[发明专利]一种电力计量设备用关键元器件多维度检测数据的归一化方法

说明书

本发明提供一种电力计量设备用关键元器件的多维度检测数据归一化方法，具体包括：根据物理特性构建电力计量设备关键元器件的形式化模型，定义特征值；分析多维度检测数据，选择影响因素—元器件特征值的归一化拟合方法；利用神经网络等归一化方式建立影响因素—元器件特征值的数据拟合模型；利用其它检测数据验证归一化数据拟合模型；应用元器件的形式化模型和数据拟合模型实现电力计量设备检测数据归一化。本发明为元器件多维度检测数据的归一化提供技术支撑。

技术领域

本发明属于电能计量领域，特别是一种电力计量设备用关键元器件多维度检测数据的归一化方法。

背景技术

电力计量设备是智能电网建设的重要基础设备之一，电力计量设备元件的可靠性和使用寿命直接决定了设备的整体质量，但是现阶段市场上不同厂家对于电力计量设备关键元器件给出的质量指标和检测方式各有不同，这导致了关键元器件性能评判标准不一致，这种不一致会导致不同检测结果无法互通，市面上没有统一的检测数据评价标准。所示需要一种可以连通不同测试方式和条件下检测数据之间的桥梁，将检测数据标准化、规范化，最终达到提高利用效率的目的。

发明内容

针对上述问题，本发明提出一种电力计量设备用关键元器件多维度检测数据的归一化方法，旨在针对目前市场上多维度检测数据无法互通，利用率低的问题，提出了电力计量设备关键元器件的形式化模型和影响因素的数据拟合模型，通过搭建通用模型来使得不同检测条件和方式下的检测数据可以互通，最终实现多维度检测数据的归一化。

本发明的技术方案：

一种电力计量设备用关键元器件多维度检测数据的归一化方法，其特征在于，包括以下具体步骤：

S1.根据物理特性构建电力计量设备关键元器件的形式化模型，定义特征值；

S2.分析多维度检测数据，选择影响因素-元器件特征值的归一化拟合方法；

S3.利用神经网络拟合法或平均法归一化方式建立影响因素-元器件特征值的数据拟合模型；

S4.利用其它检测数据验证归一化数据拟合模型；

S5.应用元器件的形式化模型和数据拟合模型实现电力计量设备检测数据归一化。

所述步骤S1中关键元器件的形式化模型，即可以描述元器件不同测试和运行条件下行为的模型，模型的特征值包括锂亚硫酰氯电池的内电势、电阻和电解电容的电容量、漏电流。

所述步骤S2中对关键元器件多维度检测数据进行数据预处理，通过数据统计得到影响关键元器件特征值检测结果的各类因素，接着分析不同影响因素对特征值的影响方式，针对不同的方式选用合适的归一化拟合方法，包括神经网络拟合法和平均法。

所述步骤S3中建立影响因素-元器件特征值的数据拟合模型采用神经网络拟合法或平均法。设x_i(i＝1,2,3,……,m)为模型输入量，即影响因素，y_j(j＝1,2,3,……,n)为实际输出量，即元器件特征值，为输入量经过模型给定的映射f得到的元器件特征值预测值，当预测值能够使误差评价函数：取得最小值时，认为数据拟合模型的预测结果较好。在影响因素对元器件特征值的影响较大，但规律不明显时，采用神经网络拟合法，即映射f通过训练BP神经网络实现；当影响因素对元器件特征值的影响较小时，可以采用平均法构建映射f。

所述步骤S4中利用未被用于模型训练的数据来验证数据拟合模型的可靠性，使用同一批数据中的未采用数据或者使用不同测试条件下的不同批次数据。

所述步骤S5中实现多维度检测数据归一化，是指通过建立关键元器件的形式化模型和特征值数据拟合模型，将不同检测条件的多维度检测数据用标准化模型进行验证和对比。