[发明专利]一种基于云边协同计算的漏电测量误差补偿方法及系统

说明书

本发明提供一种基于云边协同计算的漏电测量误差补偿方法，其在漏电流边缘监测终端与用电管理云平台互联形成的通信网络上实现，包括以下步骤：漏电流边缘监测终端监测漏电电流数据并发送给用电管理云平台；用电管理云平台使用接收的漏电数据迭代训练假漏电补偿模型，不断更新假漏电模型参数并反馈给漏电流边缘监测终端；漏电流边缘监测终端根据假漏电补偿模型参数来处理漏电电流数据，以消除漏电电流数据中假漏电现象的影响。实施本发明，能对零序电流互感器产生的假漏电现象进行消除，以获得准确的漏电电流数据。

技术领域

本发明涉及电气线路监测技术领域，尤其涉及一种基于云边协同计算的漏电测量误差补偿方法及系统。

背景技术

随着国民经济的飞速发展，我国的发电量和用电量已经跃居全球第一，随之也带来了电气安全事故的频频发生。电气火灾发生的位置大多数处于电力系统中的配电端到用电终端这一范围(即从用户端低压变压器开始，经过低压配电电器，再到用户的用电器)，这是因为配电线路和用电器往往是由用户自行安装和维护，使得设计、安装、使用等环节经常存在不规范现象，同时长期运行过程中出现损坏后也无法进行专业的维护检修，尤其最重要的是因为线路状态缺乏有效的监测。然而，电气安全事故中，由电路中的漏电电流引发的人身安全和火灾事故又占据了很大比例。因此，对线路中的漏电电流进行实时监测就显得尤为重要。

目前，采用零序互电流感器测量线路中的漏电电流。但是，实际应用中的零序互感器因漏磁、绕线不均匀等原因而产生测量误差，导致所测漏电电流显著大于线路中真实的漏电电流，在行业中被称为“假漏电”现象。必须去除“假漏电”的干扰，才能精确获取与电气火灾密切相关的真实漏电电流。

理论上，漏电电流的大小并不受工作电流变化影响。但是，在研究中发现，“假漏电”会随着工作电流的增大而增大，这是由零序互感器本身精度以及电缆安装方式所引起的。例如，不同零序互感器特性难以完全一致，使得精度不准确；又如，线缆安装的一致性无法保证，导致真实漏电和“假漏电”的分布模式并不恒定。因此，需要通过对每个零序互感器的监测数据进行分析，分别对每个零序互感器假漏电情况进行建模。由于边缘监测终端算力不足，需要将数据上传至云平台进行建模计算，然后将补偿参数反馈至边缘终端进行假漏电补偿。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于云边协同计算的漏电测量误差补偿方法及系统，能对零序电流互感器产生的假漏电现象进行消除，以获得准确的漏电电流数据。

为了解决上述技术问题，本发明实施例提供了一种基于云边协同计算的漏电测量误差补偿方法，其在漏电流边缘监测终端与用电管理云平台互联形成的通信网络上实现，包括以下步骤：

所述漏电流边缘监测终端监测负载电压、负载电流及漏电电流数据并发送给所述用电管理云平台；

所述用电管理云平台使用接收的数据迭代训练假漏电补偿模型，更新假漏电模型参数并反馈给所述漏电流边缘监测终端；

所述漏电流边缘监测终端使用与所述用电管理云平台相同的假漏电补偿模型，并根据从所述用电管理云平台接收的假漏电补偿模型参数来处理所述漏电电流数据，以消除所述漏电电流数据中假漏电现象的影响假漏电补偿模型。

其中，所述负载电压、负载电流及漏电电流数据来自于预设传感器在指定线路节点上所采集到的。

其中，所述假漏电补偿模型是基于鲁棒模糊聚类的多模型回归算法构建出来的，并在训练过程中逐步优化模糊成员的中心点和协方差，直至概率成员完成收敛为止。

其中，所述模糊成员的优化公式为其中，

C为聚类个数；m1，且为一个模糊化权重参数；x_j为样本；c_i为聚类i的中心；e_ik为聚类i的协方差矩阵的第k个特征向量；v_ik是第k个特征向量中特征根的权重系数。