CN110673081B - 基于边缘计算的智能电表误差在线估计方法 - Google Patents
基于边缘计算的智能电表误差在线估计方法 Download PDFInfo
- Publication number
- CN110673081B CN110673081B CN201910993691.2A CN201910993691A CN110673081B CN 110673081 B CN110673081 B CN 110673081B CN 201910993691 A CN201910993691 A CN 201910993691A CN 110673081 B CN110673081 B CN 110673081B
- Authority
- CN
- China
- Prior art keywords
- intelligent
- error
- electric meter
- meter
- electric
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于边缘计算的智能电表误差在线估计方法，包括以下步骤：步骤S1：通过移动终端采集智能电表采集智能电能表表号信息和电量信息，建立电表资料集，并将电表资料集传送至智能空开存储；步骤S2:智能空开通过移动终端获取各个智能电表实时数据，并计算电表误差系数；步骤S3:智能空开将计算得到的各电表误差系数保存在存储芯片;步骤S4:智能电表误差在线分析系统调用智能空开存储的数据，并存入数据库中；步骤S5:智能电表误差分析终端实时分析数据库，若发现同一电表连续K次误差分析结果显示为超差便发出警报提醒工作人员去现场进行检查。本发明极大的提高误差预测的准确性，实现了从终端计算电能误差，实现精确预测。
Description
技术领域
本发明属于电能计量领域，涉及一种基于边缘计算的智能电表误差在线估计方法。
背景技术
随着电气2.0时代到来，智能电表取代了传统电表，大大减少了抄表工作和人工巡检等工作量。同时，大量的智能电表在网运行使得人们对智能电表误差监测尤为关注。对于智能电表，现阶段大都是现场手动检测电表误差。基于智能电网大数据运用，国网公司提出了智能电表在线异常状态检测及状态评价的愿景，希望通过大数据挖掘技术，在线估测出每个智能电表在线误差。
发明内容
有鉴于此，本发明的目的在于提供一种基于边缘计算的智能电表误差在线估计方法，可以解决相同条件难获取的问题，极大的提高误差预测的准确性，实现了从终端计算电能误差，实现精确预测。
为实现上述目的，本发明采用如下技术方案：
一种基于边缘计算的智能电表误差在线估计方法，包括以下步骤：
步骤S1：通过移动终端采集智能电表采集智能电能表表号信息和电量信息，建立电表资料集，并将电表资料集传送至智能空开存储；
步骤S2:智能空开通过移动终端获取各个智能电表实时数据，并计算电表误差系数；
步骤S3:智能空开将计算得到的各电表误差系数保存在存储芯片；
步骤S4:智能电表误差在线分析系统调用智能空开存储的数据，并存入数据库中；
步骤S5:智能电表误差分析终端实时分析数据库，若发现同一电表连续K次误差分析结果显示为超差便发出警报提醒工作人员去现场进行检查。
进一步的，所述智能空开包括输入模块、输出模块、通信模块和中央控制模块；所述中央控制模块与输入模块、输出模块和通信模块分别连接。
进一步的，所述步骤S1具体为：
步骤S11:建立智能电表信息采集组，包括一个智能空开和若干个智能电表，并将信息采集组的各个电表进行编号；
步骤S12:通过移动终端采集智能电表采集智能电能表表号信息和电量信息，建立电表资料集；
步骤S13:移动终端通过蓝牙与智能空开的通信模块连接，将信息采集组资料下发给智能空开。
进一步的，所述步骤S2具体为:
步骤S21:智能空开在预设时间下发电量冻结命令，并采集各电能表所冻结的电量值；
步骤S22:根据设定信息，重复步骤S21，直至冻结次数M大于分电表个数N；
步骤S23:根据得到的各电能表所冻结的电量值，计算电表误差系数。
进一步的，所述电表误差计算具体如下：
根据能量守恒原理可得智能空开电表电量等于各个分电表电量和加线损，由此，可列出下式：
其中w总为智能空开总电量示值，wi是第i个电表电量示值，αi为第i个电表误差系数，wloss是线路固定损耗；
根据冻结次数M可以列出以下方程：
α1W1,1+α2W2,1+...+αnWn,1+Wloss＝W总1
α1W1,2+α2W2,2+...+αnWn,2+Wloss＝W总2
...
