基于状态参量的智能电表误差状态预测方法
在智能电表挂网运行的过程中,其计量性能会逐渐发生变化,可能影响电能计量的准确性和电力交易的公平性,因此,对其误差状态的管控具有重大意义.在运智能电表数量巨大,一般采用定期随机抽检的方法来获得部分表计的误差情况,但随机抽检覆盖面较小,存在抽检间隔,无法全面、及时地获取在运表计的计量误差,存在已超差表计仍长期挂网的风险.对此,提出了一种基于状态参量与计量性能退化的智能电表误差状态预测方法,基于智能电表的计量原理,研究了影响表计计量性能的关键因素,进而建立了一个计及温度、湿度、负荷、检定结果、时间累积影响的预测模型,借助BP神经网络算法,实现了历史数据下的网络训练和实时数据下的误差预测.最后,建立在线监测试点,开展实例应用,验证了该方法的有效性.
智能电表、性能退化、误差预测、状态参量、神经网络、状态监测
TM933
2019-04-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
1-5,41