计量学报

作者：戴煊丁, 何雨辰, 钱丽娟, 张煌辉, 邵海明, 刘国强, 林强

关键词：电学计量,智能电表,高速网络,卷积神经网络,双向长短期记忆网络

基金：国家重点研发计划(2023YFF0614803)

智能电表的性能通常会随时间下降，现场检定需要大量人力物力，因此提出了一种基于高速卷积神经网络和双向长短期记忆网络相结合的误差估计方法。首先，针对智能电表采集到的充电设施的数据特性进行预处理，其次基于加入高速网络的卷积模块提取变量间的空间特征，保留一部分原始信息，再将提取的特征输入双向长短期记忆网络中捕捉时序特征，得到更精确的相对误差。最后在某地的新能源汽车充电站的数据集中进行验证，对比现有的先进模型，实验结果表明文中所提方法在充电桩电能表相对误差估计方面有更高的准确性，设计的三种性能评价指标至少有13.68%以上的提升。

来源：2025年第1期

《计量学报》期刊编辑部

查看计量学报杂志2025年第1期