α1W1,n+α2W2,n+...+αnWn,m+Wloss＝W总m (2)
根据最小二乘法定义即求
||计算值-实际值||2最小值的参数。可得以下公式：
其中：
hθ(x(i))-y(i)＝α1w1,i+α2w2,i+...+αnwn,i+wloss-w总i
θ＝(α1,α2,...,αn,wloss)T
求F(θ)最小值，即是对式(3)求偏导数，当各个偏导数为0时获得极值，即可得满足要求的θ；
对式(3)求偏导如下：
获得极值的条件为：
即
θ＝(XTX)-1XTY (6)
利用最小二乘法的矩阵形式，解出θ
若误差系数αi为1，表示电表正常运行；当αi小于1时表示表快于正常运行，当αi大于1时表示表慢于；正常运行；
通过MATLAB将数据矩阵导入，并计算出参数向量θ
由参数向量θ可求得误差系数δi:
δi＝|αi-1| (7)
当误差δi超过电表精度上限值β时，表示电表i超差；通过δi的求解即可判断其是否为超差电表。
进一步的，所述步骤S4具体为:
步骤S41:智能电表在线误差分析系统采集智能空开参数信息，包括下属电能表个数，每个电能表的表号，误差计算频率，误差计算时间T，每笔电量冻结时间间隔；
步骤S42:智能电表在线误差分析系统向智能空开召回电量信息和误差系数,并将采集的数据存入数据库，并显示在相应的页面中。
本发明与现有技术相比具有以下有益效果：
本发明可以解决相同条件难获取的问题，极大的提高误差预测的准确性，实现了从终端计算电能误差，实现精确预测。
附图说明
图1是本发明系统结构图；
图2是本发明一实施例中信息采集过程图；
图3是本发明一实施例中误差计算过程图；
图4是本发明一实施例中误差计算流程图；
图5是本发明一实施例中误差数据的传输与存储示意图；
图6是本发明一实施例中智能空开结构图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1，本发明提供一种基于边缘计算的智能电表误差在线估计方法，提供基于边缘计算的智能电表误差在线估计系统，包括移动终端、智能电表信息采集组和智能电表在线分析终端，包括以下步骤：
步骤S1：通过移动终端采集智能电表采集智能电能表表号信息和电量信息，建立电表资料集，并将电表资料集传送至智能空开存储；步骤S11:建立智能电表信息采集组，包括一个智能空开和若干个智能电表，并将信息采集组的各个电表进行编号；
步骤S12:通过移动终端采集智能电表采集智能电能表表号信息和电量信息，建立电表资料集；
步骤S13:移动终端通过蓝牙与智能空开的通信模块连接，将信息采集组资料下发给智能空开。由此，智能空开就可以获取其下属各个电表的表号信息、电量信息。
步骤S2:智能空开通过移动终端获取各个智能电表实时数据，并计算电表误差系数；
步骤S21:智能空开在预设时间下发电量冻结命令，保证各个电表采集的是同一时刻的数据，并依次和电能表通信，采集所冻结的电量值；
步骤S22:根据设定信息，重复步骤S21，直至冻结次数M大于分电表个数N；
步骤S23:根据得到的各电能表所冻结的电量值，计算电表误差系数。
根据能量守恒原理可得智能空开电表电量等于各个分电表电量和加线损，由此，可列出下式：
其中w总为智能空开总电量示值，wi是第i个电表电量示值，αi为第i个电表误差系数，wloss是线路固定损耗；
根据冻结次数M可以列出以下方程：
α1W1,1+α2W2,1+...+αnWn,1+Wloss＝W总1
α1W1,2+α2W2,2+...+αnWn,2+Wloss＝W总2
...
