CN105426656A - 一种误差计算方法及系统 - Google Patents

Abstract

本发明公开了一种误差计算方法及系统，包括确定电力互感器的影响因素，影响因素包括电力互感器的运行温度和剩磁、电力互感器测量的一次侧的外电场、磁场、高压漏电流以及频率中的一种或多种的组合；分别获取影响因素对应的监测值x_Ar；分别根据影响因素对应的监测值x_Ar以及云模型得到云滴总数L，再分别根据监测值x_Ar和云滴总数L计算得到影响因素对应的运行变差F_A；分别获取影响因素的MDTW距离，对所有的影响因素的MDTW距离以及所有的影响因素对应的运行变差F_A进行加权综合处理，得到综合运行变差ΔF；依据综合运行变差ΔF以及电力互感器的外推误差，得到电力互感器的动态误差。该方法及系统能够完全表征计量误差的动态变化，提高计算电力互感器的动态误差的准确性。

Description

一种误差计算方法及系统

技术领域

本发明涉及误差估计领域，特别是涉及一种误差计算方法。本发明还涉及一种误差计算系统。

背景技术

电能计量装置的运行管理包括现场检验及周期轮换，但是这两种管理方式无法对其进行实时监测难以及时发现两次现场检验之间出现的问题，也无法对电能计量装置进行故障预警，因此这种管理方式已难以适应电能计量精细化管理的要求。电能计量误差水平由电能表、电压互感器和电流互感器、二次回路4个部分的误差综合而成，由于各部分误差来源的因素多样性和内在关联性，使得现有的现场检验手段无法排查所有的潜在隐患。随着智能电网高级计量体系的发展，利用双向通信和先进传感技术可实现计量装置多维运行参量的可观性，可预防和及早发现计量装置运行存在的问题。因此，须建立基于大数据的计量误差水平实时监测及估计方法，实现计量装置运行状态的全面综合分析。

目前采用的二次负荷误差仿真法可外推得到电压、电流互感器的比值差f_SI、f_SU和相位差δ_SI、δ_SU，但该方法仅考虑了二次负荷、一次电流和电压的作用，而未计及电力互感器的运行温度、电力互感器的一次侧的外电场，电力互感器的一次侧的磁场、电力互感器的剩磁、高压漏电流和频率等产生的运行变差，导致该方法不能完全表征计量误差的动态变化，准确性差。

因此，如何提供一种准确性高的误差计算方法及系统是本领域技术人员目前需要解决的问题。

发明内容

本发明的目的是提供一种误差计算方法，能够完全表征计量误差的动态变化，提高计算电力互感器的动态误差的准确性；本发明的另一目的是提供一种误差计算系统。

为解决上述技术问题，本发明提供了一种误差计算方法，用于电力互感器，包括：

步骤s101：确定所述电力互感器的影响因素，所述影响因素包括所述电力互感器的运行温度和剩磁、所述电力互感器测量的一次侧的外电场、磁场、高压漏电流以及频率中的一种或多种的组合；

步骤s102：分别获取所述影响因素对应的监测值x_Ar；

步骤s103：分别根据所述影响因素对应的监测值x_Ar以及云模型得到云滴总数L，再分别根据所述监测值x_Ar和所述云滴总数L计算得到所述影响因素对应的运行变差F_A；

步骤s104：分别获取所述影响因素的MDTW距离，对所有的所述影响因素的MDTW距离以及所有的所述影响因素对应的运行变差F_A进行加权综合处理，得到综合运行变差ΔF；

步骤s105：依据所述综合运行变差ΔF以及所述电力互感器的外推误差，得到所述电力互感器的动态误差。

优选地，当所述影响因素为所述电力互感器的运行温度或所述频率时，所述影响因素对应的云模型的获取过程为：

步骤s201：预设向量(E_nA1,H_eA1,E_xA1)和(E_nA2,H_eA2,E_xA2)；

步骤s202：根据熵E_nA1、超熵H_eA1和NORM函数生成第一正态随机数E’_nA11；根据熵E_nA2、超熵H_eA2和所述NORM函数生成第二正态随机数E’_nA21；以E’_nA11 ²为方差，E_xA1为期望，依据所述NORM函数生成第三正态随机数x_A11；以E’_nA21 ²为方差，E_xA2为期望，依据所述NORM函数生成第四正态随机数x_A21；

步骤s203：重复N次步骤s202，则得到并依据N个第一正态随机数E’_nA11,E’_nA12,……,E’_nA1N组合生成第一标准差随机向量E’_nA1；得到并依据N个第二正态随机数E’_nA21,E’_nA22,……,E’_nA2N组合生成第二标准差随机向量E’_nA2；得到并依据N个第三正态随机数x_A11,x_A12，……，x_A1N组合生成第一影响因素随机向量x_A1；得到并依据N个第四正态随机数x_A21,x_A22，……，x_A2N组合生成第二影响因素随机向量x_A2；

其中，E’_nA1＝(E’_nA11,E’_nA12,……,E’_nA1N)，E’_nA2＝(E’_nA21,E’_nA22,……,E’_nA2N)；

x_A1＝(x_A11,x_A12，……，x_A1N)，x_A2＝(x_A21,x_A22，……，x_A2N)；

步骤s204：根据所述第一标准差随机向量E’_nA1、所述第一影响因素随机向量x_A1和所述影响因素对应的云模型的计算式得到第一影响因素隶属度向量μ_A1；根据所述第二标准差随机向量E’_nA2、所述第二影响因素随机向量x_A2和所述影响因素对应的云模型的计算式得到第二影响因素隶属度向量μ_A2；

步骤s205：根据所述第一影响因素隶属度向量μ_A1和所述第一影响因素随机向量x_A1得到N个云滴，再根据所述第二影响因素隶属度向量μ_A2和所述第二影响因素随机向量x_A2得到N个云滴，结合2N个所述云滴得到所述影响因素对应的云模型。

优选地，当所述影响因素为所述电力互感器的运行温度时，所述电力互感器的运行温度对应的云模型为组合半梯形云，其中，所述组合半梯形云的计算式为：

${\mathrm{\&mu;}}_T(x_T,{E^{,}}_{nT})=\left\{\begin{array}{c}1-e^{-\frac{{(x_T-E_{xT2})}^2}{2{E_{nT}^{,}}^2}},x_T<E_{xT2}\\ 0,E_{xT2}\&le;x_T\&le;E_{xT1}\\ 1-e^{-\frac{{(x_T-E_{xT1})}^2}{2{E_{nT}^{,}}^2}},x_T>E_{xT1}\end{array}\right.$

