一种基于电网线路运行误差远程校准的精益线损分析与管控方法

摘要

本发明涉及一种基于电网线路运行误差远程校准的精益线损分析与管控方法，⑴划分检测分区；⑵每个检测分区区内安装2‑3台可拆卸的单相电能表作为误差检测的误差标准器，用这些误差标准器的已知误差修正误差计算结果的整体数据偏移；⑶获取检测分区的全部电能数据，并将数据代入电能数据误差计算模型；⑷溯源到标准电流、电压互感器和标准电能表上去，检验计算结果准确性；⑸根据线损计算结果，对具体检测分区进行管控。本发明利用电能数据的大数据计算分析，在不停电的情况下，快速完成全电网所有电能数据的误差检测，实现基于电网线路运行误差远程校准的精益线损分析与管控方法。

说明书

技术领域

本发明属于电能计量领域，尤其是一种基于电网线路运行误差远程校准的精益线损分析与管控方法。

背景技术

目前，通用的“电能表+互感器”的结构，决定了电能计量装置存在一个误差不可测的“死结”：电能表误差是标量，电流电压互感器误差是比差和角差合成的矢量。由于矢量和标量之间无法做运算。电能计量装置的误差不可能通过分别检测电能表和互感器误差的方法得到。而且，家用电能表数量巨大，检验工作量过大，检测必须停电一起构成了电能计量装置的误差不能检测的重大难题，而线损、变损检测也就成为了无法实测的技术难题。

经过检索，未发现相近技术的已公开专利文献。

发明内容

本发明的目的在于克服现有技术的不足之处，提供一种基于电网线路运行误差远程校准的精益线损分析与管控方法。

本发明解决其技术问题是采取以下技术方案实现的：

一种基于电网线路运行误差远程校准的精益线损分析与管控方法，其特征在于：利用能源互联网将电网中心处理系统连接全网电能计量装置，利用大数据系统处理电能数据，具体步骤为：

⑴划分检测分区，以小区为单位检测和监测居民家庭电能表，门栋又是小区计算的下一级单元；

⑵每个检测分区区内安装2-3台可拆卸的单相电能表作为误差检测的误差标准器，用这些误差标准器的已知误差修正误差计算结果的整体数据偏移；

⑶获取检测分区的全部电能数据，并将数据代入电能数据误差计算模型，计算出作为虚拟支路的线损值；

⑷完成数据采集后，将检测分区区安装2-3台可拆卸的单相电能表拆回实验室，溯源到标准电流、电压互感器和标准电能表上去，检验计算结果准确性；

⑸根据线损计算结果，对具体检测分区进行管控。

而且，电能数据误差计算模型的具体计算步骤为：

①智能电能表集群安装形成树形拓扑结构，能够远程获取该智能电能表集群中的总表及各分表流量数据；

②根据智能电能表集群形成的树形拓扑结构，获得该智能电能表集群的流量守恒算法模型；

③引入虚拟支路修正智能电能表集群拓扑模型，对流量守恒算法模型进行修正；

④计算相对误差，获取多组智能电能表集群的日增量数据，将获取到的智能电能表集群的日增流量数据代入修正后的流量守恒算法模型，计算误差；

⑤对计算结果进行修正及不确定度评价；

⑥得出误差计算结果。

而且，所述流量守恒算法模型为：Yε＝-η，其中，

y_i为仪表M₁～M_n-1第i次测量的结果向量，

ε＝(ε₁>2 …>n-1)^T，η＝(y_1,0ε₀>2,0ε₀ …>m,0ε₀)^T；

输入任一仪表的相对误差δ₀，则有可能通过所有仪表的多组测量结果推算出其他各仪表的相对误差δ_j,j＝1,2,…,n-1。

而且，所述虚拟支路代替线路耗损的耗损值之和，该虚拟支路包括虚拟智能电能表和虚拟负载。

而且，所述虚拟支路的流出为集群总表M₀的读数增量减去各个分表M_j(j＝1,…,n)的和，并将这个值乘以一个由经验值判定的损耗系数；加入虚拟支路后，修正后的流量守恒算法模型为α为修正经验。

而且，所述修正后的流量守恒算法模型的求解方法为：

获取m＝n-1次的智能电能表集群的日增量数据，代入流量守恒算法模型：

Yε＝-η，其中，

其中y_i为第i次测量结果向量；

ε＝(ε₁>2 …>n-1)^T；η＝(y_1,0ε₀-α(y_1,0x_1,n)>2,0ε₀-α(y_2,0x_2,n) …>n-1,0ε₀-α(y_1,0x_n-1,n))^T；