α1W1,n+α2W2,n+...+αnWn,m+Wloss＝W总m (2)
根据最小二乘法定义即求
||计算值-实际值||2最小值的参数。可得以下公式：
其中：
hθ(x(i))-y(i)＝α1w1,i+α2w2,i+...+αnwn,i+wloss-w总i
θ＝(α1,α2,...,αn,wloss)T
求F(θ)最小值，即是对式(3)求偏导数，当各个偏导数为0时获得极值，即可得满足要求的θ；
对式(3)求偏导如下：
获得极值的条件为：
即
θ＝(XTX)-1XTY (6)
利用最小二乘法的矩阵形式，解出θ
若误差系数αi为1，表示电表正常运行；当αi小于1时表示表快于正常运行，当αi大于1时表示表慢于；正常运行；
通过MATLAB将数据矩阵导入，并计算出参数向量θ
由参数向量θ可求得误差系数δi:
δi＝|αi-1| (7)
当误差δi超过电表精度上限值β时，表示电表i超差；通过δi的求解即可判断其是否为超差电表。
优选的，本实施例中β取0.02。
步骤S3:智能空开将计算得到的各电表误差系数保存在存储芯片；
步骤S4:智能电表误差在线分析系统调用智能空开存储的数据，并存入数据库中；
步骤S5:智能电表误差分析终端实时分析数据库，若发现同一电表连续K次误差分析结果显示为超差便发出警报提醒工作人员去现场进行检查。
优选的，本实施例中K＝3。
如图6所示，本实施例中，所述智能空开包括输入模块、输出模块、通信模块和中央控制模块；所述中央控制模块与输入模块、输出模块和通信模块分别连接。输入模块的信号主要是电压、电流、功率、电量等等运行参数。中央控制模块是一个以CPU为中心的小系统，能够对输入的运行数据进行处理、存储并将结果通过通信模块传输给上位机或执行命令。通信模块主要是通过载波、蓝牙方式进行通信，下属各个分电表电量通过蓝牙发送空开，电能表误差计算结果通过载波发送给智能电表误差在线分析系统(上位机)。输出模块主要是进行跳闸操作。
参考图5，在本实施例中，所述步骤S4具体为:
步骤S41:智能电表在线误差分析系统采集智能空开参数信息，包括下属电能表个数，每个电能表的表号，误差计算频率，误差计算时间T，每笔电量冻结时间间隔；
步骤S42:智能电表在线误差分析系统向智能空开召回电量信息和误差系数,并将采集的数据存入数据库，并显示在相应的页面中。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。
Claims (5)
1.一种基于边缘计算的智能电表误差在线估计方法，其特征在于，包括以下步骤：
步骤S1：通过移动终端采集智能电表表号信息和电量信息，建立电表资料集，并将电表资料集传送至智能空开存储；
步骤S2:智能空开通过移动终端获取各个智能电表实时数据，并计算电表误差系数；
所述步骤S2具体为:
步骤S21:智能空开在预设时间下发电量冻结命令，并采集各电表所冻结的电量值；
步骤S22:根据设定信息，重复步骤S21，直至冻结次数M大于分电表个数n；
步骤S23:根据得到的各电表所冻结的电量值，计算电表误差系数；
步骤S3:智能空开将计算得到的各电表误差系数保存在存储芯片；
步骤S4:智能电表误差在线分析系统调用智能空开存储的数据，并存入数据库中；
步骤S5:智能电表误差分析终端实时分析数据库，若发现同一电表连续K次误差分析结果显示为超差便发出警报提醒工作人员去现场进行检查。
2.根据权利要求1所述的基于边缘计算的智能电表误差在线估计方法，其特征在于：所述智能空开包括输入模块、输出模块、通信模块和中央控制模块；所述中央控制模块与输入模块、输出模块和通信模块分别连接。
3.根据权利要求2所述的基于边缘计算的智能电表误差在线估计方法，其特征在于，所述步骤S1具体为：
步骤S11:建立智能电表信息采集组，包括一个智能空开和若干个智能电表，并将信息采集组的各个电表进行编号；
步骤S12:通过移动终端采集智能电表采集智能电表表号信息和电量信息，建立电表资料集；
步骤S13:移动终端通过蓝牙与智能空开的通信模块连接，将信息采集组资料下发给智能空开。
4.根据权利要求1所述的基于边缘计算的智能电表误差在线估计方法，其特征在于，所述电表误差计算具体如下：
根据能量守恒原理可得智能空开电表电量等于各个分电表电量和加线损，由此，可列出下式：
其中,i表示第i个电表，w总为智能空开总电量示值，wi是第i个电表电量示值，αi为第i个电表误差参数，wloss是线路固定损耗；
根据冻结次数M可以列出以下方程：
α1W1,1+α2W2,1+...+αnWn,1+Wloss＝W总1
α1W1,2+α2W2,2+...+αnWn,2+Wloss＝W总2
...
