CN115964607A - 一种电能表检定设备的核查方法及其装置 - Google Patents
一种电能表检定设备的核查方法及其装置 Download PDFInfo
- Publication number
- CN115964607A CN115964607A CN202211570231.7A CN202211570231A CN115964607A CN 115964607 A CN115964607 A CN 115964607A CN 202211570231 A CN202211570231 A CN 202211570231A CN 115964607 A CN115964607 A CN 115964607A
- Authority
- CN
- China
- Prior art keywords
- verification
- electric energy
- energy meter
- error
- equipment
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电能表检定设备的核查方法及其装置,包括:提取同一生产批次的电能表历史检定数据,并对所述检定数据和所述电能表检定设备进行分组,构成双层检定模型;根据贝叶斯定理,对所述双层检定模型的共轭先验分布参数进行设置,并计算获得后验概率分布;对联合后的所述后验概率分布进行吉布斯采样,并获取电能表检定设备样本误差的边缘分布样本,进而计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果。本发明解决了现有技术中电能表检定核查效率低、核查工作人工成本高、检定核查准确度低的技术问题。
Description
技术领域
本发明涉及电能表检定技术领域,尤其涉及一种电能表检定设备的核查方法及其装置。
背景技术
随着智能电能表的大范围应用和电能计量器具全省集中检定模式的全面推广,电能表检定业务量快速增长,全省年检定量数以百万计。目前电能表检定工作,已由原来的人工检定转变为自动化流水线检定模式,呈现检定设备分布高度集中、检定人员数量小、检定效率高等特点。因此,确保电能表检定设备的标准性能持续满足方法要求,是计量标准管理工作的重点。目前主要通过人工作业方式开展期间核查,作为电能表检定设备相邻两次量值溯源期间的标准性能核查手段,电能表检定设备的期间核查频次一般为每年3次以上,所采用的方法主要有:(1)采用高准确度级别的计量标准器具对被核查检定设备进行核查校准;(2)使用被核查检定设备对稳定性好的被测对象进行测量。根据被核查检定设备的最大允许误差和校准结果及不确定度来制定核查测量的控制限值和警戒值。
由于现有的期间核查方法,仍依靠人工作业方式进行,作业效率低且对日常检定生产影响大。面对数量庞大的检定设备,若提高期间核查频次,虽能够降低因检定设备失准带来的测量失准风险,但同时也会导致检定工作效率大幅降低、核查工作人工成本增加、实验室资源长时间占用等影响,因此难以保证核查的频次和及时性,同时试验过程和数据处理受人为因素影响风险大。若检定设备发生失准的情况,则难以及时发现、准确判断并处理,受影响的已检装出设备召回困难,且影响恶劣。现有方法已经难以满足计量检定生产精益管理、风险在线管控的要求。
因此,目前亟需一种能够提高电能表检定工作效率且确保检定核查准确度的检定方法。
发明内容
本发明提供了一种电能表检定设备的核查方法及其装置,以解决现有技术中电能表检定核查效率低、核查工作人工成本高、检定核查准确度低的技术问题。
为了解决上述技术问题,本发明实施例提供了一种电能表检定设备的核查方法,包括:
提取同一生产批次的电能表历史检定数据,并对所述检定数据和电能表检定设备进行分组,构成双层检定模型;
根据贝叶斯定理,对所述双层检定模型的共轭先验分布参数进行设置,并计算获得后验概率分布;
对联合后的所述后验概率分布进行吉布斯采样,并获取电能表检定设备样本误差的边缘分布样本,进而计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果。
作为优选方案,所述提取同一生产批次的电能表历史检定数据,并对所述检定数据和电能表检定设备进行分组,构成双层检定模型,具体为:
提取同一生产批次的电能表历史检定数据,以使得每个电能表检定设备均对应该检定设备的所有检定数据;
对所述检定数据进行预处理,完成对检定数据的清洗;
对所述检定数据和所述电能表检定设备进行分组,以使得所要构成的双层检定模型中,第一层为描述各电能表检定设备误差的组间模型,第二层为描述统一电能表检定设备生成数据的组内模型;其中,所述双层检定模型包括第一层的组间模型和第二层的组内模型。
