具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的系统和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

为了对电能表的运行误差进行校正，本发明实施例提供了基于人工智能的电能表运行误差监测数据拟合方法及系统，通过对待监测电能表的相关运行误差数据进行分析、拟合和迭代得到运行误差识别结果，能够基于运行误差识别结果实现对待监测电能表的运行误差的校正，从而确保待检测电能表的正常运行。

为实现上述目的，请参阅图1，示出了一种基于人工智能的电能表运行误差监测数据拟合方法的流程图，所述方法可以包括以下步骤S11-步骤S16所描述的内容。

步骤S11，获取N组电能表运行数据，以及每组电能表运行数据对应的误差监测数据集合。

例如，每组电能表运行数据中包括M个不同的用电负荷节点数据，N和M均为大于或者等于1的正整数，用电负荷节点数据用于表征用电设备在不同用电状态下或者在不同用电时段下的用电负荷数据，误差监测数据集合用于表征电能表运行数据对应的待监测电能表的计量误差状态。

步骤S12，在所述电能表运行数据对应的误差监测数据集合中确定所述电能表运行数据对应的当前时刻监测数据。

例如，当前时刻监测数据用于表征电能表运行数据对应的运行状态监测数据。

步骤S13，采用所述电能表运行数据对应的当前时刻监测数据进行误差分析，得到所述电能表运行数据中每个用电负荷节点数据的用电损耗误差数据。

例如，用电损耗误差数据为由于用电损耗引起的电能表运行数据的误差所对应的数据。

步骤S14，基于N组电能表运行数据中每个用电负荷节点数据的用电损耗误差数据，对所述电能表运行数据对应的当前时刻监测数据进行误差拟合，得到所述电能表运行数据对应的当前误差拟合数据。

例如，当前误差拟合数据为连续变化的数据。

步骤S15，将所述电能表运行数据对应的当前误差拟合数据加入所述电能表运行数据对应的误差监测数据集合中。

步骤S16，返回并执行步骤在所述电能表运行数据对应的误差监测数据集合中确定所述电能表运行数据对应的当前时刻监测数据，直至所述误差监测数据集满足设定条件，得到所述电能表运行数据对应的待监测电能表的运行误差识别结果。

例如，运行误差识别结果用于表征待监测电能表的连续性的、完整的计量误差状态，通过运行误差识别结果能够对待监测电能表的计量误差进行准确可靠地校正，从而确保待监测电能表的正常运行。

可以理解，通过执行上述步骤S11-步骤S16，首先获取电能表运行数据及其对应的误差监测数据集合，其次确定当前时刻监测数据以进行误差分析得到用电负荷节点数据的用电损耗误差数据，然后基于用电损耗误差数据对电能表运行数据对应的当前时刻监测数据进行误差拟合得到当前误差拟合数据并加入到对应的误差监测数据集合中。进而在误差监测数据集满足设定条件时得到待监测电能表的运行误差识别结果。

如此，通过对待监测电能表的不同电能表运行数据进行运行误差的分析、拟合和迭代，能够得到待监测电能表的全局性和连续性的运行误差识别结果，该运行误差识别结果能够表征待监测电能表的实际运行情况，从而为实现待监测电能表的误差校正提供精准可靠的校正依据。

在一个可替换的实施例中，所述电能表运行数据中包括第一目标电能表运行数据和除所述第一目标电能表运行数据以外的第二目标电能表运行数据。进一步地，在步骤S16所描述的得到所述电能表运行数据对应的待监测电能表的运行误差识别结果之后，还可以包括以下步骤S17-步骤S19所描述的内容。

步骤S17，在用电高峰时段中进行第一目标电能表运行数据与第二目标电能表运行数据之间的电能质量分析时，在所述N组电能表运行数据对应的待监测电能表的运行误差识别结果中确定所述第一目标电能表运行数据对应的目标待监测电能表的运行误差识别结果。

步骤S18，采用所述目标待监测电能表的运行误差识别结果确定所述第一目标电能表运行数据中每个用电负荷节点数据的动态用电损耗误差数据。

步骤S19，基于所述第一目标电能表运行数据中的用电负荷节点数据、所述动态用电损耗误差数据以及所述用电高峰时段中第二目标电能表运行数据的用电负荷节点数据进行电能质量分析。

