[发明专利]一种电表误差计算方法、装置、电子设备及存储介质

说明书

本发明公开了一种电表误差计算方法、装置、电子设备及存储介质，用于解决现有的远程监测技术对于电表误差的计算准确率较低的技术问题。本发明包括：采集预设台区各个电表的高频量测数据和低频量测数据；采用所述低频量测数据、所述高频量测数据和预设生成式对抗网络生成数据超清化模型；将所述低频量测数据输入所述数据超清化模型，输出生成样本；获取生成样本与线损之间的映射关系，并根据所述映射关系获取所述生成样本的线损值；根据所述生成样本和所述线损值，计算所述电表的电表误差。

技术领域

本发明涉及电表监测技术领域，尤其涉及一种电表误差计算方法、装置、电子设备及存储介质。

背景技术

近几年，图像领域已经能够实现高精度的超分辨率重建，即将模糊的图片清晰化，还原其内部细节。这项技术利用了深度学习方法在图像处理上的优势，是图像领域的重大突破。其本质是实现数据从低维向高维的转化，或者说从信息不完备到信息完备的转化，而实现这个转化需要从多种可能的高维结果中选择正确的一个，难度很大。

电表由于其监测、计费等功能广泛应用于电力系统的各个领域，而数字电网下电力市场的发展要素之一是采样频率更高、细节更丰富、计量更准确的数据，用于挖掘市场主体关系和市场规律。

现阶段对于电表误差的远程监测技术大部分利用预设采样频率的数据进行数据挖掘，但是电表的采集频率低必然会导致数据特征不够丰富，使得计算得到的电表误差值与实际的误差值相差甚远。

发明内容

本发明提供了一种电表误差计算方法、装置、电子设备及存储介质，用于解决现有的远程监测技术对于电表误差的计算准确率较低的技术问题。

本发明提供了一种电表误差计算方法，包括：

采集预设台区各个电表的高频量测数据和低频量测数据；

采用所述低频量测数据、所述高频量测数据和预设生成式对抗网络生成数据超清化模型；

将所述低频量测数据输入所述数据超清化模型，输出生成样本；

获取生成样本与线损之间的映射关系，并根据所述映射关系获取所述生成样本的线损值；

根据所述生成样本和所述线损值，计算所述电表的电表误差。

可选地，所述生成式对抗网络包括生成器和判别器；所述采用所述低频量测数据、所述高频量测数据和预设生成式对抗网络生成数据超清化模型的步骤，包括：

将所述低频量测数据输入所述生成器，得到初始生成样本；

将所述初始生成样本和所述高频量测数据输入所述判别器，输出所述初始生成样本与所述高频量测数据的样本误差；

根据所述样本误差调整所述生成器的生成器参数和所述判别器的判别器参数，并返回将所述低频量测数据输入所述生成器，得到初始生成样本的步骤，直至所述样本误差低于预设阈值，采用所述生成器参数和所述判别器参数生成数据超清化模型。

可选地，所述获取生成样本与线损之间的映射关系的步骤之前，还包括：

从所述生成样本中提取目标样本；所述目标样本具有对应的特征数据；

将所述目标样本划分为多个数据片段；

将所述特征数据划分为与多个所述数据片段同时段的特征片段；

合并同时段的数据片段和特征片段生成输入值；

获取各个输入值对应的实际线损值；

采用所述输入值、所述实际线损值，结合极限学习机，生成生成样本与线损之间的映射关系。

可选地，所述根据所述生成样本和所述线损值，计算所述电表的电表误差的步骤，包括：