[发明专利]基于多应力影响的电能表计量误差预测方法、系统及装置

说明书

本发明涉及一种基于多应力的电能表计量误差预测方法、系统及装置，所述基于多应力的电能表计量误差预测方法包括：获取电能表的样本数据；所述样本数据包括多组对应的历史环境数据、历史电流数据、历史功率因数以及历史计量误差数据，历史环境数据包括历史温度数据和历史湿度数据；根据样本数据对BP反向传播神经网络进行训练，得到电能表误差估计模型；基于电能表误差估计模型，根据电能表的现场环境数据、电流数据和功率因数，得到电能表现场计量误差；考虑了多应力对电能表计量误差的联合影响，并通过对BP神经网络训练，构建电能表误差估计模型，可补偿环境、电流和功率因数对电能表计量误差的影响，并提高电能表计量的准确性。

技术领域

本发明涉及电能表计量领域，特别是涉及一种基于多应力影响的电能表计量误差预测方法、系统及装置。

背景技术

随着国民经济的不断发展和人们生活水平的不断提高，每年的用电量也在稳步增长。电能表计量的准确性与电力企业和用户的经济利益直接相关，学术界及各行业对电能表计量误差产生机制及各因素电能表计量误差的影响关系十分关注。电能表计量精度受电流、功率因数等电气条件，和温度、湿度等环境因素联合影响，而且电能表现场运行环境条件随时间不断变化，使得电能表计量误差预测困难。现有误差预测方法通常考虑一种影响因素，且基于实验室试验数据构建该因素对电能表计量误差的影响关系。现有方法用于多变量、现场数据条件下预测电能表计量误差已经不适用不利于电能表计量误差补偿。

基于上述问题，亟需一种新的电能表计量误差预测方法以提高电能表计量的准确性。

发明内容

本发明的目的是提供一种基于多应力影响的电能表计量误差预测方法、系统及装置，可补偿环境、电流和功率因数对电能表计量误差的影响，达到提高电能表计量准确性的目的。

为实现上述目的，本发明提供了如下方案：

一种基于多应力影响的电能表计量误差预测方法，所述基于多应力影响的电能表计量误差预测方法包括：

获取电能表的样本数据；所述样本数据包括多组对应的历史环境数据、历史电流数据、历史功率因数以及历史计量误差数据，所述历史环境数据包括历史温度数据和历史湿度数据；

根据所述样本数据对反向传播BP神经网络进行训练，得到电能表误差估计模型；

基于所述电能表误差估计模型，根据电能表的现场环境数据、电流数据和功率因数，得到电能表现场计量误差；所述电能表的现场环境数据包括现场温度数据和现场湿度数据。

可选地，所述根据所述样本数据对BP神经网络进行训练，得到电能表误差估计模型，具体包括：

采用K-Means聚类方法，对各历史环境数据进行聚类，得到聚类历史环境数据；所述聚类历史环境数据包括聚类历史温度数据和聚类历史湿度数据；

根据各组的聚类历史环境数据、电流数据、功率因数以及历史计量误差数据，对BP神经网络训练，得到电能表误差估计模型。

可选地，所述采用K-Means聚类方法，对各历史环境数据进行聚类，得到聚类历史环境数据，具体包括：

将各所述历史环境数据转换为指标数据矩阵，并对所述指标数据矩阵中的各历史环境数据进行归一化处理，得到对应的归一化历史环境数据；

根据所述指标数据矩阵计算任意两个归一化历史环境数据之间的欧式距离；

根据所述归一化历史环境数据确定聚类类别的数量和聚类中心点；

根据任意两个所述归一化历史环境数据之间的欧式距离以及所述聚类中心点，对所述归一化历史环境数据进行聚类，得到聚类后的历史环境数据；

判断聚类后的历史环境数据是否区域稳定；