[发明专利]智能电表误差分类方法及系统、设备、存储介质

说明书

本发明公开了一种智能电表误差分类方法及系统、设备、存储介质，该方法一方面使用了真实电表进行检定，智能电表可以对模拟扰动信号做出快速响应，误差检定结果更符合现场实际工况，另一方面，检定采用的模拟扰动信号是基于现场工况的原始信号分解后得到的单一扰动信号生成的，更贴合实际工况，智能电表的误差检定结果准确度高。并且，将智能电表的误差数据、模拟扰动信号的扰动参数与原始信号的波形图数据矩阵相结合以构建数据集矩阵对分类模型进行训练，实现了数据扩增，提高了分类模型的分类准确度，可以高精度地分辨出待检测电网信号的扰动类型以及准确地测量出智能电表在不同扰动类型下对应产生的误差。

技术领域

本发明涉及智能电表误差分析技术领域，特别地，涉及一种智能电表误差分类方法及系统、设备、计算机可读取的存储介质。

背景技术

近年来，随着经济的不断发展，我国电网规模日益扩大，电力设施日趋完善，电能计量装置数量迅速增多。其中，智能电能表作为电能计量装置的重要组成部分，其计量性能直接影响到供需双方的利益，其安全性能直接影响到设备的稳定运行，因此，对智能电表的计量误差进行准确测量至关重要。而在稳态负荷下检定合格的智能电表，在动态负荷测试信号及激励下不一定满足计量误差要求，有的甚至会产生较大误差。

现阶段对智能电能表误差的动态检定都是从仿真入手，通过构建各类扰动的数学模型并探讨智能电能表在各类扰动下产生的误差。但是，由于没有使用真实的智能电表，构建的数学模型难以完全模拟输入被测电流时或功率信号快速变化时的单元响应，模拟检定结果与现场实际工况相差较大。并且，在测试信号方面，虽然检定信号使用随机信号，但仍然与现场工况仍有较大差距，现场实际工况的复杂程度要更高并伴随着诸多不确定性，从而使得实验室测得的智能电表动态误差测量结果的准确度较差。因此，现有对智能电表进行动态误差检定的方法缺乏对现场实际工况的考量，从而导致误差检定结果的准确度较差，并且，也无法分辨出实际工况的扰动类型。

发明内容

本发明提供了一种智能电表误差分类方法及系统、设备、存储介质，以解决现有对智能电表进行动态误差检定的方法存在的误差检定结果准确度差、无法分辨实际工况的扰动类型的技术问题。

根据本发明的一个方面，提供一种智能电表误差分类方法，包括以下内容：

采集现场工况的原始信号，对原始信号进行分解后得到各个单一扰动信号的幅频信息，并导出原始信号的波形图数据矩阵；

基于各个单一扰动信号的幅频信息对应建立各个单一扰动信号的数学模型；

基于各个单一扰动信号的数学模型生成模拟扰动信号，并采用生成的模拟扰动信号对智能电表进行检定，得到智能电表的误差数据；

将智能电表的误差数据、模拟扰动信号的扰动参数分别作为一列扩增到波形图数据矩阵中，得到模拟扰动信号的数据集矩阵，并对所述数据集矩阵进行打标签，标签内容包括模拟扰动信号的扰动类型和智能电表的误差数据；

构建多层感知器模型，利用带有标签的数据集矩阵对所述多层感知器模型进行训练；

利用训练好的多层感知器模型对待检测信号进行检测，输出待检测信号的扰动类型及智能电表对应产生的误差。

进一步地，所述单一扰动信号包括电压暂升、电压暂降、电压中断、电压闪变、谐波和间歇波中的至少一种。

进一步地，所述模拟扰动信号的扰动类型包括单一扰动信号和复合扰动信号，其中，复合扰动信号包括谐波与间歇波同时存在、谐波与闪变同时存在、谐波与电压暂升同时存在、谐波与电压暂降同时存在、谐波与电压中断同时存在。

进一步地，所述多层感知器模型采用的损失函数通过多种损失函数加权优化得到：