CN114529023A - 一种台区智能电能表的智慧型周期轮换方法 - Google Patents
一种台区智能电能表的智慧型周期轮换方法 Download PDFInfo
- Publication number
- CN114529023A CN114529023A CN202210144369.4A CN202210144369A CN114529023A CN 114529023 A CN114529023 A CN 114529023A CN 202210144369 A CN202210144369 A CN 202210144369A CN 114529023 A CN114529023 A CN 114529023A
- Authority
- CN
- China
- Prior art keywords
- electric
- meter
- line loss
- error
- electric quantity
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2291—User-Defined Types; Storage management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明提供了一种台区智能电能表的智慧型周期轮换方法,包括以下步骤:S1:电表失准阈值P设置:人为设定电表失准比例,作为电表失准阈值;S2:待测台区信息获取及处理;S3:台区匹配:获取该台区的台区编号、运行环境、累计运行时间T、累计超差电表t,台区总表数m;S4:超差电表计算;S5:更新累计超差电表数量;S6:更新累计运行时间T;S7:判断台区累计超差电表比例是否达到失准阈值;S8:更换阈值输出。应用本技术方案可以将不同运行年限下的历史电量数据导入数据库,计算并分析该环境下电表误差失准比例,对临界超差电表进行预警,为电能表到期轮换提供重要参考。
Description
技术领域
本发明涉及电能计量技术领域,特别是一种台区智能电能表的智慧型周期轮换方法。
背景技术
现阶段我国在运智能电表数量已达到2亿之多。随之而来的是每年有几千万的智能电表面临拆回检定的问题,而国网公司统招的智能电能表寿命为10年,大量电能表没到寿命周期也未失准就要更换,这将导致每年百亿级专项资金浪费以及无法预计的换表停电损失与优质供电服务影响;并且带来周期检定后对电子式电能表使用周期如何界定的管理与技术难题。因此,实现智能电表周期轮换到智慧型轮换的转变迫在眉睫。
针对以上问题,大量专家学者对此进行研究。然而,现阶段的技术为人工抽样检测电表。这种做法不仅存在覆盖面积小、效率低、人力成本高等缺点,而且还无法对电表的大致寿命做出估计,进而无法实现智能电表的智慧型周期轮换。
现有技术为周期轮换,即电表到达预定运行时间便拆回检定,无法准确估计出智能电表的临界失准时间。大量可靠运行的智能电表都面临拆回检定问题,而拆回检定的电表一般都不再使用。这将产生大量的电子垃圾和资源浪费。
发明内容
有鉴于此,本发明的目的在于提供一种台区智能电能表的智慧型周期轮换方法,通过上述方法可以将不同运行年限下的历史电量数据导入数据库,计算并分析该环境下电表误差失准比例,对临界超差电表进行预警,为电能表到期轮换提供重要参考。
为实现上述目的,本发明采用如下技术方案:一种台区智能电能表的智慧型周期轮换方法,包括以下步骤:
S1:电表失准阈值P设置:人为设定电表失准比例,作为电表失准阈值;
S2:待测台区信息获取及处理:获取台区类别、用户编号、电表编号、采集日期、综合倍率、电表日电量计量值;
S3:台区匹配:获取该台区的台区编号、运行环境、累计运行时间T、累计超差电表t,台区总表数m;
S4:超差电表计算:利用改进的动态线损估计及递推最小二乘法算法估计电表误差,并统计本次计算结果中的超差电表数量i;
S5:更新累计超差电表数量;
S6:更新累计运行时间T;
S7:判断台区累计超差电表比例是否达到失准阈值,若达到,则执行S8;若未达到,则本次计算结束,并将计算的结果保存在数据库中;
S8:更换阈值输出:当累计超差电表比例达到阈值时,提醒更换并将其运行年限作为该类电表更换年限参考值。
在一较佳的实施例中,采集的电量数据中存在一些缺失、重复、异常的无效数据;此外,不同用电水平的电量数据对算法检测存在影响;因此,需要对这些数据进行处理,S2具体步骤如下:
S21:数据剔除:剔除数据样本中日电量为0的样本以及日电量异常样本;
S22:数据标记,通过聚类算法将电表分为分成大负载,即日平均用电量大于30度,标记为“1”;以及一般负载,标记为“2”;以及轻负载,即日平均用电量小于1度,标记为“3”。
在一较佳的实施例中,在进行超差电表计算时,需要对台区电表进行误差估计,S4具体步骤如下:
S41:输入初始固定损耗值Qg(0)、初始线损率γB,电量样本数N;
S42:估计各样本线损率;
S43:获取扣除线损率、固定损耗后的各样本总表电量W(i);
S44:采用递推最小二乘法计算电表误差,并获取失准电表编号以误差系数;
S42中,具体线损估计步骤如下:
S421:采集待测台区总表电量值
S422:设定初始线损率、固定损耗值;
初始线损率的选取与台区的类型有关,其中,工业类型台区初始线损率的设置范围为(2.4%-3.1%);商业类型台区初始线损率设置范围为(3.3%-3.8%);居民台区的初始线损率设置范围为(1.5%-2.6%);固定损耗的设置范围为(0-0.1)KWh;
S423:估计待测台区权力电量数据的线损率;
具体的计算公式如下:
式中,γi为第i天的估计线损率,Qi为第i天的总电量,γB为初始线损率、QB为初始总电量。
在一较佳的实施例中,S43中,具体的电表误差在线估计方法如下:
首先,根据电量守恒原理,可以列写出下式:
其中,Qz为总表电量,Qi、δi分别为分表i的表计电量和近似误差系数,Qg为固定损耗电量,γ为台区线损率,m为分表数量;
当采集n笔的数据(n>m)时,将S41步骤估计出来的线损率、固定损耗带入上式,形成最终的估计方程组如下:
式中,Qi(j)为第i天第j块电表的电能计量值,QZi为第i天的总表电量;通过带遗忘因子的递推最小二乘求解式(3)所示方程组即可获取电表误差估计结果;递推公式如下:
式中,K(k)为第k次增益;P(k)为第k次分电表向量自相关矩阵的逆矩阵;P(k-1)为第k-1次分电表向量自相关矩阵的逆矩阵;φ(k)为第k次的分电表电量向量,φT(k)为第k次的分电表电量向量的转置,Y(k)为第k次总电量实际值,为第k次总电量预测值;e(k)第k次预测误差;为第k次参数估计值,为第k-1次参数估计值;λ为遗忘因子,取值在(0,1]之间;λ越小,新数据所占权重越大,对旧数据遗忘的越多;误差参数辨识的灵敏度上升,算法能快速适应电表误差参数的变化,但对随机误差也更敏感;因此,在实际运用中需要综合考虑快速自适应参数变化的能力与估计精度损失两方面。
与现有技术相比,本发明具有以下有益效果:
本申请提案可以实现台区电表的误差估计,并累计台区超差电表数量,当累计的超差电表达到一定的比例时,发出警报,提醒工作人员进行电表轮换。此外,记录该批电表的累计运行时间作为同类型运行条件下智能电表的运行年限阈值,从而给出合理的参考轮换时间。相比于传统方法,本方法可以选取出更为符合实际运行电表的轮换年限,从而大大提高电表的利用率,减少电子垃圾的产生。此外,本方法还可以根据电表运行条件灵活选取不同的参考运行年限,更加合理的提供电表轮换指导,实现智能电表的智慧行轮换。
附图说明
图1为本发明优选实施例的一种台区智能电能表的智慧型周期轮换方法的实现流程图;
图2为本发明优选实施例的一种台区智能电能表的智慧型周期轮换方法的S4部分流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式;如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
一种台区智能电能表的智慧型周期轮换方法,参考图1至2,包括以下步骤:
S1:电表失准阈值P设置:人为设定电表失准比例,作为电表失准阈值。
S2:待测台区信息获取及处理:获取台区类别、用户编号、电表编号、采集日期、综合倍率、电表日电量计量值。
S3:台区匹配:获取该台区的台区编号、运行环境、累计运行时间T、累计超差电表t,台区总表数m,图1中,αi为第i个电表的计算误差。
S4:超差电表计算:利用改进的动态线损估计及递推最小二乘法算法估计电表误差,并统计本次计算结果中的超差电表数量i。
S5:更新累计超差电表数量。
S6:更新累计运行时间T。
S7:判断台区累计超差电表比例是否达到失准阈值,若达到,则执行S8;若未达到,则本次计算结束,并将计算的结果保存在数据库中。
