CN108445435A - 一种电能表检定装置误差在线评估方法 - Google Patents

Abstract

本发明公开了一种电能表检定装置误差在线评估方法，包括以下步骤：(1)基础数据预处理；(2)误差评估模型构建；(3)检定装置误差估算，以电能表基本误差实验数据为输入，利用误差评估算法，获得检定装置误差分布，进而获得误差分布均值、中值统计信息，完成检定装置误差估算；(4)检定装置误差预测，基于电能表检定装置误差估算历史记录，运用时间序列预测方法，完成检定装置误差趋势预测。本发明将大量低准确度等级电能表的基本误差实验数据，集合成相当于高准确度等级的虚拟标准电能表，对电能表检定装置的误差进行实时在线监控和趋势预测，完成电能表检定装置误差在线评估，从而提高检定装置误差评估的规范性、经济性和时效性。

Description

一种电能表检定装置误差在线评估方法

技术领域

本发明涉及电能计量技术领域，尤其涉及一种电能表检定装置误差在线评估方法。

背景技术

在电能表检定装置管理方面，现有检定规程、校准规范要求采用周期检验、期间核查等方法实现检定装置误差的阶段性评估。现有方法需要手工装接标准表，工作量大，作业繁琐，误差评估质效受人为因素影响大；评估期间，部分检定装置停产，给检定效率带来一定影响；误差评估周期长，一旦发生检定装置失准，影响面大。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种电能表检定装置误差在线评估方法，将大量低准确度等级电能表的基本误差实验数据，集合成相当于高准确度等级的虚拟标准电能表，对电能表检定装置的误差进行实时在线监控和趋势预测，完成电能表检定装置误差在线评估，从而提高检定装置误差评估的规范性、经济性和时效性。

为实现上述目的，本发明提供了一种电能表检定装置误差在线评估方法，包括以下步骤：

(1)数据预处理：在线获取电能表基本误差实验数据和电能表档案信息，并进行数据预处理；

(2)误差评估模型构建：通过电能表基本误差数据分层、层次模型架构、模型参数估计，使用R语言构建电能表检定装置误差评估模型；

(3)检定装置误差估算：以电能表基本误差实验数据为输入，利用误差评估模型，获得检定装置误差分布，进而获得误差分布均值、中值，完成电能表检定装置误差估算；

(4)检定装置误差预测：基于电能表检定装置误差估算历史记录，运用时间序列预测方法，完成检定装置误差趋势预测。

步骤(1)中，所述电能表基本误差实验数据包括电能表条码号、检定线编号、检定装置编号、检定日期、负载电流、功率因素和基本误差平均值。

步骤(1)中，所述电能表档案信息包括电能表条码号、电能表厂家、生产日期和生产批次号。

步骤(1)中，所述数据预处理的方法为：通过电能表条码号进行数据关联，同时对关键数据缺失值和极端异常值(与同一到货批次电能表基本误差平均值的偏差超过两倍标准差的电能表检定数据)进行过滤。

步骤(2)中，所述电能表基本误差数据分层包含两个层级的误差数据层次模型：第一层为由不同的检定装置构成，用于描述检定装置误差的组间模型；第二层为同一个检定装置检定的多个电能表构成，用于描述同一检定装置生成的检定数据的组内模型。

步骤(2)中，所述层次模型架构方法如下：

首先描述组间模型似然，即以μ_i表示第i个检定装置的误差，假设其服从正态分布，则组间模型似然为其中ψ,τ²为检定装置误差分布的期望和方差，m为检定装置个数，μ_1...m为未知参数；

然后描述组内模型似然，即用Y_i,k表示第i个检定装置的第k个检定数据，b 表示本次生产批次被检电能表误差的期望，检定数据Y_i,k即被检表的检定误差，为被检表自身真实误差与检定装置误差之和，假设其服从正态分布，则组间模型似然为其中σ²为组间检定数据的方差，n_i为第i个检定装置的检定数据量。

所述模型参数估计方法如下：

模型似然中，Y_i,k为检定数据，μ_1...m,ψ,τ²,b,σ²均为未知参数；根据贝叶斯方法，先预设上述参数的共轭先验分布，再利用贝叶斯定理，获得其由检定数据集Y＝{Y_i,k}更新的后验概率分布，如下：

