一种电能表检定误差分析预测方法与流程

本发明涉及电能表检定，特别涉及一种电能表检定误差分析预测方法。

背景技术：

1、电能表是用于对电能进行分配并计量用电量的设备，电能表对用电量的检测关乎到居民的用电成本，为此需要保证电能表各项功能的准确，目前电力公司主要通过电能表检定来判断电能表是否存在计量误差，通过计量误差判断电能表故障原因并进行维修，然而目前对于电能表故障的判断基本都是通过经验丰富的维修工人来进行的，故障判断的准确率较低，并且部分故障原因对应的维修方法需要耗费大量的时间，若故障判断错误并进行维修时，将会耗费大量的时间，并且还无法快速恢复电能表的正常使用。

技术实现思路

1、鉴于此，本发明提出一种电能表检定误差分析预测方法，通过准确率以及维修时间快慢来获取电能表故障类型的排序结果，可以在保证准确率的同时及时修复电能表故障。

2、本发明的技术方案是这样实现的：

3、一种电能表检定误差分析预测方法，包括以下步骤：

4、步骤s1、构建电能表检定误差数据库，所述电能表检定误差数据库包括存在检定误差的电能表检定数据曲线以及数据曲线对应的电能表故障类型；

5、步骤s2、根据电能表检定误差数据库对神经网络进行训练；

6、步骤s3、获取实测电能表检定数据曲线作为神经网络的输入，神经网络处理后输出多个电能表故障类型，并获取每个电能表故障类型的准确率；

7、步骤s4、对神经网络输出的多个电能表故障类型采用灰狼优化算法进行处理，以维修时间快慢作为评价指标获得每个电能表故障类型的适应度值；

8、步骤s5、对每个电能表故障类型的准确率和适应度值分别赋值，根据赋值结果获取电能表故障类型的预测结果，并进行排序。

9、优选的，所述步骤s1构建电能表检定误差数据库的具体步骤为：

10、步骤s11、获取不同地区的电能表历史运行数据；

11、步骤s12、从电能表历史运行数据中获取故障时段；

12、步骤s13、提取故障时段所包含的故障原因以及对应的检定数据；

13、步骤s14、将检定数据可视化成为电能表检定数据曲线。

14、优选的，所述步骤s12的具体步骤为：设定相应的检测周期，按照检测周期对电能表历史运行数据进行对比，将发生突变的时段作为故障时段。

15、优选的，所述步骤s2的具体步骤为：

16、步骤s21、将存在检定误差的电能表检定数据曲线以及对应的电能表故障类型分成训练集以及测试集；

17、步骤s22、将神经网络的输入设定为电能表检定数据曲线，输出设定为电能表故障类型，并采用训练集进行训练；

18、步骤s23、训练完成后采用测试集测试神经网络的准确率。

19、优选的，所述步骤s21在划分训练集和测试集时，按照7:3的比例进行划分。

20、优选的，所述步骤s3的具体步骤为：

21、步骤s31、获取实测电能表检定数据曲线，并输入到神经网络中；

22、步骤s32、神经网络进行处理后得到电能表故障类型；

23、步骤s33、将电能表故障类型以及对应的电能表检定数据曲线从电能表检定误差数据库中删除，重新根据电能表检定误差数据库对神经网络进行训练；

24、步骤s34、重复步骤s31-步骤s33，获得多个电能表故障类型；

25、步骤s35、按照电能表故障类型的获取优先顺序赋予每个电能表故障类型的准确率。

26、优选的，所述步骤s35在赋予准确率时，对第一个获取的电能表故障类型赋予90％的准确率，对后续获取的电能表故障类型按照依次递减方式赋予准确率。

27、优选的，所述步骤s4的具体步骤为：

28、步骤s41、初始化灰狼种群，并设定迭代次数以及种群规模；

29、步骤s42、任意选取一个电能表故障类型，获取该电能表故障类型所对应的维修时间快慢作为评价指标，根据评价指标计算获得灰狼的适应度值；