通过上述步骤S17-步骤S19所描述的内容，能够对用电负荷节点数据进行电能质量分析，从而进一步剖析待监测电能表出现运行误差的原因，这样能够对待监测电能表进行全面地误差分析，从而进一步改善待监测电能表的计量误差。

在一些示例中，步骤S12所描述的在所述电能表运行数据对应的误差监测数据集合中确定所述电能表运行数据对应的当前时刻监测数据，示例性地可以包括以下步骤S121-步骤S124所描述的内容。

步骤S121，确定所述电能表运行数据对应的上一时刻误差监测数据集、机械损耗数据，以及第二目标电能表运行数据对应的机械损耗数据。

步骤S122，通过对所述电能表运行数据对应的机械损耗数据和第二目标电能表运行数据对应的机械损耗数据进行对比，得到所述电能表运行数据对应的机械损耗数据的表盘损耗对比结果，所述第二目标电能表运行数据为N组电能表运行数据中包括所述电能表运行数据在内的所有电能表运行数据。

步骤S123，通过对所述电能表运行数据对应的机械损耗数据和所述电能表运行数据对应的上一时刻误差监测数据集进行对比，得到所述电能表运行数据对应的机械损耗数据的电能质量损耗对比结果。

步骤S124，基于所述电能质量损耗对比结果和所述表盘损耗对比结果，将所述电能表运行数据对应的上一时刻误差监测数据集或者所述电能表运行数据对应的机械损耗数据确定为所述电能表运行数据对应的当前时刻监测数据。

如此，通过应用上述步骤S121-步骤S124，能够对电能表运行数据的上一时刻误差监测数据集、机械损耗数据，以及第二目标电能表运行数据对应的机械损耗数据进行分析比对，这样能够完整、准确地确定电能表运行数据对应的当前时刻监测数据。

进一步地，步骤S121中所描述的确定第二目标电能表运行数据对应的机械损耗数据，包括：步骤S1211，获取所述第二目标电能表运行数据对应的电压电流波动数据，以及，确定所述第二目标电能表运行数据对应的上一时刻的表盘损耗记录；步骤S1212，根据所述第二目标电能表运行数据对应的电压电流波动数据，在所述第二目标电能表运行数据对应的上一时刻的表盘损耗记录中确定第二目标电能表运行数据对应的机械损耗数据。如此，可以确保机械损耗数据的时序连续性。

进一步地，在步骤S1211中，所述确定所述第二目标电能表运行数据对应的上一时刻的表盘损耗记录，包括：确定所述第二目标电能表运行数据对应的误差监测数据集合中每个误差监测数据集合的电能质量损耗对比结果和表盘损耗对比结果；基于所述电能质量损耗对比结果和表盘损耗对比结果，计算所述第二目标电能表运行数据对应的误差监测数据集合中每个误差分布轨迹数据的轨迹拟合系数；按照所述轨迹拟合系数对所述第二目标电能表运行数据对应的误差监测数据集合中每个误差分布轨迹数据进行排序，将排序第一的误差分布轨迹数据确定为最优误差分布轨迹数据，将排序第二、第三、第四的误差分布轨迹数据确定为次优误差分布轨迹数据；将所述次优误差分布轨迹数据确定为所述第二目标电能表运行数据对应的上一时刻的表盘损耗记录。这样一来，能够确保表盘损耗记录时连续而不间断的。

在一些示例中，步骤S122所描述的通过对所述电能表运行数据对应的机械损耗数据和第二目标电能表运行数据对应的机械损耗数据进行对比，得到所述电能表运行数据对应的机械损耗数据的表盘损耗对比结果，进一步可以包括以下步骤S1221-步骤S1226所描述的内容。

步骤S1221，确定所述电能表运行数据对应的机械损耗数据的损耗时序权重，以及其他的电能表运行数据对应的机械损耗数据的损耗时序权重。

步骤S1222，根据所述电能表运行数据对应的机械损耗数据的损耗时序权重和其他的电能表运行数据对应的机械损耗数据的损耗时序权重，确定所述电能表运行数据对应的机械损耗数据和其他的电能表运行数据对应的机械损耗数据的损耗时序权重差异。