为求解方程组，将矩阵Y做LU分解Y＝LU，令z＝Uε，得到方程组Lz＝-η，由于L为下三角阵，易解出z；又因为U为上三角阵，易解出ε，进而得到相对误差δ_j。

而且，所述步骤⑷获取多组智能电能表集群的日增量数据，在计算之前，需要对数据的合理性、完整性进行检验，并对计量数据库进行数据预处理，筛选出独立性较强的数据。

而且，所述数据预处理的方法的步骤依次为：实时性检验，数据完整性检查，数据集成，缺项处理，数据分析发现异常数据以及正交性检验。

而且，所述不确定度评价的计算方法：在给定的初始经验值α＝0的情况下，计算电能表集群误差情况，若该计算结果满足可信度要求，即计算的超差的电能表数量小于规定范围内，则该算法结束；否则向上调整α的值区间，返回算法求解。

本发明的优点和积极效果是：

1、本方法在一套新的电能计量理论之上，它是一种数学方法，通过检测“电能数据误差”测量电能计量装置的“真实误差”。这个特点解决了“电力自动化设备”计量功能实用性差的技术痛点。

2、本方法通过计算分析电能数据，获得电能数据误差。这个特点可以解决电能计量装置误差检测必须停电的技术痛点问题。

3、本方法是大数据和机器学习技术在电能计量技术领域中的应用。计算的过程也就是机器学习的过程。计算的次数越多，计算结果就会越准确。

4、本方法量值传递路径：系统中至少有一个电能数据的误差是真实可信的。用这个方法解决“电能表+互感器”结构的误差不可测问题。

5、本方法一次可以检测一个电网的全部电能计量装置的误差，可以大大提升工作效率。这个也点可以解开“数量过大无法检测电能表”的痛点，从而解决家用电能表数量太大不可现场检验的痛点问题。第V类电能表轮换制度将会被新技术替代掉，家用电能表轮换的巨大浪费将被避免。

6、本发明利用电能数据的大数据计算分析，在不停电的情况下，快速完成全电网所有电能数据的误差检测，实现基于电网线路运行误差远程校准的精益线损分析与管控方法。

附图说明

图1为本发明流程示意图；

图2为树形拓扑下智能电能表集群示意图；

图3为引入虚拟支路的电能表集群示意图；

图4为测量可靠性R(t)变化示意图；

图5为电能表及电网现场模拟运行工作框图；

图6为负载模拟单元工作原理框图；

图7为PWM整流升压电路；

图8为电阻放电电路。

具体实施方式

下面结合附图并通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。

一种基于电网线路运行误差远程校准的精益线损分析与管控方法，利用能源互联网将电网中心处理系统连接全网电能计量装置，利用大数据系统处理电能数据，目标是用无误差电能数据建立一个“虚拟现实”电网——所有配送、损耗、使用的电能的数据都是精准无误差的。

⑴划分检测分区，在电网中心处理系统构建虚拟智能电能表集群树形拓扑结构；

以小区为单位检测和监测居民家庭电能表，比较便于管理和计算，门栋又是小区计算的下一级单元。

⑵每个检测分区区安装2-3台可拆卸的单相电能表作为误差检测的误差标准器，用这些误差标准器的已知误差修正误差计算结果的整体数据偏移；

作为标准误差器具的单相电能表，安装在小区的非居民用电线路上(例如公共照明)，必要时，临时安装运行几小时，它作为标准量值传递标准使用，小区居民家庭电能表误差检测体系通过传递标准溯源到供电公司校表台。

电网电能计量装置误差检测受误差标准器影响较大。误差检测过程中，使用高精度的高压电能表的校验误差稳定性好的传统电能计量装置，提升后者的电能数据精度，作为“误标准电能数据”使用，对电网电能计量误差检测很有帮助。

