【技术实现步骤摘要】
本专利技术属于智能电表误差，具体而言，涉及一种基于神经网络模型的智能电表的电计量误差分析装置。
技术介绍
1、智能电能表作为智能电网的关键设备之一，被广泛地应用到了电力系统中。智能电表能够实现远程抄表、功率控制以及电量计量等功能。然而当前智能电表在实际使用中，还面临一些技术问题亟待解决。
2、现有的智能电表普遍采用电子式计量芯片作为计量元件，这类元件在信号检测和电计量计算方面精度较高，但也存在一些问题：
3、1)对输入信号比较敏感，容易受到各种噪声干扰，导致计量误差；
4、2)信号处理能力和抗干扰能力较弱，难以适应电网环境中的各种噪声；
5、3)不同品牌和型号的电子计量芯片性能参差不齐，表现出较大的个体误差。
6、这些问题导致现有智能电表很难确保长期稳定的计量精度，电量读数存在较大随机波动。当输入信号包含较强干扰时，电表的计量误差会明显增加，严重影响电能计量的准确性。
7、公开号为cn202311495362.8的中国专利技术专利公开了一种基于历史数据分析的电能计量方法及系统，涉及到将同一组各电能表的读数曲线连同温度背景、输入预先基于历史数据训练的误差识别模型；将识别出的突变误差点利用适配的曲率线替代，以修正突变误差，并基于修正后的电量数据，完成高寒地区的电能表的电能计量。上述专利仅仅考虑了将电能表采集的数据以及温度作为历史数据，不过没有考虑电能信号中的各种干扰，由于在电能表使用过程中，输入电能波形往往不是标准正弦曲线，而是带有大量的干扰，如果不考虑干扰的影
技术实现思路
1、有鉴于此，本专利技术提供一种基于神经网络模型的智能电表的电计量误差分析装置，能够解决现有技术对电表的电计量误差模型训练过程中，仅仅考虑了将电能表采集的数据以及温度作为历史数据，不过没有考虑电能信号中的各种干扰，由于在电能表使用过程中，输入电能波形往往不是标准正弦曲线，而是带有大量的干扰，如果不考虑干扰的影响，会导致训练得到的电计量误差模型鲁棒性差，导致影响对智能电表电计量的误差分析的准确度的技术问题。
2、本专利技术是这样实现的：
3、本专利技术提供一种基于神经网络模型的智能电表的电计量误差分析装置，其特征在于，包括依次连接的电力线滤波器、第一标准电计量仪、耦合装置、待测智能电表、去耦装置、第二标准电计量仪以及负载，其中，所述电力线滤波器连接电力输入线，用于获取电力输入线的电能波形且对所述电力线出入的电能波形进行整形和滤波，所述第一标准电计量仪用于对滤波后的电能波形进行计量，得到第一电计量值；所述耦合装置用于产生干扰信号电压波形并对滤波后的电能波形的电压波形进行耦合，所述待测智能电表对耦合后的电能波形进行计量得到待测电计量值；所述去耦装置与所述耦合装置相反，用于消除电能波形中的耦合电压波形；所述第二标准电计量仪用于对去耦合后的电能波形进行电计量，得到第二电计量值；所述负载为利用所述电能波形做功的电力设备。