作为优选方案,所述双层检定模型中第一层组间模型的模型似然为:
作为优选方案,所述双层检定模型中第二层组间模型的模型似然的获取方法,包括:
根据预设检定设备基本误差模型,通过贝叶斯定理对电能表检定设备的检定数据进行第二层组内模型的组建,进而得到第二层组内模型的模型似然;
其中,所述第二层组内模型的模型似然为:
式中,Yi,k表示第i个电能表检定设备的第k个基本误差的检定数值,b表示电能表基本误差的期望,σ2为组内检定数据的方差。
作为优选方案,所述预设检定设备基本误差模型的构建方法,包括:
获取电能表的真实相对误差,作为电能表基本误差的期望;
获取检定设备的相对误差,作为电能表检定设备的误差;
根据所述电能表的真实相对误差和所述检定设备的相对误差,构建预设检定设备基本误差模型:
Y(%)=X(%)-θ(%)
其中,Y(%)为电能表的相对误差,表示为电能表相对于检定设备的误差;θ(%)为检定设备的相对误差,表示为是检定设备相对预设标准测量的误差;X(%)为电能表的真实相对误差,表示为电能表相对预设标准测量的误差。
作为优选方案,所述根据贝叶斯定理,对所述双层检定模型的共轭先验分布参数进行设置,并计算获得后验概率分布,具体为:
根据贝叶斯定理,设置所述双层检定模型的检定设备误差分布期望、电能表基本误差期望、检定设备误差分布方差、检定数据方差的共轭先验分布:
根据所述共轭先验分布,计算获得后验概率分布:
作为优选方案,所述对联合后的所述后验概率分布进行吉布斯采样,并获取电能表检定设备样本误差的边缘分布样本,进而计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果,具体为:
对所述后验概率分布进行联合,得到联合后的后验概率分布,并通过吉布斯采样法对联合后的后验概率分布进行采样;
通过联合分布的电能表检定设备样本,获得电能表检定设备样本误差的边缘分布样本;
根据联合采样后的后验概率分布和所述边缘分布样本,计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果。
相应地,本发明还提供一种电能表检定设备的核查装置,包括:提取分组模块、设置计算模块和采样计算模块;
所述提取分组模块,用于提取同一生产批次的电能表历史检定数据,并对所述检定数据和电能表检定设备进行分组,构成双层检定模型;
所述设置计算模块,用于根据贝叶斯定理,对所述双层检定模型的共轭先验分布参数进行设置,并计算获得后验概率分布;
所述采样计算模块,用于对联合后的所述后验概率分布进行吉布斯采样,并获取电能表检定设备样本误差的边缘分布样本,进而计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果。
作为优选方案,所述提取同一生产批次的电能表历史检定数据,并对所述检定数据和电能表检定设备进行分组,构成双层检定模型,具体为:
提取同一生产批次的电能表历史检定数据,以使得每个电能表检定设备均对应该检定设备的所有检定数据;
对所述检定数据进行预处理,完成对检定数据的清洗;
对所述检定数据和所述电能表检定设备进行分组,以使得所要构成的双层检定模型中,第一层为描述各电能表检定设备误差的组间模型,第二层为描述统一电能表检定设备生成数据的组内模型;其中,所述双层检定模型包括第一层的组间模型和第二层的组内模型。
作为优选方案,所述双层检定模型中第一层组间模型的模型似然为:
作为优选方案,所述双层检定模型中第二层组间模型的模型似然的获取方法,包括:
根据预设检定设备基本误差模型,通过贝叶斯定理对电能表检定设备的检定数据进行第二层组内模型的组建,进而得到第二层组内模型的模型似然;
其中,所述第二层组内模型的模型似然为:
式中,Yi,k表示第i个电能表检定设备的第k个基本误差的检定数值,b表示电能表基本误差的期望,σ2为组内检定数据的方差。
作为优选方案,所述预设检定设备基本误差模型的构建方法,包括:
获取电能表的真实相对误差,作为电能表基本误差的期望;
获取检定设备的相对误差,作为电能表检定设备的误差;
根据所述电能表的真实相对误差和所述检定设备的相对误差,构建预设检定设备基本误差模型:
Y(%)=X(%)-θ(%)
其中,Y(%)为电能表的相对误差,表示为电能表相对于检定设备的误差;θ(%)为检定设备的相对误差,表示为是检定设备相对预设标准测量的误差;X(%)为电能表的真实相对误差,表示为电能表相对预设标准测量的误差。
作为优选方案,所述根据贝叶斯定理,对所述双层检定模型的共轭先验分布参数进行设置,并计算获得后验概率分布,具体为:
根据贝叶斯定理,设置所述双层检定模型的检定设备误差分布期望、电能表基本误差期望、检定设备误差分布方差、检定数据方差的共轭先验分布:
