CN113484818B - 基于滑动窗口的抗高频采集异常电能表精准定位方法 - Google Patents
基于滑动窗口的抗高频采集异常电能表精准定位方法 Download PDFInfo
- Publication number
- CN113484818B CN113484818B CN202110793920.3A CN202110793920A CN113484818B CN 113484818 B CN113484818 B CN 113484818B CN 202110793920 A CN202110793920 A CN 202110793920A CN 113484818 B CN113484818 B CN 113484818B
- Authority
- CN
- China
- Prior art keywords
- error
- electric energy
- sliding window
- abnormal
- calculation model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 76
- 239000013598 vector Substances 0.000 claims abstract description 42
- 230000002159 abnormal effect Effects 0.000 claims abstract description 29
- 238000012790 confirmation Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 17
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000004134 energy conservation Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 206010000117 Abnormal behaviour Diseases 0.000 abstract 1
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了基于滑动窗口的抗高频采集异常电能表精准定位方法,涉及电能计量技术领域,解决了现有技术中当出现窃电等异常行为时无法进行异常表计的定位问题,其技术方案要点是:根据采集的电量数据或建立误差计算模型,并计算得到误差估计结果;对误差计算模型进行迭代更新后重新计算,得到估计误差向量、迭代更新次数;判断估计误差向量是否满足可信度确认要求;获取误差计算模型处于动态两端的第一误差估计结果、第二误差估计结果,并计算得到所有电能表的异常差值,当异常差值大于预设异常阈值时,则判断相应的电能表处于异常状态。本发明可实现模型估计误差可信度的准确衡量,可有效提高系统的误报和漏报,提高模型输出结果的精准性。
Description
技术领域
本发明涉及电能计量技术领域,更具体地说,它涉及基于滑动窗口的抗高频采集异常电能表精准定位方法。
背景技术
随着全球能源转型进程的不断推进,尤其是碳中和、碳达峰的提出,高效的能源技术将是未来很长一段时间内的重要发展方向,作为客户和电力公司贸易结算的重要设备,电能表将扮演更加重要的角色。因此,如何保证电能表的质量始终处于良好的状态就成为摆在电力公司及质量管理部门面前亟需解决的问题。
有鉴于此,有人提出基于能量守恒原理的电能表误差计算方法,即构建总电量等于分表电量和的方程组,通过求解方程组计算各个电能表的误差。另一方面,结合现场实际工作,电能表误差超差绝大部分是出现在电流回路,因此有人提出基于电流平衡原理的电能表误差计算方法,即总电流等于各个分电流之和,最终通过计算方程组来获取电能表的误差。考虑到实际情况下,电能表的计量回路,尤其是电流回路的稳定性十分强,其采样用元件经过严格的老化处理后,其阻值可达到相当稳定的状态,被广泛用于各种仪器仪表中作为中、低阻值的精密电阻元件。换言之,各个电能表的误差在短时间内是不会出现变化的。进一步可以表示为,在不考虑外部出现信号干扰的情况下,方程组的解是长期稳定且基本一致的。
然而,当出现采集异常时,此时方程组虽然有解,但是受异常用电的影响,其解将无法正确表示各个电能表的误差,且无法准确定位存在异常的电能表。因此,如何研究设计一种能够对异常表计进行准确定位的基于滑动窗口的抗高频采集异常电能表精准定位方法是我们目前急需解决的问题。
发明内容
为解决现有技术中的不足,本发明的目的是提供基于滑动窗口的抗高频采集异常电能表精准定位方法。
本发明的上述技术目的是通过以下技术方案得以实现的:基于滑动窗口的抗高频采集异常电能表精准定位方法,包括以下步骤:
根据输入参数对滑动窗口n和滑动间隔T进行设置;
根据预设样本条数对所有分表和总表的电量或电流数据进行同步采集;
根据采集的电量数据建立基于能量守恒原理的误差计算模型,或根据采集的电流数据建立基于电流平衡原理的误差计算模型,并根据误差计算模型计算得到采集的样本数据的误差估计结果;
对误差计算模型进行迭代更新后重新计算误差估计结果,得到由多个误差估计结果构成的估计误差向量,且记录误差计算模型的迭代更新次数;
根据滑动窗口n、滑动间隔T和迭代更新次数判断估计误差向量是否满足可信度确认要求;若不满足,则继续进行误差估计结果计算;若满足,则计算估计误差向量的可信度值;当可信度值小于设定阈值,则判断误差计算模型处于稳态;反之,则处于动态;
获取误差计算模型进入动态的最后一组处于稳态的第一误差估计结果以及退出对应动态的最初始处于稳态的第二误差估计结果,并根据第一误差估计结果、第二误差估计结果计算得到所有电能表的异常差值,当异常差值大于预设异常阈值时,则判断相应的电能表处于异常状态。
进一步的,所述滑动窗口n和滑动间隔T的设置具体为:
滑动窗口n的数值等于计算范围内所有分表的总数;
滑动间隔T为1-n之间的正整数,包含1和n。
进一步的,所述预设样本条数的数值m不小于所有分表的总数。
进一步的,所述预设样本条数的数值m不小于所有分表的总数的1.5倍。
进一步的,所述样本数据的同步采集过程具体为:在同一时刻采集所有电能表的瞬时电流或电量数据。
进一步的,所述样本数据具体为:
[x1j,x2j,x3j,Λxnj,yj]
其中,xnj表示第n只分表在第j次采集时所采集的电流瞬时值或电量;yj表示总表在第j次采集时所采集的电流瞬时值或电量。
进一步的,所述误差计算模型的计算公式为:
An*nXn*1=bn*1
An*n表示n*n的系数矩阵,An*n的表达式如下:
bn*1表示n*1的常数矩阵,bn*1的表达式如下:
Xn*1表示n*1的误差矩阵,Xn*1的表达式如下:
其中,εnk表示第n只分表在第k次计算所得的估计误差;误差估计结果由所有分表的估计误差组成。
进一步的,所述误差计算模型的迭代更新具体过程为:
每采集一组新的样本数据时,则丢弃距离当前时间最远的一组样本数据,得到等数量的新组成的样本数据;
根据新组成的样本数据重新构建系数矩阵A和常数矩阵b后完成误差计算模型的迭代更新。
进一步的,判断估计误差向量是否满足可信度确认要求的具体过程为:
判断模迭代更新次数k是否大于滑动窗口n、且距离上次进行估计误差向量判断的迭代次数之差是否大于或等于滑动间隔T;
若迭代更新次数k、迭代次数之差是否均满足要求,则确定估计误差向量满足可信度确认要求。
进一步的,所述可信度值的计算过程具体为:
根据误差估计结果建立估计误差向量:
εk=[ε1k,ε2k,ε3k,Λεnk,]
其中,εk表示第k次计算所有分表估计误差组成的向量;
根据多次计算得到的估计误差向量建立估计误差矩阵,且误差计算模型每计算一次,则对ε进行一次更新,新增加一个向量:
其中,ε表示估计误差矩阵;表示第k次计算所有分表估计误差组成的向量的转置;
从估计误差矩阵中选取最新的n个元素建立误差判断集合εupdate:
计算εupdate中相邻两个向量的相似性的累加和,计算公式为:
dt=||εupdate[t]-εupdate[t+1]||2,t=1,2,3...n-1;
D={d1 d2...dn-1}
其中,εupdate[t]表示差判断集合εupdate中的第t个元素;dt表示相邻两个向量的相似性的累加和;D表示由多个累加和组成的集合;
计算集合D内元素的方差值得到可信度值;当可信度值小于设定阈值,则判断误差计算模型处于稳态,计算结果可信;反之,则处于动态,计算结果不可信。
与现有技术相比,本发明具有以下有益效果:本发明提供的基于滑动窗口的抗高频采集异常电能表精准定位方法可实现模型估计误差可信度的准确衡量,可有效提高系统的误报和漏报,提高模型输出结果的精准性。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1是本发明实施例中各个分表的估计误差曲线图;
图2是本发明实施例中各个分表的30次日滑动平均曲线图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:基于滑动窗口的抗高频采集异常电能表精准定位方法,具体由以下步骤实现。
步骤一:根据输入参数对滑动窗口n和滑动间隔T进行设置。其中,滑动窗口n的数值等于计算范围内所有分表的总数;滑动间隔T为1-n之间的正整数,包含1和n,一般情况下滑动间隔T取值为1。
步骤二:根据预设样本条数对所有分表和总表的电量或电流数据进行同步采集。预设样本条数的数值m不小于所有分表的总数n。作为优先的一种实施方式,预设样本条数的数值m不小于所有分表的总数的1.5倍。
需要注意的是,同步采集为在同一时刻采集所有电能表的瞬时电流或电量数据。且采集后的样本数据具体表达式为:[x1j,x2j,x3j,Λxnj,yj];其中,xnj表示第n只分表在第j次采集时所采集的电流瞬时值或电量;yj表示总表在第j次采集时所采集的电流瞬时值或电量。另外,采集的样本数据可以选择仅采集电量,也可以选择仅采集瞬时电流,但是一旦确定过后,不得更改。
步骤三:根据采集的电量数据建立基于能量守恒原理的误差计算模型,或根据采集的电流数据建立基于电流平衡原理的误差计算模型,并根据误差计算模型计算得到采集的样本数据的误差估计结果;
步骤四:对误差计算模型进行迭代更新后重新计算误差估计结果,得到由多个误差估计结果构成的估计误差向量,且记录误差计算模型的迭代更新次数。
(1)误差计算模型的计算公式为:
An*nXn*1=bn*1
An*n表示n*n的系数矩阵,An*n的表达式如下:
bn*1表示n*1的常数矩阵,bn*1的表达式如下:
Xn*1表示n*1的误差矩阵,Xn*1的表达式如下:
其中,εnk表示第n只分表在第k次计算所得的估计误差;误差估计结果由所有分表的估计误差组成。
(2)误差计算模型的迭代更新具体过程为:
每采集一组新的样本数据时,则丢弃距离当前时间最远的一组样本数据,得到等数量的新组成的样本数据。根据新组成的样本数据重新构建系数矩阵A和常数矩阵b后完成误差计算模型的迭代更新。
例如,上述的系数矩阵、常数矩阵、误差矩阵为在t0时刻进行第k次计算建立的。那么,基于t1时刻采集的样本数据,对系数矩阵A和常数项b进行更新,更新后的系数矩阵A、常数项b、误差矩阵分别为:
步骤五:根据滑动窗口n、滑动间隔T和迭代更新次数判断估计误差向量是否满足可信度确认要求;若不满足,则继续进行误差估计结果计算;若满足,则计算估计误差向量的可信度值;当可信度值小于设定阈值,则判断误差计算模型处于稳态;反之,则处于动态。
判断估计误差向量是否满足可信度确认要求的具体过程为:判断模迭代更新次数k是否大于滑动窗口n、且距离上次进行估计误差向量判断的迭代次数之差是否大于或等于滑动间隔T;若迭代更新次数k、迭代次数之差是否均满足要求,则确定估计误差向量满足可信度确认要求。
可信度值的计算过程具体过程由以下步骤实现。
S1、根据误差估计结果建立估计误差向量:
εk=[ε1k,ε2k,ε3k,Λεnk,]
其中,εk表示第k次计算所有分表估计误差组成的向量。对应t1时刻更新后的估计误差向量为:εk+1=[ε1(k+1),ε2(k+1),ε3(k+1),Λεn(k+1),]。
S2、根据多次计算得到的估计误差向量建立估计误差矩阵,且误差计算模型每计算一次,则对ε进行一次更新,新增加一个向量:
其中,ε表示估计误差矩阵;表示第k次计算所有分表估计误差组成的向量的转置。
ε的更新方法具体为:
S201:初始情况下,ε为空;
S202:模型完成第一次计算,则
S203:模型完成第二次计算,则
S204:模型完成第三次计算,则
S205:模型完成第k次计算,则
S206:以此类推对ε进行更新。
S3、从估计误差矩阵中选取最新的n个元素建立误差判断集合εupdate:
S4、计算εupdate中相邻两个向量的相似性的累加和,计算公式为:
dt=||εupdate[t]-εupdate[t+1]||2,t=1,2,3...n-1;
D={d1 d2...dn-1}
其中,εupdate[t]表示差判断集合εupdate中的第t个元素;dt表示相邻两个向量的相似性的累加和;D表示由多个累加和组成的集合。
S5、计算集合D内元素的方差值得到可信度值;当可信度值小于设定阈值,则判断误差计算模型处于稳态,计算结果可信;反之,则处于动态,计算结果不可信。
步骤六:获取误差计算模型进入动态的最后一组处于稳态的第一误差估计结果以及退出对应动态的最初始处于稳态的第二误差估计结果,并根据第一误差估计结果、第二误差估计结果计算得到所有电能表的异常差值,当异常差值大于预设异常阈值时,则判断相应的电能表处于异常状态。
实施例2:假设某台区有16个用户,电能表5在第350个采样周期(对应第350-16的迭代计算周期)误差发生突变,由-5.23%变为+2.40%;台区总表无误差,且线路无损耗。各个表计的估计误差曲线如图1所示.
从图1可以发现,在第350个采样周期,即第334个迭代计算周期之前,各个表计误差曲线十分平滑,基本保持一致,但是在第350个采样周期,即第334个迭代计算周期后,所有表计的误差均方式极大波动,但在持续16个迭代计算周期后,计算结果又再次恢复稳定。
通过局部放大的30次滑动平均曲线,我们可以明显发现模型正确判断出表5的误差变化,如图2所示。需要特别说明的是,由于图2为图1的30日滑动平均,因此图2所示的动态过程持续时间将在图1的基础上叠加30个计算周期,即图1动态过程结束迭代时刻为350,则图2的动态过程结束迭代时刻为380。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.基于滑动窗口的抗高频采集异常电能表精准定位方法,其特征是,包括以下步骤:
根据输入参数对滑动窗口n和滑动间隔T进行设置;
根据预设样本条数对所有分表和总表的电量或电流数据进行同步采集;
根据采集的电量数据建立基于能量守恒原理的误差计算模型,或根据采集的电流数据建立基于电流平衡原理的误差计算模型,并根据误差计算模型计算得到采集的样本数据的误差估计结果;
对误差计算模型进行迭代更新后重新计算误差估计结果,得到由多个误差估计结果构成的估计误差向量,且记录误差计算模型的迭代更新次数;
根据滑动窗口n、滑动间隔T和迭代更新次数判断估计误差向量是否满足可信度确认要求;若不满足,则继续进行误差估计结果计算;若满足,则计算估计误差向量的可信度值;当可信度值小于设定阈值,则判断误差计算模型处于稳态;反之,则处于动态;
获取误差计算模型进入动态的最后一组处于稳态的第一误差估计结果以及退出对应动态的最初始处于稳态的第二误差估计结果,并根据第一误差估计结果、第二误差估计结果计算得到所有电能表的异常差值,当异常差值大于预设异常阈值时,则判断相应的电能表处于异常状态;
所述滑动窗口n和滑动间隔T的设置具体为:
滑动窗口n的数值等于计算范围内所有分表的总数;
滑动间隔T为1-n之间的正整数,包含1和n;
所述可信度值的计算过程具体为:
根据误差估计结果建立估计误差向量:
εk=[ε1k,ε2k,ε3k,…εnk]
其中,εk表示第k次计算所有分表估计误差组成的向量;εnk表示第n只分表在第k次计算所得的估计误差;
根据多次计算得到的估计误差向量建立估计误差矩阵,且误差计算模型每计算一次,则对ε进行一次更新,新增加一个向量:
其中,ε表示估计误差矩阵;表示第k次计算所有分表估计误差组成的向量的转置;
从估计误差矩阵中选取最新的n个元素建立误差判断集合εupdate:
计算εupdate中相邻两个向量的相似性的累加和,计算公式为:
dt=||εupdate[t]-εupdate[t+1]||2,t=1,2,3...n-1;
D={d1 d2...dn-1}
其中,εupdate[t]表示差判断集合εupdate中的第t个元素;dt表示相邻两个向量的相似性的累加和;D表示由多个累加和组成的集合;
计算集合D内元素的方差值得到可信度值;当可信度值小于设定阈值,则判断误差计算模型处于稳态,计算结果可信;反之,则处于动态,计算结果不可信。
2.根据权利要求1所述的基于滑动窗口的抗高频采集异常电能表精准定位方法,其特征是,所述预设样本条数的数值m不小于所有分表的总数。
3.根据权利要求2所述的基于滑动窗口的抗高频采集异常电能表精准定位方法,其特征是,所述预设样本条数的数值m不小于所有分表的总数的1.5倍。
4.根据权利要求1所述的基于滑动窗口的抗高频采集异常电能表精准定位方法,其特征是,所述样本数据的同步采集过程具体为:在同一时刻采集所有电能表的瞬时电流或电量数据。
5.根据权利要求1所述的基于滑动窗口的抗高频采集异常电能表精准定位方法,其特征是,所述样本数据具体为:
[x1j,x2j,x3j,…xnj,yj]
其中,xnj表示第n只分表在第j次采集时所采集的电流瞬时值或电量;yj表示总表在第j次采集时所采集的电流瞬时值或电量。
6.根据权利要求5所述的基于滑动窗口的抗高频采集异常电能表精准定位方法,其特征是,所述误差计算模型的计算公式为:
An*nXn*1=bn*1
An*n表示n*n的系数矩阵,An*n的表达式如下:
bn*1表示n*1的常数矩阵,bn*1的表达式如下:
Xn*1表示n*1的误差矩阵,Xn*1的表达式如下:
其中,误差估计结果由所有分表的估计误差组成。
7.根据权利要求6所述的基于滑动窗口的抗高频采集异常电能表精准定位方法,其特征是,所述误差计算模型的迭代更新具体过程为:
每采集一组新的样本数据时,则丢弃距离当前时间最远的一组样本数据,得到等数量的新组成的样本数据;
根据新组成的样本数据重新构建系数矩阵A和常数矩阵b后完成误差计算模型的迭代更新。
8.根据权利要求1所述的基于滑动窗口的抗高频采集异常电能表精准定位方法,其特征是,判断估计误差向量是否满足可信度确认要求的具体过程为:
判断模迭代更新次数k是否大于滑动窗口n、且距离上次进行估计误差向量判断的迭代次数之差是否大于或等于滑动间隔T;
若迭代更新次数k、迭代次数之差是否均满足要求,则确定估计误差向量满足可信度确认要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110793920.3A CN113484818B (zh) | 2021-07-14 | 2021-07-14 | 基于滑动窗口的抗高频采集异常电能表精准定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110793920.3A CN113484818B (zh) | 2021-07-14 | 2021-07-14 | 基于滑动窗口的抗高频采集异常电能表精准定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113484818A CN113484818A (zh) | 2021-10-08 |
CN113484818B true CN113484818B (zh) | 2024-02-27 |
Family
ID=77938510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110793920.3A Active CN113484818B (zh) | 2021-07-14 | 2021-07-14 | 基于滑动窗口的抗高频采集异常电能表精准定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113484818B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114062812B (zh) * | 2021-11-15 | 2024-05-07 | 国网四川省电力公司营销服务中心 | 一种计量柜故障诊断方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107621621A (zh) * | 2017-09-05 | 2018-01-23 | 天津市电力科技发展有限公司 | 一种智能电能表在线综合误差校准方法 |
CN107703475A (zh) * | 2017-09-05 | 2018-02-16 | 天津市电力科技发展有限公司 | 一种在线运行智能电能表的期间核查方法 |
CN110471024A (zh) * | 2019-08-08 | 2019-11-19 | 天津大学 | 一种基于量测数据分析的智能电表在线远程校验方法 |
CN110658487A (zh) * | 2019-10-18 | 2020-01-07 | 国网福建省电力有限公司 | 一种可以实现智能电表误差在线估计的表箱及系统 |
CN111398885A (zh) * | 2020-03-27 | 2020-07-10 | 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 |
CN111948596A (zh) * | 2020-08-24 | 2020-11-17 | 国网四川省电力公司电力科学研究院 | 基于多时间尺度的台区电能表误差在线检测方法和系统 |
CN112180316A (zh) * | 2020-09-27 | 2021-01-05 | 青岛鼎信通讯股份有限公司 | 一种基于自适应收缩岭回归的电能表计量误差分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2927482A1 (fr) * | 2016-04-20 | 2017-10-20 | Hydro Quebec | Etalonnnage en ligne de compteurs et detection de non-conformites electriques |
-
2021
- 2021-07-14 CN CN202110793920.3A patent/CN113484818B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107621621A (zh) * | 2017-09-05 | 2018-01-23 | 天津市电力科技发展有限公司 | 一种智能电能表在线综合误差校准方法 |
CN107703475A (zh) * | 2017-09-05 | 2018-02-16 | 天津市电力科技发展有限公司 | 一种在线运行智能电能表的期间核查方法 |
CN110471024A (zh) * | 2019-08-08 | 2019-11-19 | 天津大学 | 一种基于量测数据分析的智能电表在线远程校验方法 |
CN110658487A (zh) * | 2019-10-18 | 2020-01-07 | 国网福建省电力有限公司 | 一种可以实现智能电表误差在线估计的表箱及系统 |
CN111398885A (zh) * | 2020-03-27 | 2020-07-10 | 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 |
CN111948596A (zh) * | 2020-08-24 | 2020-11-17 | 国网四川省电力公司电力科学研究院 | 基于多时间尺度的台区电能表误差在线检测方法和系统 |
CN112180316A (zh) * | 2020-09-27 | 2021-01-05 | 青岛鼎信通讯股份有限公司 | 一种基于自适应收缩岭回归的电能表计量误差分析方法 |
Non-Patent Citations (2)
Title |
---|
"An iterative method for detecting and localizing islands within sparse matrixes using DSSim-RT";Davis Montenegro等;《IEEE Transactions on Industry Applications》;第第54卷卷(第第1期期);675 - 684 * |
电能表运行误差与状态评价模型研究;王晨丞;张君胜;蒲丽娟;何培东;杜斌;赵智辉;;电力大数据(第04期);第84-90页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113484818A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106505557B (zh) | 一种遥测错误辨识方法及装置 | |
CN112035784B (zh) | 一种基于用电采集数据确定低压台区的损耗的方法及系统 | |
CN111123188A (zh) | 基于改进最小二乘法的电能表综合检定方法及系统 | |
CN112379177A (zh) | 一种确定台区低压线路损耗和电能表运行误差的方法和系统 | |
CN110968833A (zh) | 一种用于模拟量校准的校准函数关系获取方法及装置 | |
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 | |
CN107658881A (zh) | 基于戴维南等值方法的电压稳定临界点判断方法 | |
Zhao | A new state estimation model of utilizing PMU measurements | |
CN115508770B (zh) | 一种基于kl-nb算法的电能表运行状态在线评估方法 | |
CN107370150B (zh) | 基于同步相量量测的电力系统状态估计不良数据处理方法 | |
CN110632546B (zh) | 基于全网域证据集的电子式互感器可信度评估方法和装置 | |
CN113484819B (zh) | 基于高频电流采样的有限范围内电能表计量故障诊断方法 | |
CN113484818B (zh) | 基于滑动窗口的抗高频采集异常电能表精准定位方法 | |
CN110907702A (zh) | 一种改进动态谐波估计方法和系统 | |
CN111208425B (zh) | 高精度异步电机系统状态模型的构建方法及异步电机状态检测方法 | |
CN117370913A (zh) | 光伏系统中异常数据的检测方法、装置以及设备 | |
CN109193639B (zh) | 一种电力系统抗差估计方法 | |
CN111245304B (zh) | 补偿方法、补偿装置、电机和存储介质 | |
CN112967154B (zh) | 一种电力系统Well-being的评估方法及装置 | |
CN108182529A (zh) | 一种微电网运行时的不确定因素辨识方法 | |
CN109327026B (zh) | 一种低压配电网区间状态估计方法 | |
CN103576120A (zh) | 三次谐波分量准同步信息传输校验与自愈算法 | |
CN111340647A (zh) | 一种配电网数据平差方法及系统 | |
CN110717244B (zh) | 基于平均偏离度算法的数据信任度分析计算机仿真方法 | |
CN113591801A (zh) | 一种电力信号参数估计方法和装置 |
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 |