⑶获取检测分区的全部电能数据，并将数据代入电能数据误差计算模型，计算出作为虚拟支路的线损值；

线损与全电流平方成正比，线损计算，可以根据输电线路两端的电能计量装置的、经过误差补偿了的电能数据相减得出的结果，使用相关的功率因数修正后得到；

⑷完成数据采集后，将检测分区区安装2-3台可拆卸的单相电能表拆回实验室，溯源到标准电流、电压互感器和标准电能表上去，检验计算结果准确性；

⑸根据线损计算结果，对具体检测分区进行管控。

传统技术下有一个线损测量的认识误区，认为电力系统自动化设备(例如综自、DTU等) 测量得到的电能数据是不能拿来检测线损的。但是经过实验验证，采用本方法远程在线校验自动化设备电能数据误差时，用它们来计算线损，可以改善和提升存量设备价值。

电能数据误差计算模型的具体构建步骤为：

①智能电能表集群安装形成树形拓扑结构，能够远程获取该智能电能表集群中的总表及各分表流量数据；

②根据智能电能表集群形成的树形拓扑结构，获得该智能电能表集群的流量守恒算法模型；

③引入虚拟支路修正智能电能表集群拓扑模型，对流量守恒算法模型进行修正；

④计算相对误差，获取多组智能电能表集群的日增量数据，将获取到的智能电能表集群的日增流量数据代入修正后的流量守恒算法模型，计算误差；

⑤对计算结果进行修正及不确定度评价；

⑥得出误差计算结果。

本实施例主要以智能电表为例，说明本方法的实现步骤：本方法依靠日冻结电量，通过算法计算电能表误差，实现对电能表误差的实时远程监控。利用电能表采集系统抄表数据对电能表进行远程校准。

类智能电能表后形成的集群具有树形拓扑,因此在流量守恒约定下，同一时段内总表的实际流量增量等于各分表的实际流量增量之和。由于实际流量增量可以读数增量与相对误差表示，因此可以得到一个包含所有仪表读数增量与相对误差的方程。如果已知集群中任意一个仪表的相对误差而将其他仪表的相对误差作为未知量，并且注意到通过增加测量时段可以使方程达到或超过未知数的数量，那么可以通过求解方程组确定其他个仪表的相对误差。该自主式算法通过集群内部仪表相互比对计算误差，无需借助外部标准仪器。

当树形拓扑流管存在泄漏时，必须对方程组进行修正。在电能计量中，泄漏表现为线路漏电、电阻损耗以及电表功耗。在本方法中，损耗被视为虚拟支路的负载，并引入虚拟电能表。利用智能电能表的电参数测量功能，确定损耗修正项。给出修正后的算法流程以及仿真结果。

本方法具体分解过程如下：

为了便于清楚描述本方法，首先给出如下定义：

流：流入或流出某一封闭曲面S的标量(图2箭头所示)。流入为正，流出为负。对流做如下约定：流不会堆积且任何时刻都遵守守恒定律。即穿过任意封闭曲面S的流代数和等于零。流以从0开始的整数标记。

广义流量：简称流量，流对时间的积分。由流守恒可以推出流量守恒。即任意时间段内，穿过封闭曲面S的流量增量代数和等于零。

智能电能表：简称流量仪表或流量计(图2中M₀～M₄)，记录对应流的瞬时流量。流量计以M_j标记，j为对应流的编号。

集群：穿过某一封闭曲面S的所有流所对应的流量仪表的集合。

抄表：获取某一时刻集群内所有仪表的读数。逻辑上，抄表动作应返回各仪表相同时刻的读数。但实际上，若各仪表读数返回的时间间隔足够短，则可认为是相同时刻。

测量：一次测量是对集群间隔一段时间的两次抄表，其结果是前后两次读数的增量。

一、理想情况下的流量守恒：

相对误差δ：

其中x为通过某仪表的流量在一个时间段内的实际增量，y为同一时间段内该仪表读数的增量。

某封闭曲面S定义流量仪表集群A_S＝{M_j|流j穿过封闭曲面S}，集群中流量仪表的个数>S＝n。设流量计M_j第i次测量结果为y_ij，与之对应的实际值为x_ij。其中i＝1,2,…,m，m为测量次数。根据流量守恒约定有

若δ_j表示流量计M_j的相对误差，则由定义节相对误差的定义可以得到将其代入(2)式，有成立。不失一般性，假定δ₀已知，则有

令

代入(3)式有

(5)式可写成矩阵形式

Yε＝-η(6)

其中

y_i为仪表M₁～M_n-1第i次测量的结果向量。

ε＝(ε₁>2 …>n-1)^T，η＝(y_1,0ε₀>2,0ε₀ …>m,0ε₀)^T。

(6)式表明，若已知集群内某一仪表的相对误差δ₀，则可以通过所有仪表的多组测量结果推算出其他各仪表的相对误差δ_j,j＝1,2,…,n-1。

方程组的求解

能够测量电流的集群

测量次数m不应小于n-1，否则(13)式为不定方程组；当m大于n-1时，应删除冗余方程。下文论述中假定m＝n-1。将(13)式写成矩阵形式

Yε＝-η(7)

其中y_i为第i次测量结果向量；ε＝(ε₁>2…>n-1)^T；η＝(y_1,0ε₀-α(y_1,0x_1,n)>2,0ε₀-α(y_2,0x_2,n) …>n-1,0ε₀-α(y_1,0x_n-1,n))^T。

为求解(14)式方程组，将矩阵Y做LU分解Y＝LU，令z＝Uε，得到方程组Lz＝-η，由于L 为下三角阵，易解出z；又因为U为上三角阵，易解出ε，进而得到相对误差δ_j。

电能表误差的远程校准是使用用采数据对电能表误差进行计算的，因此对于数据的要求较高，被测量表计的测量结果准确性严重影响了计算结果，因而一个完整、合理的数据筛选与预处理十分必要。该步骤通过填补遗漏数据、消除异常数据、平滑噪声数据，以及纠正不一致数据，去掉数据中的噪音、填充空值、丢失值和处理不一致数据。如图所示，首先我们需要获取整个树形结构系统中所有表计的测量结果，在一起测量具有不确定性的情况下，我们可以尽量多的获取数据，以保证在合理的计算误差下结果的准确性和完备性要求。

实时性检查：我们检查同一组表计抄表值是否在同一时间点抄读的。若不满足此要求，数据无法使用。

数据集成：数据集成是在原有抄表数据的基础上，将电能表抄表数据添加到该表计历史抄表数据中。

完整性检查和缺失值处理：首先我们需要对数据进行完整性检查。完整性检查的主要工作为缺失值处理。对于缺失值处理，传统的方法有直接删除，或利用平均值、中值、分位数、众数、随机值等替代。这样做效果一般，因为等于人对数据进行了修改。我们采用的方法通过历史误差和其他误差量做预测模型来算出缺失值，计算缺失值后添加到算法中进行二次验证，判断缺失值的情况是否可以满足缺失要求。具体的来说，若一组数据中缺失值较多，缺失量过大，我们会直接将该数据舍弃掉，因为如果引入会产生较大噪声，对结果造成不良影响。按照经验值判断，如果缺失值多于10％，我们更倾向于等待更多抄表数据。若能满足要求，我们首先将缺失采集数据电能表读数添加到虚拟支路的用电量中，使用原模型计算电能表误差情况。若数据添加至虚拟支路更新后计算结果保持在合理范围之内，我们再根据该台区平均线损经验占比，从虚拟支路的电量中扣除线损对数据进行填充。填充后，利用填充的表格重新计算误差情况，若满足两次其他表计变化不大且缺失表计与历史计算值偏差不大的条件，我们视为其结果填充正确。不失一般性，我们将缺失值电能表作为表1，在测量次数m不小于n-1的情况下，将(7)式写成矩阵形式

Yε＝-η'(8)

其中y_i为第i次测量结果向量；ε＝(ε₂>3>n-1)^T；η'＝η-y_·1＝(y_1,0ε₀-α(y_1,0x_1,n)-y₁₁>2,0ε₀-α(y_2,0x_2,n)-y₁₂ …>n-1,0ε₀-α(y_1,0x_n-1,n)-y_1n)^T。由上文所述，同理方程(15)可解。若ε＝(ε₂>3 …>n-1)^T满足所述要求，那么方程合理，根据虚拟支路值恢复该结果。

数据分析(借助可视化工具)发现异常数据：将电能表每日抄表数据作为一个向量，那么多次抄读可以组成一个向量组。在多维数据分析技术中，通过将各个向量可视化表示，从中找出异常变动的特殊向量。使用CrystalAnalysis的可视化工具方法，可以发现特殊离群点值，对此点值做特殊分析，进一步增强数据监控，优化核心数据。另外，利用聚类算法将该向量聚类分析，作为在可视化表示发现异常数据基础上的一种特殊发现方法。

