CN117783990A - 电表计量误差自适应检测方法、系统、设备和存储介质 - Google Patents
电表计量误差自适应检测方法、系统、设备和存储介质 Download PDFInfo
- Publication number
- CN117783990A CN117783990A CN202311537840.7A CN202311537840A CN117783990A CN 117783990 A CN117783990 A CN 117783990A CN 202311537840 A CN202311537840 A CN 202311537840A CN 117783990 A CN117783990 A CN 117783990A
- Authority
- CN
- China
- Prior art keywords
- metering
- module
- intelligent ammeter
- rectangular window
- data
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 103
- 238000012937 correction Methods 0.000 claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 49
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 238000004134 energy conservation Methods 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 30
- 238000010606 normalization Methods 0.000 claims description 21
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 238000011897 real-time detection Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 125000003275 alpha amino acid group Chemical group 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明属于配电网电能计量领域,公开了一种电表计量误差自适应检测方法、系统、设备和存储介质。通过获取台区的拓扑连接;将拓扑连接中的电力线和用户负荷用集总参数表示,得到台区的等效电路;基于等效电路,根据能量守恒定律建立台区功率平衡模型;采集多个计量时段内的智能电表数据;利用采集的智能电表数据和功率平衡模型建立满秩的线性方程组,得到智能电表远程误差检测模型;对智能电表远程误差检测模型的系数矩阵进行处理,得到电能计量修正系数;获取电能计量误差与电能计量修正系数之间的关系模型,根据电能计量修正系数和所述关系模型,计算得到误差检测结果。本发明可实现对大样本台区电表的电能计量误差进行实时检测。
Description
技术领域
本发明属于配电网电能计量领域,具体而言,涉及一种电表计量误差自适应检测方法、系统、设备和存储介质。
背景技术
在大样本智能电表测量数据中,通过对智能电表计量误差的评估,初步判断智能电表的健康状态,往往比推算具体智能电表部件的状态所要求的特征数据更少,可在现有的智能电表数据采集系统直接应用,更具有实用意义。现有技术中,面向大样本台区智能电表的计量误差无有效的实时评估方法,导致无法对大样本台区智能电表的计量误差进行有效判定。
有鉴于此,特提出本申请。
发明内容
本发明的目的在于提供一种电表计量误差自适应检测方法、系统、设备和存储介质,解决现有的智能电表计量误差检测方法不能实现对大样本台区智能电表的计量误差进行检测的问题。
本发明通过下述技术方案实现:
第一方面,提供一种电表计量误差自适应检测方法,包括以下步骤:根据台区的拓扑连接建立台区功率平衡模型;采集多个计量时段内的智能电表数据;利用采集的智能电表数据和所述功率平衡模型建立满秩的线性方程组,得到智能电表远程误差检测模型;根据采集的智能电表数据和所述台区功率平衡模型建立智能电表远程误差检测模型;获取电能计量误差与所述电能计量修正系数之间的关系模型,根据所述电能计量修正系数和所述关系模型,计算得到误差检测结果。
进一步的,所述采集多个计量时段内的智能电表数据,包括以下步骤:建立可移动的矩形窗;所述矩形窗的移动步长为一个计量时段;将所述矩形窗的移动方向设置为与采集所述智能电表数据的时序方向相反;所述智能电表数据从所述矩形窗的尾部输入,所述智能电表数据从所述矩形窗的头部输出;利用所述矩形窗在当前位置采集多个计量时段内的智能电表数据。
进一步的,所述采集多个计量时段内的智能电表数据,包括以下步骤:建立可移动的矩形窗;所述矩形窗的移动步长为一个计量时段;将所述矩形窗的移动方向设置为与采集所述智能电表数据的时序方向相反;所述智能电表数据从所述矩形窗的尾部输入,所述智能电表数据从所述矩形窗的头部输出;利用所述矩形窗在当前位置采集多个计量时段内的智能电表数据;
进一步的,所述根据采集的智能电表数据和所述台区功率平衡模型建立智能电表远程误差检测模型,包括以下步骤:利用采集的智能电表数据和所述功率平衡模型建立满秩的线性方程组,得到所述智能电表远程误差检测模型。
进一步的,所述计算得到误差检测结果之后,包括以下步骤:S1:将所述矩形窗移动一个步长;S2:利用移动后的矩形窗重新采集智能电表数据;S3:利用重新采集的智能电表数据和所述功率平衡模型重新建立满秩的线性方程组,得到新的智能电表远程误差检测模型;S4:获取重新建立的线性方程组的条件数;S5:针对重新建立的线性方程组的变量执行S51和S52;所述变量包括多个分量,每一个分量中对应的包含多个元素;S51:设置各分量的相对误差上限;S52:对每一个分量中的每一个元素进行归一化处理,得到归一化处理后的变量;
