CN114487976B - Mcm电子式互感器校验仪溯源不确定度评定方法及系统 - Google Patents

Mcm电子式互感器校验仪溯源不确定度评定方法及系统 Download PDF

Info

Publication number
CN114487976B
CN114487976B CN202210386276.2A CN202210386276A CN114487976B CN 114487976 B CN114487976 B CN 114487976B CN 202210386276 A CN202210386276 A CN 202210386276A CN 114487976 B CN114487976 B CN 114487976B
Authority
CN
China
Prior art keywords
uncertainty
electronic transformer
phase difference
transformer calibrator
traceability
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
CN202210386276.2A
Other languages
English (en)
Other versions
CN114487976A (zh
Inventor
陈勉舟
李红斌
张传计
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202210386276.2A priority Critical patent/CN114487976B/zh
Publication of CN114487976A publication Critical patent/CN114487976A/zh
Application granted granted Critical
Publication of CN114487976B publication Critical patent/CN114487976B/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
    • G01R35/02—Testing or calibrating of apparatus covered by the other groups of this subclass of auxiliary devices, e.g. of instrument transformers according to prescribed transformation ratio, phase angle, or wattage rating
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/62—Testing of transformers
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/58—Random or pseudo-random number generators
    • G06F7/582—Pseudo-random number generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Power Engineering (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Biomedical Technology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Complex Calculations (AREA)

Abstract

本发明实施例提供一种MCM电子式互感器校验仪溯源不确定度评定方法及系统，方法包括：构建电子式互感器校验仪微差法溯源测量系统，确定及分析各量值指标引入的不确定度评定分量，建立比值差和相位差的测量模型。采用动态调整步长的果蝇改进优化算法，确定各不确定度评定分量的最优抽样次数。以各不确定度评定分量的统计分布特性为依据，通过抽样，统计各不确定度评定分量对应PDF的样本直方图，进而计算电子式互感器校验仪微差法溯源测量系统的标准不确定度和扩展不确定度。本发明通过动态调整步长的果蝇改进优化算法，寻找MCM不确定度评定中的最优抽样次数，提高了电子式互感器校验仪溯源不确定度评定的自适应性，进而提高评定的实时性。