根据所述共轭先验分布,计算获得后验概率分布:
作为优选方案,所述对联合后的所述后验概率分布进行吉布斯采样,并获取电能表检定设备样本误差的边缘分布样本,进而计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果,具体为:
对所述后验概率分布进行联合,得到联合后的后验概率分布,并通过吉布斯采样法对联合后的后验概率分布进行采样;
通过联合分布的电能表检定设备样本,获得电能表检定设备样本误差的边缘分布样本;
根据联合采样后的后验概率分布和所述边缘分布样本,计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果。
相应地,本发明还提供一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如上任一项所述的电能表检定设备的核查方法。
相应地,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上任一项所述的电能表检定设备的核查方法。相比于现有技术,本发明实施例具有如下有益效果:
本发明的技术方案通过提取电能表检定设备的检定数据,并对检定数据和电能表检定设备分布进行分组,进而得到双层检定模型,将所要求的检定数据量分摊至各检定设备,从而大幅度缩减数据积累时间,也实现了对多个检定设备的实时核查,提高了检定效率,同时通过贝叶斯定理对双层检定模型的共轭先验参数进行设置,进而计算获得后验概率分布,并采用吉布斯采样法对联合后的后验概率分布进行采样,并通过获取电能表检定设备样本误差的边缘分布样本,计算得到后验概率分布的误差统计信息,从而能够准确地得到电能表检定设备的核查结果,有效避免人为因素对期间核查质量的影响,同时节约了核查工作的人力成本。
附图说明
图1:为本发明实施例所提供的一种电能表检定设备的核查方法的步骤流程图;
图2:为本发明实施例所提供的双层检定模型的结构示意图;
图3:为本发明实施例所提供的一种电能表检定设备的核查装置的结构示意图。
具体实施方式
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,所描述的实施例仅仅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。
实施例一
请参照图1,为本发明实施例提供的一种电能表检定设备的核查方法,包括以下步骤S101-S103:
步骤S101:提取同一生产批次的电能表历史检定数据,并对所述检定数据和电能表检定设备进行分组,构成双层检定模型。
作为本实施例的优选方案,所述提取同一生产批次的电能表历史检定数据,并对所述检定数据和电能表检定设备进行分组,构成双层检定模型,具体为:
提取同一生产批次的电能表历史检定数据,以使得每个电能表检定设备均对应该检定设备的所有检定数据;对所述检定数据进行预处理,完成对检定数据的清洗;对所述检定数据和所述电能表检定设备进行分组,以使得所要构成的双层检定模型中,第一层为描述各电能表检定设备误差的组间模型,第二层为描述统一电能表检定设备生成数据的组内模型;其中,所述双层检定模型包括第一层的组间模型和第二层的组内模型。
在本实施例中,请参阅图2,其为检定数据和电能表检定设备的双层检定模型结构示意图,双层检定模型包括第一层组间模型和第二层组内模型。为了确保电能表检定设备对应的检定数据的精度,保证电能表的双层检定模型所能达到的准确度等级,对检定数据进行预处理,即采用中心极限定理对双层检定模型所需检定数据量进行理论计算,从而对检定数据进行清洗,进而对清洗后的检定数据和电能表检定设备进行数据分组分层,构建出双层检定模型。
可以理解的是,通过对同批次的电能表检定设备的检定数据进行提取,能够求取同一负载点下同一生产批次电能表基本误差检定数值的平均值,保证核查准确度符合检定规程的要求,并且,若利用单个检定设备对单相电能表的检定数值构造函数模型,需要积累上百条至数千条不等的在同一负载点下同一生产批次电能表基本误差检定数值。然而单个检定设备的检定速度和检定量均有限,难以实现上述规模的数据积累。本实施例通过联合检定同一生产批次电能表的多个检定设备,将所要求的检定数据量分摊至各检定设备,统一构建电能表的双层检定模型,即可得到电能表误差分布函数模型,从而大幅度缩减数据积累时间,也实现了对多个检定设备的实时核查;其中,本实施例中电能表检定设备的核查过程可以理解为一个电能表误差分布函数模型的运算过程,通过对电能表检定设备误差以及检定数据,从而实现对电能表检定设备进行核查。
