(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211466208.3 (22)申请日 2022.11.22 (71)申请人 武汉格蓝若智能技 术股份有限公司 地址 430000 湖北省武汉市东湖新 技术开 发区光谷大道303号光谷 ·芯中心2- 07栋1803-1805室 (72)发明人 代洁　张荣霞　杨文锋　何质质　 任波　陈应林　陈勉舟　 (74)专利代理 机构 武汉蓝宝石专利代理事务所 (特殊普通 合伙) 42242 专利代理师 万畅 (51)Int.Cl. G01R 35/04(2006.01) G06K 9/62(2022.01) G06F 17/16(2006.01)G06F 17/18(2006.01) (54)发明名称 一种基于 KL-NB算法的电能表 运行状态在线 评估方法 (57)摘要 本发明涉及一种基于KL ‑NB算法的电能表运 行状态在线评估 方法， 包括： 对采集到的电压、 电 流互感器二次电参量数据采用误差在线评估算 法， 得到电压互感器误差估计值 和电流互感 器误差估计值 ； 基于 和 ， 计算得到各个电 能表的真实供电量与示值电量之间的第一计量 误差； 基于变电站总表供电数据及能量守恒定律 计算得到 各个电能表第二计量误差； 以电能表第 一计量误差和第二计量误差作为特征参量， 采用 KL‑NB分类算法构建电能表状态评估模型， 对待 测电能表进行状态评估； 采用了电压、 电流互感 器误差数据及变电站总表数据， 评估了电能表计 量误差； 以电能表计量误差为特征参量， 采用改 进的贝叶斯 算法实现了电能表状态的准确评估。 权利要求书3页 说明书10页 附图1页 CN 115508770 A 2022.12.23 CN 115508770 A 1.一种基于KL ‑NB算法的电能表运行状态在线评估方法， 其特征在于， 所述在线评估方 法包括： 步骤1， 对采集到的电压、 电流互感器二次电参量数据采用误差在线评估算法， 得到电 压互感器误差估计值 和电流互感器误差估计值 ； 步骤2， 基于所述电压互感器误差估计值 和电流互感器误差估计值 ， 得到各支路的 近似供电 电压及电流 值， 计算出 各支路的近似供电量； 步骤3， 基于特勒根定律构建各支路的所述近似供电量与真实供电量之间的评估模型， 求解所述评估模型的校准系数后， 计算得到各个电能表的真实供电量与示值电量之 间的第 一计量误差； 步骤4， 基于变电站总表供电数据及能量守恒定律计算得到各个电能表第二计量 误差； 步骤5， 以电能表所述第一计量误差和第二计量误差作为特征参量， 采用KL ‑NB分类算 法构建电能表状态评估 模型； 基于所述电能表状态评估 模型， 对待测电能表进行状态评估。 2.根据权利要求1所述的在线评估方法， 其特 征在于， 所述 步骤2包括： 支路i近似供电 电压： ；    （1‑1） 支路i近似供电 电流： ；      （1‑2） 其中， 和 分别为支路i的测量电压和电流， 和 分别为支路i的电压和电流互 感器的额定变比； 支路i在[t1,t 2]时间段内的输出的近似供电 电量为：               （1‑3） 其中， 为功率因素， 为支路i的电压、 电流相位差 。 3.根据权利要求1所述的在线评估方法， 其特 征在于， 所述 步骤3中 构建的所述评估 模型为：           （1‑4） 其中， 表示支路b的校准系数， 表示[t1,t2]时间段内支路b第N次采样的近似供电 量。 4.根据权利要求3所述的在线评估方法， 其特征在于， 所述步骤3中采用神经网络得到 所述评估 模型的校准系数的过程包括： 步骤301， 根据 各支路供电电路数据的数据扰动程度和对应的系数矩阵条件数， 选出标 准参考支路； 步骤302， 基于所述标准 参考支路的供电量 求解所述校准系数。 5.根据权利要求 4所述的在线评估方法， 其特 征在于， 所述 步骤301包括： 步骤30101， 对各支路的电能量数据进行清洗， 得到各支路不同时间段的分时电量数 据；权　利　要　求　书 1/3 页 2 CN 115508770 A 2步骤30102， 计算每条线路分时电量数据的数据扰动为：           （1‑5） 其中， 代表支路i的分时电量数据序列， 为序列的标准差， 为序列 的均值绝对值； 步骤30103， 轮流剔除每条支路， 将剩余支路的分时电量数据记作矩阵A， 并计算该矩阵 的条件数：       （1‑6） 其中， 为矩阵A的范 数； 步骤30104， 根据所述步骤30102的计算结果选择所述数据扰动最低的50%的支路， 并从 其中选出对应的co nd(A)最低时对应的支路作为所述标准 参考支路。 6.根据权利要求 4所述的在线评估方法， 其特 征在于， 所述 步骤302包括： 步骤30201， 将所述评估 模型变形为：              （1‑7） 其中， ， ， ， R为标准 参考支路的供电量； 步骤30202， 采用神经网络模型， 计算出校准系数K值， 计算得到支路i在[t1,t2]时间内 的真实供电量 。 7.根据权利要求3所述的在线评估方法， 其特征在于， 所述步骤3中所述第一计量误差 为：    （1‑8） 其中， 为支路i上的电能表的示 值电量， 为支路i的真实供电量。 8.根据权利要求1所述的在线评估方法， 其特 征在于， 所述 步骤4包括： 步骤401， 基于能量守恒原理得到：      （1‑9） 其中， ， ， ； 其中， G表示系统中的能量损失； J为同一类别下的电能表 数量； 表示第J台电能表第N 次采样的示 值电量； 为所述变电站总表第1次采样的示 值电量； 步骤402， 采用神经网络算法计算得到A和G， 进而得到所述电能表第二计量误差为： 。权　利　要　求　书 2/3 页 3 CN 115508770 A 3