其中，x_T＝x_Aij，相对应的E’_nT＝E’_nAij，其中i∈{1,2},1≤j≤N；E_xT1＝E_xA1；E_xT2＝E_xA2；当i＝1时，μ_T＝μ_A1；当i＝2时，μ_T＝μ_A2；

当所述影响因素为所述频率时，所述频率对应的云模型为对称梯形云，其中，所述对称梯形云的关系式为：

${\mathrm{\&mu;}}_F(x_F,{E^{,}}_{nF})=\left\{\begin{array}{c}1-e^{-\frac{{(x_F-E_{xF2})}^2}{2{E_{nF}^{,}}^2}},x_F<E_{xF2}\\ 0,E_{xF2}\&le;x_F\&le;E_{xF1}\\ 1-e^{-\frac{{(x_F-E_{xF1})}^2}{2{E_{nF}^{,}}^2}},x_F>E_{xF1}\end{array}\right.$

其中，x_F＝x_Akh，相对应的E’_nF＝E’_nAkh，其中k∈{1,2},1≤h≤N；E_xF1＝E_xA1；E_xF2＝E_xA2；当k＝1时，μ_F＝μ_A1；当k＝2时，μ_F＝μ_A2。

优选地，当所述影响因素为所述电力互感器测量的一次侧的外电场或磁场或高压漏电流或所述电力互感器的剩磁时，所述影响因素对应的云模型的获取过程为：

步骤s301：预设向量(E_nB,H_eB,E_xB)；

步骤s302：根据熵E_nB、超熵H_eB和所述NORM函数生成第五正态随机数E’_nB1；以E’_nB1 ²为方差，E_xB为期望，依据所述NORM函数生成第六正态随机数x_B1；

步骤s303：重复N次步骤s302，得到并依据N个第五正态随机数E’_nB1,E’_nB2,……,E’_nBN组合生成第三标准差随机向量E’_nB；得到并依据N个第六正态随机数x_B1,x_B2，……，x_BN组合生成第三影响因素随机向量x_B；

其中，E’_nB＝(E’_nB1,E’_nB2,……,E’_nBN)；

x_B＝(x_B1,x_B2,……,x_BN)；

步骤s304：根据所述第三标准差随机向量E’_nB、所述第三影响因素随机向量x_B和所述影响因素对应的云模型的关系式得到第三影响因素隶属度向量μ_B；

步骤s305：根据所述第三影响因素隶属度向量μ_B和所述第三影响因素随机向量x_B获得N个云滴，结合N个所述云滴得到所述影响因素对应的云模型。

优选地，当所述影响因素为所述电力互感器测量的一次侧的外电场时，所述电力互感器测量的一次侧的外电场对应的云模型为半升梯形云，其中，所述半升梯形云的关系式为：

${\mathrm{\&mu;}}_E(x_E,{E^{,}}_{nE})=\left\{\begin{array}{c}{e}^{-\frac{{(x_E-E_{xE})}^2}{2{E_{nE}^{,}}^2}},x_E<E_{xE}\\ 1,x_E\&GreaterEqual;E_{xE}\end{array}\right.$

其中，x_E＝x_Bi，相对应的E’_nE＝E’_nBi，其中1≤i≤N，E_xE＝E_xB；

当所述影响因素为所述磁场时，所述磁场对应的云模型为半升梯形云，其中，所述半升梯形云的关系式为：

${\mathrm{\&mu;}}_M(x_M,{E^{,}}_{nM})=\left\{\begin{array}{c}{e}^{-\frac{{(x_M-E_{xM})}^2}{2{E_{nM}^{,}}^2}},x_M<E_{xM}\\ 1,x_M\&GreaterEqual;E_{xM}\end{array}\right.$

其中，x_M＝x_Bj，相对应的E’_nM＝E’_nBj，其中1≤j≤N，E_xM＝E_xB；

当所述影响因素为所述高压漏电流时，所述高压漏电流对应的云模型为半升梯形云，其中，所述半升梯形云的关系式为：

${\mathrm{\&mu;}}_C(x_C,{E^{,}}_{nC})=\left\{\begin{array}{c}{e}^{-\frac{{(x_C-E_{xC})}^2}{2{E_{nC}^{,}}^2}},x_C<E_{xC}\\ 1,x_C\&GreaterEqual;E_{xC}\end{array}\right.$

其中，x_C＝x_Bk，相对应的E’_nC＝E’_nBk，其中1≤k≤N，E_xC＝E_xB；

当所述影响因素为所述电力互感器的剩磁时，所述剩磁对应的云模型为半降正态云，其中，所述半降正态云的关系式为：

${\mathrm{\&mu;}}_R(x_R,{E^{,}}_{nR})=\left\{\begin{array}{c}1,x_R\&le;E_{xR}\\ e^{-\frac{{(x_R-E_{xR})}^2}{2{E_{nR}^{,}}^2}},x_R>E_{xR}\end{array}\right.$

其中，x_R＝x_Bh，相对应的E’_nR＝E’_nBh，其中1≤h≤N，E_xR＝E_xB。

优选地，所述分别根据所述影响因素对应的所述监测值x_Ar以及云模型得到云滴总数L，再分别根据所述监测值x_Ar和所述云滴总数L计算得到所述影响因素对应的运行变差F_A的过程具体为：

根据所述监测值x_Ar和骨干元素区关系式获得骨干元素区D_A，其中，所述骨干元素区关系式为：

D_A＝[x_Ar-(H_eA1+H_eA2)/3,x_Ar+(H_eA1+H_eA2)/3]

将所述骨干元素区D_A带入所述影响因素对应的云模型，得到所述云模型在所述骨干元素区D_A内的所述云滴总数L；

根据所述监测值x_Ar、所述云滴总数L和运行变差关系式获得所述影响因素对应的运行变差F_A，其中所述运行变差关系式为：

$F_A\left(x_{Ar}\right)={\mathrm{\&eta;}}_A{F}_{\lim }\underset{x_{Ar}\&Element;D_A}{\&Sigma;}{\mathrm{\&mu;}}_A/L$

其中，μ_A＝{μ_A1,μ_A2}，η_A为所述影响因素引起所述电力互感器产生变差的限值系数，F_lim为所述电力互感器的基本误差。

优选地，所述分别根据所述影响因素对应的所述监测值x_Ar以及云模型得到云滴总数L，再分别根据所述监测值x_Ar和所述云滴总数L计算得到所述影响因素对应的运行变差F_A的过程具体为：

