CN116165597A - 一种基于核偏最小二乘法的电能表失准在线检测方法 - Google Patents
一种基于核偏最小二乘法的电能表失准在线检测方法 Download PDFInfo
- Publication number
- CN116165597A CN116165597A CN202310322121.7A CN202310322121A CN116165597A CN 116165597 A CN116165597 A CN 116165597A CN 202310322121 A CN202310322121 A CN 202310322121A CN 116165597 A CN116165597 A CN 116165597A
- Authority
- CN
- China
- Prior art keywords
- electric energy
- energy meter
- data
- line loss
- electric
- 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
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
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于核偏最小二乘法的电能表失准在线检测方法,包括:S1、建立线损估计模型,包括线损影响变量、数据预处理,利用核偏最小二乘算法构建线损估计模型;S2、对电能表超差进行计算,通过使用多维度指标进行分析计算,客观分析,贴近现实,通过台区拓扑结构结合电力物理原理,利用能量守恒定律进行电表超差估计,更符合电能表物理原理,贴近电力业务场景,可解释性高,在计算电能表超差前,根据台区拓扑结构,优先对线损进行估计,减少能量守恒公式未知量,增加求解稳定性、准确性,经业务人员的现场核查结果及电能表异常识别核对,通过统计比对计算效果准确率达90%以上。
Description
技术领域
本发明涉及电力系统技术领域,具体为一种基于核偏最小二乘法的电能表失准在线检测方法。
背景技术
智能电表属于强制检定设备,到期需要更换,但随着智能电网的加速建设,智能电表的更换需求将持续增加,现行计量校验模式越来越难以满足现代化智能电表状态检修和更换的要求。为实现智能电表由定期更换向状态更换的方式转变,并确保计量的准确性,需探寻一种高效精准的智能电表运行超差估计方法。先前通过广义能量守恒定律求解智能电表超差的方法,但其将读数矩阵分解为上下三角矩阵的求解方式步骤繁琐,易出现病态。后来发展到通过通过建立、求解计及温度、湿度、负荷、检定结果、时间累积影响的预测模型,实现对电能表超差状态的预测,但前期准备工作量大,不易广泛实施。
针对以上问题,从分析智能电表量测数据的获取途径、异常数据的处理入手,并考虑配线路电能损耗问题的基础上,构建智能电表运行超差远程估计模型和求解方法,在满足实用性的基础上,最大化超差估计方法的适用性和精准度。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于核偏最小二乘法的电能表失准在线检测方法,解决了上述背景技术中提到的问题。
(二)技术方案
为实现上述通过偏最小二乘PLS算法建立线损预测模型,估算出线路损耗;其次通过核函数克服变量间的非线性相关性,采用舍一交叉验证法确定成分数目,构建台区电量守恒回归模型目的,本发明提供如下技术方案:一种基于核偏最小二乘法的电能表失准在线检测方法,包括:
S1、建立线损估计模型,包括线损影响变量、数据预处理,利用核偏最小二乘算法构建线损估计模型;
S2、对电能表超差进行计算,包括数据处理、能量守恒公式方程组构建。
优选的,所述线损影响变量对应台区变压器容量、台区下用户总数、数据总天数、台区总表日电量、台区用户表日电量,所述应台区变压器容量标记为x1,所述台区下用户总数标记为x2,所述数据总天数标记为x3,所述台区总表日电量标记为x4,所述台区用户表日电量标记为x5。
优选的,所述数据预处理包括缺失值处理、不可算识别、数据标准化处理,所述缺失值处理通过线性插补法填充缺失样本,线性插值法公式为Y=Y1+(Y2-Y1)×(X-X1)/(X2-X1),所述不可算识别对当前样本数据零缺值进行判定,当样本数据零缺值占比高于80%时,则判定不可算,并删除该样本数据,所述数据标准化处理为对剔除不可算数据与补全缺失样本后的样本数据进行处理,将线损影响变量作为自变量,将理论线损值作为因变量,对数据进行标准化,标准化公式为
优选的,所述利用核偏最小二乘算法构建线损估计模型包括核函数选择、成分数据确定、估计模型构建,所述核函数选择根据线损影响变量的数量以及计算复杂的选择,优选高斯核函数,所述成分数据确定采用舍一交叉验证法确定成分数目,所述估计模型构建通过核函数构建回归模型:由回归模型得到估计模型:/>ui、t i为第i次提取成分,K与Kt分别标识回归矩阵和测试矩阵。
