CN112130109B - 一种智能电能表计量性能异常的检测方法 - Google Patents
一种智能电能表计量性能异常的检测方法 Download PDFInfo
- Publication number
- CN112130109B CN112130109B CN202011227816.XA CN202011227816A CN112130109B CN 112130109 B CN112130109 B CN 112130109B CN 202011227816 A CN202011227816 A CN 202011227816A CN 112130109 B CN112130109 B CN 112130109B
- Authority
- CN
- China
- Prior art keywords
- metering
- electric energy
- sub
- meter
- time period
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 230000005856 abnormality Effects 0.000 title abstract description 9
- 230000004907 flux Effects 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 19
- 238000004134 energy conservation Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000005611 electricity Effects 0.000 description 8
- 238000005457 optimization Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明属于电能计量装置检测领域,提供了一种智能电能表计量性能异常的检测方法,具体包括:调取台区内总表及n个分表在过去m个计量时间段内的历史电能数据,分别确定总表及每个分表在每个计量时间段内的电能流通量和电能计量,以便计算每个计量时间段内的损耗能量;基于所述电能流通量、损耗能量以及电能计量建立计量读数模型,并通过最小二乘法计算所述计量读数模型的最优解,获得每个分表的相对计量误差值;根据相对计量误差值确定每个分表的计量性能状态,实现对台区内的电力系统中所有的智能电能表计量性能进行规模化在线检测,本发明具有检测体量大、周期短、成本低、实时性强以及覆盖面广的优势。
Description
技术领域
本发明涉及电能计量装置检测领域,尤其涉及一种智能电能表计量性能异常的检测方法。
背景技术
随着我国在“互联网+”背景下智能电网建设的快速发展,我国在用的智能电能表总数已超4.6亿只。现行的智能电能表检定规程是要求按8年周期对挂网电能表进行强制轮换,在使用期间抽样检测,但这种方法存在检测体量小,检测周期长等缺点,且现有的智能电能表的计量方式存在成本高、低实效等问题。
随着大数据及人工智能的兴起,在线和远程计量成为计量技术的新方向,具有成本低,实时性强,覆盖面广等特点。因此,提供一种基于量测数据的智能电能表计量性能异常的检测方法可望有效解决传统计量方式中的高成本、低实效等问题,也可为挂网智能电能表的轮换策略决策提供理论依据。
发明内容
为了解决现有智能电能表计量性能检测体量小、周期长的技术问题,本发明提供了一种智能电能表计量性能异常的检测方法,对电力系统中智能电能表计量性能进行规模化在线检测。
本发明提供了一种智能电能表计量性能异常的检测方法,具体包括以下步骤:
步骤一:调取台区内总表及n个分表在过去m个计量时间段内的历史电能数据;
步骤二:根据所述历史电能数据分别确定所述总表及每个分表在每个计量时间段内的电能流通量和电能计量;
步骤三:根据所述总表及每个分表在每个计量时间段内的电能流通量计算每个计量时间段内的损耗能量;
步骤四:基于所述电能流通量、损耗能量以及所述电能计量建立计量读数模型,并通过最小二乘法计算所述计量读数模型的最优解,通过所述最优解确定所述每个分表的相对计量误差值,所述相对计量误差值用于表征每个分表在每个计量时间段内的电能流通量与电能计量之间的相对关系;
步骤五:根据所述相对计量误差值确定每个分表的计量性能状态,n、m为正整数。
优选的,所述基于所述电能流通量、损耗能量以及所述电能计量建立计量读数模型,具体包括:
基于所述电能流通量和损耗能量建立能量守恒模型:
其中,i=0,1,2,3,...,n,j=1,2,3,...,m,为台区内第i个分表在第j个计量时间段内的电能流通量,Lj为第j个计量时间段内的线损率,/>为台区内的所述总表在第j个计量时间段内的电能流通量;
根据所述每个分表的相对计量误差值建立计量读数模型:
所述每个分表在每个计量时间段内的电能流通量和电能计量之间的相对关系为其中,/>为台区内第i个分表在第j个计量时间段内的电能计量,δi为台区内第i个分表的相对计量误差值;
则能量守恒模型为:
其中,表示台区内第i个分表在第j个计量时间段内的电能流通量与电能计量之间的比值,∈0为台区内总表在第j个计量时间段内的电能流通量与电能计量之间的比值,/>为台区内总表在第j个计量时间段内的电能计量;
建立计量读数模型:
Ax=b
其中,
优选的,所述根据所述相对计量误差值确定每个分表的计量性能状态,具体包括:
判断所述相对计量误差值与预设阈值之间的大小;
若所述相对计量误差值小于预设阈值,则确定所述相对计量误差值对应的分表的计量性能为正常,否则确定所述相对计量误差值对应的分表的计量性能为异常。
优选的,所述方法还包括:
确定所述相对计量误差值对应的分表的计量性能为异常的情况下,检测所述计量性能为异常的分表在每个计量时间段内的电能流通量,判断所述计量性能为异常的分表是否在至少个计量时间段内的电能流通量为零,若是,则确定所述计量性能为异常的分表对应的用户长时未用电,否则,确定所述计量性能为异常的分表存在超差情况。
优选的,所述损耗能量包括输电线路损耗、耗电损耗以及漏电损耗。
优选的,所述根据所述历史电能数据分别确定所述总表及每个分表在每个计量时间段内的电能流通量,具体包括:
台区内所述总表以及n个分表的累计电能读数关于m个计量时间的差分值作为总表以及每个分表在每个计量时间段内的电能流通量。
优选的,所述方法还包括:
判断所述差分值若为负数时,则确定所述差分值异常,同时剔除该差分值数据。
本发明中通过调取台区内总表及各分表历史电能数据记录,根据每相邻两个计量时间段的电能差值,确定总表及各分表的每个计量时间段的电能流通数据,利用台区分表电能和数据与总表用电数据计算每个计量时间段的损耗能量,损耗能量包括输电线路损耗、公共用电和计量设备运行耗电,根据热力学第一定律以及台区内真实电能转移过程实际,建立台区电能守恒模型,引入相对计量误差刻画真实流经电能与电能表计量读数之间相对关系,根据电能守恒模型建立计量读数模型,通过最小二乘优化算法对电能计量读数模型计算最优解,获取相对计量误差数值,对台区内每块分表的计量性能相对误差数值进行判断,确定台区内智能电能表计量性能状态,实现对台区内的电力系统中所有的智能电能表计量性能进行规模化在线检测,具有检测体量大、周期短、成本低、实时性强以及覆盖面广的优势;同时还可为挂网智能电能表的轮换策略决策提供理论依据。
附图说明
1、图1为本发明实施例提供的一种智能电能表计量性能异常的检测方法的流程示意图。
最佳实施方式
为了使本领域技术人员更清楚的理解本发明所提供的一种智能电能表计量性能异常的检测方法,下面将结合附图对其进行详细的说明。
本发明实施例提供了一种智能电能表计量性能异常的检测方法,具体包括以下步骤:
S1:调取台区内总表及n个分表在过去m个计量时间段内的历史电能数据;
由电力能源供应商对提供数据,具体包括m组计量读数,每组数据包含低压拓扑台区内总计n个分电能表的电能计量读数及台区内的总表计量读数,台区内所有分电能表编号记为:M1,M2,...,Mn,n为正整数,总表编号记为M0,电能经配电室电能计量设备流入总表M0,再经各分表流出。数据采集区间日期共计m组,包括总表和各分表每个计量时间段内发送的累计电能读数值;本发明实施例以一个计量时间段为一天为例进行说明,但并非对本发明的限定,即,采集台区内总表及n个分表在过去m天内的历史电能数据,即,采集了m组计量读数,每组计量读数包括了n+1个智能电表的计量读数。
S2:根据所述历史电能数据分别确定所述总表及每个分表在每个计量时间段内的电能流通量和电能计量;
将台区内包括造表在内的n+1个电能表累计电能读数关于时间的差分值作为每组电能流通量,具体的实施方式可为:
设第i个电表在第j天内的累计电能读数为在第j-1天内的累计电能读数为其中i为自然数,i=0,1,2,3,...,n,当i=0时,即,该电表为台区内的总表,j为正整数,j=1,2,3,...,m,则,总表或分表在每个计量时间段内的电能流通量为/>
当为负数时,检查相应日期(即第j天和第j-1天)的电能累计读数数据,判断该组数据异常,同时剔除该组数据。
