基于能源控制器的电能表计量误差监测方法与流程

1.本发明涉及配电网自动化系统领域，涉及一种基于能源控制器的电能表计量误差监测方法。


背景技术：

2.随着社会整体用电量的不断增加，用于计量用电量的电能表越来越受到重视。电能表能否准确计量关系到用户与电力企业之间的信任关系，而在现实生活中，由于产品质量、使用时间以及使用环境的影响，电能表可能会出现计量失准，如果电能表出现计量失准，则势必会给供用电其中一方带来经济损失。因此，通过大数据分析手段进行电能表计量误差监测受到日益广泛的关注。
3.在当前的大数据分析技术中，最常见的手段是根据能量守恒定律建立台区线性回归模型，然后根据最小二乘方法估计出用户系数，进而分析出电能表计量误差异常情况。然而，该方法在实际应用中常会面临三方面问题：最小二乘法需要数据点数大于等于用户数，否则无法进行计算，而低压台区可能存在多达几百用户，导致需要更多的数据点数，从而导致计算周期过长；低压台区用户的日冻结电量具有不同程度的相关性，容易导致最小二乘法的解不稳定，从而影响最终判断结果；低压台区由于采集问题导致采集数据失真，存在随机的噪声数据，影响求解结果的稳定性。
4.能源控制器（energy control and monitoring terminal unit，ecu）安装在公变或专变台区，可实现客户侧和配电侧计量与感知设备的灵活接入，具有数据采集、智能费控、时钟同步、精准计量等功能。能源控制器采用模组化设计，在不同的应用场景中，对各种输入/输出接口的要求不尽相同，于是各种类别的功能模组应运而生，能源控制器通过不同种类的功能模组配合，实现对终端形态的重新定义。能源控制器的功能模组通过usb总线安装在能源控制器的本体上，用于扩展本体功能，包括远程通信模块（如4g通信模块、5g通信模块等）、本地通信模块（如电力线载波通信模块、微功率无线通信模块、rs-485通信模块、m-bus通信模块、can通信模块等）、控制模块、遥信脉冲采集模块、回路状态巡检模块等。因此，适用于实施电能表计量误差监测功能开发。


