CN115616473A - 超差电能表的识别方法、装置、设备和存储介质 - Google Patents
超差电能表的识别方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN115616473A CN115616473A CN202211534193.XA CN202211534193A CN115616473A CN 115616473 A CN115616473 A CN 115616473A CN 202211534193 A CN202211534193 A CN 202211534193A CN 115616473 A CN115616473 A CN 115616473A
- Authority
- CN
- China
- Prior art keywords
- electric energy
- fitting residual
- noise reduction
- fitting
- energy meter
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005070 sampling Methods 0.000 claims description 54
- 238000012545 processing Methods 0.000 claims description 45
- 238000012360 testing method Methods 0.000 claims description 26
- 238000009499 grossing Methods 0.000 claims description 25
- 239000000126 substance Substances 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 5
- 238000011946 reduction process Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种超差电能表的识别方法、装置、设备和存储介质,属于电能计量技术领域,该方法包括:获取台区中多个电能表的数据;基于所述多个电能表的数据,确定失准模型的拟合残差;对所述拟合残差进行平滑降噪处理,得到降噪处理后的拟合残差;基于降噪处理后的拟合残差,识别所述多个电能表中的超差电能表。上述方案中超差电能表的识别的准确性较高。
Description
技术领域
本发明涉及电能计量技术领域,尤其涉及一种超差电能表的识别方法、装置、设备和存储介质。
背景技术
智能电能表性能直接影响着电量计量的准确性,而超差电能表监测系统就是将运行中的电能表存在不符合要求的即超差的检测出来,方便电网公司及时更换以最大程度降低损失。
现有的超差电能表监测系统主要是在获取台区下总表和所有用户电能表一段时间内的电量以及电压等数据后,根据能量守恒定理构建线损模型并求解,最后得到每个电能表的误差系数,判定误差系数大于给定超差值的电能表即为超差表。但是由于拟合残差噪声的存在,使得检测结果的准确性较低。
发明内容
本发明提供一种超差电能表的识别方法、装置、设备和存储介质,用以解决现有技术中准确性较低的缺陷,实现准确性较高的超差电能表的识别方法。
本发明提供一种超差电能表的识别方法,包括:
获取台区中多个电能表的数据;
基于所述多个电能表的数据,确定失准模型的拟合残差;
对所述拟合残差进行平滑降噪处理,得到降噪处理后的拟合残差;
基于降噪处理后的拟合残差,识别所述多个电能表中的超差电能表。
根据本发明提供的一种超差电能表的识别方法,所述对所述拟合残差进行平滑降噪处理,得到降噪处理后的拟合残差,包括:
对所述拟合残差进行至少两次m点平滑降噪处理,得到所述降噪处理后的拟合残差;m为大于1的整数,所述电能表的数据包括n个采样时段的数据。
根据本发明提供的一种超差电能表的识别方法,所述基于所述多个电能表的数据,确定失准模型的拟合残差,包括:
利用如下公式(1)确定所述拟合残差:
其中,为所述多个电能表中台区总表第个采样时段的供电量计量值;为所述多个电能表中分表在第个采样时段的用电量,为分表的相对误差,为台区总表的相对误差,为所述多个电能表中分表总个数,为常数,为
台区第个采样时段的线路损耗。
根据本发明提供的一种超差电能表的识别方法,所述电能表的数据包括测试时段的数据和参考时段的数据,所述测试时段和所述参考时段分别包括多个采样时段,所述基于降噪处理后的拟合残差,识别所述多个电能表中的超差电能表,包括:
针对所述多个电能表中任一分表,基于降噪处理后的拟合残差,确定所述测试时段的第一拟合残差均方根,以及所述参考时段的第二拟合残差均方根;
基于所述第一拟合残差均方根与所述第二拟合残差均方根的差值,确定目标差值;
将所有分表中目标差值最小的电能表确定为超差表。
根据本发明提供的一种超差电能表的识别方法,所述基于降噪处理后的拟合残差,确定所述测试时段的第一拟合残差均方根,包括:
所述基于所述第一拟合残差均方根与所述第二拟合残差均方根的差值,确定目标差值,包括:
根据本发明提供的一种超差电能表的识别方法,所述对所述拟合残差进行至少两次m点平滑降噪处理,包括:
利用如下公式(2)对所述拟合残差进行m点平滑降噪处理:
利用如下公式(3)对第一次平滑降噪处理后的拟合残差进行m点平滑降噪处理:
