针对当前智能电表现场检定效率低、人力成本高、实时性差、无法全量监测等问题,提出一种基于动态线损和渐消记忆递推最小二乘法(dynamic line loss and fading memory recursive least square,DLL-FMRLS)的智能电表误差在线估计算法。首...针对当前智能电表现场检定效率低、人力成本高、实时性差、无法全量监测等问题,提出一种基于动态线损和渐消记忆递推最小二乘法(dynamic line loss and fading memory recursive least square,DLL-FMRLS)的智能电表误差在线估计算法。首先,通过分析台区线损与供电量之间的关系,对传统模型进行改进,提出动态线损误差模型,该模型中线损可随实际供电量变化,使得模型获得的误差估计值更接近实际值;然后,利用FMRLS算法求解动态线损误差模型,以获得智能电表运行误差;最后,根据某省电网公司的实际数据对算法现场验证。结果结果表明,与列文伯格–马夸尔特(Levenberg-Marquardt, LM)算法和限定记忆最小二乘(limited memory recursive least squares,LMRLS)算法相比,所提算法可以有效提高智能电表的误差估计的准确度。展开更多
文摘针对当前智能电表现场检定效率低、人力成本高、实时性差、无法全量监测等问题,提出一种基于动态线损和渐消记忆递推最小二乘法(dynamic line loss and fading memory recursive least square,DLL-FMRLS)的智能电表误差在线估计算法。首先,通过分析台区线损与供电量之间的关系,对传统模型进行改进,提出动态线损误差模型,该模型中线损可随实际供电量变化,使得模型获得的误差估计值更接近实际值;然后,利用FMRLS算法求解动态线损误差模型,以获得智能电表运行误差;最后,根据某省电网公司的实际数据对算法现场验证。结果结果表明,与列文伯格–马夸尔特(Levenberg-Marquardt, LM)算法和限定记忆最小二乘(limited memory recursive least squares,LMRLS)算法相比,所提算法可以有效提高智能电表的误差估计的准确度。