4、还包括控制芯片，所述控制芯片与所述第一标准电计量仪、所述耦合装置、所述待测智能电表、所述去耦装置以及所述第二标准电计量仪电连接，所述控制芯片内设置有耦合控制模块、去耦控制模块、智能电表误差分析模型训练模块，所述耦合控制模块用于生成干扰信号，并输出给耦合装置用于生成干扰信号电压波形；所述去耦控制模块用于将所述干扰信号输出给去耦装置用于对电能波形中的耦合电压波形进行去耦；所述智能电表误差分析模型训练模块用于根据所述干扰信号、第一电计量值、第二电计量值以及待测电计量值进行误差分析，并训练和优化用于根据干扰信号计算待测电计量值的误差的神经网络模型，作为误差分析模型；所述误差分析模型用于根据智能电表输入的电能波形分析智能电表的误差。
5、在上述技术方案的基础上，本专利技术的一种基于神经网络模型的智能电表的电计量误差分析装置还可以做如下改进:
6、其中，所述智能电表误差分析模型训练模块用于执行以下步骤：
7、s10、采用聚类算法制定时间窗口长度为第一长度；
8、s20、利用时间窗口获取所述干扰信号的窗口特征；
9、s30、根据每个所述窗口特征，获取对应窗口开始时刻和结束时刻之间的第一电计量值、第二电计量值以及待测电计量值；
10、s40、计算所述待测电计量值的误差，作为窗口特征对应的误差；
11、s50、建立训练数据集，包括每个时间窗口对应的窗口特征及误差；
12、s60、建立神经网络模型，并使用所述训练数据集进行训练，得到误差分析模型；
13、s70、随机变更窗口长度为第二长度，重复步骤s20~s40，获取多个第二窗口长度的窗口对应的窗口特征及误差作为验证集，对所述误差分析模型进行验证优化；
14、s80、重复多次步骤s70，并保存最后得到的验证优化后的误差分析模型。
15、进一步的，所述采用自监督学习的聚类算法制定时间窗口长度为第一长度的步骤，具体包括：
16、收集大量实际运行电网中的负荷曲线数据，并进行预处理，包括去噪、正则化，得到清洗后的数据集；
17、设置多个候选的时间窗口长度；
18、使用k-means聚类算法对清洗后的数据集进行聚类，针对每个候选窗口长度，统计聚类结果中聚类数目最优的窗口长度；
19、比较不同候选窗口长度的聚类数目，选择聚类数目最多的窗口长度作为模型的最终窗口长度；
20、使用门控卷积神经网络模型，输入相邻窗口数据，预测窗口间的关系，调整所述门控卷积神经网络模型使其聚类效果最优；
21、重复上述步骤，直到聚类数目不再改变，选择此时窗口长度作为最终长度，记为第一长度。
22、进一步的，所述利用时间窗口获取所述干扰信号的窗口特征的步骤，具体包括：
23、每隔一个窗口长度，采集窗口内的干扰信号波形；
24、对采集的干扰信号波形进行预处理，得到干净信号；
25、提取时域统计特征，包括信号幅值的均值、方差；
26、提取频域特征，获取频谱信息；
27、提取时频特征，使用小波变换方法；
28、对所述时域统计特征、频域特征以及时频特征进行归一化处理，得到0-1规范化的特征作为窗口特征。
29、进一步的，所述计算所述待测电计量值的误差，作为窗口特征对应的误差的步骤，具体是：
30、将第一标准电计量仪读数作为基准读数；
31、计算第二标准电计量仪相对第一标准仪的读数偏差；
32、计算待测表相对第一标准仪的读数偏差；
33、将第二标准仪读数偏差转换为额定误差；
34、将待测表读数偏差减去额定误差作为实测的误差。
35、进一步的，所述电力线滤波器为低通滤波器。
36、进一步的，所述耦合装置采本文档来自技高网...