Description

MCM电子式互感器校验仪溯源不确定度评定方法及系统
技术领域
本发明实施例涉及电子式互感器校验仪溯源不确定度评定领域，尤其涉及一种MCM电子式互感器校验仪溯源不确定度评定方法及系统。
背景技术
根据JJGl69—2010《互感器校验仪检定规程》，标准器测量不确定度与被检仪器测量不确定度之比小于1⁄3 时，认为是可靠的，因此，对电子式互感器校验仪溯源不确定度进行准确、快速地分析与评定，是提高溯源准确性和可靠性的关键依据。
目前，对电子式互感器校验仪溯源不确定度评定的研究较少，一部分学者分析了对应溯源方法下的不确定度来源及其对评定结果的影响，并通过GUM（Guide to theUncertainty in Measurrment，测量不确定度表示指南）法计算合成不确定度和扩展不确定度，为计量互感器检定人员提供依据；另一部分学者以互感器校验仪作为校准仪器时，采用GUM对其测得结果不确定度进行了评定，并分析了校准装置、检定环境等因素对评定结果的影响。但是，以上学者对于电子式互感器校验仪不确定度的评定存在一定的局限性，其一，在基于溯源误差进行不确定度来源分析时，未考虑误差源之间的相关性，忽略了传递规律复杂的误差源对不确定度的影响，从而影响了不确定度的准确性；其二，不确定度的评定都是采用GUM评定，而不确定度来源输入的样本分布不全是正态分布或者t分布，不能完全满足GUM的适用条件，因此难保证评定结果的准确性和可靠性。
发明内容
本发明实施例提供一种MCM电子式互感器校验仪溯源不确定度评定方法及系统，用以解决目前电子式互感器校验仪溯源不确定度评定结果的准确性和可靠性不足的问题。
第一方面，本发明实施例提供一种MCM电子式互感器校验仪溯源不确定度评定方法及系统，包括：
S100，构建电子式互感器校验仪微差法溯源测量系统，确定电子式互感器校验仪微差法溯源测量系统的量值指标，分析各量值指标引入的不确定度评定分量，建立比值差和相位差的测量模型；
S200，以各不确定度评定分量的统计分布特性为依据，采用动态调整步长的果蝇改进优化算法，确定各不确定度评定分量的最优抽样次数；
S300，以比值差和相位差各自对应的不确定度评定分量的统计分布特性为依据，基于梅森旋转算法的伪随机数生成技术，对各不确定度评定分量分别进行最优抽样次数的抽样，统计比值差和相位差各自对应不确定度评定分量的样本直方图，结合比值差和相位差的测量模型，计算比值差和相位差的分布及样本直方图；
S400，根据比值差和相位差的分布及样本直方图，计算电子式互感器校验仪微差法溯源测量系统的标准不确定度和扩展不确定度。
作为优选的，步骤100中，构建电子式互感器校验仪微差法溯源测量系统，确定电子式互感器校验仪微差法溯源测量系统的量值指标，分析各量值指标引入的不确定度评定分量，具体包括：
将电子式互感器校验仪微差法溯源测量系统的测量结果表现出的偏移、线性、重复性、分辨力、复现性、稳定性作为6个量值指标；
通过对6个量值指标进行分析，得出以示值误差、重复性、复现性、稳定性4个分量作为系统不确定度评定分量。
作为优选的，步骤100中，所述建立比值差和相位差的测量模型，具体包括：
通过下式的测量模型模拟出电子式互感器校验仪微差法溯源的测量系统的电压和电流比值差和相位差；
Figure 4099DEST_PATH_IMAGE002
式中， f、φ分别为电子式互感器校验仪微差法溯源测量系统的比值差、相位差， f’、φ’分别为比值差和相位差的示值，u fE 、u φE 为比值差和相位差的示值不确定度评定分量，u fr 、u φr 为比值差和相位差的重复性不确定度评定分量，u frd 、u φrd 分别为比值差和相位差的复现性不确定度评定分量，u fst 、u φst 分别为比值差和相位差的稳定性不确度分量。
作为优选的，步骤S200中，采用动态调整步长的果蝇改进优化算法，确定各不确定度评定分量的最优抽样次数，具体包括：
1）参数初始化：初始化果蝇群体规模M；最大迭代次数N，随机选取果蝇群体的位置
Figure 433943DEST_PATH_IMAGE003
和
Figure 941148DEST_PATH_IMAGE004
；
2）计算果蝇个体利用嗅觉搜寻食物的随机方向与距离：
Figure 419534DEST_PATH_IMAGE005
RandValue为搜索距离；x i、y i为定义的随机方向；
3）估计各果蝇个体到原点的距离d i和其味道浓度判定值s i；
Figure 328584DEST_PATH_IMAGE006
4）将浓度判定值s i 代入适应度函数Uk, 求出各果蝇个体位置的味道浓度Smelli；
Figure 991646DEST_PATH_IMAGE007
上式中：
Figure 986147DEST_PATH_IMAGE008
为第k个输入量经过J j 次迭代之后的样本均值，
Figure 64962DEST_PATH_IMAGE009
为第k个输 入量经过J j-1次迭代之后的样本均值，其中k=1，2，3，4，代表4个不确定度评定分量；其中，输 入量是不确定度评定分量；
5）找出该果蝇群体中味道浓度最优的果蝇,其就是最优个体，并记录位置；
Figure 31781DEST_PATH_IMAGE010
6)根据最优味道浓度值和其位置，果蝇群体利用视觉向此位置飞去；
7)进行迭代寻优，此时果蝇群体位置为下一次迭代寻优的初始位置，判断味道浓度是否达到最佳水平，判定条件如下式所示；若是，则执行步骤6)，否则，继续执行步骤2）到步骤5），直到满足最大迭代次数；
Figure 131324DEST_PATH_IMAGE011
其中，δ为数值容差，J j 、J j-1为抽样次数；当样本满足上式的精度时，对应的J j 为最佳抽样次数，用JOP表示；
8）根据寻优次数和浓度变化率的大小动态调整步长：
Figure 81962DEST_PATH_IMAGE013