技术实现要素：

5.本发明针对上述问题，克服现有技术的不足，提出一种基于能源控制器的电能表计量误差监测方法，对户表数据矩阵进行奇异值分解并重构，能够在数据点数少于用户数的情况下进行计算并改善了由于用户间相关性导致判断失准的问题，通过迭代的方式识别数据中的噪声信息，最终获得相对稳定的最小二乘解析解。同时，本发明仅需获取全台区用户用电数据与台区总表数据，无需添加额外设备。
6.为了实现上述发明目的，本发明采取如下技术方案。
7.一种基于能源控制器的电能表计量误差监测监测方法，包括以下步骤。
8.步骤1，能源控制器采集低压台区用户表日冻结电量数据与台区总表日冻结电量
数据，以下简称为户表数据与总表数据。
9.步骤2，用总表数据减去户表数据的加和，获得线损值曲线。
10.步骤3，通过奇异值分解重构户表数据。
11.步骤4，设置权重矩阵，并根据权重矩阵、户表数据与线损值建立线损回归模型。
12.根据户表数据重构过程中建立的左奇异矩阵、右奇异矩阵、对角矩阵计算得到对应的解析解，即估计误差系数。
13.通过迭代过程更新权重矩阵及解析解。
14.步骤5，根据估计误差系数绝对值与预设参考值的大小关系决定上报的超差表。
15.优选地，所述步骤1中采集数据的天数大于30。
16.优选地，所述步骤2 中计算线损值的公式如下。
17.。
18.其中y
t
为第t个总表数据，1≤t≤n，n为数据点数，x
ti
为第i个用户表的第t个户表数据，l
t
为第t个线损值，m为台区用户表数。
19.优选地，所述步骤3中通过奇异值分解重构户表数据的过程如下。
20.a1，将户表数据整理为矩阵形式；其中n为数据点数，m为台区用户表数，r表示实数。
21.a2，计算，求特征向量和特征值。
22.求得的特征值按照从大到小顺序排列并相应排列特征值对应的特征向量，取排列后的前min(m，n) 个特征值与特征向量。
23.取得的特征向量组成右矩阵满足；取得的特征值的平方根构成奇异值对角阵。
24.a3，计算，求特征向量和特征值。
25.求得的特征值按照从大到小顺序排列并相应排列特征值对应的特征向量，取排列后的前min(m，n) 个特征值与特征向量。
26.取得的特征向量组成左矩阵满足。
27.a4，计算奇异值累计贡献度cum
p
，公式如下。
28.。
29.其中λi、λj分别为排列后的第i个、第j个特征值。
30.将首次满足cum
p
＞0.99的p值确定为分解阶数。
31.即数据矩阵重构为。
32.优选地，所述步骤4中的回归模型如下。
33.。
34.其中是所有用户表第k+1次迭代的估计误差系数向量；代表所有用户表第k+1次迭代的误差系数向量；向量l为线损值曲线；x为重构后的户表数据矩阵；是第k次迭代获得的权重矩阵，为对角矩阵，其初始值为单位矩阵，n为数据点数；对应的解析解如下。
35.。
36.其中v、u、∑分别为户表数据重构过程中建立的左奇异矩阵、右奇异矩阵、对角矩阵；p为奇异值分解阶数。
37.通过迭代过程更新权重矩阵及解析解的过程如下。
38.b1，根据第k次迭代的解计算拟合残差向量。
39.其中abs()表示取绝对值。
40.b2，计算的异常点阈值。
41.根据更新。
42.。
43.其中为对角矩阵中的元素，表示第t个数据点的权重；表示在分位数γ下第k次迭代得到的异常点阈值；表示第k次迭代第t个数据点的拟合残差。
44.b3，迭代次数k=k+1，重复步骤b1、b2，若相邻两次计算所得解析解之间的2范数小于10-3
，则停止迭代，输出此时的解析解，记为。
45.优选地，所述步骤5中决定上报的超差表标号。
46.其中βq为标号为q的台区用户表的估计误差系数；m为台区用户表数；预设参考值ε为0.02。
47.本发明的有益效果是：通过对户表数据矩阵进行奇异值分解，能够在数据点数少于用户数的情况下进行计算并改善了由于用户间相关性导致判断失准的问题，并通过迭代
过程降低数据中噪声信息的影响，最终获得相对稳定的最小二乘解析解，保证了电能表计量误差监测判断结果的准确性。同时，本发明仅需获取全台区用户用电数据与台区总表数据，无需添加额外设备，易于实现。