S6:根据归一化处理后的变量和重新建立的线性方程组,对所述条件数进行处理;S7:将处理后的条件数与所述相对误差上限进行比较;若处理后的条件数≥所述相对误差上限,则移除位于矩形窗头部的智能电表数据,并返回所述S1;若处理后的条件数<所述相对误差上限,则对新的智能电表远程误差检测模型的系数矩阵进行处理,得到新的电能计量修正系数,利用新的电能计量修正系数更新之前的电能计量修正系数。
进一步的,所述对每一个分量中的每一个元素进行归一化处理,包括以下步骤:针对每一个分量执行S52.1和S52.2:S52.1:设置分量的基准值;所述基准值为分量的多个元素中与分量的真实值距离最近的一个元素;S52.2:将分量中的每一个元素均除以所述基准值。
进一步的,所述利用新的电能计量修正系数更新之前的电能计量修正系数之前,包括以下步骤:获取矩形窗的移动次数;若所述移动次数<矩形窗的长度,则设置阈值;若矩形窗第一次移动后对应的系数矩阵的条件数<所述阈值,则执行所述S5至所述S7,并利用更新后的电能计量修正系数和所述关系模型,计算得到新的误差检测结果;若所述移动次数≥矩形窗的长度,则对各分量的基准值进行更新,根据更新后的基准值执行所述S52.2至所述S7,并利用更新后的电能计量修正系数和所述关系模型,计算得到新的误差检测结果。
第二方面,提供一种电表计量误差自适应检测系统,包括:第一模型构建模块、智能电表数据采集模块、第二模型构建模块、修正系数获取模块和计量误差检测模块。其中,第一模型构建模块,用于根据台区的拓扑连接建立台区功率平衡模型。智能电表数据采集模块用于采集多个计量时段内的智能电表数据。第二模型构建模块用于根据采集的智能电表数据和所述台区功率平衡模型建立智能电表远程误差检测模型。修正系数获取模块用于对所述智能电表远程误差检测模型的系数矩阵进行处理,得到电能计量修正系数。计量误差检测模块用于获取电能计量误差与所述电能计量修正系数之间的关系模型,根据所述电能计量修正系数和所述关系模型,计算得到误差检测结果。
进一步的,所述智能电表数据采集模块包括:矩形窗构建单元、矩形窗设置单元和数据采集单元。其中,矩形窗构建单元用于建立可移动的矩形窗;所述矩形窗的移动步长为一个计量时段。矩形窗设置单元用于将所述矩形窗的移动方向设置为与采集所述智能电表数据的时序方向相反;所述智能电表数据从所述矩形窗的尾部输入,所述智能电表数据从所述矩形窗的头部输出。数据采集单元用于利用所述矩形窗在当前位置采集多个计量时段内的智能电表数据。
进一步的,所述第一模型构建模块包括:拓扑连接获取单元、等效电路获取单元和功率平衡模型构建单元。其中,拓扑连接获取单元用于获取台区的拓扑连接;等效电路获取单元用于将所述拓扑连接中的电力线和用户负荷用集总参数表示,得到台区的等效电路。功率平衡模型构建单元,用于基于所述等效电路,根据能量守恒定律建立台区功率平衡模型。
进一步的,所述电表计量误差自适应检测系统还包括:第一控制模块、第二控制模块、第三控制模块、条件数获取模块、第四控制模块、误差上限设置模块、归一化处理模块、条件数处理模块、第一逻辑控制模块和数据更新模块。其中,第一控制模块用于将所述矩形窗移动一个步长。第二控制模块用于控制移动后的矩形窗重新采集智能电表数据。第三控制模块用于控制所述第二模型构建模块利用重新采集的智能电表数据和所述功率平衡模型重新建立满秩的线性方程组,得到新的智能电表远程误差检测模型。条件数获取模块用于获取重新建立的线性方程组的条件数。第四控制模块,用于针对重新建立的线性方程组的变量控制误差上限设置模块和归一化处理模块工作;所述变量包括多个分量,每一个分量中对应的包含多个元素。误差上限设置模块用于设置各分量的相对误差上限。归一化处理模块用于对每一个分量中的每一个元素进行归一化处理,得到归一化处理后的变量。条件数处理模块用于根据归一化处理后的变量和重新建立的线性方程组,对所述条件数进行处理。第一逻辑控制模块,用于将处理后的条件数与所述相对误差上限进行比较;若处理后的条件数≥所述相对误差上限,则控制数据移除模块工作,并重新调用所述第一控制模块、所述第二控制模块、所述第三控制模块、所述条件数获取模块、所述第四控制模块和所述条件数处理模块依次工作;若处理后的条件数<所述相对误差上限,则控制所述修正系数获取模块对新的智能电表远程误差检测模型的系数矩阵进行处理,得到新的电能计量修正系数;并控制数据更新模块工作。数据更新模块用于利用新的电能计量修正系数更新之前的电能计量修正系数。
进一步的,所述第一模型构建模块包括:拓扑连接获取单元、等效电路获取单元和功率平衡模型构建单元。拓扑连接获取单元用于获取台区的拓扑连接。等效电路获取单元用于将所述拓扑连接中的电力线和用户负荷用集总参数表示,得到台区的等效电路。功率平衡模型构建单元用于基于所述等效电路,根据能量守恒定律建立台区功率平衡模型。
进一步的,所述归一化处理模块包括:基准值设置单元和数据运算单元。其中,基准值设置单元用于设置分量的基准值;所述基准值为分量的多个元素中与分量的真实值距离最近的一个元素。数据运算单元用于将分量中的每一个元素均除以所述基准值。
进一步的,所述电表计量误差自适应检测系统还包括:移动次数计数模块、第二逻辑控制模块、阈值设置模块和基准值更新模块。其中,移动次数计数模块用于对矩形窗的移动次数进行计数。第二逻辑控制模块用于比较移动次数与矩形窗的长度之间的大小,若所述移动次数<矩形窗的长度,则控制阈值设置模块工作,以及获取所述阈值设置模块设置的阈值,并比较矩形窗第一次移动后对应的系数矩阵的条件数与所述阈值之间的大小,若矩形窗第一次移动后对应的系数矩阵的条件数<所述阈值,则控制所述第四控制模块、所述条件数处理模块和所述第一逻辑控制模块工作,并控制所述计量误差检测模块利用更新后的电能计量修正系数和所述关系模型,计算得到新的误差检测结果;若所述移动次数≥矩形窗的长度,则控制基准值更新模块工作,以及获取所述基准值更新模块更新后的基准值,根据更新后的基准值控制所述数据运算单元、所述条件数处理模块和所述第一逻辑控制模块工作,并控制所述计量误差检测模块利用更新后的电能计量修正系数和所述关系模型,计算得到新的误差检测结果。阈值设置模块用于设置阈值。基准值更新模块用于对各分量的基准值进行更新。
