技术特征：
1.一种电流互感器计量误差状态预测方法，其特征在于，包括以下步骤：获取多个变电站内的电流互感器样本及对应电流互感器样本在预设时间段内的历史数据，并对电流互感器样本进行筛选；对筛选后的电流互感器样本的历史数据进行特征提取，提取的特征包括历史数据中影响电流互感器误差状态的影响因素以及电流互感器在相应时刻的误差状态，将对应一历史数据提取出的特征作为一训练样本，放入训练样本集；搭建sarimax模型，将训练样本集输入至sarimax模型，以影响因素作为输入，误差状态作为训练目标对sarimax模型进行迭代训练，达到迭代终止条件后停止，得到训练好的误差状态预测模型；获取待测电流互感器的当前数据，从当前数据中提取影响因素，给定一预测时刻，将当前数据中提取的影响因素和预测时刻输入至所述误差状态预测模型对待测电流互感器的计量误差状态进行预测，得到待测电流互感器在预测时刻的误差状态。2.根据权利要求1所述的一种电流互感器计量误差状态预测方法，其特征在于，所述对电流互感器样本进行筛选的方法具体采用基于知识获取共享的算法，具体包括以下步骤：以电流互感器的运行时长以及误差状态为分类标准，将多个电流互感器样本分类为若干个不同类别的初始样本集，包括投运后不久的正常电流互感器样本集、投运后运行一段时间的正常电流互感器样本集、投运后不久的异常电流互感器样本集、投运后运行一段时间的异常电流互感器样本集；将所述投运后不久的正常电流互感器样本集、所述投运后不久的异常电流互感器样本集中的电流互感器样本按照适应度值从小到大的顺序进行排序，其中适应度值通过个体样本和群体样本的特征偏差计算得到；对排序后的投运后不久的正常电流互感器样本集和投运后不久的异常电流互感器样本集基于排序顺序和知识因素进行基于知识获取的初级筛选；将所述投运后运行一段时间的正常电流互感器样本集、所述投运后运行一段时间的异常电流互感器样本集中的电流互感器样本按照适应度值从小到大的顺序进行排序，并根据排序结果按照比例将对应样本集中的电流互感器样本划分至不同样本群，包括优质样本群、中等样本群、劣质样本群；对排序后的投运后运行一段时间的正常电流互感器样本集和所述投运后运行一段时间的异常电流互感器样本集基于排序顺序、知识因素和样本群划分结果进行基于知识获取的高级筛选；将筛选后的投运后不久的正常电流互感器样本集与运行一段时间的正常电流互感器样本集中的电流互感器样本归入总正常电流互感器样本集；将筛选后的投运后不久的异常电流互感器样本集与运行一段时间的异常电流互感器样本集中的电流互感器样本归入总异常电流互感器样本集。3.根据权利要求2所述的一种电流互感器计量误差状态预测方法，其特征在于，所述对排序后的投运后不久的正常电流互感器样本集和投运后不久的异常电流互感器样本集基于排序顺序和知识因素进行基于知识获取的初级筛选的方法具体为：对排序后的投运后不久的正常电流互感器样本集和投运后不久的异常电流互感器样本集均根据以下公式进行初级筛选：
其中，为初级筛选后的电流互感器样本；为对应样本集中的第i个电流互感器样本；所述为从对应样本集中随机选择的电流互感器样本；为第一知识因素参数；f(
·
)表示计算适应度值的适应度函数。4.根据权利要求2所述的一种电流互感器计量误差状态预测方法，其特征在于，所述对排序后的投运后运行一段时间的正常电流互感器样本集和所述投运后运行一段时间的异常电流互感器样本集基于排序顺序、知识因素和样本群划分结果进行基于知识获取的高级筛选的方法具体为：对排序后的投运后运行一段时间的正常电流互感器样本集和所述投运后运行一段时间的异常电流互感器样本集均根据以下公式进行高级筛选：其中，为高级筛选后的电流互感器样本；为对应样本集中的第j个电流互感器样本；为从对应样本集的优质样本群中随机选择的电流互感器样本；为从对应样本集的中等样本群中随机选择的电流互感器样本；所述为从对应样本集的劣质样本群中随机选择的电流互感器样本；为第二知识因素参数；f(
·
)表示计算适应度值的适应度函数。5.根据权利要求2所述的一种电流互感器计量误差状态预测方法，其特征在于，在所述根据排序结果按照比例将对应样本集中的电流互感器样本划分至不同样本群步骤中，所述优质样本群、中等样本群、劣质样本群的比例为：p：1-2p：p；其中，p为0~1的常数。6.根据权利要求1所述的一种电流互感器计量误差状态预测方法，其特征在于：所述影响因素包括电流幅值、三相不平衡参数、三相零序不平衡参数、三相负序不平衡参数和环境因素；所述电流互感器在相应时刻的误差状态包括正常状态和异常状态。7.根据权利要求1所述的一种电流互感器计量误差状态预测方法，其特征在于，所述sarimax模型定义为：
其中，为模型的p阶自回归系数多项式；为模型季节平稳的p阶自回归系数多项式；d为差分阶数；d为季节差分阶数；为季节周期；为模型q阶移动平均系数多项式；为模型季节平稳的q阶移动平均系数多项式；b为滞后算子；为以为周期的季节性滞后算子；为原始序列中时间点为t的观测值；为白噪声。8.一种电流互感器计量误差状态预测系统，其特征在于，包括：样本筛选模块，用于获取多个变电站内的电流互感器样本及对应电流互感器样本在预设时间段内的历史数据，并对电流互感器样本进行筛选；特征提取模块，用于对筛选后的电流互感器样本的历史数据进行特征提取，提取的特征包括历史数据中影响电流互感器误差状态的影响因素以及电流互感器在相应时刻的误差状态，将对应一历史数据提取出的特征作为一训练样本，放入训练样本集；模型训练模块，用于搭建sarimax模型，将训练样本集输入至sarimax模型，以影响因素作为输入，误差状态作为训练目标对sarimax模型进行迭代训练，达到迭代终止条件后停止，得到训练好的误差状态预测模型；状态预测模块，用于获取待测电流互感器的当前数据，从当前数据中提取影响因素，给定一预测时刻，将当前数据中提取的影响因素和预测时刻输入至所述误差状态预测模型对待测电流互感器的计量误差状态进行预测，得到待测电流互感器在预测时刻的误差状态。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的电流互感器计量误差状态预测方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7任一项所述的电流互感器计量误差状态预测方法。
技术总结
本发明涉及一种电流互感器计量误差状态预测方法、系统、设备及介质，所述方法包括以下步骤：获取多个变电站内的电流互感器样本及对应电流互感器样本在预设时间段内的历史数据，并对电流互感器样本进行筛选；对筛选后的电流互感器样本的历史数据进行特征提取，放入训练样本集；搭建SARIMAX模型，将训练样本集输入至SARIMAX模型，以影响因素作为输入，误差状态作为训练目标对SARIMAX模型进行迭代训练，达到迭代终止条件后停止，得到训练好的误差状态预测模型；利用误差状态预测模型对待测电流互感器的计量误差状态进行预测，得到待测电流互感器在预测时刻的误差状态。器在预测时刻的误差状态。器在预测时刻的误差状态。
技术研发人员：黄天富 吴志武 张颖 王春光 詹文 林彤尧 黄汉斌 伍翔 曹舒 郭银婷 陈适
受保护的技术使用者：国网福建省电力有限公司营销服务中心
技术研发日：2022.12.20
技术公布日：2023/1/17