WO2022110558A1 - 一种智能电能表故障预警方法及装置 - Google Patents

一种智能电能表故障预警方法及装置 Download PDF

Info

Publication number
WO2022110558A1
WO2022110558A1 PCT/CN2021/077142 CN2021077142W WO2022110558A1 WO 2022110558 A1 WO2022110558 A1 WO 2022110558A1 CN 2021077142 W CN2021077142 W CN 2021077142W WO 2022110558 A1 WO2022110558 A1 WO 2022110558A1
Authority
WO
WIPO (PCT)
Prior art keywords
meter
sub
station area
error
electric energy
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.)
Ceased
Application number
PCT/CN2021/077142
Other languages
English (en)
French (fr)
Inventor
肖宇
刘谋海
刘朝阳
杨茂涛
黄瑞
叶志
刘小平
叶浏青
陈浩
王智
贺星
曾文伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Hunan Electric Power Co Ltd
Measurement Center of State Grid Hunan Electric Power Co Ltd
State Grid Corp of China SGCC
Original Assignee
State Grid Hunan Electric Power Co Ltd
Measurement Center of State Grid Hunan Electric Power Co Ltd
State Grid Corp of China SGCC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Hunan Electric Power Co Ltd, Measurement Center of State Grid Hunan Electric Power Co Ltd, State Grid Corp of China SGCC filed Critical State Grid Hunan Electric Power Co Ltd
Publication of WO2022110558A1 publication Critical patent/WO2022110558A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

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

Definitions

  • the invention relates to the technical field of monitoring of smart electric energy meters, in particular to a method and device for early warning of intelligent electric energy meters.
  • the electric energy meter may fail at any time during the long-term use.
  • the method of rotating the electric energy meter is usually adopted at present, that is, the sampling inspection is carried out regularly during the use process, and the electric energy meter usage reaches a certain level. After the expiration date, it will be replaced regardless of the actual status. In fact, a large number of expired electric energy meters may still be qualified, and the use of expiration rotation will cause a lot of waste, which is not conducive to energy conservation and environmental protection.
  • one solution is to compare the electric energy meter with a high-accuracy standard device at regular intervals, to obtain the electric energy meter error, and determine whether the electric energy meter needs to be replaced by the error.
  • this kind of scheme still needs to rely on manual operation, which is not only inefficient and has a large workload, but also it is difficult to find the problem of the electric energy meter in time when the electric energy meter is faulty, and it cannot cover the full capacity of the electric energy meter.
  • the technical problem to be solved by the present invention is: aiming at the technical problems existing in the prior art, the present invention provides a fault warning method for a smart electric energy meter with a simple implementation method, a high degree of intelligence, a high degree of complexity, low implementation cost and high precision, and the device.
  • the technical scheme proposed by the present invention is:
  • a fault early warning method for a smart electric energy meter comprising the steps of:
  • the meter operation error analysis model is constructed according to the law of energy conservation and the relationship between the power supply of the total meter in the station area, the actual power consumption of each sub-meter, the fixed loss of the station area, and the sum of line losses in the station area. Obtained, wherein the actual power consumption of each sub-meter is calculated according to the measurement value of each sub-meter and the operation error.
  • the operation error analysis model of the electric meter is specifically:
  • y(i) is the power supply of the total meter in the i-th cycle
  • ⁇ j is the electricity consumption of the j-th sub-meter
  • e j is the relative operating error of the j-th sub-meter
  • e 0 is the station area Fixed loss
  • e y is the line loss rate in the station area
  • P is the number of smart meters in the station area.
  • step of solving in the step S2 includes:
  • ⁇ 0 is the average fixed loss of the M metering periods in the station area
  • ⁇ y is the weighted average line of the M metering periods in the station area Loss rate
  • ⁇ j is the estimated relative error weighted average of the jth sub-meter in M measurement periods
  • the weighted least squares recursive method is specifically used to solve the solving relationship.
  • LL(i) is the line loss of the station area in the i-th cycle
  • ⁇ j (i) is the metered value of the j-th sub-table in the i-th cycle
  • ⁇ k (i) is the i-th sub-table in the k-th sub-table.
  • Period measurement value e j is the measurement error of the jth sub-meter
  • ⁇ jk is the line loss coefficient
  • U j is the voltage of the line at the jth sub-meter
  • U k is the voltage of the line at the k-th sub-meter
  • P is the number of smart meters in the station area.
  • the step S1 also includes a model training step, and the model training step includes: using the historical data of the power supply of the total meter in the station area and the actual power consumption of each sub-meter to train the operation error analysis model of the electric meter, To determine each parameter in the operating error analysis model of the electric meter.
  • step S3 if it is determined that the operating error of the target electric energy meter exceeds a preset threshold, an abnormal event correlation analysis is performed to confirm that it is an abnormal electric energy meter. Further judgment is made, if it is judged that it belongs to a new or abnormal station area or the proportion of electricity is less than the preset threshold, it is judged as an observation table to prompt continuous observation, otherwise it is judged as a normal table.
  • a fault warning device for a smart electric energy meter comprising:
  • the error solving module is used to obtain the measurement values of the target station master meter and each sub-meter in real time, obtain the real-time power supply of the station area total meter and the actual power consumption of each sub-meter, and input them into the meter operation error analysis model for solving. , to obtain the operating error of each sub-meter.
  • the analysis model for the operation error of the electric meter is to construct the relationship between the power supply of the total meter in the station area, the actual power consumption of each sub-meter and the fixed loss of the station area, the line loss of the station area, and the measurement error of each sub-meter. The relational model is obtained;
  • the fault early warning module is used to obtain the operating error of each sub-meter in real time or regularly for judgment, and if the operating error exceeds a preset value, it controls to send out fault early warning information.
  • a fault warning device for a smart electric energy meter comprising a processor and a memory, the memory is used to store a computer program, the processor is used to execute the computer program, and the processor is used to execute the computer program to execute the above method Smart energy meter fault warning device.
  • the present invention utilizes the law of energy conservation to conduct online analysis on the running error of the electric energy meter by modeling the unit area of the electric energy meter. Analysis, can remotely monitor the operating error status of the electric energy meter, monitor in real time and discover the electric energy meter with faults and abnormalities in time, and can also accurately locate the electric energy meters with faults and abnormalities, which is convenient for timely detection of faults and abnormal electric energy meters. replace.
  • the present invention further, by using the measurement value, voltage and power factor of each sub-meter in multiple cycles, can more accurately characterize the composition of the line loss, build a more accurate line loss model, and further improve the operating error. online monitoring accuracy.
  • FIG. 1 is a schematic diagram of the implementation flow of the method and device for early warning of a smart electric energy meter fault in this embodiment.
  • Figure 2 is a schematic diagram of the composition principle of the electricity meter in the Taiwan area.
  • FIG. 3 is a schematic diagram of the principle of Kirchhoff's law.
  • FIG. 4 is a schematic diagram of a diagnostic flow chart of an abnormal electric meter in this embodiment.
  • the steps of the smart electric energy meter fault early warning method in this embodiment include:
  • the power supply of the total meter, the power consumption of each user meter, the line loss and other fixed losses are inevitable connections supported by physical laws, that is, they conform to the law of energy conservation.
  • the user power supply is based on the station area
  • a station area is an area where a transformer supplies power
  • a transformer usually corresponds to a station area main station M 0
  • a station area general table corresponds to multiple sub-user tables M 1 ⁇ Mn
  • the power supply of the total meter in the station area is composed of the actual power consumption of each sub-meter, the fixed loss in the station area, the line loss in the station area, and the measurement error of each sub-meter.
  • each electric energy meter The characteristics of each electric energy meter are hidden in the overall relationship of the station area. If the electric energy consumption characteristics of each electric energy meter are irrelevant and change continuously in different time periods, by comprehensively analyzing the characteristics in multiple time periods, it is possible to find out the characteristics of each electric energy meter. characteristics of an electric energy meter.
  • the above-mentioned law of energy conservation is used to conduct online analysis of the operating error of the electric energy meter by modeling the unit area. Analysis, can remotely monitor the operating error status of the electric energy meter, monitor in real time and discover the electric energy meter with faults and abnormalities in time, and can also accurately locate the electric energy meters with faults and abnormalities, which is convenient for timely detection of faults and abnormal electric energy meters. replace.
  • the power supply of the total meter in the station area the actual power consumption of each sub-meter + the fixed loss of the station area + the line loss
  • the actual power consumption of each sub-meter the sum of the actual power consumption of each sub-meter * (1-relative error), namely:
  • y is the power supply of the total meter in the station area
  • ⁇ j is the sub-meter power consumption of the j-th sub-meter (metering point j)
  • e j is the relative operating error of the j-th sub-meter (metering point j)
  • e 0 is the fixed loss in the station area
  • LL is the line loss in the station area
  • P is the number of smart meters in the station area.
  • the line loss in the station area can be expressed as:
  • e y is the line loss rate of the station area.
  • y(i) is the power supply of the total meter of the station area in the ith cycle
  • e y is the line loss rate of the station area.
  • the operation error analysis model of the electric meter is constructed. After obtaining the real-time power supply of the total meter in the station area and the actual power consumption of each sub-meter, the operating error of each sub-meter can be determined by the model, and then the operation error of each sub-meter can be determined. Realize online error analysis.
  • the metering error should maintain a constant linear relationship with the metering value through the (0,0) point (that is, there is no zero point error), so that it can be assumed that the relative error weighted average of M metering periods at the beginning of different metering periods The value remains unchanged, and the line loss rate in the station area and other fixed losses in the station area are random within a certain range, and it can be assumed that the weighted average or average value of M metering periods remains unchanged.
  • step S2 of this embodiment includes:
  • Step S21 Take the metering value data of M cycles of the total table of the station area and each sub-table to carry out a weighted average, and obtain the solving relational formula as:
  • ⁇ 0 is the average fixed loss of the M metering periods in the station area
  • ⁇ y is the weighted average line loss rate of the M metering periods in the station area
  • ⁇ j is the weighted average of the estimated relative running errors of the M metering cycles of the metering point j.
  • LL(i) is the line loss of the station area in the i-th cycle
  • ⁇ j (i) is the metered value of the j-th sub-table in the i-th cycle
  • ⁇ k (i) is the i-th sub-table in the k-th sub-table.
  • Period measurement value e j is the measurement error of the jth sub-meter
  • ⁇ jk is the line loss coefficient
  • U j is the voltage of the line at the jth sub-meter
  • U k is the voltage of the line at the k-th sub-meter
  • P is the number of smart meters in the station area.
  • T is the measurement time period
  • R is the resistance value, that is, the line loss coefficient is proportional to the sum of the resistance value and inversely proportional to the measurement time period.
  • the measurement value, voltage and power factor of each sub-meter in multiple cycles, according to the above formula (5) can more accurately characterize the composition of the line loss, build a more accurate line loss model, and further improve the operating error. Online monitoring accuracy.
  • the above line loss model can accurately evaluate users with a measurement value above 0.1Ib, but for users with a measurement value below 0.1Ib, due to the influence of the quantization error of the total meter, it cannot be accurately evaluated. Users with a large number of users have a great contribution to the line loss, which will lead to inaccurate estimation of the line loss in the station area and distortion of the calculation result in the station area.
  • the accuracy of the user line loss analysis below the metering value of 0.1Ib can be further ensured.
  • Step S1 of this embodiment also includes a model training step, and the model training step includes: using the historical data of the power supply of the total meter in the station area and the actual power consumption of each sub-meter to train the meter operation error analysis model to determine the operation of the meter The parameters in the error analysis model. Specifically, through system simulation, model training without labeled data can be realized, and appropriate model parameters of the station area can be automatically adapted.
  • step S3 of this embodiment if it is determined that the operating error of the target electric energy meter exceeds a preset threshold, an abnormal event correlation analysis is performed to confirm that it is an abnormal electric energy meter, and if it is confirmed to be an abnormal electric energy meter, control to issue a fault Early warning information, otherwise further judgment is made. If it is judged that it belongs to a new or abnormal station or the proportion of electricity is less than the preset threshold, it will be judged as an observation table to indicate that continuous observation is required, otherwise it will be judged as a normal table. Monitor its operating error status to ensure that the online normal operation table is qualified table.
  • the goodness of fit R 2 is further used to measure the fitting degree of the regression curve to the observed value.
  • the maximum value of R 2 is 1, and the closer the value is to 1, the better the fitting degree.
  • the goodness of fit R2 is:
  • a i is the real value
  • F is the calculated value
  • the line loss fitting difference dYerr the smaller the amplitude standard deviation, the better the fitting
  • the smaller the mean the better the fitting.
  • the error solving module is used to obtain the measurement values of the target station master meter and each sub-meter in real time, obtain the real-time power supply of the station area total meter and the actual power consumption of each sub-meter, and input them into the meter operation error analysis model for solving. , to obtain the operating error of each sub-meter.
  • the analysis model for the operation error of the electric meter is to construct the relationship between the power supply of the total meter in the station area, the actual power consumption of each sub-meter and the fixed loss of the station area, the line loss of the station area, and the measurement error of each sub-meter. The relational model is obtained;
  • the fault early warning module is used to obtain the operating error of each sub-meter in real time or regularly for judgment, and if the operating error exceeds a preset value, it controls to send out fault early warning information.
  • the smart electric energy meter fault early warning device in this embodiment corresponds to the above-mentioned smart electric energy meter fault early warning method, which will not be repeated here.
  • the smart electric energy meter fault warning device of the present invention may further include a processor and a memory, where the memory is used for storing a computer program, and the processor is used for executing the computer program, wherein the processor is used for The computer program is executed to execute the above-mentioned method for early warning of a fault of a smart electric energy meter.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