正交性检验：误差分析算法要求方程组各方程间具有弱相关性，否则方程组呈病态导致计算结果误差超出可接受范围。在满足足够的要求时方程才可计算。

二、添加虚拟支路计算损耗：

实际的电能表集群存在损耗(电能表损耗、漏电损耗、线路电阻损耗等)，我们引入虚拟支路的概念，代替问题中以线路损耗为主题的损耗值之和。该支路包括虚拟电能表和虚拟负载。集群总损耗可等效为虚拟负载的能耗。在图3中，假想的封闭曲面S定义了一个电能表集群，电能表以符号M_j(j＝0,1,…,n)表示。M_n为虚拟电能表。约定流入S的能量为正，流出为负。

设在第i个测量时段T_i内流过M_j的电能为x_i,j(i＝1,2,…,m，为标识每个测量时段的序号；>

通常认为第i个测量时段内，M_j的读数增量y_i,j与x_i,j具有如下关系。

y_i,j＝(1+δ_j)x_i,j(10)

(10)式中，δ_j为M_j的(平均)相对误差。若令

则(11)式可化为

不失一般性，假定已知M₀的相对误差δ₀，从而可知ε₀。规定虚拟电能表M_n的相对误差δ_n＝0，从而有ε_n＝1及x_i,n＝y_i,n成立。因此(2-22)式化为

三、虚拟支路中损耗的表达

(13)式中左边第三项x_i,n表示测量时段T_i内虚拟负载的能耗(集群总的损耗)，(17)>0，则有可能通过多组测量结果y_i,j推算出其他所有电能表的ε_j，进而得到相对误差δ_j(j＝1,2,…,n-1)。在实际计算中，虚拟支路的流出为集群总表M₀的读数增量减去各个分表M_j(j＝1,…,n)的和，并将这个值乘以一个由经验值判定的损耗系数。该损耗系数作为电能表集群的能量损耗，依靠下文中所述循环迭代方法求得。对此，加入虚拟支路后，方程相应变化为α为修正经验，是一定范围内的随机值。数据筛选：

本方法首先需要从用电信息采集系统中获取电能表相关抄表数据，通过填补遗漏数据、消除异常数据、平滑噪声数据，以及纠正不一致数据，去掉数据中的噪音、填充空值、丢失值和处理不一致数据，从而获得有效数据。

首先我们需要获取整个树形结构系统中所有表计的测量结果，在一起测量具有不确定性的情况下，我们可以尽量多的获取数据，以保证在合理的计算误差下结果的准确性和完备性要求。数据量最小应不小于电表数量加一。数据筛选有如下步骤：1.实时性检查。2.完整性检查和缺失值处理。3.可视化方法发现异常数据4.正交性检验

实时性检查：我们检查同一组表计抄表值是否在同一时间点抄读的。若不满足此要求，数据无法使用。

数据集成：数据集成是在原有抄表数据的基础上，将电能表抄表数据添加到该表计历史抄表数据中。

完整性检查和缺失值处理：首先我们需要对数据进行完整性检查。完整性检查的主要工作为缺失值处理。对于缺失值处理，传统的方法有直接删除，或利用平均值、中值、分位数、众数、随机值等替代。这样做效果一般，因为等于人对数据进行了修改。我们采用的方法通过历史误差和其他误差量做预测模型来算出缺失值，计算缺失值后添加到算法中进行二次验证，判断缺失值的情况是否可以满足缺失要求。具体的来说，若一组数据中缺失值较多，缺失量过大，我们会直接将该数据舍弃掉，因为如果引入会产生较大噪声，对结果造成不良影响。按照经验值判断，如果缺失值多于10％，我们更倾向于等待更多抄表数据。若能满足要求，我们首先将缺失采集数据电能表读数添加到虚拟支路的用电量中，使用原模型计算电能表误差情况。若数据添加至虚拟支路更新后计算结果保持在合理范围之内，我们再根据该台区平均线损经验占比，从虚拟支路的电量中扣除线损对数据进行填充。填充后，利用填充的表格重新计算误差情况，若满足两次其他表计变化不大且缺失表计与历史计算值偏差不大的条件，我们视为其结果填充正确。不失一般性，我们将缺失值电能表作为表1，在测量次数m 不小于n-1的情况下，将(14)式写成矩阵形式

Yε＝-η'(15)

