本发明涉及能源管理，尤其是涉及基于纠偏模型的能耗计量数据处理方法。
背景技术：
1、能源计量数据的准确性对于能源管理的决策具有重要影响。然而，由于变压器损耗、线路损耗等问题，能源计量数据往往存在一定的误差，这对能源管理的决策造成了很大的困扰。
2、现有文献《电能计量装置运行误差分析及状态评价方法研究》提出了新型运行状态评价方法。该方法通过对电能计量装置运行状态进行监测，来获取运行环境下的电压、电流、频率等运行状态数据，结合现场周期检验得到的误差数据，再加上实际电网运行环境对电能计量装置运行状态准确性、可靠性的影响，对其进行综合评价。该方法从各方面提取了多项指标，并制定相应的权重，共同构成状态评价标准。根据状态评价结果，提出相应的电能计量装置检验策略。该方法虽然可以对电表运行状态做出评价，但无法对电表误差做出估计，不能实现超差电表精准更换。
3、现有文献《基于动态线损及 fmrls 算法的智能电表误差在线评估模型》针对当前智能电表现场检定效率低，人力成本高，实时性差，无法全量监测等问题，提出一种基于动态线损和渐消记忆递推最小二乘法的智能电表误差在线估计算法。通过分析台区线损与供电量之间的关系，对传统模型进行改进，提出动态线损误差模型。该模型中线损可随实际供电量变化，使得模型获得的误差估计值更接近实际值。然后利用fmrls算法求解动态线损误差模型，以获得智能电表运行误差。所提算法可以有效提高智能电表的误差估计的准确度，但该模型不够精确，对误差估计存在较大影响。
4、也就是说，现有技术均是从设备入手，进行能耗误差的分析计算，缺少在系统层面实时进行能耗误差纠偏的能力。实际上，由于变压器、线路上均存在损耗，设备层面的误差分析往往具有较大不可控性，导致实际能源使用情况难以准确反映，影响能源管理决策的科学性和可靠性。
5、同时，还由于现有的数据处理方法往往涉及复杂的数学模型和算法以及大量的人工干预，不同的能源计量设备可能存在不同的数据采集标准和方法，仅从设备层面处理数据，会导致处理过程复杂耗时，降低了能源数据的采集效率，还会出现数据之间的不一致性问题，进而影响了数据的整合和分析。
6、为了解决这一问题，本发明提出了基于纠偏模型的能耗计量数据处理方法，基于智能算法，对能耗数据进行校正和纠偏，消除因线损引起的数据误差，从而提高数据的可靠性和准确性，为管理者优化生产运营提供依据。
技术实现思路
1、本发明目的在于提供一种基于纠偏模型的能耗计量数据处理方法，从系统层面入手，通过纠偏算法，建立计算模型，对变压器损耗、线路损耗等因素进行数据校正，减少人工干预的影响。同时，通过对数据进行标准化处理，消除了不同设备采集数据的差异，实现了数据的一致性，最终达到对能耗数据的误差纠偏。
2、为实现上述目的，本发明采取下述技术方案：
3、本发明所述的一种基于纠偏模型的能耗计量数据处理方法，收集系统计量值以及影响系统实际能耗值的误差因素，根据系统实际能耗值与计量值和误差因素之间的关系，建立计量值与误差因素的线性回归模型；通过所述线性回归模型得到实际能耗的预测值，计算所述预测值与计量值间的纠正因子，利用所述纠正因子对每次的计量值进行修正，得到系统实际能耗值。
4、进一步地，所述系统计量值包括电压、电流、功率因素。
5、进一步地，所述系统实际能耗值与计量值和误差因素之间的关系为；其中，qs为系统实际能耗值； qi、δi分别为计量表i的计量值和近似误差系数；qg为固定损耗值；为每个计量表所在线路的线损率；为计量表的数量。
6、进一步地，所述线性回归模型为，其中，β0和β1是回归系数，ε是误差值，q(y)为系统计量值，x为所述误差因素。
7、进一步地，所述线性回归模型的准确度使用均方根误差来评价；均方根误差越小表明线性回归模型的预测值与系统实际能耗值之间的差异越小，线性回归模型的性能越好。
8、进一步地，所述纠正因子为所述线性回归模型的预测值与系统计量值之间的差值。
9、进一步地，所述系统实际能耗值为，其中，e为所述纠正因子。
10、进一步地，所述线性回归模型的回归系数通过大数据学习算法利用已收集到的系统计量值以及影响系统实际能耗值的误差因素训练确定，并能满足线性回归模型的均方根误差要求。
11、本发明的优点在于通过建立纠偏模型，能够准确预测和修正能源计量数据中的误差，提高数据的准确性。本发明使用线性回归建立模型，能够更好地适应不同的能源管理场景。本发明通过不断优化纠偏模型的参数，能够提高模型的准确性和稳定性。本发明可以广泛应用于各种能源管理领域，提高能源管理的决策效果。
1.一种基于纠偏模型的能耗计量数据处理方法，其特征在于：收集系统计量值以及影响系统实际能耗值的误差因素，根据系统实际能耗值与计量值和误差因素之间的关系，建立计量值与误差因素的线性回归模型；通过所述线性回归模型得到实际能耗的预测值，计算所述预测值与计量值间的纠正因子，利用所述纠正因子对每次的计量值进行修正，得到系统实际能耗值。
2.根据权利要求1所述的一种基于纠偏模型的能耗计量数据处理方法，其特征在于：所述系统计量值包括电压、电流、功率因素。
3.根据权利要求1所述的一种基于纠偏模型的能耗计量数据处理方法，其特征在于：所述系统实际能耗值与计量值和误差因素之间的关系为；其中，qs为系统实际能耗值；qi、δi分别为计量表i的计量值和近似误差系数；qg为固定损耗值；为每个计量表所在线路的线损率；为计量表的数量。
4.根据权利要求1所述的一种基于纠偏模型的能耗计量数据处理方法，其特征在于：所述线性回归模型为，其中，β0和β1是回归系数，ε是误差值，q(y)为系统计量值，x为所述误差因素。
5.根据权利要求1所述的一种基于纠偏模型的能耗计量数据处理方法，其特征在于：所述线性回归模型的准确度使用均方根误差来评价；均方根误差越小表明线性回归模型的预测值与系统实际能耗值之间的差异越小，线性回归模型的性能越好。
6.根据权利要求1所述的一种基于纠偏模型的能耗计量数据处理方法，其特征在于：所述纠正因子为所述线性回归模型的预测值与系统计量值之间的差值。
7.根据权利要求1所述的一种基于纠偏模型的能耗计量数据处理方法，其特征在于：所述系统实际能耗值为，其中，e为所述纠正因子。
8.根据权利要求4所述的一种基于纠偏模型的能耗计量数据处理方法，其特征在于：所述线性回归模型的回归系数通过大数据学习算法利用已收集到的系统计量值以及影响系统实际能耗值的误差因素训练确定，并能满足线性回归模型的均方根误差要求。