文献类型：期刊文章

作　　者：代燕杰[1] 董贤光[1] 刘亚骑[2] 梁雅洁[1] 刘潇[3] 齐佳[4] 孙永全[4]

DAI Yan-jie;DONG Xian-guang;LIU Ya-qi;LIANG Ya-jie;LIU Xiao;QI Jia;SUN Yong-quan(State Grid Shandong Electric Power Company Marketing Service Center(Metering Center),Jinan 250000,China;Jinan Power Supply Company of State Grid Shandong Electric Power Company,Jinan 250000,China;Shandong Zhongshi Yitong Group Co.,Ltd,250000,China;The Higher Educational Key Laboratory for Measuring&Control Technology and Instrumentation of Heilongjiang Province,Harbin University of Science and Technology,Harbin 150080,China)

机构地区：[1]国网山东省电力公司营销服务中心(计量中心),济南250000 [2]国网山东省电力公司济南供电公司,济南250000 [3]山东中实易通集团有限公司,济南250000 [4]哈尔滨理工大学测控技术与仪器黑龙江省高校重点实验室,哈尔滨150080

出　　处：《哈尔滨理工大学学报》

基　　金：国家自然科学基金(61179024);国网山东省电力公司科技项目(520626200022).

年　　份：2022

卷　　号：27

期　　号：5

起止页码：97-105

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、DOAJ、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了探究现场多维影响工况下在网电能表的计量性能,并映射其在标准实验室条件下的计量误差,提出一种基于大数据分析技术的现场服役电能表计量误差估计方法,结合现场运行的环境数据和电因素数据实现在线计量误差估计。首先,通过优化聚类评价指标实现K-Means聚类算法的改进,并对现场环境数据进行聚类分析;然后,采用LM算法优化基于BP神经网络的数据训练方法,结合负载电流、功率因数等数据,构建电能表电能误差与环境温度、湿度和负载电流、功率因数四种应力的映射关系;最后,在获取电能表现场电能误差数据的基础上,开展工程应用实例计算。结果表明,利用所提方法可对电能表的计量误差进行划分,验证了所提方法的准确性。

关 键 词：智能电能表 电能误差  温度  功率因数 BP神经网络

分 类 号：TM933.4] TB971]