[发明专利]一种基于人工智能技术的电能表误差诊断方法

说明书

本发明涉及一种基于人工智能技术的电能表误差诊断方法，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。与现有技术相比，本发明具有电能表误差分析准确性、有效提高工作效率等优点。

技术领域

本发明涉及一种电能表计量准确性判断方法，尤其是涉及一种基于人工智能技术的电能表误差诊断方法。

背景技术

电能表计量准确性是衡量电能表质量的关键指标，关系到计量公平、公正，深受公司和社会各界关注，在实际运行过程中，由于受电能表本身质量水平、运行环境等因素影响，其计量准确性会发生变化，当超过允许的变化范围时将导致计量不合格。目前对运行电能表计量性能的评价一般通过周期检定、运行抽检、用户审校等人工方式开展，缺乏智能化的实时监控手段，无法及时发现并处理故障，损害了公司和用户的利益，破坏了公司的形象。另外，电能表计量数据蕴含了大量的信息，可以为公司优化管理决策提供依据，但缺乏一种智能化手段进行快速、全面的分析。通过人工方式开展误差分析诊断工作效率较低，大量运行电能表都是合格的，既浪费了人力物力资源，又无法对故障表及时定位。

目前，在国外电力计量发达的国家在电网研究领域，着重电能表应用的“电子化、长寿命化、标准化、模块化、网络化、智能化”发展方向。在检修及测量等方面，研究方向由以前的周期性检修分析，转向状态检修分析，对计量校准提出更准确和低成本的需求。并通过加强电能表质量控制来保证计量误差的准确性，运行一定年限后开始抽样检测其误差，更换故障电能表；在误差控制方面，从2002年开始，国际法制计量组织(OIML)组织起草并修订了IR46技术文件，将计量部分与管理部分分开，进一步强化了电能表计量性能方面的要求。且在计量装置状态监测领域已经对该方面的监测技术开展研究并提出许多相关的方案。远程误差诊断方面，芬兰阿尔托大学的Akseli Korhonen利用自动抄表数据进行表计误差的标定研究，推导出了一种基于树形拓扑的仪表系统误差的递归计算方法并确定了其置信区间，但是该算法的适用性取决于能耗、表计数量、表计分辨率及预期精度等因素，特别是当总表与用户表计之间产生较大误差时，该算法将不能准确估计表计误差。

目前运行电能表的误差检定办法主要是通过相关专业人员通过专业设备到现场进行检验，根据现行规程对电能表进行检验。现有文献对于I、II、III类电能表实行首检及周期性检定，对于其它类电能表进行周期性抽查，该方法滞后性较强，工作量巨大，且存在较大盲目性。

为了减少检定工作的工作量，将综合运用了计算机技术、移动通信技术、自动控制技术等，采用软硬件结合的方式，远距离对电能表进行校准、监测、数据传输，实现对电能表的远程校验，解决人工周期检定的一系列弊端，省却人工去现场校验的过程，节省大量人力、车辆和校验成本，及时发现和处理异常电能表，如误差超差、窃电等情况，避免更大的电量损失。而国内外应用最多、效果最好的是采用智能网络化电能计量装置异常运行测录装置，其原理是在负载端加装了一个负荷采集系统采集电压、电流信号，并将数据通过负控设备的信道传回，在后台利用数据分析系统，将电能计量装置采集的计量值与后台分析系统计算所得的电量值进行比较，以此来判断该用户电能计量装置的准确性。但该方法需要在现场投入大量的现场监测设备，增大了设备投入和设备运维成本。

基于用电信息采集系统采集的海量数据，综合利用皮尔逊相关系数法、灰色GM(1,1)算法实现对异常电能表的智能判断。通过在用户用电量和线损量之间建立数学模型，利用皮尔逊相关系数法来分析用户电能表计量值与台区线损量之间的变化特征和规律性，并在此基础上来定位异常电能表，以此来提高异常电能计量装置排查的准确性和实时性。该方法利用数理统计的方法，对采集的数据进行集中处理，具有人力投入少、计算精度高、排查周期短等优点。但该方法无法对电能表的误差进行量化。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于人工智能技术的电能表误差诊断方法。