CN104111373B

CN104111373B - 一种用于智能变电站数字化电能的计量方法

Info

Publication number: CN104111373B
Application number: CN201410353194.3A
Authority: CN
Inventors: 宋晓林; 骆萍; 骆一萍; 贺鸿祺; 任伟; 李国庆
Original assignee: State Grid Corp of China SGCC; Xian Jiaotong University; Electric Power Research Institute of State Grid Shaanxi Electric Power Co Ltd
Current assignee: State Grid Corp of China SGCC; Xian Jiaotong University; Electric Power Research Institute of State Grid Shaanxi Electric Power Co Ltd
Priority date: 2014-07-23
Filing date: 2014-07-23
Publication date: 2016-11-09
Anticipated expiration: 2034-07-23
Also published as: CN104111373A

Abstract

本发明一种用于智能变电站数字化电能的计量方法，步骤如下；1)对智能变电站中合并单元发送出的电压和电流的数字信号依次进行丢包补偿和粗大数据剔除；2)根据处理后的电压和电流信号得到瞬时功率，在得到的瞬时功率中截取n个连续点与Blackman卷积窗函数系数相乘后进行低通滤波得到平均功率；3)根据得到的平均功率按照时间积分得到智能变电站数字化电能，同时将平均功率进行P/F变换为电能脉冲后输出，得到智能变电站数字化电能的计量值。通过采用卷积窗函数对瞬时功率进行低通滤波，从而能够利用FIR低通滤波器对电能准确计量，同时对合并单元中发送出的数据进行丢包补偿和粗大数据剔除，降低非同步采样造成的频谱泄露影响。

Description

一种用于智能变电站数字化电能的计量方法

技术领域

本发明涉及电力系统设备的监测领域，用于智能变电站的电能计量，具体为一种用于智能变电站数字化电能的计量方法。

背景技术

目前智能电网建设已经上升到了国家高度，而智能变电站则是智能电网建设的重要基础和支撑。智能变电站主要优点体现在以下几个方面：过程设备数字化，引进了电子式互感器、合并单元智能终端等新装置；信息传输网络化，主要为IEC61850协议及网络通信技术。这意味着变电站过程层设备与间隔层设备之间的信息交互发生了较大改变。过程层中电子式互感器及智能一次设备的应用，决定了数字化电能表成为智能变电站电能计量装置的重要组成部分之一。智能变电站过程层中电子式互感器及智能一次设备的应用，决定了数字接口的数字化电能表成为智能变电站电能计量装置的重要组成部分。数字化电能表与传统电能表的本质区别在于：数字化电能表信号的输入是通过电子式互感器合并单元输出的全数字信号，采用标准规定的通信协议进行传输的。

理论上在电量计算的过程中不产生误差，只可能产生的误差为浮点数运算时有效位误差，为计算机系统固有误差。这种误差小于万分之一，所以数字化电能表从原理上来说没有准确度等级。但是由于编写的程序并不十分完善，因此在程序算法上依然有可能引入一定误差。另一方面，数字化电能表虚拟仪器直接获取电子式互感器的输入波形数据(数字量)，不直接对模拟电压和电流进行传感和采集，若合并单元输出的数据中存在坏点、丢包等情况时，也有可能引入一定误差。所以在电量计算中需要减小坏点、丢包等因素对电压、电流、电能量误差的影响。因此需求合适的算法来减小电能计算过程中的误差具有重要意义。

发明内容

针对现有技术中存在的问题，本发明提供一种计量精准，能够消除坏点和丢包情况的用于智能变电站数字化电能的计量方法。

本发明是通过以下技术方案来实现：

一种用于智能变电站数字化电能的计量方法，包括如下步骤；

1)对智能变电站中合并单元发送出的电压和电流的数字信号依次进行丢包补偿和粗大数据剔除；

2)根据处理后的电压和电流信号得到瞬时功率，在得到的瞬时功率中截取n个连续点与Blackman卷积窗函数系数相乘后进行低通滤波后由如下公式得到平均功率；

p(m)＝u(m)*i(m)

p = Σ_{m = 1}^{n} B (m) * p (m)