S8:更换阈值输出:当累计超差电表比例达到阈值时,提醒更换并将其运行年限作为该类电表更换年限参考值。
采集的电量数据中存在一些缺失、重复、异常的无效数据。此外,不同用电水平的电量数据对算法检测存在影响。因此,需要对这些数据进行处理,S2具体步骤如下:
S21:数据剔除:剔除数据样本中日电量为0的样本以及日电量异常样本。
S22:数据标记,通过聚类算法将电表分为分成大负载(日平均用电量大于30度,标记为“1”)、一般负载(标记为“2”)和轻(空)负载(日平均用电量小于1度,标记为“3”)三类。
在进行超差电表计算时,需要对台区电表进行误差估计,S4具体步骤如下:
S41:输入初始固定损耗值Qg(0)、初始线损率γB,电量样本数N。
S42:估计各样本线损率。
S43:获取扣除线损率、固定损耗后的各样本总表电量W(i)。
S44:采用递推最小二乘法计算电表误差,并获取失准电表编号以误差系数。
S42中,具体线损估计步骤如下:
S421:采集待测台区总表电量值
S422:设定初始线损率、固定损耗值。
初始线损率的选取与台区的类型有关,其中,工业类型台区初始线损率的设置范围为(2.4%-3.1%);商业类型台区初始线损率设置范围为(3.3%-3.8%);居民台区的初始线损率设置范围为(1.5%-2.6%)。固定损耗的设置范围为(0-0.1)KWh。
S423:估计待测台区权力电量数据的线损率。
具体的计算公式如下:
式中,γi为第i天的估计线损率,Qi为第i天的总电量,γB为初始线损率、QB为初始总电量。
S43中,具体的电表误差在线估计方法如下:
首先,根据电量守恒原理,可以列写出下式:
其中,Qz为总表电量,Qi、δi分别为分表i的表计电量和近似误差系数,Qg为固定损耗电量,γ为台区线损率,m为分表数量。
当采集n笔的数据(n>m)时,将S41步骤估计出来的线损率、固定损耗带入上式,形成最终的估计方程组如下:
式中,Qi(j)为第i天第j块电表的电能计量值,QZi为第i天的总表电量。通过带遗忘因子的递推最小二乘求解式(3)所示方程组即可获取电表误差估计结果。递推公式如下:
式中,K(k)为第k次增益;P(k)为第k次分电表向量自相关矩阵的逆矩阵;P(k-1)为第k-1次分电表向量自相关矩阵的逆矩阵;φ(k)为第k次的分电表电量向量,φT(k)为第k次的分电表电量向量的转置,Y(k)为第k次总电量实际值,为第k次总电量预测值;e(k)第k次预测误差;为第k次参数估计值,为第k-1次参数估计值;λ为遗忘因子,取值在(0,1]之间;λ越小,新数据所占权重越大,对旧数据遗忘的越多;误差参数辨识的灵敏度上升,算法能快速适应电表误差参数的变化,但对随机误差也更敏感;因此,在实际运用中需要综合考虑快速自适应参数变化的能力与估计精度损失两方面。
最后,将待测台区失准电表数、运行时间、环境类型、台区类型等数据保存在台区管理中。当该台区失准电表数达到一定比例,即为该类型台区电表运行年限参考阈值。
通过上述方法可以将不同运行年限下的历史电量数据导入数据库,计算并分析该环境下电表误差失准比例,对临界超差电表进行预警,为电能表到期轮换提供重要参考。
本提案可以根据电表运行环境选取出合理的轮换阈值,克服呆板、固定不变的智能电表8年轮换周期,从而实现智慧型智能电表周期轮换,提高资源利用率。本提案可以在线实现智能电表误差估计,并累计超差电表数量,克服了传统抽样检测方法需要人工现场检测的缺点。本提案具有高效率、全覆盖的超差电表检测的优点。
Claims (4)
1.一种台区智能电能表的智慧型周期轮换方法,其特征在于包括以下步骤:
S1:电表失准阈值P设置:人为设定电表失准比例,作为电表失准阈值;
S2:待测台区信息获取及处理:获取台区类别、用户编号、电表编号、采集日期、综合倍率、电表日电量计量值;
S3:台区匹配:获取该台区的台区编号、运行环境、累计运行时间T、累计超差电表t,台区总表数m;
S4:超差电表计算:利用改进的动态线损估计及递推最小二乘法算法估计电表误差,并统计本次计算结果中的超差电表数量i;
S5:更新累计超差电表数量;
S6:更新累计运行时间T;
S7:判断台区累计超差电表比例是否达到失准阈值,若达到,则执行S8;若未达到,则本次计算结束,并将计算的结果保存在数据库中;