附图说明
48.图1为本发明的总体流程图。
49.图2为本发明实施例中台区用户批次之间的相关性图。
50.图3为本发明实施例中台区用户的回归系数图。
51.图4为本发明实施例中不考虑权重更新条件下台区用户的回归系数图。
具体实施方式
52.下面结合附图1~4与实施例对本发明作进一步的说明以具体阐述本发明的技术方案。需要说明的是，以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
53.实施例：结合附图1，一种基于能源控制器的电能表计量误差监测方法，包括以下步骤。
54.步骤1，能源控制器采集40天的某低压台区共52户用户表的日冻结电量数据与台区总表日冻结电量数据。计算用户之间的皮尔逊相关系数，由图2知，52个用户间存在大量用户彼此之间的相关性较高。
55.步骤2，对采集到的电量数据计算相应的线损值，计算线损值的公式如下。
56.；
57.其中y
t
为第t个总表数据，1≤t≤n，n为数据点数，实施例中为40，x
ti
为第i个用户表的第t个户表数据，l
t
为第t个线损值，m为台区用户表数，实施例中为52。
58.步骤3，通过奇异值分解重构户表数据；具体过程如下。
59.a1，将户表数据整理为矩阵形式； n=40，m=52，r表示实数。
60.a2，计算，求特征向量和特征值。
61.求得的特征值按照从大到小顺序排列并相应排列特征值对应的特征向量，取排列后的前40个特征值与特征向量。
62.取得的特征向量组成右矩阵满足；取得的特征值的平方根构成奇异值对角阵。
63.a3，计算，求特征向量和特征值；
64.求得的特征值按照从大到小顺序排列并相应排列特征值对应的特征向量，取排列后的前40个特征值与特征向量。
65.取得的特征向量组成左矩阵满足。
66.a4，计算奇异值累计贡献度cum
p
，公式如下。
67.。
68.其中λi、λj分别为排列后的第i个、第j个特征值。
69.将首次满足cum
p
＞0.99的p值确定为分解阶数，实施例中p值为32。
70.则重构后的数据矩阵。
71.步骤4，设置权重矩阵，并根据权重矩阵、户表数据与线损值建立线损回归模型。
72.根据户表数据重构过程中建立的左奇异矩阵、右奇异矩阵、对角矩阵计算得到对应的解析解，即估计误差系数。
73.通过迭代过程更新权重矩阵及解析解。
74.具体建立的回归模型表达式如下。
75.。
76.其中是所有用户表第k+1次迭代的估计误差系数向量；代表所有用户表第k+1次迭代的误差系数向量；向量l为线损值曲线；x为重构后的户表数据矩阵；是第k次迭代获得的权重矩阵，为对角矩阵，其初始值为单位矩阵，n为数据点数；对应的解析解如下。
77.。
78.其中迭代更新过程如下。
79.b1，根据第k次迭代的解计算拟合残差向量。
80.其中abs()表示取绝对值。
81.b2，计算的异常点阈值。
82.根据更新。
83.。
84.其中为对角矩阵中的元素，表示第t个数据点的权重；表示在分
位数γ下第k次迭代得到的异常点阈值；表示第k次迭代第t个数据点的拟合残差；γ取值为0.8。
85.b3，迭代次数k=k+1，重复步骤b1、b2，若相邻两次计算所得解析解之间的2范数小于10-3
，则停止迭代，输出此时的最终解析解，记为。
86.步骤5，将估计误差系数绝对值与预设参考值0.02进行比较，从而确定计量误差异常的电能表；识别为计量异常的电能表标号。
87.通过图3可知第16个用户电能表计量误差存在异常，经确认，判断结果与实际排查结果一致，验证了本方法的可行性。另外，通过对比图3和图4，可知图4并不能给出正确的识别结果，说明数据中噪声对于分析结果的准确性至关重要，而本方法中正是通过权重矩阵的更新进而降低了噪声的影响。
88.以上实施例是对本发明的具体实施方式的说明，而非对本发明的限制，有关技术领域的技术人员在不脱离本发明的精神和范围的情况下，还可以做出各种变换和变化而得到相对应的等同的技术方案，因此所有等同的技术方案均应该归入本发明的专利保护范围。