第三方面,提供一种计算机设备,包括依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发数据,所述处理器用于读取所述计算机程序,执行如第一方面所述的电表计量误差自适应检测方法。
第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面所述的电表计量误差自适应检测方法。
本发明与现有技术相比,具有如下的优点和有益效果:
1、智能电表远程误差检测模型基于台区拓扑连接、能量守恒定律和智能电表数据建立的。其中,对各分路智能电表在多个时段内的计量数据进行实时采集,可建立大样本智能电表计量数据,通过合理利用大样本智能电表计量数据,对智能电表远程误差检测模型的系数矩阵进行变化,结合电能计量误差与电能计量修正系数之间关联关系,可实现对大样本台区智能电表的电能计量误差进行实时检测。
2、采用可移动的矩形窗采集智能电表计量数据,可大幅减少智能电表计量误差的更新时间。具体而言,当需要对智能电表计量误差进行更新时,传统的矩形窗在执行当前次数据采集任务时,其需要采集与前一次具有相同规模大小的智能电表计量数据(2n+2个计量时段);而可移动的矩形窗采集数据在执行当前次数据采集任务时,基于前一次执行任务过程中采集的数据,其在当前次任务中仅需采集T2n+3时段内的数据,而无需采集T2时段至T2n+3时段内的数据,因此可节约大量的数据采集时间,进而减少智能电表计量误差的更新时间。
3、通过分析智能电表远程误差检测模型中系数矩阵的条件数与误差评估有效性阈值(各分量的相对误差上限)的关系,利用变量归一化和条件数处理,使处理后的条件数可用于对计量误差进行的有效性进行评估,从而实现利用条件数筛选计量数据,保证智能电表误差检测结果的准确度。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例提供的一种电表计量误差自适应检测方法流程图;
图2为本发明实施例提供的低压台区的典型拓扑连接图;
图3为本发明实施例提供的低压台区的等效电路图;
图4为本发明实施例提供的智能电表各功率关系图;
图5为本发明实施例提供的基于移动矩形窗的计量数据采集示意图;
图6为本发明实施例提供的基准值更新方法示意图;
图7为本发明实施例提供的电表计量误差远程评估仿真平台;
图8为本发明实施例提供的Simulink平台仿真图;
图9为本发明实施例提供的各相最大误差评估图。
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明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例
为解决现有技术中,面向大样本台区智能电表的计量误差无有效的实时评估方法,导致无法对大样本台区智能电表的计量误差进行有效判定的问题,本实施例第一方面提供一种电表计量误差自适应检测方法,该方法的实施流程如图1所示,包括以下步骤:
步骤1:获取台区的拓扑连接。
台区中各智能电表与台区总表的典型拓扑连接如图2所示。图2中包含n个智能电表和1个台区总表,Wi表示智能电表的电量,Ii表示电流计量值,i=1,2,…,n+1,n表示台区中智能电表的数量,第n+1个智能电表表示台区总表。
步骤2:将拓扑连接中的电力线和用户负荷用集总参数表示,得到台区的等效电路。
台区对应的等效电路如图3所示。图3中,Un+1表示智能电表测量点处的对地电压,ZL(i)表示用户分支线路上的电阻,ZL(n+1)表示汇总线路的电阻,guser(i)表示用户侧的等效电导,i=1,2,…,n。
步骤3:基于所述等效电路,根据能量守恒定律建立台区功率平衡模型。
结合图3,由能量守恒定律可知,流入台区的能量与台区日常消耗的能量相等,因此可建立台区功率平衡模型。以T1时段为例,在T1时间段内对应的台区功率平衡模型的表达式可以是式(1)中,WΣ(T1)表示理想情况下台区总表在T1时间段内的记录电量;Wi(T1)表示理想情况下第i个智能电表在T1时间段内的记录电量,i=1,2,…,n;PL(T1)表示线路L的平均损耗功率。同理可得,在Tk时间段内对应的台区功率平衡模型的表达式,k=1,2,…,K,K表示记录时间段的次数。
由于智能电表存在固有损耗Wi loss与漏电损耗Wi leak,i=1,2,…,n+1;同时,电压计量值存在误差,导致智能电表的实际计量值与理想计量值Wi之间存在差异。可以将智能电表的固有损耗Wi loss、漏电损耗Wi leak和实际计量值/>分别表示为:
Wi loss=Ploss·T1 (2),
式(2)中,Wi loss表示智能电表的固有损耗,Ploss表示智能电表的固有损耗功率;式(3)中,Wi leak表示智能电表的漏电损耗,Ui表示第i个智能电表入户端的电压值,σi的大小反应漏电的严重程度;式(4)中,表示智能电表的实际计量值,ei表示智能电表的电压计量误差。
又由于智能电表运行时,入户端的电压及其漏电参数σ的时变性,导致了智能电表的漏电损耗Wi leak为可变损耗。而漏电损耗Wi leak是智能电表存在计量误差的原因之一;同时,由于入户端的电压Ui和电流计量误差也将使智能电表的实际计量值存在误差。因此,为便于分析,可将上述式(3)和式(4)合并为一项,得到/>式(5)中,αi为计量修正系数,其与智能电表的电能计量误差δi的关系为:/>可通过式(5)对智能电表的计量误差进行统一描述。因此,智能电表的实际计量值/>与理想计量值Wi之间的关系可以表示为/>
基于上述分析,智能电表的各种功率关系由图4所示。由图4可知,线路的损耗功率PL可分为两部分,一部分是各个用户分支线路的分支损耗功率PLi,i=1,2,…,n,另一部分是汇总线路的汇总损耗功率PL(n+1)。其中,分支损耗功率PLi可表示为式(8)中,PLi表示各用户分支线路的分支损耗功率,βi是各智能电表计量电流/>的修正系数, 汇总损耗功率PL(n+1)可表示为式(9)中,PL(n+1)表示汇总线路的汇总损耗功率。
结合式(2)-(9),可将上述式(1)转化为式(10)中,b(T1)表示台区总表在T1时段内的实际功率,/>c表示智能电表固有损耗,/> 表示第i个智能电表在T1时间段内的实际电流计量值;γi表示台区线路电阻,/>
