一種基于多維影響量的電能表計量準確性評估方法
【技術領域】
[0001] 本發明涉及電工儀器儀表行業用電服務領域的方法，具體講涉及一種基于多維影 響量的電能表計量準確性評估方法。
【背景技術】
[0002] 電能是人類生活中重要的能源，電能供應和消耗的多少需要通過電能計量來實 現，電能計量的結果是電能供用雙方結算的依據，電能計量的精確性關系到電力供需雙方 的經濟效益。
[0003] 作為國家強制檢定管理的計量器具之一，電能表在安裝之前要通過嚴格的準確度 要求試驗、電氣要求試驗、電磁兼容試驗等一系列試驗測試，經檢定合格方可投入使用，以 確保電能表運行的準確、可靠。目前電能表的檢定、測試都是在實驗室設定的參比條件下進 行的，所施加的干擾量通常是單一維度的。但是，由于我國幅員遼闊、氣候地形復雜多樣，各 地電網運行環境迥異，電能表的現場運行工況極其復雜，經常出現多個干擾量同時偏離參 比條件的情況，很難保證電能表的現場運行工況與實驗室試驗測試環境一致，導致電能表 在實際電網運行環境中的計量性能與實驗室檢定結果存在偏差。
[0004] 由于電能表的運行誤差直接影響著電力貿易結算的準確性和公正性，因此，需要 提供一種評估電能表在多維影響量運行環境中的計量準確度的方法。
【發明內容】
[0005] 為克服上述現有技術的不足，本發明提供一種基于多維影響量的電能表計量準確 性評估方法，綜合考慮了電壓、電流、溫度等多維現場電能表運行影響量，基于電能表歷史 試驗數據，建立了多維影響量下電能表計量性能模型，實現了對多維影響量下電能表計量 性能的準確評估。同時，實現了對電能表歷史檢定數據和現場檢測數據的進一步挖掘利用。
[0006] 實現上述目的所采用的解決方案為：
[0007] -種基于多維影響量的電能表計量準確性評估方法，其特征在于，所述方法包括 如下步驟：
[0008] (1)根據多維影響參量設計模型拓撲結構；
[0009] (2)建立多維影響量下電能表計量性能初始化模型；
[0010] (3)獲取電能表歷史試驗數據樣本；
[0011] (4)計算模型輸入層神經元輸出；
[0012] (5)計算模型隱含層神經元輸出；
[0013] (6)計算模型輸出層神經元輸出；
[0014] (7)計算模型網絡對樣本組評估偏差值得STDEV ;
[0015] 若滿足精度要求，建立多維影響量下電能表計量性能模型；
[0016] 若不滿足精度要求，調整模型內部神經元參數，重復（4)-(7)，直到滿足精度要 求；
[0017] (8)采集實際現場多維影響數據；
[0018] (9)對多維影響量下運行電能表計量準確性能進行評估；
[0019] (10)得到現場運行電能表計量性能，結束評估。
[0020] 優選的，所述步驟（1)中，所述模型拓撲結構即模型的輸入層、隱含層和輸出層神 經元的數量，以及各層神經元之間的函數關系。神經元即為節點。
[0021] 優選的，所述步驟（2)中，所述模型基于BP神經網絡設計，電壓、電流、溫度等現場 影響量作為輸入，電能表計量誤差作為輸出。
[0022] 優選的，所述步驟（3)中，選取電壓、電流和溫度電能表歷史實驗數據反復訓練模 型網絡，直至計算模型對樣本組評估偏差值的STDEV滿足精度要求，確定模型網絡各層神 經元之間的權值和閾值，由此得到多維影響量下電能表計量性能模型。
[0023] 優選的，所述步驟（4)中，所述輸入層各神經元都為一維輸入多維輸出結構，輸入 元素為電壓、電流、功率因數、溫度、濕度和壓力等參數，這些參數的數值和單位并不統一， 為了對各輸入量進行綜合考慮，需將其轉換為統一的評價標準。因此，模型在輸入層將采用 歸一化函數對各參數進行歸一化處理；
[0024]
⑴
[0025] 由此即可得到模型輸入層的各元素的函數關系：
[0026]
(2)
[0027] 式中：
[0028] X1-各輸入層神經元輸入值，這里為各種干擾因素的實測值；
[0029] 71-輸入層神經元輸出值，即歸一化后的干擾因素值；
[0030] Xmax-輸入的最大值，即干擾因素的最大值；
[0031] Xmin-輸入的最小值，即干擾因素的最小值；
[0032] M為輸入元素數量最大值；
[0033] I1為中間量。
[0034] 優選的，所述步驟（5)中，所述隱含層各神經元為M維輸入一維輸出型結構，且電 能表的誤差是在正負區間變化，鑒于此我們將隱含層的激發函數選為對稱型Sigmoid函 數；
[0035]
(3)
[0036] 由此即可得到模型隱含層的各元素的函數關系；
[0037]
⑷
[0038] y]為各隱含層神經元輸入值，也是第j個輸入層神經元的輸出值；
[0039] yi'為隱含層神經元輸出值；
[0040] Wj為隱含層神經元的權系數；
[0041] I1'為中間量；
[0042] Θ i'為隱含層神經元的修正閾值。
[0043] 優選的，所述步驟（6)中，
[0044] 模型輸出層神經元為M維輸入一維輸出結構，其輸出為電能表計量誤差，因此，輸 出層激發函數采用線性函數，以保證輸出的范圍；
[0045]
(5)
[0046] 由此即可得到模型輸出層的各元素的函數關系；
[0047]
(6)
[0048] y/為各輸出層神經元輸入值，也是第j個隱含層神經元的輸出值；
[0049] yi"為輸出層神經元輸出值，即模型的評估結果電能表的計量誤差值；
[0050] w/為輸出層神經元的權系數；
[0051] I "為中間量；
[0052] Θ "為輸出層神經元的修正閾值。
[0053] 優選的，所述步驟（7)中，計算模型網絡對樣本組評估偏差值得STDEV即標準偏 差，選用貝塞爾公式進行計算： _4]
:(5)
[0055] Δ ε為模型網絡對樣本組評估偏差值；
[0056] ε Ε為模型網絡評估的誤差值；
[0057] ε Μ為電能表實測誤差值；
[0058] s ( Δ ε )為模型網絡對樣本組評估偏差值得標準偏差；
[0059] I；為模型網絡對樣本組評估偏差值的平均值；
[0060] η為樣本總數；
[0061] Δ ε 模型網絡對第i個樣本評估偏差值；
[0062] 所述精度要求為STDEV小于0· 00005。
[0063] 優選的，所述步驟（9)中，所述評估為根據電能表的計量誤差評估電能表的計量 性能是否滿足其準確度等級要求。
[0064] 與現有技術相比，本發明具有以下有益效果：
[0065] 本發明綜合考慮了電壓、電流、溫度等多維現場電能表運行影響量，基于電能表歷 史試驗數據，建立了多維影響量下電能表計量性能模型，無需對運行電能表新增試驗測試， 實現了對電能表歷史試驗數據的進一步挖掘利用和