其中，p(m)为瞬时功率，u(m)为处理后电压，i(m)为处理后电流，p为平均功率，B(m)为Blackman卷积窗函数中与瞬时功率对应的系数；

3)根据得到的平均功率按照时间积分得到智能变电站数字化电能，同时将平均功率进行P/F变换，转换为电能脉冲后输出，得到智能变电站数字化电能的计量值。

优选的，步骤1)中，粗大数据剔除时，包括如下步骤；

1.1)通过IEC61850-9-2通讯协议从合并单元获取电压和电流信号的数字采样值分别构成n个点的数组；

1.2)按照从后往前的顺序截取a个连续的数字采样值作为参考值，a为大于3的整数，n为a的整数倍；剔除其中的最大值和最小值，对剩余的参考值进行最小二乘法拟合，得到二次拟合曲线，计算参考值与二次拟合曲线中拟合值的误差的残差；

1.3)计算残差的标准差，然后依次将残差的绝对值与5～7倍的标准差相比较；若大于则该点对应的数字采样值是粗大数据，用得到的拟合曲线重新计算该点的值并替代原来的数值，去除该粗大数据。

进一步，步骤1.2)中，截取7个连续的采样值作为拟合值。

进一步，在步骤1.3)中通过如下公式得到残差的标准差，

valuex(k)＝polya1+polya2*xva(k)+polya3*xva(k)²；

error(k)＝value(k)-valuex(k)

stderror = \sqrt{\frac{Σ_{k = 1}^{a - 2} {(error (k) - avrerror)}^{2}}{2}}

其中，xva(k)为参考值对应的序号；error(k)为二次拟合函数得出的拟合值与参考值的误差；polya1、polya2、polya3分别为三个二次拟合曲线对应函数的系数；k为1到a的正整数；value(k)为参考值；valuex(k)为拟合值；stderror为误差的残差的标准差；avrerror为中值滤波，即剔除拟合值和采样值之间误差的最大值和最小值后，计算剩余误差数据得到的平均值。

优选的，步骤1)中，在进行粗大数据剔除之前，进行丢包补偿；对数字采样值的序号进行检查并计算丢包的个数，若连续则采样值之间不存在丢包现象；若不连续则要对丢包进行补偿；

若丢包个数不大于2，在丢包处补偿一个数字采样值的极大值，然后再重新按照从后往前的顺序截取a个连续的采样值；若丢包个数大于2小于2a，剔除截取的a个点中的最大值和最小值，用剩余的点进行最小二乘法曲线拟合，用拟合曲线计算得到丢包处的数据，进行对丢包处数据的补偿；若丢包个数大于2a，则发出报警停止补偿丢包数据并丢弃当前数据；然后开始截取新的a个连续的采样值。

优选的，步骤2)中，采用Blackman卷积窗函数FIR低通滤波器来对瞬时功率进行滤波处理。

与现有技术相比，本发明具有以下有益的技术效果：

本发明通过采用卷积窗函数对瞬时功率进行低通滤波，从而能够利用FIR低通滤波器对电能实现准确计量，同时在计量前，对合并单元中发送出的数据进行丢包补偿和粗大数据剔除，能够有效降低非同步采样造成的频谱泄露影响，对坏点、丢包等情况进行抑制，从而具有非常高的准确度等级；使得有功电能测量精确度等级可达到0.05级，在数据准确性和可靠性方面显示出明显的优越性，有着传统测量系统无法比拟的优点。

进一步的，对数字化电能表输入的每连续a个点进行一次判断，采用最小二乘法进行粗大数据的判断，判断是否存在粗大数据，也就是坏点以及对坏点进行纠正；同时判断输入数据是否存在丢包情况，若存在，对被丢掉的数据进行补偿，从而实现电能的高精度算法。

进一步的，通过对连续数字采样值个数具体的限定，避免了因其过大导致的计算过程繁琐，和因其过小导致拟合曲线精度较低的问题；保证精度的同时简化了计算过程。

进一步的，在丢包补偿的处理上，当丢包小于2时，因丢包处的数据为极大值，故在进行下一步的粗大数据剔除中，会将该数据认为是粗大数据并进行纠正，从而在该位置补偿了一个精确的数据；提高了丢包补偿和粗大数据去除的协同作用，简化了计量过程，提高了计量效率。