步骤(3)具体方法如下：模型参数的后验分布中，μ₁,...,μ_m,ψ,b的后验分布为正态分布，τ²,σ²的后验分布为逆Gamma分布，基于上述后验分布，

采用吉布斯采样法,对联合后验分布p(μ₁,...,μ_m,ψ,τ²,σ²,b|Y)进行采样，再直接由联合分布的样本获得检定装置误差μ₁,...,μ_m的边缘分布样本，进而获得分布的均值，中值，最终完成检定装置误差估算。

所述时间序列预测方法具体采用的是ARIMA时间序列预测方法。

本发明的有益效果是：

本发明将大量低准确度等级电能表的基本误差实验数据，集合成相当于高准确度等级的虚拟标准电能表，对电能表检定装置的误差进行实时在线监控和趋势预测，完成电能表检定装置误差在线评估，从而提高检定装置误差评估的规范性、经济性和时效性。

附图说明

图1是本发明实施例提供的一种电能表检定装置误差在线评估方法的工作流程图；

图2是图1所示实施例中误差评估模型构建的步骤流程图。

具体实施方式

如图1所示，一种电能表检定装置误差在线评估方法，包括以下步骤：

(1)基础数据预处理，在线获取电能表基本误差实验数据、电能表档案信息，并进行数据预处理；

(2)误差评估模型构建，通过电能表基本误差数据分层、层次模型架构、模型参数估计，构建电能表检定装置误差评估模型；

(3)检定装置误差估算，以电能表基本误差实验数据为输入，利用误差评估算法，获得检定装置误差分布，进而获得误差分布均值、中值统计信息，完成检定装置误差估算；

(4)检定装置误差预测，基于电能表检定装置误差估算历史记录，运用时间序列预测方法，完成检定装置误差趋势预测。

具体实施方式大体如下：

(1)基础数据预处理

获取电能表基本误差实验数据、电能表档案信息，通过电能表条码号进行数据关联，同时对关键数据缺失值和极端异常值进行过滤。其中电能表基本误差实验数据涉及的数据内容包括电能表条码号、检定线编号、检定装置编号、检定日期、负载电流、功率因素、基本误差平均值。电能表档案信息涉及的数据内容包括电能表条码号、电能表厂家、生产日期、生产批次号。

(2)误差评估模型构建，如图2所示

1)电能表基本误差数据分层

通过检定装置对同一生产批次的电能表基本误差数据进行分层，构成一个包含两个层级的误差数据层次模型。第一层为由不同的检定装置构成，描述检定装置误差的组间模型；第二层为同一个检定装置检定的多个电能表构成，描述同一检定装置生成的检定数据的组内模型。

2)层次模型架构

首先描述组间模型似然，具体的以μ_i表示第i个检定装置的误差，假设其服从正态分布，则组间模型似然为其中ψ，τ²为检定装置误差分布的期望和方差，m为检定装置个数。然后描述组内模型似然，具体的用Y_i，k表示第i个检定装置的第k个检定数据，b表示该生产批次被检电能表误差的期望。检定数据Y_i，k即被检表的检定误差，为被检表自身真实误差与检定装置误差之和，假设其服从正态分布，则组间模型似然为

3)模型参数估计

上述模型似然中，Y_i,k为检定数据，μ_1...m,ψ,τ²,b,σ²均为未知参数。根据贝叶斯方法(Bayes Method)，先预设上述参数的共轭先验分布，再利用贝叶斯定理，获得其由检定数据集Y＝{Y_i,k}更新的后验概率分布，如下：

p(μ₁,...,μ_m|Y,ψ,τ²,σ²,b),

p(ψ|μ₁,...,μ_m,τ²),

p(τ²|μ₁,...,μ_m,ψ),

p(b|Y,μ₁,...,μ_m,σ²),

p(σ²|Y,μ₁,...,μ_m,ψ).