S8:更换阈值输出:当累计超差电表比例达到阈值时,提醒更换并将其运行年限作为该类电表更换年限参考值。
2.根据权利要求1所述的一种台区智能电能表的智慧型周期轮换方法,其特征在于,采集的电量数据中存在一些缺失、重复、异常的无效数据;此外,不同用电水平的电量数据对算法检测存在影响;因此,需要对这些数据进行处理,S2具体步骤如下:
S21:数据剔除:剔除数据样本中日电量为0的样本以及日电量异常样本;
S22:数据标记,通过聚类算法将电表分为分成大负载,即日平均用电量大于30度,标记为“1”;以及一般负载,标记为“2”;以及轻负载,即日平均用电量小于1度,标记为“3”。
3.根据权利要求2所述的一种台区智能电能表的智慧型周期轮换方法,其特征在于,在进行超差电表计算时,需要对台区电表进行误差估计,S4具体步骤如下:
S41:输入初始固定损耗值Qg(0)、初始线损率γB,电量样本数N;
S42:估计各样本线损率;
S43:获取扣除线损率、固定损耗后的各样本总表电量W(i);
S44:采用递推最小二乘法计算电表误差,并获取失准电表编号以误差系数;
S42中,具体线损估计步骤如下:
S421:采集待测台区总表电量值
S422:设定初始线损率、固定损耗值;
初始线损率的选取与台区的类型有关,其中,工业类型台区初始线损率的设置范围为(2.4%-3.1%);商业类型台区初始线损率设置范围为(3.3%-3.8%);居民台区的初始线损率设置范围为(1.5%-2.6%);固定损耗的设置范围为(0-0.1)KWh;
S423:估计待测台区权力电量数据的线损率;
具体的计算公式如下:
式中,γi为第i天的估计线损率,Qi为第i天的总电量,γB为初始线损率、QB为初始总电量。
4.根据权利要求3所述的一种台区智能电能表的智慧型周期轮换方法,其特征在于,S43中,具体的电表误差在线估计方法如下:
首先,根据电量守恒原理,可以列写出下式:
其中,Qz为总表电量,Qi、δi分别为分表i的表计电量和近似误差系数,Qg为固定损耗电量,γ为台区线损率,m为分表数量;
当采集n笔的数据(n>m)时,将S41步骤估计出来的线损率、固定损耗带入上式,形成最终的估计方程组如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210144369.4A CN114529023A (zh) | 2022-02-17 | 2022-02-17 | 一种台区智能电能表的智慧型周期轮换方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210144369.4A CN114529023A (zh) | 2022-02-17 | 2022-02-17 | 一种台区智能电能表的智慧型周期轮换方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114529023A true CN114529023A (zh) | 2022-05-24 |
Family
ID=81622151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210144369.4A Pending CN114529023A (zh) | 2022-02-17 | 2022-02-17 | 一种台区智能电能表的智慧型周期轮换方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114529023A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115169613A (zh) * | 2022-07-27 | 2022-10-11 | 云南电网有限责任公司 | 一种电表维护方案确定方法、装置、电子设备及存储介质 |
CN115542236A (zh) * | 2022-11-24 | 2022-12-30 | 北京志翔科技股份有限公司 | 电能表运行误差估计方法及装置 |
-
2022
- 2022-02-17 CN CN202210144369.4A patent/CN114529023A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115169613A (zh) * | 2022-07-27 | 2022-10-11 | 云南电网有限责任公司 | 一种电表维护方案确定方法、装置、电子设备及存储介质 |