其中，N为最大迭代次数，J j 为当前迭代次数，l为第 J j 代的最优味道浓度的变化率，α和β为设定的权重系数，SL 0为步长的初值；
基于果蝇优化算法，得到最优味道浓度值和其位置，最优味道浓度值对应的J j 为最优抽样次数。
作为优选的，步骤S400具体包括：
以比值差和相位差各自对应的平均值为输出量的估计值，比值差和相位差各自对应的标准差为电子式互感器校验仪微差法溯源测量系统的标准不确定度，如下式所示：
Figure 230047DEST_PATH_IMAGE015
式中，x r 为抽样JOP次的输出，
Figure 785793DEST_PATH_IMAGE017
为的平均值，u(x)为标准差；
由输出估计样本的近似对称分布，可求出扩展不确定度U为：
Figure 728341DEST_PATH_IMAGE019
式中，x’为x r 经过升序重排后的新序列，p为置信概率。
第二方面，本发明实施例提供一种MCM电子式互感器校验仪溯源不确定度评定系统，包括：
模型构建模块，用于构建电子式互感器校验仪微差法溯源测量系统，确定电子式互感器校验仪微差法溯源测量系统的量值指标，分析各量值指标引入的不确定度评定分量，建立比值差和相位差的测量模型；
MCM评定次数自适应寻优模块，用于以各不确定度评定分量统计分布特性为依据，采用动态调整步长的果蝇改进优化算法，确定各不确定度评定分量的最优抽样次数；
比值差和相位差统计模块，用于以比值差和相位差各自对应的不确定度评定分量的统计分布特性为依据，基于梅森旋转算法的伪随机数生成技术，对各不确定度评定分量分别进行最优抽样次数的抽样，统计比值差和相位差各自对应不确定度评定分量的样本直方图，结合比值差和相位差的测量模型，计算比值差和相位差的分布及样本直方图；
评定模块，用于根据比值差和相位差的分布及样本直方图，计算电子式互感器校验仪微差法溯源测量系统的标准不确定度和扩展不确定度。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明第一方面实施例所述MCM电子式互感器校验仪溯源不确定度评定方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如本发明第一方面实施例所述MCM电子式互感器校验仪溯源不确定度评定方法的步骤。
本发明实施例提供的一种MCM电子式互感器校验仪溯源不确定度评定方法及系统，通过使用改进的果蝇算法寻找MCM不确定评定中的最优抽样次数，不仅提高了电子式互感器校验仪溯源不确定度评定精度，也提升了算法的实时性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的MCM电子式互感器校验仪溯源不确定度评定方法流程框图；
图2为本发明实施例提供的电子式互感器校验仪微差法溯源测量系统的示意图；
图3为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
目前，对于电子式互感器校验仪不确定度的评定存在一定的局限性，其一，在基于溯源误差进行不确定度来源分析时，未考虑误差源之间的相关性，忽略了传递规律复杂的误差源对不确定度的影响，从而影响了不确定度的准确性；其二，不确定度的评定都是采用GUM评定，而不确定度来源输入的样本分布不全是正态分布或者t分布，不能完全满足GUM的适用条件，因此很难保证评定结果的准确性和可靠性。
因此，本发明实施例提供一种MCM电子式互感器校验仪溯源不确定度评定方法及系统，用以解决目前电子式互感器校验仪溯源不确定度评定结果的准确性和可靠性不足的问题。
蒙特卡洛（MCM，MonteCarlo Method）是实现概率分布传播的一种数值方法。该方法通过对输入量的概率密度函数（PDF）采用离散抽样，并通过测量模型传播输入量的分布，计算得到输出量的PDF的离散抽样值，从而由输出量的离散分布数值直接得到输出量的最优估计值、标准不确定度。MCM是一种基于GUM法和概率分布传播理论的不确定度评定方法，其评定精度较高。故本发明提出了一种MCM电子式互感器校验仪溯源不确定度评定方法及系统，用于电子式互感器校验仪溯源不确定度评定。以下将通过多个实施例进行展开说明和介绍。
图1为本发明实施例提供一种MCM电子式互感器校验仪溯源不确定度评定方法及系统，包括：
步骤S100，构建电子式互感器校验仪微差法溯源测量系统，确定电子式互感器校验仪微差法溯源测量系统的量值指标，分析各量值统指标引入的不确定度评定分量，建立比值差和相位差的测量模型。
具体地，首先，建立电子式互感器校验仪微差法溯源测量系统：根据电子式互感器校验仪的工作原理，电子式互感器校验仪的微差法溯源方法是在传统互感器校验仪整检装置的基础上，将1路标准模拟信号接入电子式互感器模拟输入端口，将叠加微差的信号经标准A/D采样器后、再经协议转换为IEC 61850-9-2报文发送至数字输入端口，根据叠加的标准微差与电子式互感器校验仪示值误差的差值表示电子式互感器校验仪的误差，从而实现电子式互感器校验仪的溯源。本发明实施例建立的电子式互感器校验仪微差法溯源测量系统如图2所示。图2为本发明实施例提供的电子式互感器校验仪微差法溯源测量系统的示意图。
进一步地，确定电子式互感器校验仪微差法溯源测量系统的量值指标，分析各量值指标引入的不确定度评定分量。本实施例中，为了有效避免电子式互感器校验仪溯源误差源之间的相关性和传递规律的复杂性，将电子式互感器校验仪微差法溯源的测量系统视为黑箱，通过测量结果表现出的偏移、线性、重复性、分辨力、复现性、稳定性等测量系统量值特性的6个指标，综合描述各误差源对测量结果的整体作用。具体地，将电子式互感器校验仪微差法溯源测量系统的测量结果表现出的偏移、线性、重复性、分辨力、复现性、稳定性作为6个量值指标；通过对6个量值指标进行分析，得出以系统示值误差、测量结果重复性、复现性、稳定性4个分量作为系统不确定度评定分量。其中：