附图说明

图1为不同基波频率下的平均功率及误差图；1a为基波频率为45Hz的平均功率示意图，1b为基波频率为45Hz的误差图，1c为基波频率为55Hz的平均功率示意图，1d为基波频率为55Hz的误差图。

图2为本发明实例中所述的粗大数据剔除对比图，2a为数据曲线凸出时的剔除对比图，2b为数据曲线凹陷时的剔除对比图。

图3为本发明实例中所述的丢包个数为14个的数据补偿对比图。

具体实施方式

下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。

本发明一种用于智能变电站数字化电能的计量方法，包括如下步骤；

p(m)＝u(m)*i(m)

p = Σ_{m = 1}^{n} B (m) * p (m)

其中，在步骤1)中，粗大数据剔除时，包括如下步骤；

在步骤1.2)中，优选的依次截取7个连续的采样值作为拟合值。在步骤1.3)中通过如下公式得到残差的标准差，

valuex(k)＝polya1+polya2*xva(k)+polya3*xva(k)²；

error(k)＝value(k)-valuex(k)

stderror = \sqrt{\frac{Σ_{k = 1}^{a - 2} {(error (k) - avrerror)}^{2}}{2}}

其中，在步骤1)进行粗大数据剔除之前，进行丢包补偿；对数字采样值的序号进行检查并计算丢包的个数，若连续则采样值之间不存在丢包现象；若不连续则要对丢包进行补偿；

优选的在步骤2)中，采用Blackman卷积窗函数FIR低通滤波器来对瞬时功率进行滤波处理。

具体方法如下：

(1)粗大数据剔除及丢包数据补偿。

按照从后往前的顺序截取a个连续采样值，判断数据对应的序号，由合并单元提供的序号是否连续。若连续，表示不存在丢包的情况，直接进行粗大数据的剔除。首先去除数据中的最大值和最小值，然后用剩余的点进行最小二乘法二次曲线拟合。polya1、polya2、polya3分别为计算得到三个二次拟合函数的系数。用y序列保存剔除最大值和最小值后剩余的数据，x序列则保存剔除这些数据对应的序号，组成矩阵。优选的以a取7为例进行说明，以矩阵为基础，拟合曲线的系数按照下列公式计算：

