本发明涉及电力检测技术领域，具体涉及一种基于大数据的计量设备误差分析方法。
背景技术：
电力计量设备的计量是否准确，直接关系着电力生产和消费全过程的安全以及发、供、用电三方的经济利益和社会公正，为此准确分析计量设备误差是十分必要的。但随着电力计量设备的安装覆盖面越来越广、其安装所在位置的地理环境越来越复杂，环境因素对电力计量设备的影响越来越不容忽视。为明确智能电能表、用电信息采集设备、低压计量箱以及互感器等计量设备的误差与现场运行环境之间的关系，研究计量设备的失效机理，研究人员需要对计量设备在不同环境下的现场运行情况进行检测，并根据检测结果进行分析。
然而现有技术中很少涉及有关方法用于研究环境因素对计量设备误差的影响。为研究计量设备在各种极端自然环境下的适应性，可选取典型环境(如高严寒、高干热、高海拔、高盐雾及高湿热极端环境等)条件进行测试，然而这种测试需要测试的数据量很大，包括计量设备的各类检测数据、环境参数信息等。面对如此大量的检测数据，现有误差处理方法无法在处理数据时做出快速分析，运算效率低，甚至会出现存储不足的问题，这会直接影响误差分析的效率。
技术实现要素：
本发明的目的要解决的技术问题在于克服现有技术的不足，提供一种基于大数据的计量设备误差分析方法，分析计量设备误差与环境因素之间的关系，研究计量设备失效机理，能够实现对大量检测数据的分析，分析速度快、分析效率高、设备利用率高、分析处理能力强。
为实现上述目的，本发明采用的技术方案如下：
一种基于大数据的计量设备误差分析方法，包括以下步骤：
A)设立计量设备检测系统，所述计量设备检测系统包括主监测平台和地区检测基地，所述地区检测基地与主监测平台通讯连接，所述主监测平台设置主监测平台服务器，地区检测基地设置至少一个子站服务器；
B)主监测平台服务器根据子站服务器的计算负荷情况选择计算负荷最低的服务器作为当前分析任务的分析服务器，并将当前分析任务所需的原始数据传递至分析服务器，所述原始数据包括所检测到的计量设备误差和检测环境参数；
C)分析服务器根据计量设备误差构建计量设备误差矩阵Φ,并且根据检测时的环境参数情况构建环境影响矩阵Ve；
D)在t时刻求解计量设备误差矩阵Φ(t)与环境影响矩阵Ve(t)之间的相关性函数f(Ve(t),Φ(t))，根据求解结果分析计量设备的误差与各种环境变量之间的关系。
所述步骤C)中，构建计量设备误差矩阵Φ的方法包括：
设该次分析涉及M台计量设备、每台计量设备在一个环境变量下进行N0次误差检测、每次检测具有N1个测试点,且N＝N0×N1,则该种环境变量下可得到一个M×N的计量设备误差矩阵Φ；
所述构建环境影响矩阵Ve的方法包括：
分析服务器根据检测时的环境参数情况构建环境影响矩阵Ve：设环境变量的种类的数量为m,每种环境变量包含n个测试点，环境温度为T,则每种环境变量所对应的环境变量向量环境影响矩阵
所述步骤D)中求解相关性函数f(Ve(t),Φ(t))时，先将计量设备误差矩阵Φ进行直方图统计降维，设定误差区间并统计计量设备误差矩阵Φ落到各误差区间的误差点数，得到直方图向量然后对环境影响矩阵Ve中的每一组环境变量向量分别与直方图向量进行协方差计算：
其中，为的期望,为的期望,为的期望,根据计算得到与的协方差
计算相关系数ρxy：
其中，表示对与进行协方差计算，表示对与进行协方差计算；
根据求得的相关系数的大小对误差出现与环境变量之间的关系进行判断分析：相关系数越小说明该直方图向量所代表的误差出现与该种环境变量之间的线性相关程度越低，反之则线性相关程度越高。
本发明具有以下有益效果：
(1)分析计量设备误差与环境因素之间的关系，有利于计量设备失效机理的研究；
(2)基于Hadoop并行集群架构对计量设备的误差检测结果进行存储和分析，选择负荷最低的服务器进行基于大数据的分析计算，具有分析速度快、设备利用率高和分析处理能力强的优点；
(3)利用求解计量设备误差矩阵与环境影响矩阵之间的相关性函数的方式判断计量设备误差与环境变量之间的关系，能够实现对大量的检测数据的快速分析，进一步提高了分析效率；
(4)求解相关性函数时先将计量设备误差矩阵进行直方图统计降维，在利用降维后的直方图向量进行协方差计算，进一步减小了运算量，提高了运算效率。
具体实施方式
下面结合具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
本发明实施例公开了一种基于大数据的计量设备误差分析方法，主要应用于国网计量中心典型环境监测平台的误差分析，该方法基于计量设备检测系统运行，该系统由主监测平台和四个分别与主监测平台相通讯连接的地区检测基地所组成，主监测平台设置若干主监测平台服务器，地区检测基地设置有若干子站服务器，该系统基于Hadoop并行集群架构搭建，以便于实现大数据的存储和分析；
具体实施过程如下：
主监测平台服务器根据各子站服务器的计算负荷情况选择计算负荷最低的服务器作为当前分析任务的分析服务器，并将当前分析任务所需的原始数据传递至分析服务器；所述原始数据包括所检测到的计量设备误差和检测环境参数；
分析服务器根据计量设备误差构建计量设备误差矩阵Φ：设该次分析涉及M台计量设备、每台计量设备在一个环境变量下进行N0次误差检测、每次检测具有N1个测试点、且N＝N0×N1,则该种环境变量下可得到一个M×N的计量设备误差矩阵Φ；
并且分析服务器根据检测时的环境参数情况构建环境影响矩阵Ve：设环境变量的种类的数量为m、每种环境变量包含n个测试点，环境温度为T,则每种环境变量所对应的环境变量向量环境影响矩阵
考虑时间t的影响求解计量设备误差矩阵Φ(t)与环境影响矩阵Ve(t)之间的相关性函数f(Ve(t),Φ(t))，根据求解结果分析计量设备的误差与各种环境变量之间的关系。
作为本实施例的进一步改进：在求解相关性函数f(Ve(t),Φ(t))时，先将计量设备误差矩阵Φ进行直方图统计降维，设定误差区间并统计计量设备误差矩阵Φ落到各误差区间的误差点数，得到直方图向量然后对环境影响矩阵Ve中的每一组环境变量向量分别与直方图向量进行协方差计算：
其中，E为期望值，为的期望,为的期望,为的 期望,根据计算得到与的协方差计算Pearson相关系数ρxy：
其中，表示对与进行协方差计算，表示对与进行协方差计算；
根据求得的相关系数的大小对误差出现与环境变量之间的关系进行判断分析：相关系数越小说明该直方图向量所代表的误差出现与该种环境变量之间的线性相关程度越低，反之则线性相关程度越高。
本实施例中在求解相关性函数时先将计量设备误差矩阵进行直方图统计降维，利用降维后的直方图向量进行协方差计算，可以进一步减小了运算量，提高了运算效率。
本实施例中基于Hadoop并行集群架构对计量设备的误差检测结果进行存储和分析，选择负荷最低的服务器进行基于大数据的分析计算，能够加快数据分析速度、提高设备利用率，加强数据分析处理能力。
本实施例利用求解计量设备误差矩阵与环境影响矩阵之间的相关性函数的方式判断计量设备误差与环境变量之间的关系，能够实现对大量的检测数据的快速分析，进一步提高了分析效率。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。