优选的,所述数据处理包括剔除异常台区、剔除异常数据,所述剔除异常台区根据台区总表数量、台区下用户表数量、总表电量或用户表电量一致性、数据天数、电能表综合倍率与电压互感器变比乘以电流互感器变比一致性剔除异常台区,所述剔除异常数据根据台区供入电量、台区供出电量、台区损耗电量剔除异常数据。
优选的,所述能量守恒公式方程组构建包括以下步骤:
一、将样本数据以及估计线损代入能量守恒公式;
二、设定M天为一个周期,利用加权平均构建矩阵;
三、迭代求解N个方程组;
四、异常电能表定位;
五、缓变异常电能表定位。
优选的,所述剔除异常台区的剔除条件为:台区总表数量等于0、台区下用户表数为0、总表电量或用户表电量连续6天一样、数据天数小于200天、电能表综合倍率与电压互感器变比乘以电流互感器变比不一致,满足其中一条即为异常台区,所述剔除异常数据的剔除条件为:台区供入电量为0、台区供出电量为0、台区损耗电量小于0,满足其中一条即为异常数据。
优选的,步骤一将样本数据以及估计线损代入能量守恒公式:
其中y为台区总表供电量,ej为第j个用户电能表的失准率,/>为第j个用户电能表的用电量,ey代指线损率,e0代指固定损耗,在这里eyy+e0使用步骤S1中线损估计模型中的估计线损代替,步骤二设定M天为一个周期,利用加权平均构建矩阵:
步骤三迭代求解N个方程组,方程组的解即电能表超差,步骤四异常电能表定位,通过设定数据窗口为M天,当M天内求解超差绝对值大于0.3的可疑电表认定为超差电表,步骤五缓变异常电能表定位,设定每个月一次,设定数据窗口为1年,当1年内求解超差绝对值大于Z值的可疑电表认定为超差电表,Z值的取值范围为[0.3-0.45]。
(三)有益效果
与现有技术相比,本发明提供了一种基于核偏最小二乘法的电能表失准在线检测方法,具备以下有益效果:
1、该基于核偏最小二乘法的电能表失准在线检测方法,通过使用多维度指标进行分析计算,客观分析,贴近现实,通过台区拓扑结构结合电力物理原理,利用能量守恒定律进行电表超差估计,更符合电能表物理原理,贴近电力业务场景,可解释性高。
2、该基于核偏最小二乘法的电能表失准在线检测方法,在计算电能表超差前,根据台区拓扑结构,优先对线损进行估计,减少能量守恒公式未知量,增加求解稳定性、准确性,经业务人员的现场核查结果及电能表异常识别核对,通过统计比对计算效果准确率达90%以上。
具体实施方式
下面将结合本发明的实施例,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做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。
最佳实施方式
一种基于核偏最小二乘法的电能表失准在线检测方法,包括:
S1、建立线损估计模型,包括线损影响变量、数据预处理,利用核偏最小二乘算法构建线损估计模型,线损影响变量对应台区变压器容量、台区下用户总数、数据总天数、台区总表日电量、台区用户表日电量,应台区变压器容量标记为x1,台区下用户总数标记为x2,数据总天数标记为x3,台区总表日电量标记为x4,台区用户表日电量标记为x5,简化标记用于代入后续公式,数据预处理包括缺失值处理、不可算识别、数据标准化处理,缺失值处理通过线性插补法填充缺失样本,线性插值法公式为Y=Y1+(Y2-Y1)×(X-X1)/(X2-X1),不可算识别对当前样本数据零缺值进行判定,当样本数据零缺值占比高于80%时,则判定不可算,并删除该样本数据,数据标准化处理为对剔除不可算数据与补全缺失样本后的样本数据进行处理,将线损影响变量作为自变量,将理论线损值作为因变量,对数据进行标准化,标准化公式为利用核偏最小二乘算法构建线损估计模型包括核函数选择、成分数据确定、估计模型构建,核函数选择根据线损影响变量的数量以及计算复杂的选择,优选高斯核函数,该处因线损影响变量多,为计算方便,选用高斯核函数,成分数据确定采用舍一交叉验证法确定成分数目,估计模型构建通过核函数构建回归模型:由回归模型得到估计模型:/>ui、ti为第i次提取成分,K与Kt分别标识回归矩阵和测试矩阵;
S2、对电能表超差进行计算,包括数据处理、能量守恒公式方程组构建,数据处理包括剔除异常台区、剔除异常数据,剔除异常台区根据台区总表数量、台区下用户表数量、总表电量或用户表电量一致性、数据天数、电能表综合倍率与电压互感器变比乘以电流互感器变比一致性剔除异常台区,剔除异常数据根据台区供入电量、台区供出电量、台区损耗电量剔除异常数据,剔除异常台区的剔除条件为:台区总表数量等于0、台区下用户表数为0、总表电量或用户表电量连续6天一样、数据天数小于200天、电能表综合倍率与电压互感器变比乘以电流互感器变比不一致,满足其中一条即为异常台区,剔除异常数据的剔除条件为:台区供入电量为0、台区供出电量为0、台区损耗电量小于0,满足其中一条即为异常数据,将异常台区以及异常数据剔除,保证计算的准确度,能量守恒公式方程组构建包括以下步骤:
一、将样本数据以及估计线损代入能量守恒公式,
二、设定M天为一个周期,利用加权平均构建矩阵,
三、迭代求解N个方程组,方程组的解即电能表超差;
