CN113884972A - 一种基于大数据的智能电能表远程运行误差检测方法 - Google Patents

Abstract

本发明属于误差检测方法，具体涉及一种基于大数据的智能电能表远程运行误差检测方法。一种基于大数据的智能电能表远程运行误差检测方法，其中，包括下述步骤：步骤1：粗校准；确定智能电表时钟信息是否有误；步骤2：精校准；确定出现时钟误差的时刻。本发明的显著效果是：本申请通过粗校准判定时钟是否产生了漂移，通过精校准相对准确的定位到时钟开始产生漂移的时刻。在精校准阶段通过调整采样窗口大小，迅速逼近产生时钟漂移的时刻，从而达到快速定位的目的，进而确定哪些时钟信息是可信的，哪些时钟信息是需要误差校正后才能使用的。

Description

一种基于大数据的智能电能表远程运行误差检测方法

技术领域

本发明属于误差检测方法，具体涉及一种基于大数据的智能电能表远程运行误差检测方法。

背景技术

智能电表是智能电网(特别是智能配电网)数据采集的基本设备之一，承担着原始电能数据采集、计量和传输的任务，是实现信息集成、分析优化和信息展现的基础。智能电表除了具备传统电能表基本用电量的计量功能以外，为了适应智能电网和新能源的使用它还具有双向多种费率计量功能、用户端控制功能、多种数据传输模式的双向数据通信功能、防窃电功能等智能化的功能。

早在20世纪90年代就出现了智能电表(smart meter)的概念。1993年静止式电表刚刚出现时，其价格是机电式电表的10～20倍，因此主要应用于大型用户。之后随着具有远程通信能力的电表数量的增加，亟需开发新的系统来实现抄表和数据管理。在这样的系统中，计量数据开始向配网自动化等系统开放，但这些系统还无法有效利用相关数据。同样地，预付费电表的实时能耗数据也很少被用于能量管理或节能措施等应用中。

国内定义的智能仪表是以微处理器为核心的，可存储测量信息并能对测量结果进行实时分析、综合和做出各种判断能力的仪器。它一般具有自动测量功能、强大的数据处理能力、进行自动调零和单位换算功能，能进行简单的故障提示，具有人机交互功能，配备有操作面板和显示器，具有一定的人工智能。通常将采用微处理器的电子式多功能电能表定义为智能电表，还将通信功能(载波、GPRS、ZigBee等)、多用户计量、特定用户(如电力机车)计量等特征引入到智能电表的概念中。

智能电表中的核心器件之一是时钟芯片，时钟芯片决定了智能电表采样的最高频率。虽然现代社会芯片制造工艺非常高，时钟芯片也相对稳定。然而，由于智能电表往往需要长时间连续工作很长时间，受到环境、辐射、电网脉冲等因素的影响，智能电表的时钟在漫长的漫长的使用过程会产生缓慢的、不可预测的漂移。这种时钟漂移对智能电表的采样具有非常不好的影响，而且由于这种漂移是随着时间慢慢积累的，因而也不是很容易发现。

发明内容

本发明针对现有技术的缺陷，提供一种基于大数据的智能电能表远程运行误差检测方法。

本发明是这样实现的：一种基于大数据的智能电能表远程运行误差检测方法，其中，包括下述步骤：

步骤1：粗校准

确定智能电表时钟信息是否有误；

步骤2：精校准

确定出现时钟误差的时刻。

如上所述的一种基于大数据的智能电能表远程运行误差检测方法，其中，所述的步骤1包括下述步骤，

步骤1.1：输入时钟频率

输入特定智能电表的时钟频率，该时钟频率可以直接从智能电表的说明书中得到，该时钟频率记为f₀，

步骤1.2：确定采样窗口

采样窗口时间长度T的范围为

在上述范围内的任意一个正整数数值均是可以选择的，如果选取的是端点，且端点的数值不为正整数，则对端点的计算结果取整，将该整数部分作为窗口时间长度T，

所述的采样窗口时间长度T是指：从该采样时间窗口的0时刻开始记录时钟脉冲的个数，直到最长时间T为止，用记录到的脉冲个数与时间长度就可以计算得到本窗口平均时钟采样频率f_a，

上述对时钟频率的采样是每时每刻都进行的，在智能电表时钟工作的阶段内，连续进行采样，每个采样周期的时间长度均为T，在上一个周期采样完成后立刻进行下一个采样周期的采样，

