CN112684400B - 小电量台区的电能表运行误差数据监测方法及系统 - Google Patents
小电量台区的电能表运行误差数据监测方法及系统 Download PDFInfo
- Publication number
- CN112684400B CN112684400B CN202011338718.3A CN202011338718A CN112684400B CN 112684400 B CN112684400 B CN 112684400B CN 202011338718 A CN202011338718 A CN 202011338718A CN 112684400 B CN112684400 B CN 112684400B
- Authority
- CN
- China
- Prior art keywords
- power consumption
- historical
- electric energy
- data
- consumption
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000005611 electricity Effects 0.000 claims description 97
- 230000006399 behavior Effects 0.000 claims description 79
- 238000012216 screening Methods 0.000 claims description 20
- 238000005265 energy consumption Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims description 2
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 10
- 238000009434 installation Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供的小电量台区的电能表运行误差数据监测方法及系统,涉及电力技术领域。在本申请中,首先,获取目标时长的当前时段内目标台区的台区用电数据;其次,基于台区总表用电量、分表用电量和线路损耗电量,计算得到至少一个台区分电能表的总运行误差数据;然后,基于总运行误差数据和预先针对每一个台区分电能表确定的误差比例信息,确定每一个台区分电能表的运行误差数据。基于上述方法,可以改善现有技术中对电能表运行误差难以进行有效监测的问题。
Description
技术领域
本申请涉及电力技术领域,具体而言,涉及一种小电量台区的电能表运行误差数据监测方法及系统。
背景技术
在电力技术领域中,小电量台区的电能表是否具有较高的精确度直接影响着用户的体验,以及决定着收费是否合理的问题。其中,电能表是否精确,即运行误差的监测方法主要包括:专业人员定期通过检测设备到电能表现场进行检测;将电能表取回后在相同标准条件下进行检测。如此,使得存在着检测工作强度高、工作量大、需花费大量的人力和物力的问题。因而,存在对电能表的运行误差难以进行有效监测的问题。
发明内容
有鉴于此,本申请的目的在于提供一种小电量台区的电能表运行误差数据监测方法及系统,以改善现有技术中对电能表运行误差难以进行有效监测的问题。
为实现上述目的,本申请实施例采用如下技术方案:
一种小电量台区的电能表运行误差数据监测方法,应用于电能表运行误差数据监测系统,该方法包括:
获取目标时长的当前时段内目标台区的台区用电数据,其中,该目标台区为在预设时间长度内总用电量小于预设电量的小电量台区,该台区用电数据包括台区总电能表的总表用电量、至少一个台区分电能表的分表用电量和每一个台区分表对应的线路损耗电量;
基于所述台区总表用电量、所述分表用电量和所述线路损耗电量,计算得到所述至少一个台区分电能表的总运行误差数据;
基于所述总运行误差数据和预先针对每一个台区分电能表确定的误差比例信息,确定每一个所述台区分电能表的运行误差数据。
在上述实施例的基础上,本申请还提供一种电能表运行误差数据监测系统,包括:
存储器,用于存储计算机程序;
与所述存储器连接的处理器,用于执行所述计算机程序,以实现上述的小电量台区的电能表运行误差数据监测方法。
本申请提供的小电量台区的电能表运行误差数据监测方法及系统,通过获取台区总电能表的总表用电量、台区分电能表的分表用电量和台区分电能表对应的线路损耗电量,使得可以计算出台区的总运行误差数据,然后,可以基于预先针对每一个台区分电能表确定的误差比例信息,得到每一个台区分电能表的运行误差数据,使得可以有效的对电能表运行误差进行监测,从而改善现有技术中因需要检测人员对电能表的运行误差进行实际检测而导致难以进行有效监测的问题,使得具有较高的实用价值。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本申请实施例提供的电能表运行误差数据监测系统的结构框图。
图2为本申请实施例提供的小电量台区的电能表运行误差数据监测方法包括的各步骤的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本申请的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1所示,本申请实施例提供了一种电能表运行误差数据监测系统。所述电能表运行误差数据监测系统可以包括存储器和处理器。
详细地,所述存储器和处理器之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本申请实施例(如后文所述)提供的小电量台区的电能表运行误差数据监测方法。
可选地,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
并且,所述处理器可以是一种通用处理器,包括中央处理器(Central ProcessingUnit,CPU)、网络处理器(Network Processor,NP)、片上系统(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
结合图2,本申请实施例还提供一种小电量台区的电能表运行误差数据监测方法,可应用于上述电能表运行误差数据监测系统。其中,该小电量台区的电能表运行误差数据监测方法有关的流程所定义的方法步骤,可以由所述电能表运行误差数据监测系统(的处理器)实现。
下面将对图2所示的具体流程,进行详细阐述。
步骤S110,获取目标时长的当前时段内目标台区的台区用电数据。
在本实施例中,在需要对台区分电能表的运行误差进行监测时,所述电能表运行误差数据监测系统可以获取目标时长的当前时段(即从当前时刻往前目标时长,如一天或一月等)内目标台区的台区用电数据。
其中,所述目标台区(台区是指,电力系统中一台变压器的供电范围或区域,用于计量该供电范围内的总用电量的电能表可以称为台区总电能表(可以对台区总电能表进行定期校正或更换,以保证计量的数据具有较高的准确度),一个台区中在该台区总电能表以外还可以包括多个电能表,可以称为台区分电能表)为在预设时间长度内总用电量小于预设电量的小电量台区,所述台区用电数据包括台区总电能表的总表用电量(即台区总电能表在当前时段的用电增量)、至少一个台区分电能表的分表用电量(即台区分电能表在当前时段的用电增量)和每一个台区分电能表对应的线路损耗电量(如台区分电能表与台区总电能表之间的线路的电能损耗)。
步骤S120,基于所述台区总表用电量、所述分表用电量和所述线路损耗电量,计算得到所述至少一个台区分电能表的总运行误差数据。
在本实施例中,在基于步骤S110得到所述台区用电数据之后,所述电能表运行误差数据监测系统可以基于该台区用电数据包括的所述台区总表用电量、所述分表用电量和所述线路损耗电量,计算得到所述至少一个台区分电能表的总运行误差数据。
例如,在一种可以替代的示例中,可以将所述台区总表用电量减去所述分表用电量和所述线路损耗电量,得到所述总运行误差数据。
步骤S130,基于所述总运行误差数据和预先针对每一个台区分电能表确定的误差比例信息,确定每一个所述台区分电能表的运行误差数据。
在本实施例中,在基于步骤S120得到所述总运行误差数据之后,所述电能表运行误差数据监测系统可以基于该总运行误差数据,然后,结合预先针对每一个台区分电能表确定的误差比例信息,确定每一个所述台区分电能表的运行误差数据。
也就是说,可以按照每一个台区分电能表确定的误差比例信息,对所述总运行误差数据进行分割,得到每一个台区分电能表的运行误差数据。
基于上述方法,在不依赖于检测人员的实际检测的基础上,也可以有效的对电能表运行误差进行监测,从而改善现有技术中因需要检测人员对电能表的运行误差进行实际检测而导致难以进行有效监测的问题。
对于上述的步骤S130需要说明的是,确定每一个所述台区分电能表的运行误差数据的具体方式不受限制,可以根据实际应用需求进行选择。
例如,在一种可以替代的示例中,步骤S130可以包括以下步骤:
首先,可以基于每一个所述台区分电能表的运行误差初始数据,得到每一个所述台区分电能表的误差比例初始信息,其中,该运行误差初始数据在所述台区分电能表被投入使用之前基于对该台区分电能表进行测量得到(例如,在出厂之前,检测人员可以对其进行测量);
其次,可以基于每一个所述台区分电能表在历史时段内的历史用电量,分别对每一个所述台区分电能表的误差比例初始信息进行更新,得到每一个所述台区分电能表的误差比例信息(历史用电量可以在较大程度上反应台区分电能表的运行环境,而台区分电能表的运行环境会较大程度上影响其运行误差,因而,可以基于历史用电量对误差比例初始信息进行更新);
然后,可以基于所述误差比例信息和所述总运行误差数据,确定每一个所述台区分电能表的运行误差数据。
可选地,在上述示例中,对误差比例初始信息进行更新以得到误差比例信息的具体方式不受限制,可以根据实际应用需求进行选择。
例如,在一种可以替代的示例中,可以基于以下子步骤(子步骤1-子步骤4)对所述误差比例初始信息进行更新以得到所述误差比例信息。
子步骤1,针对每一个所述台区分电能表,基于该台区分电能表在每一个历史子时段内的历史子用电量按照时间先后顺序形成用电量序列,其中,该历史子时段的时长为所述目标时长(例如,若所述台区用电数据为当前一天的用电数据,则所述用电量序列可以包括前一天的用电量、前两天的用电量、前三天的用电量、前四天的用电量......)。
子步骤2,针对每一个所述台区分电能表对应的用电量序列,基于预设的异常数据筛选规则对该用电量序列中的每一个历史子用电量进行筛选处理,得到该用电量序列对应的用电量目标序列(通过将属于异常数据的历史子用电量进行筛选排除,可以避免异常数据的干扰,从而提高得到的误差比例信息的准确度,进而保证得到的运行误差数据的可靠度)。
子步骤3,针对每一个所述用电量目标序列,基于该用电量目标序列包括的每一个历史子用电量确定出目标历史子用电量(也就是说,从用电量目标序列包括的每一个历史子用电量中确定出目标历史子用电量,用于表征该用电量目标序列)。
子步骤4,基于每一个所述用电量目标序列对应的目标历史子用电量,对每一个所述台区分电能表的误差比例初始信息进行更新,得到每一个所述台区分电能表的误差比例信息(由于每一个目标历史子用电量可以表征对应的用电量目标序列,因而,可以基于每一个所述用电量目标序列对应的目标历史子用电量,对台区分电能表的误差比例初始信息进行更新)。
可以理解的是,在上述示例中,执行子步骤2以基于预设的异常数据筛选规则进行筛选处理的具体方式不受限制,可以根据实际应用需求进行选择。其中,基于不同的需求,在本实施例中分别提供以下三种示例。
在第一种示例中,考虑到在较大程度上用户人数对用电量会有较大的影响,因而,在此示例中,为了充分筛选排除出异常数据以保证得到的用电量目标序列具有较高的可靠性,子步骤2可以包括以下子步骤:
第一步,从所述用电量序列中,分别提取在时间上每相邻的两个历史子用电量,得到至少一组历史子用电量相邻组合(例如,所述用电量序列一次包括历史子用电量1、历史子用电量2和历史子用电量3,可以形成2组历史子用电量相邻组合,分别为组合1“历史子用电量1和历史子用电量2”、组合2“历史子用电量2和历史子用电量3”);
第二步,针对每一组所述历史子用电量相邻组合,获取该历史用电量相邻组合中每一个历史子用电量所在时段内所述台区分电能表对应网络用户的网络行为关联数据(例如,针对历史子用电量1为一天的用电量,可以获取一天内对应的网络用户的网络行为关联数据,如预先针对每一个台区分电能表可以确定对应的安装信息,如安装对象(用户)的身份信息,然后,再基于设备ID(如手机设备id)和IP地址等信息来标识安装对象的网络行为关联数据);
第三步,针对每一个所述用户网络行为关联数据,基于该用户网络行为关联数据确定所在时段内所述台区分电能表对应的用电用户数量(例如,用户在家里的时候一般会实用WiFi,如此,可以基于使用WiFi的网络行为确定用户在家里,也就是说,在一段时间内,如果使用一个WiFi的用户为5个,对应的用电用户数量可以为5个);
第四步,针对每一组所述历史子用电量相邻组合,根据该历史用电量相邻组合对应的两个时段内的用电用户数量,计算用户数量差值(例如,历史子用电量1对应的用电用户数量为5,历史子用电量2对应的用电用户数量为3,则对应的用户数量差值为2);
第五步,针对每一组所述历史子用电量相邻组合,在该历史子用电量相邻组合对应的用户数量差值大于预设用户数量时,确定该历史子用电量相邻组合中每一个历史子用电量对应的网络行为关联数据中的网络行为有效数据(也就是说,如果基于用户网络行为关联数据确定的相邻两次的用电用户数量差值较大,说明可能存在无效的数据,因而,需要确定网络行为关联数据中的网络行为有效数据);
第六步,针对每一组所述历史子用电量相邻组合中的每一个历史子用电量,基于该历史子用电量对应的网络行为关联数据和网络行为有效数据,计算对应的用电用户数量的用户数量平均值(例如,针对历史子用电量1,基于网络行为关联数据确定的用电用户数量为5,基于网络行为有效数据确定的用电用户数量为3,对应的用户数量平均值为4);
第七步,针对每一组所述历史子用电量相邻组合,计算该历史子用电量相邻组合中两个历史子用电量对应用户数量平均值之间的平均差值(其中,在历史子用电量相邻组合对应的用户数量差值不大于所述预设用户数量时,可以直接将该用户数量差值作为该平均差值);
第八步,针对每一组所述历史子用电量相邻组合,基于该历史子用电量相邻组合对应的平均差值,确定该历史子用电量相邻组合包括的两个历史子用电量之间的相似度信息(其中,平均差值越大,相似度越小;反之,平均差值越小,相似度越大);
第九步,针对每一个所述相似度信息,将该相似度信息与相似度预设信息进行比较,确定该相似度信息与该相似度预设信息之间的大小关系;
第十步,针对所述用电量序列中第一个历史子用电量和最后一个历史子用电量以外的其它每一个历史子用电量,若该历史子用电量与前一个历史子用电量之间的相似度信息大于所述相似度预设信息且与后一个历史子用电量之间的相似度信息大于该相似度预设信息(表明该历史子用电量不属于异常用电量),则将该历史子用电量信息、该第一个历史子用电量和该最后一个历史子用电量组合形成用电量第一序列;
第十一步,针对每一组所述历史子用电量相邻组合,计算该历史子用电量相邻组合中两个历史子用电量之间的用电量差值;
第十二步,针对所述用电量序列中第一个历史子用电量和最后一个历史子用电量以外的其它每一个历史子用电量,若该历史子用电量与前一个历史子用电量之间的用电量差值小于预设用电量且与后一个历史子用电量之间的用电量差值小于该预设用电量,则将该历史子用电量信息、该第一个历史子用电量和该最后一个历史子用电量组合形成用电量第二序列;
第十三步,将所述用电量第一序列包括的历史子用电量和所述用电量第二序列包括的历史子用电量进行合并且去重处理(也就是说,可以对用电量第一序列和用电量第二序列取并集),得到用电量目标序列。
其中,在上述示例中,基于第五步以确定所述网络行为有效数据的具体方式不受限制,可以根据实际应用需求进行选择。
例如,在一种可以替代的示例中,确定所述网络行为有效数据的步骤,可以包括以下子步骤:
首先,针对每一个历史子用电量对应的网络行为关联数据,基于确定该网络行为关联数据中每一个网络用户的网络行为的持续时长(可以是指在对应时段内的累计时长);
其次,针对每一个网络用户的网络行为的持续时长,在该持续时长大于预设时长时,将该网络用户的网络行为数据作为对应的网络行为关联数据中的网络行为有效数据;或者,针对每一个所述网络行为关联数据,基于所述持续时长的大小关系对该网络行为关联数据中每一个网络用户的网络行为数据进行排序处理,并将排序在前的预设比例的网络行为数据作为该网络行为关联数据中的网络行为有效数据,其中,该排序处理按照先大后小的关系进行。
在第二种示例中,同样考虑到在较大程度上用户人数对用电量会有较大的影响,因而,在此示例中,为了在筛选排除异常数据的基础上,兼顾得到用电量目标序列的效率,子步骤2可以包括以下子步骤:
第一步,可以针对所述用电量序列中的每一个历史子用电量,获取该历史子用电量所在时段内所述台区分电能表对应网络用户的网络行为关联数据(如前文的相关描述);
第二步,针对每一个所述网络行为关联数据,基于该网络行为关联数据确定所在时段内所述台区分电能表对应的用电用户数量;
第三步,针对每一个所述用电用户数量,基于该用电用户数量将对应的网络行为关联数据进行聚合处理,得到该用电用户数量对应的关联数据集合,其中,每一个所述关联数据集合至少包括一个网络行为关联数据(例如用电用户数量都为1的所有网络行为关联数据构成一个关联数据集合,用电用户数量都为2的所有网络行为关联数据构成一个关联数据集合,用电用户数量都为3的所有网络行为关联数据构成一个关联数据集合);
第四步,针对每一个所述关联数据集合,基于对应的所述历史子用电量对该关联数据集合中的每一个网络行为关联数据进行聚类处理(例如,可以采用邻近算法进行聚类,将一个关联数据集合中对应历史子用电量相近的网络行为关联数据聚集为一个类,将一个关联数据集合中对应历史子用电量不相近的网络行为关联数据分隔为不同的类),得到该关联数据集合对应的至少一个关联数据类,其中,每一个所述关联数据类至少包括一个网络行为关联数据;
第五步,针对每一个所述关联数据类,将该关联数据类包括的所述网络行为关联数据的第一数据数量与预设数量进行比较,并在该第一数据数量小于该预设数量时(数量较少表明存在异常),将该关联数据类包括的每一个所述网络行为关联数据对应的历史子用电数量进行筛选排除;或者
第六步,针对每一个所述关联数据集合,获取该关联数据集合中每一个所述关联数据类包括的网络行为关联数据的第二数据数量,并基于该第二数据数量的大小对每一个所述关联数据类进行排序处理,且将排序在后的预设比例的关联数据类包括的每一个所述网络行为关联数据对应的历史子用电数量进行筛选排除,其中,该排序处理按照先大后小的关系进行;
第七步,基于所述用电量序列中被筛选排除后剩下的历史子用电数量,得到用电量目标序列。
在第三种示例中,特别地,为了充分利用所述历史子用电量的特性和避免监测成本较高的问题,子步骤2可以包括以下子步骤:
第一步,从所述用电量序列中,将具有预设标识的历史子用电量的筛选排除处理,得到用电量中间序列,其中,该预设标识基于对应历史子用电量所在时段内对所述台区分电能表进行运行误差校正处理之后生成;
第二步,针对所述电量中间序列中的每一个所述历史子用电量,按照预设时间间隔对该历史子用电量进行分割,得到该历史子用电量所在时段内多个时间片段对应的多个历史片段用电量(例如,若所述历史子用电量为一天内的用电量,可以分别获取每一个小时内的用电量,即得到24个历史片段用电量;若所述历史子用电量为一月内的用电量,可以分别获取每一天内的用电量,即得到30个历史片段用电量);
第三步,针对每一个所述历史子用电量,基于该历史子用电量对应的多个历史片段用电量计算该历史子用电量的平均用电量;
第四步,针对每一个所述历史子用电量,基于该历史子用电量的平均用电量对该历史子用电量包括的每一个历史片段用电量进行重置,得到该历史子用电量包括的多个用电量标识值,其中,与所述平均用电量之间具有相同关系(如都大于所述平均用电量)的任意两个历史片段用电量对应的用电量标识值相同,与该平均用电量之间具有不同关系(如一个大于所述平均用电量,另一个不大于所述平均用电量)的任意两个历史片段用电量对应的用电量标识值不同;
第五步,针对每一个所述历史子用电量,将该历史子用电量对应的多个用电量标识值按照对应的历史片段用电量的时间先后关系进行排序,得到该历史子用电量对应的标识值序列;
第六步,针对在时间上每一相邻的两个标识值序列,确定该两个标识值序列中对应序列位上的用电量标识值是否相同,得到该两个标识值序列之间具有不相同用电量标识值的序列位位数(例如,若所述历史子用电量为一天内的用电量,对应有24个历史片段用电量,如此,每一个标识值序列包括24位,如此,可以确定相邻的两个标识值序列中第一位的用电量标识值是否相同、第二位的用电量标识值是否相同......);
第七步,针对第一个标识值序列和最后一个标识值序列以外的每一个标识值序列,确定该标识值序列与前一个标识值序列之间的序列位位数是否大于预设位数、与后一个标识值序列之间的序列位位数是否大于该预设位数;
第八步,将所述第一个标识值序列、所述最后一个标识值序列和每一个目标标识值序列对应的历史子用电量,按照时间先后顺序进行排序形成用电量目标序列,其中,该目标标识值序列为,与前一个标识值序列之间的序列位位数大于所述预设位数且与后一个标识值序列之间的序列位位数大于该预设位数的标识值序列以外的其它标识值序列(若与前一个标识值序列之间的序列位位数大于所述预设位数且与后一个标识值序列之间的序列位位数大于该预设位数,表明该标识值序列对应的用电量为异常用电量,因而,可以筛选排除)。
可以理解的是,在上述示例中,执行子步骤3以确定出目标历史子用电量的具体方式不受限制,可以根据实际应用需求进行选择。
例如,在一种可以替代的示例中,为了保证确定的目标历史子用电量可以可靠的反应对应的用电量目标序列,子步骤3可以包括以下子步骤:
首先,可以针对每一个所述用电量目标序列,对该用电量目标序列包括的每一个所述历史子用电量进行聚类处理(例如,可以基于现有的一些分类算法进行聚类处理,如邻近算法(也称为K最近邻分类算法)等),得到该用电量目标序列对应的至少一个用电量集合,其中,每一个所述用电量集合至少包括一个历史子用电量;
其次,可以针对每一个所述用电量集合,基于该用电量集合包括的每一个所述历史子用电量的平均值确定对应的权重系数,其中,该平均值与该权重系数之间具有负相关关系(也就是说,一个用电量集合的平均值越大,该用电量集合的权重系数可以越小;反之,一个用电量集合的平均值越小,该用电量集合的权重系数可以越大。如此,可以避免确定的各目标历史子用电量之间存在较大的差异,而导致对误差比例初始信息进行更新出现较大的误差的问题,即考虑到运行误差本身一般不会发生突变);
然后,可以针对每一个所述用电量集合,基于该用电量集合的平均值和权重系数进行乘积计算,得到该用电量集合的平均加权值,并将该平均加权值作为对应用电量目标序列的目标历史子用电量。
又例如,在另一种可以替代的示例中,为了提高确定所述目标历史子用电量的效率,子步骤3可以包括以下子步骤:
首先,可以针对每一个所述用电量目标序列,对该用电量目标序列包括的每一个历史子用电量进行均值计算处理(也就是说,可以基于用电量目标序列包括的每一个历史子用电量的平均值),得到用电量平均信息;
其次,可以针对每一个所述用电量平均信息,将该用电量平均信息作为该用电量平均信息对应的用电量目标序列的目标历史子用电量(也就是说,可以直接基于用电量目标序列的平均值来代表该用电量目标序列)。
可以理解的是,在上述示例中,执行子步骤4以基于目标历史子用电量进行更新的具体方式不受限制,可以根据实际应用需求进行选择。
例如,在一种可以替代的示例中,子步骤4可以包括以下子步骤:
首先,可以基于每一个所述用电量目标序列对应的目标历史子用电量,计算每一个所述目标历史子用电量的电量比例信息;其次,可以针对每一个所述台区分电能表,基于该台区分电能表对应的电量比例信息和对应的误差比例初始信息进行均值计算处理,得到比例平均信息,并将该比例平均信息作为该台区分电能表的误差比例信息(例如,在一种具体的应用示例中,包括四个台区分电能表,对应的电量比例信息分别为10%、20%、30%和40%,对应的误差比例初始信息分别为30%、10%、40%和20%,如此,得到的误差比例信息可以分别为20%、15%、35%和30%)。
综上所述,本申请提供的小电量台区的电能表运行误差数据监测方法及系统,通过获取台区总电能表的总表用电量、台区分电能表的分表用电量和台区分电能表对应的线路损耗电量,使得可以计算出台区的总运行误差数据,然后,可以基于预先针对每一个台区分电能表确定的误差比例信息,得到每一个台区分电能表的运行误差数据。如此,使得可以有效的对电能表运行误差进行监测,不再依赖于检测人员的实际检测,从而改善现有技术中因需要检测人员对电能表的运行误差进行实际检测而导致难以进行有效监测的问题,使得具有较高的实用价值。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种小电量台区的电能表运行误差数据监测方法,其特征在于,应用于电能表运行误差数据监测系统,该方法包括:
获取目标时长的当前时段内目标台区的台区用电数据,其中,该目标台区为在预设时间长度内总用电量小于预设电量的小电量台区,该台区用电数据包括台区总电能表的总表用电量、至少一个台区分电能表的分表用电量和每一个台区分电能表对应的线路损耗电量;
基于所述总表用电量、所述分表用电量和所述线路损耗电量,计算得到所述至少一个台区分电能表的总运行误差数据;
基于所述总运行误差数据和预先针对每一个台区分电能表确定的误差比例信息,确定每一个所述台区分电能表的运行误差数据;
所述基于所述总运行误差数据和预先针对每一个台区分电能表确定的误差比例信息,确定每一个所述台区分电能表的运行误差数据的步骤,包括:
基于每一个所述台区分电能表的运行误差初始数据,得到每一个所述台区分电能表的误差比例初始信息,其中,该运行误差初始数据在所述台区分电能表被投入使用之前基于对该台区分电能表进行测量得到;
基于每一个所述台区分电能表在历史时段内的历史用电量,分别对每一个所述台区分电能表的误差比例初始信息进行更新,得到每一个所述台区分电能表的误差比例信息;
基于所述误差比例信息和所述总运行误差数据,确定每一个所述台区分电能表的运行误差数据;
所述基于每一个所述台区分电能表在历史时段内的历史用电量,分别对每一个所述台区分电能表的误差比例初始信息进行更新,得到每一个所述台区分电能表的误差比例信息的步骤,包括:
针对每一个所述台区分电能表,基于该台区分电能表在每一个历史子时段内的历史子用电量按照时间先后顺序形成用电量序列,其中,该历史子时段的时长为所述目标时长;
针对每一个所述台区分电能表对应的用电量序列,基于预设的异常数据筛选规则对该用电量序列中的每一个历史子用电量进行筛选处理,得到该用电量序列对应的用电量目标序列;
针对每一个所述用电量目标序列,基于该用电量目标序列包括的每一个历史子用电量确定出目标历史子用电量;
基于每一个所述用电量目标序列对应的目标历史子用电量,对每一个所述台区分电能表的误差比例初始信息进行更新,得到每一个所述台区分电能表的误差比例信息。
2.根据权利要求1所述的小电量台区的电能表运行误差数据监测方法,其特征在于,所述基于预设的异常数据筛选规则对该用电量序列中的每一个历史子用电量进行筛选处理,得到该用电量序列对应的用电量目标序列的步骤,包括:
从所述用电量序列中,分别提取在时间上每相邻的两个历史子用电量,得到至少一组历史子用电量相邻组合;
针对每一组所述历史子用电量相邻组合,获取该历史用电量相邻组合中每一个历史子用电量所在时段内所述台区分电能表对应网络用户的网络行为关联数据;
针对每一个所述网络用户的网络行为关联数据,基于该网络用户的网络行为关联数据确定所在时段内所述台区分电能表对应的用电用户数量;
针对每一组所述历史子用电量相邻组合,根据该历史用电量相邻组合对应的两个时段内的用电用户数量,计算用户数量差值;
针对每一组所述历史子用电量相邻组合,在该历史子用电量相邻组合对应的用户数量差值大于预设用户数量时,确定该历史子用电量相邻组合中每一个历史子用电量对应的网络行为关联数据中的网络行为有效数据;
针对每一组所述历史子用电量相邻组合中的每一个历史子用电量,基于该历史子用电量对应的网络行为关联数据和网络行为有效数据,计算对应的用电用户数量的用户数量平均值;
针对每一组所述历史子用电量相邻组合,计算该历史子用电量相邻组合中两个历史子用电量对应用户数量平均值之间的平均差值;
针对每一组所述历史子用电量相邻组合,基于该历史子用电量相邻组合对应的平均差值,确定该历史子用电量相邻组合包括的两个历史子用电量之间的相似度信息;
针对每一个所述相似度信息,将该相似度信息与相似度预设信息进行比较,确定该相似度信息与该相似度预设信息之间的大小关系;
针对所述用电量序列中第一个历史子用电量和最后一个历史子用电量以外的其它每一个历史子用电量,若该历史子用电量与前一个历史子用电量之间的相似度信息大于所述相似度预设信息且与后一个历史子用电量之间的相似度信息大于该相似度预设信息,则将该历史子用电量信息、该第一个历史子用电量和该最后一个历史子用电量组合形成用电量第一序列;
针对每一组所述历史子用电量相邻组合,计算该历史子用电量相邻组合中两个历史子用电量之间的用电量差值;
针对所述用电量序列中第一个历史子用电量和最后一个历史子用电量以外的其它每一个历史子用电量,若该历史子用电量与前一个历史子用电量之间的用电量差值小于预设用电量且与后一个历史子用电量之间的用电量差值小于该预设用电量,则将该历史子用电量信息、该第一个历史子用电量和该最后一个历史子用电量组合形成用电量第二序列;
将所述用电量第一序列包括的历史子用电量和所述用电量第二序列包括的历史子用电量进行合并且去重处理,得到用电量目标序列。
3.根据权利要求2所述的小电量台区的电能表运行误差数据监测方法,其特征在于,所述确定该历史子用电量相邻组合中每一个历史子用电量对应的网络行为关联数据中的网络行为有效数据的步骤,包括:
针对每一个历史子用电量对应的网络行为关联数据,基于确定该网络行为关联数据中每一个网络用户的网络行为的持续时长;
针对每一个网络用户的网络行为的持续时长,在该持续时长大于预设时长时,将该网络用户的网络行为数据作为对应的网络行为关联数据中的网络行为有效数据;或者
针对每一个所述网络行为关联数据,基于所述持续时长的大小关系对该网络行为关联数据中每一个网络用户的网络行为数据进行排序处理,并将排序在前的预设比例的网络行为数据作为该网络行为关联数据中的网络行为有效数据,其中,该排序处理按照先大后小的关系进行。
4.根据权利要求1所述的小电量台区的电能表运行误差数据监测方法,其特征在于,所述基于预设的异常数据筛选规则对该用电量序列中的每一个历史子用电量进行筛选处理,得到该用电量序列对应的用电量目标序列的步骤,包括:
针对所述用电量序列中的每一个历史子用电量,获取该历史子用电量所在时段内所述台区分电能表对应网络用户的网络行为关联数据;
针对每一个所述网络行为关联数据,基于该网络行为关联数据确定所在时段内所述台区分电能表对应的用电用户数量;
针对每一个所述用电用户数量,基于该用电用户数量将对应的网络行为关联数据进行聚合处理,得到该用电用户数量对应的关联数据集合,其中,每一个所述关联数据集合至少包括一个网络行为关联数据;
针对每一个所述关联数据集合,基于对应的所述历史子用电量对该关联数据集合中的每一个网络行为关联数据进行聚类处理,得到该关联数据集合对应的至少一个关联数据类,其中,每一个所述关联数据类至少包括一个网络行为关联数据;
针对每一个所述关联数据类,将该关联数据类包括的所述网络行为关联数据的第一数据数量与预设数量进行比较,并在该第一数据数量小于该预设数量时,将该关联数据类包括的每一个所述网络行为关联数据对应的历史子用电数量进行筛选排除;或者
针对每一个所述关联数据集合,获取该关联数据集合中每一个所述关联数据类包括的网络行为关联数据的第二数据数量,并基于该第二数据数量的大小对每一个所述关联数据类进行排序处理,且将排序在后的预设比例的关联数据类包括的每一个所述网络行为关联数据对应的历史子用电数量进行筛选排除,其中,该排序处理按照先大后小的关系进行;
基于所述用电量序列中被筛选排除后剩下的历史子用电数量,得到用电量目标序列。
5.根据权利要求1所述的小电量台区的电能表运行误差数据监测方法,其特征在于,所述针对每一个所述用电量目标序列,基于该用电量目标序列包括的每一个历史子用电量确定出目标历史子用电量的步骤,包括:
针对每一个所述用电量目标序列,对该用电量目标序列包括的每一个所述历史子用电量进行聚类处理,得到该用电量目标序列对应的至少一个用电量集合,其中,每一个所述用电量集合至少包括一个历史子用电量;
针对每一个所述用电量集合,基于该用电量集合包括的每一个所述历史子用电量的平均值确定对应的权重系数,其中,该平均值与该权重系数之间具有负相关关系;
针对每一个所述用电量集合,基于该用电量集合的平均值和权重系数进行乘积计算,得到该用电量集合的平均加权值,并将该平均加权值作为对应用电量目标序列的目标历史子用电量。
6.根据权利要求1所述的小电量台区的电能表运行误差数据监测方法,其特征在于,所述针对每一个所述用电量目标序列,基于该用电量目标序列包括的每一个历史子用电量确定出目标历史子用电量的步骤,包括:
针对每一个所述用电量目标序列,对该用电量目标序列包括的每一个历史子用电量进行均值计算处理,得到用电量平均信息;
针对每一个所述用电量平均信息,将该用电量平均信息作为该用电量平均信息对应的用电量目标序列的目标历史子用电量。
7.根据权利要求1-6任意一项所述的小电量台区的电能表运行误差数据监测方法,其特征在于,所述基于每一个所述用电量目标序列对应的目标历史子用电量,对每一个所述台区分电能表的误差比例初始信息进行更新,得到每一个所述台区分电能表的误差比例信息的步骤,包括:
基于每一个所述用电量目标序列对应的目标历史子用电量,计算每一个所述目标历史子用电量的电量比例信息;
针对每一个所述台区分电能表,基于该台区分电能表对应的电量比例信息和对应的误差比例初始信息进行均值计算处理,得到比例平均信息,并将该比例平均信息作为该台区分电能表的误差比例信息。
8.一种电能表运行误差数据监测系统,其特征在于,包括:
存储器,用于存储计算机程序;
与所述存储器连接的处理器,用于执行所述计算机程序,以实现权利要求1-7任意一项所述的小电量台区的电能表运行误差数据监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011338718.3A CN112684400B (zh) | 2020-11-25 | 2020-11-25 | 小电量台区的电能表运行误差数据监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011338718.3A CN112684400B (zh) | 2020-11-25 | 2020-11-25 | 小电量台区的电能表运行误差数据监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112684400A CN112684400A (zh) | 2021-04-20 |
CN112684400B true CN112684400B (zh) | 2024-03-01 |
Family
ID=75446739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011338718.3A Active CN112684400B (zh) | 2020-11-25 | 2020-11-25 | 小电量台区的电能表运行误差数据监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112684400B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113281697B (zh) * | 2021-05-20 | 2023-04-18 | 国网河南省电力公司营销服务中心 | 一种运行误差在线分析方法及系统 |
CN115061076A (zh) * | 2022-05-31 | 2022-09-16 | 云南电网有限责任公司 | 一种基于轻载台区的电表误差检测方法 |
CN116486590B (zh) * | 2023-05-10 | 2024-03-22 | 江阴众和电力仪表有限公司 | 基于远程抄表模式的电表数据分析系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN111693928A (zh) * | 2020-06-22 | 2020-09-22 | 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 |
CN112684397A (zh) * | 2020-11-20 | 2021-04-20 | 国网江苏省电力有限公司营销服务中心 | 基于hplc高频采集数据的电能表运行误差监测方法及系统 |
CN112684401A (zh) * | 2020-11-26 | 2021-04-20 | 国网江苏省电力有限公司营销服务中心 | 轻载台区电能表运行误差数据的处理方法及系统 |
-
2020
- 2020-11-25 CN CN202011338718.3A patent/CN112684400B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111693928A (zh) * | 2020-06-22 | 2020-09-22 | 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 |
CN112684397A (zh) * | 2020-11-20 | 2021-04-20 | 国网江苏省电力有限公司营销服务中心 | 基于hplc高频采集数据的电能表运行误差监测方法及系统 |
CN112684401A (zh) * | 2020-11-26 | 2021-04-20 | 国网江苏省电力有限公司营销服务中心 | 轻载台区电能表运行误差数据的处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112684400A (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112684400B (zh) | 小电量台区的电能表运行误差数据监测方法及系统 | |
CN112684401B (zh) | 轻载台区电能表运行误差数据的处理方法及系统 | |
CN108181546B (zh) | 配电网故障的定位方法、定位装置及终端设备 | |
CN108198408B (zh) | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 | |
CN112684397B (zh) | 基于hplc高频采集数据的电能表运行误差监测方法及系统 | |
TWI386652B (zh) | 辨識電器狀態之方法、系統及電腦程式產品 | |
CN107589391B (zh) | 一种检测电能计量装置整体误差的方法、装置和系统 | |
CN110658415A (zh) | 一种低压配电线路故障检测方法及系统 | |
CN113591393A (zh) | 智能变电站的故障诊断方法、装置、设备和存储介质 | |
CN104374993A (zh) | 基于电力物联网的反窃电方法、反窃电装置和处理器 | |
CN108072858B (zh) | 电能表质量管理方法、系统及终端设备 | |
CN109525036B (zh) | 一种通信设备的市电供应状态的监控方法、装置和系统 | |
CN112418687A (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
CN104502692B (zh) | 电量异动的检测方法及中央处理设备 | |
CN113391256B (zh) | 一种现场作业终端的电能表计量故障分析方法及系统 | |
CN114360222A (zh) | 一种租赁设备的状态预警方法、装置、设备和介质 | |
CN116303480B (zh) | 基于云计算的电能表误差校验方法 | |
CN108267709B (zh) | 电能故障检查和分类的方法及装置 | |
CN116070162A (zh) | 一种反窃电监测方法及系统 | |
CN204287842U (zh) | 中央处理设备 | |
CN114740419A (zh) | 基于“三维图”分析台区电表误差的方法、装置、设备和介质 | |
CN109407039A (zh) | 智能电表及其系统、自诊断方法和故障检测方法 | |
CN104991222B (zh) | 计量自动化终端质量评价系统 | |
CN114139862A (zh) | 一种基于大数据的台区线损分析监控系统及其分析方法 | |
US11061056B2 (en) | Voltage rating validator for advanced metering |
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 |