关口互感器误差动态感知系统的制作方法

本技术涉及供电领域，尤其是涉及一种关口互感器误差动态感知系统。

背景技术：

1、在电力贸易结算中，电能计量装置的周期检测能够保证其计量性能，但在检测周期间隔中其运行状态不可实时获知，无法及时发现超差问题，易引起电能贸易纠纷。传统的离线定周期检测工作模式不仅给运维人员带来巨大工作量，产生较高的设备与人员成本支出，而且存在较大作业风险。“双高”电力系统中，广域多状态变量耦合、多时间尺度交织、非线性特征明显、动态特性复杂多变等特点，对现有高压电能计量装置在线监测评估带来新的挑战。

2、电能计量装置作为统计关口点电量的设备，一般由关口互感器、二次回路和电能表组成。关口互感器是电能计量装置的重要设备，随着测量技术的发展，其在电能计量装置的综合误差中的占比越来越大，另一方面，随着高精度电子式电能表的普及，电能表的运行误差页得到良好的控制，在综合误差中占比逐渐缩小。

3、而关口互感器由于长期运行、运行后监测不便、更换困难等原因使得较难及时发现关口互感器的误差原因，使误差得不到有效控制，成为影响关口计量综合误差的关键一环。

技术实现思路

1、为了能够动态地对关口互感器的误差原因进行识别判断，本技术提供关口互感器误差动态感知系统。

2、本技术提供一种关口互感器误差动态感知系统，包括：

3、数据采集模块，供采集关口互感器模组的相关数据；

4、数据处理模块，供进行各种数据的运算与处理；

5、异常误差关联识别模块，供识别关口互感器模组潜在的异常误差原因；

6、异常误差原因分析模块，供根据潜在的异常误差原因和互感器数据确定异常误差原因；

7、所述数据采集模块被设置于所述关口互感器模组，所述数据采集模块、所述异常误差关联识别模块和所述异常误差原因分析模块分布被可通讯地连接于所述数据处理模块。

8、通过采用上述技术方案，可以实时采集关口互感器模组的相关数据，并根据关口互感器模组的相关数据对关口互感器的误差进行原因分析。。

9、可选的，所述关口互感器误差动态感知系统进一步包括误差动态感知策略，所述误差动态感知策略包括以下步骤：

10、a1，根据预设的采样时长通过所述数据采集模块于所述关口互感器模组获取互感器一次数据和互感器二次数据，并分别储存互感器一次数据和互感器二次数据至预设的数据库；

11、a2，根据互感器一次数据以预设的数据特征提取算法通过所述数据处理模块确定一次特征信息；

12、a3，根据互感器二次数据以数据特征提取算法通过所述数据处理模块提取算法确定二次特征信息；

13、a4，根据一次特征信息和二次特征信息以预设的异常误差关联识别模型通过所述异常误差关联识别模块确定异常误差关联信息；

14、a5，根据异常误差关联信息、互感器一次数据以及预设的误差因素关联信息通过所述数据处理模块确定误差关联一次数据；

15、a6，根据异常误差关联信息、互感器二次数据以及误差因素关联信息通过所述数据处理模块确定误差关联二次数据；

16、a7，根据误差关联一次数据以数据特征提取算法通过所述数据处理模块确定误差关联一次特征信息；

17、a8，根据误差关联二次数据以数据特征提取算法通过所述数据处理模块确定误差关联二次特征信息；

18、a9，根据误差关联一次特征信息和误差关联二次特征信息以预设的异常误差原因识别模型通过所述异常误差原因分析模块确定异常误差原因。

19、通过采用上述技术方案，所述关口互感器误差动态感知系统能够可调控地采集数据，并对数据进行一定的筛选，进而在识别确定异常误差的同时，降低了运算开销，提高识别效率。

20、可选的，所述数据特征提取算法包括以下步骤：

21、b1，获取预设的样本数据；

22、b2，以预设的预处理算法对样本数据进行预处理以获得预处理数据；

23、b3，根据预处理数据确定特征维度值，并判断特征维度值是否大于预设的维度阈值；

24、b4，若判断结果为是，则根据预处理数据以预设的特征降维算法生成数据特征信息；

25、b5，若判断结果为否，则定义预处理数据为数据特征信息。

26、通过采用上述技术方案，所述关口互感器误差动态感知系统可以对数据进行特征提取，并根据需要对数据进行降维处理，以减少机器学习模型的数据处理量，提升识别效率。

27、可选的，所述关口互感器误差动态感知系统进一步包括异常误差关联识别模型生成算法，所述异常误差关联识别模型生成算法包括以下步骤：

28、c1，与数据库获取预设的其他电网关口互感器历史数据；

29、c2，通过预设的仿真参数和其他电网关口互感器历史数据以预设的仿真算法生成关口互感器仿真数据；

30、c3，根据其他电网关口互感器历史数据和关口互感器仿真数据以数据特征提取算法生成历史特征信息和仿真特征信息；

31、c4，根据历史特征信息训练预设的第一机器学习模型获得历史特征反馈神模型；

32、c5，根据仿真特征信息训练预设的第二机器学习模型获得仿真特征反馈模型；

33、c6，组合历史特征反馈模型和仿真特征反馈模型生成异常误差关联识别模型。

34、通过采用上述技术方案，所述关口互感器误差动态感知系统能够根据历史数据生成仿真数据，并分别通过历史数据和仿真数据进行机器模型的训练，以使后续输入的数据能够分别被从真实数据角度和仿真数据角度进行识别判断，以找出可能存在的异常误差原因。

