一种电容式电压互感器计量误差预测方法及系统

本发明涉及电容式电压互感器误差测量，更具体地，涉及一种电容式电压互感器计量误差预测方法及系统。背景技术：1、电压互感器是电网中重要的电力设备，它将高压转换为低压，用于测量一次侧的电压值。其中，电容式电压互感器(cvt)已经广泛应用于110kv～500kv的电网，由于其绝缘性能良好、制造简单、体积小、质量轻等优点，cvt正逐渐取代电磁电压互感器。2、理想的cvt是时不变系统，然而，随着时间推移，cvt的计量特性会逐渐劣化，直至超出计量误差要求。国家标准规定，cvt的检修时间不超过4年。为了评估cvt的运行性能，电力公司通常在一定检定周期内对cvt进行停电检修，利用标准器与被检测的cvt进行误差比对。然而周期检测存在需要停电、工作量大、效率低、欠检或过检等缺点，影响了电能贸易结算和电力系统的安全运行。3、变电站运行环境复杂，cvt在运行过程中，尤其是在电网负荷、环境温度、湿度、电场、磁场、振动、谐波等多种因素的交叉作用影响下，会发生电、热、湿环境老化，计量性能逐渐劣化，导致cvt的计量偏差递增。一个或多个变量数据发生变化，均可以使cvt的输出呈现较显著的变化，进一步直接影响到cvt的比差、角差值。4、因此，针对cvt长期运行稳定性差、测量不准确的问题，需要对cvt的计量误差变化趋势进行预测。技术实现思路1、本发明技术方案提供一种电容式电压互感器计量误差预测方法及系统，以解决如何对电容式电压互感器的计量误差变化趋势进行预测的问题。2、为了解决上述问题，本发明提供了一种电容式电压互感器计量误差预测方法，所述方法包括：3、按预设的时间间隔采集电容电压互感器的特征数据，生成所述电容电压互感器的样本特征时间序列，根据所述时间间隔对所述样本特征时间序列进行划分，对划分后的每一个样本特征时间序列设置误差标签；4、对所述特征数据进行处理，生成标准特征数据集；将所述标准特征数据集按预设比例划分为数据训练集和数据测试集；5、通过所述数据训练集对已建立的计量误差预测模型进行训练，将所述数据训练集中的特征数据输入所述计量误差预测模型，通过所述计量误差预测模型输出误差预测值，直至所述误差预测值与预先设置的误差标签之间的差值小于预设的误差阈值；6、通过数据测试集对计量误差预测模型进行测试，当所述计量误差预测模型的测试结果满足预设标准时，所述计量误差预测模型完成测试；7、通过测试后的所述计量误差预测模型对电容电压互感器的计量误差的变化趋势进行预测。8、优选地，所述按预设的时间间隔采集电容电压互感器的特征数据，包括：9、通过构建的电容式电压互感器的实验平台，模拟各种工况下的电容式电压互感器的运行模式，对电容式电压互感器的误差行为进行模拟，采集电容式电压互感器运行中产生的特征数据和误差标签；或者10、基于在线监测装置采集运行的电容式电压互感器二次侧的特征数据，基于周期性离线检测采集误差标签。11、优选地，所述对所述特征数据进行处理，生成标准特征数据集；将所述标准特征数据集按预设比例划分为数据训练集和数据测试集，包括：12、填充所述样本特征时间序列中特征数据的异常值和缺失值；13、对处理后的所述样本特征时间序列进行归一化处理，基于滑动窗口法，获取标准特征数据集。14、优选地，所述填充所述样本特征时间序列中特征数据的异常值和缺失值，包括：15、当所述样本特征时间序列中特征数据连续缺失小于等于3个时，基于前后数据移动平均的方式填充缺失的特征数据；16、当特征数据连续缺失大于3个时，基于前一天同一时段的特征数据的趋势进行等比例填充缺失的特征数据。17、优选地，所述填充所述样本特征时间序列中特征数据的异常值和缺失值，包括：18、对所述样本特征时间序列中特征数据进行判断，当判断出特征数据为异常值时，将异常值的特征数据所属日期的前一天和后一天的同一时刻的特征数据的平均值替换异常值的特征数据。19、优选地，所述对所述特征数据进行处理，生成标准特征数据集，包括：20、基于最小-最大值无量纲化处理，将所述特征数据映射到射到[0,1]区间内：21、22、其中，x表示误差标签中的电容电压互感器的比值误差、相角误差，运行时温度以及负荷；normallization(x)表示原始数据集经过归一化后的值；min(x)表示特征数据中的最小值；max(x)表示特征数据中最大值。