根据本发明提供的一种超差电能表的识别方法,所述基于降噪处理后的拟合残差,确定所述测试时段的第一拟合残差均方根,包括:
利用如下公式(4)确定所述第一拟合残差均方根:
本发明还提供一种超差电能表的识别装置,包括:
获取模块,用于获取台区中多个电能表的数据;
处理模块,用于基于所述多个电能表的数据,确定失准模型的拟合残差;
所述处理模块,还用于对所述拟合残差进行平滑降噪处理,得到降噪处理后的拟合残差;
所述处理模块,还用于基于降噪处理后的拟合残差,识别所述多个电能表中的超差电能表。
本发明还提供一种电子设备,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上述任一种所述超差电能表的识别方法。
本发明还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上述任一种所述超差电能表的识别方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述超差电能表的识别方法。
本发明提供的超差电能表的识别方法、装置、设备和存储介质,基于台区中多个电能表的数据,确定失准模型的拟合残差;对所述拟合残差进行平滑降噪处理,得到降噪处理后的拟合残差,从而消除拟合残差噪声对超差电能表识别的影响,基于降噪处理后的拟合残差,识别多个电能表中的超差电能表,准确性较高。
附图说明
为了更清楚地说明本发明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是本发明提供的超差电能表的识别方法的流程示意图之一;
图2是本发明提供的超差电能表的识别方法的台区拓扑示意图;
图3是本发明提供的超差电能表的识别装置的结构示意图;
图4是本发明提供的电子设备的结构示意图。
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,下面将结合本发明中的附图,对本发明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。
下面结合图1-图4具体的实施例对本发明实施例的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1是本发明提供的超差电能表的识别方法的流程示意图之一。如图1所示,本实施例提供的方法,包括:
步骤101、获取台区中多个电能表的数据;
具体的,台区中包括多个电能表,一般会采集记录电能表的电压、电流、电量等数据,因此可以获取到多个电能表的数据,确定失准模型参数。
步骤102、基于多个电能表的数据,确定失准模型的拟合残差;
具体的,例如可以利用能量守恒定理,构建失准模型。
可以基于多个电能表的数据,利用如下公式(1)构建失准模型;
其中,为所述多个电能表中台区总表第个采样时段的供电量计量值;为所述多个电能表中分表在第个采样时段的用电量,为分表的相对误差,为台区总表的相对误差,为所述多个电能表中分表总个数,为常数,为台
区第个采样时段的线路损耗。
例如,采样时段可以以天为单位。
步骤103、对拟合残差进行平滑降噪处理,得到降噪处理后的拟合残差;
具体的,对拟合残差进行平滑降噪处理,减少拟合残差噪声对识别结果的影响。例如,采用平均滤波、加权平均等降噪处理。
步骤104、基于降噪处理后的拟合残差,识别多个电能表中的超差电能表。
具体的,基于降噪处理后的拟合残差,识别多个电能表中的超差电能表,例如针对分表可以对分表的用电量进行调整,计算多个采样时段的拟合残差均方根,基于拟合残差均方根的大小,识别超差电能表。
本实施例的方法,基于台区中多个电能表的数据,确定失准模型的拟合残差;对所述拟合残差进行平滑降噪处理,得到降噪处理后的拟合残差,从而消除拟合残差噪声对超差电能表识别的影响,基于降噪处理后的拟合残差,识别多个电能表中的超差电能表,准确性较高。
可选地,步骤103可以通过如下方式实现:
对拟合残差进行至少两次m点平滑降噪处理,得到降噪处理后的拟合残差;m为大于1的整数,所述电能表的数据包括n个采样时段的数据。
具体的,例如进行2次平滑降噪,第一次平滑降噪:对拟合残差进行m点平滑降噪,例如对前n-m个采样时段的拟合残差,分别向后取m个采样时段求其平均值;
第二次平滑降噪:对第一次降噪后的拟合残差进行m点平滑降噪,例如对前n-2m个采样时段的第一次降噪后的拟合残差,分别向后取m个采样时段求其平均值,得到每个采样时段降噪后的拟合残差。
上述实施方式中,通过对拟合残差进行至少两次m点平滑降噪处理,减少噪声对识别结果的影响,复杂度低,效率较高,而且使得最终的识别结果准确性较高。
需要说明的是,本发明实施例中仅以上述公式为例进行说明,失准模型还可以进行简单变形,例如乘以某个系数、加/减某些项,本发明实施例对此并不限定。
可选地,利用如下公式(2)对所述拟合残差进行m点平滑降噪处理:
利用如下公式(3)对第一次平滑降噪处理后的拟合残差进行m点平滑降噪处理:
具体的,利用公式(2)对前n-m个采样时段的拟合残差,分别向后取m个采样时段求其平均值,得到公式(2)所示的拟合残差;
利用公式(3)对前n-2m个采样时段的第一次降噪后的拟合残差,分别向后取m个采样时段求其平均值,得到如公式(3)所示的拟合残差。
上述实施方式中,利用求平均值进行平滑降噪,实现方式简单,复杂度较低。
