[发明专利]一种基于人工智能技术的电能表误差诊断方法

权利要求书

1.一种基于人工智能技术的电能表误差诊断方法，其特征在于，包括以下步骤：

1)获取基础数据，进行数据预处理；

2)通过一误差分析模型计算电能表的误差；

3)获取一段时间内的误差变化趋势；

4)基于所述误差变化趋势和一神经网络模型获得误差产生原因。

2.根据权利要求1所述的基于人工智能技术的电能表误差诊断方法，其特征在于，所述基础数据包括台区用户用电量、台区总表电量、台区户表关系数据、线损和用户档案数据。

3.根据权利要求1所述的基于人工智能技术的电能表误差诊断方法，其特征在于，所述数据预处理包括时间同步、数据清洗处理、校核处理、数据缺失处理和样本集优化处理。

4.根据权利要求3所述的基于人工智能技术的电能表误差诊断方法，其特征在于，所述样本集优化处理具体为：

选择具有独立同分布特性的时刻负载，通过聚类方法将原始数据按照台区总负载在各用户间的分布特征聚类，选择数据量较大的集合作为最优的样本集。

5.根据权利要求1所述的基于人工智能技术的电能表误差诊断方法，其特征在于，所述误差分析模型为考虑台区总表与用户表之间的时间同步关系、线损与用户表电量的关联关系以及负载变化和三相不平衡影响的误差线性回归模型。

6.根据权利要求5所述的基于人工智能技术的电能表误差诊断方法，其特征在于，所述误差线性回归模型表示为：

式中，Φ(t)为t时段台区用电量，φ_i(t)为第i个电能表t时段用电量，ε_i为第i个电能表计量误差，η为台区线损与用电量的关系系数，σ为台区其他固定损耗，n为电能表总数。

7.根据权利要求1所述的基于人工智能技术的电能表误差诊断方法，其特征在于，所述步骤3)中，通过时间序列模型获得误差变化趋势。

8.根据权利要求1所述的基于人工智能技术的电能表误差诊断方法，其特征在于，该方法还包括：

5)根据所述误差产生原因，产生现场业务派单通知。

9.根据权利要求1所述的基于人工智能技术的电能表误差诊断方法，其特征在于，该方法还包括：

6)对误差变化趋势和误差产生原因进行可视化。

10.根据权利要求1所述的基于人工智能技术的电能表误差诊断方法，其特征在于，该方法还包括：

7)基于所述误差产生原因与基础数据的对应关系优化更新所述误差分析模型和神经网络模型。