步骤4:采集多个计量时段内的智能电表数据。由于智能电表的电量计量值以及电流计量值均可通过现有的电网平台获取,且台区总表的功率校准系数αn+1可以通过高精度仪表直接获取,故式(10)中,b(T1),均为已知数,因此式(10)可表示为关于未知变量c,αi,γi的线性组合形式。
另外,根据式(10)可知,未知变量c,αi,γi的数量为2n+2,故可通过监测2n+2个时段的功率数据及电流数据。本实施例利用矩形窗采集2n+2个时段的功率数据及电流数据,实现大样本智能电表数据采集。
步骤5:利用采集的智能电表数据和功率平衡模型建立满秩的线性方程组,得到智能电表远程误差检测模型。
利用监测到的数据和式(10)组成满秩的线性方程组,即:B=A·x(11)。式(11)中,B=(b(T1)b(T2)…b(T2n+2))T (12),x=(c a1 … γn+1)T (14)。
步骤6:对智能电表远程误差检测模型的系数矩阵进行处理,得到电能计量修正系数。
通过x=A-1·B(15)可求得电能计量修正系数αi。
步骤7:获取电能计量误差与电能计量修正系数之间的关系模型,根据电能计量修正系数和关系模型,计算得到误差检测结果。
电能计量误差与电能计量修正系数之间的关系模型由式(6)表示。将步骤6计算获得的电能计量修正系数αi代入式(6)即可计算获得电表电能计量误差δi,即误差检测结果。
基于上述步骤1至步骤7可实现台区各分支智能电表的远程电能计量误差检测。
然而,根据上述方法获得的误差检测结果还存在待改进之处:一是由于每计算一次智能电表的误差δi,对应矩形窗的长度是2n+2,当台区的智能电表数量较多时,更新一次电表计量误差δi所需的时间较长,因此有必要缩短对电表计量误差δi的更新时间间隔;二是由于目前缺少对所获得的电表计量误差δi的质量进行评估,导致依据上述方法所获得的电表计量误差δi的质量无法得到保障。
基于上述两方面的技术缺陷,本实施例在上述步骤1至步骤7的基础上对本电表计量误差自适应检测方法做进一步改进。第一方面对数据采集所使用的矩形窗进行改进,即利用可移动的矩形窗采集多个计量时段内的智能电表数据,以此减小计量电表误差的更新时间;第二方面通过分析计量模型中系数矩阵的条件数与误差评估有效性阈值的关系,对电表计量误差δi的有效性进行评估,从而保证每次误差更新的质量。
针对第一方面对矩形窗的改进,具体实施方法如下:
步骤4.1:建立图5所示的可移动的矩形窗。
步骤4.2:对可移动的矩形窗进行如下设置:
一是设置矩形窗(长度为2n+2)每次移动的步长为一个计量时段,例如在执行完当前次数据采集任务后,矩形窗采集得到的数据为T1-T2n+2时段内的智能电表计量数据,则在执行下一次数据采集任务之前,矩形窗首先移动一个计量时段到下一个采集位置,即从计量时段T2开始采集,将采集到T2-T2n+3时段内的智能电表计量数据。
二是将矩形窗的移动方向设置为与采集智能电表数据的时序方向相反。具体而言,如图5所示,采集智能电表数据的时序方向为从左到右,则矩形窗的移动方向应当为从右到左(每次移动一个计量时段),使得矩形窗在采集智能电表数据时,智能电表数据是从矩形窗的尾部输入。经过一轮数据采集之后,第一个计量时段内的智能电表数据位于矩形窗的头部,最后一个计量时段内的智能电表数据位于矩形窗的尾部。例如,当矩形窗采集得到T1-T2n+2时段内的智能电表计量数据后,T1时段内的智能电表数据位于矩形窗的头部,T2n+2时段内的智能电表计量数据位于矩形窗的尾部;进一步的,当矩形窗向左移动一个计量时段的步长后,T2n+3时段内的智能电表计量数据进入矩形窗的尾部,则T1时段内的智能电表数据从矩形窗的头部输出,当前位于矩形窗头部的数据为T2时段内的智能电表数据,以此类推。当然,采集智能电表数据的时序方向也可以是从右到左,相应的矩形窗的移动方向可以是从左到右且每次移动一个计量时间段的步长,只要保证二者移动方向相反即可。
步骤4.3:利用上述可移动的矩形窗在当前位置采集多个计量时段内的智能电表数据
综合步骤4.1-4.3所述可知,采用可移动的矩形窗采集智能电表计量数据,可大幅减少智能电表计量误差的更新时间。当需要对智能电表计量误差进行更新时,传统的矩形窗在执行当前次数据采集任务时,其需要采集与前一次具有相同规模大小(2n+2个计量时段)的智能电表计量数据;而可移动的矩形窗采集数据在执行当前次数据采集任务时,基于前一次执行任务过程中采集的数据,其在当前次任务中仅需采集T2n+3时段内的数据,而无需采集T2时段至T2n+3时段内的数据,因此可节约大量的数据采集时间,进而减少智能电表计量误差的更新时间。
基于可移动的矩形窗,本实施例第二方面对计量误差质量的改进,具体实施方法如下:
S1:将上述矩形窗向左移动一个步长。假设,上述步骤1至步骤7为首次利用可移动的矩形窗采集智能电表计量数据,则数据采集完成后,T2n+2时段内的智能电表计量数据位于矩形窗的尾部;在第二次利用可移动矩形窗采集智能电表计量数据时,首先将矩形窗向左移动一个步长,使矩形窗的尾部对准T2n+3时段。
S2:利用移动后的矩形窗重新采集智能电表数据。基于S1,执行本步骤后,所采集得到的数据为T2-T2n+3时段内的智能电表计量数据。
S3:利用S2采集的智能电表数据和功率平衡模型重新建立满秩的线性方程组,得到新的智能电表远程误差检测模型。
为了使方法具有通用性,本实施例将智能电表远程误差检测模型通过Bk=Ak·x(17)表示。其中,Bk=(b(T1+k)b(T2+k)…b(T2n+2+k))T (18), k表示矩阵窗移动的次数。从式(19)可以看出,当k=0时,即矩形窗首次采集智能电表计量数据(未发生位移),此时,式(19)与式(13)相同,当k=1,2,…时,即矩形窗向左进行了k次位移,此时,线性方差组的系数矩阵由式(19)表示。Bk为系数矩阵Ak对应的向量。
S4:获取重新建立的线性方程组的条件数。
由式(17)-(19)可知,电表计量误差δi由系数矩阵Ak及对应向量Bk决定,Ak的条件数不仅表征了线性方程组的线性相关程度,也表征了线性方程组的参数敏感程度,因此通过分析Ak的条件数,可得到智能电表计量误差的可信程度。
