(12)发明专利申请
(10)申请公布号 CN 112764457 A(43)申请公布日 2021.05.07
(21)申请号 202110031772.1(22)申请日 2021.01.11
(71)申请人 国网浙江省电力有限公司湖州供电
公司
地址 313000 浙江省湖州市吴兴区凤凰路
777号(72)发明人 侯加庆 张凤翱 费晓明 董寒宇
陈炜 李越玮 郑松松 薛钦 沈煜宾 沈尚义 (74)专利代理机构 杭州杭诚专利事务所有限公
司 33109
代理人 尉伟敏(51)Int.Cl.
G06F 1/14(2006.01)G01R 35/04(2006.01)
权利要求书2页 说明书6页 附图4页
G06Q 10/00(2012.01)G06Q 10/04(2012.01)
CN 112764457 A(54)发明名称
一种电能表时钟误差故障值的预测方法(57)摘要
本发明公开了一种电能表时钟误差故障值的预测方法，包括如下步骤：S1、对测定日期内的用电信息采集系统内的电能表时钟异常工单数据的异常数据、缺失数据进行修正和补全；S2、利用卡尔曼滤波原理建立时钟误差值预测函数模型，确定模型函数；S3、采用多项式拟合法确定时钟误差日增波动值最大值Y波max函数公式方程；S4、通过比较钟误差实际值与预测值Ct3，确定处
表理策略。当时钟误差实际值大于预测值Ct3时，
明电能表误差已超过普遍时钟故障表计的时钟误差值，判定该表计时钟故障概率极高，且极大可能已无法采取对时方式解决，需要进行换表处理，通过预测模型判并预测时钟误差值，预测结果准确。
CN 112764457 A
权 利 要 求 书
1/2页
1.一种电能表时钟误差故障值的预测方法，其特征在于：包括如下步骤：S1、对测定日期内的用电信息采集系统内的电能表时钟异常工单数据的异常数据、缺失数据进行修正和补全；
S2、利用卡尔曼滤波原理建立时钟误差值预测函数模型，确定模型函数；S3、采用多项式拟合法确定时钟误差日增波动值最大值Y波max函数公式方程；S4、通过比较钟误差实际值与预测值Ct3，确定处理策略。
2.根据权利要求1所述的一种电能表时钟误差故障值的预测方法，其特征在于：根据前3次时钟误差值召测数据，预测下一次的时钟误差值的方法，按照时间顺序标记为0、1、2、3，设第3次的误差值为所求的预测值即Ct3，则时钟误差值预测函数模型公式如下：
其中,ΔC增为运行时间T2至T3增加的时钟误差值；为运行时间T2时电能表召测到的时钟误差；ΔT3‑2为T2至T3的运行时间差值(即召测时间差)；行时间T2至T3，
为T2时的日平均误差；运
为误差日增值的日波动值累计之和；Y波max为误差日增值的波动值的最
大值；Φ修为误差日增值的波动值修正系数。
3.根据权利要求1所述的一种电能表时钟误差故障值的预测方法，其特征在于：S3中，通过数据处理形成波动最大值的散点分布图，各个散点为每个运行天数中时钟波动值的最大值，利用多项式拟合法确定其特性曲线，并以散点实际值为依据对时钟误差日增波动值最大值Y波max进行修偏，形成一条以现值为基础的带有时钟误差日增波动值最大值特性的曲线用以预测；采用最小二乘法对多项式进行n次拟合，具体方式如下：
确定区域坐标，横坐标为电能表运行的天数Xi，纵坐标为电能表时钟在第Xi天时的波动值的最大值Y波max，则有(xi，yi)组数据，其中i＝0，1，……，m‑1，m为电能表运行的总天数；则Y波max＝anxn+an‑1xn‑1+......+a1x1+a0；
即
2
CN 112764457 A
权 利 要 求 书
2/2页
其中，
即可计算出(a0，a1，......，an)。
4.根据权利要求1所述的一种电能表时钟误差故障值的预测方法，其特征在于：由于yi实际值中的时钟波动值的最大值，加入一个修正系数Φ修，以散点实际值为依据进行修偏，修偏后的曲线即为一条以现值为基础的带有整体日增波动特性的曲线；
由于时钟误差值随运行时间的增长而变化，这个变化值即为时钟误差的增值，而将这个值平均到每天就是时钟误差日增值，
日均误差增值：其中，
为本次召测的时钟误差值C2与上一次召测的误差值C1之间的日平均误差；
