科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着电力通信与计量设备检定任务和检定标准的不断提升，设备检定中心标准化、无人化进程正逐步加快，基于大数据与云技术的各类智能设备平台也正逐步推广应用。针对电力通信与计量设备在不同检定条件与环境下的检定误差辨识问题，文中研究并提出一种基于极限学习理论的快速预测辨识方法。首先，研究并确定在标准检定中心环境下影响检定误差的多维因素，构建其预测辨识模型；其次，提出一种新的加权核极限学习机模型，并研究模型的快速训练及预测方法，保证模型在高效自动检定流水线上应用的实时性；最后，基于6 500组实测数据样本进行模型训练及外推实验。仿真结果表明，文中所提出的基于加权核极限学习机的误差预测模型及算法具有较高的精确度和实时性，能够实现对电力通信与计量设备检定误差的高效率预测辨识，有效满足在自动检定流水线上的应用需求。
- 单位