coeff11＝5；

coeff12＝x(1)+x(2)+x(3)+x(4)+x(5)；

coeff13＝x(1)²+x(2)²+x(3)²+x(4)²+x(5)²；

coeff21＝coeff12；

coeff22＝coeff13；

coeff23＝x(1)³+x(2)³+x(3)³+x(4)³+x(5)³；

coeff31＝coeff22；

coeff32＝coeff23；

coeff33＝x(1)⁴+x(2)⁴+x(3)⁴+x(4)⁴+x(5)⁴；

bcoeff1＝y(1)+y(2)+y(3)+y(4)+y(5)；

bcoeff2＝x(1)*y(1)+x(2)*y(2)+x(3)*y(3)+x(4)*y(4)+x(5)*y(5)；

bcoeff3＝x(1)²*y(1)+x(2)²*y(2)+x(3)²*y(3)+x(4)²*y(4)+x(5)²*y(5)；

cmodulus＝(coeff11*coeff22*coeff33+coeff12*coeff23*coeff31

+coeff13*coeff21*coeff32)-(coeff13*coeff22*coeff31

+coeff12*coeff21*coeff33+coeff11*coeff23*coeff32)；

acoff11＝(coeff22*coeff33-coeff23*coeff32)/cmodulus；

acoff21＝-1*(coeff21*coeff33-coeff23*coeff31)/cmodulu；

acoff31＝(coeff21*coeff32-coeff22*coeff31)/cmodulu；

acoff12＝-1*(coeff12*coeff33-coeff13*coeff32)/cmodulu；

acoff22＝(coeff11*coeff33-coeff13*coeff31)/cmodulu；

acoff32＝-1*(coeff11*coeff32-coeff12*coeff31)/cmodulu；

acoff13＝(coeff12*coeff23-coeff13*coeff22)/cmodulu；

acoff23＝-1*(coeff11*coeff23-coeff13*coeff21)/cmodulu；

acoff33＝(coeff11*coeff22-coeff12*coeff21)/cmodulu

最后得到三个二次拟合函数的系数如下：

polya1＝acoeff11*bcoeff1+acoeff12*bcoeff2+acoeff13*bcoeff3；

polya2＝acoeff21*bcoeff1+acoeff22*bcoeff2+acoeff23*bcoeff3；

polya3＝acoeff31*bcoeff1+acoeff32*bcoeff2+acoeff33*bcoeff3

用valuex数组保存利用二次拟合函数计算出来的数据，并通过如下公式计算拟合值和原始值之间的误差：

valuex(k)＝polya1+polya2*xva(k)+polya3*xva(k)²；

error(k)＝value(k)-valuex(k)

其中，k为1到a的正整数，value保存被截取的a个原始数据，也就是参考值，而xva数组保存其对应的序号。剔除拟合值和原始值之间误差的最大值和最小值后，然后计算剩余误差数据的平均值avrerror，也就是中值滤波值；最后计算误差的残差的标准差stderror，公式如下：

stderror = \sqrt{\frac{Σ_{k = 1}^{k - 2} {(error (k) - avrerror)}^{2}}{2}}

依次将a个数据的残差绝对值与5～7倍的标准差进行比较，若大于，则认为该数据为粗大数据，用得到的拟合值代替原来的数据，否则保留原始数据。以上所述即粗大数据的剔除方法。

丢包数据的补偿如下：通过数据序号判断，截取的a个采样数据其序号不连续，则判断发生了丢包。当丢包个数小于等于2个时，在丢包处补上极大值，若丢包为两个，则补一个正最大值和一个负最大值，采用上述粗大数据剔除算法，这些补偿数据将被作为粗大数据纠正。若丢包数大于2个小于2a个，直接按照粗大数据剔除的办法进行最小二乘法拟合，用得到的拟合曲线进行丢包处数据计算；若丢包个数大于2a个，报警并丢弃当前数据。

(2)计算电能的平均功率。

p(m)＝u(m)*i(m)

在得到的瞬时功率中截取n个连续点与Blackman卷积窗系数相乘后进行低通滤波。B为Blackman卷积窗函数的n个系数；一个周期内包含80个点；优选的n为a的整数倍，a取7时，n选值为399，具体的系数值参见表一所示，

平均功率计算公式：

p = Σ_{m = 1}^{n} B (m) * p (m)

(3)计算电能。

把平均功率按照时间积分就得到了电能，同时进行P/F变换，把平均功率P转换为电能脉冲输出。

表一：

0	2.36E-14	8.08E-13	6.19E-12	2.63E-11	8.07E-11	2.02E-10	4.41E-10	8.66E-10	1.57E-09
										2.69E-09	4.36E-09	6.80E-09	1.02E-08	1.50E-08	2.14E-08	2.98E-08	4.08E-08	5.49E-08	7.28E-08
9.51E-08	1.23E-07	1.57E-07	1.98E-07	2.48E-07	3.09E-07	3.80E-07	4.65E-07	5.65E-07	6.83E-07
										8.20E-07	9.79E-07	1.16E-06	1.38E-06	1.62E-06	1.90E-06	2.22E-06	2.58E-06	2.99E-06	3.45E-06
3.97E-06	4.56E-06	5.21E-06	5.95E-06	6.77E-06	7.68E-06	8.70E-06	9.82E-06	1.11E-05	1.24E-05
										1.40E-05	1.56E-05	1.75E-05	1.95E-05	2.17E-05	2.41E-05	2.67E-05	2.96E-05	3.27E-05	3.61E-05
3.97E-05	4.37E-05	4.80E-05	5.27E-05	5.77E-05	6.31E-05	6.90E-05	7.53E-05	8.20E-05	8.92E-05
										9.70E-05	0.0001053	0.000114	0.000124	0.000134	0.000145	0.000156	0.000168	0.000181	0.000195
0.00021	0.0002251	0.000242	0.000259	0.000277	0.000297	0.000317	0.000338	0.000361	0.000385
										0.00041	0.0004361	0.000464	0.000493	0.000523	0.000555	0.000588	0.000622	0.000658	0.000696
0.000735	0.0007762	0.000819	0.000863	0.000909	0.000957	0.001006	0.001058	0.001111	0.001166
										0.001223	0.001282	0.001343	0.001406	0.00147	0.001537	0.001606	0.001676	0.001749	0.001824
0.0019	0.0019791	0.00206	0.002142	0.002227	0.002313	0.002402	0.002492	0.002584	0.002678
										0.002774	0.0028716	0.002971	0.003072	0.003174	0.003278	0.003384	0.003491	0.0036	0.00371
0.003821	0.0039328	0.004046	0.00416	0.004276	0.004392	0.004509	0.004626	0.004744	0.004863
										0.004982	0.0051008	0.00522	0.005339	0.005458	0.005577	0.005696	0.005814	0.005932	0.006049
0.006165	0.0062805	0.006395	0.006508	0.00662	0.00673	0.006839	0.006946	0.007051	0.007155
										0.007256	0.0073554	0.007452	0.007547	0.007639	0.007729	0.007815	0.007899	0.00798	0.008058
0.008133	0.0082047	0.008273	0.008338	0.008399	0.008457	0.008511	0.008562	0.008608	0.008651