CN115542236A (zh) * | 2022-11-24 | 2022-12-30 | 北京志翔科技股份有限公司 | 电能表运行误差估计方法及装置 |
CN115542236B (zh) * | 2022-11-24 | 2023-06-06 | 北京志翔科技股份有限公司 | 电能表运行误差估计方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022110558A1 (zh) | 一种智能电能表故障预警方法及装置 | |
CN114529023A (zh) | 一种台区智能电能表的智慧型周期轮换方法 | |
CN111445060B (zh) | 一种社区碳排放监测和预测系统及方法 | |
CN110471024B (zh) | 一种基于量测数据分析的智能电表在线远程校验方法 | |
CN102402726B (zh) | 一种基于区域负荷分析的大规模配电网电力电量预测方法 | |
CN107123982B (zh) | 一种基于设备异动的配电网可靠性经济效益分析方法 | |
CN111948596B (zh) | 基于多时间尺度的台区电能表误差在线检测方法和系统 | |
CN107748972A (zh) | 一种基于双能源指标预测全社会用电量的方法 | |
CN105184388A (zh) | 一种城市电力负荷短期预测的非线性回归方法 | |
Liu et al. | Real-time corporate carbon footprint estimation methodology based on appliance identification | |
CN102509173A (zh) | 一种基于马尔科夫链的电力系统负荷准确预测方法 | |
CN114372360A (zh) | 用于电力负荷预测的方法、终端及存储介质 | |
KR20180130945A (ko) | 에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템 | |
CN116632838B (zh) | 应用于发电企业的电能供给分析的方法及装置 | |
WO2021082612A1 (zh) | 一种配电台区负荷预测方法及装置 | |
CN111950794A (zh) | 园区能耗预测方法,系统、设备和存储介质 | |
CN115079081A (zh) | 基于用电量数据的智能电表计量异常识别方法及装置 | |
Du et al. | Prediction of electricity consumption based on GM (1, Nr) model in Jiangsu province, China | |
CN110533247B (zh) | 一种采用气温数据异常点补偿的月度用电量预测方法 | |
Mengying et al. | Monthly electricity forecast based on electricity consumption characteristics analysis and multiple effect factors | |
CN113642248B (zh) | 定位设备剩余使用时间的评估方法及装置 | |
Ye et al. | Method for solving electric energy meter error of low-voltage station based on big data | |
CN114662563A (zh) | 一种基于梯度提升算法的工业用电非侵入负荷分解方法 | |
Hou et al. | A novel algorithm for multi-node load forecasting based on big data of distribution network | |
Sotiropoulos et al. | Modeling of electricity load for forward contract pricing |
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 |