步骤1.3：判断时钟是否异常

计算误差变化率p

其中，f_a是计算得到的时钟采样频率；f₀智能电表的标称时钟频率；||是绝对值符号，

当p≤A％时，保持原有采样周期，并持续采样，记录每次采样结果；

当A％＜p≤B％时，暂时不做任何处理，并持续采样，记录每次采样结果；

当B％＜p时，执行步骤2精校准。

如上所述的一种基于大数据的智能电能表远程运行误差检测方法，其中，所述的数值A和数值B均是外部输入的数值。

如上所述的一种基于大数据的智能电能表远程运行误差检测方法，其中，所述的数值A取1，数值B取10。

如上所述的一种基于大数据的智能电能表远程运行误差检测方法，其中，步骤2.1：网络因素剔除

剔除网络因素后，如果满足p≤A％，执行前述同等条件的执行动作；如果满足A％＜p≤B％，执行前述同等条件的执行动作；否则执行步骤2.2，

所述的剔除网络因素是指去除因为网络传输造成的潜在数据误差，具体做法如下：

通过专用设备检测网络传输误差，用该误差对前述结果进行修正，得到的修正结果用于后续计算，

步骤2.2：确定目标区间

设数值A和数值B之间共有N个采样周期，每个采样周期的采样时间为T，为方便记录将该N个采样周期分别记为T₁，T₂，…，T_i…，T_N，

每个采样周期内经过计算得到时钟采样计算频率为f₁，f₂，…，f_i…，f_N，

令Δf_i为误差标志，Δf_i＝|f_i-f_i-1|，其中i＝2，…，N，

那么所有误差标志中数值最大的误差标志对应的i值所对应的区间为目标区间，

如果上述数值A和数值B之间的采样周期数量不是整数，则向下取整，该取整的数值为N，

步骤2.3：采样区间大小调整

令S_j+1为本轮次调整系数

其中f_ij为上轮次计算得到的目标区间的时钟采样计算频率，在第一次计算时f_ij＝f_i，在后续计算中f_ij随着计算不断更新迭代；f₀为步骤1中得到的智能电表的时钟频率，

令T_j+1为本轮次调整后的采样区间长度，

如果S_j+1＜0.5，T_j+1＝(1-S_j+1)T_j；

如果S_j+1≥0.5，T_j+1＝0.5T_j；

其中T_j为上轮次计算得到的目标区间的采样区间长度，在第一次计算时T_j的数值取T

步骤2.4：新采样周期采样

令目标区间的两个端点分别为u点和v点，其中u点为起始点，v点为终止点，则用新的采样区间长度T_j+1从两个端点相向取样，即从u点开始向v点取样T_j+1个长度，也从v点开始向u点取样T_j+1个长度，计算得到的时钟采样计算频率分别记为f_u和f_v，

步骤2.5：确定新目标区间

判断|f_u-f₀|＝|f_v-f₀|是否成立，如果成立则执行步骤2.6，否则执行后续判断；

判断|f_u-f₀|＜|f_v-f₀|是否成立，如果成立则f_ij＝f_u，且令f_u对应的采样区间为新的目标区间，并执行步骤2.3；如果上式不成立，则f_ij＝f_v，且令f_v对应的采样区间为新的目标区间，并执行步骤2.3，

步骤2.6：确定智能电表时钟偏差出现的时间点

取最新一轮更新后v点对应时刻的下一个采样时刻为智能电表时钟偏差出现的时间点，输出该时间点。

本发明的显著效果是：本申请通过粗校准判定时钟是否产生了漂移，通过精校准相对准确的定位到时钟开始产生漂移的时刻。在精校准阶段通过调整采样窗口大小，迅速逼近产生时钟漂移的时刻，从而达到快速定位的目的，进而确定哪些时钟信息是可信的，哪些时钟信息是需要误差校正后才能使用的。

具体实施方式

一种基于大数据的智能电能表远程运行误差检测方法，包括下述步骤：

步骤1：粗校准

步骤1.1：输入时钟频率

输入特定智能电表的时钟频率。该时钟频率可以直接从智能电表的说明书中得到。该时钟频率记为f₀。

步骤1.2：确定采样窗口

采样窗口时间长度T的范围为

在上述范围内的任意一个正整数数值均是可以选择的。如果选取的是端点，且端点的数值不为正整数，则对端点的计算结果取整，将该整数部分作为窗口时间长度T。

本例中选用的采样窗口时间长度为

该数值如果不是整数，则取整。

所述的采样窗口时间长度T是指：从该采样时间窗口的0时刻开始记录时钟脉冲的个数，直到最长时间T为止。用记录到的脉冲个数与时间长度就可以计算得到本窗口平均时钟采样频率f_a。

