关口电能计量装置的误差因素分析及对策

随着我国电力行业的快速发展,电能计量的公正性与公平性起到越来越重要的作用。如何降低关口电能计量误差,提高其计量精准度,成为摆在我们面前的重要研究课题。随着我国电力市场的深化改革,电能计量装置已经成为电力市场贸易结算过程中的重要组成部分。计量装置的精准性直接影响企业技术、经济等各项指标,因此受到社会各界的广泛关注。该文针对关口电能计量误差原因,针对性地提出了解决对策,旨在促进电力行业的健康、快速发展。     

电能计量装置综合误差分析

电能计量装置的综合误差直接影响电力市场电量结算数据的准确性,在分析产生电能计量装置综合误差原因的基础上,提出了减小措施,从而提高电能计量的准确性。     

电能计量装置综合误差分析及降低措施

电能计量装置的综合误差直接影响供电电量结算数据的准确性,在分析产生电能计量装置综合误差原因的基础上,提出了降低措施,从而提高电能计量的准确性。     

电能计量装置误差的技术分析

电能计量装置的正确使用是电力企业全过程的最终技术环节.对电能计量装置的最基本要求是准确.是否准确是用综合误差来评价的.设法减小电能计量装胃的综合误差,不仅可以提高电能计量的准确度,还可大大降低计量设备的投资.电能计量装置作为考核主网线损的重要依据,是电力系统走向市场的重要保证.因此必须认真做好电能计量工作,提高电能计量装置的准确性,真正做到电能计量公平合理,为发供用电各方提供可靠依据.     

面向大数据分析的省网电能计量管理系统设计与实现

随着电网信息化工作的深度推进,电能计量监测和计算数据逐渐呈现出大数据的特点.为了管理和分析海量的电能计量数据,设计并实现了一个面向大数据分析的电能计量管理系统,采用Hadoop大数据分布式处理框架,分布式采集计量相关信息化系统数据、关口数据、检测数据、装置检定信息等数据,通过数据挖掘实现电能表基本误差分析、电能表健康状况评估和综合分析,并开发电能计量关口地图,融合网络拓扑图和GIS信息,全景展示电能计量信息.所设计的系统不仅能够支撑省公司各电力部门电能计量准确性和质量管控工作,对解决计量管理智能化和电网信息化过程中其他大数据问题也具有参考意义.     

电能计量装置误差产生的原因及减少误差的措施探析

电能计量装置作为记载供用电双方交易信息的主要依据,在供电企业的运营过程中有着十分重要的意义.为了保证电能的计量具有公正性、科学性,以便于更好的为电力用户提供优质、快速的服务.为了实现供电企业的电能精确化计量,就必须利用一切科学合理的手段来减少电能计量过程中的误差,降低计量设备以及供电设备的电能损耗.针对电能计量装置误差产生的原因以及减少误差的措施进行简单的探讨.     

电能计量装置的综合误差计算

计算综合误差时,用求代数和的方式求得三者的综合误差。电能计量装置如果采用准确度很高的电能表、测量用互感器及合理的二次回路就能使计量电能的综合误差很小。但是在计量设备准确度等级一定的情况下,采取一些措施后,也可以减少一些电能计量装置的综合误差,提高计量电能的准确度。     

影响电能计量综合误差的因素及减小综合误差方法

主要分析了电能计量装置中电能表的误差、互感器的合成误差,以及互感器二次负荷和二次回路压降对电能计量综合误差的影响,并提出了减小电能计量装置综合误差的方法.     

减少关口电能计量误差的路径

关口电能计量装置作为经济结算的唯一依据,是消除电力垄断、走向市场的重要保证。因此我们要认真做好电能计量工作,加强关口电能的计量管理,提高关口电能计量装置的准确性,真正做到电能计量的公平、公正、合理,为发、供、用电各方企业提供可靠的结算依据。     

电能计量装置误差分析及现场校验研究

在电能计量装置实际应用过程中存在着各种不规范的计量方式,从而产生了各种类型的计量误差。基于此,本文首先分析了电能计量装置误差产生的原因,并有针对性的提出了减小或避免误差的措施,最后介绍了电能计量装置现场校验的方法和要求。     

基于误差分级迭代法的基坑变形预测

BP(back propagation)神经网络算法在变形预测方面存在收敛速度慢、学习效率低、容易陷入局部最小值等问题,直接影响预测结果的精准性,利用误差分级迭代法优化的神经网络能够更好地降低误差,提升预测性能.通过对比分析误差分级迭代法与BP神经网络的优势,建立误差分级迭代法模型并编制误差分级迭代法变形预测程序.采用基坑工程实测数据,经过误差分级迭代法优化后神经网络的最大误差为0.96％,与径向基神经网络预测精度相比提高3.5％,利用误差分级迭代法预测基坑变形结果其精准性较高,具有一定的实用价值.     