（1）偏移和线性引入的不确定度评定分量：偏移和线性对电子式互感器校验仪溯源的影响体现在系统的示值误差引入的不确定度评定分量；
（2）重复性与分辨力引入的不确定度评定分量：重复性与分辨力存在一定关系，分辨力越高重复性往往越显著，通常不确定度评定中只考虑两者中的一项，主要反应系统的各种随机效应，重复性指在相同的测量条件下,对同一被测量所做连续多次测量结果之间的一致性,可通过量值统计的方法评定，因此，对电子式互感器校验仪微差法溯源系统而言，只需考虑重复性引入的不确定度评定分量。
（3）复现性引入的不确定度评定分量：复现性指在一种或多种测量条件改变时,同一被测量的各测量结果间的一致性,其主要来源于测量系统的系统效应。在基于数字微差法的电子式互感器校验仪溯源中，变化条件包括标准源的等级、微差量的大小、校验仪的负荷、环境温湿度、电源频率。通常改变某一条件并保持其他条件不变的情况下，对同比值差和相位差进行测量，每一条件下有一个测量结果，由各测量表征测量结果计算得到的实验标准偏差就是测量结果的复现性；
（4）稳定性引入的不确定度评定分量：稳定性指在规定的条件下，其测量特性随时间而缓慢变化的现象，对电子式互感器校验仪溯源系统而言，是由仪器内部各元器件的特性、参数不稳定和老化等因素造成的。因此，在相同测量条件下，选择不同老化程度的溯源系统的测量值进行量值统计评定。
步骤S200，以各不确定度评定分量的统计分布特性为依据，采用动态调整步长的果蝇改进优化算法，确定各不确定度评定分量的最优抽样次数。
在一个实施方式中，步骤S200具体包括：
步骤S201，根据各不确定度评定分量的概率密度函数，对示值误差、重复性、复现性和稳定性4个输入量分别进行抽样；其中，输入量即是指不确定度评定分量；
在置信概率p确定的情况下，根据输入量的概率密度PDF，对示值误差、重复性、复现性、稳定性4个输入量分别进行抽样，样本量M满足公式M≥104/（1-p）所示的关系；其中，M为第一次循环选取MCM最低样本要求量。
步骤S202，采用动态调整步长的果蝇改进优化算法，确定各不确定度评定分量的最优抽样次数。
不确定度评定中，抽样次数的选择对电子式互感器校验仪微差法溯源的不确定度评定至关重要，抽样次数越多，样本容量越大，越能反映输入量的总体分布，迭代精度越高，但是实时性降低。因此，本发明基于果蝇算法迭代寻优的思路，进行优化调整，选择各参量最优抽样次数。在满足精度要求的前提下，降低了对实时性的影响。步骤S202具体包括以下步骤1）~8）：
1）参数初始化：初始化果蝇群体规模M；最大迭代次数N，随机选取果蝇群体的位置
Figure 431855DEST_PATH_IMAGE020
和
Figure 681833DEST_PATH_IMAGE021
；
2）计算果蝇个体利用嗅觉搜寻食物的随机方向与距离：
Figure 154403DEST_PATH_IMAGE023
RandValue为搜索距离；x i、y i为定义的随机方向；
3）估计各果蝇个体到原点的距离d i和其味道浓度判定值s i；
Figure 533431DEST_PATH_IMAGE025
4）将浓度判定值s i 代入适应度函数Uk, 求出各果蝇个体位置的味道浓度Smelli；
Figure 661924DEST_PATH_IMAGE026
上式中：
Figure 151812DEST_PATH_IMAGE028
为第k个输入量经过J j 次迭代之后的样本均值，
Figure 213309DEST_PATH_IMAGE030
为第k个输 入量经过J j-1次迭代之后的样本均值，其中k=1，2，3，4，代表4个不确定度评定分量；其中，输 入量是不确定度评定分量；
5）找出该果蝇群体中味道浓度最优的果蝇,其就是最优个体，并记录位置；
Figure 825555DEST_PATH_IMAGE032
6)根据最优味道浓度值和其位置，果蝇群体利用视觉向此位置飞去；
7)进行迭代寻优，此时果蝇群体位置为下一次迭代寻优的初始位置，判断味道浓度是否达到最佳水平，判定条件如下式所示；若是，则执行步骤6)，否则，继续执行步骤2）到步骤5），直到满足最大迭代次数；
Figure 503661DEST_PATH_IMAGE034
其中，δ为数值容差，J j 、J j-1为抽样次数；当样本满足上式的精度时，对应的J j 为最佳抽样次数，用JOP表示；
8）根据寻优次数和浓度变化率的大小动态调整步长：
Figure 531660DEST_PATH_IMAGE036
其中，N为最大迭代次数，J j 为当前迭代次数，l为第 J j 代的最优味道浓度的变化率，α和β为设定的权重系数，SL 0为步长的初值；
基于果蝇优化算法，得到最优味道浓度值和其位置，最优味道浓度值对应的J j 为最优抽样次数，用JOP表示。
步骤S300，以比值差和相位差各自对应的不确定度评定分量的统计分布特性为依据，基于梅森旋转算法(Mersenne twister)的伪随机数生成技术，对各不确定度评定分量分别进行最优抽样次数的抽样，统计比值差和相位差各自对应不确定度评定分量的样本直方图，结合比值差和相位差的测量模型，计算比值差和相位差的分布及样本直方图。
本实施例中，以比值差和相位差各自对应的不确定度评定分量的统计分布特性为依据，通过基于梅森旋转算法(Mersenne twister)的伪随机数生成技术，分别进行JOP次抽样，抽样后比值差和相位差输出量与输入量的矩阵如下式：
Figure 916505DEST_PATH_IMAGE038
式中，u为JOP×4的矩阵，4列分别为4个分量经过JOP次模拟抽样样本，这样就模拟出了电子式互感器校验仪微差法溯源系统的比值差和相位差的不确定分量u f 、u φ 。
通过下式公式的测量模型模拟出电子式互感器校验仪微差法溯源的测量系统的电压和电流比值差和相位差；
Figure 371757DEST_PATH_IMAGE040
