[发明专利]电能表的校验方法、系统以及装置

说明书

本申请涉及一种电能表的校验方法、系统以及装置。该方法包括：获取待校验电能表的脉冲灯图像集合；脉冲灯图像集合包括预设时间内所采集到的连续多帧脉冲灯图像；将脉冲灯图像集合输入卷积编解码模型，以得到图像特征集合；将图像特征集合输入极限梯度模型，以确定预设时间内的脉冲灯闪烁信息；极限梯度模型用于根据各帧脉冲灯图像的图像特征确定脉冲灯图像是否出现脉冲灯闪烁，脉冲灯闪烁信息包括脉冲灯闪烁次数和脉冲灯闪烁间隔；根据脉冲灯闪烁信息和功率脉冲常数得到待校验电能信息，并根据电能表的标准电能信息对待校验电能信息进行校验。该方法实现了电能表脉冲灯的计数手段的智能化和自动化，降低了校验人员的工作量，提高了校验效率。

技术领域

本申请涉及电力计量技术领域，特别是涉及一种电能表的校验方法、系统以及装置。

背景技术

电能计量系统作为电能费用结算的主要依据，电能计量装置计量的准确性同时影响着发、输、变、用电计各方面的利益。因此，为了保证电能表计量的准确性，运检人员都需要对电能表进行定期的校验。

传统技术中的电能表的校验方法存在着需要人工辅助并且校验效率和精度较低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够自动、快速、准确地完成电能表检验的电能表的校验方法、系统以及装置。

一方面，本发明实施例提供一种电能表的校验方法，包括：获取待校验电能表的脉冲灯图像集合；脉冲灯图像集合包括预设时间内所采集到的连续多帧脉冲灯图像；将脉冲灯图像集合输入卷积编解码模型，以得到图像特征集合；卷积编解码模型包括依次连接的卷积编码机和卷积解码机，图像特征集合包括脉冲灯图像集合中各帧脉冲灯图像的图像特征；将图像特征集合输入极限梯度模型，以确定预设时间内的脉冲灯闪烁信息；极限梯度模型用于根据各帧脉冲灯图像的图像特征确定脉冲灯图像是否出现脉冲灯闪烁，脉冲灯闪烁信息包括脉冲灯闪烁次数和脉冲灯闪烁间隔；根据脉冲灯闪烁信息和功率脉冲常数得到待校验电能信息，并根据电能表的标准电能信息对待校验电能信息进行校验。

在其中一个实施例中，将图像特征集合输入极限梯度模型，以确定预设时间内的脉冲灯闪烁信息的步骤前还包括：获取脉冲灯训练图像集合、脉冲灯测试图像集合以及脉冲灯验证图像集合；分别将脉冲灯训练图像集合、脉冲灯测试图像集合以及脉冲灯验证图像集合输入卷积编解码模型，以得到脉冲灯训练图像特征集合、脉冲灯测试图像特征集合以及脉冲灯验证图像特征集合；利用脉冲灯训练图像特征集合训练初始极限梯度模型，以训练初始极限梯度模型中的参数；利用脉冲灯测试图像特征集合对经过训练的初始极限梯度模型进行参数优化；将脉冲灯验证图像特征集合输入经过优化的初始极限梯度模型，若经过优化的初始极限梯度模型输出的预测脉冲灯闪烁信息与脉冲灯验证图像特征集合对应的实际脉冲灯闪烁信息之间的误差满足预设条件，则确定经过优化的初始极限梯度模型为极限梯度模型。

在其中一个实施例中，利用脉冲灯训练图像特征集合训练初始极限梯度模型，以训练初始极限梯度模型中的参数的步骤包括：根据初始极限梯度模型的目标函数的值调整初始极限梯度模型的参数，以使得初始极限梯度模型的目标函数的值最小化后完成训练初始极限梯度模型中的参数；

其中，初始极限梯度模型的目标函数为：

式中，表示损失函数，y_i是脉冲灯训练图像特征集合中第i帧脉冲灯训练图像对应的实际脉冲灯闪烁结果，是脉冲灯训练图像特征集合中第i帧脉冲灯训练图像对应的预测脉冲灯闪烁结果，N是脉冲灯训练图像特征集合对应的脉冲灯训练图像集合中的脉冲灯训练图像总数，Ω(f_k)表示模型的正则项，f_k表示初始极限梯度模型中的第k棵决策树，K表述初始极限梯度模型中决策树的总数量。

在其中一个实施例中，将脉冲灯图像集合输入卷积编解码模型，以得到图像特征集合的步骤前还包括：对脉冲灯图像集合做信道分离处理，以将脉冲灯图像集合中各帧脉冲灯图像分离为多个子脉冲灯图像。