【技术实现步骤摘要】
本专利技术涉及电能表检测，具体涉及一种考虑多因素的电能表误差现场检定方法。
技术介绍
1、随着能源管理和计量技术的不断发展，电能表作为计量设备的准确性和可靠性变得越来越重要。准确的电能计量是确保能源资源有效利用、公平计费以及能源管理的基础。许多国家和地区都有严格的法律法规要求对电能表进行定期检定，并规定了检定的标准和方法。而随着电力市场的不断发展和竞争的加剧，用户对电能计量的要求也越来越高。他们希望能够确保自己被准确计量，避免因电能表误差导致的不公平情况。因此，电能表误差检定方法的研究能够满足市场需求，提高用户满意度。同时电能表误差检定涉及到复杂的测量技术、数据处理方法以及仪器设备。随着电能表技术的不断更新和发展，需要不断研究新的误差检定方法来适应新型电能表的特点和需求，提高检定的准确性和效率。因此通过研究电能表误差检定方法，可以深入了解电能表的工作原理、性能特点以及影响误差的因素，推动相关领域的理论和技术进步。
2、目前电能表检定周期较长，一些检定方法可能需要较长的时间来完成，这会影响到电能表的正常使用，尤其是在需要大规模检定时，这些影响时间会更长。检定结果会受外部环境影响，如温度、湿度、电压、电流等，可能会对检定结果产生影响，需要在检定过程中进行相应的校正和控制。一些检定方法无法实时监测，大多数误差检定方法是定期进行的，无法实时监测电能表的误差变化，如果电能表在检定周期内出现了异常，可能会导致一段时间内的计量误差。
技术实现思路
1、针对现有技术中的上述不足，本专利
2、为了达到上述专利技术目的，本专利技术采用的技术方案为：
3、提供了一种考虑多因素的电能表误差现场检定方法，其包括以下步骤：
4、s1、获取各个时刻的电能表历史样本数据；其中，电能表样本数据包括环境数据和计量误差数据；
5、s2、对环境数据和计量误差数据进行预处理；
6、s3、对预处理后的环境数据和预处理后的计量误差数据进行相关性分析和筛选，得到特征数据；
7、s4、构建iscso-svr电能表误差检定模型；
8、s5、将特征数据输入至iscso-svr电能表误差检定模型进行训练，得到训练后的iscso-svr电能表误差检定模型；
9、s6、实时获取当前时刻的电能表数据并采用与步骤s2和步骤s3相同的方法处理后输入至训练后的iscso-svr电能表误差检定模型，得到检定结果。
10、进一步地，步骤s1中的环境数据包括温度数据、湿度数据、气压数据、风速数据、电流数据和电压数据；步骤s2中的预处理包括异常数据剔除处理、缺失数据填充处理和重复数据过滤处理；步骤s6中的电能表数据包括温度数据、湿度数据、气压数据、风速数据、电流数据和电压数据。
11、进一步地，步骤s2进一步包括：
12、s2-1、基于电能表历史样本数据，绘制对应的箱盒图；
13、s2-2、对箱盒图进行计算，得到最小估计值和最大估计值并作为阈值范围；
14、s2-3、将超出阈值范围的电能表历史样本数据作为异常数据并进行剔除，得到剔除后的电能表历史样本数据；
15、s2-4、根据公式：
16、
17、对剔除后的电能表历史样本数据进行填充处理，得到填充后的电能表历史样本数据f(x)；其中，n表示剔除后的电能表历史样本数据总数，an表示第n个幅值，bn表示第n个角频率，cn表示第n个相位，x表示剔除后的电能表历史样本数据对应的序号，sin(·)表示正弦函数，∑(·)表示求和函数；
18、s2-5、去除填充后的电能表历史样本数据中的重复数据，得到预处理后的电能表历史样本数据。
19、进一步地，步骤s3进一步包括：
20、s3-1、在有限集合中，将预处理计量误差数据集合y和预处理后的环境数据集合x集中分布在二维空间，并将预处理计量误差数据集合y和预处理后的环境数据集合x分别划分为y个计量误差数据和x个环境数据，得到x·y个矩形网络；r表示常数；
21、s3-2、根据公式：
22、
23、得到预处理计量误差数据和各个预处理后的环境数据之间的互信息值i(dg)；其中，dg表示集合d中的数据点在网格g上的分布，∑(·)表示求和函数，p(xi,yi)表示第i个环境数据和第i个计量误差数据之间的联合分布，p(xi)表示第i个环境数据的边缘分布，p(yi)表示第i个计量误差数据的边缘分布，log(·)表示以2为底的对数函数；
24、s3-3、根据公式：
25、i*(d,x,y)＝maxgi(dg)
26、
27、得到预处理计量误差数据和各个预处理后的环境数据之间的标准化的最大互信息值m(d)x,y；其中，i*(d,x,y)表示在划分网格g下的最大互信息值，maxg(·)表示最大值函数，min(·)表示最小值函数；