23、优选地，所述对所述特征数据进行处理，生成标准特征数据集，包括：24、采用滑动窗口法，对cvt多维数据进行处理，将长度为m的电容电压互感器的样本特征时间序列的特征数据依次向下平移m,m-1,...,3,2,1,0行，获取维数为(m+m)×(m+1)的数据表；25、将含空值的行删除，数据表的维数更改为m×(m+1)，获得m-m+1个标准特征数据集。26、优选地，还包括构建基于re-gru-attention的计量误差预测模型：27、所述计量误差预测模型包括re-gru网络层、attention层以及输出层；28、所述re-gru网络层中的re-gru单元包括复位门和更新门；所述复位门用于控制上一个re-gru单元的状态向量ht-1和re-gru单元的向量at的进入；所述更新门用于控制上一个re-gru单元的状态变ht-1和新进入re-gru单元的向量at对新状态向量ht的影响程度；29、所述attention层输入为经过re-gru网络层激活处理的输出向量，根据权重分配原则计算不同特征向量对应的概率，不断更新迭代出较优的权重参数矩阵；输出层通过全连接层计算出预测值；选取adam优化算法对所述计量误差预测模型参数进行优化，所述计量误差预测模型的损失函数使用均方误差函数。30、优选地，所述通过所述数据训练集对已建立的计量误差预测模型进行训练，将所述数据训练集中的特征数据输入所述计量误差预测模型，通过所述计量误差预测模型输出误差预测值，直至所述误差预测值与预先设置的误差标签之间的差值小于预设的误差阈值，所述计量误差预测模型完成训练，包括：31、设置所述计量误差预测模型的参数；32、将所述数据训练集中的特征数据输入所述计量误差预测模型，通过所述计量误差预测模型输出误差预测值；33、通过损失函数使用均方误差计算所述误差预测值与预先设置的误差标签之间的差值；34、判断所述误差预测值与预先设置的误差标签之间的差值是否小于预设的误差阈值；35、当所述误差预测值与预先设置的误差标签之间的差值小于预设的误差阈值时，保存当前参数的计量误差预测模型；36、通过数据测试集对计量误差预测模型进行测试，当所述计量误差预测模型的测试结果满足预设标准时，所述计量误差预测模型完成测试。37、基于本发明的另一方面，本发明提供一种电容式电压互感器计量误差预测系统，所述系统包括：38、初始单元，用于按预设的时间间隔采集电容电压互感器的特征数据，生成所述电容电压互感器的样本特征时间序列，根据所述时间间隔对所述样本特征时间序列进行划分，对划分后的每一个样本特征时间序列设置误差标签；39、处理单元，用于对所述特征数据进行处理，生成标准特征数据集；将所述标准特征数据集按预设比例划分为数据训练集和数据测试集；40、训练单元，用于通过所述数据训练集对已建立的计量误差预测模型进行训练，将所述数据训练集中的特征数据输入所述计量误差预测模型，通过所述计量误差预测模型输出误差预测值，直至所述误差预测值与预先设置的误差标签之间的差值小于预设的误差阈值；41、测试单元，用于通过数据测试集对计量误差预测模型进行测试，当所述计量误差预测模型的测试结果满足预设标准时，所述计量误差预测模型完成测试；42、结果单元，通过测试后的所述计量误差预测模型对电容电压互感器的计量误差的变化趋势进行预测。43、优选地，初始单元用于所述按预设的时间间隔采集电容电压互感器的特征数据，还用于：44、通过构建的电容式电压互感器的实验平台，模拟各种工况下的电容式电压互感器的运行模式，对电容式电压互感器的误差行为进行模拟，采集电容式电压互感器运行中产生的特征数据和误差标签；或者45、基于在线监测装置采集运行的电容式电压互感器二次侧的特征数据，基于周期性离线检测采集误差标签。46、优选地，处理单元用于所述对所述特征数据进行处理，生成标准特征数据集；将所述标准特征数据集按预设比例划分为数据训练集和数据测试集，还用于：47、填充所述样本特征时间序列中特征数据的异常值和缺失值；48、对处理后的所述样本特征时间序列进行归一化处理，基于滑动窗口法，获取标准特征数据集。49、优选地，处理单元用于所述填充所述样本特征时间序列中特征数据的异常值和缺失值，还用于：50、当所述样本特征时间序列中特征数据连续缺失小于等于3个时，基于前后数据移动平均的方式填充缺失的特征数据；51、当特征数据连续缺失大于3个时，基于前一天同一时段的特征数据的趋势进行等比例填充缺失的特征数据。52、优选地，处理单元用于所述填充所述样本特征时间序列中特征数据的异常值和缺失值，还用于：53、对所述样本特征时间序列中特征数据进行判断，当判断出特征数据为异常值时，将异常值的特征数据所属日期的前一天和后一天的同一时刻的特征数据的平均值替换异常值的特征数据。