α1W1,n+α2W2,n+...+αnWn,m+Wloss＝W总m
(2)
根据最小二乘法定义即求
||计算值-实际值||2最小值的参数；
可得以下公式：
其中：
hθ(x(i))-y(i)＝α1w1,i+α2w2,i+...+αnwn,i+wloss-w总i
θ＝(α1,α2,...,αn,wloss)T
求F(θ)最小值，即是对式(3)求偏导数，当各个偏导数为0时获得极值，即可得满足要求的θ；
对式(3)求偏导如下：
(4)
获得极值的条件为：
即
θ＝(XTX)-1XTY (6)
利用最小二乘法的矩阵形式，解出θ
若误差参数αi为1，表示电表正常运行；当αi小于1时表示表快于正常运行，当αi大于1时表示表慢于；正常运行；
通过MATLAB将数据矩阵导入，并计算出参数向量θ
由参数向量θ可求得误差系数δi:
δi＝|αi-1| (7)
当误差系数δi超过电表精度上限值β时，表示电表i超差；通过δi的求解即可判断其是否为超差电表。
5.根据权利要求1所述的基于边缘计算的智能电表误差在线估计方法，其特征在于，所述步骤S4具体为:
步骤S41:智能电表在线误差分析系统采集智能空开参数信息，包括下属电表个数，每个电表的表号，误差计算频率，误差计算时间T，每笔电量冻结时间间隔；
步骤S42:智能电表在线误差分析系统向智能空开召回电量信息和误差系数,并将采集的数据存入数据库，并显示在相应的页面中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910993691.2A CN110673081B (zh) | 2019-10-18 | 2019-10-18 | 基于边缘计算的智能电表误差在线估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910993691.2A CN110673081B (zh) | 2019-10-18 | 2019-10-18 | 基于边缘计算的智能电表误差在线估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110673081A CN110673081A (zh) | 2020-01-10 |
| CN110673081B true CN110673081B (zh) | 2021-10-29 |
Family
ID=69083044
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910993691.2A Active CN110673081B (zh) | 2019-10-18 | 2019-10-18 | 基于边缘计算的智能电表误差在线估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110673081B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112558000A (zh) * | 2020-12-05 | 2021-03-26 | 青岛鼎信通讯股份有限公司 | 一种基于相关性筛选的电能表计量误差分析方法 |
| CN113010998A (zh) * | 2021-02-08 | 2021-06-22 | 武汉数澎科技有限公司 | 基于随动线损及遗忘因子最小二乘法的电表误差估计方法 |
| CN113945881B (zh) * | 2021-07-27 | 2023-09-22 | 国网浙江省电力有限公司营销服务中心 | 计量表箱内电能表运行误差监测装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1315982A1 (de) * | 2000-01-31 | 2003-06-04 | IDM GmbH Infrarot Sensoren | Laser-entfernungsmesser für antikollisionsanwendungen |
| CN106304418A (zh) * | 2016-08-03 | 2017-01-04 | 成都昊普环保技术有限公司 | 一种基站设备供电判别方法及系统 |
| CN206557369U (zh) * | 2016-11-24 | 2017-10-13 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 基于载波通讯的高压电能计量装置在线监测系统 |
| CN107462863A (zh) * | 2017-09-05 | 2017-12-12 | 中国电力科学研究院 | 一种智能电能表运行误差运行诊断分析方法及系统 |
| CN109597014A (zh) * | 2018-11-30 | 2019-04-09 | 国网上海市电力公司 | 一种基于人工智能技术的电能表误差诊断方法 |
| CN110146764A (zh) * | 2019-06-14 | 2019-08-20 | 国网新疆电力有限公司电力科学研究院 | 一种基于声阵列边缘计算的电力设备异常检测方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN87201768U (zh) * | 1987-02-05 | 1987-12-26 | 牡丹江市测试仪器厂 | 携带式交直流电表试验装置 |
