一种超差电表检测方法、系统、设备和存储介质与流程

本发明属于智能电表状态检测，具体而言，涉及一种超差电表检测方法、系统、设备和存储介质。

背景技术：

1、配电网线损计量的准确性、细分化成为线损管理及治理的必要前提，且对保障用户用电和配电网的安全运行起到重要支撑作用。智能电表作为配电网计量终端设备，其计量性能直接影响了线损数据管理，降低了表计数据在台区拓扑识别、居民用电负荷监测等方面应用的可靠性。然而，台区电表数量众多，电表计量误差存在随机波动，仅依靠人工经验难以实现对超差电表的精准检定。因此，“如何挖掘大规模的台区电表计量数据实现智能电表误差在线评估”成为了目前电表状态评估的热点。

2、智能电表误差在线评估方法可分为最小二乘法和人工智能算法两类，人工智能算法数据需求量较大、计算时间较长，难以用于电表误差在线评估。而基于最小二乘法的电表误差在线评估通过台区消耗电能守恒关系，通过多个时刻的表计数据构建线损计算超定方程组，实现线损及表记误差求解。然而，台区电压变化会直接影响计算模型的准确度；同时，分表的计量电能数据共线性问题也会延长表计误差的计算时间。因此，需要一种改进的超差电表在线评估方法，能有效适应表记电能数据及台区电压的变化，提升评估方法的准确性及鲁棒性。

3、有鉴于此，特提出本技术。

技术实现思路

1、本发明的目的在于提供一种超差电表检测方法、系统、设备和存储介质，解决台区电表数据的共线性影响智能电表计量误差检测的效率、准确性和稳定性的问题。

2、本发明通过下述技术方案实现：

3、第一方面，提供一种超差电表检测方法，包括以下步骤：采集台区电表数据；建立电表计量相对误差计算模型；利用所述台区电表数据和所述电表计量相对误差计算模型获取每一个台区分表的电表计量相对误差，得到第一计算结果；设置电表计量相对误差的阈值；从所述第一计算结果中筛选出所有大于所述阈值的电表计量相对误差，得到筛选结果；将所述筛选结果中每一个电表计量相对误差对应的台区分表标记为疑似超差电表；设置多个检测日；针对每一个所述疑似超差电表执行以下步骤：在每一个检测日，采集当日的台区电表数据，利用所述当日的台区电表数据和所述电表计量相对误差计算模型获取所述疑似超差电表的电表计量相对误差，得到第二计算结果；将所述第二计算结果中的每一个电表计量相对误差与所述阈值比较，若均大于所述阈值，则将所述疑似超差电表判定为超差电表。

4、进一步的，所述采集台区电表数据之前，包括以下步骤：建立台区总表计量电能计算模型；对所述台区总表计量电能计算模型进行修正，得到台区动态线损计算模型。

5、进一步的，所述建立电表计量相对误差计算模型，包括以下步骤：建立相似度计算模型；所述相似度计算模型用于获取第一台区分表电能数据与第二台区分表电能数据之间的相似度；所述第一台区分表电能数据表示在任意时刻的台区分表电能数据，所述第二台区分表电能数据表示在所述任意时刻之前的多个时刻的台区分表电能数据；基于所述相似度计算模型建立递推最小二乘法的遗忘因子计算模型；基于所述遗忘因子计算模型建立所述电表计量相对误差计算模型。

6、进一步的，所述台区电表数据包括：台区总表电能数据、台区分表电能数据和台区总表电压数据；所述台区总表电压数据包括：台区总表在每一个季节里记录的整月电压数据。

7、进一步的，获取每一个台区分表的电表计量相对误差之前，包括以下步骤：s1：确定最佳聚类簇数目；s2：根据所述最佳聚类簇数目，采用自适应k-means聚类算法对所述台区总表电压数据进行处理，得到多个聚类簇；s3：从多个所述聚类簇中选取数据点最多的一个聚类簇作为目标聚类簇；s4：确定所述目标聚类簇的聚类中心，将所述聚类中心对应的电表电压数据作为电表电压基准值；s5：根据所述电表电压基准值确定电表电压上限阈值和电表电压下限阈值；s6：根据所述电表电压上限阈值和所述电表电压下限阈值对所述台区总表电压数据进行筛选，得到筛选后的台区总表电压数据；

