System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于电表误差感知领域,具体涉及一种基于大数据的智能电表误差感知评估方法及系统。
技术介绍
1、在大规模电动汽车接入电网的背景下,智能电表电能计量的准确度尤为重要。智能电表是电脑计量、审计和分析的数据基础,与我们的日常生活息息相关。随着电力技术的快速发展,我国安装了上亿个智能电表,基础电子元器件的数量将达到数百亿件,即使制造企业根据6σ技术可以将不良率控制在百万分之3.4以下,也有大量的电表存在元器件缺陷。元器件有缺陷的仪表比其他仪表有更大的失效概率,如由于电阻的实际值与标称值存在一定的偏差,或受到电压、电流等外界因素的影响,仪表的数值会发生线性或非线性漂移,这类问题包括运输过程中的人为损坏,可能在初检时不表现出来;但在后续使用中更容易出现误差漂移或故障,造成电能监测和统计误差。因此对智能电表误差的感知和评估十分重要。
技术实现思路
1、本专利技术的目的是针对现有技术存在的上述问题,提供一种基于大数据的智能电表误差感知评估方法及系统。
2、为实现以上目的,本专利技术的技术方案如下:
3、第一方面,本专利技术提出一种基于大数据的智能电表误差感知评估方法,包括:
4、s1、创建三个空集合za、zb、zc,并基于智能电表的首检和运行测试数据获得基本误差矩阵v=eij,其中,i=1,2,...,m,j=1,2,...,n,m为智能电表的数量,n为负载点的数量;
5、s2、基于基本误差矩阵v依次计算平均误差矩阵方差矩阵s、感知系数aij
6、s3、判断是否满足若满足,则进入s4,否则进入s5;
7、s4、若则将智能电表的负载误差xj并入集合za;若aij∈s,则将xj并入集合zb;若aij∈v,则将xj并入集合zc;
8、s5、判断是否满足i>k且j>q,若满足,则输出集合za、zb、zc,否则返回s3进行下一次感知循环,其中,k=m,q=n+2;
9、s6、基于xj和集合za、zb、zc进行智能电表风险等级判定。
10、所述s基于以下公式计算得到:
11、
12、
13、
14、
15、上式中,为第i个智能电表的平均误差,si为第i个智能电表的方差。
16、所述aij、sj′基于以下公式计算得到:
17、
18、
19、
20、上式中,v′k,q为感知矩阵,aij为第i个智能电表对第j个负载点的感知系数。
21、所述s6中,智能电表风险等级判定包括:
22、若xj不在za、zb、zc的并集中,则判定为低风险智能电表;
23、若xj在集合za中,则判定为中风险智能电表;
24、若xj在zb、zc的并集中,则判定为高风险智能电表;
25、若xj在zb、zc的交集中,则判定为极高风险智能电表。
26、第二方面,本专利技术提出一种基于大数据的智能电表误差感知评估系统,包括集合创建模块、感知计算模块、第一判断模块、集合更新模块、第二判断门模块、风险等级判定模块;
27、所述集合创建模块用于创建三个空集合za、zb、zc,并基于智能电表的首检和运行测试数据获得基本误差矩阵v=eij,其中,i=1,2,...,m,j=1,2,...,n,m为智能电表的数量,n为负载点的数量;
28、所述感知计算模块用于基于基本误差矩阵v依次计算平均误差矩阵方差矩阵s、感知系数aij、感知矩阵平均值感知矩阵方差sj′;
29、所述第一判断模块用于判断是否满足若满足,则激活集合更新模块,否则激活第二判断门模块;
30、所述集合更新模块用于在时将智能电表的负载误差xj并入集合za,在aij∈s,时将xj并入集合zb,在aij∈v时将xj并入集合zc;
31、所述第二判断门模块用于判断是否满足i>k且j>q,若满足,则输出集合za、zb、zc,否则激活第一判断模块进行下一次感知循环,其中,k=m,q=n+2;
32、所述风险等级判定模块用于基于xj和集合za、zb、zc进行智能电表风险等级判定。
33、所述感知计算模块基于以下公式计算s:
34、
35、
36、
37、
38、上式中,为第i个智能电表的平均误差,si为第i个智能电表的方差。
39、所述感知计算模块基于以下公式计算aij、sj′:
40、
41、
42、
43、上式中,v′k,q为感知矩阵,aij为第i个智能电表对第j个负载点的感知系数。
44、所述风险等级判定模块基于如下方法进行智能电表风险等级判定:
45、若xj不在za、zb、zc的并集中,则判定为低风险智能电表;
46、若xj在集合za中,则判定为中风险智能电表;
47、若xj在zb、zc的并集中,则判定为高风险智能电表;
48、若xj在zb、zc的交集中,则判定为极高风险智能电表。
49、与现有技术相比,本专利技术的有益效果为:
50、本专利技术提出的一种基于大数据的智能电表误差感知评估方法先创建三个空集合za、zb、zc,并基于智能电表的首检和运行测试数据获得基本误差矩阵,然后基于智能电表基本误差矩阵依次计算平均误差矩阵方差矩阵s、感知系数aij、感知矩阵平均值感知矩阵方差sj′,再判断是否满足若满足,则在时将智能电表的负载误差xj并入集合za,在aij∈s时将xj并入集合zb,在aij∈v时将xj并入集合zc,接着判断是否满足i>k且j>q,若满足,则输出集合za、zb、zc,否则进行下一次感知循环,最后基于xj和集合za、zb、zc进行智能电表风险等级判定,该方法采用了误差感知循环筛选算法,可以对智能电表的计量风险进行分类,准确筛选出智能电网中存在计量风险的电表,有效降低智能电表在使用过程中的故障风险。
本文档来自技高网...【技术保护点】
1.一种基于大数据的智能电表误差感知评估方法,其特征在于,
2.根据权利要求1所述的一种基于大数据的智能电表误差感知评估方法,其特征在于,
3.根据权利要求2所述的一种基于大数据的智能电表误差感知评估方法,其特征在于,
4.根据权利要求1-3中任一项所述的一种基于大数据的智能电表误差感知评估方法,其特征在于,
5.一种基于大数据的智能电表误差感知评估系统,其特征在于,
6.根据权利要求5所述的一种基于大数据的智能电表误差感知评估系统,其特征在于,
7.根据权利要求6所述的一种基于大数据的智能电表误差感知评估系统,其特征在于,
8.根据权利要求5所述的一种基于大数据的智能电表误差感知评估系统,其特征在于,所述风险等级判定模块基于如下方法进行智能电表风险等级判定:
【技术特征摘要】
1.一种基于大数据的智能电表误差感知评估方法,其特征在于,
2.根据权利要求1所述的一种基于大数据的智能电表误差感知评估方法,其特征在于,
3.根据权利要求2所述的一种基于大数据的智能电表误差感知评估方法,其特征在于,
4.根据权利要求1-3中任一项所述的一种基于大数据的智能电表误差感知评估方法,其特征在于,
5.一种基于大数...
【专利技术属性】
技术研发人员:廖荣涛,饶宇骁,张玉洁,李磊,胡欢君,蔡昌松,张启烨,罗阳,
申请(专利权)人:国网湖北省电力有限公司信息通信公司,
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。