[发明专利]一种基于多维影响量的电能表计量准确性评估方法

权利要求书

1.一种基于多维影响量的电能表计量准确性评估方法，其特征在于，所述方法包括如下步骤：

(1)根据多维影响参量设计模型拓扑结构；

(2)建立多维影响量下电能表计量性能初始化模型；

(3)获取电能表历史试验数据样本；

(4)计算模型输入层神经元输出；

(5)计算模型隐含层神经元输出；

(6)计算模型输出层神经元输出；

(7)计算模型网络对样本组评估偏差值STDEV；

(8)根据所述样本组评估偏差值STDEV确定是否满足精度要求，建立多维影响量下电能表计量性能模型；

若不满足精度要求，调整模型内部神经元参数，重复(4)-(7)，直到满足精度要求；

(9)采集实际现场多维影响数据；

(10)评估多维影响量下的运行电能表计量准确性，结束评估；

所述步骤(4)中，所述输入层各神经元为一维输入多维输出结构，输入元素为电压、电流、功率因数、温度、湿度和压力；

采用归一化函数(1)对每个输入元素进行归一化处理：

即可得到模型输入层的各元素的函数关系：

式中：

x_i为各输入层神经元输入值，即各种干扰因素的实测值；

y_i为输入层神经元输出值，即归一化后的干扰因素值；

x_max为输入的最大值；

x_min为输入的最小值；

M为输入元素数量最大值；

I_i为中间量。

2.如权利要求1所述评估方法，其特征在于，所述步骤(1)中，所述模型拓扑结构即模型的输入层、隐含层和输出层神经元的数量，以及各层神经元之间的函数关系。

3.如权利要求1所述评估方法，其特征在于，所述步骤(2)中，所述模型基于BP神经网络设计，将现场电能表运行工况中的电压、电流、温度作为输入，电能表计量误差作为输出。

4.如权利要求1所述评估方法，其特征在于，所述步骤(3)中，选取电压、电流和温度电能表历史实验数据反复训练模型网络，直至计算模型对样本组评估偏差值的STDEV满足精度要求，确定模型网络各层神经元之间的权值和阈值，得到多维影响量下电能表计量性能模型。

5.如权利要求1所述评估方法，其特征在于，所述步骤(5)中，所述隐含层各神经元为M维输入一维输出型结构；

将隐含层的激发函数选为对称型Sigmoid函数：

即可得到模型隐含层的各元素的函数关系：

y_j为各隐含层神经元输入值，也是第j个输入层神经元的输出值；

y_i'为隐含层神经元输出值；

w_j为隐含层神经元的权系数；

θ_i'为隐含层神经元的修正阈值；

M为输入元素数量最大值；

I_i'为中间量。

6.如权利要求1所述评估方法，其特征在于，所述步骤(6)中，所述

输出层各神经元为M维输入一维输出结构，输出为电能表计量误差；

输出层激发函数采用线性函数，以保证输出的范围；

f₃(x)＝x (5)

即可得到模型输出层的各元素的函数关系：

y_j'为各输出层神经元元输入值，也是第j个隐含层神经元的输出值；

y_i”为输出层神经元输出值，即模型的评估结果电能表的计量误差值；

w'_j为输出层神经元的权系数；

I”为中间量；

θ”为输出层神经元的修正阈值。