【技术保护点】
1.一种基于神经网络模型的智能电表的电计量误差分析装置，其特征在于，包括依次连接的电力线滤波器、第一标准电计量仪、耦合装置、待测智能电表、去耦装置、第二标准电计量仪以及负载，其中，所述电力线滤波器连接电力输入线，用于获取电力输入线的电能波形且对所述电力线出入的电能波形进行整形和滤波，所述第一标准电计量仪用于对滤波后的电能波形进行计量，得到第一电计量值；所述耦合装置用于产生干扰信号电压波形并对滤波后的电能波形的电压波形进行耦合，所述待测智能电表对耦合后的电能波形进行计量得到待测电计量值；所述去耦装置与所述耦合装置相反，用于消除电能波形中的耦合电压波形；所述第二标准电计量仪用于对去耦合后的电能波形进行电计量，得到第二电计量值；所述负载为利用所述电能波形做功的电力设备；还包括控制芯片，用于分析智能电表的误差。
2.根据权利要求1所述的一种基于神经网络模型的智能电表的电计量误差分析装置，其特征在于，所述控制芯片与所述第一标准电计量仪、所述耦合装置、所述待测智能电表、所述去耦装置以及所述第二标准电计量仪电连接，所述控制芯片内设置有耦合控制模块、去耦控制模块、智能电表误差分析模型
3.根据权利要求2所述的一种基于神经网络模型的智能电表的电计量误差分析装置，其特征在于，所述智能电表误差分析模型训练模块用于执行以下步骤：
4.根据权利要求3所述的一种基于神经网络模型的智能电表的电计量误差分析装置，其特征在于，所述采用自监督学习的聚类算法制定时间窗口长度为第一长度的步骤，具体包括：
5.根据权利要求3所述的一种基于神经网络模型的智能电表的电计量误差分析装置，其特征在于，所述利用时间窗口获取所述干扰信号的窗口特征的步骤，具体包括：
6.根据权利要求3所述的一种基于神经网络模型的智能电表的电计量误差分析装置，其特征在于，所述计算所述待测电计量值的误差，作为窗口特征对应的误差的步骤，具体是：
7.根据权利要求6所述的一种基于神经网络模型的智能电表的电计量误差分析装置，其特征在于，所述电力线滤波器为低通滤波器。
8.根据权利要求7所述的一种基于神经网络模型的智能电表的电计量误差分析装置，其特征在于，所述耦合装置采用电力线载波耦合装置，包括：
9.根据权利要求8所述的一种基于神经网络模型的智能电表的电计量误差分析装置，其特征在于，所述去耦装置采用电力线载波耦合结构，包括：
10.根据权利要求1-9任一项所述的一种基于神经网络模型的智能电表的电计量误差分析装置，其特征在于，所述控制芯片中的耦合控制模块产生干扰信号的具体方式为：
...【技术特征摘要】
1.一种基于神经网络模型的智能电表的电计量误差分析装置，其特征在于，包括依次连接的电力线滤波器、第一标准电计量仪、耦合装置、待测智能电表、去耦装置、第二标准电计量仪以及负载，其中，所述电力线滤波器连接电力输入线，用于获取电力输入线的电能波形且对所述电力线出入的电能波形进行整形和滤波，所述第一标准电计量仪用于对滤波后的电能波形进行计量，得到第一电计量值；所述耦合装置用于产生干扰信号电压波形并对滤波后的电能波形的电压波形进行耦合，所述待测智能电表对耦合后的电能波形进行计量得到待测电计量值；所述去耦装置与所述耦合装置相反，用于消除电能波形中的耦合电压波形；所述第二标准电计量仪用于对去耦合后的电能波形进行电计量，得到第二电计量值；所述负载为利用所述电能波形做功的电力设备；还包括控制芯片，用于分析智能电表的误差。
2.根据权利要求1所述的一种基于神经网络模型的智能电表的电计量误差分析装置，其特征在于，所述控制芯片与所述第一标准电计量仪、所述耦合装置、所述待测智能电表、所述去耦装置以及所述第二标准电计量仪电连接，所述控制芯片内设置有耦合控制模块、去耦控制模块、智能电表误差分析模型训练模块，所述耦合控制模块用于生成干扰信号，并输出给耦合装置用于生成干扰信号电压波形；所述去耦控制模块用于将所述干扰信号输出给去耦装置用于对电能波形中的耦合电压波形进行去耦；所述智能电表误差分析模型训练模块用于根据所述干扰信号、第一电计量值、第二电计量值以及待测电计量值进行误差分析，并训练和优化用于根据干扰信号计算待测电计量值的误差的神经网络...
【专利技术属性】
技术研发人员：郑建宏，张树玉，赵国宇，李佳，田心，林森，隋春燕，韩文，
申请(专利权)人：青岛高科通信股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。