基于灰色神经网络的机床热误差建模

结合灰色模型和神经网络对数据处理的优点,提出了并联和嵌入型2种结构的灰色神经网络机床热误差预测模型。前者是在灰色模型和神经网络分别对机床热误差进行预测的基础上,采用线性组合方式,按照目标预测精度调整模型的加权系数,从而得到最终组合预测结果;后者是在神经网络输入层前增加灰化层,在输出层后增加白化层,通过对神经网络拓扑结构的改进,达到弱化原始数据随机性、提高预测模型鲁棒性和容错能力的目标。通过与传统灰色模型和神经网络进行试验结果对比表明：上述2种结构的灰色神经网络模型均提高了预测精度,且具有对原始数据要求低、计算简便、鲁棒性强等优点,可用于复杂实际加工场合中的数控机床热误差实时补偿。     

地层压力随钻监测和预测技术研究

地层压力随钻监测和预测技术是在钻进过程中利用随钻地层压力监测结果,对本井钻前的地震预测模型和结果进行修正。根据新修正的模型,对钻头下部未钻开地层的孔隙压力进行再预测,以此来提高地层压力的预测精度,为安全优质地完成钻井作业提供技术保证。如果上部井段已有测井数据,还可以用测井资料对地震资料进行校正。将该项技术应用在新疆巴楚地区琼００３井,试验结果表明,该技术能够大大提高地层压力监测和预测的精度,准确预报井下异常高压和复杂事故的发生,为现场钻井施工提供了可靠的技术依据。     

自动气象站温度传感器的辐射误差

为了研究自动气象站温度传感器的辐射误差并建立预测模型,在对比自动气象站与传统观测网试验数据的基础上,设计了合理的处理流程对数据进行预处理,提取自动气象站温度传感器辐射误差成分。分析了自动气象站温度传感器辐射误差的时频域及相关性等统计特征,针对统计特征采用随机过程理论中的双重周期季节模型进行辐射误差的初步预测并利用修改模型进行修正,取得了较好的拟合效果。结果证明,双重周期季节模型预测自动气象站辐射误差完全可行,建立模型的方法可以普遍应用到各气象台站。     

动态测量误差灰色模型插值预报理论及应用

根据灰色建模机理和特点 ,分析动态测量中灰色模型插值的可行性 ,提出动态测量误差白化生成的灰色预测模型用于插值预报的方法。且进一步以长光栅动态测量系统为对象 ,将所获得的动态测量数据建立误差预报灰色模型 ,并对离散点进行动态测量误差插值预报。实践证明 ,灰色模型插值是正确的和有效的     

基于多传感器抗差融合的UKF弹道跟踪算法

弹道跟踪测量过程中,由于环境的复杂性和测量机制自身的问题,测量数据不可避免存在异常值等.传统的加权观测融合估计算法往往直接对来自各个传感器的测量数据进行处理,忽略了数据质量问题对滤波精度的影响.为解决此问题,在加权观测融合算法的基础上引入抗差估计理论,根据观测融合值与融合预测值,计算测量融合残差向量、抗差权重因子和融合观测向量等价协方差阵,实现了异常值的实时分离与修正,解决了融合过程中由于测量数据存在污染导致弹道数据处理精度下降的问题.同时引入平方根滤波思想,避免了常规UKF中误差协方差矩阵非正值引起的滤波散度问题.仿真结果表明该算法估计精度高,计算负担小,能有效地减小测量误差对弹道定轨精度的影响.     

基于模型的工业机器人误差参数标定技术研究进展

 为提高机器人末端控制精度,围绕基于模型的工业机器人误差参数标定技术,总结了其应用在高精度机械加工制造领域时存在的误差参数不完整、标定成本高和标定精度不满足工业需求等关键问题;综述了误差参数标定模型建模方法、机器人末端位姿测量技术、误差参数辨识技术和误差补偿技术4个方面的进展,分析了处理复杂标定任务时基于模型的误差参数模型标定技术的主要难点进行总结,针对传统建模方法不再满足标定需求、现有自标定技术测量精度不够、传统线性辨识算法在辨识矩阵奇异或存在冗余参数时无法得到准确的辨识结果、如何高效获得和处理测量得到的误差数据等难题,提出了可行性解决方案及发展方向。     

动态误差时间序列小波神经网络预测模型

基于现代误差修正技术,研究小波神经网络建立的动态测量误差预测模型,以进行误差修正,提高动态测量精度,避免了传统神经网络需要人为干预网络结构参数的不足。文章介绍了建模方法,重点对大轴圆度误差测量过程中的动态测量数据进行实例分析,结果表明,该模型预测精度高,具有重要的应用价值。     

数控机床热误差变参数GM(1,1)的建模

为提高数控机床的加工精度,减少热误差对零件加工质量的影响,对热误差变参数灰色GM(1,1)在线预测模型进行研究.变参数灰色GM(1,1)在线预测模型能直接运用热误差时间序列值进行单序列建模,并给出模型参数的逐步迭代公式,根据不断输入的新数据,变参数模型能利用迭代公式,及时修正模型参数.以某精密卧式加工中心为研究对象,对所提出的变参数灰色GM(1,1)模型进行应用验证,并与传统的,1)模型和新陈代谢GM(1,1)模型进行对比研究.对比分析的结果表明:变参数灰色GM(1,1)模型很好地解决了传统的GM(1,1)模型难以预测大样本数据和非线性变化趋势的问题,且比新陈代谢GM(1,1)模型建模运算量小、求解时间短.变参数灰色GM(1,1)模型的预测值与实验结果对比表明,该模型预测精度高、通用性好,适用于机床热误差建模预测,进而提高机床的加工精度.     

基于遗传算法的凸轮升程误差修正

为进一步提高凸轮磨削加工精度，针对凸轮磨削产生的升程误差进行研究，采用遗传算法对凸轮升程误差进行修正。实测凸轮升程值通过 C 市第一机床厂提供的软件调整相位误差，将凸轮升程误差与升程值通过小波变换获得二阶差商光顺值。最后以凸轮升程曲线二阶差商光顺值为目标，利用遗传算法对凸轮升程误差进行修正。实验仿真表明，该方法可以获得光顺的凸轮升程值。