一种智能电能表故障预警方法及装置，该方法步骤包括：S1.构建台区总表供电量、各分表实际用电量与台区固定损耗、台区线路损耗以及各分表计量误差之间的关系模型，得到电表运行误差分析模型；S2.实时获取目标台区总表以及各分表的计量值，得到实时的台区总表供电量、各分表实际用电量，并输入至电表运行误差分析模型中进行求解，得到各分表的运行误差；S3.实时或定时获取各分表的运行误差进行判断，若运行误差超过预设值则控制发出故障预警信息。智能电能表故障预警方法及装置可以实现智能电能表故障状态的智能预警，具有实现方法简单、智能化程度高、复杂度以及实现成本低且精度高等优点。

Description

一种智能电能表故障预警方法及装置 【技术领域】
本发明涉及智能电表监测技术领域，尤其涉及一种智能电能表故障预警方法及装置。
【背景技术】
电能表在长期的使用过程中随时可能发生故障而失效，为确保电能表计量数据的可靠性，目前通常是采用到期轮换电表的方式，即在使用过程中定时进行抽检，电能表使用达到一定年限后无论实际状态如何均进行更换。而实际上大量到期的电能表仍然可能是合格的，该类采用到期轮换的方式会造成大量的浪费，不利于节能环保。
为解决上述问题，一种解决方案即是人工定时将电能表与高准确度等级的标准器进行比较，得到电能表误差，由该误差确定电能表是否需要更换。但是该类方案仍然需要依赖人工操作，不仅效率较低、工作量大，且难以及时在电能表存在故障时发现电能表的问题，也无法覆盖全量电能表。而若考虑采用在线分析的方式来获取电能表的运行误差，由于不同电能表的运行状况会存在差异，不同电能表的用电特性都不相关，且不同时段内是不断变化的，就难以以单个电能表为单位建模实现在线分析。
【发明内容】
本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现方法简单、智能化程度高、复杂度以及实现成本低且精度高的智能电能表故障预警方法及装置。
为解决上述技术问题，本发明提出的技术方案为：
一种智能电能表故障预警方法，步骤包括：
S1.构建台区总表供电量、各分表实际用电量与台区固定损耗、台区线路损耗以及各分表计量误差之间的关系模型，得到电表运行误差分析模型；
S2.实时获取指定时长内多个周期的目标台区总表以及各分表的计量值，得到实时的台区总表供电量、各分表实际用电量，并输入至所述电表运行误差分析模型中进行求解，得到各分表的运行误差；
S3.实时或定时获取各分表的所述运行误差进行判断，若所述运行误差超过预设值则控制发出故障预警信息。
进一步的：所述电表运行误差分析模型具体根据能量守恒定律，按照所述台区总表供 电量为各分表实际用电量与所述台区固定损耗、台区线路损耗之和的关系构建得到，其中所述各分表实际用电量根据各分表的计量值以及运行误差计算得到。
进一步的，所述电表运行误差分析模型具体为：
Figure PCTCN2021077142-appb-000001
其中，y(i)为第i个周期的台区总表供电量，φ j为第j个分表的用电量，e j为第j个分表的相对运行误差，e 0为台区固定损耗，e y为台区线路损耗率，P为台区内智能表的数量。
进一步的，所述步骤S2中进行求解的步骤包括：
S21.取台区总表、各分表的M个周期的计量值数据进行加权平均，得到求解关系为：
Figure PCTCN2021077142-appb-000002
Figure PCTCN2021077142-appb-000003
其中，
Figure PCTCN2021077142-appb-000004
为计量周期i开始的M个计量周期内台区总表供电量的平均值，
Figure PCTCN2021077142-appb-000005
为第j个分表在计量周期i开始的M个计量周期内计量值的平均值，ε 0为台区M个计量周期的平均固定损耗，ε y为台区M个计量周期的加权平均线路损耗率，ε j为第j个分表在M个计量周期的估计相对误差加权平均值；
S22.将所述台区总表、各分表指定时长内的计量值输入至所述求解关系式中，得到各个分表的运行误差以及台区固定损耗、台区线损率。
进一步的，所述步骤S32中具体使用加权最小二乘法递归方法求解所述求解关系式。
进一步的，所述电表运行误差分析模型中台区线路损耗按照下式计算得到：
Figure PCTCN2021077142-appb-000006
其中，LL(i)为第i个周期的台区线路损耗，φ j(i)为第j个分表第i个周期的计量值，φ k(i)为第k个分表第i个周期的计量值，e j为第j个分表的计量误差，β jk为线损系数，U j为第j个分表处线路的电压，U k为第k个分表处线路的电压，
Figure PCTCN2021077142-appb-000007
为第j个分表处线路的功率因子，
Figure PCTCN2021077142-appb-000008
为第k个分表处线路的功率因子,P为台区内智能表的数量。
进一步的，所述步骤S1中还包括模型训练步骤，所述模型训练步骤包括：使用台区 总表供电量、各分表实际用电量的历史数据对所述电表运行误差分析模型进行训练，以确定所述电表运行误差分析模型中各参数。
进一步的，所述步骤S3中若判断到目标电能表的所述运行误差超过预设阈值，进行异常事件关联分析以确认为异常电能表，若确认为异常电能表，控制发出故障预警信息，否则进一步进行判断，若判断到属于新建或异常台区或电量占比小于预设阈值，则判定为观察表以提示需持续观测，否则判定为正常表。
一种智能电能表故障预警装置，包括：
误差求解模块，用于实时获取目标台区总表以及各分表的计量值，得到实时的台区总表供电量、各分表实际用电量，并输入至电表运行误差分析模型中进行求解，得到各分表的运行误差，所述电表运行误差分析模型通过构建台区总表供电量、各分表实际用电量与台区固定损耗、台区线路损耗以及各分表计量误差之间的关系模型得到；
故障预警模块，用于实时或定时获取各分表的所述运行误差进行判断，若所述运行误差超过预设值则控制发出故障预警信息。
一种智能电能表故障预警装置，包括处理器以及存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，所述处理器用于执行所述计算机程序，以执行上述方法智能电能表故障预警装置。
与现有技术相比，本发明的优点在于：
1、本发明利用能量守恒定律，以台区为单位建模对电能表的运行误差进行在线分析，通过构建电表运行误差分析模型，使用该电表运行误差分析模型对多个周期内实时计量值进行分析，可以对电能表的运行误差状态进行远程监测，实时监控并及时发现存在故障、异常的电能表，同时还能够准确定位到存在故障、异常的电能表，便于及时进行故障、异常电能表的更换。
2、本发明进一步，通过使用多个周期中各分表的计量值、电压以及功率因子，可以更为精确的表征线损的构成，构建得到更为精确的线损模型，进而进一步提高运行误差的在线监测精度。
【附图说明】
图1是本实施例智能电能表故障预警方法及装置的实现流程示意图。
图2是台区内电表构成原理示意图。
图3是基尔霍夫定律的原理示意图。
图4是本实施例中异常电表诊断流程示意图。
【具体实施方式】
以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。
如图1所示，本实施例智能电能表故障预警方法的步骤包括：
S1.构建台区总表供电量、各分表实际用电量与台区固定损耗、台区线路损耗以及各分表计量误差之间的关系模型，得到电表运行误差分析模型；
S2.实时获取指定时长内多个周期的目标台区总表以及各分表的计量值，得到实时的台区总表供电量、各分表实际用电量，并输入至所述电表运行误差分析模型中进行求解，得到各分表的运行误差；