步骤S1223，基于所述损耗时序权重差异，确定所述电能表运行数据的损耗时序权重指数。

步骤S1224，采用所述电能表运行数据对应的机械损耗数据进行误差分析，得到所述电能表运行数据对应的当前时刻的用电损耗误差数据集合。

步骤S1225，确定基于所述电能表运行数据、所述电能表运行数据对应的当前时刻的用电损耗误差数据集合以及第二目标电能表运行数据进行电能质量分析时，配电网服务器监测预警反馈的所述电能表运行数据的运行稳定性信息。

步骤S1226，基于所述电能表运行数据的损耗时序权重指数和所述运行稳定性信息，确定所述电能表运行数据对应的机械损耗数据的表盘损耗对比结果。

可以理解，通过执行上述步骤S1221-步骤S1226，能够结合配电网服务器对机械损耗数据进行实时且精准的对比，从而提高表盘损耗对比结果的可信度。

可选地，步骤S122所描述的通过对所述电能表运行数据对应的机械损耗数据和第二目标电能表运行数据对应的机械损耗数据进行对比，得到所述电能表运行数据对应的机械损耗数据的表盘损耗对比结果，还可以包括：采用所述电能表运行数据对应的机械损耗数据进行误差分析，得到所述电能表运行数据当前时刻的用电损耗误差数据集合；采用所述第二目标电能表运行数据对应的机械损耗数据进行误差分析，得到所述第二目标电能表运行数据当前时刻的用电损耗误差数据集合；确定所述电能表运行数据在采用所述电能表运行数据当前时刻的用电损耗误差数据集合与第二目标电能表运行数据在采用所述第二目标电能表运行数据当前时刻的用电损耗误差数据集合进行电能质量分析时，配电网服务器监测预警反馈的所述电能表运行数据的用电损耗误差数据的损耗因子；基于所述配电网服务器监测预警反馈的所述电能表运行数据的用电损耗误差数据的损耗因子确定所述电能表运行数据对应的机械损耗数据的表盘损耗对比结果。

在实际应用时发明人发现，在确定用电负荷节点数据的用电损耗误差数据时，用电损耗误差数据中常常存在较多的冗余数据，为改善这一技术问题，步骤S13所描述的采用所述电能表运行数据对应的当前时刻监测数据进行误差分析，得到所述电能表运行数据中每个用电负荷节点数据的用电损耗误差数据，进一步可以包括以下步骤S131-步骤S133所描述的内容。

步骤S131，确定所述电能表运行数据对应的当前时刻监测数据中的监测数据变化列表的列表描述信息以及所述电能表运行数据中的各用电负荷节点数据的时序特征。

步骤S132，基于所述列表描述信息对应的列表描述加权值，判断所述监测数据变化列表中是否存在设备损耗列表单元和输电损耗列表单元，在判断出所述监测数据变化列表中存在所述设备损耗列表单元和所述输电损耗列表单元的前提下，根据所述监测数据变化列表的设备损耗列表单元下的用电负荷节点数据的时序特征及其特征识别度确定所述监测数据变化列表的输电损耗列表单元下的各用电负荷节点数据的时序特征与所述监测数据变化列表的设备损耗列表单元下的各用电负荷节点数据的时序特征之间的特征相关度。

步骤S133，通过所述特征相关度将所述监测数据变化列表的输电损耗列表单元下的与设备损耗列表单元下的用电负荷节点数据的时序特征相关的用电负荷节点数据的时序特征转移到相应的设备损耗列表单元下；若所述监测数据变化列表的当前输电损耗列表单元下包含有多个用电负荷节点数据的时序特征，基于所述监测数据变化列表的设备损耗列表单元下的用电负荷节点数据的时序特征及其特征识别度确定所述监测数据变化列表的当前输电损耗列表单元下的各用电负荷节点数据的时序特征之间的特征相关度，并根据所述各用电负荷节点数据的时序特征之间的特征相关度对当前输电损耗列表单元下的各用电负荷节点数据的时序特征进行筛选；根据所述监测数据变化列表的设备损耗列表单元下的用电负荷节点数据的时序特征及其特征识别度为上述筛选获得的每一类用电负荷节点数据的时序特征设置特征优先级，并将所述每一类用电负荷节点数据的时序特征转移到所述特征优先级所对应的设备损耗列表单元下；根据所述设备损耗列表单元下的用电负荷节点数据以及所述输电损耗列表单元下的用电负荷节点数据，计算每个用电负荷节点数据的用电损耗误差数据。

