[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

说明书

本发明属于变电站计量技术领域，涉及一种强化学习算法的计量误差远程在线检测方法。误差检测与评估过程利用计量功率采集样本与标准电表值进行误差比较，优化标准化误差专家库数值；再利用Q‑Learning函数强化学习算法构建电量不平衡的映射模型，对专家库更新数值指导Q迭代网络的初始值定义，通过实时采集的电量数据变化过程准确预测出下一时刻的电量值，实现电量值预测功能，并与专家库中标准值进行比差计算，获取平均预测误差值，当误差范围超出误差置信区间，则立即发出预警信息。本发明优势在可以远程测试计量系统整体误差，具有强自适应调整能力，符合误差产生的动态特性，评估结论准确，系统易于实现。

技术领域

本发明涉及一种强化学习算法的计量误差远程在线检测方法，属于电力计量设备运行状态检测与评估领域。

背景技术

智能变电站计量系统属于高压计量范畴，计量的准确性直接影响着大电网电费结算结果，产生误差幅度要比家用电能计量系统要高出一定比例，造成的电量误差也是相当可观的。因此针对变电站计量误差应采取相应检测手段，将运行误差及时发现、及时补偿。

智能变电站计量系统会涉及到不同的计量装置，包括电流/电压互感器、电量特征采集模块、互感器回路、时钟同步模块、合并单元等，电能数据在经过不同节点位置时都有可能因装置自身原因、或者运行过程中干扰因素的影响等而引起多类型误差， 这种误差的节点及因素较多，属于隐蔽性误差，不易被定位和察觉。目前针对这种现象已采取了一定的检测措施，大致可以分为两种类型：1.采用单点式检测仪在现场对各节点设备进行误差排查，这种方式虽然能够定位到误差引起的设备位置，但系统误差是具有联动性的，某一个设备产生了误差，在计量回路中误差会不断的放大，因此单点检测出来的误差值一般是不准确的；并且不同设备的检测仪类型不一样，现场检测时需佩戴多种类型的检测设备，不利于便携出行。面对无人值守变电站一般位于偏远地方，携带大量检测设备来回处理，是不易实现的操作方案。2.现场采集大量计量数据，定期对存储的数据进行周期性分析，计算误差幅度，再一次性调整。这种方法存在两个弊端，一则无法实现实时的误差调整，在引起误差较长的时间间隔中会导致电量结算错误资金流失。如果是设备自身原因引起的误差没有及时维护，可能会导致误差影响的无限放大；二则在信息采集过程中，会产生大量的计量数据需存储与传输，需要光纤资源将数据传输到计量管理后台，现场光纤资源稀缺，且不易敷设，投入大量建设与维护成本传输计量数据。后台需要部署存储服务器，为现场数据提供冗余较大的存储空间，整体来看投资成本成效很低，也不符合后期变电站扩展建设需求。

基于目前计量系统检测与评估水平的现状，需要设计一种能在线化、实时性、整体性的计量误差检测与评估系统，能够对现场变电站计量系统性数据实时采集、传输到远端，通过自动化、高效计算的方法对计量误差进行在线检测、传输、计算与评估。

发明内容

本发明设计一种强化学习算法的计量误差远程在线检测方法，主要将设计方法应用在智能变电站计量系统误差监控领域中，通过现场采样处理装置将计量特征提取出来，通过无线方式安全传输到远距离计量管理平台中，选择一种合适的模型拟合方法计算出电量参考误差，并评估误差值是否在可容忍的范围内，对误差值进行补偿与调整。

一种强化学习算法的计量误差远程在线检测方法，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，如误差小于置信区间，则进行误差补偿，如误差超出置信区间，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。