基于卷积神经网络的电能表测得值置信区间研究

作为智能电网重要的数据源,电能表在复杂温度条件下的准确度越来越受到关注。以智能电能表实际运行时环境温度和负载电流的时域序列作为输入,该文设计一种电能表测得值置信区间预测模型。该模型的主体部分是卷积神经网络,可用于预测电能表环境误差的随机变量特征数。针对训练中的收敛性问题,提出范数反馈算法,通过调整权值的层间分布,可提高训练质量。得到环境误差特征数后,通过统计学方法推导电能表测得值的置信区间。最后,以浙江电能表抽样性能试验积累的历史数据作为训练集和测试集验证测得值置信区间预测模型的有效性,并指出了易导致严重环境误差的几种极端工况。