上述对时钟频率的采样是每时每刻都进行的，在智能电表时钟工作的阶段内，连续进行采样，每个采样周期的时间长度均为T，在上一个周期采样完成后立刻进行下一个采样周期的采样。

步骤1.3：判断时钟是否异常

计算误差变化率p

其中，f_a是计算得到的时钟采样频率；f₀智能电表的标称时钟频率；||是绝对值符号。

当p≤A％时，说明智能电表时钟误差很小，可以不做任何处理，保持原有采样周期，并持续采样，记录每次采样结果；

当A％＜p≤B％时，说明智能电表时钟误差虽然较小但是已经出现了时钟误差，只是时钟误差仍在可接受的范围内，暂时不做任何处理，并持续采样，记录每次采样结果；

当B％＜p时，说明智能电表时钟误差已经较大，需要进行额外处理，执行步骤2精校准。

所述的数值A和数值B均是外部输入的数值，该两个数值均是本领域技术人员根据以往经验得到的。一般而言，数值A和数值B越小，本申请方法能够确定的智能电表时钟误差的精度越高，但是计算量和误判率会相应升高；反之数值A和数值B越大，本申请方法能够确定的智能电表时钟误差的精度相对较低，但是计算量和误判率会相应降低。作为本申请的一个具体的例子，数值A取1，数值B取10。

步骤2：精校准

步骤2.1：网络因素剔除

剔除网络因素后，如果满足p≤A％，执行前述同等条件的执行动作；如果满足A％＜p≤B％，执行前述同等条件的执行动作；否则执行步骤2.2。

所述的剔除网络因素是指去除因为网络传输造成的潜在数据误差，具体做法如下：

通过专用设备检测网络传输误差，用该误差对前述结果进行修正，得到的修正结果用于后续计算。

步骤2.2：确定目标区间

设数值A和数值B之间共有N个采样周期，每个采样周期的采样时间为T，为方便记录将该N个采样周期分别记为T₁，T₂，…，T_i…，T_N。之所以在数值A和数值B之间确定目标区间，是因为虽然数值B是时钟频率超差的阈值点，但是引起时钟频率超差原因的发生时间在数值B对应的时间点之前，因此选取数值A和数值B之间确定目标区间。

每个采样周期内经过计算得到时钟采样计算频率为f₁，f₂，…，f_i…，f_N。

令Δf_i为误差标志，Δf_i＝|f_i-f_i-1|，其中i＝2，…，N。

那么所有误差标志中数值最大的误差标志对应的i值所对应的区间为目标区间。

如果上述数值A和数值B之间的采样周期数量不是整数，则向下取整，该取整的数值为N。

步骤2.3：采样区间大小调整

令S_j+1为本轮次调整系数

其中f_ij为上轮次计算得到的目标区间的时钟采样计算频率，在第一次计算时f_ij＝f_i，在后续计算中f_ij随着计算不断更新迭代；f₀为步骤1中得到的智能电表的时钟频率。

令T_j+1为本轮次调整后的采样区间长度，

如果S_j+1＜0.5，T_j+1＝(1-S_j+1)T_j；

如果S_j+1≥0.5，T_j+1＝0.5T_j；

其中T_j为上轮次计算得到的目标区间的采样区间长度，在第一次计算时T_j的数值取T

步骤2.4：新采样周期采样

令目标区间的两个端点分别为u点和v点，其中u点为起始点，v点为终止点，则用新的采样区间长度T_j+1从两个端点相向取样，即从u点开始向v点取样T_j+1个长度，也从v点开始向u点取样T_j+1个长度，计算得到的时钟采样计算频率分别记为f_u和f_v。

步骤2.5：确定新目标区间

判断|f_u-f₀|＝|f_v-f₀|是否成立，如果成立则执行步骤2.6，否则执行后续判断；

判断|f_u-f₀|＜|f_v-f₀|是否成立，如果成立则f_ij＝f_u，且令f_u对应的采样区间为新的目标区间，并执行步骤2.3；如果上式不成立，则f_ij＝f_v，且令f_v对应的采样区间为新的目标区间，并执行步骤2.3。

步骤2.6：确定智能电表时钟偏差出现的时间点

取最新一轮更新后v点对应时刻的下一个采样时刻为智能电表时钟偏差出现的时间点，输出该时间点。

Claims (5)

