本发明属于智能电表误差监测,具体涉及一种智能电能表运行误差监测系统。
背景技术:
1、目前,传统的人工抄表方式已经被自动采集所取代,在大大减少人工现场抄表工作量的同时,也同样大大削减了用电客户尤其是低压台区居民用电客户计量装置运行工况现场巡查的工作。智能电表作为用户消费电能的计量工具,其运行可靠性不仅影响到电网公司的运营收益,更直接关系到千家万户的实际利益。为加强对台区的动态管理,提升电网的服务水平,探寻一种高效精准的智能电能表运行误差远程诊断方法势在必行。传统的智能电能表的状态监测,最早是通过添加在线监测设备的手段,在线检测计量装置、二次回路的电压、电流、功率、负荷、电量等数据,实现对监测目标的在线误差监测和告警。此方法虽然提高了管理工作效率,但带来的是设备采购和运行维护成本的增加。在上述背景下,可以利用大数据分析技术,基于用电信息采集系统中的台区用户用电量、台区总表电量、网络损耗、用户档案、户表关系等数据,从台区采集情况、户变关系、用电量、网络损耗等多个维度,研究同一台区下总表电量及各分表电量的统计规律,建立智能表运行误差计算模型与分析模型,计算台区下各智能表运行误差,得出台区下所有智能表运行健康状况,实现智能表运行误差远程诊断评估,为用电巡检工作提供有效的技术手段,克服目前人工排查工作量大、缺乏针对性的瓶颈,及时发现运行异常的疑似计量点,实现现场排查高效精准,针对性的开展智能电表现场巡查和异常排查工作。
2、目前电力工作者对智能电表进行远程误差估计的研究已经取得了一些成果。这些方法大多是基于广义流量守恒模型,采用三角分解、最小二乘法等求解高维的线性方程组。但该类方法存在以下问题:目前低压配电台区的数据采集质量不高,存在时标错位、误报和坏值等现象,使智能电表误差估计精度低、运算速度低实时性差;尤其是现有方法没有考虑奇异值(如用户偷电等异常情况下的用电量值)对误差估算精度的影响。
技术实现思路
1、为了解决现有技术中存在的上述问题,本发明提供一种智能电能表运行误差监测系统。
2、为了实现上述目的,本发明采用以下技术方案。
3、一种智能电能表运行误差监测系统,包括:用户电表,台区总电表,通过互联网与用户电表和台区总电表进行数据通信的监测平台;所述监测平台实时读取用户电表和台区总电表的计量值,对用户电表的计量值进行奇异值识别,并基于奇异值处理后的台区总电表计量值和用户电表计量值计算用户电表计量误差;
4、对用户电表的计量值进行奇异值识别的方法包括:
5、基于 n种不同方法对计量值进行奇异值检测,得到 n个初步奇异值数据集合, n≥2;
6、统计每个计量值属于初步奇异值数据集合的个数 m;
7、将计量值的 m值与设定阈值进行比较, m值超过设定阈值的计量值为奇异值。
8、进一步地,所述监测平台从用户电表和台区总电表获取的数据还包括用户电表和台区总电表的档案数据。
9、进一步地,所述计算用户电表计量误差的方法包括:
10、建立台区用电理想模型:
11、台区总电表计量值=用户实际用电量+台区线损+固定损耗
12、建立一个数据采集周期内台区用电近似模型:
13、
14、式中, y、 z、 c分别为一个数据采集周期内台区总电表的计量值、线损和固定损耗,、分别为第 i个用户电表的计量值和第 i个用户的实际用电量,其中, i=1,2,…, n, n为台区用户电表的数量;、 b、 c为待定值,求解方法如下:
15、列出由 n+2个数据采集周期内台区用电近似模型组成的方程组:
16、
17、式中,、、分别为第 j个数据采集周期内第 i个用户电表的计量值、台区总电表的计量值和固定损耗, j=1,2,…, n+2;
18、将所述方程组写成矩阵方程: ax=y,其中,
19、
20、
21、求解所述矩阵方程得:,或,从而得到、 b、 c;
22、根据一个数据采集周期内第 i个用户电表的计量值计算第 i个用户的实际用电量:;
23、一个数据采集周期内第 i个用户电表的相对误差为:
24、
25、式中,为第 i个用户电表的相对误差, i=1,2,…, n。
26、更进一步地,一个数据采集周期内台区的线损为: z= by。
27、更进一步地,在进行误差计算时对奇异值的处理方法包括:
28、获取奇异值用户电表的历史数据;
29、基于所述历史数据计算一个数据采集周期内计量值的平均值;
30、用所述平均值替换对应的奇异值。
31、更进一步地,在进行误差计算时对奇异值的处理方法包括:
32、计算一个数据采集周期内所有非奇异值用户电表计量值的平均值;
33、用所述平均值替换对应的奇异值。
34、更进一步地,在进行误差计算时对奇异值的处理方法包括:
35、计算一个数据采集周期内所有非奇异值用户电表计量值的平均值 x-;
36、将台区总电表的计量值 y修正为:, h为奇异值的数量;
37、基于修正后的台区总电表的计量值和非奇异值用户电表计量值进行误差计算。
38、更进一步地,所述 n=4,4种奇异值检测方法分别为基于k-means算法、基于局部异常因子算法、基于孤立森林算法和基于svm算法的奇异值检测方法,基于所述4种奇异值检测方法分别得到初步奇异值数据集合d1、d2、d3和d4;如果一个数据属于初步奇异值数据集合d1、d2、d3和d4中任意两个或两个以上的集合,则所述数据为奇异值。
39、更进一步地,基于k-means算法的奇异值检测方法包括:
40、s11,设定聚类簇的个数 k;
41、s12,从 m个数据中任选 k个数据作为初始聚类中心;
42、s13,计算每个数据与所述聚类中心之间的距离,并分别将每个数据归为与其最近的聚类中心所属的类,得到 k个聚类簇,其中,表示第 i个数据,i=1,2,…m,表示第 j个聚类中心,j==1,2,…k;
43、s14,以每个聚类簇的数据的均值为新的聚类中心,重复s13,得到新的 k个聚类簇,如果 k个聚类簇均不再变化,转s15;否则,转s13;
44、s15,若目标函数收敛或满足终止条件,得到 k个聚类簇;否则,转s12;
45、s16,统计 k个聚类簇中数据个数,数据个数最少的几个聚类簇中的数据组成初步奇异值数据集合d1。
46、与现有技术相比,本发明具有以下有益效果。
47、本发明通过设置用户电表、台区总电表、通过互联网与用户电表和台区总电表进行数据通信的监测平台,所述监测平台实时读取用户电表和台区总电表的计量值,对用户电表的计量值进行奇异值识别,并基于奇异值处理后的台区总电表计量值和用户电表计量值计算用户电表计量误差,实现了智能电能表运行误差的自动监测。本发明解决了现有技术存在的误差估计精度低、运算速度低实时性差等问题。本发明通过对由用户偷电等行为造成电表计量值中出现的奇异值进行识别,并进行奇异值处理,能够消除奇异值对误差估算精度的影响。