S3.实时或定时获取各分表的所述运行误差进行判断，若运行误差超过预设值则控制发出故障预警信息，以提示需进行更换或故障处理。
在某个台区下，总表的供电量、各用户表的用电量、线路损耗和其他固定损耗是有物理规律支撑的必然联系的，即符合能量守恒定律。如图2所示，用户供电是以台区为单位，一个台区是一个变压器供电的区域，一个变压器通常对应一个台区总台M 0，一个台区总表下对应多个分用户表M 1～M n，台区总表供电量即为由各分表实际用电量与台区固定损耗、台区线路损耗以及各分表计量误差构成。每个电能表的特征即隐藏在台区的整体关系中，若每只电能表的用电特性都不相关，且不同时段内不断变化，通过综合分析多个时段内的特性，可以查找出每个电能表的特征。
本实施例利用上述能量守恒定律，以台区为单位建模对电能表的运行误差进行在线分析，通过构建电表运行误差分析模型，使用该电表运行误差分析模型对多个周期内实时计量值进行分析，可以对电能表的运行误差状态进行远程监测，实时监控并及时发现存在故障、异常的电能表，同时还能够准确定位到存在故障、异常的电能表，便于及时进行故障、异常电能表的更换。
由于按照能量守恒定律有：
台区总表供电量＝各分表实际用电量+台区固定损耗+线路损耗
其中，各分表实际用电量＝各分表实际用电量*(1-相对误差)之和，即有：
Figure PCTCN2021077142-appb-000009
其中，y为台区总表供电量，φ j为第j个分表(计量点j)的分表用电量，e j为第j个分表(计量点j)的相对运行误差，e 0为台区的固定损耗，LL为台区线路损耗，P为台区内智能表的数量。
台区线路损耗可表示为：
LL＝y(i)e y    (2)
其中，e y为台区线路损耗率。
则有：
Figure PCTCN2021077142-appb-000010
其中，y(i)为第i个周期台区总表供电量，e y为台区线路损耗率。
由上式(3)即构建得到电表运行误差分析模型，由该模型在获取实时台区总表供电量、各分表实际用电量后经过求解即可确定出各分表的运行误差，进而实现在线误差分析。
在电能计量正常的情况下，计量误差应当与计量值保持恒定过(0,0)点的线性关系(即没有零点误差)，从而可假设不同计量周期开始的M个计量周期的相对误差加权平均值保持不变，且台区线路损耗率和台区其他固定损耗在一定范围内随机性较大，可以假设M个计量周期的加权平均值或平均值保持不变。
本实施例步骤S2中进行求解的步骤包括：
步骤S21.取台区总表、各分表的M个周期的计量值数据进行加权平均，得到求解关系式为：
Figure PCTCN2021077142-appb-000011
Figure PCTCN2021077142-appb-000012
其中，
Figure PCTCN2021077142-appb-000013
为计量周期i开始的M个计量周期总表供电量平均值，
Figure PCTCN2021077142-appb-000014
为计量点j在计量周期i开始的M个计量周期内计量值的平均值，ε 0为台区M个计量周期的平均固定损耗，ε y为台区M个计量周期的加权平均线路损耗率，ε j为计量点j的M个计量周期的估计相对运行误差加权平均值。
S22.将台区总表、各分表指定时长内的计量值输入至所述求解关系式中，得到各个分表的运行误差以及台区固定损耗、台区线损率。
本实施例通过采用如上述式(4)的模型，综合多个周期的数据进行分析，可构建得到更为贴近实际工况的线损模型，进而进一步提高运行误差在线监测的精度。
进一步的，本实施例考虑构建更精确的线损模型，具体如下所示：
Figure PCTCN2021077142-appb-000015
其中，LL(i)为第i个周期的台区线路损耗，φ j(i)为第j个分表第i个周期的计量值，φ k(i)为第k个分表第i个周期的计量值，e j为第j个分表的计量误差，β jk为线损系数，U j为第j个分表处线路的电压，U k为第k个分表处线路的电压，
Figure PCTCN2021077142-appb-000016
为第j个分表处线路的功率因子，
Figure PCTCN2021077142-appb-000017
为第k个分表处线路的功率因子,P为台区内智能表的数量。
上述式(5)中具体
Figure PCTCN2021077142-appb-000018
其中T为计量时间段，R为电阻值，即线损系数与电阻值之和成正比、与计量时间段成反比。
如图3所示，按照基尔霍夫定律，在节点U 0处，电流为各支路电流的总和，由于日线损＝瞬时线损之和，瞬时即为时间颗粒度足够小，在该时间段内，用户负载无变化，且台区线损跟电流平方与线路长度的乘积成正比，通常电流大3.3倍，线损贡献即高一个数量。本实施例通过只考虑大用电用户及长线路用户的线损贡献，同时考虑在用电时间段内，用电量类似、用电习惯类似，则对线损的贡献也类似的特性，使用多个周期中各分表的计量值、电压以及功率因子，按照上式(5)，可以更为精确的表征线损的构成，构建得到更为精确的线损模型，进而进一步提高运行误差的在线监测精度。
上述线损模型，能够对于0.1Ib计量值以上的用户准确评价，但是对于0.1Ib计量值以下的用户，由于总表量化误差的影响，无法准确评价，如果这部分用户里有负超差很大的用户，对线损贡献很大，会导致台区线损估计不准，台区计算结果失真。本实施例进一步通过自动提取用电量变化的特征时段，并提取日冻结电量信息中与计量点误差相关的特征，再求解模型，可以进一步确保0.1Ib计量值以下的用户线损分析的精度。
本实施例步骤S1中还包括模型训练步骤，模型训练步骤包括：使用台区总表供电量、各分表实际用电量的历史数据对所述电表运行误差分析模型进行训练，以确定电表运行误差分析模型中各参数。具体可通过系统仿真，实现无标注数据的模型训练，自动适配出合适的台区模型参数。
如图4所示，本实施例步骤S3中若判断到目标电能表的所述运行误差超过预设阈值，进行异常事件关联分析以确认为异常电能表，若确认为异常电能表，控制发出故障预警信息，否则进一步进行判断，若判断到属于新建或异常台区或电量占比小于预设阈值，则判定为观察表以提示需持续观测，否则判定为正常表，对于观察表后续则需要不断监测其运行误差状态，确保在线运行正常表都是合格表。
本实施例进一步使用拟合优度R 2用于度量回归曲线对观测值的拟合程度，R 2最大值为1，值越接近1拟合程度越好，对统计线损进行拟合，拟合优度R 2为：
Figure PCTCN2021077142-appb-000019
以及使用运行误差计算结果与预期结果的MAE值(Mean Absolute Error)：
Figure PCTCN2021077142-appb-000020
其中，A i为真实值，F为计算值，线损拟合差值dYerr，幅度标准偏差越小拟合越好，均值越小拟合越好。
本实施例智能电能表故障预警装置包括：
误差求解模块，用于实时获取目标台区总表以及各分表的计量值，得到实时的台区总表供电量、各分表实际用电量，并输入至电表运行误差分析模型中进行求解，得到各分表的运行误差，所述电表运行误差分析模型通过构建台区总表供电量、各分表实际用电量与台区固定损耗、台区线路损耗以及各分表计量误差之间的关系模型得到；
故障预警模块，用于实时或定时获取各分表的所述运行误差进行判断，若所述运行误差超过预设值则控制发出故障预警信息。
本实施例智能电能表故障预警装置与上述智能电能表故障预警方法对应，在此不再一一赘述。
在另一实施例中，本发明智能电能表故障预警装置还可以为：包括处理器以及存储器，存储器用于存储计算机程序，处理器用于执行所述计算机程序，其特征在于，所述处理器用于执行所述计算机程序，以执行如上述智能电能表故障预警方法。
上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