式中， f、φ分别为电子式互感器校验仪微差法溯源测量系统的比值差、相位差， f’、φ’分别为比值差和相位差的示值，u fE 、u φE 为比值差和相位差的示值不确定度评定分量，u fr 、u φr 为比值差和相位差的重复性不确定度评定分量，u frd 、u φrd 分别为比值差和相位差的复现性不确定度评定分量，u fst 、u φst 分别为比值差和相位差的稳定性不确度分量。
步骤S400，根据比值差和相位差的分布及样本直方图，计算电子式互感器校验仪微差法溯源测量系统的标准不确定度和扩展不确定度。
在进行电子式互感器校验仪溯源不确定度评定时，电子式互感器校验仪微差法溯源测量系统的输出量为电压和电流各自的比值差和相位差，比值差和相位差各自对应的平均值为输出量的估计值，比值差和相位差各自对应的标准差为电子式互感器校验仪微差法溯源测量系统的标准不确定度，如下式所示：
Figure 271580DEST_PATH_IMAGE042
式中，x r 为抽样JOP次的输出，
Figure 165587DEST_PATH_IMAGE044
为的平均值，u(x)为标准差；
由输出估计样本的近似对称分布，可求出扩展不确定度U为：
Figure 732835DEST_PATH_IMAGE046
式中，x’为x r 经过升序重排后的新序列，p为置信概率。
需要说明的是，在MCM不确定度评定中，抽样次数的选择对电子式互感器校验仪微差法溯源的不确定度评定至关重要，抽样次数越多，样本容量越大，越能反映输入量的总体分布，迭代精度越高，但是实时性降低。因此，为了满足电子式互感器校验仪溯源不确定度评定精度的同时，保证算法实时性，本发明提出了一种基于改进果蝇算法的果蝇MCM的不确定度评定方法，通过使用改进的果蝇算法寻找MCM不确定评定中的最优抽样次数，不仅提高了电子式互感器校验仪溯源不确定度评定精度，也提升了算法的实时性。
在一个实施例中，本发明实施例还提供一种MCM电子式互感器校验仪溯源不确定度评定系统，基于上述各实施例中的MCM电子式互感器校验仪溯源不确定度评定方法，包括：
模型构建模块，用于构建电子式互感器校验仪微差法溯源测量系统，确定电子式互感器校验仪微差法溯源测量系统的量值指标，分析各量值指标引入的不确定度评定分量，建立比值差和相位差的测量模型；
MCM评定次数自适应寻优模块，用于以各不确定度评定分量统计分布特性为依据，采用动态调整步长的果蝇改进优化算法，确定各不确定度评定分量的最优抽样次数；
比值差和相位差统计模块，用于以比值差和相位差各自对应的不确定度评定分量的统计分布特性为依据，基于梅森旋转算法的伪随机数生成技术，对各不确定度评定分量分别进行最优抽样次数的抽样，统计比值差和相位差各自对应不确定度评定分量的样本直方图，结合比值差和相位差的测量模型，计算比值差和相位差的分布及样本直方图；
评定模块，用于根据比值差和相位差的分布及样本直方图，计算电子式互感器校验仪微差法溯源测量系统的标准不确定度和扩展不确定度。
在一个实施例中，本发明实施例还提供了一种电子设备，如图3所示，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行如上述各实施例所述MCM电子式互感器校验仪溯源不确定度评定方法的步骤。例如包括：
S100，构建电子式互感器校验仪微差法溯源测量系统，确定电子式互感器校验仪微差法溯源测量系统的量值指标，分析各量值指标引入的不确定度评定分量，建立比值差和相位差的测量模型；
S200，以各不确定度评定分量的统计分布特性为依据，采用动态调整步长的果蝇改进优化算法，确定各不确定度评定分量的最优抽样次数；
S300，以比值差和相位差各自对应的不确定度评定分量的统计分布特性为依据，基于梅森旋转算法的伪随机数生成技术，对各不确定度评定分量分别进行最优抽样次数的抽样，统计比值差和相位差各自对应不确定度评定分量的样本直方图，结合比值差和相位差的测量模型，计算比值差和相位差的分布及样本直方图；
S400，根据比值差和相位差的分布及样本直方图，计算电子式互感器校验仪微差法溯源测量系统的标准不确定度和扩展不确定度。
在一个实施例中，本发明实施例还提供一种非暂态计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序包含至少一段代码，该至少一段代码可由主控设备执行，以控制主控设备用以实现如上述各实施例所述MCM电子式互感器校验仪溯源不确定度评定方法的步骤。例如包括：
S100，构建电子式互感器校验仪微差法溯源测量系统，确定电子式互感器校验仪微差法溯源测量系统的量值指标，分析各量值指标引入的不确定度评定分量，建立比值差和相位差的测量模型；
S200，以各不确定度评定分量的统计分布特性为依据，采用动态调整步长的果蝇改进优化算法，确定各不确定度评定分量的最优抽样次数；
S300，以比值差和相位差各自对应的不确定度评定分量的统计分布特性为依据，基于梅森旋转算法的伪随机数生成技术，对各不确定度评定分量分别进行最优抽样次数的抽样，统计比值差和相位差各自对应不确定度评定分量的样本直方图，结合比值差和相位差的测量模型，计算比值差和相位差的分布及样本直方图；
S400，根据比值差和相位差的分布及样本直方图，计算电子式互感器校验仪微差法溯源测量系统的标准不确定度和扩展不确定度。
需要说明的是，在上述实施例中，对各实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照本发明实施例提供的方法、设备（系统）、和计算机程序产品的流程图和/或方框图来描述。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、嵌入式计算机或者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。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (7)

