[发明专利]一种电能表台区自动识别方法有效

专利信息
申请号: 201811643294.4 申请日: 2018-12-29
公开(公告)号: CN109725219B 公开(公告)日: 2021-02-09
发明(设计)人: 段盼;胡蓓 申请(专利权)人: 重庆邮电大学;重庆科技学院
主分类号: G01R31/00 分类号: G01R31/00
代理公司: 北京同恒源知识产权代理有限公司 11275 代理人: 杨柳岸
地址: 400065 *** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 电能表 自动识别 方法
【权利要求书】:

1.一种电能表台区自动识别方法,其特征在于:该方法包括以下步骤:

S1:利用已知的正确的台区数据采集若干时刻台区总表与用户电能表的电压与功率值;

S2:利用采集到的电压与功率值建立一个电压损耗模型;

S3:利用电压损耗模型和待识别用户电能表数据,估计出每个时刻每个台区总表每相的电压;

S4:基于所述时刻台区总表每相电压的估计值与实际值的数据,计算出他们的Spearman秩相关系数;

S5:利用实际值与估计值的Spearman秩相关系数,综合决策待识别用户电能表所属的台区。

2.根据权利要求1所述的一种电能表台区自动识别方法,其特征在于:所述步骤S1具体为:

在一定天数内每隔1~15分钟,同步采集一次用户电能表电压Vu、功率Wu和该用户电能表对应台区总表在对应相位的电压Vt、功率Wt;最后根据采集的数据,构建一个训练数据集D(Wu Vu,Wt,Vt)。

3.根据权利要求2所述的一种电能表台区自动识别方法,其特征在于:所述步骤S2具体为:

S21:将采集到的训练数据集D运用零-均值规范化的方法归一化处理,消除他们之间的量纲,得到新的训练数据集D*具体转化公式为:

S22:依据梯度下降法原理,通过使目标函数局部最小,来得出电压损耗模型的参数(k0,k1,k2,k3);目标函数为:

其中,λ为正则化参数,m为训练数据集D*中采集的样本数量,Wt(i),分别为训练集D*中的第i个样本。

4.根据权利要求3所述的一种电能表台区自动识别方法,其特征在于:所述S3具体为:

S31:在一定天数内每隔1~15分钟,同步采集一次待识别用户电能表电压Vux、功率Wux和每个台区总表在每个相位的电压Vt、功率Wt;最后根据采集的数据,构建3×k个数据集Tij(Wux Vux,Wtij,Vtij);其中,k为台区的总数量,i为台区编号,j为A、B、C相中的一个;

S32:将数据集Tij中的每条数据按照S21中的均值和方差进行规范化;

S33:根据电压损耗模型,估计出每个台区每个相位在相应时刻的电压值;电压损耗模型的具体公式为:

其中,V′tij代表第i个台区总表在j相的电压估计值,Vux、Wux分别代表待识别用户电能表电压和功率,Wtij代表第i个台区总表在j相的功率。

5.根据权利要求4所述的一种电能表台区自动识别方法,其特征在于:所述S4具体为:

S41:将每个数据集Tij所得到的第i个台区第j相的电压估计值和实际值分别从小到大排序,计算出相应的秩次Ri和Qi

S42:根据计算出的秩次,计算Spearman秩相关系数,具体公式为:

6.根据权利要求1所述的一种电能表台区自动识别方法,其特征在于:所述S5具体为:

S51:取第i个台区计算出的三个相关系数riA、riB、riC中的最大值的平方作为台区相关度ri2

S52:若台区相关度ri2小于γ1,则将第i个台区从备选台区中移除;其中,0≤r2≤1,ri2越接近于1则用户电能表与第i个台区相关性越强;γ1为阈值,根据经验获得;

S53:在余下的备选台区中,寻找相关度最大的ri2,那么待识别用户电能表就属于第i个台区;

S54:若最终无法匹配到合适的台区,则取得更多的数据后再进行分析;重复步骤S3到S5,对更多的用户电能表进行识别,无需再构建电压损失模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学;重庆科技学院,未经重庆邮电大学;重庆科技学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811643294.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top