28、s3-4、根据公式：
29、
30、得到预处理计量误差数据和各个预处理后的环境数据之间的最大互信息系数mic(d)；其中，n1为预处理后的样本个数，b(n1)表示网格划分上限，且b(n1)＝n1φ，φ为常数；
31、s3-5、对各个最大互信息系数mic(d)进行降序排列，选取前5个最大互信息系数mic(d)对应的电能表历史样本数据作为特征数据。
32、进一步地，iscso-svr电能表误差检定模型包括沙猫群优化模块和svr模型；沙猫群优化模块采用改进后的沙猫群优化算法。
33、进一步地，步骤s5进一步包括：
34、s5-1、设定svr模型的初始惩罚因子c、核函数方差g以及核函数；
35、s5-2、将特征数据输入至svr模型，得到检定的计量误差数据；
36、s5-3、基于检定的计量误差数据，利用改进后的沙猫群优化算法对svr模型进行优化迭代，得到训练后的svr模型，即训练后的iscso-svr电能表误差检定模型。
37、进一步地，步骤s5-3中的改进后的沙猫群优化算法对svr模型进行优化迭代的具体过程为：
38、s5-3-1、分别将svr模型的初始惩罚因子c、核函数方差g作为沙猫个体进行迭代；
39、s5-3-2、设定沙猫的种群规模、最大迭代次数、惩罚因子上边界、惩罚因子下边界、核函数方差上边界、核函数方差下边界、变量维数；
40、s5-3-3、采用pwlcm混沌映射对沙猫种群进行初始化；其公式如下：
41、
42、xij＝lbj+zk·(ubj-lbj)
43、其中，zk+1、zk表示第k+1次、第k次混沌映射产生的随机数，p表本文档来自技高网...
【技术保护点】
1.一种考虑多因素的电能表误差现场检定方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的考虑多因素的电能表误差现场检定方法，其特征在于：所述步骤S1中的环境数据包括温度数据、湿度数据、气压数据、风速数据、电流数据和电压数据；所述步骤S2中的预处理包括异常数据剔除处理、缺失数据填充处理和重复数据过滤处理；所述步骤S6中的电能表数据包括温度数据、湿度数据、气压数据、风速数据、电流数据和电压数据。
3.根据权利要求2所述的考虑多因素的电能表误差现场检定方法，其特征在于：所述步骤S2进一步包括：
4.根据权利要求2所述的考虑多因素的电能表误差现场检定方法，其特征在于：所述步骤S3进一步包括：
5.根据权利要求1所述的考虑多因素的电能表误差现场检定方法，其特征在于：所述ISCSO-SVR电能表误差检定模型包括沙猫群优化模块和SVR模型；所述沙猫群优化模块采用改进后的沙猫群优化算法。
6.根据权利要求5所述的考虑多因素的电能表误差现场检定方法，其特征在于：所述步骤S5进一步包括：
7.根据权利要求6所述的考虑多因
8.根据权利要求7所述的考虑多因素的电能表误差现场检定方法，其特征在于：所述个体适应度值的计算公式为：
9.根据权利要求7所述的考虑多因素的电能表误差现场检定方法，其特征在于：所述步骤S5-3-8的三角形游走策略的公式为：
10.根据权利要求7所述的考虑多因素的电能表误差现场检定方法，其特征在于：所述步骤S5-3-11的t分布的公式为：
...【技术特征摘要】
1.一种考虑多因素的电能表误差现场检定方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的考虑多因素的电能表误差现场检定方法，其特征在于：所述步骤s1中的环境数据包括温度数据、湿度数据、气压数据、风速数据、电流数据和电压数据；所述步骤s2中的预处理包括异常数据剔除处理、缺失数据填充处理和重复数据过滤处理；所述步骤s6中的电能表数据包括温度数据、湿度数据、气压数据、风速数据、电流数据和电压数据。
3.根据权利要求2所述的考虑多因素的电能表误差现场检定方法，其特征在于：所述步骤s2进一步包括：
4.根据权利要求2所述的考虑多因素的电能表误差现场检定方法，其特征在于：所述步骤s3进一步包括：
5.根据权利要求1所述的考虑多因素的电能表误差现场检定方法，其特征在于：所述iscso-svr电能...
【专利技术属性】
技术研发人员：刘型志，肖冬萍，余传祥，潘傲然，毛文鹏，郭豪杰，张英健，
申请(专利权)人：重庆大学，
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。