可选地,电能表的数据包括测试时段的数据和参考时段的数据,测试时段和参考时段分别包括多个采样时段,步骤104可以通过如下方式实现:
针对多个电能表中任一分表,基于降噪处理后的拟合残差,确定所述测试时段的第一拟合残差均方根,以及所述参考时段的第二拟合残差均方根;
基于第一拟合残差均方根与第二拟合残差均方根的差值,确定目标差值;
将所有分表中目标差值最小的电能表确定为超差表。
具体的,电能表监测系统的多个采样时段,可以分为参考时段和测试时段,其中参考时段例如可以是时间靠前的长时段,测试时段可以为时间靠后的短时段,
即参考时段包括的采样时段的个数多于测试时段包括的采样时段的个数。
基于测试时段的第一拟合残差均方根与参考时段的第二拟合残差均方根的差值,确定目标差值,例如将测试时段的第一拟合残差均方根与参考时段的第二拟合残差均方根的差值的绝对值,作为目标差值,将所有分表中目标差值最小的电能表确定为超差表,即能够识别出误差较小的小超差电能表。
可选地,计算拟合残差均方根可以通过如下方式实现:
利用如下公式(4)确定所述第一拟合残差均方根:
选取一块用户电能表(即任一分表),以调整幅度集合空间中每个调整幅度分别对电能表的用电量(即公
式(5)中的)进行调整,然后分别计算测试时段台区的第一拟合残差均方根(计算拟
合残差均方根时P个分表中只调整一个分表的用电量),共个,记为,然后计算每个与参考时段的第二拟合残差均
方根的差值,利用如下公式,然后从找
到最小的值以及其对应的调整幅度。
上述实施方式中,通过对电能表的用电量进行调整,并计算拟合残差均方根,将该拟合残差均方根与未调整前的拟合残差均方根进行比较,计算差值,差值最小的即为超差表,通过对拟合残差降噪,提高了识别出误差较小的超差电能表的概率,识别结果较为准确。
下面对本发明提供的超差电能表的识别装置进行描述,下文描述的超差电能表的识别装置与上文描述的超差电能表的识别方法可相互对应参照。
图3本发明提供的超差电能表的识别装置的结构示意图。如图3示,本实施例提供的超差电能表的识别装置,包括:
获取模块210,用于获取台区中多个电能表的数据;
处理模块220,用于基于所述多个电能表的数据,确定失准模型的拟合残差;
所述处理模块220,还用于对所述拟合残差进行平滑降噪处理,得到降噪处理后的拟合残差;
所述处理模块220,还用于基于降噪处理后的拟合残差,识别所述多个电能表中的超差电能表。
可选地,处理模块220,具体用于:
对所述拟合残差进行至少两次m点平滑降噪处理,得到所述降噪处理后的拟合残差;m为大于1的整数,所述电能表的数据包括n个采样时段的数据。
可选地,处理模块220,具体用于:
利用如下公式(1)确定所述拟合残差:
其中,为所述多个电能表中台区总表第个采样时段的供电量计量值;为所述多个电能表中分表在第个采样时段的用电量,为分表的相对误差,为台区总表的相对误差,为所述多个电能表中分表总个数,为常数,为台
区第个采样时段的线路损耗。
可选地,所述电能表的数据包括测试时段的数据和参考时段的数据,所述测试时段和所述参考时段分别包括多个采样时段,处理模块220,具体用于:
针对所述多个电能表中任一分表,基于降噪处理后的拟合残差,确定所述测试时段的第一拟合残差均方根,以及所述参考时段的第二拟合残差均方根;
基于所述第一拟合残差均方根与所述第二拟合残差均方根的差值,确定目标差值;
将所有分表中目标差值最小的电能表确定为超差表。
可选地,处理模块220,具体用于:
可选地,处理模块220,具体用于:
利用如下公式(2)对所述拟合残差进行m点平滑降噪处理:
利用如下公式(3)对第一次平滑降噪处理后的拟合残差进行m点平滑降噪处理:
可选地,处理模块220,具体用于:
利用如下公式(4)确定所述第一拟合残差均方根:
本实施例的装置,可以用于执行前述方法实施例中任一实施例的方法,其具体实现过程与技术效果与方法实施例中相同,具体可以参见方法实施例中的详细介绍,此处不再赘述。
图4示例了一种电子设备的实体结构示意图,如图4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,以执行超差电能表的识别方法,该方法包括:获取台区中多个电能表的数据;
基于所述多个电能表的数据,确定失准模型的拟合残差;
对所述拟合残差进行平滑降噪处理,得到降噪处理后的拟合残差;
基于降噪处理后的拟合残差,识别所述多个电能表中的超差电能表。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的超差电能表的识别方法,该方法包括:
获取台区中多个电能表的数据;
基于所述多个电能表的数据,确定失准模型的拟合残差;
对所述拟合残差进行平滑降噪处理,得到降噪处理后的拟合残差;
基于降噪处理后的拟合残差,识别所述多个电能表中的超差电能表。
又一方面,本发明还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以执行上述各方法提供的超差电能表的识别方法,该方法包括:
获取台区中多个电能表的数据;
基于所述多个电能表的数据,确定失准模型的拟合残差;
对所述拟合残差进行平滑降噪处理,得到降噪处理后的拟合残差;
基于降噪处理后的拟合残差,识别所述多个电能表中的超差电能表。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种超差电能表的识别方法,其特征在于,包括:
获取台区中多个电能表的数据;