优选的,若存在数据归零重新计数的现象,则判断该电能表在该记录日进行了更换;若存在数据缺失,则判断该电能表在该记录日的数据发送失败。
S3:根据所述总表及每个分表在每个计量时间段内的电能流通量计算每个计量时间段内的损耗能量;
计算台区内的所有n个分表在每天内的电能流通量总和,即分表电能流通总量: 为台区内第i个分表在第j天内的电能流通量。
再计算台区内的总表在第j天内的电能流通量:
计算台区内在第j天内的损耗能量:Lj,包括输电线路损耗、耗电损耗以及漏电损耗。
S4:因此根据热力学第一定律,基于所述电能流通量和损耗能量建立能量守恒模型:
由于式(1)所给出的电能流通量为理论上的能量值,而在实际情况中,则是通过分表计量数据来对用户所用电能进行计量。
因此,记δi为台区中第i个分表Mi的相对计量误差值,用于表征每个分表在每个计量时间段内的电能流通量与电能计量之间的相对关系,则分表计量数据可由真实流经该分表的电能即来表达,如下式:
其中,为台区内第i个分表在第j个计量时间段内的电能计量。
进一步的,真实流经该分表的电能流通量为:
其中,表示为流经分表Mi在第j个计量时间段内的电能流通量与该分表所计量电能的比值。
将式(3)代入到式(1)中,可得第j个计量时间段内台区电能流动与分表计量数据关系如下:
S5:根据所述每个分表的相对计量误差值建立计量读数模型。
通过式(4)与m个测试时段分表计量电能数据,台区中电能转移情况可表示为如下线性方程组:
Ax=b (5)
其中,A∈Rm×n表示台区中分表M1-Mn的m组计量电能矩阵,x∈Rn表示流经分表M1-Mn的真实电能与计量读数值的比值向量,b∈Rm为流经台区总能量与损耗的m组差值数据向量,具体地,
采用最小二乘优化算法对其数值最优解进行计算,求解出方程(5)的解x,从而进一步确定台区中每块分表基于数据分析的相对计量误差值δi,i=1,2,…,n。
S6:判断所述相对计量误差值与预设阈值之间的大小;
若所述相对计量误差值小于预设阈值,则确定所述相对计量误差值对应的分表的计量性能为正常,否则确定所述相对计量误差值对应的分表的计量性能为异常。
优选的,确定所述相对计量误差值对应的分表的计量性能为异常的情况下,检测所述计量性能为异常的分表在每个计量时间段内的电能流通量,判断所述计量性能为异常的分表是否在至少个计量时间段内的电能流通量为零,若是,则确定所述计量性能为异常的分表对应的用户长时未用电,否则,确定所述计量性能为异常的分表存在超差情况。
例如,当所述相对计量误差值小于2%时的电表,可判断该电表为正常运行电表;当所述相对计量误差值小于2%时的电表,判断该电表为异常电表;判断该电表为异常的情况下,此时查看相应编号电能表每组电能流通量读数;若存在及以上数据元素均为零,则判断该表用户存在长时未用电情况;否则断定该编号智能电能表可能存在超差情况。
综上所述,本发明实施例通过调取台区内总表及各分表历史电能数据记录,根据每相邻两个计量时间段的电能差值,确定总表及各分表的每个计量时间段的电能流通数据,利用台区分表电能和数据与总表用电数据计算每个计量时间段的损耗能量,损耗能量包括输电线路损耗、公共用电和计量设备运行耗电,根据热力学第一定律以及台区内真实电能转移过程实际,建立台区电能守恒模型,引入相对计量误差刻画真实流经电能与电能表计量读数之间相对关系,根据电能守恒模型建立计量读数模型,通过最小二乘优化算法对电能计量读数模型计算最优解,获取相对计量误差数值,对台区内每块分表的计量性能相对误差数值进行判断,确定台区内智能电能表计量性能状态,实现对台区内的电力系统中所有的智能电能表计量性能进行规模化在线检测,具有检测体量大、周期短、成本低、实时性强以及覆盖面广的优势;同时还可为挂网智能电能表的轮换策略决策提供理论依据。
以上对本发明实施例进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种智能电能表计量性能异常的检测方法,其特征在于:
步骤一:调取台区内总表及n个分表在过去m个计量时间段内的历史电能数据;
步骤二:根据所述历史电能数据分别确定所述总表及每个分表在每个计量时间段内的电能流通量和电能计量;
步骤三:根据所述总表及每个分表在每个计量时间段内的电能流通量计算每个计量时间段内的损耗能量;
步骤四:基于所述电能流通量、损耗能量以及所述电能计量建立计量读数模型,并通过最小二乘法计算所述计量读数模型的最优解,通过所述最优解确定所述每个分表的相对计量误差值,所述相对计量误差值用于表征每个分表在每个计量时间段内的电能流通量与电能计量之间的相对关系;
步骤五:判断所述相对计量误差值与预设阈值之间的大小;若所述相对计量误差值小于预设阈值,则确定所述相对计量误差值对应的分表的计量性能为正常;否则确定所述相对计量误差值对应的分表的计量性能为异常,检测所述计量性能为异常的分表在每个计量时间段内的电能流通量,判断所述计量性能为异常的分表是否在至少个计量时间段内的电能流通量为零,若是,则确定所述计量性能为异常的分表对应的用户长时未用电,否则,确定所述计量性能为异常的分表存在超差情况,所述损耗能量包括输电线路损耗、耗电损耗以及漏电损耗,n、m为正整数。
2.根据权利要求1所述的智能电能表计量性能异常的检测方法,其特征在于,所述基于所述电能流通量、损耗能量以及所述电能计量建立计量读数模型,具体包括:
基于所述电能流通量和损耗能量建立能量守恒模型:
其中,为台区内第i个分表在第j个计量时间段内的电能流通量,Lj为第j个计量时间段内的损耗能量,/>为台区内的所述总表在第j个计量时间段内的电能流通量;
根据所述每个分表的相对计量误差值建立计量读数模型:
所述每个分表在每个计量时间段内的电能流通量和电能计量之间的相对关系为其中,/>为台区内第i个分表在第j个计量时间段内的电能计量,δi为台区内第i个分表的相对计量误差值;
则能量守恒模型为:
其中,表示台区内第i个分表在第j个计量时间段内的电能流通量与电能计量之间的比值,∈0为台区内总表在第j个计量时间段内的电能流通量与电能计量之间的比值,/>为台区内总表在第j个计量时间段内的电能计量;
建立计量读数模型:
Ax=b
其中
3.根据权利要求1所述的智能电能表计量性能异常的检测方法,其特征在于,所述根据所述历史电能数据分别确定所述总表及每个分表在每个计量时间段内的电能流通量,具体包括:
台区内所述总表以及n个分表的累计电能读数关于m个计量时间的差分值作为总表以及每个分表在每个计量时间段内的电能流通量。
4.根据权利要求3所述的智能电能表计量性能异常的检测方法,其特征在于,所述方法还包括:
判断所述差分值若为负数时,则确定所述差分值异常,同时剔除该差分值数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011227816.XA CN112130109B (zh) | 2020-11-06 | 2020-11-06 | 一种智能电能表计量性能异常的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011227816.XA CN112130109B (zh) | 2020-11-06 | 2020-11-06 | 一种智能电能表计量性能异常的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112130109A CN112130109A (zh) | 2020-12-25 |
CN112130109B true CN112130109B (zh) | 2023-08-01 |
Family
ID=73852050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011227816.XA Active CN112130109B (zh) | 2020-11-06 | 2020-11-06 | 一种智能电能表计量性能异常的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112130109B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113655425B (zh) * | 2021-07-16 | 2023-03-21 | 国网浙江省电力有限公司 | 适用于10kv配线线路的计量点运行误差监测方法与系统 |
CN114002642A (zh) * | 2021-11-02 | 2022-02-01 | 北京市计量检测科学研究院 | 智能电表现场计量性能采集系统、远程实时监测系统 |
CN114298660A (zh) * | 2021-12-07 | 2022-04-08 | 中国黄金集团建设有限公司 | 一种施工用电体系及其使用方法 |
CN114184996B (zh) * | 2021-12-10 | 2023-09-29 | 广东电网有限责任公司 | 低压台区智能电表的计量异常行为辨识方法及装置 |
CN115656914B (zh) * | 2022-12-12 | 2023-10-10 | 湖南省计量检测研究院 | 一种基于大数据的智能电表计量准确性检测方法及装置 |
CN117556285B (zh) * | 2023-11-13 | 2024-06-11 | 国网四川省电力公司营销服务中心 | 一种超差电表检测方法、系统、设备和存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107462863B (zh) * | 2017-09-05 | 2023-05-23 | 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 |
CN111398885B (zh) * | 2020-03-27 | 2022-12-16 | 天津大学 | 一种结合线损分析的智能电表运行误差监控方法 |
CN111693928B (zh) * | 2020-06-22 | 2021-07-23 | 广东电网有限责任公司计量中心 | 电能表计量误差计算方法、装置和计算机设备 |
CN111693931A (zh) * | 2020-06-23 | 2020-09-22 | 广东电网有限责任公司计量中心 | 智能电能表误差远程计算方法、装置和计算机设备 |
-
2020
- 2020-11-06 CN CN202011227816.XA patent/CN112130109B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112130109A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112130109B (zh) | 一种智能电能表计量性能异常的检测方法 | |
WO2022110558A1 (zh) | 一种智能电能表故障预警方法及装置 | |
CN107643507B (zh) | 一种基于电网线路运行误差远程校准的精益线损分析与管控方法 | |
CN110471024B (zh) | 一种基于量测数据分析的智能电表在线远程校验方法 | |
CN111398885A (zh) | 一种结合线损分析的智能电表运行误差监控方法 | |
CN102818337B (zh) | 一种基于物联网的地源热泵系统监测装置 | |
CN107741578B (zh) | 智能电能表运行误差远程校准的原始抄表数据处理方法 | |
CN107727955B (zh) | 一种基于电网线路运行误差远程校准的变压器损耗分析与管控方法 | |
CN114640173A (zh) | 一种基于多特征量的变压器和发电机的预警模型 | |
CN102868160B (zh) | 智能电网广域负荷建模方法 | |
CN107358335A (zh) | 一种基于互联网的分布式光伏效率评估方法与系统 | |
CN110375787A (zh) | 一种计量仪表运行状态在线评价方法 | |
CN113655425B (zh) | 适用于10kv配线线路的计量点运行误差监测方法与系统 | |
CN113376566A (zh) | 一种全网计量失准在线监测方法 | |
CN206330636U (zh) | LoRa水表监测控制系统 | |
CN112485514A (zh) | 一种电平衡用电量不确定度评价方法 | |
Zhou et al. | Neural network pattern recognition based non-intrusive load monitoring for a residential energy management system | |
CN207036924U (zh) | 电能测量比较判断装置 | |
CN113466520B (zh) | 一种在线识别失准电能表的方法 | |
CN108062616A (zh) | 一种具有约束条件的用电异常检测模型 | |
CN111520871A (zh) | 中央空调系统节能改造的节能率测试方法及系统 | |
CN116106627A (zh) | 一种基于电压电流不同相错误接线异常的判断方法 | |
CN115840865A (zh) | 一种碳排放因子计算方法及碳足迹计量装置、方法、系统 | |
CN109545022A (zh) | 能源替代技术的独立新风实训系统及其控制和计算方法 | |
CN116184303A (zh) | 基于分层分级的电能表误差在线监测方法及系统 |
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 |