作为本发明的另一优选实施例,可以通过基于中心极限定理,来积累电能表误差分布函数模型的检定数据。中心极限定理指出独立同分布随机变量的均值分布渐近于正态分布,该定理是数理统计学和误差分析的理论基础,具体表述如下:
对于独立同分布的n个随机变量,X1,X2,···,Xn,其期望和标准差分别是μ和σ,平均值分布近似趋向于正态分布因此,对于同一生产批次的电能表,其基本误差检定数值可视为独立同分布的随机变量。根据中心极限定理,n块同生产批次电能表的基本误差检定数值,其均值可视为电能表误差分布函数模型的基本误差检定数值,且该电能表误差分布函数模型的准确度级别为单块普通电能表的准确度级别的倍。故若n足够大,该电能表误差分布函数模型准确度级别达到《JJG 597—2005交流电能表检定设备检定规程》对确定装置基本误差时使用的电能参考标准的准确度级别要求,即可用于对检定设备的核查。
进一步地,根据《JJG 597—2005交流电能表检定设备检定规程》对确定装置基本误差时使用的电能参考标准的准确度级别要求,结合现行技术规范电能表和电能表检定设备常见的准确度级别,可知若利用单个检定设备对单相电能表的检定数值构造电能表误差分布函数模型,需要积累上百条至数千条不等的在同一负载点下同一生产批次电能表基本误差检定数值。然而单个检定设备的检定速度和检定量均有限,难以实现上述规模的数据积累。因此,本发明实施例联合检定同一生产批次电能表的多个检定设备,引入了贝叶斯定理以及层次模型,将所要求的检定数据量分摊至各检定设备,统一构建电能表误差分布函数模型,从而大幅度缩减数据积累时间,也实现了对多个检定设备的实时核查。
可以理解的是,采用中心极限定理对电能表误差分布函数模型所需检定数据量进行理论计算,从而保证电能表误差分布函数模型所能达到的准确度等级。进一步地,本优选实施例充分利用日常检定工作过程积累的数据,根据中心极限定理,通过对独立同分布随机变量(电能表基本误差的检定数值)的累积,求取同一负载点下同一生产批次电能表基本误差检定数值的平均值,保证核查准确度符合检定规程的要求。
作为本实施例的优选方案,所述双层检定模型中第二层组内模型的模型似然的获取方法,包括:
根据预设检定设备基本误差模型,对电能表检定设备的检定数据进行第二层组内模型的组建,进而得到第二层组内模型的模型似然;其中,所述第二层组内模型的模型似然为:式中,Yi,k表示第i个电能表检定设备的第k个基本误差的检定数值,b表示电能表基本误差的期望,σ2为组内检定数据的方差。
在本实施例中,第二层组内模型的基本误差检定数值Yi,,即检定设备对待检电能表检定的基本误差,为待检电能表自身的真实误差与检定设备的误差之差,其中,通过预设检定设备基本误差模型,来得到第二层组内模型的模型似然。
作为本实施例的优选方案,所述预设检定设备基本误差模型的构建方法,包括:
获取电能表的真实相对误差,作为电能表基本误差的期望;获取检定设备的相对误差,作为电能表检定设备的误差;根据所述电能表的真实相对误差和所述检定设备的相对误差,构建预设检定设备基本误差模型:Y(%)=X(%)-θ(%);其中,Y(%)为电能表的相对误差,表示为电能表相对于检定设备的误差;θ(%)为检定设备的相对误差,表示为是检定设备相对预设标准测量的误差;X(%)为电能表的真实相对误差,表示为电能表相对预设标准测量的误差。
在本实施例中,依据《JJG 596—2012电子式交流电能表》中对基本误差检定的要求,使用标准表法检定电能表时,被检电能表的相对误差计算公式:式中:m为实测脉冲数;m0为算定脉冲数,m0的计算公式:其中:N为被检电能表低频或高频脉冲数;C0为检定设备中标准表的(脉冲)仪表常数,imp/kWh;CL为被检电能表的(脉冲)仪表常数,imp/kWh;KI、KU分别为标准表外接的电流、电压互感器变比。
依据《JJG 597—2005交流电能表检定设备检定规程》中对基本误差检定的要求,检定设备的相对误差计算公式:
由此可得,电能表的相对误差Y(%)、电能表真实相对误差X(%)(电能表真实基本误差)、检定设备相对误差θ(%)三者之间关系是:
X(%)=θ(%)+Y(%)+0.01*θ(%)*Y(%)
鉴于0.01*θ(%)*Y(%)所得的数值远小于X(%)、Y(%)和θ(%),对于结果的影响十分微小,故预设检定设备基本误差模型为:Y(%)=X(%)-θ(%)。
可以理解的是,通过对检定过程中的误差进行建模,能够在满足准确度要求的前提下进一步简化计算过程。
在本实施例中,由于在预设检定设备基本误差模型中,检定设备对电能表检定的相对误差,为待检电能表自身的真实相对误差与检定设备的相对误差的差值,因此从而得到对应的双层检定模型,以及第一层组间模型的模型似然和第二层组间模型的模型似然。