实际中时钟误差日增值并非为一固定值，而是随运行时间变化的一个波动值，因此实际时钟误差日增值也可定义为前一次时钟误差的日增值加上误差日增值的波动值，即
Φ修为本次已召测时钟误差日增值的波动值与预测误差日增值的波动值之差，
设Y3波为需预测的误差日增值的波动值，则：Y3实际波动值＝Y3波max‑Φ修即：
5.根据权利要求1所述的一种电能表时钟误差故障值的预测方法，其特征在于：当时钟误差实际值大于预测值Ct3时，表明电能表误差已超过普遍时钟故障表计的时钟误差值，判定该表计时钟故障概率极高，且极大可能已无法采取对时方式解决，需要进行换表处理。
3
CN 112764457 A
说 明 书
一种电能表时钟误差故障值的预测方法
1/6页
技术领域
[0001]本发明涉及智能电表故障预测领域，具体的，涉及一种电能表时钟误差故障值的预测方法。
背景技术[0002]用电信息采集系统，根据系统标准时钟对时，采取主站远程对时、终端对时以及现场对时的方式，对表计进行对时纠偏，只有通过多种方式对时后，发现失败无法对时的表计进行换表处理，判定电能表时钟故障需换表的方式单一，无法提前预判，无法定量判断。[0003]目前对于用电信息采集系统，对于电能表时钟误差值仅做到对每次时钟误差记录，仅简单的预测电能表时钟误差类型为“单一变化型”“自我恢复型”“剧烈变化型”“其他”等，仅是一种定性判断方法，而缺少定量判断，对时钟误差故障值变化的分析及误差变化的预测。无法较为有效的预测电能表的时钟误差故障值，判定电能表时钟误差超差需要换表的可能性；故可以看出现有技术缺点：
1、对时钟误差故障值还缺少分析方法；2、对时钟误差故障换表缺少预测作为辅助判断，目前仅记录时钟误差值；3、时钟召测采用全量召测、定期定时模式，占用系统资源多，缺乏针对性；4、目前用电信息采集系统分析仅为静态记录的方式，缺少动态观察分析。发明内容
[0004]本发明的目的是针对以上缺点，本专利提供一种电能表时钟误差故障值的预测方法，根据多项式拟合的方法，采用卡尔曼原理，建立时钟误差故障值预测模型，以此来判定电能表时钟误差故障是否需要换表。[0005]为实现上述技术目的，本发明提供的一种技术方案是，一种电能表时钟误差故障值的预测方法，包括如下步骤：
S1、对测定日期内的用电信息采集系统内的电能表时钟异常工单数据的异常数
据、缺失数据进行修正和补全；
S2、利用卡尔曼滤波原理建立时钟误差值预测函数模型，确定模型函数；S3、采用多项式拟合法确定时钟误差日增波动值最大值Y波max函数公式方程；S4、通过比较钟误差实际值与预测值Ct3，确定处理策略。
[0006]S2中，时钟误差值预测函数模型包括如下步骤：假定根据前3次时钟误差值召测数据，预测下一次的时钟误差值的方法，按照时间顺序标记为0、1、2、3，设第3次的误差值为所求的预测值即Ct3，则时钟误差值预测函数模型公式如下：
4
CN 112764457 A
说 明 书
2/6页
其中,ΔC增为运行时间T2至T3增加的时钟误差值；为运行时间T2时电能表召测
到的时钟误差；ΔT3‑2为T2至T3的运行时间差值(即召测时间差)；差；运行时间T2至T3，
为T2时的日平均误
为误差日增值的日波动值累计之和；Y波max为误差日增值的波动
值的最大值；Φ修为误差日增值的波动值修正系数。[0007]S3中，通过数据处理形成波动最大值的散点分布图，各个散点为每个运行天数中时钟波动值的最大值，利用多项式拟合法确定其特性曲线，并以散点实际值为依据对时钟
形成一条以现值为基础的带有时钟误差日增波动值误差日增波动值最大值Y波max进行修偏，
最大值特性的曲线用以预测；采用最小二乘法对多项式进行n次拟合，具体方式如下：
确定区域坐标，横坐标为电能表运行的天数Xi，纵坐标为电能表时钟在第Xi天时的
波动值的最大值Y波max，则有(xi，yi)组数据，其中i＝0，1，......，m‑1，m为电能表运行的总天数；则Y波max＝anxn+an‑1xn‑1+......+a1x1+a0；
即
其中，
即可计算出(a0，a1，......，an)。
[0008]由于y实际值中的时钟波动值的最大值，加入一个修正系数Φ修，以散点实际值为i依据进行修偏，修偏后的曲线即为一条以现值为基础的带有整体日增波动特性的曲线；
