一种电能表误差在线评价算法的不确定度评估方法与流程

本发明属于电力计量与测量，具体涉及一种电能表误差在线评价算法的不确定度评估方法。

背景技术：

1、在评估电能表误差在线评价算法的性能时，现有方法主要依赖于传统的误差评估指标，如均方根误差(rmse)、平均绝对误差(mae)和平均绝对百分比误差(mape)。其中，均方根误差(rmse)反映了预测值与实际值之间的偏差，但对异常值较为敏感；相比之下，平均绝对误差(mae)弥补了均方根误差在处理异常值方面的缺陷，但仍不能完全反映算法的性能；而平均绝对百分比误差(mape)表示预测值与实际值之间的相对误差，但由于真实值可能为零，会导致评价指标无法反映算法的性能，进而无法计算该评价指标。因此，传统的误差评价指标在算法性能评价中存在一定的局限性，只能对算法进行整体评价，无法确定误差来源，且不能提供算法的不确定性。

2、针对上述问题，一些研究尝试在评价方法中添加其他指标。例如，有些研究中除了使用mape和rmse外，还增加了平均误差(me)作为评估指标，用于评估误差在线估计算法。另一些研究中，使用平均平方误差(mse)对算法进行了评估。在其他一些研究中，则使用了相对误差平方和(rsse)进行评估。在相关文献4中使用漏检率(fnr)、误检率(fpr)和检出率(tpr)作为评价指标。

3、在不确定度评估方面，目前常用的不确定性评估方法主要包括测量不确定度表示指南(guide to the expression of uncertainty in measurement，gum)和蒙特卡罗法。虽然目前不确定度评估方法已经广泛应用于各个领域，但在电能表误差评价算法的不确定度评估方面，仍缺乏深入的研究。电能表误差在线评价算法的模型较为复杂，并非简单的线性模型。该算法涉及对台区中上百块电能表的误差进行计算，这意味着模型需要处理大量的输入量，并且在实际求解过程中可能会引入非线性因素。现有的不确定度评价方法，如gum法和蒙特卡洛法无法处理算法中多变量的复杂关系和实际应用中多重不确定因素的影响，因此，传统的gum法无法直接对该算法进行有效的不确定度评估。

4、此外，电能表误差算法的求解还受到多种因素的影响。例如，用电数据之间的强相关性、噪声、量化误差、线路损耗、环境等因素都会对算法的准确性产生影响。如果采用蒙特卡洛法进行不确定度评估，由于需要对每个影响因素进行大量的仿真模拟实验，这不仅要求大量的计算资源，还需要消耗大量时间。

5、综上，如何克服单纯解析法与蒙特卡洛法分析算法不确定度的局限性，全面分析算法的不确定度，成为亟待解决的技术问题。

技术实现思路

1、本发明的目的在于解决上述现有技术中存在的难题，提供一种电能表误差在线评价算法的不确定度评估方法，有效解决了传统解析法无法进行综合计算的问题，还克服了蒙特卡罗法在各维度综合分析方面的局限性。

2、本发明是通过以下技术方案实现的：

3、本发明的第一个方面，提供了一种电能表误差在线评价算法的不确定度评估方法，所述不确定度评估方法包括：

4、对待评估的电能表误差在线评价算法的线性特性进行验证；

5、针对验证通过的电能表误差在线评价算法，分析电能表误差在线评价算法的不确定性来源，将算法的不确定度分解为多个不确定度分量；

6、对于各个不确定度分量，采用gum方法或蒙特卡罗法进行评估，得到各个不确定度分量的评估结果；

7、基于各个不确定度分量的评估结果，得到电能表误差在线评价算法的不确定度。

8、本发明的进一步改进在于：

9、对待评估的电能表误差在线评价算法的线性特性进行验证，包括：

10、根据低压台区中电能表在线计量系统的拓扑结构，构建初始的零误差数据集，所述零误差数据集包括总表电能数据和每块分表的分表电能数据；

11、基于所述零误差数据集，通过解随总表误差变化的线性实验和解随分表误差变化的线性实验验证所述电能表误差在线评价算法的线性特性。

12、本发明的进一步改进在于：

13、通过解随总表误差变化的线性实验验证所述电能表误差在线评价算法的线性特性，包括以下步骤：

14、步骤s410、随机设置第一增量因子，对所述总表电能数据进行调整；

15、步骤s420、设置第一随机噪声，分别加载到每块分表的分表电能数据和调整后的总表电能数据；

16、步骤s430、通过所述电能表误差在线评价算法求解，并将算法理论值与算法求解到的实际值作差得到第一偏差值；

17、步骤s440、重复步骤s410-步骤s430，并计算得到所述第一偏差值的统计结果；

18、步骤s450、基于所述第一偏差值的统计结果，验证所述电能表误差在线评价算法所求解随总表误差变化的线性特性。

19、本发明的进一步改进在于：

20、通过解随分表误差变化的线性实验验证电能表误差在线评价算法的线性特性，包括：

21、步骤s510、随机设置第二增量因子，对每块分表的分表电能数据进行调整；

22、步骤s520、设置第二随机噪声，分别加载到所述总表电能数据和调整后的每块分表的分表电能数据；

23、步骤s530、通过所述电能表误差在线评价算法求解，将算法理论值与算法求解得到的实际值作差得到每块分表的第二偏差值；

24、步骤s540、重复步骤s510-步骤s530，并计算得到所述第二偏差值的统计结果；

25、步骤s550、基于所述第二偏差值的统计结果，验证电能表误差在线评价算法所求解随分表误差变化的线性特性。

26、本发明的进一步改进在于：

27、多个不确定度分量包括算法的零点不确定度分量、总表的不确定度分量和线损计算的不确定度分量。

28、本发明的进一步改进在于：

29、对于所述零点不确定度分量，采用进行评估，得到算法的零点不确定度。

30、本发明的进一步改进在于：

31、采用进行评估的步骤包括：

32、步骤s310、设置第三随机噪声，分别加载到总表电能数据和每块分表的分表电能数据；

33、步骤s320、通过所述电能表误差在线评价算法求解，得到每块分表的计算误差；

34、步骤s330、重复步骤s310和步骤s320，得到每块分表的多个计算误差，并计算每块分表的多个计算误差的均值和标准差；

35、步骤s340、通过以下公式计算每块分表的不确定度，对每块分表的不确定度进行统计分析，得到算法的零点不确定度：

36、

37、其中，ua表示分表的不确定度，a表示平均值，b表示标准差，max表示取|a+2b|,|a-2b|中的较大数。

38、本发明的进一步改进在于：

39、基于各个不确定度分量的评估结果，得到电能表误差在线评价算法的不确定度，包括：

40、基于各个不确定度分量的评估结果，进行不确定度合成，得到所述电能表误差在线评价算法的合成标准不确定度；

41、基于所述合成标准不确定度得到扩展不确定度。

42、本发明的第二个方面，提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时，使得安装有所述处理器的装置执行如上第一个方面中任一项所述的电能表误差在线评价算法的不确定度评估方法。

43、本发明的第三个方面，提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序运行在计算机上，所述计算机程序在运行时使得所述计算机执行如上第一个方面中的任一项所述的电能表误差在线评价算法的不确定度评估方法。

44、与现有技术相比，本发明的有益效果是：在保证电能表误差在线评价算法具有线性特性的前提下，实验空间可以缩小至极小范围，不仅有效解决了传统解析法无法进行综合计算的问题，还克服了蒙特卡洛法在各维度综合分析方面的局限性，提高了计算效率和可行性。