[发明专利]一种低压台区智能电能表运行误差计算方法及其系统

权利要求书

1.一种低压台区智能电能表运行误差计算方法，其特征在于：具体包括以下步骤：

(1)对用采系统采集到的原始用电数据进行分析，将脏数据梳理分类，并按照分类进行预处理；

(2)数据预处理完成后，通过时间窗口循环选取重新构建的数据；

(3)使用选取的数据构建模型方程组，并求解模型方程组，得到计算结果；

构建模型方程组求解方法为：

设A＝(a_ij)∈C^m×n(m≥n)，且σ₁≥σ₂≥…≥σ_r＞0，则存在m阶和n阶的矩阵U与V，使得：

A＝UDV^T

其中D＝diag(σ₁,σ₂,…,σ_r,0,…,0)_m×n，上式称为矩阵A的奇异值分解，而σ₁,σ₂,…,σ_r,0,…,0(共n个)称为A的奇异值，若A可逆，则方程组AX＝b的解可表示为：

X＝A^-1b

将上式代入式A＝UDV^T：

X＝VD^-1U^Tb

展开得：

截断奇异值方法去掉较小的奇异值对应的成分，只保留前k个奇异值；

(4)基于循环计算的结果，并根据计算结果最终标识出发生运行误差的异常电能表；具体是经过步骤(3)循环计算后，每块电能表都获得了若干个的测量误差值，利用基于相对密度的离群点检测算法来标识出运行误差的智能电能表。

2.根据权利要求1所述的低压台区智能电能表运行误差计算方法，其特征在于：所述步骤(1)中对于分类后的数据的预处理方法，具体如下：

①缺失的负荷数据

当缺失数据数量不影响计算时，直接剔除存在缺失值的日期；当缺失的数据数量影响计算时，采用线性插值的方法补全；

②缺失的互感器变比数据

剔除该类用户数据；

③长期未用电的用户数据

剔除该类用户数据；

④异常的负荷数据

按照离群点检测算法计算出每一天的线损率后，利用基于相对密度的离群点检测算法，判别出线损率明显异常的日期，并将异常数据全部剔除，从而过滤数据中的异常值。

3.根据权利要求2所述的低压台区智能电能表运行误差计算方法，其特征在于：所述线性插值的方法具体步骤为：若用户第t天的负荷数据缺失，则计算该用户第t-1天和第t+1天用电数据的平均值，作为缺失数据的近似值。

4.根据权利要求1所述的低压台区智能电能表运行误差计算方法，其特征在于：所述离群点检测算法的具体步骤如下：⑴建立以下基础数据模型：

①对于正整数k，对象p的k最近邻距离k_distance(p)定义为：

1)除p外，至少有k个对象o满足distance(p,o)≤k_distance(p)；

2)除p外，至多有k-1个对象o满足distance(p,o)＜k_distance(p)；

②在此基础上，定义对象的局部邻域密度为：

③相对密度定义为：

其中，N(x,k)是不包含x的k-最近邻的集合，|N(x,k)|是该集合的大小；

⑵在建立基础数据模型的基础上，进行基于相对密度的离群点检测算法的以下计算步骤：

①对于每一对象x，确定x的k-最近邻集合N(x,k)和密度density(x,k)；

②对于每一对象x，计算其相对密度realtivedensity(x,k)；

③将各对象的相对密度降序排列，确定相对密度大的，明显偏离的若干对象为离群点。