基于KNN算法的智能电表时钟超差预测方法

翟 丝雨
中国铁道科学研究院集团有限公司电子计算技术研究所

摘要


针对现有智能电表校验模式耗时耗力且检定周期长的缺点，本文提出了一种基于KNN算法的智能电表时钟
超差预测方法。通过分析智能电表时钟超差的故障机理与外在表现，从计量准确性与长期稳定性两方面提取相应故
障特征，并引入KNN算法基于上述故障特征对时钟误差进行预测。使用本算法在测试集上进行测试，准确率达到
97.7%，结果表明本方法能够对智能电表时钟超差进行准确预测。

关键词


时钟超差；故障预测；KNN算法；机器学习

全文:

PDF


参考


[1]郑文华，唐学东.远程在线监测分时电能表的时钟

超差问题研究[J].能源技术经济，2010，22（10）：26-31.

[2]智能电能表功能规范：Q/GDW 10354-2020[S].

2020.

[3]胡涛，赵震宇，熊紫腾，等.智能电能表时钟日

计时超差原因分析[J].江西电力，2022，46（8）：1-3+11.

[4]电子式交流电能表：JJG 596-2012[S].2012.

[5]祝婧，刘水，朱亮，等.时钟同步在用电信息采集

系统中的应用[J].电测与仪表，2016，53（S1）：157-159.

[6]吴夙慧，成颖，郑彦宁，等.K-means算法研究综

述[J].现代图书情报技术，2011（5）：28-35.

[7]朱连江，马炳先，赵学泉.基于轮廓系数的聚

类 有 效 性 分 析[J].计 算 机 应 用，2010，30（S2）：139-

141+198.

[8]Sinayobye J O, Kaawaase K S, Kiwanuka F N, et al.

Hybrid Model of Correlation Based Filter Feature Selection

and Machine Learning Classifiers Applied on Smart Meter

Data Set[C]//2019 IEEE/ACM Symposium on Software

Engineering in Africa (SEiA). 2019: 1-10.

[9]毋雪雁，王水花，张煜东.K最近邻算法理论与应

用综述[J].计算机工程与应用，2017，53（21）：1-7.


Refbacks

  • 当前没有refback。