| US10418811B2 (en) * | 2017-09-12 | 2019-09-17 | Sas Institute Inc. | Electric power grid supply and load prediction using cleansed time series data |
-
2019
- 2019-10-18 CN CN201910993691.2A patent/CN110673081B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1315982A1 (de) * | 2000-01-31 | 2003-06-04 | IDM GmbH Infrarot Sensoren | Laser-entfernungsmesser für antikollisionsanwendungen |
| CN106304418A (zh) * | 2016-08-03 | 2017-01-04 | 成都昊普环保技术有限公司 | 一种基站设备供电判别方法及系统 |
| CN206557369U (zh) * | 2016-11-24 | 2017-10-13 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 基于载波通讯的高压电能计量装置在线监测系统 |
| CN107462863A (zh) * | 2017-09-05 | 2017-12-12 | 中国电力科学研究院 | 一种智能电能表运行误差运行诊断分析方法及系统 |
| CN109597014A (zh) * | 2018-11-30 | 2019-04-09 | 国网上海市电力公司 | 一种基于人工智能技术的电能表误差诊断方法 |
| CN110146764A (zh) * | 2019-06-14 | 2019-08-20 | 国网新疆电力有限公司电力科学研究院 | 一种基于声阵列边缘计算的电力设备异常检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| Embedded Edge Computing for Real-time Smart Meter Data Analytics;T. Sirojan,等;《2019 International Conference on Smart Energy Systems and Technologies (SEST)》;20190926;1-6 * |
| 边缘计算在多芯模组化电能表中的应用研究;王大伟，等;《单片机与嵌入式系统应用》;20190401;30-33,37 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110673081A (zh) | 2020-01-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110673081B (zh) | 基于边缘计算的智能电表误差在线估计方法 | |
| CN101714234B (zh) | 一种电网线损监测分析系统 | |
| CN201742158U (zh) | 电力变压器在线监测装置 | |
| CN109001528B (zh) | 一种非侵入式分项计量采集系统 | |
| CN102013731B (zh) | 一种能耗管理方法 | |
| CN108680244A (zh) | 一种旋转机械振动无线监测装置及方法 | |
| CN110311709B (zh) | 用电信息采集系统故障判别方法 | |
| CN109738754A (zh) | 一种智能低压分路监测装置 | |
| CN115016339A (zh) | 一种室外电力设备的监测方法、设备及介质 | |
| CN105807107A (zh) | 一种基于物联网的电气设备用电量估算系统及方法 | |
| CN104165660A (zh) | 一种可计算绕组温度的配变智能监控终端 | |
| CN105024644A (zh) | 一种光伏系统性能评估系统及方法 | |
| CN111669123A (zh) | 用于对光伏组串进行故障诊断的方法和装置 | |
| CN201750433U (zh) | 建筑能耗数据采集器 | |
| CN103487644A (zh) | 电能分项能耗计量方法和装置 | |
| CN115856760A (zh) | 一种基于电能表数据信息的动态检定系统和方法 | |
| CN202153309U (zh) | 一种油田油井的远程管理装置 | |
| CN102156260A (zh) | 有源式高压直流开关振荡回路状态评估系统及其方法 | |
| CN201522555U (zh) | 远程大气参数连续实时监测装置 | |
| CN219715610U (zh) | 一种具有扩展通信接口的电力仪表 | |
| CN102969711A (zh) | 线损控制系统 | |
| CN103217581B (zh) | 基于稳态遥测技术实现线路参数辨识的方法和系统 | |
| CN106018931B (zh) | 电压合格率监测方法和系统 | |
| CN211787472U (zh) | 一种新型24小时采集终端现场监控设备及系统 | |
| CN210777092U (zh) | 一种微型伺服电机感应式表计识别装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |