CN113866708B - 一种基于智能断路器的电能表计量误差分析方法 - Google Patents

一种基于智能断路器的电能表计量误差分析方法 Download PDF

Info

Publication number
CN113866708B
CN113866708B CN202111472227.2A CN202111472227A CN113866708B CN 113866708 B CN113866708 B CN 113866708B CN 202111472227 A CN202111472227 A CN 202111472227A CN 113866708 B CN113866708 B CN 113866708B
Authority
CN
China
Prior art keywords
meter
sub
data
power
line loss
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
Application number
CN202111472227.2A
Other languages
English (en)
Other versions
CN113866708A (zh
Inventor
曹乾磊
王磊
黄晓娅
梁浩
徐体润
彭绍文
张长帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Topscomm Communication Co Ltd
Original Assignee
Qingdao Topscomm Communication Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao Topscomm Communication Co Ltd filed Critical Qingdao Topscomm Communication Co Ltd
Priority to CN202111472227.2A priority Critical patent/CN113866708B/zh
Publication of CN113866708A publication Critical patent/CN113866708A/zh
Application granted granted Critical
Publication of CN113866708B publication Critical patent/CN113866708B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及电能计量技术领域，公开了一种基于智能断路器的电能表计量误差分析方法，包括：智能断路器采集表箱内户表、表箱进线处的有功功率；用总表功率减去子表功率和求线损曲线；计算子表功率与线损的互信息并降序排序，获得互信息对应子表序号的排序；通过迭代方式，按上步中的顺序逐个加入子表回归计算，计算加入子表与线损的复相关系数，若系数变化值大于阈值且超差系数绝对值大于阈值则将新加入表视为疑似超差表。本发明通过互信息评价电表功率与线损的相关性，适用性更强；用迭代计算复相关系数的方式定位超差表，保证分析的准确。

Description

一种基于智能断路器的电能表计量误差分析方法
技术领域
本发明涉及电能计量技术领域，具体涉及一种基于智能断路器的电能表计量误差分析方法，主要用于电能计量系统中对电表计量超差情况的分析与评价。
背景技术
随着社会整体用电量的不断增加，用于计量用电量的电能表越来越受到重视。电能表能否准确计量关系到用户与电力企业之间的信任关系，而在现实生活中，由于产品质量、使用时间以及使用环境的影响，电能表可能会出现计量失准，如果电能表出现计量失准，则势必会给供用电其中一方带来经济损失。目前电力公司一般采取人工使用仪器抽查或者定期更换电表的方法来规避电能表计量失准问题，但此举的时间、经济成本都较高且效率低下。因此电力公司提出了智能电表误差在线检测的构想，且已有一些专家对此进行了一些研究。现有的基于大数据分析的方法一般为定性的相关性分析方法和定量的线性回归方法，但应用过程中会遇到两方面问题：其一是相关性分析一般为线性评价，而实际场景中的中低压台区存在大量的非线性特征；其二是由于超差表的个数为少数，所以利用常规的线性回归方法如最小二乘算法，易发生过拟合现象。上述两个问题最终都会影响分析结果的准确性。
发明内容
本发明针对上述问题，克服现有技术的不足，提出一种基于智能断路器的电能表计量误差分析方法，通过互信息评价电表功率曲线与线损曲线的相关性，既能评价线性关系又能兼顾非线性关系；根据互信息大小，采用迭代式计算复相关系数的方式定位超差表，避免过拟合现象。
为了实现上述发明目的，本发明采取如下技术方案：
一种基于智能断路器的电能表计量误差分析方法，包括以下步骤：
步骤S1，在规定时间段内，智能断路器通过485通讯线持续采集电表箱内各户表的15分钟粒度有功功率数据，称为子表功率数据；采集电表箱进线处的15分钟粒度有功功率数据，称为总表功率数据；
步骤S2，利用总表功率数据减去所有子表功率数据的加和，求出表箱功率线损曲线；
步骤S3，计算各子表功率数据与表箱功率线损的互信息值并进行降序排序，获得互信息值对应的子表序号的降序排序；
步骤S4，初始化复相关系数，通过迭代的方式，按照步骤S3中得到的排序顺序逐个加入子表进行回归计算，再根据每次回归计算结果计算已加入子表与表箱功率线损的复相关系数，若复相关系数变化值大于阈值且超差系数绝对值大于阈值，则将新加入的子表视为疑似超差表，否则视为正常表；
步骤S5，智能断路器上传判断结果。
优选地，步骤S2中计算表箱功率线损的公式为：
Figure 289266DEST_PATH_IMAGE001
其中l j 表示第j个数据采集点的表箱功率线损值，y j 表示第j个数据采集点的总表功率读数，x ji 表示第j个数据采集点第i个子表的功率读数，m表示此表箱内子表的个数。
优选地，步骤S3中计算各子表与表箱功率线损的互信息值的过程如下：
步骤S3-1，对各子表功率数据
Figure 358853DEST_PATH_IMAGE002
和表箱功率线损数据
Figure 196097DEST_PATH_IMAGE003
进行标准化处理，其中n表示数据采样点数，即：
Figure 743753DEST_PATH_IMAGE004
Figure 976151DEST_PATH_IMAGE005
其中
Figure 341273DEST_PATH_IMAGE006
和
Figure 291912DEST_PATH_IMAGE007
表示标准化后的数据，
Figure 643259DEST_PATH_IMAGE006
中第i列
Figure 605529DEST_PATH_IMAGE008
对应第i个子表的标准化数据；
步骤S3-2，计算出表示
Figure 282498DEST_PATH_IMAGE009
中两点之间距离的矩阵
Figure 454854DEST_PATH_IMAGE010
；
步骤S3-3，计算出表示
Figure 609892DEST_PATH_IMAGE008
中两点之间距离的矩阵
Figure 675937DEST_PATH_IMAGE012
；
其中xi表示第i个子表的功率数据；
步骤S3-4，对于第p个数据采集点，取矩阵
Figure 258228DEST_PATH_IMAGE013
和
Figure 917879DEST_PATH_IMAGE014
中的第p行构造空间
Figure 984930DEST_PATH_IMAGE015
的距离向量
Figure 46427DEST_PATH_IMAGE016
，其中每个元素
Figure 924253DEST_PATH_IMAGE017
；
步骤S3-5，对序列Z p (q)进行升序排列，取第k个值，记为εp；
步骤S3-6，分别统计
Figure 71201DEST_PATH_IMAGE014
和
Figure 568041DEST_PATH_IMAGE013
中第p行中小于εp的个数，记为
Figure 484044DEST_PATH_IMAGE018
和
Figure 549084DEST_PATH_IMAGE019
；
步骤S3-7，计算互信息MI(x i ,l)，其公式为：
Figure 183327DEST_PATH_IMAGE020
其中
Figure 218279DEST_PATH_IMAGE021
为双伽马函数，满足递推公式
Figure 113423DEST_PATH_IMAGE022
，且-0.5772157<
Figure 473997DEST_PATH_IMAGE023
<-0.5772155；
计算出各子表功率数据与表箱功率线损的互信息值后对其进行降序排序，并获得相应的排序序号sort_id。
优选地，步骤S4的具体过程为：
步骤S4-1，初始化复相关系数
Figure 595537DEST_PATH_IMAGE024
为正无穷，初始化i = 1；
步骤S4-2，从sort_id中挑选前i个子表进行回归计算以获取超差系数
Figure 542502DEST_PATH_IMAGE025
和拟合线损
Figure 433098DEST_PATH_IMAGE026
，计算公式为：
Figure 964573DEST_PATH_IMAGE027
Figure 166884DEST_PATH_IMAGE028
步骤S4-3，计算当前复相关系数，即计算
Figure 74798DEST_PATH_IMAGE029
和
Figure 819900DEST_PATH_IMAGE026
的皮尔逊相关系数，计算公式为：
Figure 522277DEST_PATH_IMAGE030
其中
Figure 962616DEST_PATH_IMAGE031
和
Figure 143062DEST_PATH_IMAGE032
分别为线损和拟合线损的平均值；
步骤S4-4，若
Figure 8250DEST_PATH_IMAGE033
与
Figure 740582DEST_PATH_IMAGE024
的差值大于阈值a，且当前对应的
Figure 58431DEST_PATH_IMAGE025
中第i个系数绝对值大于阈值b，则sort_id中第i个表为疑似超差表，否则为正常表；
步骤S4-5，i = i + 1，
Figure 42568DEST_PATH_IMAGE034
，跳转第S4-2步，检验sort_id中下一个子表。
优选地，步骤S4-4中阈值a的取值范围为0.01~0.05，b的取值为0.02。
优选地，步骤S1中规定时间段的取值范围为12~36小时，即数据采集点的范围为48~144个。
本发明的有益效果是：通过互信息评价电表功率曲线与线损曲线的相关性，既能评价线性关系又能兼顾非线性关系，对多种应用场景的适用性更强；根据互信息大小，采用迭代式计算复相关系数的方式定位超差表，避免过拟合现象，保证了分析结果的准确性。同时，本发明易于实现，仅需获取表箱内全部子表和总表的用电功率数据即可完成分析，节约了时间、经济成本，保证了工作效率。
附图说明
图1为本发明的总体流程图。
图2为本发明实施例中表箱内各子表功率数据与表箱功率线损的互信息数据。
图3为本发明实施例中复相关系数的变化图。
图4为本发明实施例中子表超差系数的变化图。
具体实施方式
下面结合附图对本发明作进一步说明，以具体阐述本发明的技术方案。
以下实施示例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
结合附图1，一种基于智能断路器的电能表计量误差分析方法，包括以下步骤：
步骤S1，在规定时间段内，智能断路器通过485通讯线持续采集电表箱内各户表的15分钟粒度有功功率数据，称为子表功率数据；采集电表箱进线处的15分钟粒度有功功率数据，称为总表功率数据；其中规定时间段的取值范围为12~36小时，即数据采集点的范围为48~144个。
实施例中的使用数据为某表箱24小时内的15分钟粒度有功功率数据，共计96个数据点，表箱内共有15个电能表。
步骤S2，利用总表功率数据减去所有子表功率数据的加和，求出表箱功率线损曲线；计算表箱功率线损的公式为：
Figure 870584DEST_PATH_IMAGE001
其中l j 表示第j个数据采集点的表箱功率线损值，y j 表示第j个数据采集点的总表功率读数，x ji 表示第j个数据采集点第i个子表的功率读数，m表示此表箱内子表的个数，在此为15。
步骤S3，计算各子表功率数据与表箱功率线损的互信息值并进行降序排序，获得互信息值对应的子表序号的降序排序；计算各子表与表箱功率线损的互信息值的过程如下：
步骤S3-1，对各子表功率数据
Figure 914764DEST_PATH_IMAGE002
和表箱功率线损数据
Figure 719909DEST_PATH_IMAGE035
进行标准化处理，其中n表示数据采样点数，在此为96，即：
Figure 632370DEST_PATH_IMAGE004
Figure 206571DEST_PATH_IMAGE005
其中
Figure 421651DEST_PATH_IMAGE006
和
Figure 448513DEST_PATH_IMAGE007
表示标准化后的数据，
Figure 915398DEST_PATH_IMAGE006
中第i列
Figure 78526DEST_PATH_IMAGE008
对应第i个子表的标准化数据。
步骤S3-2，计算出表示
Figure 464508DEST_PATH_IMAGE007
中两点之间距离的矩阵
Figure 368879DEST_PATH_IMAGE010
。
步骤S3-3，计算出表示
Figure 498509DEST_PATH_IMAGE008
中两点之间距离的矩阵
Figure DEST_PATH_IMAGE036
；
其中xi表示第i个子表的功率数据。
步骤S3-4，对于第p个数据采集点，取矩阵
Figure 516143DEST_PATH_IMAGE013
和
Figure 446928DEST_PATH_IMAGE014
中的第p行构造空间
Figure 448382DEST_PATH_IMAGE015
的距离向量
Figure 116124DEST_PATH_IMAGE016
，其中每个元素
Figure 378478DEST_PATH_IMAGE017
。
步骤S3-5，对序列Z p (q)进行升序排列，取第k个值，记为εp；实施例取k=4。
步骤S3-6，分别统计
Figure 371842DEST_PATH_IMAGE014
和
Figure 595012DEST_PATH_IMAGE013
中第p行中小于εp的个数，记为
Figure 207391DEST_PATH_IMAGE018
和
Figure 465197DEST_PATH_IMAGE019
。
步骤S3-7，计算互信息MI(x i ,l)，其公式为：
Figure 98303DEST_PATH_IMAGE020
其中
Figure 198983DEST_PATH_IMAGE021
为双伽马函数，满足递推公式
Figure 474107DEST_PATH_IMAGE022
，且-0.5772157<
Figure 586419DEST_PATH_IMAGE023
<-0.5772155；
计算出各子表功率数据与表箱功率线损的互信息值后对其进行降序排序，并获得相应的排序序号sort_id。
实施例中得到的最终排序为4号电能表、14号电能表、7号电能表、10号电能表、12号电能表、3号电能表…，如图2所示。
步骤S4，初始化复相关系数，通过迭代的方式，按照步骤S3中得到的排序顺序逐个加入子表进行回归计算，再根据每次回归计算结果计算已加入子表与表箱功率线损的复相关系数，若复相关系数变化值大于阈值且超差系数绝对值大于阈值，则将新加入的子表视为疑似超差表，否则视为正常表；具体过程为：
步骤S4-1，初始化复相关系数
Figure 921586DEST_PATH_IMAGE024
为正无穷，初始化i = 1；
步骤S4-2，从sort_id中挑选前i个子表进行回归计算以获取超差系数
Figure 493250DEST_PATH_IMAGE025
和拟合线损
Figure 572065DEST_PATH_IMAGE026
，计算公式为：
Figure 804463DEST_PATH_IMAGE027
Figure 904006DEST_PATH_IMAGE028
步骤S4-3，计算当前复相关系数，即计算
Figure 854644DEST_PATH_IMAGE029
和
Figure 471570DEST_PATH_IMAGE026
的皮尔逊相关系数，计算公式为：
Figure 558475DEST_PATH_IMAGE030
其中
Figure 845231DEST_PATH_IMAGE031
和
Figure 17587DEST_PATH_IMAGE032
分别为线损和拟合线损的平均值；
步骤S4-4，若
Figure 438204DEST_PATH_IMAGE033
与
Figure 238669DEST_PATH_IMAGE024
的差值大于阈值a，且当前对应的
Figure 86540DEST_PATH_IMAGE025
中第i个系数绝对值大于阈值b，则sort_id中第i个表为疑似超差表，否则为正常表；
实施例中取a=0.01。
步骤S4-5，i = i + 1，
Figure 746191DEST_PATH_IMAGE034
，跳转第S4-2步，检验sort_id中下一个子表。
实施例中，结合图3、4可知，4号电能表、14号电能表、7号电能表、12号电能表为超差表，剩余为正常表。
步骤S5，智能断路器上传判断结果，经核查，分析结果同实际情况一致。
以上实施示例是对本发明的具体实施方式的说明，而非对本发明的限制，有关技术领域的技术人员在不脱离本发明的精神和范围的情况下，还可以做出各种变换和变化而得到相对应的等同的技术方案，因此所有等同的技术方案均应该归入本发明的专利保护范围。

Claims (6)

1.一种基于智能断路器的电能表计量误差分析方法，其特征在于，包括以下步骤：
步骤S1，在规定时间段内，智能断路器通过485通讯线持续采集电表箱内各户表的15分钟粒度有功功率数据，称为子表功率数据；采集电表箱进线处的15分钟粒度有功功率数据，称为总表功率数据；
步骤S2，利用总表功率数据减去所有子表功率数据的加和，求出表箱功率线损曲线；
步骤S3，计算各子表功率数据与表箱功率线损的互信息值并进行降序排序，获得互信息值对应的子表序号的降序排序；
步骤S4，初始化复相关系数，通过迭代的方式，按照步骤S3中得到的排序顺序逐个加入子表进行回归计算，再根据每次回归计算结果计算已加入子表与表箱功率线损的复相关系数，若复相关系数变化值大于阈值且超差系数绝对值大于阈值，则将新加入的子表视为疑似超差表，否则视为正常表；
步骤S5，智能断路器上传判断结果。
2.根据权利要求1所述的一种基于智能断路器的电能表计量误差分析方法，其特征在于，步骤S2中计算表箱功率线损的公式为：
Figure 360165DEST_PATH_IMAGE001
其中l j 表示第j个数据采集点的表箱功率线损值，y j 表示第j个数据采集点的总表功率读数，x ji 表示第j个数据采集点第i个子表的功率读数，m表示此表箱内子表的个数。
3.根据权利要求1所述的一种基于智能断路器的电能表计量误差分析方法，其特征在于，步骤S3中计算各子表与表箱功率线损的互信息值的过程如下：
步骤S3-1，对各子表功率数据
Figure 542884DEST_PATH_IMAGE002
和表箱功率线损数据
Figure 650518DEST_PATH_IMAGE003
进行标准化处理，其中n表示数据采样点数，即：
Figure 579815DEST_PATH_IMAGE004
Figure 659767DEST_PATH_IMAGE005
其中
Figure 810125DEST_PATH_IMAGE006
和
Figure 342738DEST_PATH_IMAGE007
表示标准化后的数据，
Figure 869534DEST_PATH_IMAGE006
中第i列
Figure 69571DEST_PATH_IMAGE008
对应第i个子表的标准化数据，m表示此表箱内子表的个数；
步骤S3-2，计算出表示
Figure 328514DEST_PATH_IMAGE009
中两点之间距离的矩阵
Figure 410740DEST_PATH_IMAGE010
；
步骤S3-3，计算出表示
Figure 413331DEST_PATH_IMAGE008
中两点之间距离的矩阵
Figure 264612DEST_PATH_IMAGE012
；
其中xi表示第i个子表的功率数据；
步骤S3-4，对于第p个数据采集点，取矩阵
Figure 960036DEST_PATH_IMAGE013
和
Figure 732820DEST_PATH_IMAGE014
中的第p行构造空间
Figure 332910DEST_PATH_IMAGE015
的距离向量
Figure 241960DEST_PATH_IMAGE016
，其中每个元素
Figure 905022DEST_PATH_IMAGE018
；
步骤S3-5，对序列Z p (q)进行升序排列，取第k个值，记为εp；
步骤S3-6，分别统计
Figure 899523DEST_PATH_IMAGE014
和
Figure 306234DEST_PATH_IMAGE013
中第p行中小于εp的个数，记为
Figure 69790DEST_PATH_IMAGE019
和
Figure 169333DEST_PATH_IMAGE020
；
步骤S3-7，计算互信息MI(x i ,l)，其公式为：
Figure 385551DEST_PATH_IMAGE021
其中
Figure 595953DEST_PATH_IMAGE022
为双伽马函数，满足递推公式
Figure 214016DEST_PATH_IMAGE023
，且-0.5772157<
Figure 687722DEST_PATH_IMAGE024
<-0.5772155；
计算出各子表功率数据与表箱功率线损的互信息值后对其进行降序排序，并获得相应的排序序号sort_id。
4.根据权利要求1所述的一种基于智能断路器的电能表计量误差分析方法，其特征在于，步骤S4的具体过程为：
步骤S4-1，初始化复相关系数
Figure 190903DEST_PATH_IMAGE025
为正无穷，初始化i = 1；
步骤S4-2，从sort_id中挑选前i个子表进行回归计算以获取超差系数
Figure 939417DEST_PATH_IMAGE026
和拟合线损
Figure 677566DEST_PATH_IMAGE027
，计算公式为：
Figure 118911DEST_PATH_IMAGE028
Figure 309721DEST_PATH_IMAGE029
步骤S4-3，计算当前复相关系数，即计算
Figure 861925DEST_PATH_IMAGE030
和
Figure 189001DEST_PATH_IMAGE027
的皮尔逊相关系数，计算公式为：
Figure 657373DEST_PATH_IMAGE031
其中
Figure 397796DEST_PATH_IMAGE032
和
Figure 691374DEST_PATH_IMAGE033
分别为线损和拟合线损的平均值，j表示第j个数据采集点；
步骤S4-4，若
Figure DEST_PATH_IMAGE034
与
Figure 466432DEST_PATH_IMAGE025
的差值大于阈值a，且当前对应的
Figure 984001DEST_PATH_IMAGE026
中第i个系数绝对值大于阈值b，则sort_id中第i个表为疑似超差表，否则为正常表；
步骤S4-5，i = i + 1，
Figure 149403DEST_PATH_IMAGE035
，跳转第S4-2步，检验sort_id中下一个子表。
5.根据权利要求4所述的一种基于智能断路器的电能表计量误差分析方法，其特征在于，步骤S4-4中阈值a的取值范围为0.01~0.05，b的取值为0.02。
6.根据权利要求1所述的一种基于智能断路器的电能表计量误差分析方法，其特征在于，步骤S1中规定时间段的取值范围为12~36小时，即数据采集点的范围为48~144个。
CN202111472227.2A 2021-12-06 2021-12-06 一种基于智能断路器的电能表计量误差分析方法 Active CN113866708B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111472227.2A CN113866708B (zh) 2021-12-06 2021-12-06 一种基于智能断路器的电能表计量误差分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111472227.2A CN113866708B (zh) 2021-12-06 2021-12-06 一种基于智能断路器的电能表计量误差分析方法

Publications (2)

Publication Number Publication Date
CN113866708A CN113866708A (zh) 2021-12-31
CN113866708B true CN113866708B (zh) 2022-03-25

Family

ID=78985853

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111472227.2A Active CN113866708B (zh) 2021-12-06 2021-12-06 一种基于智能断路器的电能表计量误差分析方法

Country Status (1)

Country Link
CN (1) CN113866708B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114217160A (zh) * 2022-02-18 2022-03-22 青岛鼎信通讯股份有限公司 一种中压配电线路负荷监测单元安装定位方法
CN114689916A (zh) * 2022-03-31 2022-07-01 国网河北省电力有限公司营销服务中心 一种智能电能表计量误差分析系统
CN116859322B (zh) * 2023-09-05 2024-01-09 青岛鼎信通讯股份有限公司 基于智能量测终端的电能表计量误差监测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129506A (zh) * 2011-01-07 2011-07-20 浙江省电力试验研究院 一种理论线损预测方法
JP2013207355A (ja) * 2012-03-27 2013-10-07 Softbank Mobile Corp Ｏｆｄｍ伝送システムにおける受信装置及び無線通信制御方法
CN106230505A (zh) * 2016-07-19 2016-12-14 中国科学技术大学 一种基于可见光通信的智能交通系统中最优输入分布获取方法
CN106291253A (zh) * 2016-09-23 2017-01-04 国网天津市电力公司 一种防窃电预警分析方法
CN109308571A (zh) * 2018-08-29 2019-02-05 华北电力科学研究院有限责任公司 配电线路线变关系检测方法
CN110855335A (zh) * 2019-10-24 2020-02-28 暨南大学 基于功率与速率联合优化的下行虚拟mimo-noma方法
CN112117763A (zh) * 2020-09-25 2020-12-22 东南大学 一种低压配电网拓扑识别与参数估计方法
CN112966219A (zh) * 2021-03-01 2021-06-15 北京市腾河智慧能源科技有限公司 识别户表与表箱关系的方法及系统、设备、介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069535B (zh) * 2015-08-19 2020-07-24 中国电力科学研究院 一种基于arima模型的配电网运行可靠性的预测方法
CN107294081B (zh) * 2016-04-05 2020-04-21 国家电网公司 线损率影响因素的相关性确定方法
DE112017006442T5 (de) * 2016-12-21 2019-09-19 Intel Corporation Drahtlose kommunikationstechnologie, einrichtungen und verfahren

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129506A (zh) * 2011-01-07 2011-07-20 浙江省电力试验研究院 一种理论线损预测方法
JP2013207355A (ja) * 2012-03-27 2013-10-07 Softbank Mobile Corp Ｏｆｄｍ伝送システムにおける受信装置及び無線通信制御方法
CN106230505A (zh) * 2016-07-19 2016-12-14 中国科学技术大学 一种基于可见光通信的智能交通系统中最优输入分布获取方法
CN106291253A (zh) * 2016-09-23 2017-01-04 国网天津市电力公司 一种防窃电预警分析方法
CN109308571A (zh) * 2018-08-29 2019-02-05 华北电力科学研究院有限责任公司 配电线路线变关系检测方法
CN110855335A (zh) * 2019-10-24 2020-02-28 暨南大学 基于功率与速率联合优化的下行虚拟mimo-noma方法
CN112117763A (zh) * 2020-09-25 2020-12-22 东南大学 一种低压配电网拓扑识别与参数估计方法
CN112966219A (zh) * 2021-03-01 2021-06-15 北京市腾河智慧能源科技有限公司 识别户表与表箱关系的方法及系统、设备、介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A Novel Algorithm with Reduced Mutual Information for Smart Meter Privacy Protection;Xiaochao Yin等;《2020 IEEE 5th International Conference on Cloud Computing and Big Data Analytics (ICCCBDA)》;20200519;全文 *
基于动态三相不平衡度的配电网线损计算方法研究;魏梅芳等;《智慧电力》;20200220(第02期);全文 *
基于高斯混合模型的智能电表误差数据挖掘与分析方法;舒珏淋等;《电子测量技术》;20210831;全文 *
远程误差自诊断电能表的计量故障与窃电识别;江小昆等;《电子世界》;20191215(第23期);全文 *

Also Published As

Publication number Publication date
CN113866708A (zh) 2021-12-31

Similar Documents

Publication Publication Date Title
CN113866708B (zh) 一种基于智能断路器的电能表计量误差分析方法
CN112180316B (zh) 一种基于自适应收缩岭回归的电能表计量误差分析方法
CN110471024A (zh) 一种基于量测数据分析的智能电表在线远程校验方法
CN110728008B (zh) 一种用于确定智能电表的期望寿命的方法及装置
Li et al. The use of extreme value theory for forecasting long-term substation maximum electricity demand
CN113010998A (zh) 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
CN110689055B (zh) 一种顾及格网单元属性分级的跨尺度统计指标空间化方法
CN111062620B (zh) 基于混合计费数据的电力计费公平性智能分析系统及方法
CN112558000A (zh) 一种基于相关性筛选的电能表计量误差分析方法
CN116148753A (zh) 一种智能电能表运行误差监测系统
CN104483654B (zh) 一种智能电能表测量正负偏差的综合评价方法及其系统
CN113256092B (zh) 基于改进优化隶属度函数的便携式电量计量装置评估方法
CN114169802A (zh) 电网用户需求响应潜力分析方法、系统及存储介质
CN112990730A (zh) 一种利用人为采集失败增强电量相关性特征的方法
CN117350174A (zh) 预测智能电表剩余寿命的方法、系统、电子设备及介质
CN117495106A (zh) 一种智能电表实时风险筛查、预测方法及系统
CN116595330A (zh) 一种考虑水文建模不确定性的径流变化归因方法
CN114386810A (zh) 基于深度学习技术的用电行为智能分析方法和系统
Reddy et al. Baselining methodology for facility-level monthly energy use--part 2: application to eight Army installations
CN112001551A (zh) 一种基于大用户电量信息的地市电网售电量预测方法
CN112001552B (zh) 一种基于用电量序列的月度售电量预测方法
CN111047352A (zh) 一种渐进式电力现货市场运营效率测度方法及系统
CN111079069A (zh) 一种基于误差分布的预报难度计算方法及系统
CN111967747A (zh) 一种电力用户停电影响评估方法、装置及存储介质
CN105203838B (zh) 一种电量采集系统

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