根据所述监测值x_Ar和骨干元素区关系式获得骨干元素区D_A，其中，所述骨干元素区关系式为：

D_A＝[x_Ar-2H_eB/3,x_Ar+2H_eB/3]

将所述骨干元素区D_A带入所述影响因素对应的云模型，得到所述云模型在所述骨干元素区D_A内的所述云滴总数L；

根据所述监测值x_Ar、所述云滴总数L和运行变差关系式获得所述影响因素对应的运行变差F_A，其中所述运行变差关系式为：

$F_A\left(x_{Ar}\right)={\mathrm{\&eta;}}_A{F}_{\lim }\underset{x_{Ar}\&Element;D_A}{\&Sigma;}{\mathrm{\&mu;}}_B/L$

其中，η_A为所述影响因素引起所述电力互感器产生变差的限值系数，F_lim为所述电力互感器的基本误差。

优选地，所述对所有的所述影响因素的MDTW距离以及所有的所述影响因素对应的运行变差F_A进行加权综合处理，得到综合运行变差ΔF的过程具体为：

将所述所有的所述影响因素的MDTW距离以及所述所有的所述影响因素对应的运行变差F_A带入综合运行变差关系式，从而得到所述综合运行变差ΔF；

其中，当所述电力互感器为电压互感器时，所述综合运行变差关系式为：

${\mathrm{\&Delta;F}}_U=\frac{F_{TU}/D_{TU}+F_{EU}/D_{EU}+F_{MU}/D_{MU}+F_{FU}/D_{FU}}{1/D_{TU}+1/D_{EU}+1/D_{MU}+1/D_{FU}}$

其中，F_TU为所述电压互感器的运行温度对应的运行变差，D_TU为所述电压互感器的运行温度对应的MDTW距离；F_EU为所述电压互感器测量的一次侧的外电场对应的运行变差，D_EU为所述电压互感器测量的一次侧的外电场对应的MDTW距离；F_MU为所述磁场对应的运行变差，D_MU为所述磁场对应的MDTW距离；F_FU为所述频率对应的运行变差，D_FU为所述频率对应的MDTW距离；

当所述电力互感器为电流互感器时，所述综合运行变差关系式为：

${\mathrm{\&Delta;F}}_I=\frac{F_{TI}/D_{TI}+F_{RI}/D_{RI}+F_{MI}/D_{MI}+F_{CI}/D_{CI}}{1/D_{TI}+1/D_{RI}+1/D_{MI}+1/D_{CI}}$

其中，F_TI为所述电流互感器的运行温度对应的运行变差，D_TI为所述电流互感器的运行温度对应的MDTW距离；F_RI为所述电流互感器的剩磁对应的运行变差，D_RI为所述电流互感器的剩磁对应的MDTW距离；F_MI为所述磁场对应的运行变差，D_MI为所述磁场对应的MDTW距离；F_CI为所述高压漏电流对应的运行变差，D_CI为所述高压漏电流对应的MDTW距离。

为解决上述技术问题，本发明还提供了一种误差计算系统，用于电力互感器，包括：

影响因素确定单元，用于确定所述电力互感器的影响因素，所述影响因素包括所述电力互感器的运行温度和剩磁、所述电力互感器测量的一次侧的外电场、磁场、高压漏电流以及频率中的一种或多种的组合；

监测值获取单元，用于分别获取所述影响因素对应的监测值x_Ar；

运行变差计算单元，用于分别根据所述影响因素对应的监测值x_Ar以及云模型得到云滴总数L，再分别根据所述监测值x_Ar和所述云滴总数L计算得到所述影响因素对应的运行变差F_A；

动态误差计算单元，用于分别获取所述影响因素的MDTW距离，对所有的所述影响因素的MDTW距离以及所有的所述影响因素对应的运行变差F_A进行加权综合处理，得到综合运行变差ΔF；还用于依据所述综合运行变差ΔF以及所述电力互感器的外推误差，得到所述电力互感器的动态误差。

优选地，所述电力互感器为：

电压互感器或电流互感器。

本发明提供了一种误差计算方法及系统，用于电力互感器，该方法能够根据获取的影响因素对应的监测值，以及影响因素对应的云模型得到电力互感器的综合运行变差，再根据综合运行变差以及电力互感器的误差，即可得到电力互感器的动态误差。该方法不仅考虑了二次负荷、一次电流和电压的作用，还计算了电力互感器的运行温度和剩磁、电力互感器测量的一次侧的磁场、电力互感器测量的一次侧的外电场、高压漏电流和频率等影响因素产生的运行变差，因此该方法及系统能够完全表征计量误差的动态变化，提高了计算电力互感器的动态误差的准确性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种误差计算方法的过程的流程图；

图2为本发明提供的一种误差计算方法中电力互感器的运行温度对应的云模型；

图3为本发明提供的一种误差计算方法中频率对应的云模型；

图4为本发明提供的一种误差计算方法中电力互感器测量的一次侧的外电场对应的云模型；

图5为本发明提供的一种误差计算方法中剩磁对应的云模型；

图6为本发明提供的一种误差计算系统的结构示意图。

具体实施方式

本发明的核心是提供一种误差计算方法，能够完全表征计量误差的动态变化，提高计算电力互感器的动态误差的准确性；本发明的另一核心是提供一种误差计算系统。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供了一种误差计算方法，用于电力互感器，参见图1所示，图1为本发明提供的一种误差计算方法的过程的流程图；该方法包括：

步骤s101：确定电力互感器的影响因素，影响因素包括电力互感器的运行温度和剩磁、电力互感器测量的一次侧的外电场、磁场、高压漏电流以及频率中的一种或多种的组合；

其中，这里的剩磁指的是电力互感器的剩磁；磁场指的是电力互感器测量的一次侧的磁场，一次侧指的是电力互感器与其测量的导线相连的一侧；高压漏电流指的是电力互感器所测量的导线的漏电流；频率指的是电力互感器所测量的导线上的交流电的频率。

另外，这里的电力互感器为电压互感器或电流互感器。

步骤s102：分别获取影响因素对应的监测值x_Ar；

步骤s103：分别根据影响因素对应的监测值x_Ar以及云模型得到云滴总数L，再分别根据监测值x_Ar和云滴总数L计算得到影响因素对应的运行变差F_A；

可以理解的是，在计算电力互感器的动态误差前需要建立电力互感器的各个影响因素的云模型。用户只需要在初始的时候建立电力互感器各个影响因素所对应的云模型，云模型建立好后，后续在计算电力互感器的动态误差时，只需通过检测装置(例如传感器)得到各个影响因素的监测值，将监测值代入到云模型中就能得到各个影响因素的运行变差F_A，再对运行变差F_A经过一系列处理，最终得到电力互感器的动态误差。