Claims (10)

  1. 一种智能电能表故障预警方法，其特征在于，步骤包括：
    S1.构建台区总表供电量、各分表实际用电量与台区固定损耗、台区线路损耗以及各分表计量误差之间的关系模型，得到电表运行误差分析模型；
    S2.实时获取指定时长内多个周期的目标台区总表以及各分表的计量值，得到实时的台区总表供电量、各分表实际用电量，并输入至所述电表运行误差分析模型中进行求解，得到各分表的运行误差；
    S3.实时或定时获取各分表的所述运行误差进行判断，若所述运行误差超过预设值则控制发出故障预警信息。
  2. 根据权利要求1所述的智能电能表故障预警方法，其特征在于：所述电表运行误差分析模型具体根据能量守恒定律，按照所述台区总表供电量为各分表实际用电量与所述台区固定损耗、台区线路损耗之和的关系构建得到，其中所述各分表实际用电量根据各分表的计量值以及运行误差计算得到。
  3. 根据权利要求2所述的智能电能表故障预警方法，其特征在于，所述电表运行误差分析模型具体为：
    Figure PCTCN2021077142-appb-100001
    其中，y(i)为第i个周期的台区总表供电量，φ j为第j个分表的用电量，e j为第j个分表的相对运行误差，e 0为台区固定损耗，e y为台区线路损耗率，P为台区内智能表的数量。
  4. 根据权利要求3所述的智能电能表故障预警方法，其特征在于，所述步骤S2中进行求解的步骤包括：
    S21.取台区总表、各分表的M个周期的计量值数据进行加权平均，得到求解关系式为：
    Figure PCTCN2021077142-appb-100002
    Figure PCTCN2021077142-appb-100003
    其中，
    Figure PCTCN2021077142-appb-100004
    为计量周期i开始的M个计量周期内台区总表供电量的平均值，
    Figure PCTCN2021077142-appb-100005
    为第j个分表在计量周期i开始的M个计量周期内计量值的平均值，ε 0为台区M个计量周期的 平均固定损耗，ε y为台区M个计量周期的加权平均线路损耗率，ε j为第j个分表在M个计量周期的估计相对误差加权平均值；
    S22.将所述台区总表、各分表指定时长内的计量值输入至所述求解关系式中，得到各个分表的运行误差以及台区固定损耗、台区线损率。
  5. 根据权利要求4所述的智能电能表故障预警方法，其特征在于，所述步骤S32中具体使用加权最小二乘法递归方法求解所述求解关系式。
  6. 根据权利要求3所述的智能电能表故障预警方法，其特征在于，所述电表运行误差分析模型中台区线路损耗按照下式计算得到：
    Figure PCTCN2021077142-appb-100006
    其中，LL(i)为第i个周期的台区线路损耗，φ j(i)为第j个分表第i个周期的计量值，φ k(i)为第k个分表第i个周期的计量值，e j为第j个分表的计量误差，β jk为线损系数，U j为第j个分表处线路的电压，U k为第k个分表处线路的电压，
    Figure PCTCN2021077142-appb-100007
    为第j个分表处线路的功率因子，
    Figure PCTCN2021077142-appb-100008
    为第k个分表处线路的功率因子,P为台区内智能表的数量。
  7. 根据权利要求1～6中任意一项所述的智能电能表故障预警方法，其特征在于，所述步骤S1中还包括模型训练步骤，所述模型训练步骤包括：使用台区总表供电量、各分表实际用电量的历史数据对所述电表运行误差分析模型进行训练，以确定所述电表运行误差分析模型中各参数。
  8. 根据权利要求1～6中任意一项所述的智能电能表故障预警方法，其特征在于，所述步骤S3中若判断到目标电能表的所述运行误差超过预设阈值，进行异常事件关联分析以确认为异常电能表，若确认为异常电能表，控制发出故障预警信息，否则进一步进行判断，若判断到属于新建或异常台区或电量占比小于预设阈值，则判定为观察表以提示需持续观测，否则判定为正常表。
  9. 一种智能电能表故障预警装置，其特征在于，包括：
    误差求解模块，用于实时获取目标台区总表以及各分表的计量值，得到实时的台区总表供电量、各分表实际用电量，并输入至电表运行误差分析模型中进行求解，得到各分表的运行误差，所述电表运行误差分析模型通过构建台区总表供电量、各分表实际用电量与台区固定损耗、台区线路损耗以及各分表计量误差之间的关系模型得到；
    故障预警模块，用于实时或定时获取各分表的所述运行误差进行判断，若所述运行误 差超过预设值则控制发出故障预警信息。
  10. 一种智能电能表故障预警装置，包括处理器以及存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，其特征在于，所述处理器用于执行所述计算机程序，以执行如权利要求1～8中任意一项所述智能电能表故障预警方法。
PCT/CN2021/077142 2020-11-25 2021-02-22 一种智能电能表故障预警方法及装置 Ceased WO2022110558A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202011344286.7A CN112698261A (zh) 2020-11-25 2020-11-25 一种智能电能表故障预警方法及装置
CN202011344286.7 2020-11-25