(3)检定装置误差估算

上述模型参数的后验分布中，μ₁,...,μ_m,ψ,b的后验分布为正态分布，τ²,σ²的后验分布为逆Gamma分布。基于上述后验分布，采用吉布斯采样法(Gibbs Sampling),对联合后验分布p(μ₁,...,μ_m,ψ,τ²,σ²,b|Y)进行采样，再直接由联合分布的样本获得检定装置误差μ₁,...,μ_m的边缘分布样本，进而获得该分布的均值，中值等统计信息，完成检定装置误差估算。

(4)检定装置误差预测

基于电能表检定装置误差估算历史记录，运用ARIMA(AutoregressiveIntegrated Moving Average Model)时间序列预测方法，完成检定装置误差趋势预测。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (9)

1.一种电能表检定装置误差在线评估方法，其特征在于，包括以下步骤：

(1)数据预处理：在线获取电能表基本误差实验数据和电能表档案信息，并进行数据预处理；

(2)误差评估模型构建：通过电能表基本误差数据分层、层次模型架构、模型参数估计，构建电能表检定装置误差评估模型；

(3)检定装置误差估算：以电能表基本误差实验数据为输入，利用误差评估模型获得检定装置误差分布，进而获得误差分布均值、中值，完成电能表检定装置误差估算；

(4)检定装置误差预测：基于电能表检定装置误差估算历史记录，运用时间序列预测方法，完成检定装置误差趋势预测。

2.如权利要求1所述的电能表检定装置误差在线评估方法，其特征在于，步骤(1)中，所述电能表基本误差实验数据包括电能表条码号、检定线编号、检定装置编号、检定日期、负载电流、功率因素和基本误差平均值。

3.如权利要求1所述的电能表检定装置误差在线评估方法，其特征在于，步骤(1)中，所述电能表档案信息包括电能表条码号、电能表厂家、生产日期和生产批次号。

4.如权利要求1所述的电能表检定装置误差在线评估方法，其特征在于，步骤(1)中，所述数据预处理的方法为：通过电能表条码号进行数据关联，同时对基本误差、检定时间的缺失值和极端异常值进行过滤。

5.如权利要求1所述的电能表检定装置误差在线评估方法，其特征在于，步骤(2)中，所述电能表基本误差数据分层包含两个层级的误差数据层次模型：第一层为由不同的检定装置构成，用于描述检定装置误差的组间模型；第二层为同一个检定装置检定的多个电能表构成，用于描述同一检定装置生成的检定数据的组内模型。

6.如权利要求1所述的电能表检定装置误差在线评估方法，其特征在于，步骤(2)中，所述层次模型架构方法如下：

首先描述组间模型似然，即以μ_i表示第i个检定装置的误差，假设其服从正态分布，则组间模型似然为其中，N是正态分布，P是概率，ψ,τ²为检定装置误差分布的期望和方差，m为检定装置个数，μ_1...m为未知参数；

然后描述组内模型似然，即用Y_i,k表示第i个检定装置的第k个检定数据，b表示本次生产批次被检电能表误差的期望，检定数据Y_i,k即被检表的检定误差，为被检表自身真实误差与检定装置误差之和，假设其服从正态分布，则组间模型似然为其中σ²为组间检定数据的方差，n_i为第i个检定装置的检定数据量。

7.如权利要求6所述的电能表检定装置误差在线评估方法，其特征在于，所述模型参数估计方法如下：

模型似然中，Y_i,k为检定数据，μ_1...m,ψ,τ²,b,σ²均为未知参数；根据贝叶斯方法，先预设上述参数的共轭先验分布，再利用贝叶斯定理，获得其由检定数据集Y＝{Y_i,k}更新的后验概率分布，如下：

8.如权利要求7所述的电能表检定装置误差在线评估方法，其特征在于，步骤(3)具体方法如下：模型参数的后验分布中，μ₁,...,μ_m,ψ,b的后验分布为正态分布，τ²,σ²的后验分布为逆Gamma分布，基于上述后验分布，采用吉布斯采样法,对联合后验分布p(μ₁,...,μ_m,ψ,τ²,σ²,b|Y)进行采样，再直接由联合分布的样本获得检定装置误差μ₁,...,μ_m的边缘分布样本，进而获得分布的均值，中值，最终完成检定装置误差估算。

9.如权利要求1所述的电能表检定装置误差在线评估方法，其特征在于，所述时间序列预测方法具体采用的是ARIMA时间序列预测方法。