基于人工智能技術的電力測量儀表計量誤差校正方法

于霄鵬

（淄博市計量技術研究院，淄博 255000）

0 引言

電力計量是配電網穩定運轉的保障，電流測量儀表作為測量某一時間段配電網絡的電能與負載的核心設備，其在經濟體制中的各個領域得到大幅度應用。隨著電力測量技術的不斷發展，計算機技術與電子技術在電力檢測中得到了應用。在此條件下，人們對儀表的使用性能、內部機構以及功能提出了更高的要求。在電力系統的檢測過程中，電力測量儀表因其結構簡單、價格低廉的優點，依舊在廣泛應用著。作為電力系統中專用的計量設備，其數據處理的真實性與可靠性對于電力交易具有重要影響，并直接影響著電力企業的發展速度[1,2]。至今為止，大部分的電力測量儀表受到電網中正弦周期信號的影響，導致儀表計量出現偏差，嚴重影響電力測量儀表的使用效果。

對于電力測量儀表計量誤差問題，國內外專家學者進行了細致地分析，設計出多種計量誤差校正方法。現有的電力測量誤差校正方法在使用后依舊存在相應的數據誤差，為此，在本次研究中根據當前電力測量儀表的使用標準，選擇人工智能技術對當前誤差校正方法進行優化，提升電力測量儀表的計量精度，保證電力系統的穩定運行。

1 基于人工智能技術的電力測量儀表計量誤差校正方法設計

1.1 構建電力測量儀表計量誤差檢定模型

本次研究將主要對儀表計量誤差的來源進行分析，構建相應的電力測量儀表誤差模型，以此為基礎設計相應的誤差校正方法以及誤差推導校正公式。本環節將首先對計量數據中的粗大誤差進行檢測。通常情況下，在一組可疑數據中，明顯偏離其他測量值的數據，需要進行粗大誤差判定，但這種情況極少發生，本次研究選擇羅曼若夫斯基準則[3]完成此部分處理。首先，在獲取到的計量數據中假設一個數據為粗大誤差數據，并將此數據剔除，而后，使用T分布檢測方法對余下的數據展開檢測，并確定是否為粗大誤差。

假設電力測量儀表所得測量數據數列為a1,a2,…,an，其中ae為粗大誤差數據，將其移出數據列，計算此數據移除后的新數列平均值：

根據此公式，獲取新數列的標準差估計值：

其中，殘差ve可表示為：

根據數據個數以及數據的置信度水平，確定T分布的判別系數G(n,b)，若存在：

則認為ae為粗大誤差，應對其進行校正。否則，保留此數據。根據此原理構建電力測量儀表計量誤差檢定模型，通過此模型確定儀表是否存在計量誤差。在模型構建前，對測量儀表的工作原理進行分析，具體如下式：

其中，r(t)表示瞬時有功功率；u(t)表示瞬時電壓；i(t)表示瞬時電流，使用此公式可對儀表進行測試時所得數據展開計算，并將功率轉化為脈沖信號的形式。設定脈沖信號中的高頻脈沖信號c0作為無誤差儀表的理論輸出，而后在無誤差儀表與待測儀表兩端施加相同得到電壓與電流，運作一周期后，當待檢測儀表輸出的低頻脈沖信號為N是，計算此時無誤差與表的實際高頻脈沖信號c，則待檢測儀表的相對誤差可表示為：

其中，β0表示儀表計量誤差；c0表示預設高頻脈沖數。其中，c0的計算過程可表示為：

其中，Hio表示無誤差儀表的高頻脈沖常數；HL表示待檢測儀表的低頻脈沖常數；GI表示無誤差儀表的外接電流互感器變比；GV表示無誤差儀表的外接電壓互感器變比。當檢定過程中不存在此兩類互感器時，GI、GV取值均為1。根據式(5)～式(7)中設定的內容，完成電力測量儀表計量誤差檢定過程，同時根據歷史數據研究結果，確定誤差數據的來源與種類，為后續的數據誤差校正過程提供數據基礎。

1.2 人工智能計量數據誤差校正

在完成儀表計量誤差檢定過程后，使用人工智能技術對獲取到的誤差數據進行處理，完成計量誤差校正。使用人工智能技術中的EM-KF原理[4]，設定在O時刻測量儀表輸出數據x(o)的真實數據為y(o)，則兩者的關系可表示為：

其中，ε表示誤差系數。當數據中存在隨機誤差時，ε(o)應滿足：

其中，R表示儀表的噪聲方差，當計量數據中存在顯著異常時，假設此數據出現概率為χ，其方差為Σ，Σ的取值大小與R應滿足：

其中，g表示計算中的常數。由貝葉斯定理可知，儀表輸出數據為x的條件下，其真實數值為y的概率可表示為：

在此公式中，p(y-x)與p(χ)等值，得到誤差數據的二進制變量，則有：

其中，χi表示隨機誤差；χj表示顯著誤差。根據相關規定確定二進制變量的精度要求，并計算其期望值：

通過最大化概率公式中的對數似然函數[5]對其進行處理，得到最新的估計值：

使用EM算法對κ進行求解，根據此公式計算結果對誤差數據進行校正，并將其作為計量結果輸出。通過式(12)與式(13)對實際的計量數值進行估計，并使用其取代誤差數據，對下一時刻的測量結果進行估計，以此保證動態數據環境下，電力測量儀表計量誤差校正過程的可行性。對上文中的計算部分進行整合，至此，基于人工智能技術的電力測量儀表計量誤差校正方法設計完成。