1.一种基于大数据的智能电能表远程运行误差检测方法，其特征在于，包括下述步骤：

步骤1：粗校准

确定智能电表时钟信息是否有误；

步骤2：精校准

确定出现时钟误差的时刻。

2.如权利要求1所述的一种基于大数据的智能电能表远程运行误差检测方法，其特征在于：所述的步骤1包括下述步骤，

步骤1.1：输入时钟频率

输入特定智能电表的时钟频率，该时钟频率可以直接从智能电表的说明书中得到，该时钟频率记为f₀，

步骤1.2：确定采样窗口

采样窗口时间长度T的范围为

在上述范围内的任意一个正整数数值均是可以选择的，如果选取的是端点，且端点的数值不为正整数，则对端点的计算结果取整，将该整数部分作为窗口时间长度T，

所述的采样窗口时间长度T是指：从该采样时间窗口的0时刻开始记录时钟脉冲的个数，直到最长时间T为止，用记录到的脉冲个数与时间长度就可以计算得到本窗口平均时钟采样频率f_a，

上述对时钟频率的采样是每时每刻都进行的，在智能电表时钟工作的阶段内，连续进行采样，每个采样周期的时间长度均为T，在上一个周期采样完成后立刻进行下一个采样周期的采样，

步骤1.3：判断时钟是否异常

计算误差变化率p

其中，f_a是计算得到的时钟采样频率；f₀智能电表的标称时钟频率；||是绝对值符号，

当p≤A％时，保持原有采样周期，并持续采样，记录每次采样结果；

当A％<p≤B％时，暂时不做任何处理，并持续采样，记录每次采样结果；

当B％<p时，执行步骤2精校准。

3.如权利要求2所述的一种基于大数据的智能电能表远程运行误差检测方法，其特征在于：所述的数值A和数值B均是外部输入的数值。

4.如权利要求3所述的一种基于大数据的智能电能表远程运行误差检测方法，其特征在于：所述的数值A取1，数值B取10。

5.如权利要求3所述的一种基于大数据的智能电能表远程运行误差检测方法，其特征在于：步骤2.1：网络因素剔除

剔除网络因素后，如果满足p≤A％，执行前述同等条件的执行动作；如果满足A％<p≤B％，执行前述同等条件的执行动作；否则执行步骤2.2，

所述的剔除网络因素是指去除因为网络传输造成的潜在数据误差，具体做法如下：

通过专用设备检测网络传输误差，用该误差对前述结果进行修正，得到的修正结果用于后续计算，

步骤2.2：确定目标区间

设数值A和数值B之间共有N个采样周期，每个采样周期的采样时间为T，为方便记录将该N个采样周期分别记为T₁，T₂，…，T_i…，T_N，

每个采样周期内经过计算得到时钟采样计算频率为f₁，f₂，…，f_i…，f_N，

令Δf_i为误差标志，Δf_i＝|f_i-f_i-1|，其中i＝2，…，N，

那么所有误差标志中数值最大的误差标志对应的i值所对应的区间为目标区间，

如果上述数值A和数值B之间的采样周期数量不是整数，则向下取整，该取整的数值为N，

步骤2.3：采样区间大小调整

令S_j+1为本轮次调整系数

其中f_ij为上轮次计算得到的目标区间的时钟采样计算频率，在第一次计算时f_ij＝f_i，在后续计算中f_ij随着计算不断更新迭代；f₀为步骤1中得到的智能电表的时钟频率，

令T_j+1为本轮次调整后的采样区间长度，

如果S_j+1<0.5,T_j+1＝(1-S_j+1)T_j；

如果S_j+1≥0.5,T_j+1＝0.5T_j；

其中T_j为上轮次计算得到的目标区间的采样区间长度，在第一次计算时T_j的数值取T

步骤2.4：新采样周期采样

令目标区间的两个端点分别为u点和v点，其中u点为起始点，v点为终止点，则用新的采样区间长度T_j+1从两个端点相向取样，即从u点开始向v点取样T_j+1个长度，也从v点开始向u点取样T_j+1个长度，计算得到的时钟采样计算频率分别记为f_u和f_v，

步骤2.5：确定新目标区间

判断|f_u-f₀|＝|f_v-f₀|是否成立，如果成立则执行步骤2.6，否则执行后续判断；

判断|f_u-f₀|<|f_v-f₀|是否成立，如果成立则f_ij＝f_u，且令f_u对应的采样区间为新的目标区间，并执行步骤2.3；如果上式不成立，则f_ij＝f_v，且令f_v对应的采样区间为新的目标区间，并执行步骤2.3，

步骤2.6：确定智能电表时钟偏差出现的时间点

取最新一轮更新后v点对应时刻的下一个采样时刻为智能电表时钟偏差出现的时间点，输出该时间点。