四、异常电能表定位,通过设定数据窗口为M天,当M天内求解超差绝对值大于0.3的可疑电表认定为超差电表;
五、缓变异常电能表定位,设定每个月一次,设定数据窗口为1年,当1年内求解超差绝对值大于Z值的可疑电表认定为超差电表,Z值的取值范围为[0.3-0.45]。
本发明的有益效果是:
1、该基于核偏最小二乘法的电能表失准在线检测方法,通过使用多维度指标进行分析计算,客观分析,贴近现实,通过台区拓扑结构结合电力物理原理,利用能量守恒定律进行电表超差估计,更符合电能表物理原理,贴近电力业务场景,可解释性高。
2、该基于核偏最小二乘法的电能表失准在线检测方法,在计算电能表超差前,根据台区拓扑结构,优先对线损进行估计,减少能量守恒公式未知量,增加求解稳定性、准确性,经业务人员的现场核查结果及电能表异常识别核对,通过统计比对计算效果准确率达90%以上。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于核偏最小二乘法的电能表失准在线检测方法,其特征在于,包括:
S1、建立线损估计模型,包括线损影响变量、数据预处理,利用核偏最小二乘算法构建线损估计模型;
S2、对电能表超差进行计算,包括数据处理、能量守恒公式方程组构建。
2.根据权利要求1所述的一种基于核偏最小二乘法的电能表失准在线检测方法,其特征在于,所述线损影响变量对应台区变压器容量、台区下用户总数、数据总天数、台区总表日电量、台区用户表日电量,所述应台区变压器容量标记为x1,所述台区下用户总数标记为x2,所述数据总天数标记为x3,所述台区总表日电量标记为x4,所述台区用户表日电量标记为x5。
5.根据权利要求1所述的一种基于核偏最小二乘法的电能表失准在线检测方法,其特征在于,所述数据处理包括剔除异常台区、剔除异常数据,所述剔除异常台区根据台区总表数量、台区下用户表数量、总表电量或用户表电量一致性、数据天数、电能表综合倍率与电压互感器变比乘以电流互感器变比一致性剔除异常台区,所述剔除异常数据根据台区供入电量、台区供出电量、台区损耗电量剔除异常数据。
6.根据权利要求1所述的一种基于核偏最小二乘法的电能表失准在线检测方法,其特征在于,所述能量守恒公式方程组构建包括以下步骤:
一、将样本数据以及估计线损代入能量守恒公式;
二、设定M天为一个周期,利用加权平均构建矩阵;
三、迭代求解N个方程组;
四、异常电能表定位;
五、缓变异常电能表定位。
7.根据权利要求5所述的一种基于核偏最小二乘法的电能表失准在线检测方法,其特征在于,所述剔除异常台区的剔除条件为:台区总表数量等于0、台区下用户表数为0、总表电量或用户表电量连续6天一样、数据天数小于200天、电能表综合倍率与电压互感器变比乘以电流互感器变比不一致,满足其中一条即为异常台区,所述剔除异常数据的剔除条件为:台区供入电量为0、台区供出电量为0、台区损耗电量小于0,满足其中一条即为异常数据。
8.根据权利要求6所述的一种基于核偏最小二乘法的电能表失准在线检测方法,其特征在于,步骤一将样本数据以及估计线损代入能量守恒公式:其中y为台区总表供电量,ej为第j个用户电能表的失准率,/>为第j个用户电能表的用电量,ey代指线损率,e0代指固定损耗,在这里eyy+e0使用步骤S1中线损估计模型中的估计线损代替,步骤二设定M天为一个周期,利用加权平均构建矩阵:/>步骤三迭代求解N个方程组,方程组的解即电能表超差,步骤四异常电能表定位,通过设定数据窗口为M天,当M天内求解超差绝对值大于0.3的可疑电表认定为超差电表,步骤五缓变异常电能表定位,设定每个月一次,设定数据窗口为1年,当1年内求解超差绝对值大于Z值的可疑电表认定为超差电表,Z值的取值范围为[0.3-0.45]。/>
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310322121.7A CN116165597A (zh) | 2023-03-29 | 2023-03-29 | 一种基于核偏最小二乘法的电能表失准在线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310322121.7A CN116165597A (zh) | 2023-03-29 | 2023-03-29 | 一种基于核偏最小二乘法的电能表失准在线检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116165597A true CN116165597A (zh) | 2023-05-26 |
Family
ID=86416516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310322121.7A Pending CN116165597A (zh) | 2023-03-29 | 2023-03-29 | 一种基于核偏最小二乘法的电能表失准在线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116165597A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116859321A (zh) * | 2023-09-04 | 2023-10-10 | 青岛鼎信通讯科技有限公司 | 基于能源控制器的电能表计量误差监测方法 |