1.一种MCM电子式互感器校验仪溯源不确定度评定方法，其特征在于，包括：
S100，构建电子式互感器校验仪微差法溯源测量系统，确定电子式互感器校验仪微差法溯源测量系统的量值指标，分析各量值指标引入的不确定度评定分量，建立比值差和相位差的测量模型；
S200，以各不确定度评定分量的统计分布特性为依据，采用动态调整步长的果蝇改进优化算法，确定各不确定度评定分量的最优抽样次数；S200具体包括：
1）参数初始化：初始化果蝇群体规模M；最大迭代次数N，随机选取果
果蝇群体的位置
Figure 144772DEST_PATH_IMAGE001
和
Figure 916419DEST_PATH_IMAGE002
；
2）计算果蝇个体利用嗅觉搜寻食物的随机方向与距离：
Figure 929374DEST_PATH_IMAGE003
RandValue为搜索距离；x i、y i为定义的随机方向；
3）估计各果蝇个体到原点的距离di和其味道浓度判定值si；
Figure 811880DEST_PATH_IMAGE004
4）将浓度判定值s i 代入适应度函数Uk, 求出各果蝇个体位置的味道浓度Smelli；
Figure 725216DEST_PATH_IMAGE005
上式中：
Figure 667764DEST_PATH_IMAGE006
为第k个输入量经过J j 次迭代之后的样本均值，
Figure 105698DEST_PATH_IMAGE007
为第k个输入量经过J j-1次迭代之后的样本均值，其中k=1，2，3，4，代表4个不确定度评定分量；其中，输入量是不确定度评定分量；
5）找出该果蝇群体中味道浓度最优的果蝇,其就是最优个体，并记录位置；
Figure 588632DEST_PATH_IMAGE008
6)根据最优味道浓度值和其位置，果蝇群体利用视觉向此位置飞去；
7)进行迭代寻优，此时果蝇群体位置为下一次迭代寻优的初始位置，判断味道浓度是否达到最佳水平，判定条件如下式所示；若是，则执行步骤6)，否则，继续执行步骤2）到步骤5），直到满足最大迭代次数；
Figure 61202DEST_PATH_IMAGE009
其中，δ为数值容差，J j 、J j-1为抽样次数；当样本满足上式的精度时，对应的J j 为最佳抽样次数，用JOP表示；
8）根据寻优次数和浓度变化率的大小动态调整步长：
Figure 174652DEST_PATH_IMAGE010
其中，N为最大迭代次数，J j 为当前迭代次数，l为第 J j 代的最优味道浓度的变化率，α和β为设定的权重系数，SL 0为步长的初值；
基于果蝇优化算法，得到最优味道浓度值和其位置，最优味道浓度值对应的J j 为最优抽样次数；
S300，以比值差和相位差各自对应的不确定度评定分量的统计分布特性为依据，基于梅森旋转算法的伪随机数生成技术，对各不确定度评定分量分别进行最优抽样次数的抽样，统计比值差和相位差各自对应不确定度评定分量的样本直方图，结合比值差和相位差的测量模型，计算比值差和相位差的分布及样本直方图；
S400，根据比值差和相位差的分布及样本直方图，计算电子式互感器校验仪微差法溯源测量系统的标准不确定度和扩展不确定度。
2.根据权利要求1所述的MCM电子式互感器校验仪溯源不确定度评定方法，其特征在于，步骤100中，构建电子式互感器校验仪微差法溯源测量系统，确定电子式互感器校验仪微差法溯源测量系统的量值指标，分析各量值指标引入的不确定度评定分量，具体包括：
将电子式互感器校验仪微差法溯源测量系统的测量结果表现出的偏移、线性、重复性、分辨力、复现性、稳定性作为6个量值指标；
通过对6个量值指标进行分析，得出以示值误差、重复性、复现性、稳定性4个分量作为系统不确定度评定分量。
3.根据权利要求2所述的MCM电子式互感器校验仪溯源不确定度评定方法，其特征在于，步骤100中，所述建立比值差和相位差的测量模型，具体包括：
通过下式的测量模型模拟出电子式互感器校验仪微差法溯源的测量系统的电压和电流比值差和相位差；
Figure 386507DEST_PATH_IMAGE013
式中， f、φ分别为电子式互感器校验仪微差法溯源测量系统的比值差、相位差， f’、φ’分别为比值差和相位差的示值，u fE 、u φE 为比值差和相位差的示值不确定度评定分量，u fr 、u φr 为比值差和相位差的重复性不确定度评定分量，u frd 、u φrd 分别为比值差和相位差的复现性不确定度评定分量，u fst 、u φst 分别为比值差和相位差的稳定性不确度分量。
4.根据权利要求1所述的MCM电子式互感器校验仪溯源不确定度评定方法，其特征在于，步骤S400具体包括：
以比值差和相位差各自对应的平均值为输出量的估计值，比值差和相位差各自对应的标准差为电子式互感器校验仪微差法溯源测量系统的标准不确定度，如下式所示：
Figure 448004DEST_PATH_IMAGE014
