作者：陈昊1, 杜新纲2, 葛得辉2, 于海波1
作者单位：1. 中国电力科学研究院有限公司，北京 100192;
2. 国家电网有限公司，北京 100031
关键词：电能表;误差估计;期望最大化算法;失准模型
摘要：
根据能量守恒原理，电能表的计量误差可以通过一种线性模型来估计。该文提出一种基于期望最大化（expectation-maximization，EM）算法的新型误差估计方法，用于评估在运行电能表的误差程度。该方法将电能表误差模型中存在的大量无法观测到的变量作为隐变量对待，并根据最大似然估计（maximum likelihood estimation，MLE）法则，以迭代计算的方式对误差模型中的各种变量进行估计，能有效地对真实环境中存在的各种噪声进行模拟。在实验室仿真数据与工程中的真实数据上的实验结果都表明，该方法对小超差电能表计量误差的估计能达到较高精度，具有工程上的实用性和经济价值。
A novel error estimation methodology for power meters based on the expectation-maximization algorithm
CHEN Hao1, DU Xingang2, GE Dehui2, YU Haibo1
1. China Electric Power Research Institute Co., Ltd., Beijing 100192, China;
2. State Grid Corporation of China Co., Ltd., Beijing 100031, China
Abstract: According to the law of conservation of energy, the measurement errors of power meters satisfy a set of equations and can be solved using a linear model. This article proposes a new approach to estimate errors of running power meters based on the expectation-maximization (EM) algorithm. This approach regards many unobservable variables and parameters in the line loss model of power meters as latent variables, then use an iterative procedure to approximately calculate the measurement errors using the maximum likelihood estimation (MLE) methodology. Various noise components in real environment can be modeled efficiently in this approach. Experimental results on both synthetic data and real-world data show that this method can achieve relatively high accuracy levels in error estimation, especially for power meters with small over-tolerance errors which are difficult by other traditional algorithms. Engineering practicability and potentially significant economic value are demonstrated.
Keywords: power meters;error estimation;expectation-maximization algorithm;loss model
2023, 49(3):47-52 收稿日期: 2022-11-14;收到修改稿日期: 2023-01-11
基金项目: 国家电网公司科技项目（5700-202227226A-1-1-ZN）
作者简介: 陈昊(1984-),男,浙江宁波市人,高级工程师,博士,研究方向为电能计量与电力大数据
参考文献
[1] 杨春波, 凌松. 基于大数据框架的智能电网分析和可视化应用[J]. 电子器件, 2020, 43(5): 1004-1009
[2] 保富, 黄祖源. 基于流计算的大客户用能智能分析方法[J]. 电力系统保护与控制, 2021, 49(11): 148-154
[3] 郑小平, 韩潇俊, 徐勇, 等. 基于运行电能表误差自监测技术研究[J]. 电测与仪表, 2022, 59(8): 187-195
[4] LIU F X, LIANG C B, HE Q. Remote malfunctional smart meter detection in edge computing environment[J]. IEEE Access, 2020, 8: 67436-67443
[5] 孔祥玉, 马玉莹, 李野, 等. 基于限定记忆递推最小二乘算法的智能电表运行误差远程估计[J]. 中国电机工程学报, 2020, 40(7): 2143-2151
[6] 李宁, 张伟, 郭泽林, 等. 基于多分类机器学习模型的智能电表故障预测[J]. 电器与能效管理技术, 2022(2): 6-11
[7] 姚致清, 王朋飞, 陈光华, 等. 电力系统合并单元测试仪测量误差检测校准装置研制及性能分析[J]. 电力系统保护与控制, 2022, 50(2): 119-126
[8] 陈昊, 乔亚男, 刘婧, 等. 考虑模型病态性的智能电表运行误差分析方法[J]. 电力建设, 2020, 41(2): 94-100
[9] 薛世伟, 贾清泉, 张珂欣, 等. 用电数据驱动的低压配电网负荷随机建模及不平衡评估[J]. 电力系统自动化, 2022, 46(8): 143-153
[10] 陈聿, 田博今, 彭云竹, 等. 联合手肘法和期望最大化的高斯混合聚类电力系统客户分群算法[J]. 计算机应用, 2020, 40(11): 3217-3223
[11] 刘芝秀, 吕凤姣, 李运通. 隐变量对EM算法的影响[J]. 安徽师范大学学报(自然科学版), 2022, 45(3): 221-226
[12] 段俊峰, 李宁, 唐求, 等. 基于CK-GPR的多应力环境智能电表剩余寿命预测[J]. 仪器仪表学报, 2021, 42(4): 102-110
[13] 马俊, 滕召胜, 唐求, 等. 基于OGA-KSVR的电能计量设备测量误差预测[J]. 仪器仪表学报, 2021, 42(6): 132-139
[14] 刘钊瑞, 高云鹏, 郭建波, 等. 基于深度自编码器高斯混合模型的窃电行为检测[J]. 电力系统保护与控制, 2022, 50(18): 92-102
[15] 张敏, 黄静, 唐阳, 等. 考虑线损电量优化分布的配电网线路最优组合模型[J]. 重庆大学学报(自然科学版), 2022, 45(1): 18-24
[16] 黄银燕, 于超, 黄文新, 等. 基于传感器网络与高斯过程回归的楼宇负荷预测[J]. 现代电力, 2021, 38(6): 664-673
[17] 何宁辉, 朱洪波, 李秀广, 等. 基于贝叶斯网络和假设检验的变压器故障诊断[J]. 电力科学与技术学报, 2021, 36(6): 20-27
[18] 杨芾藜, 侯兴哲. 一种基于安装式标准电能表的智能电能表误差在线检测比对方法研究[J]. 电测与仪表, 2022, 59(3): 181-186
[19] 张文嘉, 江小昆, 王妲, 等. 基于误差在线自诊断技术的智能电表设计[J]. 自动化仪表, 2020, 41(4): 16-22
[20] 徐明昕, 赵健, 王小宇, 等. 基于电压聚类和关联卷积的配电网户变关系识别方法[J]. 电力系统保护与控制, 2022, 50(4): 92-102
[21] 李佳玮, 吴克河, 张波. 基于高斯混合聚类的电力工控系统异常检测研究[J]. 信息网络安全, 2021(3): 53-63
[22] 滕永兴, 曹国瑞, 杨霖, 等. 基于混合威布尔分布的电能表寿命预测研究[J]. 电气传动, 2021, 51(1): 61-66
[23] 刘岩, 李文文, 周丽霞, 等. 基于高斯混合模型的光伏发电出力中高比例异常数据检测方法研究[J]. 电测与仪表, 2021, 58(9): 14-21
[24] 夏筱筠, 张笑东, 王帅, 等. 一种半监督机器学习的EM算法改进方法[J]. 小型微型计算机系统, 2020, 41(2): 230-235