Publications (1)

Publication Number Publication Date
WO2022110558A1 true WO2022110558A1 (zh) 2022-06-02

Family

ID=75507030

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2021/077142 Ceased WO2022110558A1 (zh) 2020-11-25 2021-02-22 一种智能电能表故障预警方法及装置

Country Status (2)

Country Link
CN (1) CN112698261A (zh)
WO (1) WO2022110558A1 (zh)

Cited By (69)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113466520A (zh) * 2021-07-07 2021-10-01 国网福建省电力有限公司营销服务中心 一种在线识别失准电能表的方法
CN114792975A (zh) * 2022-06-22 2022-07-26 上海爱可生信息技术股份有限公司 电网中母线平衡的数据修复方法
CN115203274A (zh) * 2022-07-25 2022-10-18 云南电网有限责任公司楚雄供电局 一种配电变压器容量异常的大数据筛查系统
CN115291159A (zh) * 2022-10-11 2022-11-04 北京智芯微电子科技有限公司 电能表计量失准分析方法、装置、存储介质及电子设备
CN115395643A (zh) * 2022-07-27 2022-11-25 国网江苏省电力有限公司盐城供电分公司 基于全数据采集和状态感知的低压配电网故障预警定位装置及系统
CN115407259A (zh) * 2022-09-20 2022-11-29 南方电网科学研究院有限责任公司 考虑嫌疑系数的超差电表在线检测方法、装置及存储介质
CN115453447A (zh) * 2022-09-20 2022-12-09 南方电网科学研究院有限责任公司 基于嫌疑电表分步补偿剔除的超差电表在线检测方法
CN115542238A (zh) * 2022-11-30 2022-12-30 北京志翔科技股份有限公司 超差表检测方法及装置
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
CN115561699A (zh) * 2022-12-05 2023-01-03 北京志翔科技股份有限公司 运行误差估计方法及装置
CN115577947A (zh) * 2022-10-14 2023-01-06 中国大唐集团科学技术研究总院有限公司西北电力试验研究院 一种需求侧综合能源系统及节能与安全分析方法
CN115600414A (zh) * 2022-10-24 2023-01-13 中国电力科学研究院有限公司（Cn） 一种基于ai算法的电能表运行误差求解方法及装置
CN115599785A (zh) * 2022-10-19 2023-01-13 广东电网有限责任公司（Cn） 一种线损监测方法、装置、电子设备及存储介质
CN115630584A (zh) * 2022-12-21 2023-01-20 睿至科技集团有限公司 一种基于人工智能的能源分析方法及系统
CN115639517A (zh) * 2022-12-12 2023-01-24 北京志翔科技股份有限公司 基于用电量调整幅度的超差电能表识别方法、装置和设备
CN115792785A (zh) * 2022-12-01 2023-03-14 威胜信息技术股份有限公司 一种低压台区中智能电表的系统误差消除方法
CN115825631A (zh) * 2022-12-19 2023-03-21 南方电网数字电网研究院有限公司 低压台区线损异常识别方法、装置和计算机设备
CN115841278A (zh) * 2023-01-03 2023-03-24 国网福建省电力有限公司 电能计量装置运行误差状态评价方法、系统、设备及介质
CN115856757A (zh) * 2022-11-28 2023-03-28 国网北京市电力公司 电能表失准分析方法、装置、设备及介质
CN115936166A (zh) * 2022-09-28 2023-04-07 海南电网有限责任公司 一种电能表检定误差分析预测方法
CN115941724A (zh) * 2022-10-28 2023-04-07 国家电网有限公司 基于多点互信的电能表检监融合及失准更换技术的方法
CN116008714A (zh) * 2023-03-23 2023-04-25 青岛鼎信通讯股份有限公司 一种基于智能量测终端的反窃电分析方法
CN116224195A (zh) * 2022-11-24 2023-06-06 云南电网有限责任公司 一种基于相似日的计量设备误差识别方法及装置
CN116256691A (zh) * 2022-12-28 2023-06-13 国网河北省电力有限公司营销服务中心 一种电能表失准在线监测方法及系统
CN116359832A (zh) * 2023-03-30 2023-06-30 天目数据(福建)科技有限公司 一种识别低压表计计量失准的方法及装置、存储介质
CN116400291A (zh) * 2023-04-19 2023-07-07 广东电网有限责任公司 一种总表计量检测方法、装置、设备及存储介质
CN116466291A (zh) * 2023-04-21 2023-07-21 国网上海市电力公司 一种延期轮换电能表运行监控方法
CN116541765A (zh) * 2023-06-21 2023-08-04 广东电网有限责任公司 一种关于电能计量器的计量性能分类方法及装置
CN116542496A (zh) * 2023-07-06 2023-08-04 国网江苏省电力有限公司南通供电分公司 一种供电异常状态分析方法及系统
CN116304537B (zh) * 2023-04-27 2023-08-22 青岛鼎信通讯股份有限公司 基于智能量测终端的窃电用户核查方法
CN116718979A (zh) * 2023-08-08 2023-09-08 北京京仪北方仪器仪表有限公司 一种智能电表运行误差测量方法和系统
CN116823226A (zh) * 2023-07-06 2023-09-29 湖南鑫能实业有限公司 一种基于大数据的电力台区故障监测系统
CN116846074A (zh) * 2023-07-04 2023-10-03 深圳市利业机电设备有限公司 一种基于大数据的智慧电能监管方法及系统
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
CN117110976A (zh) * 2023-10-24 2023-11-24 烽台科技（北京）有限公司 电表异常检测方法、装置、电子设备和存储介质
CN117113833A (zh) * 2023-08-23 2023-11-24 广东电网有限责任公司 一种检定装置的核查方法及系统
CN117110977A (zh) * 2023-10-25 2023-11-24 国网浙江省电力有限公司营销服务中心 一种电能表误差评估方法及系统
CN117148264A (zh) * 2023-10-31 2023-12-01 山东计保电气有限公司 一种用于电能计量的远程校准的方法
CN117235326A (zh) * 2023-11-16 2023-12-15 国网山东省电力公司泰安供电公司 一种基于台区画像的台区设备可视化展示系统
CN117368828A (zh) * 2023-10-09 2024-01-09 国网河南电力公司营销服务中心 一种电力计量表计异常分析方法
CN117474395A (zh) * 2023-11-01 2024-01-30 海南电网有限责任公司 计量业务指标的监控方法及系统
CN117992889A (zh) * 2024-01-15 2024-05-07 国网江苏省电力有限公司营销服务中心 一种基于大数据分析的中高压失准监测系统
CN118035952A (zh) * 2024-04-11 2024-05-14 云南电网有限责任公司 一种基于基尔霍夫定律回归模型的表箱识别方法及系统
CN118040912A (zh) * 2024-04-15 2024-05-14 南京祥泰系统科技有限公司 一种基于大数据的可视化设备数据智能监管方法及系统
CN118070197A (zh) * 2024-04-17 2024-05-24 国网冀北电力有限公司 一种基于数据驱动的电能表运行状态在线监测方法
CN118153738A (zh) * 2024-02-04 2024-06-07 国网河北省电力有限公司营销服务中心 台区线损分析方法及装置
CN118364313A (zh) * 2024-06-18 2024-07-19 广州南洋电缆集团有限公司 一种电力系统的实时信息标定方法
CN118566827A (zh) * 2024-07-31 2024-08-30 北京溢美四方软件技术有限公司 一种三相智能电能表的校表方法
CN118604718A (zh) * 2024-08-08 2024-09-06 国网山西省电力公司营销服务中心 一种电能计量故障智能诊断方法及系统
CN118612321A (zh) * 2024-08-08 2024-09-06 浙江能维共智科技有限公司 基于树状拓扑结构且协议自适应的电表用电量管理方法和系统
CN118818141A (zh) * 2024-09-14 2024-10-22 青岛鼎信通讯科技有限公司 一种基于能量路由器的充电枪计量误差监测方法
CN118914707A (zh) * 2024-07-22 2024-11-08 国网辽宁省电力有限公司朝阳供电公司 一种电力线损检测系统
CN119010363A (zh) * 2024-10-23 2024-11-22 中安广源检测评价技术服务股份有限公司 一种城市电网风险监测系统
CN119148044A (zh) * 2024-11-18 2024-12-17 昀诺能源科技(江苏)有限公司 电表异常检测方法
CN119375809A (zh) * 2024-12-30 2025-01-28 北京溢美四方软件技术有限公司 一种基于电力采集终端的数据校准系统及方法
CN119398619A (zh) * 2024-12-05 2025-02-07 国网浙江省电力有限公司丽水供电公司 一种基于数字员工的供电所业务自动化测试方法及系统
CN119861329A (zh) * 2025-01-15 2025-04-22 国网江苏省电力有限公司扬州供电分公司 基于能量守恒原理的电能表误差检测方法和系统
CN120065108A (zh) * 2025-04-25 2025-05-30 国网福建省电力有限公司营销服务中心 一种电能表烧损隐患监测方法及系统
CN120559568A (zh) * 2025-07-30 2025-08-29 深圳市国电科技通信有限公司 电力计量设备异常监测方法、装置、计算机设备及介质
CN120562821A (zh) * 2025-06-09 2025-08-29 成都明数科技有限公司 用于机辆段所的分布式能源管控与动态计价方法和系统
CN120847709A (zh) * 2025-09-23 2025-10-28 华中科技大学 面向时钟异步的电表计量误差估计准确度提升方法及系统
CN120891453A (zh) * 2025-10-09 2025-11-04 南京能瑞自动化设备股份有限公司 一种智能电表校准方法、装置、计算机设备及存储介质
CN121146536A (zh) * 2025-11-18 2025-12-16 中国南方电网有限责任公司 基于低压台区理论线损计算的风险处理方法、装置、计算机设备和存储介质
CN121434661A (zh) * 2025-12-30 2026-01-30 山东晨晖电子科技有限公司 基于机器学习的电能表失准误差远程校准方法
CN121479628A (zh) * 2026-01-12 2026-02-06 江阴长仪集团有限公司 基于多维用电特征的电能表分时负荷监测方法及系统
CN121502619A (zh) * 2026-01-13 2026-02-10 江阴长仪集团有限公司 基于电能表大数据的电能表风险自动识别方法及系统
CN121541132A (zh) * 2026-01-15 2026-02-17 国网吉林省电力有限公司营销服务中心 电能表误差状态评估方法、装置、电子设备及存储介质
CN121559416A (zh) * 2026-01-23 2026-02-24 国网上海市电力公司 线损异常关联的互感器绝缘故障定位方法
CN121577195A (zh) * 2026-01-27 2026-02-27 威胜集团有限公司 一种非侵入式智能电表端子温度估计与过热预警方法