进一步可知，当影响因素为电力互感器的运行温度或频率时，影响因素对应的云模型的获取过程为：

步骤s201：预设向量(E_nA1,H_eA1,E_xA1)和(E_nA2,H_eA2,E_xA2)；

步骤s202：根据熵E_nA1、超熵H_eA1和NORM函数生成第一正态随机数E’_nA11；根据熵E_nA2、超熵H_eA2和NORM函数生成第二正态随机数E’_nA21；以E’_nA11 ²为方差，E_xA1为期望，依据NORM函数生成第三正态随机数x_A11；以E’_nA21 ²为方差，E_xA2为期望，依据NORM函数生成第四正态随机数x_A21；

可以理解的是，在实际运行时，用户可直接在matlab中调用NORM函数得到 $E_{nA11}^{,}=NORM(E_{nA1},H_{eA1}^2),E_{nA21}^{,}=NORM(E_{nA2},H_{eA2}^2);$ 再调用NORM函数得到x_A11＝NORM(E_xA1,E’_nA11 ²)，x_A21＝NORM(E_xA2,E’_nA21 ²)。

可以理解的是，这里的云模型利用熵、超熵和期望三个数字特征来建立不确定性认知模型，实现了不确定问题从定性到定量的转变，从而便于计算。

步骤s203：重复N次步骤s202，则得到并依据N个第一正态随机数E’_nA11,E’_nA12,……,E’_nA1N组合生成第一标准差随机向量E’_nA1；得到并依据N个第二正态随机数E’_nA21,E’_nA22,……,E’_nA2N组合生成第二标准差随机向量E’_nA2；得到并依据N个第三正态随机数x_A11,x_A12，……，x_A1N组合生成第一影响因素随机向量x_A1；得到并依据N个第四正态随机数x_A21,x_A22，……，x_A2N组合生成第二影响因素随机向量x_A2；

其中，E’_nA1＝(E’_nA11,E’_nA12,……,E’_nA1N)，E’_nA2＝(E’_nA21,E’_nA22,……,E’_nA2N)；

x_A1＝(x_A11,x_A12，……，x_A1N)，x_A2＝(x_A21,x_A22，……，x_A2N)；

步骤s204：根据第一标准差随机向量E’_nA1、第一影响因素随机向量x_A1和影响因素对应的云模型的计算式得到第一影响因素隶属度向量μ_A1；根据第二标准差随机向量E’_nA2、第二影响因素随机向量x_A2和影响因素对应的云模型的计算式得到第二影响因素隶属度向量μ_A2；

另外，这里的隶属度向量也称为确定度向量。

其中，当影响因素为电力互感器的运行温度时，电力互感器的运行温度对应的云模型为组合半梯形云，参见图2所示，图2为本发明提供的一种误差计算方法中电力互感器的运行温度对应的云模型；

其中，组合半梯形云的计算式为：

${\mathrm{\&mu;}}_T(x_T,{E^{,}}_{nT})=\left\{\begin{array}{c}1-e^{-\frac{{(x_T-E_{xT2})}^2}{2{E_{nT}^{,}}^2}},x_T<E_{xT2}\\ 0,E_{xT2}\&le;x_T\&le;E_{xT1}\\ 1-e^{-\frac{{(x_T-E_{xT1})}^2}{2{E_{nT}^{,}}^2}},x_T>E_{xT1}\end{array}\right.$

其中，x_T＝x_Aij，相对应的E’_nT＝E’_nAij，其中i∈{1,2},1≤j≤N；E_xT1＝E_xA1；E_xT2＝E_xA2；当i＝1时，μ_T＝μ_A1；当i＝2时，μ_T＝μ_A2；

当影响因素为频率时，频率对应的云模型为对称梯形云，参见图3所示，图3为本发明提供的一种误差计算方法中频率对应的云模型；

其中，对称梯形云的关系式为：

${\mathrm{\&mu;}}_F(x_F,{E^{,}}_{nF})=\left\{\begin{array}{c}1-e^{-\frac{{(x_F-E_{xF2})}^2}{2{E_{nF}^{,}}^2}},x_F<E_{xF2}\\ 0,E_{xF2}\&le;x_F\&le;E_{xF1}\\ 1-e^{-\frac{{(x_F-E_{xF1})}^2}{2{E_{nF}^{,}}^2}},x_F>E_{xF1}\end{array}\right.$

其中，x_F＝x_Akh，相对应的E’_nF＝E’_nAkh，其中k∈{1,2},1≤h≤N；E_xF1＝E_xA1；E_xF2＝E_xA2；当k＝1时，μ_F＝μ_A1；当k＝2时，μ_F＝μ_A2。

步骤s205：根据第一影响因素隶属度向量μ_A1和第一影响因素随机向量x_A1得到N个云滴，再根据第二影响因素隶属度向量μ_A2和第二影响因素随机向量x_A2得到N个云滴，结合2N个云滴得到影响因素对应的云模型。

可以理解的是，这里的云滴的坐标为(x_A,μ_A)；

其中，x_A＝{x_A1,x_A2}，μ_A＝{μ_A1,μ_A2}；

x_A1＝(x_A11,x_A12，……，x_A1N)，x_A2＝(x_A21,x_A22，……，x_A2N)；

由于，μ_A1与x_A1均为包括N个数值的向量，且μ_A1与x_A1的取值一一对应；μ_A2与x_A2均为包括N个数值的向量，且μ_A2与x_A2的取值一一对应；因此，共得到2N个云滴。

另外，当影响因素为电力互感器的运行温度或频率时，分别根据影响因素对应的监测值x_Ar以及云模型得到云滴总数L，再分别根据监测值x_Ar和云滴总数L计算得到影响因素对应的运行变差F_A的过程具体为：

根据监测值x_Ar和骨干元素区关系式获得骨干元素区D_A，其中，骨干元素区关系式为：

D_A＝[x_Ar-(H_eA1+H_eA2)/3,x_Ar+(H_eA1+H_eA2)/3]