步骤S102:根据贝叶斯定理,对所述双层检定模型的共轭先验分布参数进行设置,并计算获得后验概率分布。
作为本实施例的优选方案,所述根据贝叶斯定理,对所述双层检定模型的共轭先验分布参数进行设置,并计算获得后验概率分布,具体为:
根据贝叶斯定理,设置所述双层检定模型的检定设备误差分布期望、电能表基本误差期望、检定设备误差分布方差、检定数据方差的共轭先验分布:
根据所述共轭先验分布,计算获得后验概率分布:
可以理解的是,采用贝叶斯定义以及双层检定模型,将各组存在共性的基本误差检定数值进行关联,从而进行参数构建,能够大幅度缩减数据积累时间,提高电能表误差分布函数模型实时核查效率。
步骤S103:对联合后的所述后验概率分布进行吉布斯采样,并获取电能表检定设备样本误差的边缘分布样本,进而计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果。
作为本实施例的优选方案,所述对联合后的所述后验概率分布进行吉布斯采样,并获取电能表检定设备样本误差的边缘分布样本,进而计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果,具体为:
对所述后验概率分布进行联合,得到联合后的后验概率分布,并通过吉布斯采样法对联合后的后验概率分布进行采样;通过联合分布的电能表检定设备样本,获得电能表检定设备样本误差的边缘分布样本;根据联合采样后的后验概率分布和所述边缘分布样本,计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果。
在本实施例中,根据后验概率分布,运用吉布斯采样法,对联合后的后验概率分布进行采样,并直接由联合分布的电能表检定设备样本,获得标准电能表检定设备样本误差μ′1,μ′2,…,μ′m的边缘分布样本,进而获得该分布的均值、中值等统计信息,作为电能表检定设备的核查结果。
可以理解的是,核查过程不涉及人工作业,有效避免人为因素对期间核查质量的影响,同时节约了核查工作的人力成本,同时本发明实施例采用模型构建的方式,采用数学模型代替标准设备,有效解决传统期间核查人工接线导致的检定工作中断、检定效率低、受人为影响等问题。
进一步地,核查过程无需使用其他设备,不占用任何实验室设备资源,不影响日常检定工作,同时核查过程可与日常检定工作同步开展,不额外占用时间,核查效率高,有效提高了核查频度,有效保证电能表检定设备的标准性能持续满足方法要求。
实施以上实施例,具有如下效果:
本发明实施例通过提取电能表检定设备的检定数据,并对检定数据和电能表检定设备分布进行分组,进而得到双层检定模型,将所要求的检定数据量分摊至各检定设备,从而大幅度缩减数据积累时间,也实现了对多个检定设备的实时核查,提高了检定效率,同时通过贝叶斯定理对双层检定模型的共轭先验参数进行设置,进而计算获得后验概率分布,并采用吉布斯采样法对联合后的后验概率分布进行采样,并通过获取电能表检定设备样本误差的边缘分布样本,计算得到后验概率分布的误差统计信息,从而能够准确地得到电能表检定设备的核查结果,有效避免人为因素对期间核查质量的影响,同时节约了核查工作的人力成本。
实施例二
请参阅图3,其为本发明所提供一种电能表检定设备的核查装置,包括:提取分组模块201、设置计算模块202和采样计算模块203。
所述提取分组模块201,用于提取同一生产批次的电能表历史检定数据,并对所述检定数据和电能表检定设备进行分组,构成双层检定模型。
所述设置计算模块202,用于根据贝叶斯定理,对所述双层检定模型的共轭先验分布参数进行设置,并计算获得后验概率分布。
所述采样计算模块203,用于对联合后的所述后验概率分布进行吉布斯采样,并获取电能表检定设备样本误差的边缘分布样本,进而计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果。
作为本实施例的优选方案,所述提取同一生产批次的电能表历史检定数据,并对所述检定数据和电能表检定设备进行分组,构成双层检定模型,具体为:
提取同一生产批次的电能表历史检定数据,以使得每个电能表检定设备均对应该检定设备的所有检定数据;对所述检定数据进行预处理,完成对检定数据的清洗;对所述检定数据和所述电能表检定设备进行分组,以使得所要构成的双层检定模型中,第一层为描述各电能表检定设备误差的组间模型,第二层为描述统一电能表检定设备生成数据的组内模型;其中,所述双层检定模型包括第一层的组间模型和第二层的组内模型。
作为本实施例的优选方案,所述双层检定模型中第一层组间模型的模型似然为:
作为本实施例的优选方案,所述双层检定模型中第二层组内模型的模型似然的获取方法,包括:
根据预设检定设备基本误差模型,对电能表检定设备的检定数据进行第二层组内模型的组建,进而得到第二层组内模型的模型似然;其中,所述第二层组内模型的模型似然为:
式中,Yi,k表示第i个电能表检定设备的第k个基本误差的检定数值,b表示电能表基本误差的期望,σ2为组内检定数据的方差。
作为本实施例的优选方案,所述预设检定设备基本误差模型的构建方法,包括:
获取电能表的真实相对误差,作为电能表基本误差的期望;获取检定设备的相对误差,作为电能表检定设备的误差;根据所述电能表的真实相对误差和所述检定设备的相对误差,构建预设检定设备基本误差模型:
Y(%)=X(%)-θ(%)
其中,Y(%)为电能表的相对误差,表示为电能表相对于检定设备的误差;θ(%)为检定设备的相对误差,表示为是检定设备相对预设标准测量的误差;X(%)为电能表的真实相对误差,表示为电能表相对预设标准测量的误差。
作为本实施例的优选方案,所述根据贝叶斯定理,对所述双层检定模型的共轭先验参数进行设置,并计算获得后验概率分布,具体为:
根据贝叶斯定理,设置所述双层检定模型的检定设备误差分布期望、电能表基本误差期望、检定设备误差分布方差、检定数据方差的共轭先验分布:
作为本实施例的优选方案,所述对联合后的所述后验概率分布进行吉布斯采样,并获取电能表检定设备样本误差的边缘分布样本,进而计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果,具体为:
对所述后验概率分布进行联合,得到联合后的后验概率分布,并通过吉布斯采样法对联合后的后验概率分布进行采样;通过联合分布的电能表检定设备样本,获得电能表检定设备样本误差的边缘分布样本;根据联合采样后的后验概率分布和所述边缘分布样本,计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果。
所属领域的技术人员可以清楚的了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
实施以上实施例,具有如下效果:
本发明实施例通过提取电能表检定设备的检定数据,并对检定数据和电能表检定设备分布进行分组,进而得到双层检定模型,将所要求的检定数据量分摊至各检定设备,从而大幅度缩减数据积累时间,也实现了对多个检定设备的实时核查,提高了检定效率,同时通过贝叶斯定理对双层检定模型的共轭先验参数进行设置,进而计算获得后验概率分布,并采用吉布斯采样法对联合后的后验概率分布进行采样,并通过获取电能表检定设备样本误差的边缘分布样本,计算得到后验概率分布的误差统计信息,从而能够准确地得到电能表检定设备的核查结果,有效避免人为因素对期间核查质量的影响,同时节约了核查工作的人力成本。
实施例三
相应地,本发明还提供一种终端设备,包括:处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上任意一项实施例所述的电能表检定设备的核查方法。
该实施例的终端设备包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序、计算机指令。所述处理器执行所述计算机程序时实现上述实施例一中的各个步骤,例如图1所示的步骤S101至S103。或者,所述处理器执行所述计算机程序时实现上述装置实施例中各模块/单元的功能,例如提取分组模块201。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端设备中的执行过程。例如,所述提取分组模块201,用于提取同一生产批次的电能表历史检定数据,并对所述检定数据和电能表检定设备进行分组,构成双层检定模型。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,示意图仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述终端设备的控制中心,利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据移动终端的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述终端设备集成的模块/单元如果以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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
实施例四
相应地,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任意一项实施例所述的电能表检定设备的核查方法。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种电能表检定设备的核查方法,其特征在于,包括:
提取同一生产批次的电能表历史检定数据,并对所述检定数据和电能表检定设备进行分组,构成双层检定模型;
根据贝叶斯定理,对所述双层检定模型的共轭先验分布参数进行设置,并计算获得后验概率分布;
对联合后的所述后验概率分布进行吉布斯采样,并获取电能表检定设备样本误差的边缘分布样本,进而计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果。
2.如权利要求1所述的一种电能表检定设备的核查方法,其特征在于,所述提取同一生产批次的电能表历史检定数据,并对所述检定数据和电能表检定设备进行分组,构成双层检定模型,具体为:
提取同一生产批次的电能表历史检定数据,以使得每个电能表检定设备均对应该检定设备的所有检定数据;
对所述检定数据进行预处理,完成对检定数据的清洗;
对所述检定数据和所述电能表检定设备进行分组,以使得所要构成的双层检定模型中,第一层为描述各电能表检定设备误差的组间模型,第二层为描述统一电能表检定设备生成数据的组内模型;其中,所述双层检定模型包括第一层的组间模型和第二层的组内模型。
5.如权利要求4所述的一种电能表检定设备的核查方法,其特征在于,所述预设检定设备基本误差模型的构建方法,包括:
获取电能表的真实相对误差,作为电能表基本误差的期望;
获取检定设备的相对误差,作为电能表检定设备的误差;
根据所述电能表的真实相对误差和所述检定设备的相对误差,构建预设检定设备基本误差模型:
Y(%)=(%)-(%)
其中,Y(%)为电能表的相对误差,表示为电能表相对于检定设备的误差;θ(%)为检定设备的相对误差,表示为是检定设备相对预设标准测量的误差;X(%)为电能表的真实相对误差,表示为电能表相对预设标准测量的误差。
7.如权利要求6所述的一种电能表检定设备的核查方法,其特征在于,所述对联合后的所述后验概率分布进行吉布斯采样,并获取电能表检定设备样本误差的边缘分布样本,进而计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果,具体为:
对所述后验概率分布进行联合,得到联合后的后验概率分布,并通过吉布斯采样法对联合后的后验概率分布进行采样;
通过联合分布的电能表检定设备样本,获得电能表检定设备样本误差的边缘分布样本;
根据联合采样后的后验概率分布和所述边缘分布样本,计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果。
8.一种电能表检定设备的核查装置,其特征在于,包括:提取分组模块、设置计算模块和采样计算模块;
所述提取分组模块,用于提取同一生产批次的电能表历史检定数据,并对所述检定数据和电能表检定设备进行分组,构成双层检定模型;
所述设置计算模块,用于根据贝叶斯定理,对所述双层检定模型的共轭先验分布参数进行设置,并计算获得后验概率分布;
所述采样计算模块,用于对联合后的所述后验概率分布进行吉布斯采样,并获取电能表检定设备样本误差的边缘分布样本,进而计算得到所述后验概率分布的误差统计信息,作为电能表检定设备的核查结果。
9.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如权利要求1-7中任一项所述的电能表检定设备的核查方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1-7中任一项所述的电能表检定设备的核查方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211570231.7A CN115964607A (zh) | 2022-12-06 | 2022-12-06 | 一种电能表检定设备的核查方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211570231.7A CN115964607A (zh) | 2022-12-06 | 2022-12-06 | 一种电能表检定设备的核查方法及其装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115964607A true CN115964607A (zh) | 2023-04-14 |
Family