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113281697B (zh) * 2021-05-20 2023-04-18 国网河南省电力公司营销服务中心 一种运行误差在线分析方法及系统
CN113406555A (zh) * 2021-05-28 2021-09-17 国网浙江省电力有限公司营销服务中心 一种交流充电站的电量计量误差监测方法及充电站
CN113655304B (zh) * 2021-07-13 2024-03-22 国网浙江省电力有限公司营销服务中心 一种电动汽车充电机计量性能在线检测系统及方法
CN113721094B (zh) * 2021-08-27 2024-03-22 北京市腾河电子技术有限公司 低压台区用采系统的误差分析方法及系统、设备、存储介质
CN113985339B (zh) * 2021-09-22 2023-11-24 北京市腾河科技有限公司 智能电表的误差诊断方法及系统、设备、存储介质
CN114089262B (zh) * 2021-11-18 2024-07-16 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
CN113884975B (zh) * 2021-11-18 2024-04-30 福州大学 一种基于改进动态线损估计的超差电表检测方法
CN114167344B (zh) * 2021-12-03 2024-07-16 国网江苏省电力有限公司营销服务中心 一种中高压及台区总表计量点误差分析系统
CN114200386B (zh) * 2021-12-21 2023-10-24 广西电网有限责任公司 智能电表运行误差在线分析方法及系统
CN114063003A (zh) * 2022-01-06 2022-02-18 山东省计量科学研究院 基于小台区的电能表测量误差检测方法、系统及存储介质
CN114460529B (zh) * 2022-02-09 2024-10-29 南方电网科学研究院有限责任公司 一种电能表误差在线评估方法、装置、设备及存储介质
CN114265001B (zh) * 2022-03-02 2022-06-07 华中科技大学 一种智能电表计量误差评估方法
CN114355274B (zh) * 2022-03-14 2022-07-12 浙江万胜智能科技股份有限公司 一种用电信息数据的定期校准方法及系统
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
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
CN115473216B (zh) * 2022-05-31 2023-06-06 云南电网有限责任公司 一种改进电网线损计算的方法及系统
CN115267645B (zh) * 2022-07-27 2023-05-23 云南电网有限责任公司 一种低功率因数电能表的误差计算方法、监测系统及设备
CN115079082A (zh) * 2022-07-27 2022-09-20 云南电网有限责任公司 一种台区电表监测方法、系统及终端
CN115656914B (zh) * 2022-12-12 2023-10-10 湖南省计量检测研究院 一种基于大数据的智能电表计量准确性检测方法及装置
CN115825847A (zh) * 2022-12-28 2023-03-21 重庆大学 基于主成分分析与最小二乘法相结合的电表误差求解算法
CN117131353B (zh) * 2023-10-27 2024-01-30 北京志翔科技股份有限公司 一种超差电能表确定方法、装置、电子设备及存储介质
CN118962571A (zh) * 2024-09-26 2024-11-15 广东电网有限责任公司 电表故障检测方法、装置、电子设备和存储介质
CN119395624B (zh) * 2024-09-30 2025-12-05 北京市腾河智慧能源科技有限公司 基于用户电表数据的总表误差在线监测方法及系统、设备、介质
CN118962559B (zh) * 2024-10-17 2025-01-24 四川激越物联网科技有限公司 一种故障指示器同步精度智能检测方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107462863A (zh) * 2017-09-05 2017-12-12 中国电力科学研究院 一种智能电能表运行误差运行诊断分析方法及系统
CN107621621A (zh) * 2017-09-05 2018-01-23 天津市电力科技发展有限公司 一种智能电能表在线综合误差校准方法
CN109581271A (zh) * 2018-11-12 2019-04-05 国网天津市电力公司电力科学研究院 一种典型低压台区用电数据快速模拟方法
CN109597014A (zh) * 2018-11-30 2019-04-09 国网上海市电力公司 一种基于人工智能技术的电能表误差诊断方法
CN110533299A (zh) * 2019-08-07 2019-12-03 深圳供电局有限公司 一种在线监测电表失准率的计算方法、设备及介质
CN110609249A (zh) * 2019-09-10 2019-12-24 中国电力科学研究院有限公司 一种基于电能表采集信息的计量异常分析处理系统
US20200191854A1 (en) * 2018-12-13 2020-06-18 King Fahd University Of Petroleum And Minerals Accurate detection and correction of technical and non-technical losses using smart metering

