广东隆元科技有限公司

本发明公开了一种基于扩散模型神经网络的谐波误差预测与动态补偿方法，涉及电能计量与智能信号处理技术领域。该方法获取电能表运行过程中的实时电压、电流采样波形数据，提取谐波幅值、相位、畸变率、功率因数及有功功率等特征，构建全景谐波特征向量，并将其作为条件输入至一维条件扩散模型中，对计量误差进行预测；再根据预测误差对原始计量结果实施动态补偿，输出补偿后的计量值。本发明能够有效提升复杂谐波工况下电能计量的准确性、鲁棒性及动态适应能力。

本发明公开了一种基于多源数据融合的电能表寿命预测与评估方法及系统，采集电能表的静态属性数据、动态时间序列数据及事件记录数据，经融合处理、退化特征提取和监督标签构建后，建立包含退化状态识别子模型、剩余寿命预测子模型及自适应集成模块的混合监督学习模型，并据此实现电能表退化状态评估、剩余使用寿命预测、可靠性指标计算及分级预警输出。本发明能够提高电能表寿命预测精度和可靠性评估水平，为预测性维护和运维决策提供依据。