将骨干元素区D_A带入影响因素对应的云模型，得到云模型在骨干元素区D_A内的云滴总数L；

根据监测值x_Ar、云滴总数L和运行变差关系式获得影响因素对应的运行变差F_A，其中运行变差关系式为：

$F_A\left(x_{Ar}\right)={\mathrm{\&eta;}}_A{F}_{\lim }\underset{x_{Ar}\&Element;D_A}{\&Sigma;}{\mathrm{\&mu;}}_A/L$

其中，μ_A＝{μ_A1,μ_A2}，η_A为电力互感器在影响因素下产生变差的限值系数，F_lim为电力互感器的基本误差(其中，电流互感器的基本误差与一次侧的电流有关)；表1中给出了电力互感器在各影响因素下产生变差的限值系数(即相对基本误差比例)。

表1电力互感器在各影响因素下产生变差的限值系数

另外，当影响因素为电力互感器测量的一次侧的外电场或磁场或高压漏电流或电力互感器的剩磁时，影响因素对应的云模型的获取过程为：

步骤s301：预设向量(E_nB,H_eB,E_xB)；

步骤s302：根据熵E_nB、超熵H_eB和NORM函数生成第五正态随机数E’_nB1；以E’_nB1 ²为方差，E_xB为期望，依据NORM函数生成第六正态随机数x_B1；

其中， $E_{nB1}^{,}=NORM(E_{nB},H_{eB}^2);$

步骤s303：重复N次步骤s302，得到并依据N个第五正态随机数E’_nB1,E’_nB2,……,E’_nBN组合生成第三标准差随机向量E’_nB；得到并依据N个第六正态随机数x_B1,x_B2，……，x_BN组合生成第三影响因素随机向量x_B；

其中，E’_nB＝(E’_nB1,E’_nB2,……,E’_nBN)；

x_B＝(x_B1,x_B2,……,x_BN)；

步骤s304：根据第三标准差随机向量E’_nB、第三影响因素随机向量x_B和影响因素对应的云模型的关系式得到第三影响因素隶属度向量μ_B；

进一步可知，当影响因素为电力互感器测量的一次侧的外电场时，电力互感器测量的一次侧的外电场对应的云模型为半升梯形云，参见图4所示，图4为本发明提供的一种误差计算方法中电力互感器测量的一次侧的外电场对应的云模型；

其中，半升梯形云的关系式为：

${\mathrm{\&mu;}}_E(x_E,{E^{,}}_{nE})=\left\{\begin{array}{c}{e}^{-\frac{{(x_E-E_{xE})}^2}{2{E_{nE}^{,}}^2}},x_E<E_{xE}\\ 1,x_E\&GreaterEqual;E_{xE}\end{array}\right.$

其中，x_E＝x_Bi，相对应的E’_nE＝E’_nBi，其中1≤i≤N，E_xE＝E_xB；

当影响因素为磁场时，磁场对应的云模型为半升梯形云，其中，半升梯形云的关系式为：

${\mathrm{\&mu;}}_M(x_M,{E^{,}}_{nM})=\left\{\begin{array}{c}{e}^{-\frac{{(x_M-E_{xM})}^2}{2{E_{nM}^{,}}^2}},x_M<E_{xM}\\ 1,x_M\&GreaterEqual;E_{xM}\end{array}\right.$

其中，x_M＝x_Bj，相对应的E’_nM＝E’_nBj，其中1≤j≤N，E_xM＝E_xB；

当影响因素为高压漏电流时，高压漏电流对应的云模型为半升梯形云，其中，半升梯形云的关系式为：

${\mathrm{\&mu;}}_C(x_C,{E^{,}}_{nC})=\left\{\begin{array}{c}{e}^{-\frac{{(x_C-E_{xC})}^2}{2{E_{nC}^{,}}^2}},x_C<E_{xC}\\ 1,x_C\&GreaterEqual;E_{xC}\end{array}\right.$

其中，x_C＝x_Bk，相对应的E’_nC＝E’_nBk，其中1≤k≤N，E_xC＝E_xB；

当影响因素为电力互感器的剩磁时，剩磁对应的云模型为半降正态云，参见图5所示，图5为本发明提供的一种误差计算方法中剩磁对应的云模型；

其中，半降正态云的关系式为：

${\mathrm{\&mu;}}_R(x_R,{E^{,}}_{nR})=\left\{\begin{array}{c}1,x_R\&le;E_{xR}\\ e^{-\frac{{(x_R-E_{xR})}^2}{2{E_{nR}^{,}}^2}},x_R>E_{xR}\end{array}\right.$

其中，x_R＝x_Bh，相对应的E’_nR＝E’_nBh，其中1≤h≤N，E_xR＝E_xB。

步骤s305：根据第三影响因素隶属度向量μ_B和第三影响因素随机向量x_B获得N个云滴，结合N个云滴得到影响因素对应的云模型。

可以理解的是，这里的云滴的坐标为(x_B,μ_B)；

其中，x_B＝(x_B1,x_B2,……,x_BN)，μ_B与x_B均为包括N个数值的向量，且μ_B与x_B包含的数值一一对应，因此，共得到N个云滴。

另外，当影响因素为电力互感器测量的一次侧的外电场或磁场或高压漏电流或电力互感器的剩磁时，分别根据影响因素对应的监测值x_Ar以及云模型得到云滴总数L，再分别根据监测值x_Ar和云滴总数L计算得到影响因素对应的运行变差F_A的过程具体为：

根据监测值x_Ar和骨干元素区关系式获得骨干元素区D_A，其中，骨干元素区关系式为：

D_A＝[x_Ar-2H_eB/3,x_Ar+2H_eB/3]

将骨干元素区D_A带入影响因素对应的云模型，得到云模型在骨干元素区D_A内的云滴总数L；

根据监测值x_Ar、云滴总数L和运行变差关系式获得影响因素对应的运行变差F_A，其中运行变差关系式为：

$F_A\left(x_{Ar}\right)={\mathrm{\&eta;}}_A{F}_{\lim }\underset{x_{Ar}\&Element;D_A}{\&Sigma;}{\mathrm{\&mu;}}_B/L$

其中，η_A为影响因素引起电力互感器产生变差的限值系数，F_lim为电力互感器的基本误差。

步骤s104：分别获取影响因素的MDTW距离，对所有的影响因素的MDTW距离以及所有的影响因素对应的运行变差F_A进行加权综合处理，得到综合运行变差ΔF；

进一步可知，对所有的影响因素的MDTW(MultivariantDynamicTimeWarping，多元动态时间规整算法)距离以及所有的影响因素对应的运行变差F_A进行加权综合处理，得到综合运行变差ΔF的过程具体为：