其中y_i为第i次测量结果向量；ε＝(ε₂>3>n-1)^T；η'＝η-y_·1＝(y_1,0ε₀-α(y_1,0x_1,n)-y₁₁>2,0ε₀-α(y_2,0x_2,n)-y₁₂ …>n-1,0ε₀-α(y_1,0x_n-1,n)-y_1n)^T。由上文所述，同理方程(15)可解。若ε＝(ε₂>3 …>n-1)^T满足所述要求，那么方程合理，根据虚拟支路值恢复该结果。

数据分析(借助可视化工具)发现异常数据：将电能表每日抄表数据作为一个向量，那么多组抄读可以组成一个向量组。在多维数据分析技术中，通过将各个向量可视化表示，从中找出异常变动的特殊向量。使用CrystalAnalysis的可视化工具方法，可以发现特殊离群点值，对此点值做特殊分析，进一步增强数据监控，优化核心数据。另外，利用聚类算法将该向量聚类分析，作为在可视化表示发现异常数据基础上的一种特殊发现方法。

正交性检验：误差分析算法要求方程组各方程间具有弱相关性，否则方程组呈病态导致计算结果误差超出可接受范围。在满足足够的要求时方程才可计算。

计算方法：基于测量不确定度的电能表误差迭代计算方法

由于本方法测量的是电能表一段时间内的平均误差，测量的结果只是被测量的估计值，测量过程中的不确定因素会导致测量的不确定性。对于已知的系统效应进行修正后的测量结果仍然只是被测量的估计值，考虑不确定度评价方法，保证使在不完全理想的复现或样本代表性不够等的情况下，测量仍然能反映真实情况。

迭代法是一种不断用变量的旧值递推新值的过程，迭代算法是解决问题的一种基本方法。其基本思想是从变量的原值推出它的一个新值。在我们的方法中，迭代被应用于对虚拟电路修正经验α的估计。

在此首先给出假设：在一个台区内误差超差表的数量小于总表数量的5％，即为我们认为计量器具的可靠性在95％。

一般而言，计量器具的可靠性会随着时间的增加而降低，因此对于该比率在不同台区我们执行浮动的检定可靠性目标范围。图4为测量可靠性与时间的变化示意图。根据台区内表计平均使用时间长短情况，我们对该值进行修正。

我们的方法简述如下：在给定的初始经验值α＝0的情况下，计算电能表集群误差情况，若该计算结果满足可信度要求，即计算的超差的电能表数量小于规定范围内，则该算法结束。否则向上调整α的值区间，返回算法求解。

联合不确定度评价方法：

数学模型:δ＝1/(Y^-1η)-1

由于Y,η满足独立性，则有：

那么我们有联合扩展不确定度U＝ku_c取k＝2，有：

若求解的电能表误差符合实际预期，随后对被测量进行独立重复观测，通过所得到的一系列测得值，用统计分析方法获得实验标准偏差s(x)，当用算术平均值作为被测量估计值时，被测量估计值的不确定度按计算：

利用贝塞尔公式法，在重复性条件下对同一被测量独立重复观测n次，得到n个测得值 x_i＝(i＝1,2,...,n)，被测量X的最佳估计是n个独立测得值的算数平均值按如下公式计算：

单个测得值x_k的实验方差s²(x)：

单个测得值x_k的实验标准差s(x)：

被测量估计值的不确定度

本实施例搭建的小区台体模型结构

为促进现场问题的复现以及更好分析解决现场问题，本项目模拟搭建了电能表及电网现场运行状态的技术方案，其工作原理框图如图5所示。该原理框图主要由PC单元、多路通讯服务单元、大功率程控交流电压源、关口电能表、线损模拟单元、被试电能表以及相应的负载模拟单元等部分组成。

其工作原理：由PC通过多路通讯服务单元对其各设备进行总体控制，对大功率程控交流电压源的幅度、频率及谐波含量可进行任意设置，以模拟电网电能质量发生变化对计量带来的影响，同时对关口电能表到普通电表之间的线路损耗用线损模拟单元进行模拟。考虑线损单元通常为有功损耗，因此本线损模拟单元采用阻抗可调的实物阻性负载等效，其范围为0 Ω～10Ω连续可调。对于负载模拟单元，考虑现有家用负载特性越来多变、越来越复杂，本方案中采用电子负载方式实现。通过PC软件的参数设置，可对电子负载的功率因素及功率大小进行任意设置，以更好模拟电能现场的实际计量运行负荷。下面重点对负载模拟单元的工作原理做一介绍。