通过欧式距离,可得到Ak的条件数为式(20)中,κ(Ak)表示Ak的条件数为,σmax表示Ak的最大奇异值,σmin表示Ak的最小奇异值,Δx表示系数矩阵Ak及对应向量Bk发生微小数值偏移时造成向量x偏移其真值的大小。通过分析可知,式(21)中,xmax表示向量x中绝对值最大的元素,xmin表示向量x中绝对值最小的元素,Δxmax表示向量Δx中绝对值最大的元素,Δxmin表示向量Δx中绝对值最小的元素。
S5:针对重新建立的线性方程组的变量执行S51和S52。
S51:设置各分量的相对误差上限。
由式(14)可知,线性方程组的变量为向量x,其中包含c,αi,γi这三个分量。并且分量αi中又包含n个元素,γi中又包含n+1个元素。设η为向量x中各个分量(c,αi,γi)的相对误差允许上限,即误差评估有效性阈值,当η大于设定阈值时,可认为矩阵窗中的系数矩阵Ak及对应向量Bk不能正确的评估电表误差。
S52:对每一个分量中的每一个元素进行归一化处理,得到归一化处理后的变量。
由于c,αi,γi纲量不同,式(21)中不等式的上限与下限均无相对误差的意义,此时,条件数κ(Ak)不能直接作为评估电表计量误差δi质量的依据。若将向量x中最接近各分量真值的数设为基准值并各元素同时除以对应的基准值,即归一化,从而使得κ(Ak)能直接衡量δi的评估质量。
因此,归一化处理的方法为:
S52.1:设置分量的基准值。该基准值为分量(c,αi,γi)中的多个元素中与分量的真实值之间距离最近的一个元素。
S52.2:将分量中的每一个元素均除以该基准值,便得到归一化处理后的向量。
设向量x'为向量x归一化后的形式,由于向量x中各分量基准值可独立指定,特别的,可选取xmax的基准值为xB max,选取xmin的基准值为xB min,且满足|xmin/xB min|≈|xmax/xB max|(22),进而不等式和不等式 成立。
S6:根据归一化处理后的变量和重新建立的线性方程组,对条件数进行处理。
由当向量x归一化后,为保证式(18)仍然成立,需对系数矩阵Ak进行调整,由于向量x中的含三个意义不同分量,故对Ak应分块调整。设调整后的矩阵为A'k,则Ak对应的调整方法如下:
A'k(1)=Ak(1)·cB (25),式(25)中,cB表示系数矩阵中与分量c对应的Ak(1)部分的调整系数,A’k(1)表示对Ak(1)部分进行调整后的结果。
式(26)中,/>表示系数矩阵中与分量αi对应的Ak(i)部分的调整系数,A’k(i)表示对Ak(i)部分进行调整后的结果。
式(27)中,/>表示系数矩阵中与分量γi对应的Ak(i)部分的调整系数,A’k(i)表示对Ak(i)部分进行调整后的结果。
根据式(20)、(21)可知,κ(A'k)的上限可近似表示x'中误差最大分量的相对误差,κ(A'k)的下限可近似表示x'中误差最小分量的相对误差。若κ(A'k)的上限与下限数值接近,根据夹迫准则,κ(A'k)具有衡量x中各分量相对误差的意义,可直接将其与η比较。其实施步骤为:
S7:将处理后的条件数与相对误差上限进行比较;若处理后的条件数≥相对误差上限,则移除位于矩形窗头部的智能电表数据,并返回所述S1,执行下一轮的数据采集;若处理后的条件数<相对误差上限,则对新的智能电表远程误差检测模型的系数矩阵按照步骤6相同的方式进行处理,得到新的电能计量修正系数,并利用新的电能计量修正系数更新之前的电能计量修正系数。
简而言之,S7中,当κ(A'k)≥η,新进入矩形窗头的数据将被移除,直至新进入窗头的数据满足κ(A'k)<η时,向量x才进行更新。由此可实时保证误差更新的质量。
需补充说明的是,为实现S7所述目的,关键在于满足式(22)。对此,本实施例在利用新的电能计量修正系数更新之前的电能计量修正系数之前,还进行以下操作:
S7.1:获取矩形窗的移动次数:。
S7.2:若所述移动次数<矩形窗的长度,则设置阈值;若矩形窗第一次移动后对应的系数矩阵的条件数<所述阈值,则执行所述S5至所述S7,并利用更新后的电能计量修正系数和所述关系模型,计算得到新的误差检测结果;若所述移动次数≥矩形窗的长度,则对各分量的基准值采用进行更新,根据更新后的基准值执行所述S52.2至所述S7,并利用更新后的电能计量修正系数和所述关系模型,计算得到新的误差检测结果。式(28)中,xB表示更新后的基准值,x(i),(i=k,k-1,…k+1-L),表示向量x的第i次更新值。
例如,图6以L作为矩形窗的长度,当第k次更新电表计量误差时,若k<L,则通过设置一个启动阈值λ,若条件数κ(A1)<λ,则对电表计量误差进行求解和更新;如果当第k次更新电表计量误差时k≥L,则需先对各分量的基准值按照式(28)进行更新,然后执行后续操作以完成代表计量误差求解和更新。
为验证本实施例提供的电表计量误差自适应检测方法的有效性,利用matlab搭建了如电表计量误差远程评估仿真平台,图7为电表计量误差远程评估仿真平台示意图,图8为Simulink平台仿真图。
其中,功率控制器实时控制三相用户的功率输出,根据日负荷曲线,本实施例设置了1200个不同时段用户的离散功率值,同时采用如下信号以模拟负荷的随机波动:P=f(t)·[1+θ·rand(t)](29),式(29)中,p表示离散功率,f(t)表示连续时间域上取值为日负荷功率曲线数值的函数,θ表示电表的误差,rand(t)表示连续时间域上取值为[0,1]的随机函数。
仿真平台各相均有30个用户,通过simulink的功率及电流测量模块可得到汇总线路与分支线路共63组理想测量值,即Wi和Ii,(i=1…93)。由于台区三相总表基数小,易于校准,可认为其实际测量值就是的各相功率与电流的理想值,而对于用户的智能电表,可在式(7)的基础上按以下方式调整:
通过对用户端智能电表设置不同的Wi loss,δi可模拟用户端智能电表的测量值将仿真模型中每相1200个不同时段的测量数据用于本文所提的电表计量误差评估模型,可得到对应电表的误差估计值。当采集完1200个不同时段的电表数据并完成误差评估后,A、B、C三相电表的评估误差如图9所示。图9中,评估误差μi(t)定义为其中δi(t)表示电表实时更新的误差估计值,当不满足更新条件时,即κ(A'k)<η,δi(t)保持上一次更新的值。由于当t<100时,评估算法处于启动阶段,此时误差估算值无计量意义。故图9中仅记录t∈[101,1200]时的电表计量误差估计值。
与上述第一方面所提供的一种电表计量误差自适应检测方法对应的,本实施例第二方面提供一种电表计量误差自适应检测系统,包括:第一模型构建模块、智能电表数据采集模块、第二模型构建模块、修正系数获取模块、计量误差检测模块、第一控制模块、第二控制模块、第三控制模块、条件数获取模块、第四控制模块、误差上限设置模块、归一化处理模块、条件数处理模块、第一逻辑控制模块、数据更新模块、移动次数计数模块、第二逻辑控制模块、阈值设置模块和基准值更新模块。其中,
第一模型构建模块用于根据台区的拓扑连接建立台区功率平衡模型。
智能电表数据采集模块用于采集多个计量时段内的智能电表数据。
第二模型构建模块用于根据采集的智能电表数据和所述台区功率平衡模型建立智能电表远程误差检测模型。
修正系数获取模块用于对所述智能电表远程误差检测模型的系数矩阵进行处理,得到电能计量修正系数。计量误差检测模块用于获取电能计量误差与所述电能计量修正系数之间的关系模型,根据所述电能计量修正系数和所述关系模型,计算得到误差检测结果。
第一控制模块用于将所述矩形窗移动一个步长。
第二控制模块用于控制移动后的矩形窗重新采集智能电表数据。
第三控制模块用于控制所述第二模型构建模块利用重新采集的智能电表数据和所述功率平衡模型重新建立满秩的线性方程组,得到新的智能电表远程误差检测模型。
条件数获取模块用于获取重新建立的线性方程组的条件数。
第四控制模块,用于针对重新建立的线性方程组的变量控制误差上限设置模块和归一化处理模块工作;所述变量包括多个分量,每一个分量中对应的包含多个元素。
误差上限设置模块用于设置各分量的相对误差上限。归一化处理模块用于对每一个分量中的每一个元素进行归一化处理,得到归一化处理后的变量。
条件数处理模块用于根据归一化处理后的变量和重新建立的线性方程组,对所述条件数进行处理。
第一逻辑控制模块,用于将处理后的条件数与所述相对误差上限进行比较;若处理后的条件数≥所述相对误差上限,则控制数据移除模块工作,并重新调用所述第一控制模块、所述第二控制模块、所述第三控制模块、所述条件数获取模块、所述第四控制模块和所述条件数处理模块依次工作;若处理后的条件数<所述相对误差上限,则控制所述修正系数获取模块对新的智能电表远程误差检测模型的系数矩阵进行处理,得到新的电能计量修正系数;并控制数据更新模块工作。
数据更新模块用于利用新的电能计量修正系数更新之前的电能计量修正系数。
移动次数计数模块用于对矩形窗的移动次数进行计数。
第二逻辑控制模块用于比较移动次数与矩形窗的长度之间的大小,若所述移动次数<矩形窗的长度,则控制阈值设置模块工作,以及获取所述阈值设置模块设置的阈值,并比较矩形窗第一次移动后对应的系数矩阵的条件数与所述阈值之间的大小,若矩形窗第一次移动后对应的系数矩阵的条件数<所述阈值,则控制所述第四控制模块、所述条件数处理模块和所述第一逻辑控制模块工作,并控制所述计量误差检测模块利用更新后的电能计量修正系数和所述关系模型,计算得到新的误差检测结果;若所述移动次数≥矩形窗的长度,则控制基准值更新模块工作,以及获取所述基准值更新模块更新后的基准值,根据更新后的基准值控制所述数据运算单元、所述条件数处理模块和所述第一逻辑控制模块工作,并控制所述计量误差检测模块利用更新后的电能计量修正系数和所述关系模型,计算得到新的误差检测结果。
阈值设置模块用于设置阈值。
基准值更新模块用于对各分量的基准值进行更新。
进一步的,
上述智能电表数据采集模块包括:矩形窗构建单元、矩形窗设置单元和数据采集单元。其中,矩形窗构建单元用于建立可移动的矩形窗;所述矩形窗的移动步长为一个计量时段。矩形窗设置单元用于将所述矩形窗的移动方向设置为与采集所述智能电表数据的时序方向相反;所述智能电表数据从所述矩形窗的尾部输入,所述智能电表数据从所述矩形窗的头部输出。数据采集单元用于利用所述矩形窗在当前位置采集多个计量时段内的智能电表数据。
上述第一模型构建模块包括:拓扑连接获取单元、等效电路获取单元和功率平衡模型构建单元。拓扑连接获取单元用于获取台区的拓扑连接。等效电路获取单元用于将所述拓扑连接中的电力线和用户负荷用集总参数表示,得到台区的等效电路。功率平衡模型构建单元用于基于所述等效电路,根据能量守恒定律建立台区功率平衡模型。
上述归一化处理模块包括:基准值设置单元和数据运算单元。其中,基准值设置单元用于设置分量的基准值;所述基准值为分量的多个元素中与分量的真实值距离最近的一个元素。数据运算单元用于将分量中的每一个元素均除以所述基准值。
本实施例第三方面,提供一种计算机设备,包括依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发数据,所述处理器用于读取所述计算机程序,执行如第一方面所述的电表计量误差自适应检测方法。
第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面所述的电表计量误差自适应检测方法。
本实施例第五方面提供一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如上述第一方面所述的智能电表通信脉冲噪声抑制方法。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,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)
1.一种电表计量误差自适应检测方法,其特征在于,包括以下步骤:
根据台区的拓扑连接建立台区功率平衡模型;
采集多个计量时段内的智能电表数据;
根据采集的智能电表数据和所述台区功率平衡模型建立智能电表远程误差检测模型;
对所述智能电表远程误差检测模型的系数矩阵进行处理,得到电能计量修正系数;