ID=87353489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211570231.7A Pending CN115964607A (zh) | 2022-12-06 | 2022-12-06 | 一种电能表检定设备的核查方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115964607A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116930581A (zh) * | 2023-07-27 | 2023-10-24 | 煜邦电力智能装备(嘉兴)有限公司 | 一种标准智能表单相表 |
CN117406161A (zh) * | 2023-12-11 | 2024-01-16 | 普华讯光(北京)科技有限公司 | 一种计量装置量值偏离度预警方法、系统、设备及介质 |
-
2022
- 2022-12-06 CN CN202211570231.7A patent/CN115964607A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116930581A (zh) * | 2023-07-27 | 2023-10-24 | 煜邦电力智能装备(嘉兴)有限公司 | 一种标准智能表单相表 |
CN116930581B (zh) * | 2023-07-27 | 2024-02-20 | 煜邦电力智能装备(嘉兴)有限公司 | 一种标准智能表单相表 |
CN117406161A (zh) * | 2023-12-11 | 2024-01-16 | 普华讯光(北京)科技有限公司 | 一种计量装置量值偏离度预警方法、系统、设备及介质 |
CN117406161B (zh) * | 2023-12-11 | 2024-04-02 | 普华讯光(北京)科技有限公司 | 一种计量装置量值偏离度预警方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115964607A (zh) | 一种电能表检定设备的核查方法及其装置 | |
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 | |
CN109034244B (zh) | 基于电量曲线特征模型的线损异常诊断方法及装置 | |
CN114298863B (zh) | 一种智能抄表终端的数据采集方法及系统 | |
CN111398885A (zh) | 一种结合线损分析的智能电表运行误差监控方法 | |
CN104794206B (zh) | 一种变电站数据质量评价系统及方法 | |
CN108445435B (zh) | 一种电能表检定装置误差在线评估方法 | |
CN111693931A (zh) | 智能电能表误差远程计算方法、装置和计算机设备 | |
CN110542867A (zh) | 电池健康状态评估方法、装置及存储介质 | |
CN112287297B (zh) | 基于随机采样的电能表质量一致性评价方法与介质 | |
CN107589391B (zh) | 一种检测电能计量装置整体误差的方法、装置和系统 | |
CN113406558B (zh) | 基于线性回归的电表失准检测方法、装置及电子设备 | |
CN111969604A (zh) | 基于实测数据的台区线损动态计算方法及装置 | |
CN113985339B (zh) | 智能电表的误差诊断方法及系统、设备、存储介质 | |
CN115685046A (zh) | 互感器计量异常识别方法、装置、设备及存储介质 | |
CN115618654A (zh) | 超差电能表的识别方法及装置 | |
CN106874676B (zh) | 一种电能计量装置状态评估方法 | |
CN117113833A (zh) | 一种检定装置的核查方法及系统 | |
CN114461618A (zh) | 一种计量缺失数据补全方法、装置及终端设备 | |
CN114202141A (zh) | 一种基于边云协同的计量设备检定线运行状态评估方法 | |
CN113608975A (zh) | 电力现货市场下电能计量系统运行状态在线评估方法及系统 | |
CN106405477A (zh) | 在动态负荷下的计量性能的评估方法及装置 | |
CN105445693A (zh) | 数字电能表校验方法及装置 | |
CN115166620A (zh) | 单相智能物联电能表计量精度一致性评价方法及装置 | |
CN115600831A (zh) | 用户理论响应潜力评估方法、装置、终端及存储介质 |
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 |