一张图像，以及对于不同的样本分级，所设置的相似性阈值不同，以使得最终各级样本数量相近；
[0024]在获得指定数量的各级样本后，合并各级样本，作为训练数据集
。
[0025]可选的，预先训练所述误差识别模型还包括：
[0026]利用
FocalLoss
损失函数作为误差识别模型输出与训练标签之间的误差，满足：
[0027][0028]其中，，表示负样本，表示正样本，表示突变误差点为正样本的概率，
、
为调节因子；
[0029]利用随机梯度下降法进行参数更新，满足：
[0030][0031]其中，，表示随机选择的一个梯度方向，为整数，表示学习率，表示
t
时刻的模型参数，
()
表示模型代价函数的梯度
。
[0032]可选的，将同一组各电能表的读数曲线连同温度背景
、
输入预先基于历史数据训练的误差识别模型包括：
[0033]将同一组各电能表的读数曲线连同温度背景，按照预设时间步长进行截取获得多张子图像，且相邻时间线的子图像之间具有部分重叠；
[0034]将截取的子图像输入所述误差识别模型
。
[0035]可选的，将识别出的突变误差点利用适配的曲率线替代，以修正突变误差包括：
[0036]从所述正样本中，查找相应温度条件下
、
相同型号的电能表，
VGGNet
输出的置信度高于预设置信度阈值的正样本；
[0037]在置信度高于预设置信度阈值的正样本所对应的时间段，确定相应组别的电能表电量曲线图像中，除正本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于历史数据分析的电能计量方法，其特征在于，应用于高寒地区的电能数据分析与计量，包括如下步骤：对高寒地区按照温度区间划定区域范围，并将温度同一温度区间的电能表分为一组；对划定区域范围内的同一组电能表，按照指定的时间间隔采集各电能表电量读数，以及采集温度数据；建立读数
‑
时间坐标系，将采集的同一组电能表的电量读数分别映射至坐标系中，以及将相应的温度区间的温度数据映射至所述坐标系中，以构建温度背景；采用拟合曲线平滑连接同一电能表的各电量读数点，以构建各电能表的读数曲线；将同一组各电能表的读数曲线连同温度背景
、
输入预先基于历史数据训练的误差识别模型，以识别出相应温度条件下的突变误差点；将识别出的突变误差点利用适配的曲率线替代，以修正突变误差，并基于修正后的电量数据，完成高寒地区的电能表的电能计量
。2.
如权利要求1所述的基于历史数据分析的电能计量方法，其特征在于，所述误差识别模型，包括顺序设置的尺度自适应卷积头，三层卷积核
、
全连接层，其中所述尺度自适应卷积头包括：转置卷积
Transpose Convolution、
步幅
stride
为2的卷积层，其中转置卷积
Transpose Convolution
用于对输入规格小于目标规格的子图像上采样至所需规格，
stride
为2的卷积层用于对输入规格大于目标规格的子图像下采样至所需规格，以实现输入子图像的自适应，所述尺度自适应卷积头的输出通过全局平均池化和全局最大池化后输入所述全连接层；所述尺度自适应卷积头还包括：3×3卷积和3×3空洞卷积，用以完成对所需规格的图像的分割；所述三层卷积核包括卷积核尺度为3×3的卷积层，且各层卷积层的输出分别通过全局平均池化和全局最大池化后输入所述全连接层
。3.
如权利要求2所述的基于历史数据分析的电能计量方法，其特征在于，预先训练所述误差识别模型包括：提供试验环境，并对服役于高寒地区各型号的电能表在各个温度区间内采集历史样本数据，所述历史样本数据为包含温度背景的电量曲线数据；对所述历史样本数据通过标注工具进行标记，并在标记后截取相应位置的电量曲线图像，作为标记结果，以及利用给定的峰值对历史样本数据中的电量曲线进行分割，以对突变误差进行粗检测，并基于粗检测位置截取相应位置的电量曲线图像，作为粗检测结果；计算标记结果与粗检测结果的匹配度，将匹配度大于预设阈值的样本作为正样本，将匹配度低于预设阈值的作为负...

【专利技术属性】
技术研发人员：范秀云，何佳美，侯欣怡，王茜，胡淏，杨彩月，
申请(专利权)人：国网冀北电力有限公司计量中心国家电网有限公司，
类型：发明
国别省市：