获取电能计量误差与所述电能计量修正系数之间的关系模型,根据所述电能计量修正系数和所述关系模型,计算得到误差检测结果。
2.根据权利要求1所述的一种电表计量误差自适应检测方法,其特征在于,
所述根据台区的拓扑连接建立台区功率平衡模型,包括以下步骤:获取台区的拓扑连接;将所述拓扑连接中的电力线和用户负荷用集总参数表示,得到台区的等效电路;基于所述等效电路,根据能量守恒定律建立台区功率平衡模型;
所述采集多个计量时段内的智能电表数据,包括以下步骤:建立可移动的矩形窗;所述矩形窗的移动步长为一个计量时段;将所述矩形窗的移动方向设置为与采集所述智能电表数据的时序方向相反;所述智能电表数据从所述矩形窗的尾部输入,所述智能电表数据从所述矩形窗的头部输出;利用所述矩形窗在当前位置采集多个计量时段内的智能电表数据;
所述根据采集的智能电表数据和所述台区功率平衡模型建立智能电表远程误差检测模型,包括以下步骤:利用采集的智能电表数据和所述功率平衡模型建立满秩的线性方程组,得到所述智能电表远程误差检测模型。
3.根据权利要求2所述的一种电表计量误差自适应检测方法,其特征在于,所述计算得到误差检测结果之后,包括以下步骤:
S1:将所述矩形窗移动一个步长;
S2:利用移动后的矩形窗重新采集智能电表数据;
S3:利用重新采集的智能电表数据和所述功率平衡模型重新建立满秩的线性方程组,得到新的智能电表远程误差检测模型;
S4:获取重新建立的线性方程组的条件数;
S5:针对重新建立的线性方程组的变量执行S51和S52;所述变量包括多个分量,每一个分量中对应的包含多个元素;
S51:设置各分量的相对误差上限;
S52:对每一个分量中的每一个元素进行归一化处理,得到归一化处理后的变量;
S6:根据归一化处理后的变量和重新建立的线性方程组,对所述条件数进行处理;
S7:将处理后的条件数与所述相对误差上限进行比较;若处理后的条件数≥所述相对误差上限,则移除位于矩形窗头部的智能电表数据,并返回所述S1;若处理后的条件数<所述相对误差上限,则对新的智能电表远程误差检测模型的系数矩阵进行处理,得到新的电能计量修正系数,利用新的电能计量修正系数更新之前的电能计量修正系数。
4.根据权利要求3所述的一种电表计量误差自适应检测方法,其特征在于,
所述对每一个分量中的每一个元素进行归一化处理,包括以下步骤:
针对每一个分量执行S52.1和S52.2:
S52.1:设置分量的基准值;所述基准值为分量的多个元素中与分量的真实值距离最近的一个元素;
S52.2:将分量中的每一个元素均除以所述基准值;
所述利用新的电能计量修正系数更新之前的电能计量修正系数之前,包括以下步骤:
获取矩形窗的移动次数;
若所述移动次数<矩形窗的长度,则设置阈值;若矩形窗第一次移动后对应的系数矩阵的条件数<所述阈值,则执行所述S5至所述S7,并利用更新后的电能计量修正系数和所述关系模型,计算得到新的误差检测结果;
若所述移动次数≥矩形窗的长度,则对各分量的基准值进行更新,根据更新后的基准值执行所述S52.2至所述S7,并利用更新后的电能计量修正系数和所述关系模型,计算得到新的误差检测结果。
5.一种电表计量误差自适应检测系统,其特征在于,包括
第一模型构建模块,用于根据台区的拓扑连接建立台区功率平衡模型;
智能电表数据采集模块,用于采集多个计量时段内的智能电表数据;
第二模型构建模块,用于根据采集的智能电表数据和所述台区功率平衡模型建立智能电表远程误差检测模型;
修正系数获取模块,用于对所述智能电表远程误差检测模型的系数矩阵进行处理,得到电能计量修正系数;
计量误差检测模块,用于获取电能计量误差与所述电能计量修正系数之间的关系模型,根据所述电能计量修正系数和所述关系模型,计算得到误差检测结果。
6.根据权利要求5所述的一种电表计量误差自适应检测系统,其特征在于,
所述智能电表数据采集模块包括:
矩形窗构建单元,用于建立可移动的矩形窗;所述矩形窗的移动步长为一个计量时段;
矩形窗设置单元,用于将所述矩形窗的移动方向设置为与采集所述智能电表数据的时序方向相反;所述智能电表数据从所述矩形窗的尾部输入,所述智能电表数据从所述矩形窗的头部输出;
数据采集单元,用于利用所述矩形窗在当前位置采集多个计量时段内的智能电表数据;
所述第一模型构建模块包括:
拓扑连接获取单元,用于获取台区的拓扑连接;
等效电路获取单元,用于将所述拓扑连接中的电力线和用户负荷用集总参数表示,得到台区的等效电路;
功率平衡模型构建单元,用于基于所述等效电路,根据能量守恒定律建立台区功率平衡模型。
7.根据权利要求6所述的一种电表计量误差自适应检测系统,其特征在于,还包括:
第一控制模块,用于将所述矩形窗移动一个步长;
第二控制模块,用于控制移动后的矩形窗重新采集智能电表数据;
第三控制模块,用于控制所述第二模型构建模块利用重新采集的智能电表数据和所述功率平衡模型重新建立满秩的线性方程组,得到新的智能电表远程误差检测模型;
条件数获取模块,用于获取重新建立的线性方程组的条件数;
第四控制模块,用于针对重新建立的线性方程组的变量控制误差上限设置模块和归一化处理模块工作;所述变量包括多个分量,每一个分量中对应的包含多个元素;
误差上限设置模块,用于设置各分量的相对误差上限;
归一化处理模块,用于对每一个分量中的每一个元素进行归一化处理,得到归一化处理后的变量;
条件数处理模块,用于根据归一化处理后的变量和重新建立的线性方程组,对所述条件数进行处理;
第一逻辑控制模块,用于将处理后的条件数与所述相对误差上限进行比较;若处理后的条件数≥所述相对误差上限,则控制数据移除模块工作,并重新调用所述第一控制模块、所述第二控制模块、所述第三控制模块、所述条件数获取模块、所述第四控制模块和所述条件数处理模块依次工作;若处理后的条件数<所述相对误差上限,则控制所述修正系数获取模块对新的智能电表远程误差检测模型的系数矩阵进行处理,得到新的电能计量修正系数;并控制数据更新模块工作;
数据更新模块,用于利用新的电能计量修正系数更新之前的电能计量修正系数。
8.根据权利要求7所述的一种电表计量误差自适应检测系统,其特征在于,
所述归一化处理模块包括:
基准值设置单元,用于设置分量的基准值;所述基准值为分量的多个元素中与分量的真实值距离最近的一个元素;