由于时钟误差值随运行时间的增长而变化，这个变化值即为时钟误差的增值，而
将这个值平均到每天就是时钟误差日增值，
日均误差增值：
其中，
为本次召测的时钟误差值C2与上一次召
测的误差值C1之间的日平均误差；
实际中时钟误差日增值并非为一固定值，而是随运行时间变化的一个波动值，因
5
CN 112764457 A
说 明 书
3/6页
此实际时钟误差日增值也可定义为前一次时钟误差的日增值加上误差日增值的波动值，即
Φ修为本次已召测时钟误差日增值的波动值与预测误差日增值的波动值之差，
设Y3波为需预测的误差日增值的波动值，则：Y3实际波动值＝Y3波max‑Φ修即：
当时钟误差实际值大于预测值Ct3时，表明电能表误差已超过普遍时钟故障表计的
时钟误差值，判定该表计时钟故障概率极高，且极大可能已无法采取对时方式解决，需要进行换表处理。
[0010]本发明的有益效果：本发明设计的一种电能表时钟误差故障值的预测方法，基于多项式拟合方法利用卡尔曼滤波原理，描述时钟误差故障电能表的误差值变化，形成一个电能表时钟故障误差值的，通过预测值与实际值比较，用以判断电能表时钟误差超差是否需要换表，通过预测模型判并预测时钟误差值，预测结果准确。附图说明
[0011]图1为本发明一种电能表时钟误差故障值的预测方法的流程图。[0012]图2为电能表时钟误差日增波动值特性曲线图。
[0013]图3为电能表运行天数0‑2100天时钟误差日增波动值特性曲线图。[0014]图4为电能表运行天数2100天以上时钟误差日增波动值特性曲线图。[0015]图5为某台区时钟误差预测值与实际值的特性曲线图。
具体实施方式
[0016]为使本发明的目的、技术方案以及优点更加清楚明白，下面结合附图和实施例对本发明作进一步详细说明，应当理解的是，此处所描述的具体实施方式仅是本发明的一种最佳实施例，仅用以解释本发明，并不限定本发明的保护范围，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0017]实施例：如图1所示，一种电能表时钟误差故障值的预测方法，包括如下步骤：
S1、对测定日期内的用电信息采集系统内的电能表时钟异常工单数据的异常数
据、缺失数据进行修正和补全；
S2、利用卡尔曼滤波原理建立时钟误差值预测函数模型，确定模型函数；时钟误差值预测函数模型包括如下步骤：假定根据前3次时钟误差值召测数据，预
测下一次的时钟误差值的方法，按照时间顺序标记为0、1、2、3，设第3次的误差值为所求的预测值即Ct3，则时钟误差值预测函数模型公式如下：
[0009]
6
CN 112764457 A
说 明 书
4/6页
其中,ΔC增为运行时间T2至T3增加的时钟误差值；为运行时间T2时电能表召测
到的时钟误差；ΔT3‑2为T2至T3的运行时间差值(即召测时间差)；差；运行时间T2至T3，
为T2时的日平均误
为误差日增值的日波动值累计之和；Y波max为误差日增值的波动
值的最大值；Φ修为误差日增值的波动值修正系数。[0018]S4、通过比较钟误差实际值与预测值Ct3，确定处理策略。[0019]S3、采用多项式拟合法确定时钟误差日增波动值最大值Y波max函数公式方程；包括如下步骤：
通过数据处理形成波动最大值的散点分布图，各个散点为每个运行天数中时钟波
动值的最大值，利用多项式拟合法确定其特性曲线，并以散点实际值为依据对时钟误差日增波动值最大值Y波max进行修偏，形成一条以现值为基础的带有时钟误差日增波动值最大值特性的曲线用以预测；采用最小二乘法对多项式进行n次拟合，具体方式如下：
确定区域坐标，横坐标为电能表运行的天数Xi，纵坐标为电能表时钟在第Xi天时的
波动值的最大值Y波max，则有(xi，yi)组数据，其中i＝0，1，......，m‑1，m为电能表运行的总天数；则Y波max＝anxn+an‑1xn‑1+......+a1x1+a0；
即
其中，