负载模拟单元综合利用电力电子技术、嵌入式软件技术及电力系统自动化技术设计实现，可模拟调节负载的功率因素及功率大小。模拟负载的工作原理框图如图6所示，其基本工作原理：首先，采样测试电源的输入电压，对输入电压信号做分析，以该电压信号做为电流基准信号Iref的参考信号。根据所设置的工作模式(恒压，恒流，恒功率和恒阻)和功率因数由单片机生成相应的电流基准信号Iref。基准信号与实际输入电流Is进行差分放大得到Ierr 信号，将Ierr信号与23kHz的三角波做比较，产生SPWM脉冲信号，该信号经过驱动隔离电路用于控制H桥IGBT的导通和关断，Boost升压到直流电压Udc。后级放电电路根据采样的直流电压Udc，由单片机生成相应占空比的PWM波，经过驱动隔离电路来控制IGBT的导通和关断时间，从而控制镍铬丝电阻(分小电阻和大电阻两种)接通和断开，等效成需要的电阻阻值。根据Udc的变化量调整PWM的占空比，以保持Udc在设计的值上。

该方案所设计的模拟负载满足测试电源在不同状态下进行测试。设计的模拟负载为电阻消耗型，即模拟负载在测试过程中，产生的能量被电阻消耗掉。根据其工作原理，模拟负载电路实现方案主要分为两级。前级PWM整流升压电路(如图7)，采用全控型器件，工作在高频状态。通过采用合适的SPWM脉冲波控制功率开关器件的开通和关断，使得输入交流电压升压到设计值Udc。

后级为电阻放电电路，见图8。根据采样的直流电压Udc，由单片机生成合适的PWM波，驱动IGBT的导通和关断，从而达到不同阻值的目的。此部分电路完成测试电源在测试过程中的能量消耗。

算法的实验验证：

我们在天津地区选取了某一台区19块电能表集群，获取该集群150个工作日的日冻结数据。对于该数据，我们对此执行上述算法。我们发现，在经过8次迭代后，取虚拟支路经验值在区间[0.8,0.9]时，对于电能表误差的计算由较大改善和良好结果：

表格1初始状态下(α＝0)误差计算量

标号误差计算值标号误差计算值11.5590％10-14.5640％2-2.7938％11-9.0017％3-5.1089％125.5293％4-0.2388％130.0485％5-3.1209％14-0.4204％63767.6317％15-3.8429％7-0.3551％16-5.7363％8-4.0477％17-3.1323％9-2.9027％18-2.2543％

表格2迭代最终(α∈[0.8,0.9])计算结果

标号误差计算值标号误差计算值10.0946％100.1308％20.3545％110.0401％3-0.2071％12-0.1053％40.5407％130.0005％50.6030％14-0.4996％6-1.8999％150.4333％7-0.5649％16-0.2631％80.0781％170.0972％9-0.0928％180.0567％

在此区间内我们发现电能表误差处于合理水平内,根据测量不确定度评定方法,在滑差方法计算10次电能表误差数据,给出标准不准确度评定下的计算结果和半宽区间:

表格3计算结果及其半宽区间

标号误差计算值半宽区间标号误差计算值半宽区间10.09％0.02％100.13％0.09％20.35％0.02％110.04％0.02％3-0.21％0.02％12-0.11％0.09％40.54％0.02％130.00％0.00％50.60％0.02％14-0.50％0.03％6-1.90％0.09％150.43％0.02％7-0.56％0.02％16-0.26％0.07％80.08％0.01％170.10％0.02％9-0.09％0.01％180.06％0.01％

在获取实验结果后,对电能表误差分析后发现在上述表格3中标号为6的电能表误差处于较高情况,即将超差,则由现场工作人员随机对该表进行查看.

实验验证表明利用该算法无需借助外部标准仪器，在已知任一电能表实际相对误差的前提下，仅通过对树形拓扑中电能表集群读数的分析，即可计算出其他所有电能表的误差。这种自主式的误差计算方法能够在线执行，从而有望显著降低在用电能表的维护成本。当已知某一仪表实际精度等级而非实际相对误差时，虽然不能计算出其他电能表的确切相对误差，但可以实现误差范围的估计。该方法可有效锁定疑似超差电能表，使检定和校准有的放矢。

尽管为说明目的公开了本发明的实施例和附图，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换、变化和修改都是可能的，因此，本发明的范围不局限于实施例和附图所公开的内容。