技术特征：
1.一种基于能源控制器的电能表计量误差监测方法，其特征在于，包括以下步骤：步骤1，能源控制器采集低压台区用户表日冻结电量数据与台区总表日冻结电量数据，以下简称为户表数据与总表数据；步骤2，用总表数据减去户表数据的加和，获得线损值曲线；步骤3，通过奇异值分解重构户表数据；步骤4，设置权重矩阵，并根据权重矩阵、户表数据与线损值建立线损回归模型；根据户表数据重构过程中建立的左奇异矩阵、右奇异矩阵、对角矩阵计算得到对应的解析解，即估计误差系数；通过迭代过程更新权重矩阵及解析解；步骤5，根据估计误差系数绝对值与预设参考值的大小关系决定上报的超差表。2.根据权利要求1所述的一种基于能源控制器的电能表计量误差监测方法，其特征在于，所述步骤1中采集数据的天数大于30。3.根据权利要求1所述的一种基于能源控制器的电能表计量误差监测方法，其特征在于，所述步骤2 中计算线损值的公式为：；其中y
t
为第t个总表数据，1≤t≤n，n为数据点数，x
ti
为第i个用户表的第t个户表数据，l
t
为第t个线损值，m为台区用户表数。4.根据权利要求1所述的一种基于能源控制器的电能表计量误差监测方法，其特征在于，所述步骤3中通过奇异值分解重构户表数据的过程为：a1，将户表数据整理为矩阵形式；其中n为数据点数，m为台区用户表数，r表示实数；a2，计算，求特征向量和特征值；求得的特征值按照从大到小顺序排列并相应排列特征值对应的特征向量，取排列后的前min(m，n) 个特征值与特征向量；取得的特征向量组成右矩阵满足；取得的特征值的平方根构成奇异值对角阵；a3，计算，求特征向量和特征值；求得的特征值按照从大到小顺序排列并相应排列特征值对应的特征向量，取排列后的前min(m，n) 个特征值与特征向量；取得的特征向量组成左矩阵满足；a4，计算奇异值累计贡献度cum
p
，公式为：
；其中λ
i
、λ
j
分别为排列后的第i个、第j个特征值；将首次满足cum
p
＞0.99的p值确定为分解阶数；即数据矩阵重构为。5.根据权利要求1所述的一种基于能源控制器的电能表计量误差监测方法，其特征在于，所述步骤4中的回归模型为：；其中是所有用户表第k+1次迭代的估计误差系数向量；代表所有用户表第k+1次迭代的误差系数向量；向量l为线损值曲线；x为重构后的户表数据矩阵；是第k次迭代获得的权重矩阵，为对角矩阵，其初始值为单位矩阵，n为数据点数；对应的解析解为：；其中v、u、∑分别为户表数据重构过程中建立的左奇异矩阵、右奇异矩阵、对角矩阵；p为奇异值分解阶数；通过迭代过程更新权重矩阵及解析解的过程如下：b1，根据第k次迭代的解计算拟合残差向量；其中abs()表示取绝对值；b2，计算的异常点阈值；根据更新，即：；其中为对角矩阵中的元素，表示第t个数据点的权重；表示在分位数γ下第k次迭代得到的异常点阈值；表示第k次迭代第t个数据点的拟合残差；
b3，迭代次数k=k+1，重复步骤b1、b2，若相邻两次计算所得解析解之间的2范数小于10-3
，则停止迭代，输出此时的解析解，记为。6.根据权利要求1所述的一种基于能源控制器的电能表计量误差监测方法，其特征在于，所述步骤5中决定上报的超差表标号；其中β
q
为标号为q的台区用户表的估计误差系数；m为台区用户表数；预设参考值ε为0.02。

技术总结
本发明涉及配电网自动化系统领域，公开了一种基于能源控制器的电能表计量误差监测方法，包括以下步骤：能源控制器采集户表与总表数据；总表数据减去户表数据的加和得线损曲线；通过奇异值分解重构户表数据；建立回归模型；计算得解析解即估计误差系数；迭代更新权重矩阵及解析解；确定上报的超差表。本发明通过对户表数据矩阵进行奇异值分解，能够在数据点数少于用户数的情况下进行计算并改善了由于用户间相关性导致判断失准的问题，并通过迭代过程降低数据中噪声信息的影响，最终获得相对稳定的最小二乘解析解，保证了电能表计量误差监测判断结果的准确性。同时，本发明仅需获取全台区用户用电数据与台区总表数据，无需添加额外设备，易于实现。易于实现。易于实现。


技术研发人员：邴丕强 王磊 王金龙 胡志远 梁浩 黄晓娅 曹乾磊
受保护的技术使用者：青岛鼎信通讯股份有限公司 青岛鼎信通讯电力工程有限公司
技术研发日：2023.09.04
技术公布日：2023/10/11