即可计算出(a0，a1，......，an)。[0020]如图2所示，电能表时钟误差日增波动值特性曲线图，为更准确的分析波动值最大值的特性，减小多项式过度拟合产生的偏差，对波动值最大值进行分段分析。分段分析利用多项式拟合方法，分段求出波动值最大值(Y)的函数公式特性曲线，确定多项式方程；如图3所示，电能表运行2100天内的时钟误差日增波动值特性曲线图，将数据代入公式：
n‑11
Y波max＝anxn+an‑1x+......+a1x+a0
7
CN 112764457 A
说 明 书
5/6页
当n＝6时，
Y波max＝‑1.5452*10‑15x6+1.11352*10‑11x5‑3.18746*10‑8x4+4.62304*10‑5x3‑
3.5537106*10‑2x2+13.5404946x‑1903.843247
如图4所示，电能表运行2100天以上的时钟误差日增波动值特性曲线图，将数据代
入公式：
Y波max＝anxn+an‑1xn‑1+……+a1x1+a0当n＝5时，
Y波max＝6.28262*10‑11x5‑7.85598*10‑7x4+3.916899*10‑3x3‑9.733006232x2+12052.42623x‑5949158.873通过分析图1、图2以及图4结果可知，时钟故障率与时钟误差日增值在运行天数0‑
2100天成指数增长，但在运行天数0‑500天趋近于0，对0‑500天表计可放宽对时周期，以减小采集系统负荷，而500‑2100天表计可根据指数函数缩减对时周期，从而控制时钟误差。：可见其曲线特性，符合时钟故障概率(或时钟误差日增值)与运行时间分析的曲线特性。在运行时间2100天左右时，其达到最大值，在运行时间500天时其波动值的最大值也有明显突增达到前期的一个峰值。通过曲线特性可以明显得出：
1、运行时间2100天左右，时钟故障概率(或时钟误差日增值)最高，且偏差也最严
重；
2、运行时间500天左右时，虽然定性分析时其故障发生率(或时钟误差日增值)较
低，但时故障概率相对前后时期有明显的突增，其误差值偏差也更为严重。[0021]由于y实际值中的时钟波动值的最大值，加入一个修正系数Φ修，以散点实际值为i依据进行修偏，修偏后的曲线即为一条以现值为基础的带有整体日增波动特性的曲线；
由于时钟误差值随运行时间的增长而变化，这个变化值即为时钟误差的增值，而
将这个值平均到每天就是时钟误差日增值，
日均误差增值：
其中，
为本次召测的时钟误差值C2与上一次召
测的误差值C1之间的日平均误差；
实际中时钟误差日增值并非为一固定值，而是随运行时间变化的一个波动值，因
此实际时钟误差日增值也可定义为前一次时钟误差的日增值加上误差日增值的波动值，即
Φ修为本次已召测时钟误差日增值的波动值与预测误差日增值的波动值之差，
设Y3波为需预测的误差日增值的波动值，则：Y3实际波动值＝Y3波max‑Φ修即：
[0022]
因此，将Φ修和Y波max代入时钟误差值预测函数模型，即可计算出预测值，某台区
2020年8月电能表的4次时钟召测数据为输入，2020年9月时钟召测数据为输出，对模型预测结果进行评价,时钟误差预测值如表1。表1中的数据与实际值进行比较，如图5所示，可以看
8
CN 112764457 A
说 明 书
6/6页
出，采用此方法得到的2020年9月份时钟误差故障预测值相关性强，准确度较高，当时钟误差实际值大于预测值Ct3时，表明电能表误差已超过普遍时钟故障表计的时钟误差值，判定该表计时钟故障概率极高，且极大可能已无法采取对时方式解决，需要进行换表处理。[0023]表1：2020年8月‑2020年9月时钟误差预测值
[0024]
以上所述之具体实施方式为本发明一种电能表时钟误差故障值的预测方法的较佳实施方式，并非以此限定本发明的具体实施范围，本发明的范围包括并不限于本具体实施方式，凡依照本发明之形状、结构所作的等效变化均在本发明的保护范围内。
9
CN 112764457 A
说 明 书 附 图
1/4页
图1
10
CN 112764457 A
说 明 书 附 图
2/4页
图2
11
CN 112764457 A
说 明 书 附 图
3/4页
图3
12
CN 112764457 A
说 明 书 附 图
4/4页
图4
图5
13
因篇幅问题不能全部显示，请点此查看更多更全内容