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203746069U (zh) * 2013-11-30 2014-07-30 国家电网公司 一种公变台区低压线损分析系统
KR102344194B1 (ko) * 2018-09-21 2021-12-28 한국전력공사 3상 4선식의 전력량계의 오차를 추정하는 진단 시스템
CN110532505B (zh) * 2019-08-07 2023-08-22 深圳供电局有限公司 一种电表失准率的计算方法
CN111398885B (zh) * 2020-03-27 2022-12-16 天津大学 一种结合线损分析的智能电表运行误差监控方法
CN111948596B (zh) * 2020-08-24 2023-03-14 国网四川省电力公司电力科学研究院 基于多时间尺度的台区电能表误差在线检测方法和系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107462863A (zh) * 2017-09-05 2017-12-12 中国电力科学研究院 一种智能电能表运行误差运行诊断分析方法及系统
CN107621621A (zh) * 2017-09-05 2018-01-23 天津市电力科技发展有限公司 一种智能电能表在线综合误差校准方法
CN109581271A (zh) * 2018-11-12 2019-04-05 国网天津市电力公司电力科学研究院 一种典型低压台区用电数据快速模拟方法
CN109597014A (zh) * 2018-11-30 2019-04-09 国网上海市电力公司 一种基于人工智能技术的电能表误差诊断方法
US20200191854A1 (en) * 2018-12-13 2020-06-18 King Fahd University Of Petroleum And Minerals Accurate detection and correction of technical and non-technical losses using smart metering
CN110533299A (zh) * 2019-08-07 2019-12-03 深圳供电局有限公司 一种在线监测电表失准率的计算方法、设备及介质
CN110609249A (zh) * 2019-09-10 2019-12-24 中国电力科学研究院有限公司 一种基于电能表采集信息的计量异常分析处理系统

Cited By (85)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113466520B (zh) * 2021-07-07 2024-05-17 国网福建省电力有限公司营销服务中心 一种在线识别失准电能表的方法
CN113466520A (zh) * 2021-07-07 2021-10-01 国网福建省电力有限公司营销服务中心 一种在线识别失准电能表的方法
CN114792975A (zh) * 2022-06-22 2022-07-26 上海爱可生信息技术股份有限公司 电网中母线平衡的数据修复方法
CN115203274A (zh) * 2022-07-25 2022-10-18 云南电网有限责任公司楚雄供电局 一种配电变压器容量异常的大数据筛查系统
CN115203274B (zh) * 2022-07-25 2023-12-26 云南电网有限责任公司楚雄供电局 一种配电变压器容量异常的大数据筛查系统
CN115395643A (zh) * 2022-07-27 2022-11-25 国网江苏省电力有限公司盐城供电分公司 基于全数据采集和状态感知的低压配电网故障预警定位装置及系统
CN115453447A (zh) * 2022-09-20 2022-12-09 南方电网科学研究院有限责任公司 基于嫌疑电表分步补偿剔除的超差电表在线检测方法
CN115407259A (zh) * 2022-09-20 2022-11-29 南方电网科学研究院有限责任公司 考虑嫌疑系数的超差电表在线检测方法、装置及存储介质
CN115936166A (zh) * 2022-09-28 2023-04-07 海南电网有限责任公司 一种电能表检定误差分析预测方法
CN115936166B (zh) * 2022-09-28 2024-06-04 海南电网有限责任公司 一种电能表检定误差分析预测方法
CN115291159A (zh) * 2022-10-11 2022-11-04 北京智芯微电子科技有限公司 电能表计量失准分析方法、装置、存储介质及电子设备
WO2024078010A1 (zh) * 2022-10-11 2024-04-18 北京智芯微电子科技有限公司 电能表计量失准分析方法、装置、存储介质及电子设备
CN115577947A (zh) * 2022-10-14 2023-01-06 中国大唐集团科学技术研究总院有限公司西北电力试验研究院 一种需求侧综合能源系统及节能与安全分析方法
CN115599785A (zh) * 2022-10-19 2023-01-13 广东电网有限责任公司（Cn） 一种线损监测方法、装置、电子设备及存储介质
CN115600414A (zh) * 2022-10-24 2023-01-13 中国电力科学研究院有限公司（Cn） 一种基于ai算法的电能表运行误差求解方法及装置
CN115600414B (zh) * 2022-10-24 2023-04-18 中国电力科学研究院有限公司 一种基于ai算法的电能表运行误差求解方法及装置
CN115941724A (zh) * 2022-10-28 2023-04-07 国家电网有限公司 基于多点互信的电能表检监融合及失准更换技术的方法
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
CN116224195A (zh) * 2022-11-24 2023-06-06 云南电网有限责任公司 一种基于相似日的计量设备误差识别方法及装置
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
CN115856757A (zh) * 2022-11-28 2023-03-28 国网北京市电力公司 电能表失准分析方法、装置、设备及介质
CN115542238A (zh) * 2022-11-30 2022-12-30 北京志翔科技股份有限公司 超差表检测方法及装置
CN115792785A (zh) * 2022-12-01 2023-03-14 威胜信息技术股份有限公司 一种低压台区中智能电表的系统误差消除方法
CN115561699A (zh) * 2022-12-05 2023-01-03 北京志翔科技股份有限公司 运行误差估计方法及装置
CN115639517A (zh) * 2022-12-12 2023-01-24 北京志翔科技股份有限公司 基于用电量调整幅度的超差电能表识别方法、装置和设备
CN115825631A (zh) * 2022-12-19 2023-03-21 南方电网数字电网研究院有限公司 低压台区线损异常识别方法、装置和计算机设备
CN115630584A (zh) * 2022-12-21 2023-01-20 睿至科技集团有限公司 一种基于人工智能的能源分析方法及系统
CN116256691A (zh) * 2022-12-28 2023-06-13 国网河北省电力有限公司营销服务中心 一种电能表失准在线监测方法及系统
CN116256691B (zh) * 2022-12-28 2023-10-31 国网河北省电力有限公司营销服务中心 一种电能表失准在线监测方法及系统
CN115841278A (zh) * 2023-01-03 2023-03-24 国网福建省电力有限公司 电能计量装置运行误差状态评价方法、系统、设备及介质
CN116008714A (zh) * 2023-03-23 2023-04-25 青岛鼎信通讯股份有限公司 一种基于智能量测终端的反窃电分析方法
CN116359832A (zh) * 2023-03-30 2023-06-30 天目数据(福建)科技有限公司 一种识别低压表计计量失准的方法及装置、存储介质
CN116400291A (zh) * 2023-04-19 2023-07-07 广东电网有限责任公司 一种总表计量检测方法、装置、设备及存储介质
CN116466291A (zh) * 2023-04-21 2023-07-21 国网上海市电力公司 一种延期轮换电能表运行监控方法
CN116304537B (zh) * 2023-04-27 2023-08-22 青岛鼎信通讯股份有限公司 基于智能量测终端的窃电用户核查方法
CN116541765A (zh) * 2023-06-21 2023-08-04 广东电网有限责任公司 一种关于电能计量器的计量性能分类方法及装置
CN116846074A (zh) * 2023-07-04 2023-10-03 深圳市利业机电设备有限公司 一种基于大数据的智慧电能监管方法及系统
CN116846074B (zh) * 2023-07-04 2024-03-19 深圳市利业机电设备有限公司 一种基于大数据的智慧电能监管方法及系统
CN116542496B (zh) * 2023-07-06 2023-09-22 国网江苏省电力有限公司南通供电分公司 一种供电异常状态分析方法及系统
CN116823226A (zh) * 2023-07-06 2023-09-29 湖南鑫能实业有限公司 一种基于大数据的电力台区故障监测系统
CN116542496A (zh) * 2023-07-06 2023-08-04 国网江苏省电力有限公司南通供电分公司 一种供电异常状态分析方法及系统
CN116718979B (zh) * 2023-08-08 2023-10-24 北京京仪北方仪器仪表有限公司 一种智能电表运行误差测量方法和系统
CN116718979A (zh) * 2023-08-08 2023-09-08 北京京仪北方仪器仪表有限公司 一种智能电表运行误差测量方法和系统
CN117113833A (zh) * 2023-08-23 2023-11-24 广东电网有限责任公司 一种检定装置的核查方法及系统
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
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
CN117368828A (zh) * 2023-10-09 2024-01-09 国网河南电力公司营销服务中心 一种电力计量表计异常分析方法
CN117110976A (zh) * 2023-10-24 2023-11-24 烽台科技（北京）有限公司 电表异常检测方法、装置、电子设备和存储介质
CN117110976B (zh) * 2023-10-24 2024-02-06 烽台科技（北京）有限公司 电表异常检测方法、装置、电子设备和存储介质
CN117110977A (zh) * 2023-10-25 2023-11-24 国网浙江省电力有限公司营销服务中心 一种电能表误差评估方法及系统
CN117110977B (zh) * 2023-10-25 2024-03-01 国网浙江省电力有限公司营销服务中心 一种电能表误差评估方法及系统
CN117148264A (zh) * 2023-10-31 2023-12-01 山东计保电气有限公司 一种用于电能计量的远程校准的方法
CN117148264B (zh) * 2023-10-31 2024-05-14 山东计保电气有限公司 一种用于电能计量的远程校准的方法
CN117474395A (zh) * 2023-11-01 2024-01-30 海南电网有限责任公司 计量业务指标的监控方法及系统
CN117235326B (zh) * 2023-11-16 2024-05-31 国网山东省电力公司泰安供电公司 一种基于台区画像的台区设备可视化展示系统
CN117235326A (zh) * 2023-11-16 2023-12-15 国网山东省电力公司泰安供电公司 一种基于台区画像的台区设备可视化展示系统
CN117992889A (zh) * 2024-01-15 2024-05-07 国网江苏省电力有限公司营销服务中心 一种基于大数据分析的中高压失准监测系统
CN118153738A (zh) * 2024-02-04 2024-06-07 国网河北省电力有限公司营销服务中心 台区线损分析方法及装置
CN118035952A (zh) * 2024-04-11 2024-05-14 云南电网有限责任公司 一种基于基尔霍夫定律回归模型的表箱识别方法及系统
CN118040912A (zh) * 2024-04-15 2024-05-14 南京祥泰系统科技有限公司 一种基于大数据的可视化设备数据智能监管方法及系统
CN118070197A (zh) * 2024-04-17 2024-05-24 国网冀北电力有限公司 一种基于数据驱动的电能表运行状态在线监测方法
CN118364313A (zh) * 2024-06-18 2024-07-19 广州南洋电缆集团有限公司 一种电力系统的实时信息标定方法
CN118914707A (zh) * 2024-07-22 2024-11-08 国网辽宁省电力有限公司朝阳供电公司 一种电力线损检测系统
CN118566827A (zh) * 2024-07-31 2024-08-30 北京溢美四方软件技术有限公司 一种三相智能电能表的校表方法
CN118604718A (zh) * 2024-08-08 2024-09-06 国网山西省电力公司营销服务中心 一种电能计量故障智能诊断方法及系统
CN118612321A (zh) * 2024-08-08 2024-09-06 浙江能维共智科技有限公司 基于树状拓扑结构且协议自适应的电表用电量管理方法和系统
CN118818141A (zh) * 2024-09-14 2024-10-22 青岛鼎信通讯科技有限公司 一种基于能量路由器的充电枪计量误差监测方法
CN119010363A (zh) * 2024-10-23 2024-11-22 中安广源检测评价技术服务股份有限公司 一种城市电网风险监测系统
CN119148044A (zh) * 2024-11-18 2024-12-17 昀诺能源科技(江苏)有限公司 电表异常检测方法
CN119398619A (zh) * 2024-12-05 2025-02-07 国网浙江省电力有限公司丽水供电公司 一种基于数字员工的供电所业务自动化测试方法及系统
CN119375809A (zh) * 2024-12-30 2025-01-28 北京溢美四方软件技术有限公司 一种基于电力采集终端的数据校准系统及方法
CN119861329A (zh) * 2025-01-15 2025-04-22 国网江苏省电力有限公司扬州供电分公司 基于能量守恒原理的电能表误差检测方法和系统
CN120065108A (zh) * 2025-04-25 2025-05-30 国网福建省电力有限公司营销服务中心 一种电能表烧损隐患监测方法及系统
CN120562821A (zh) * 2025-06-09 2025-08-29 成都明数科技有限公司 用于机辆段所的分布式能源管控与动态计价方法和系统
CN120559568A (zh) * 2025-07-30 2025-08-29 深圳市国电科技通信有限公司 电力计量设备异常监测方法、装置、计算机设备及介质
CN120847709A (zh) * 2025-09-23 2025-10-28 华中科技大学 面向时钟异步的电表计量误差估计准确度提升方法及系统
CN120891453A (zh) * 2025-10-09 2025-11-04 南京能瑞自动化设备股份有限公司 一种智能电表校准方法、装置、计算机设备及存储介质
CN121146536A (zh) * 2025-11-18 2025-12-16 中国南方电网有限责任公司 基于低压台区理论线损计算的风险处理方法、装置、计算机设备和存储介质
CN121146536B (zh) * 2025-11-18 2026-03-13 中国南方电网有限责任公司 基于低压台区理论线损计算的风险处理方法、装置、计算机设备和存储介质
CN121434661A (zh) * 2025-12-30 2026-01-30 山东晨晖电子科技有限公司 基于机器学习的电能表失准误差远程校准方法
CN121479628A (zh) * 2026-01-12 2026-02-06 江阴长仪集团有限公司 基于多维用电特征的电能表分时负荷监测方法及系统
CN121502619A (zh) * 2026-01-13 2026-02-10 江阴长仪集团有限公司 基于电能表大数据的电能表风险自动识别方法及系统
CN121541132A (zh) * 2026-01-15 2026-02-17 国网吉林省电力有限公司营销服务中心 电能表误差状态评估方法、装置、电子设备及存储介质
CN121559416A (zh) * 2026-01-23 2026-02-24 国网上海市电力公司 线损异常关联的互感器绝缘故障定位方法
CN121577195A (zh) * 2026-01-27 2026-02-27 威胜集团有限公司 一种非侵入式智能电表端子温度估计与过热预警方法