将所有的影响因素的MDTW距离以及所有的影响因素对应的运行变差F_A带入综合运行变差关系式，从而得到综合运行变差ΔF；

其中，当电力互感器为电压互感器时，综合运行变差关系式为：

${\mathrm{\&Delta;F}}_U=\frac{F_{TU}/D_{TU}+F_{EU}/D_{EU}+F_{MU}/D_{MU}+F_{FU}/D_{FU}}{1/D_{TU}+1/D_{EU}+1/D_{MU}+1/D_{FU}}$

其中，F_TU为电压互感器的运行温度对应的运行变差，D_TU为电压互感器的运行温度对应的MDTW距离；F_EU为电压互感器测量的一次侧的外电场对应的运行变差，D_EU为电压互感器测量的一次侧的外电场对应的MDTW距离；F_MU为磁场对应的运行变差，D_MU为磁场对应的MDTW距离；F_FU为频率对应的运行变差，D_FU为频率对应的MDTW距离；

当电力互感器为电流互感器时，综合运行变差关系式为：

${\mathrm{\&Delta;F}}_I=\frac{F_{TI}/D_{TI}+F_{RI}/D_{RI}+F_{MI}/D_{MI}+F_{CI}/D_{CI}}{1/D_{TI}+1/D_{RI}+1/D_{MI}+1/D_{CI}}$

其中，F_TI为电流互感器的运行温度对应的运行变差，D_TI为电流互感器的运行温度对应的MDTW距离；F_RI为电流互感器的剩磁对应的运行变差，D_RI为电流互感器的剩磁对应的MDTW距离；F_MI为磁场对应的运行变差，D_MI为磁场对应的MDTW距离；F_CI为高压漏电流对应的运行变差，D_CI为高压漏电流对应的MDTW距离。

步骤s105：依据综合运行变差ΔF以及电力互感器的外推误差，得到电力互感器的动态误差。

进一步可知，这里的依据综合运行变差ΔF以及电力互感器的外推误差，得到电力互感器的动态误差的过程具体为：

当电力互感器为电压互感器时，电压互感器的动态误差为：

F_U＝F_SU+ΔF_U

其中，F_SU为由二次负荷外推得到的电压互感器的外推误差；

当电力互感器为电流互感器时，电流互感器的动态误差为：

F_I＝F_SI+ΔF_I

其中，F_SI为由二次负荷外推得到的电流互感器的外推误差。

本发明提供了一种误差计算方法，用于电力互感器，该方法能够根据获取的影响因素对应的监测值，以及影响因素对应的云模型得到电力互感器的综合运行变差，再根据综合运行变差以及电力互感器的误差，即可得到电力互感器的动态误差。该方法不仅考虑了二次负荷、一次电流和电压的作用，还计算了电力互感器的运行温度和剩磁、电力互感器测量的一次侧的磁场、电力互感器测量的一次侧的外电场、高压漏电流和频率等影响因素产生的运行变差，因此该方法能够完全表征计量误差的动态变化，提高了计算电力互感器的动态误差的准确性，能够为检修人员对电能计量装置的运行管理提供指导。

同时，该方法还解决了人工巡检缓慢，检测量大，以及工作流程繁琐、复杂等问题。

本发明还提供了一种误差计算系统，用于电力互感器，参见图6所示，图6为本发明提供的一种误差计算系统的结构示意图，该系统包括：

影响因素确定单元201，用于确定电力互感器的影响因素，影响因素包括电力互感器的运行温度和剩磁、电力互感器测量的一次侧的外电场、磁场、高压漏电流以及频率中的一种或多种的组合；

监测值获取单元202，用于分别获取影响因素对应的监测值x_Ar；

运行变差计算单元203，用于分别根据影响因素对应的监测值x_Ar以及云模型得到云滴总数L，再分别根据监测值x_Ar和云滴总数L计算得到影响因素对应的运行变差F_A；

动态误差计算单元204，用于分别获取影响因素的MDTW距离，对所有的影响因素的MDTW距离以及所有的影响因素对应的运行变差F_A进行加权综合处理，得到综合运行变差ΔF；还用于依据综合运行变差ΔF以及电力互感器的外推误差，得到电力互感器的动态误差。

其中，这里的电力互感器为电压互感器或电流互感器。

本发明提供了一种误差计算系统，用于电力互感器，该系统能够根据获取的影响因素对应的监测值，以及影响因素对应的云模型得到电力互感器的综合运行变差，再根据综合运行变差以及电力互感器的误差，即可得到电力互感器的动态误差。该系统不仅考虑了二次负荷、一次电流和电压的作用，还计算了电力互感器的运行温度和剩磁、电力互感器测量的一次侧的磁场、电力互感器测量的一次侧的外电场、高压漏电流和频率等影响因素产生的运行变差，因此该系统能够完全表征计量误差的动态变化，提高了计算电力互感器的动态误差的准确性。

需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其他形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种误差计算方法，用于电力互感器，其特征在于，包括：

步骤s101：确定所述电力互感器的影响因素，所述影响因素包括所述电力互感器的运行温度和剩磁、所述电力互感器测量的一次侧的外电场、磁场、高压漏电流以及频率中的一种或多种的组合；

步骤s102：分别获取所述影响因素对应的监测值x_Ar；

步骤s103：分别根据所述影响因素对应的监测值x_Ar以及云模型得到云滴总数L，再分别根据所述监测值x_Ar和所述云滴总数L计算得到所述影响因素对应的运行变差F_A；

步骤s104：分别获取所述影响因素的MDTW距离，对所有的所述影响因素的MDTW距离以及所有的所述影响因素对应的运行变差F_A进行加权综合处理，得到综合运行变差ΔF；

步骤s105：依据所述综合运行变差ΔF以及所述电力互感器的外推误差，得到所述电力互感器的动态误差。

2.根据权利要求1所述的方法，其特征在于，当所述影响因素为所述电力互感器的运行温度或所述频率时，所述影响因素对应的云模型的获取过程为：

步骤s201：预设向量(E_nA1,H_eA1,E_xA1)和(E_nA2,H_eA2,E_xA2)；

步骤s202：根据熵E_nA1、超熵H_eA1和NORM函数生成第一正态随机数E’_nA11；根据熵E_nA2、超熵H_eA2和所述NORM函数生成第二正态随机数E’_nA21；以E’_nA11 ²为方差，E_xA1为期望，依据所述NORM函数生成第三正态随机数x_A11；以E’_nA21 ²为方差，E_xA2为期望，依据所述NORM函数生成第四正态随机数x_A21；