式中，x r 为抽样JOP次的输出，
Figure 732355DEST_PATH_IMAGE016
为的平均值，u(x)为标准差；
由输出估计样本的近似对称分布，可求出扩展不确定度U为：
Figure 207198DEST_PATH_IMAGE017
式中，x’为x r 经过升序重排后的新序列，p为置信概率。
5.一种MCM电子式互感器校验仪溯源不确定度评定系统，其特征在于，包括：
模型构建模块，用于构建电子式互感器校验仪微差法溯源测量系统，确定电子式互感器校验仪微差法溯源测量系统的量值指标，分析各量值指标引入的不确定度评定分量，建立比值差和相位差的测量模型；
MCM评定次数自适应寻优模块，用于以各不确定度评定分量统计分布特性为依据，采用动态调整步长的果蝇改进优化算法，确定各不确定度评定分量的最优抽样次数；具体包括：
1）参数初始化：初始化果蝇群体规模M；最大迭代次数N，随机选取果
果蝇群体的位置
Figure 235197DEST_PATH_IMAGE001
和
Figure 416780DEST_PATH_IMAGE018
；
2）计算果蝇个体利用嗅觉搜寻食物的随机方向与距离：
Figure 170235DEST_PATH_IMAGE003
RandValue为搜索距离；x i、y i为定义的随机方向；
3）估计各果蝇个体到原点的距离di和其味道浓度判定值si；
Figure 70057DEST_PATH_IMAGE019
4）将浓度判定值s i 代入适应度函数Uk, 求出各果蝇个体位置的味道浓度Smelli；
Figure 636168DEST_PATH_IMAGE005
上式中：
Figure 153DEST_PATH_IMAGE006
为第k个输入量经过J j 次迭代之后的样本均值，
Figure 360727DEST_PATH_IMAGE007
为第k个输入量经过J j-1次迭代之后的样本均值，其中k=1，2，3，4，代表4个不确定度评定分量；其中，输入量是不确定度评定分量；
5）找出该果蝇群体中味道浓度最优的果蝇,其就是最优个体，并记录位置；
Figure 747846DEST_PATH_IMAGE008
6)根据最优味道浓度值和其位置，果蝇群体利用视觉向此位置飞去；
7)进行迭代寻优，此时果蝇群体位置为下一次迭代寻优的初始位置，判断味道浓度是否达到最佳水平，判定条件如下式所示；若是，则执行步骤6)，否则，继续执行步骤2）到步骤5），直到满足最大迭代次数；
Figure 179965DEST_PATH_IMAGE009
其中，δ为数值容差，J j 、J j-1为抽样次数；当样本满足上式的精度时，对应的J j 为最佳抽样次数，用JOP表示；
8）根据寻优次数和浓度变化率的大小动态调整步长：
Figure 70560DEST_PATH_IMAGE010
其中，N为最大迭代次数，J j 为当前迭代次数，
Figure 867615DEST_PATH_IMAGE012
为第 J j 代的最优味道浓度的变化率，α和β为设定的权重系数，SL 0为步长的初值；
基于果蝇优化算法，得到最优味道浓度值和其位置，最优味道浓度值对应的J j 为最优抽样次数；
比值差和相位差统计模块，用于以比值差和相位差各自对应的不确定度评定分量的统计分布特性为依据，基于梅森旋转算法的伪随机数生成技术，对各不确定度评定分量分别进行最优抽样次数的抽样，统计比值差和相位差各自对应不确定度评定分量的样本直方图，结合比值差和相位差的测量模型，计算比值差和相位差的分布及样本直方图；
评定模块，用于根据比值差和相位差的分布及样本直方图，计算电子式互感器校验仪微差法溯源测量系统的标准不确定度和扩展不确定度。
6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述MCM电子式互感器校验仪溯源不确定度评定方法的步骤。
7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4任一项所述MCM电子式互感器校验仪溯源不确定度评定方法的步骤。
CN202210386276.2A 2022-04-13 2022-04-13 Mcm电子式互感器校验仪溯源不确定度评定方法及系统 Active CN114487976B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210386276.2A CN114487976B (zh) 2022-04-13 2022-04-13 Mcm电子式互感器校验仪溯源不确定度评定方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210386276.2A CN114487976B (zh) 2022-04-13 2022-04-13 Mcm电子式互感器校验仪溯源不确定度评定方法及系统