2 實驗論證分析

針對當前電力測量儀表使用中出現的問題，在本次研究中使用人工智能技術對于展開優化，設計出新型誤差校正方法。為證實此方法在實際生活中具有應用價值，構建實驗環節，對此方法的使用效果進行對比分析。

2.1 儀表計量誤差校正方案

為獲取真實的儀表計量誤差校正方法使用效果，在實驗前搭建誤差校正實驗平臺，本次實驗環境全部設定在實驗室中，實驗設備主要為某國產品牌電力測量儀。實驗環境設定為兩部分構成，其中一部分為實驗室環境，另一部分為某計量檢測中心誤差校正環境，具體實驗環境搭建情況如圖1所示。

圖1 計量誤差校正實驗環境

在上述實驗環境中，將待校驗的儀表與可靠性較高的標準測量表對同一標準源輸出的電力設備進行電力測量，而后將測得的結果以脈沖信號的形式輸入到校正平臺。校正平臺通過脈沖接收器檢測到的儀表脈沖輸出，再將脈沖信號轉化為電能。使用實驗臺的誤差計算器確定待檢測儀表與標準儀表之間的誤差，且將誤差計算結果傳輸到實驗臺的顯示器中。最后根據此數據進行誤差的校正，直到誤差滿足當前標準。為降低實驗操作難度，采用手動校正的方式，完成儀表計量誤差校正過程。

2.2 無信號干擾環境下實驗分析

針對新型儀表計量誤差校正方法在電力系統輸出無信號干擾的條件下進行基本誤差校正實驗，實驗條件以電力系統的額定條件為主，具體內容如下：

額定電壓：U=220V

額定電流：I=3.0A（以A相為主）

最大電流：I=5.0A

工作頻率：f=100Hz

實驗環境溫度：23±2℃

實驗環境相對濕度：50%～60%

預設脈沖常數：10000IMP/KWh

當測試電力系統輸出信號為正弦信號時，其測試環境為理想測試環境。在此實驗環境中，使用電力測量儀表對此電力系統進行計量，并使用本文方法對計量中出現誤差進行校對，將校對后數據輸出作為實驗結果，并對其展開分析。此實驗結果分析過程，將《交流電測量設備特殊要求第22部分：靜止式有功電能表（0.2S級和0.5S級）》的精度要求作為實驗結果衡量指標，具體電能測量數據如表1所示。

表1 電力測量儀表電力檢測結果

將表1中數據與相關規定中的精度要求進行對照分析可以看出，使用本文方法對測量儀表計量誤差進行校對后，其計量數據精度符合規定中的測量結果精度要求。此實驗結果表明，本文方法具有可行性。使用此方法可在一定程度上控制電力測量儀器的計量誤差，使其符合相關要求。但此實驗結果并不能說明本文方法在實際應用過程中具有優越性，為此，還需對此方法進行更加細致的分析。

2.3 信號干擾環境下實驗分析

為更加全面的對本文方法的使用效果進行分析，選擇基礎誤差校正方法、機器學習誤差校正方法以及本文方法與計量檢測中心誤差校正結果進行對比。在實際應用過程中，日常環境中的校正結果與計量檢測中心所得校正結果會存在差異，通過對比實際結果與標準結果，確定不同誤差校正方法的校正精度。本次實驗條件規定與實驗環境與非信號干擾環境實驗條件相同，但在電流信號疊加了5次含有率為15%的干擾信號，且本次實驗以A相校正結果作為實驗結果輸出。當實驗環境為上述設定內容時，所得實驗結果如圖2所示。

圖2 信號干擾環境下實驗結果

對圖2進行分析可知，在兩種實驗條件下本文方法的校對結果與計量檢測中心誤差校正結果較為接近，且走向一致。與此同時，將此校正結果與《交流電測量設備特殊要求第22部分：靜止式有功電能表（0.2S級和0.5S級）》的精度要求進行比對可知，此校正結果符合精度要求，說明此方法的誤差校正能力較高。其他兩種方法使用后，其校正結果與計量檢測中心誤差校正結果相差較大，且其數據精度不能滿足規定中的精度要求。綜合上述實驗結果可知，本文方法的使用效果較好。

2.4 實驗討論與分析

本次實驗主要對動態環境下的電力測量儀表進行實際實驗與分析，通過計量數據的精度確定不同計量數據校正方法的使用效果。

在本次實驗過程中，將計量檢測中心誤差校正結果作為誤差校正參照數據，通過與此結果對比可以看出，本文方法在兩種實驗環境中均能較好地完成計量誤差校對工作，且校對結果符合當前電力測量儀器計量精度要求。同時，經過兩輪實驗以及與其他校正方法的使用效果進行對比可以確定，本文方法具有有效性與實效性。在日后的研究中可多使用此方法對電力測量儀表所得數據進行處理與分析，使用處理后的數據為電力交易提供可靠性較高的數據基礎。

3 結語

在電網企業進行貿易結算時，電力測量儀表所得數據的精準度，對貿易結算結果的可靠性具有直接的影響。針對當前電力測量儀表在使用過程中出現數據異常問題，構建新型儀表誤差校正方法。本次研究主要針對儀表的測量精度與校對問題展開設計，對于電力測量儀表的高效使用奠定了良好的基礎。在本次研究的基礎上，可進一步完善電力測量儀表的功能，希望在后續的研究中可以對測量儀表的數據存儲部分以及電價計算部分展開優化，切實有效地優化儀表的基本功能。