8、进一步的，获取所述疑似超差电表的电表计量相对误差之前，包括以下步骤：按照所述s1至所述s6对所述当日的台区电表数据进行处理。

9、第二方面，提供一种超差电表检测系统，包括：数据采集模块、模型构建模块、第一计算模块、阈值设置模块、数据筛选模块、电表标记模块、时间设置模块、第二计算模块和结果输出模块。其中，数据采集模块用于采集台区电表数据；模型构建模块用于建立电表计量相对误差计算模型；第一计算模块用于利用所述台区电表数据和所述电表计量相对误差计算模型获取每一个台区分表的电表计量相对误差，得到第一计算结果；阈值设置模块用于设置电表计量相对误差的阈值；数据筛选模块用于从所述计算结果中筛选出所有大于所述阈值的电表计量相对误差，得到筛选结果；电表标记模块用于将所述筛选结果中每一个电表计量相对误差对应的台区分表标记为疑似超差电表；时间设置模块用于设置多个检测日；第二计算模块用于针对每一个所述疑似超差电表，在每一个检测日，采集当日的台区电表数据，利用所述当日的台区电表数据和所述电表计量相对误差计算模型获取所述疑似超差电表的电表计量相对误差，得到第二计算结果；结果输出模块用于将所述第二计算结果中的每一个电表计量相对误差与所述阈值比较，若均大于所述阈值，则将所述疑似超差电表判定为超差电表。

10、进一步的，所述超差电表检测系统还包括：第二模型构建模块和模型修正模块。其中，第二模型构建模块用于建立台区总表计量电能计算模型；模型修正模块用于对所述台区总表计量电能计算模型进行修正，得到台区动态线损计算模型。

11、进一步的，所述模型构建模块包括：第一模型构建单元、第二模型构建单元和第三模型构建单元。其中，第一模型构建单元用于建立相似度计算模型；所述相似度计算模型用于获取第一台区分表电能数据与第二台区分表电能数据之间的相似度；所述第一台区分表电能数据表示在任意时刻的台区分表电能数据，所述第二台区分表电能数据表示在所述任意时刻之前的多个时刻的台区分表电能数据；第二模型构建单元用于基于所述相似度计算模型建立递推最小二乘法的遗忘因子计算模型；第三模型构建单元用于基于所述遗忘因子计算模型建立所述电表计量相对误差计算模型。

12、进一步的，所述超差电表检测系统还包括：数据处理模块。所述数据处理模块包括：聚类数目设置单元、k-means聚类单元、聚类簇筛选单元、基准值设置单元、电压阈值设置单元和数据筛选单元。其中，聚类数目设置单元用于设置最佳聚类簇数目；k-means聚类单元用于根据所述最佳聚类簇数目，采用自适应k-means聚类算法对所述台区总表电压数据进行处理，得到多个聚类簇；聚类簇筛选单元用于从多个所述聚类簇中选取数据点最多的一个聚类簇作为目标聚类簇；基准值设置单元用于确定所述目标聚类簇的聚类中心，将所述聚类中心对应的电表电压数据作为电表电压基准值；电压阈值设置单元用于根据所述电表电压基准值确定电表电压上限阈值和电表电压下限阈值；数据筛选单元用于根据所述电表电压上限阈值和所述电表电压下限阈值对所述台区总表电压数据进行筛选，得到筛选后的台区总表电压数据。

13、第三方面，提供一种计算机设备，包括依次通信连接的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发数据，所述处理器用于读取所述计算机程序，执行如上述第一方面所述的超差电表检测方法。

14、第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如如上述第一方面所述的超差电表检测方法。

15、本发明与现有技术相比，具有如下的优点和有益效果：

16、1、基于带自适应遗忘因子的递推最小二乘法建立了电表计量相对误差计算模型，该模型用于计算获得台区分表的电表计量相对误差。一方面，模型的建立基于递推最小二乘法，可针对于具有实时在线特征的台区分表数据的计量误差进行拟合，相较于目前基于最小二乘法的智能电表计量误差评估方法而已，本模型基于递推最小二乘法，在计算电表计量相对误差时可减少计算时间、降低数据存储，且不需要记忆数据；另一方面，基于递推最小二乘法的基础上，还引入了自适应遗忘因子，通过引入自适应遗忘因子来赋予电表数据新的权值，以消除台区分表数据的共线性，降低数据共线性对计算电表计量误差的影响，从而提高电表计量误差检测的速度、准确性和稳定性。此外，本发明经过两次电表计量误差计算，即通过第一次计算筛选出疑似超差电表；在此基础上，通过第二次计算对超差电表进行判定，可进一步提高电表计量误差检测的准确度。

17、2、建立了台区动态线损计算模型作为建立电表计量相对误差计算模型的基础，台区动态线损计算模型结合了台区拓扑图和台区电能流向，符合台区的自身特点，因此基于台区动态线损计算模型建立的电表计量相对误差计算模型，在用于获取电表计量误差时更加贴合台区的实际情况，使得算法更具有针对性和实用性，进一步提高电表计量误差检测的准确度。

18、3、采用自适应k-means聚类算法对采集的台区电压数据进行清洗，通过选取聚类中心、设置电压阈值、筛选电压数据，从而消除电压数据变化对检测结果的影响，进一步提高电表计量误差检测的准确度。