Publications (2)

Publication Number Publication Date
CN114487976A CN114487976A (zh) 2022-05-13
CN114487976B true CN114487976B (zh) 2022-07-08

Family

ID=81488888

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210386276.2A Active CN114487976B (zh) 2022-04-13 2022-04-13 Mcm电子式互感器校验仪溯源不确定度评定方法及系统

Country Status (1)

Country Link
CN (1) CN114487976B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117150386B (zh) * 2023-10-31 2024-02-06 江西省气象探测中心 基于自适应的湿度传感器测量不确定度的评定方法及装置
CN117949692B (zh) * 2024-03-27 2024-05-31 江西省气象探测中心 一种光电型杯式风速仪的测量不确定度的评定方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9638821B2 (en) * 2014-03-20 2017-05-02 Lockheed Martin Corporation Mapping and monitoring of hydraulic fractures using vector magnetometers
CN105068035B (zh) * 2015-08-28 2018-04-13 重庆拉姆达信息技术有限公司 一种电压互感器误差水平动态检测方法及系统
CN105487034A (zh) * 2016-01-25 2016-04-13 云南电网有限责任公司电力科学研究院 一种0.05级电子式互感器校验方法及系统
CN106324552A (zh) * 2016-08-26 2017-01-11 国家电网公司 互感器接入式三相智能电表自动检定流水线的监测方法
CN111551887A (zh) * 2020-05-29 2020-08-18 武汉华瑞智深电气技术有限公司 一种多维度识别电压互感器计量性能在线监测平台

Also Published As

Publication number Publication date
CN114487976A (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
CN114487976B (zh) Mcm电子式互感器校验仪溯源不确定度评定方法及系统
Methot Jr et al. Adjusting for bias due to variability of estimated recruitments in fishery assessment models
Makowski et al. A new method to analyse relationships between yield components with boundary lines
Harrell et al. Resampling, validating, describing, and simplifying the model
Littlewood et al. Effects of data time-step on the accuracy of calibrated rainfall–streamflow model parameters: practical aspects of uncertainty reduction
Stenbakken et al. Developing linear error models for analog devices
CN115859195A (zh) 一种基于随机森林算法模型的河道水质指标软测量方法
CN116467849A (zh) 核仪表系统指示信号的量化方法、装置、设备和存储介质
CN115524658B (zh) 电能表运行误差确定方法及装置
CN117308838A (zh) 超声测厚系统的回波次数获取方法、装置、介质及设备
CN114567386B (zh) 高精度信道群时延特性拟合与模拟实现方法、系统、存储介质及通信系统
CN114490412A (zh) 基于自减逆向云发生器的三维cad软件性能度量方法及装置
CN108710987A (zh) 指标决策方法
Cacuci et al. On the evaluation of discrepant scientific data with unrecognized errors
CN111695501B (zh) 一种基于操作系统内核调用数据的设备软故障检测方法
CN101672664B (zh) 一种变值系统误差检测系统及其检测方法
CN109858699B (zh) 水质定量模拟方法、装置、电子设备及存储介质
CN116507887A (zh) 用于校准测量装置的方法
Bobb et al. Package ‘bkmr’
Jaworski et al. Determination of measurement uncertainty by a Monte Carlo method for an RF power sensor calibration system using a VNA
CN118330118B (zh) 一种色谱信号峰偏移对齐方法、装置和设备
CN113705857A (zh) 一种考虑多因素的智能电能表计量精度优化方法及系统
Yurov Quality assessment of verification methodologies and verification procedures
Brand The use of stochastic collocation for sampling from expensive distributions with applications in finance
CN117521460A (zh) 一种考虑环境扰动不确定性的贝叶斯有限元模型修正方法

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