数据运算单元,用于将分量中的每一个元素均除以所述基准值;
所述电表计量误差自适应检测系统还包括:
移动次数计数模块,用于对矩形窗的移动次数进行计数;
第二逻辑控制模块,用于比较移动次数与矩形窗的长度之间的大小,若所述移动次数<矩形窗的长度,则控制阈值设置模块工作,以及获取所述阈值设置模块设置的阈值,并比较矩形窗第一次移动后对应的系数矩阵的条件数与所述阈值之间的大小,若矩形窗第一次移动后对应的系数矩阵的条件数<所述阈值,则控制所述第四控制模块、所述条件数处理模块和所述第一逻辑控制模块工作,并控制所述计量误差检测模块利用更新后的电能计量修正系数和所述关系模型,计算得到新的误差检测结果;若所述移动次数≥矩形窗的长度,则控制基准值更新模块工作,以及获取所述基准值更新模块更新后的基准值,根据更新后的基准值控制所述数据运算单元、所述条件数处理模块和所述第一逻辑控制模块工作,并控制所述计量误差检测模块利用更新后的电能计量修正系数和所述关系模型,计算得到新的误差检测结果;
阈值设置模块,用于设置阈值;
基准值更新模块,用于对各分量的基准值进行更新。
9.一种计算机设备,其特征在于,包括依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发数据,所述处理器用于读取所述计算机程序,执行如权利要求1~4中任意一项所述的电表计量误差自适应检测方法。
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上存储有指令,当所述指令在计算机上运行时,执行如权利要求1~4中任意一项所述的电表计量误差自适应检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311537840.7A CN117783990A (zh) | 2023-11-16 | 2023-11-16 | 电表计量误差自适应检测方法、系统、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311537840.7A CN117783990A (zh) | 2023-11-16 | 2023-11-16 | 电表计量误差自适应检测方法、系统、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117783990A true CN117783990A (zh) | 2024-03-29 |
Family
ID=90399100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311537840.7A Pending CN117783990A (zh) | 2023-11-16 | 2023-11-16 | 电表计量误差自适应检测方法、系统、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117783990A (zh) |
-
2023
- 2023-11-16 CN CN202311537840.7A patent/CN117783990A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112698261A (zh) | 一种智能电能表故障预警方法及装置 | |
CN111007400A (zh) | 基于自适应双扩展卡尔曼滤波法的锂电池soc估算方法 | |
CN108155648A (zh) | 基于自适应h无穷扩展卡尔曼滤波的状态估计方法 | |
CN107658881A (zh) | 基于戴维南等值方法的电压稳定临界点判断方法 | |
CN112269134B (zh) | 一种基于深度学习的电池soc和soh联合估计方法 | |
CN115902647B (zh) | 一种电池状态智能监测方法 | |
CN111830350B (zh) | 能耗计量方法、装置及电器 | |
CN107565559B (zh) | 一种配电网负荷谐波贡献评估的分段有界约束优化方法 | |
Zhao | A new state estimation model of utilizing PMU measurements | |
CN112147514B (zh) | 基于rls的锂电池全工况自适应等效电路模型 | |
CN111969604A (zh) | 基于实测数据的台区线损动态计算方法及装置 | |
CN106372440B (zh) | 一种并行计算的配电网自适应抗差状态估计方法及装置 | |
CN113296010B (zh) | 一种基于差分电压分析的电池健康状态在线评估方法 | |
CN111044924A (zh) | 一种全工况电池剩余容量确定方法及系统 | |
CN110781450A (zh) | 一种配电馈线电压测量数据的不良数据检测系统及方法 | |
CN112736904B (zh) | 基于小扰动数据的电力负荷模型在线解析方法 | |
CN113985339A (zh) | 智能电表的误差诊断方法及系统、设备、存储介质 | |
CN117783658A (zh) | 一种电力设备的电流数字测量方法 | |
CN117783990A (zh) | 电表计量误差自适应检测方法、系统、设备和存储介质 | |
CN110334087B (zh) | 一种基于改进鲁棒容积卡尔曼滤波的数据清洗方法 | |
CN109638811B (zh) | 基于模型等值的配电网电压功率灵敏度鲁棒估计方法 | |
CN115575880A (zh) | 一种电力互感器计量误差状态在线检测方法 | |
CN102937676B (zh) | 负荷谐波注入污染预警的实现方法及其系统 | |
CN103258144B (zh) | 基于故障录波器数据的在线静态负荷建模方法 | |
CN109327026B (zh) | 一种低压配电网区间状态估计方法 |
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 |