0.00869	0.0087247	0.008756	0.008783	0.008805	0.008824	0.008839	0.008849	0.008855	0.008857
										0.008855	0.0088491	0.008839	0.008824	0.008805	0.008783	0.008756	0.008725	0.00869	0.008651
0.008608	0.0085615	0.008511	0.008457	0.008399	0.008338	0.008273	0.008205	0.008133	0.008058
										0.00798	0.0078993	0.007815	0.007729	0.007639	0.007547	0.007452	0.007355	0.007256	0.007155
0.007051	0.006946	0.006839	0.00673	0.00662	0.006508	0.006395	0.006281	0.006165	0.006049
										0.005932	0.0058144	0.005696	0.005577	0.005458	0.005339	0.00522	0.005101	0.004982	0.004863
0.004744	0.0046262	0.004509	0.004392	0.004276	0.00416	0.004046	0.003933	0.003821	0.00371
										0.0036	0.0034912	0.003384	0.003278	0.003174	0.003072	0.002971	0.002872	0.002774	0.002678
0.002584	0.002492	0.002402	0.002313	0.002227	0.002142	0.00206	0.001979	0.0019	0.001824
										0.001749	0.0016764	0.001606	0.001537	0.00147	0.001406	0.001343	0.001282	0.001223	0.001166
0.001111	0.0010578	0.001006	0.000957	0.000909	0.000863	0.000819	0.000776	0.000735	0.000696
										0.000658	0.0006222	0.000588	0.000555	0.000523	0.000493	0.000464	0.000436	0.00041	0.000385
0.000361	0.0003384	0.000317	0.000297	0.000277	0.000259	0.000242	0.000225	0.00021	0.000195
										0.000181	0.0001683	0.000156	0.000145	0.000134	0.000124	0.000114	0.000105	9.70E-05	8.92E-05
8.20E-05	7.53E-05	6.90E-05	6.31E-05	5.77E-05	5.27E-05	4.80E-05	4.37E-05	3.97E-05	3.61E-05
										3.27E-05	2.96E-05	2.67E-05	2.41E-05	2.17E-05	1.95E-05	1.75E-05	1.56E-05	1.40E-05	1.24E-05
1.11E-05	9.82E-06	8.70E-06	7.68E-06	6.77E-06	5.95E-06	5.21E-06	4.56E-06	3.97E-06	3.45E-06
										2.99E-06	2.58E-06	2.22E-06	1.90E-06	1.62E-06	1.38E-06	1.16E-06	9.79E-07	8.20E-07	6.83E-07
5.65E-07	4.65E-07	3.80E-07	3.09E-07	2.48E-07	1.98E-07	1.57E-07	1.23E-07	9.51E-08	7.28E-08
										5.49E-08	4.08E-08	2.98E-08	2.14E-08	1.50E-08	1.02E-08	6.80E-09	4.36E-09	2.69E-09	1.57E-09
8.66E-10	4.41E-10	2.02E-10	8.07E-11	2.63E-11	6.19E-12	8.08E-13	2.36E-14	0