步骤s203：重复N次步骤s202，则得到并依据N个第一正态随机数E’_nA11,E’_nA12,……,E’_nA1N组合生成第一标准差随机向量E’_nA1；得到并依据N个第二正态随机数E’_nA21,E’_nA22,……,E’_nA2N组合生成第二标准差随机向量E’_nA2；得到并依据N个第三正态随机数x_A11,x_A12，……，x_A1N组合生成第一影响因素随机向量x_A1；得到并依据N个第四正态随机数x_A21,x_A22，……，x_A2N组合生成第二影响因素随机向量x_A2；

其中，E’_nA1＝(E’_nA11,E’_nA12,……,E’_nA1N)，E’_nA2＝(E’_nA21,E’_nA22,……,E’_nA2N)；

x_A1＝(x_A11,x_A12，……，x_A1N)，x_A2＝(x_A21,x_A22，……，x_A2N)；

步骤s204：根据所述第一标准差随机向量E’_nA1、所述第一影响因素随机向量x_A1和所述影响因素对应的云模型的计算式得到第一影响因素隶属度向量μ_A1；根据所述第二标准差随机向量E’_nA2、所述第二影响因素随机向量x_A2和所述影响因素对应的云模型的计算式得到第二影响因素隶属度向量μ_A2；

步骤s205：根据所述第一影响因素隶属度向量μ_A1和所述第一影响因素随机向量x_A1得到N个云滴，再根据所述第二影响因素隶属度向量μ_A2和所述第二影响因素随机向量x_A2得到N个云滴，结合2N个所述云滴得到所述影响因素对应的云模型。

3.根据权利要求2所述的方法，其特征在于，当所述影响因素为所述电力互感器的运行温度时，所述电力互感器的运行温度对应的云模型为组合半梯形云，其中，所述组合半梯形云的计算式为：

${\mathrm{\&mu;}}_T(x_T,{E^{,}}_{nT})=\left\{\begin{array}{c}1-e^{-\frac{{(x_T-E_{xT2})}^2}{2{E_{nT}^{,}}^2}},x_T<E_{xT2}\\ 0,E_{xT2}\&le;x_T\&le;E_{xT1}\\ 1-e^{-\frac{{(x_T-E_{xT1})}^2}{2{E_{nT}^{,}}^2}},x_T>E_{xT1}\end{array}\right.$

其中，x_T＝x_Aij，相对应的E’_nT＝E’_nAij，其中i∈{1,2},1≤j≤N；E_xT1＝E_xA1；E_xT2＝E_xA2；当i＝1时，μ_T＝μ_A1；当i＝2时，μ_T＝μ_A2；

当所述影响因素为所述频率时，所述频率对应的云模型为对称梯形云，其中，所述对称梯形云的关系式为：

${\mathrm{\&mu;}}_F(x_F,{E^{,}}_{nF})=\left\{\begin{array}{c}1-e^{-\frac{{(x_F-E_{xF2})}^2}{2{E_{nF}^{,}}^2}},x_F<E_{xF2}\\ 0,E_{xF2}\&le;x_F\&le;E_{xF1}\\ 1-e^{-\frac{{(x_F-E_{xF1})}^2}{2{E_{nF}^{,}}^2}},x_F>E_{xF1}\end{array}\right.$

其中，x_F＝x_Akh，相对应的E’_nF＝E’_nAkh，其中k∈{1,2},1≤h≤N；E_xF1＝E_xA1；E_xF2＝E_xA2；当k＝1时，μ_F＝μ_A1；当k＝2时，μ_F＝μ_A2。

4.根据权利要求1所述的方法，其特征在于，当所述影响因素为所述电力互感器测量的一次侧的外电场或磁场或高压漏电流或所述电力互感器的剩磁时，所述影响因素对应的云模型的获取过程为：

步骤s301：预设向量(E_nB,H_eB,E_xB)；

步骤s302：根据熵E_nB、超熵H_eB和所述NORM函数生成第五正态随机数E’_nB1；以E’_nB1 ²为方差，E_xB为期望，依据所述NORM函数生成第六正态随机数x_B1；

步骤s303：重复N次步骤s302，得到并依据N个第五正态随机数E’_nB1,E’_nB2,……,E’_nBN组合生成第三标准差随机向量E’_nB；得到并依据N个第六正态随机数x_B1,x_B2，……，x_BN组合生成第三影响因素随机向量x_B；

其中，E’_nB＝(E’_nB1,E’_nB2,……,E’_nBN)；

x_B＝(x_B1,x_B2,……,x_BN)；

步骤s304：根据所述第三标准差随机向量E’_nB、所述第三影响因素随机向量x_B和所述影响因素对应的云模型的关系式得到第三影响因素隶属度向量μ_B；

步骤s305：根据所述第三影响因素隶属度向量μ_B和所述第三影响因素随机向量x_B获得N个云滴，结合N个所述云滴得到所述影响因素对应的云模型。

5.根据权利要求4所述的方法，其特征在于，当所述影响因素为所述电力互感器测量的一次侧的外电场时，所述电力互感器测量的一次侧的外电场对应的云模型为半升梯形云，其中，所述半升梯形云的关系式为：

${\mathrm{\&mu;}}_E(x_E,{E^{,}}_{nE})=\left\{\begin{array}{c}{e}^{-\frac{{(x_E-E_{xE})}^2}{2{E_{nE}^{,}}^2}},x_E<E_{xE}\\ 1,x_E\&GreaterEqual;E_{xE}\end{array}\right.$

其中，x_E＝x_Bi，相对应的E’_nE＝E’_nBi，其中1≤i≤N，E_xE＝E_xB；

当所述影响因素为所述磁场时，所述磁场对应的云模型为半升梯形云，其中，所述半升梯形云的关系式为：

${\mathrm{\&mu;}}_M(x_M,{E^{,}}_{nM})=\left\{\begin{array}{c}{e}^{-\frac{{(x_M-E_{xM})}^2}{2{E_{nM}^{,}}^2}},x_M<E_{xM}\\ 1,x_M\&GreaterEqual;E_{xM}\end{array}\right.$

其中，x_M＝x_Bj，相对应的E’_nM＝E’_nBj，其中1≤j≤N，E_xM＝E_xB；

当所述影响因素为所述高压漏电流时，所述高压漏电流对应的云模型为半升梯形云，其中，所述半升梯形云的关系式为：

${\mathrm{\&mu;}}_C(x_C,{E^{,}}_{nC})=\left\{\begin{array}{c}{e}^{-\frac{{(x_C-E_{xC})}^2}{2{E_{nC}^{,}}^2}},x_C<E_{xC}\\ 1,x_C\&GreaterEqual;E_{xC}\end{array}\right.$