如此设计，通过执行上述步骤S131-步骤S133所描述的内容，能够对监测数据变化列表的设备损耗列表单元以及输电损耗列表单元下的用电负荷节点数据进行相关性分析，并实现用电负荷节点数据的局部调整以更新设备损耗列表单元以及输电损耗列表单元，这样可以有效过滤掉冗余数据，从而确保计算得到的用电损耗误差数据中不会存在冗余数据，实现对用电损耗误差数据的精简。

在一些示例中，步骤S14所描述的基于N组电能表运行数据中每个用电负荷节点数据的用电损耗误差数据，对所述电能表运行数据对应的当前时刻监测数据进行误差拟合，得到所述电能表运行数据对应的当前误差拟合数据，进一步可以包括以下步骤S141-步骤S145所描述的内容。

步骤S141，确定当前用电损耗误差数据；从所述当前用电损耗误差数据中提取出误差特征数据。

步骤S142，判断所述当前用电损耗误差数据中的损耗百分比相对于所述当前用电损耗误差数据的上一用电损耗误差数据中的损耗百分比是否变化。

步骤S143，如果是，将从所述当前用电损耗误差数据中提取出的误差特征数据确定为所述当前用电损耗误差数据的有效误差特征数据。

步骤S144，否则，将从所述当前用电损耗误差数据中提取出的误差特征数据与所述上一用电损耗误差数据中对应位置的有效误差特征数据进行融合修正，融合修正结果确定为所述当前用电损耗误差数据的有效误差特征数据。

步骤S145，根据所述有效误差特征数据对所述当前时刻监测数据进行误差拟合，得到所述当前误差拟合数据。

这样一来，能够实现对当前时刻监测数据的精细化拟合，避免当前误差拟合数据出现过多的突变节点，从而确保当前误差拟合数据的平滑性。

进一步地，步骤S15所描述的将所述电能表运行数据对应的当前误差拟合数据加入所述电能表运行数据对应的误差监测数据集合中，包括：将所述当前误差拟合数据按照与误差监测数据集合对应的数据格式进行转换，得到目标拟合数据；将所述目标拟合数据添加到所述误差监测数据集合中。这样能够确保误差监测数据集合中的数据的数据结构一致性。

在一个可替换的实施方式中，所述设定条件为：所述误差检测数据集对应的误差变化曲线在目标时段内收敛；其中，所述目标时段根据所述电能表运行数据对应的待监测电能表的累计使用时长确定。

基于上述同样的发明构思，还提供了如图2所示的基于人工智能的电能表运行误差监测数据拟合系统100，包括互相之间通信的人工智能服务器200和待监测电能表300；其中，所述人工智能服务器200用于：

获取所述待监测电能表的N组电能表运行数据，以及每组电能表运行数据对应的误差监测数据集合，每组电能表运行数据中包括M个不同的用电负荷节点数据，N和M均为大于或者等于1的正整数；

在所述电能表运行数据对应的误差监测数据集合中确定所述电能表运行数据对应的当前时刻监测数据；

采用所述电能表运行数据对应的当前时刻监测数据进行误差分析，得到所述电能表运行数据中每个用电负荷节点数据的用电损耗误差数据；

基于N组电能表运行数据中每个用电负荷节点数据的用电损耗误差数据，对所述电能表运行数据对应的当前时刻监测数据进行误差拟合，得到所述电能表运行数据对应的当前误差拟合数据；

将所述电能表运行数据对应的当前误差拟合数据加入所述电能表运行数据对应的误差监测数据集合中；

返回并执行步骤在所述电能表运行数据对应的误差监测数据集合中确定所述电能表运行数据对应的当前时刻监测数据，直至所述误差监测数据集满足设定条件，得到所述电能表运行数据对应的待监测电能表的运行误差识别结果。

上述系统中各个模块（或设备）的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于系统实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

在上述基础上，还提供了如图3所示的人工智能服务器200，包括：处理器210，以及与处理器210连接的内存220和网络接口230；所述网络接口230与人工智能服务器中的非易失性存储器240连接；所述处理器210在运行时通过所述网络接口230从所述非易失性存储器240中调取计算机程序，并通过所述内存220运行所述计算机程序，以执行上述如图1所示的方法。

进一步地，还提供了一种应用于计算机的可读存储介质，所述可读存储介质烧录有计算机程序，所述计算机程序在人工智能服务器的内存中运行时实现上述如图1所示的方法。

本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。