[发明专利]一种强化学习算法的计量误差远程在线检测方法有效

专利信息
申请号: 202010728912.6 申请日: 2020-07-27
公开(公告)号: CN111596255B 公开(公告)日: 2021-01-15
发明(设计)人: 刘见;郑振洲;刘水;熊志凌;王浔;刘明;刘强;汤振华;裴茂林;熊茹;伍栋文;俞林刚 申请(专利权)人: 国网江西省电力有限公司电力科学研究院;国网江西省电力有限公司供电服务管理中心;国网江西省电力有限公司;国家电网有限公司
主分类号: G01R35/04 分类号: G01R35/04;G06N20/00
代理公司: 北京众合诚成知识产权代理有限公司 11246 代理人: 袁红梅
地址: 330096 江西省南昌市青山湖区民营科*** 国省代码: 江西;36
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 强化 学习 算法 计量 误差 远程 在线 检测 方法
【权利要求书】:

1.一种强化学习算法的计量误差远程在线检测方法,其特征在于:设计了一种远程在线的计量误差检测模型,在变电站计量系统中通过在电能表后端增加光电采样模块,将电表采集的功率数据及电量特征数据通过无线通信模块传输到计量管理平台中,计量管理平台中内嵌强化学习算法程序,当数据进入到计量管理平台后就启动计量误差评估及调整,通过采样数据修正标准电表误差数值,并预测出电表能量变化趋势,通过计算预测电表能量与标准数值误差,判断是否在误差可控范围内,如误差小于可控范围,则进行误差补偿,如误差超出可控范围,则发出预警信息,定位误差产生的节点,调整系统性能,保障整个计量过程的误差数值平稳性;

所述计量误差评估及调整具体为:先将标准电表计量数据与部分采样数据进行标准计量误差专家库数据的更新与优化,计算出更新的误差值及计量功率值,形成误差可控范围;并依据现有计量系统的数据条件初始化计量评估Q-Learning算法的初始值,进入数值迭代优化过程,最终推算出与真实数据最接近的电能量功率预测Q值,并利用随机梯度下降测量法,保证两者的误差最小,算法输出下一时刻预测的功率值;通过多次预测计算,形成下一时间段内的功率值集合,与标准计量误差专家库中的数值进行比较,求出下一时间段的平均误差,如下一时间段的平均误差小于可控范围,则进行误差补偿;如超过,则要发出预警信息并对计量系统进行故障检查与调整。

2.根据权利要求1所述的一种强化学习算法的计量误差远程在线检测方法,其特征在于:所述计量误差检测模型为:根据现场已有公网的通信资源,选择4/5G通信机制,在光电采样模块中内嵌通信模块及加密芯片,在远端的通信接收模块中也同样部署一套通信模块及解密芯片;变电站计量系统通过标准的电压互感器 TV的一次绕组均与电子式电压互感器、升压器一次绕组并联,标准电压互感器输出二次绕组电压值接至电压采样控制单元输入接口;同理,标准电流互感器 TA的一次绕组均与电子式电流互感器、升流器一次绕组串联,标准电流互感器的二次绕组接至电流采样控制单元输入接口,通过时间同步调整后,将电压及电流值输入合并单元,利用乘法器转换成电量功率值输入到电表进行电量测量,光电采样模块直接安装在电表上,并对准LED发光管,将电能量脉冲输出给LED发光管,将采样值通过4/5G无线通信模块传输到远端的通信接收模块上,最终将数据输入到计量管理平台中,计量数据加密后在空中以模拟电磁波信号承载方式安全到达远端的计量管理平台中,通过解密过程读取计量数据,进行下一步的计量功率预测及误差评估过程。

3.根据权利要求1所述的一种强化学习算法的计量误差远程在线检测方法,其特征在于:所述强化学习算法,选择Q-Learning函数进行自我学习,通过当前状态和执行的动作策略中预估出下一个状态,并且网络还会产生一定动作收益值,也影响着下一个状态和动作,通过这种推理方法将计量数据函数拟合出来,s表示采样数据当前的状态值,a表示当前采取的动作;Q-Learning算法开始时会设置合适的状态初始化值,在Q学习当中采用状态概率转移方式将值进行动态规划,迭代求解,直到找到一条能够到达终点获得最大奖赏的策略,这时可以计算得到Q值和原来的Q值存在一个增量,并求其最大化。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网江西省电力有限公司电力科学研究院;国网江西省电力有限公司供电服务管理中心;国网江西省电力有限公司;国家电网有限公司,未经国网江西省电力有限公司电力科学研究院;国网江西省电力有限公司供电服务管理中心;国网江西省电力有限公司;国家电网有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010728912.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top