Also Published As

Publication number Publication date
CN112698261A (zh) 2021-04-23

Similar Documents

Publication Publication Date Title
WO2022110558A1 (zh) 一种智能电能表故障预警方法及装置
CN106096726B (zh) 一种非侵入式负荷监测方法及装置
CN111026927B (zh) 一种低压台区运行状态智能监测系统
CN113281697B (zh) 一种运行误差在线分析方法及系统
CN111398885A (zh) 一种结合线损分析的智能电表运行误差监控方法
CN107462863A (zh) 一种智能电能表运行误差运行诊断分析方法及系统
CN113556629B (zh) 一种智能电表误差远程估计方法及装置
CN112130109A (zh) 一种智能电能表计量性能异常的检测方法
CN109713671B (zh) 配电台区运维方法、系统、存储介质及电子设备
CN109523134B (zh) 一种基于实测数据的分散式电采暖负荷时移能力定量评估方法及其建模系统
CN107727955B (zh) 一种基于电网线路运行误差远程校准的变压器损耗分析与管控方法
CN115856757B (zh) 电能表失准分析方法、装置、设备及介质
CN106655152A (zh) 一种基于ami量测特性的配电网状态估计方法
Zhou et al. Neural network pattern recognition based non-intrusive load monitoring for a residential energy management system
CN114529023A (zh) 一种台区智能电能表的智慧型周期轮换方法
CN103501003A (zh) 线损控制系统
CN115616471B (zh) 一种智能电能表故障在线预警系统及方法
CN114154848B (zh) 一种终端设备供电动态风险评估方法、系统、设备及介质
CN201332267Y (zh) 电能监控系统
CN110533247A (zh) 一种采用气温数据异常点补偿的月度用电量预测方法
CN121167089A (zh) 一种基于大数据分析的电能表状态评估方法及系统
CN112736904B (zh) 基于小扰动数据的电力负荷模型在线解析方法
CN109858767A (zh) 基于序关系分析法的智能配电终端健康度评估方法
CN119557556A (zh) 一种台区电表计量误差估计方法及系统
CN108599168B (zh) 一种用于对大电网计划潮流进行合理性评估的方法及系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21896078

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21896078

Country of ref document: EP

Kind code of ref document: A1