【技術實現步驟摘要】
本專利技術涉及電能計量，尤其涉及一種基于高頻電能量數據的電能表誤差自適應診斷方法。
技術介紹
1、隨著社會整體用電量的不斷增加，用于計量用電量的電能表越來越受到重視。電能表能否準確計量關系到用戶與電力企業之間的信任關系，而在現實生活中，由于產品質量、使用時間以及使用環境的影響，電能表可能會出現計量失準，如果電能表出現計量失準，則勢必會給供用電其中一方帶來經濟損失。因此，通過大數據分析手段進行電能表計量誤差監測受到日益廣泛的關注。
2、在當前的大數據分析技術中，最常見的手段是根據能量守恒定律建立臺區線性回歸模型，然后根據最小二乘方法估計出電能表誤差系數。然而，該方法在實際應用中一般使用日凍結電量數據，需要累積數據的周期在半年甚至一年以上，大大降低了電能表誤差監測的時效性。隨著低壓用戶全量負荷曲線數據高頻采集的推廣，高頻次的電量、功率、電壓、電流、功率因數等分鐘級的數據分析成為可能，例如每15min的電量曲線數據(本申請表述中均稱為高頻電量數據)。在高頻電量數據的使用中面臨的主要問題量化誤差的影響，因此需要大數據分析方案能夠有效處理該問題。
技術實現思路
1、本專利技術針對上述問題，克服現有技術的不足，提出一種基于高頻電能量數據的電能表誤差自適應診斷方法，根據用戶表和考核總表的原始高頻電量數據計算線損率并通過分位數方法剔除部分異常點，通過多重累加方式減少量化誤差的影響，并分別求解線性回歸模型，最后計算所有結果均值的方式獲得穩健的電能表誤差系數。同時，本專利技術僅需獲取全臺區
2、為了實現上述專利技術目的，本專利技術采取如下技術方案：
3、一種基于高頻電能量數據的電能表誤差自適應診斷方法，包括以下步驟：
4、步驟1，根據低壓用戶檔案信息整理出的用戶表的高頻電量數據與考核總表的高頻電量數據；
5、步驟2，用考核總表的高頻電量數據減去用戶表的高頻電量數據的加和，獲得線損率；
6、步驟3，通過分位數方法識別線損率中的異常點并剔除用戶表和考核總表中對應位置的數據；
7、步驟4，建立多重采樣累加池并分別求解用戶表的誤差系數；
8、步驟5，根據獲取到的多組用戶表的誤差系數結果求取均值，獲得最終的電能表誤差系數。
9、優選地，所述步驟1根據低壓用戶檔案信息整理出d天的用戶表的高頻電量數據與考核總表的高頻電量數據，天數d的確定原則為d×96＞m&d＞3，其中m表示戶表個數。
10、優選地，所述步驟2中線損率通過下述公式獲得：
11、
12、其中，為第t個考核總表的高頻電量數據，1≤t≤n0，n0為數據點數，為第i個用戶表的第t個戶表高頻電量數據，為第t個線損率，m為臺區用戶表數。
13、優選地，所述步驟3中通過分位數方法識別線損率中的異常點的過程為：
14、a1，計算線損值的上分位值vup，其中分位數參數為αup；
15、a2，計算線損值的下分位值vdn，其中分位數參數為αdn；
16、a3，計算iqr值，即iqr＝vup-vdn；四分差
17、a4，計算上分位閾值lup和下分位閾值ldn，分別為：
18、lup＝vup+1.5×iqr；
19、ldn＝vdn-1.5×iqr；
20、a5，定位出線損率大于上分位閾值lup或小于下分位閾值ldn的樣本點，在用戶表和考核總表的高頻電量數據中剔除，稱處理后的數據分別為用戶表的高頻電量數據x∈rn×m和考核總表的高頻電量數據y∈rn，其中n表示剔除異常點之后的樣本點數，m為臺區用戶表數。
21、優選地，所述步驟4中多重采樣累加池處理的具體過程為：
22、b1，初始化s＝1；
23、b2，從用戶表的高頻電量數據和考核總表的高頻電量數據中隨機選取nc個點作為累加起點；
24、b3，對于nc個點計算對應的累加值，即
25、
26、
27、其中表示在累加參數ws下第p個累加后的戶表數據，1≤p≤nc；表示在累加參數ws下第p個累加后的總表數據；ws表示累加池中的參數，1≤s≤s，s表示累加參數的個數；表示在累加參數ws下選取的nc個起點中第p個點對應于原始數據序列里的位置序號；xq,:表示用戶表數據矩陣x里的第q行，yq表示考核總表數據向量y里的第q個值，將累加處理后的用戶表和考核總表數據分別記為和
28、b4，建立線性回歸模型得到估計的用戶表誤差系數即
29、
30、其中sum(xs,2)表示對矩陣xs按行進行求和處理；
31、b5，重復步驟b2到b4，共執行k次；
32、b6，s＝s+1，重復步驟b2到b5，直到s+1＞s。