30、步骤s43、选取另一个电能表故障类型，并获得对应的适应度值后，与之前计算的所有适应度值进行对比，根据对比结果进行排序；

31、步骤s44、进行迭代计算，并遍历所有的电能表故障类型后，获得每个电能表故障类型的适应度值。

32、优选的，所述步骤s5的具体步骤为：

33、步骤s51、根据准确率高低对准确率赋予第一权值；

34、步骤s52、根据适应度值大小对适应度值赋予第二权值；

35、步骤s53、将同一个电能表故障类型赋值后的准确率和赋值后的适应度值相加；

36、步骤s54、根据相加结果对电能表故障类型进行排序。

37、优选的，同一个电能表故障类型的准确率被赋予的第一权值大于适应度被赋予的第二权值。

38、与现有技术相比，本发明的有益效果是：

39、本发明提供了一种电能表检定误差分析预测方法，通过构建电能表检定误差数据库，并构建神经网络模型，来获取实测电能表的多种可能的故障类型，并对电能表故障类型进行准确率的获取，然后根据获取的电能表故障类型依据维修时间快慢采用灰狼优化算法进行处理，并获得适应度值，最后对准确率以及适应度值赋值后获得相应的电能表故障类型的预测结果，保证电能表故障判断的准确率，同时还可以避免耗费较多的时间去采取错误的维修方式，保证及时修复电能表以进行配电。

技术特征：

1.一种电能表检定误差分析预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种电能表检定误差分析预测方法，其特征在于，所述步骤s1构建电能表检定误差数据库的具体步骤为：

3.根据权利要求2所述的一种电能表检定误差分析预测方法，其特征在于，所述步骤s12的具体步骤为：设定相应的检测周期，按照检测周期对电能表历史运行数据进行对比，将发生突变的时段作为故障时段。

4.根据权利要求1所述的一种电能表检定误差分析预测方法，其特征在于，所述步骤s2的具体步骤为：

5.根据权利要求4所述的一种电能表检定误差分析预测方法，其特征在于，所述步骤s21在划分训练集和测试集时，按照7:3的比例进行划分。

6.根据权利要求1所述的一种电能表检定误差分析预测方法，其特征在于，所述步骤s3的具体步骤为：

7.根据权利要求6所述的一种电能表检定误差分析预测方法，其特征在于，所述步骤s35在赋予准确率时，对第一个获取的电能表故障类型赋予90％的准确率，对后续获取的电能表故障类型按照依次递减方式赋予准确率。

8.根据权利要求1所述的一种电能表检定误差分析预测方法，其特征在于，所述步骤s4的具体步骤为：

9.根据权利要求1所述的一种电能表检定误差分析预测方法，其特征在于，所述步骤s5的具体步骤为：

10.根据权利要求9所述的一种电能表检定误差分析预测方法，其特征在于，同一个电能表故障类型的准确率被赋予的第一权值大于适应度被赋予的第二权值。

技术总结
本发明提供一种电能表检定误差分析预测方法，包括以下步骤：构建电能表检定误差数据库；根据电能表检定误差数据库对神经网络进行训练；获取实测电能表检定数据曲线作为神经网络的输入，神经网络处理后输出多个电能表故障类型，并获取每个电能表故障类型的准确率；对神经网络输出的多个电能表故障类型采用灰狼优化算法进行处理，以维修时间快慢作为评价指标获得每个电能表故障类型的适应度值；对每个电能表故障类型的准确率和适应度值分别赋值，根据赋值结果获取电能表故障类型的预测结果，并进行排序，根据准确率和维修时间快慢所获得的预测结果可以在保证故障判断准确的基础上，避免耗费过多的时间进行无用的维修，保证电能表可以快速恢复功能。

技术研发人员：李佳莹
受保护的技术使用者：海南电网有限责任公司
技术研发日：
技术公布日：2024/1/13