基于所述多个电能表的数据,确定失准模型的拟合残差;
对所述拟合残差进行平滑降噪处理,得到降噪处理后的拟合残差;
基于降噪处理后的拟合残差,识别所述多个电能表中的超差电能表。
2.根据权利要求1所述的超差电能表的识别方法,其特征在于,所述对所述拟合残差进行平滑降噪处理,得到降噪处理后的拟合残差,包括:
对所述拟合残差进行至少两次m点平滑降噪处理,得到所述降噪处理后的拟合残差;m为大于1的整数,所述电能表的数据包括n个采样时段的数据。
4.根据权利要求1-3任一项所述的超差电能表的识别方法,其特征在于,所述电能表的数据包括测试时段的数据和参考时段的数据,所述测试时段和所述参考时段分别包括多个采样时段,所述基于降噪处理后的拟合残差,识别所述多个电能表中的超差电能表,包括:
针对所述多个电能表中任一分表,基于降噪处理后的拟合残差,确定所述测试时段的第一拟合残差均方根,以及所述参考时段的第二拟合残差均方根;
基于所述第一拟合残差均方根与所述第二拟合残差均方根的差值,确定目标差值;
将所有分表中目标差值最小的电能表确定为超差表。
8.一种超差电能表的识别装置,其特征在于,包括:
获取模块,用于获取台区中多个电能表的数据;
处理模块,用于基于所述多个电能表的数据,确定失准模型的拟合残差;
所述处理模块,还用于对所述拟合残差进行平滑降噪处理,得到降噪处理后的拟合残差;
所述处理模块,还用于基于降噪处理后的拟合残差,识别所述多个电能表中的超差电能表。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述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7任一项所述超差电能表的识别方法。
10.一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,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述超差电能表的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211534193.XA CN115616473B (zh) | 2022-12-02 | 2022-12-02 | 超差电能表的识别方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211534193.XA CN115616473B (zh) | 2022-12-02 | 2022-12-02 | 超差电能表的识别方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115616473A true CN115616473A (zh) | 2023-01-17 |
CN115616473B CN115616473B (zh) | 2023-04-07 |
Family
ID=84879914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211534193.XA Active CN115616473B (zh) | 2022-12-02 | 2022-12-02 | 超差电能表的识别方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115616473B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116029621A (zh) * | 2023-03-29 | 2023-04-28 | 北京志翔科技股份有限公司 | 台区电能表运行评估方法、装置、电子设备和存储介质 |
CN117150325A (zh) * | 2023-10-27 | 2023-12-01 | 北京志翔科技股份有限公司 | 一种异常残差数据的处理方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011130670A2 (en) * | 2010-04-15 | 2011-10-20 | Yale University | Consumption breakdown monitoring through power state sensing |
CN111474513A (zh) * | 2020-04-27 | 2020-07-31 | 国网湖南省电力有限公司 | 一种带电压测量的hplc模块及表计电压误差判断方法 |
CN114089262A (zh) * | 2021-11-18 | 2022-02-25 | 国网江苏省电力有限公司营销服务中心 | 一种小电量智能电能表智能误差分析模型构建方法 |
CN115015828A (zh) * | 2022-05-27 | 2022-09-06 | 云南电网有限责任公司 | 误差超差电表确定方法、装置、设备及计算机存储介质 |
CN115166619A (zh) * | 2022-05-27 | 2022-10-11 | 云南电网有限责任公司 | 一种智能电能表运行误差监测系统 |
CN115524658A (zh) * | 2022-11-28 | 2022-12-27 | 北京志翔科技股份有限公司 | 电能表运行误差确定方法及装置 |
-
2022