本发明所述的电能计量方法，首先检查丢包个数，通过计数分类后由针对性的进行丢包补偿，然后采用最小二乘法进行粗大数据的判断、纠正，及对丢包的情况进行判断、补偿，第三再采用卷积窗函数FIR低通滤波器滤波得到平均功率，之后进行最终计算得到电能量值。

在计算平均功率时需先得到瞬时功率。由瞬时功率的计算公式可知，若电压、电流均为基波正弦信号，则瞬时功率中包含一个100Hz的交流波动，需要低通滤波器进行衰减；若电压、电流均为带有整数次谐波的正弦信号(假设基波频率为50Hz)，则瞬时功率除了包含直流分量，还包含100Hz，2N倍交流波动分量，以及N+1和N-1倍交流分量(N为正整数)，利用低通滤波器进行低通滤波处理能够有效克服高频谐波的影响；若电压、电流均为带有间谐波的正弦信号，为了准确计量电能，应该采用一个具有非常低带宽的低通滤波器来实现对平均功率的计算。FIR滤波器具有比较高的阶数(序列长度)，逐点运算实时性较差，虽然也会造成失真，但主要是幅值失真，没有相位失真，且稳定性好。相比特性类似于模拟滤波器的IIR滤波器，IIR滤波器虽然运算速度快，但不是线性相位滤波器，对于变化的输入信号，输出会失真，稳定性差。FIR滤波器性能要好于IIR滤波器，只有幅值失真，而不存在相位失真，且采用跳跃滑动窗可提高运算速度，减少时间开销。窗函数用于FIR滤波器的吉布斯效应的抑制，该效应是由于矩形窗截取造成的频谱混叠所致，由于矩形窗的边界是阶跃的，具有丰富的高频分量，造成了吉布斯效应。为了削弱该效应的影响，采用非矩形窗函数对数据进行截取，例如采用余弦窗函数截取可以降低边界突变引起的高频分量。现有的标准窗函数其旁瓣衰减幅度各有差别，为了达到更为显著的旁瓣衰减幅度，可以把两个窗函数的频谱相乘，这对应于其脉冲响应的卷积。卷积窗增加了窗函数频谱的旁瓣衰减，这对于减小吉布斯效应有好处。最终确定电能表虚拟仪器的输入数据为n个点，每周期内包含80个点，本发明通过采用Blackman卷积窗函数FIR低通滤波器来对瞬时功率进行滤波使数字化电能表虚拟仪器的有功电能测量准确度等级能够达到0.05级。图1分别给出了当电压、电流的幅值为1，基波频率分别为45Hz和55Hz时，经过Blackman卷积窗低通滤波器得到的平均功率，以及平均功率与理论功率之间的差值。从图1中可以看到，计算得到的平均功率与理论功率的误差值在10^-7数量级，得到的平均功率值非常精确。

因为合并单元负责接收电子式互感器的采样值，然后对采样值进行相应的处理、组件以太网数据帧，通过网络，将这些采样值发送出去。这些采样值中若有因合并单元或其他因素等造成的坏点，必定会对电能的计算引入粗大误差，故需对采样值进行是否存在坏点的判断及纠正。本发明中采用最小二乘法拟合来判断采样值中是否存在坏点。拟合点越多，拟合曲线越精确，但计算复杂程度越高。在进行最小二乘法拟合前，需把采样值中可能存在的坏点给剔除，减小最小二乘法拟合的误差，故去掉采样值中的最大值和最小值。本发明中从后往前选取连续的a个采样值进行粗大数据判断，去除最大值和最小值之后，进行最小二乘法拟合，然后计算误差的残差的标准差。将a个点的残差的绝对值分别与b倍的残差的标准差进行比较，若该点残差的绝对值大于b倍的残差的标准差，该点即为坏点，用拟合曲线重新计算出该点的值并取代原点；反之，该点即为正确数据，不对该点做改变。粗大数据的剔除按照从后往前次序进行，保证电能表虚拟仪器得到的n个采样值为最新数据。