CN117851908A (zh) * | 2024-01-23 | 2024-04-09 | 广州伟宏智能科技有限公司 | 一种改进的在线低压台区电能表失准监测方法及装置 |
-
2023
- 2023-03-29 CN CN202310322121.7A patent/CN116165597A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116859321A (zh) * | 2023-09-04 | 2023-10-10 | 青岛鼎信通讯科技有限公司 | 基于能源控制器的电能表计量误差监测方法 |
CN116859321B (zh) * | 2023-09-04 | 2023-12-29 | 青岛鼎信通讯科技有限公司 | 基于能源控制器的电能表计量误差监测方法 |
CN117851908A (zh) * | 2024-01-23 | 2024-04-09 | 广州伟宏智能科技有限公司 | 一种改进的在线低压台区电能表失准监测方法及装置 |
CN117851908B (zh) * | 2024-01-23 | 2024-05-31 | 广州伟宏智能科技有限公司 | 一种改进的在线低压台区电能表失准监测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN116165597A (zh) | 一种基于核偏最小二乘法的电能表失准在线检测方法 | |
CN110658487A (zh) | 一种可以实现智能电表误差在线估计的表箱及系统 | |
CN110739686B (zh) | 一种基于总表异常分析的台区线损治理方法及系统 | |
CN109767054A (zh) | 基于深度神经网络算法的能效云评估方法及边缘能效网关 | |
Liu et al. | Remote malfunctional smart meter detection in edge computing environment | |
CN113010998A (zh) | 基于随动线损及遗忘因子最小二乘法的电表误差估计方法 | |
CN116148753A (zh) | 一种智能电能表运行误差监测系统 | |
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 | |
CN112418687A (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
CN116796403A (zh) | 一种基于商业建筑综合能耗预测的建筑节能方法 | |
CN115759708A (zh) | 一种考虑电力时空分布特性的线损分析方法及系统 | |
Liu et al. | An approach for online smart meter error estimation | |
CN111091223A (zh) | 一种基于物联网智能感知技术的配变短期负荷预测方法 | |
CN104680010B (zh) | 一种汽轮机组稳态运行数据筛选方法 | |
CN116304537B (zh) | 基于智能量测终端的窃电用户核查方法 | |
CN112990730A (zh) | 一种利用人为采集失败增强电量相关性特征的方法 | |
CN115575880B (zh) | 一种电力互感器计量误差状态在线检测方法 | |
CN115166625A (zh) | 智能电表误差估计方法及装置 | |
CN116136580A (zh) | 一种基于感知设备的线损分级检测方法及装置 | |
Yang et al. | ERP and DTW-based Transformer-customer Identification | |
CN117371623B (zh) | 一种电能表运行状态预警方法及系统 | |
CN110658385A (zh) | 一种基于复化梯形法的用电量分类计量方法 | |
Tang et al. | Substation-wise Load Composition Identification Based on Step-wise Regression with Load Templates | |
Xie et al. | Energy System Time Series Data Quality Maintenance System Based on Data Mining Technology |
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 |