其中，x_C＝x_Bk，相对应的E’_nC＝E’_nBk，其中1≤k≤N，E_xC＝E_xB；

当所述影响因素为所述电力互感器的剩磁时，所述剩磁对应的云模型为半降正态云，其中，所述半降正态云的关系式为：

${\mathrm{\&mu;}}_R(x_R,{E^{,}}_{nR})=\left\{\begin{array}{c}1,x_R\&le;E_{xR}\\ e^{-\frac{{(x_R-E_{xR})}^2}{2{E_{nR}^{,}}^2}},x_R>E_{xR}\end{array}\right.$

其中，x_R＝x_Bh，相对应的E’_nR＝E’_nBh，其中1≤h≤N，E_xR＝E_xB。

6.根据权利要求2所述的方法，其特征在于，所述分别根据所述影响因素对应的所述监测值x_Ar以及云模型得到云滴总数L，再分别根据所述监测值x_Ar和所述云滴总数L计算得到所述影响因素对应的运行变差F_A的过程具体为：

根据所述监测值x_Ar和骨干元素区关系式获得骨干元素区D_A，其中，所述骨干元素区关系式为：

D_A＝[x_Ar-(H_eA1+H_eA2)/3,x_Ar+(H_eA1+H_eA2)/3]

将所述骨干元素区D_A带入所述影响因素对应的云模型，得到所述云模型在所述骨干元素区D_A内的所述云滴总数L；

根据所述监测值x_Ar、所述云滴总数L和运行变差关系式获得所述影响因素对应的运行变差F_A，其中所述运行变差关系式为：

$F_A\left(x_{Ar}\right)={\mathrm{\&eta;}}_A{F}_{\lim }\underset{x_{Ar}\&Element;D_A}{\&Sigma;}{\mathrm{\&mu;}}_A/L$

其中，μ_A＝{μ_A1,μ_A2}，η_A为所述影响因素引起所述电力互感器产生变差的限值系数，F_lim为所述电力互感器的基本误差。

7.根据权利要求4所述的方法，其特征在于，所述分别根据所述影响因素对应的所述监测值x_Ar以及云模型得到云滴总数L，再分别根据所述监测值x_Ar和所述云滴总数L计算得到所述影响因素对应的运行变差F_A的过程具体为：

根据所述监测值x_Ar和骨干元素区关系式获得骨干元素区D_A，其中，所述骨干元素区关系式为：

D_A＝[x_Ar-2H_eB/3,x_Ar+2H_eB/3]

将所述骨干元素区D_A带入所述影响因素对应的云模型，得到所述云模型在所述骨干元素区D_A内的所述云滴总数L；

根据所述监测值x_Ar、所述云滴总数L和运行变差关系式获得所述影响因素对应的运行变差F_A，其中所述运行变差关系式为：

$F_A\left(x_{Ar}\right)={\mathrm{\&eta;}}_A{F}_{\lim }\underset{x_{Ar}\&Element;D_A}{\&Sigma;}{\mathrm{\&mu;}}_B/L$

其中，η_A为所述影响因素引起所述电力互感器产生变差的限值系数，F_lim为所述电力互感器的基本误差。

8.根据权利要求1所述的方法，其特征在于，所述对所有的所述影响因素的MDTW距离以及所有的所述影响因素对应的运行变差F_A进行加权综合处理，得到综合运行变差ΔF的过程具体为：

将所述所有的所述影响因素的MDTW距离以及所述所有的所述影响因素对应的运行变差F_A带入综合运行变差关系式，从而得到所述综合运行变差ΔF；

其中，当所述电力互感器为电压互感器时，所述综合运行变差关系式为：

${\mathrm{\&Delta;F}}_U=\frac{F_{TU}/D_{TU}+F_{EU}/D_{EU}+F_{MU}/D_{MU}+F_{FU}/D_{FU}}{1/D_{TU}+1/D_{EU}+1/D_{MU}+1/D_{FU}}$

其中，F_TU为所述电压互感器的运行温度对应的运行变差，D_TU为所述电压互感器的运行温度对应的MDTW距离；F_EU为所述电压互感器测量的一次侧的外电场对应的运行变差，D_EU为所述电压互感器测量的一次侧的外电场对应的MDTW距离；F_MU为所述磁场对应的运行变差，D_MU为所述磁场对应的MDTW距离；F_FU为所述频率对应的运行变差，D_FU为所述频率对应的MDTW距离；

当所述电力互感器为电流互感器时，所述综合运行变差关系式为：

${\mathrm{\&Delta;F}}_I=\frac{F_{TI}/D_{TI}+F_{RI}/D_{RI}+F_{MI}/D_{MI}+F_{CI}/D_{CI}}{1/D_{TI}+1/D_{RI}+1/D_{MI}+1/D_{CI}}$

其中，F_TI为所述电流互感器的运行温度对应的运行变差，D_TI为所述电流互感器的运行温度对应的MDTW距离；F_RI为所述电流互感器的剩磁对应的运行变差，D_RI为所述电流互感器的剩磁对应的MDTW距离；F_MI为所述磁场对应的运行变差，D_MI为所述磁场对应的MDTW距离；F_CI为所述高压漏电流对应的运行变差，D_CI为所述高压漏电流对应的MDTW距离。

9.一种误差计算系统，用于电力互感器，其特征在于，包括：

影响因素确定单元，用于确定所述电力互感器的影响因素，所述影响因素包括所述电力互感器的运行温度和剩磁、所述电力互感器测量的一次侧的外电场、磁场、高压漏电流以及频率中的一种或多种的组合；

监测值获取单元，用于分别获取所述影响因素对应的监测值x_Ar；

运行变差计算单元，用于分别根据所述影响因素对应的监测值x_Ar以及云模型得到云滴总数L，再分别根据所述监测值x_Ar和所述云滴总数L计算得到所述影响因素对应的运行变差F_A；

动态误差计算单元，用于分别获取所述影响因素的MDTW距离，对所有的所述影响因素的MDTW距离以及所有的所述影响因素对应的运行变差F_A进行加权综合处理，得到综合运行变差ΔF；还用于依据所述综合运行变差ΔF以及所述电力互感器的外推误差，得到所述电力互感器的动态误差。

10.根据权利要求9所述的系统，其特征在于，所述电力互感器为：

电压互感器或电流互感器。