54、优选地，处理单元用于所述对所述特征数据进行处理，生成标准特征数据集，还用于：55、基于最小-最大值无量纲化处理，将所述特征数据映射到射到[0,1]区间内：56、57、其中，x表示误差标签中的电容电压互感器的比值误差、相角误差，运行时温度以及负荷；normallization(x)表示原始数据集经过归一化后的值；min(x)表示特征数据中的最小值；max(x)表示特征数据中最大值。58、优选地，处理单元用于所述对所述特征数据进行处理，生成标准特征数据集，还用于：59、采用滑动窗口法，对cvt多维数据进行处理，将长度为m的电容电压互感器的样本特征时间序列的特征数据依次向下平移m,m-1,...,3,2,1,0行，获取维数为(m+m)×(m+1)的数据表；60、将含空值的行删除，数据表的维数更改为m×(m+1)，获得m-m+1个标准特征数据集。61、优选地，初始单元还用于构建基于re-gru-attention的计量误差预测模型：62、所述计量误差预测模型包括re-gru网络层、attention层以及输出层；63、所述re-gru网络层中的re-gru单元包括复位门和更新门；所述复位门用于控制上一个re-gru单元的状态向量ht-1和re-gru单元的向量at的进入；所述更新门用于控制上一个re-gru单元的状态变ht-1和新进入re-gru单元的向量at对新状态向量ht的影响程度；64、所述attention层输入为经过re-gru网络层激活处理的输出向量，根据权重分配原则计算不同特征向量对应的概率，不断更新迭代出较优的权重参数矩阵；输出层通过全连接层计算出预测值；选取adam优化算法对所述计量误差预测模型参数进行优化，所述计量误差预测模型的损失函数使用均方误差函数。65、优选地，训练单元用于通过所述数据训练集对已建立的计量误差预测模型进行训练，将所述数据训练集中的特征数据输入所述计量误差预测模型，通过所述计量误差预测模型输出误差预测值，直至所述误差预测值与预先设置的误差标签之间的差值小于预设的误差阈值，所述计量误差预测模型完成训练，包括：66、设置所述计量误差预测模型的参数；67、将所述数据训练集中的特征数据输入所述计量误差预测模型，通过所述计量误差预测模型输出误差预测值；68、通过损失函数使用均方误差计算所述误差预测值与预先设置的误差标签之间的差值；69、判断所述误差预测值与预先设置的误差标签之间的差值是否小于预设的误差阈值；70、当所述误差预测值与预先设置的误差标签之间的差值小于预设的误差阈值时，保存当前参数的计量误差预测模型；71、通过数据测试集对计量误差预测模型进行测试，当所述计量误差预测模型的测试结果满足预设标准时，所述计量误差预测模型完成测试。72、本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于执行一种电容式电压互感器计量误差预测方法。73、本发明提供一种电子设备，所述电子设备包括：处理器和存储器；其中，74、所述存储器，用于存储所述处理器可执行指令的存储器；75、所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现一种电容式电压互感器计量误差预测方法。76、本发明技术方案提供了一种电容式电压互感器计量误差预测方法及系统，其中方法包括：按预设的时间间隔采集电容电压互感器的特征数据，生成电容电压互感器的样本特征时间序列，根据时间间隔对样本特征时间序列进行划分，对划分后的每一个样本特征时间序列设置误差标签；对特征数据进行处理，生成标准特征数据集；将标准特征数据集按预设比例划分为数据训练集和数据测试集；通过数据训练集对已建立的计量误差预测模型进行训练，将数据训练集中的特征数据输入计量误差预测模型，通过计量误差预测模型输出误差预测值，直至误差预测值与预先设置的误差标签之间的差值小于预设的误差阈值；通过数据测试集对计量误差预测模型进行测试，当计量误差预测模型的测试结果满足预设标准时，计量误差预测模型完成测试；通过测试后的计量误差预测模型对电容电压互感器的计量误差的变化趋势进行预测。本发明技术方案提出了一种cvt在线误差预测方法，本发明首先使用选择三相cvt二次侧相关信息作为cvt误差预测模型的输入变量，并以一定时间间隔的测量值为序列值得到对应变量的时间序列，同时采用自注意力机制来捕获序列数据的时间依赖性，从而提高cvt误差时间序列预测的准确性。