合并单元输出的采样值中会存在丢包情况，本算法中对数据丢包情况进行了补充，消除了丢包因素对电压、电流、电能量误差的影响。对丢包数据的补充和对粗大数据的剔除同时进行，在截取的a个连续数据中，判断数据的序号是否连续。序号连续，表示不存在丢包的情况，只需对数据进行粗大数据剔除；若不连续，计算数据丢包的个数。若丢包的个数小于等于2，在丢包处补上个极大值，按照粗大数据剔除的方法对丢包处的数据进行纠正，即先在丢包序号处补个极大值，然后按照从后往前的顺序截取a个连续序号的数据再进行粗大数据剔除。若丢包的个数大于2小于2a，剔除截取的a个点中的最大值和最小值，用剩余的点进行最小二乘法拟合曲线，用拟合曲线直接计算并补上丢包处的数据；若连续丢包个数超过2a个，报警并丢弃当前数据。通过对粗大数据的剔除和丢包情况的纠正，本发明能够消除虚拟数字化电能表的粗大误差。粗大数据剔除及丢包补偿效果图如图2和图3所示。从图2中可以看出来，粗大数据(图中曲线凸凹部分)能够被识别并被替换成合适的数据；图3中丢包处也能够被补偿成合适的数据。因合并单元采样值造成的粗大误差能够被有效的剔除。

Claims

1.一种用于智能变电站数字化电能的计量方法，其特征在于，包括如下步骤；

p(m)＝u(m)*i(m)

p = Σ_{m = 1}^{n} B (m) * p (m)

3)根据得到的平均功率按照时间积分得到智能变电站数字化电能，同时将平均功率进行P/F变换，转换为电能脉冲后输出，得到智能变电站数字化电能的计量值；

步骤1)中，在进行粗大数据剔除之前，进行丢包补偿；对数字采样值的序号进行检查并计算丢包的个数，若连续则采样值之间不存在丢包现象；若不连续则要对丢包进行补偿；

若丢包个数不大于2，在丢包处补偿一个数字采样值的极大值，然后再重新按照从后往前的顺序截取a个连续的采样值，a为大于3的整数，n为a的整数倍；若丢包个数大于2小于2a，剔除截取的a个点中的最大值和最小值，用剩余的点进行最小二乘法曲线拟合，用拟合曲线计算得到丢包处的数据，进行对丢包处数据的补偿；若丢包个数大于2a，则发出报警，停止补偿丢包数据并丢弃当前数据；然后开始截取新的a个连续的采样值。

2.根据权利要求1所述的一种用于智能变电站数字化电能的计量方法，其特征在于，步骤1)中，粗大数据剔除时，包括如下步骤；

1.2)按照从后往前的顺序截取a个连续的数字采样值作为参考值；剔除其中的最大值和最小值，对剩余的参考值进行最小二乘法拟合，得到二次拟合曲线，计算参考值与二次拟合曲线中拟合值的误差的残差；

3.根据权利要求2所述的一种用于智能变电站数字化电能的计量方法，其特征在于，步骤1.2)中，a的值取为7。

4.根据权利要求2所述的一种用于智能变电站数字化电能的计量方法，其特征在于，在步骤1.3)中通过如下公式得到残差的标准差，

valuex(k)＝polya1+polya2*xva(k)+polya3*xva(k)²；

error(k)＝value(k)-valuex(k)

s t d e r r o r = \sqrt{\frac{Σ_{k = 1}^{a - 2} {(e r r o r (k) - a v r e r r o r)}^{2}}{2}}

其中，xva(k)为参考值对应的序号；error(k)为二次拟合函数得出的拟合值与参考值的误差；polya1、polya2、polya3分别为三个二次拟合曲线对应函数的系数；k为1到a的正整数；value(k)为参考值；valuex(k)为拟合值；stderror为误差的残差的标准差；avrerror为中值滤波，即剔除拟合值和采样值之间误差的最大值和最小值后、计算剩余误差数据得到的平均值。

5.根据权利要求1所述的一种用于智能变电站数字化电能的计量方法，其特征在于，步骤2)中，采用Blackman卷积窗函数设计的FIR低通滤波器来对瞬时功率进行滤波处理。