- 2022-12-02 CN CN202211534193.XA patent/CN115616473B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011130670A2 (en) * | 2010-04-15 | 2011-10-20 | Yale University | Consumption breakdown monitoring through power state sensing |
CN111474513A (zh) * | 2020-04-27 | 2020-07-31 | 国网湖南省电力有限公司 | 一种带电压测量的hplc模块及表计电压误差判断方法 |
CN114089262A (zh) * | 2021-11-18 | 2022-02-25 | 国网江苏省电力有限公司营销服务中心 | 一种小电量智能电能表智能误差分析模型构建方法 |
CN115015828A (zh) * | 2022-05-27 | 2022-09-06 | 云南电网有限责任公司 | 误差超差电表确定方法、装置、设备及计算机存储介质 |
CN115166619A (zh) * | 2022-05-27 | 2022-10-11 | 云南电网有限责任公司 | 一种智能电能表运行误差监测系统 |
CN115524658A (zh) * | 2022-11-28 | 2022-12-27 | 北京志翔科技股份有限公司 | 电能表运行误差确定方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116029621A (zh) * | 2023-03-29 | 2023-04-28 | 北京志翔科技股份有限公司 | 台区电能表运行评估方法、装置、电子设备和存储介质 |
CN117150325A (zh) * | 2023-10-27 | 2023-12-01 | 北京志翔科技股份有限公司 | 一种异常残差数据的处理方法、装置、设备及介质 |
CN117150325B (zh) * | 2023-10-27 | 2024-01-23 | 北京志翔科技股份有限公司 | 一种异常残差数据的处理方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115616473B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115616473B (zh) | 超差电能表的识别方法、装置、设备和存储介质 | |
CN115618654B (zh) | 超差电能表的识别方法及装置 | |
CN108197156B (zh) | 用电信息采集系统的异常电量数据修复方法及终端设备 | |
CN110705107B (zh) | 一种配电网电压评估方法、系统、设备和存储介质 | |
CN106980044B (zh) | 一种适应风电接入的电力系统谐波电流估计方法 | |
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 | |
CN116008714B (zh) | 一种基于智能量测终端的反窃电分析方法 | |
Liu | FDI and employment by industry: A co-integration study | |
KR20150002914A (ko) | 전력 계통의 데이터 추정 방법 | |
CN115685046A (zh) | 互感器计量异常识别方法、装置、设备及存储介质 | |
CN115508770A (zh) | 一种基于kl-nb算法的电能表运行状态在线评估方法 | |
CN115267645A (zh) | 一种低功率因数电能表的误差计算方法、监测系统及设备 | |
CN115524658B (zh) | 电能表运行误差确定方法及装置 | |
CN115526068A (zh) | 失准模型参数确定方法、装置、设备和存储介质 | |
CN112596020A (zh) | 一种台区内智能电表运行误差的修正方法及相关装置 | |
CN112598534A (zh) | 评估电力消费量与国内生产总值相关性的方法及装置 | |
CN110244121B (zh) | 一种基于电能质量统计数据的谐波责任估算方法 | |
CN115629354B (zh) | 基于用电量调整幅度识别超差电能表的方法及装置 | |
CN111478311A (zh) | 一种电网任意分区线损计算方法及系统 | |
CN115639517B (zh) | 基于用电量调整幅度的超差电能表识别方法、装置和设备 | |
CN115496358A (zh) | 电能表在线误差远程估计测试数据生成方法、装置和设备 | |
CN115329814A (zh) | 一种基于图像信号处理的低压用户链路识别方法及装置 | |
CN115293090A (zh) | 基于重构数据处理的多谐波源责任量化方法 | |
CN114936612A (zh) | 短路类型识别方法、装置、电子设备及存储介质 | |
CN114626019A (zh) | 一种电能表计量误差预测方法、装置及存储介质 |
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 |