35、可选的，所述关口互感器误差动态感知系统进一步包括以下步骤用于生成误差因素关联信息：

36、d1，于其他电网关口互感器历史数据中获取历史误差原因信息和对应的历史误差匹配数据；

37、d2，根据历史误差原因信息和历史误差匹配数据以预设的分类算法确定多个历史误差原因分类数据；

38、d3，根据各历史误差原因分类数据确定因素列表；

39、d4，根据因素列表中的各独立因素分别于历史误差原因分类数据中获取单因素历史数据；

40、d5，根据各单因素历史数据以预设的综合皮尔逊相关系数算法计算综合皮尔逊相关系数并定义为误差因素相关系数；

41、d6，对各误差因素相关系数求绝对值获得误差因素相关度数据；

42、d7，根据误差因素相关度数据和预设的相关阈值确定误差因素关联信息。

43、通过采用上述技术方案，所述关口互感器误差动态感知系统可以根据历史误差原因信息和对应的历史误差匹配数据确定误差因素关联信息，用以剔除与相关性较低的数据，减少数据量，提高识别模型的识别效率。

44、可选的，所述关口互感器误差动态感知系统进一步包括异常误差原因识别模型，所述异常误差原因识别模型生成算法包括以下步骤：

45、e1，根据历史误差原因信息、历史误差匹配数据以及误差因素关联信息确定历史误差关联数据；

46、e2，根据历史误差原因信息和对应的历史误差关联数据生成关联历史数据训练集；

47、e3，于关口互感器仿真数据中获取仿真误差原因信息和对应的仿真误差匹配数据；

48、e4，根据仿真误差原因信息、仿真误差匹配数据以及误差因素关联信息确定仿真误差关联数据；

49、e5，根据仿真误差原因信息和仿真误误差关联数据生成关联仿真数据训练集；

50、e6，根据关联历史数据训练集和关联仿真数据训练集训练预设的第三机器学习模型生成异常误差原因识别模型。

51、通过采用上述技术方案，所述关口互感器误差动态感知系统可以通过获取历史误差关联数据和仿真误差关联数据，来减少用于训练的数据量，提高异常误差原因识别模型的训练效率。

52、可选的，所述关口互感器误差动态感知系统进一步包括以下步骤用于调节采样时长：

53、f1，获取采样时长并定义为当前采样时长；

54、f2，根据当前采样时长和历史误差原因信息于对应的历史误差匹配数据中获取多组历史采样数据；

55、f3，根据各历史采样数据中的互感器一次数据和互感器二次数据通过所述异常误差原因识别模型确定异常误差原因并定义为历史误差识别原因信息；

56、f4，根据历史误差原因信息和历史误差识别原因信息以预设的准确率算法计算识别准确率；

57、f5，若识别准确率低于预设的准确率阈值，则根据当前采样时长和预设的调节系数确定更新采样时长，并定义更新采样时长为当前采样时长，并返回至步骤f2；

58、f6，若识别准确率不低于预设的准确率阈值，则定义当前采样时长为采样时长。

59、通过采用上述技术方案，所述关口互感器误差动态感知系统可以通过历史数据来进行数据采样，并根据采样获得的数据判断所述异常误差原因识别模型的识别准确度是否满足要求，进而对采样时长进行调节，在保准识别准确度的情况下，尽量采集较少的数据，降低运算开销。

60、可选的，所述综合皮尔逊相关系数算法为：

61、

62、其中，rij为单因素历史数据中不相同的两组数据集di和dj的皮尔逊相关系数，dik为数据集di中的第k个元素，为数据集di的平均值，m是每个数据集中的数据点的数量；

63、

64、r为综合皮尔逊相关系数，为所有两两组合的数据集的皮尔逊相关系数的综合，外层求和便利每一组数据di，内层求个则计算di与其后所有数据集dj之间的相关系数。

65、通过采用上述技术方案，所述关口互感器误差动态感知系统可以较准确地计算各单因素历史数据的综合皮尔逊相关系数。

66、可选的，所述关口互感器误差动态感知系统进一步包括以下算法对综合皮尔逊相关系数算法进行更新，供于综合皮尔逊相关系数的计算中剔除可靠程度不足的皮尔逊相关系数rij：

67、

68、

69、其中，r′为剔除不符合宽度阈值的皮尔逊相关系数rij后的综合皮尔逊相关系数，i(wij)为置信区间宽度wij的指示函数，a为预设的宽度阈值，

70、则有，

71、

72、其中，zij为rij通过fisher-z变换后获得的fisher-z变换值，

73、则有，

74、

75、

76、其中，z1为置信区间的下限值，z2为置信区间的上限值，

77、则有，

78、

79、

80、wij＝r2-r1，

81、其中，wij为置信区间宽度，r1为原始皮尔逊相关系数的置信区间的下限值，r2为原始皮尔逊相关系数的置信区间的上限值，e为自然对数的底数。

82、通过采用上述技术方案，所述综合皮尔逊相关系数算法可以将一些可靠度不够高的数据剔除，以提高误差因素相关系数的准确度。

83、综上所述，本技术包括以下至少一种有益技术效果：

84、1.可以实时采集关口互感器模组的相关数据，并根据关口互感器模组的相关数据对关口互感器的误差进行原因分析；

85、2.所述关口互感器误差动态感知系统能够可调控地采集数据，并对数据进行一定的筛选，进而在识别确定异常误差的同时，降低了运算开销，提高识别效率；

86、3.所述关口互感器误差动态感知系统可以数据进行特征提取，并根据需要对数据进行降维处理，以减少机器学习模型的数据处理量，提升识别效率。