33、優選地，所述步驟a1中分位數參數αup設定為0.75，步驟a2中分位數參數αdn設定為0.25。
34、優選地，所述累加池設置為pool＝[5,10,15,20,25,30,35,40,45,50]t，步驟b2中參數nc的確定原則為nc＞m，步驟b5中參數k設定為100。
35、優選地，所述步驟5中確定的電能表誤差系數為：
36、根據獲取到的k×s組用戶表誤差系數結果，按每塊電能表計算均值，獲得最終的電能表誤差系數，記為β＝[β1,β2,…,βm]t，其中，k≥2×s。
37、優選地，式中k為100，s為50。
38、一種基于高頻電能量數據的電能表誤差自適應診斷方法的系統，包括：
39、采集模塊，用于根據低壓用戶檔案信息整理出的用戶表的高頻電量數據與考核總表的高頻電量數據；
40、計算模塊，用考核總表的高頻電量數據減去用戶表的高頻電量數據的加和，獲得線損率；
41、異常處理模塊，用于通過分位數方法識別線損率中的異常點并剔除用戶表和考核總表中對應位置的數據；
42、累加池模塊，用于建立多重采樣累加池并分別求解用戶表的誤差系數；
43、誤差系數模塊，用于根據獲取到的多組用戶表的誤差系數結果求取均值，獲得最終的電能表誤差系數。
44、本專利技術的有益效果是：
45、本專利技術根據戶表和總表的原始高頻電量數據計算線損率并通過分位數方法剔除部分異常點，通過多重累加方式減少量化誤差的影響，并分別求解線性回歸模型，最后計算所有結果均值的方式獲得穩健的電能表誤差系數。同時，本專利技術僅需獲取全臺區用戶用電數據與臺區總表數據，無需添加額外設備，易于實現。
46、本專利技術基于電能表15min電量數據構建數據采樣池，對數據進行累加建立方程求解誤差系數，獲得電能表運行誤差，解決了高頻電量數據的使用中面臨的主要問題量化誤差的影響。
本文檔來自技高網...【技術保護點】
1.一種基于高頻電能量數據的電能表誤差自適應診斷方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于高頻電能量數據的電能表誤差自適應診斷方法，其特征在于，所述步驟1根據低壓用戶檔案信息整理出d天的用戶表的高頻電量數據與考核總表的高頻電量數據，天數d的確定原則為d×96＞m&d＞3，其中m表示戶表個數。
3.根據權利要求1所述的一種基于高頻電能量數據的電能表誤差自適應診斷方法，其特征在于，所述步驟2中線損率通過下述公式獲得：
4.根據權利要求1所述的一種基于高頻電能量數據的電能表誤差自適應診斷方法，其特征在于，所述步驟3中通過分位數方法識別線損率中的異常點的過程為：
5.根據權利要求4所述的一種基于高頻電能量數據的電能表誤差自適應診斷方法，其特征在于，所述步驟4中多重采樣累加池處理的具體過程為：
6.根據權利要求4所述的一種基于高頻電能量數據的電能表誤差自適應診斷方法，其特征在于：所述步驟A1中分位數參數αup設定為0.75，步驟A2中分位數參數αdn設定為0.25。
7.根據權利要求5所
8.根據權利要求1所述的一種基于高頻電能量數據的電能表誤差自適應診斷方法，其特征在于，所述步驟5中確定的電能表誤差系數為：
9.根據權利要求8所述的一種基于高頻電能量數據的電能表誤差自適應診斷方法，其特征在于：式中K為100，S為50。
...【技術特征摘要】
1.一種基于高頻電能量數據的電能表誤差自適應診斷方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于高頻電能量數據的電能表誤差自適應診斷方法，其特征在于，所述步驟1根據低壓用戶檔案信息整理出d天的用戶表的高頻電量數據與考核總表的高頻電量數據，天數d的確定原則為d×96＞m&d＞3，其中m表示戶表個數。
3.根據權利要求1所述的一種基于高頻電能量數據的電能表誤差自適應診斷方法，其特征在于，所述步驟2中線損率通過下述公式獲得：
4.根據權利要求1所述的一種基于高頻電能量數據的電能表誤差自適應診斷方法，其特征在于，所述步驟3中通過分位數方法識別線損率中的異常點的過程為：
5.根據權利要求4所述的一種基于高頻電能量數據的電能表誤差自適應診斷方法，其特征在于，所述步驟4中多...
【專利技術屬性】
技術研發人員：周政雷，楊舟，蔣雯倩，陳俊，陳玨羽，梁宗瀟，雷雪格，陳文，檀亞鳳，唐利濤，張智勇，潘俊濤，徐植，李金瑾，潘學華，
申請(專利權)人：廣西電網有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。