刘川
国网重庆电力公司市区供电分公司 重庆市 400015
摘要：探讨基于大数据技术的电能计量器具质量评估及优选方案。利用理论研究与经验积累的方法。电能计量器具质量评估与优选方案的技术路线，需要从电能计量大数据的构建、电能计量器具质量的优选出发，得出优选方案。在大数据背景下，电能计量器具质量评估及优选需要计算电能计量器具二次良品率、电能计量器具故障负效益比等，然后以需求响应为引导，确定优选方案。
关键词：大数据技术；电能计量器具；质量评估；优选方案
引言：电能计量器具质量直接关系到群众的利益，尤其是在当今电能计量器具的应用十分广泛，面对质量问题依然很难及时发现。通过器具的质量检测工序的应用，虽然在应用中具有一定效果，但是依然缺乏技术数据支持。但是在大数据技术的快速发展下，电能计量设备也开始应用该技术，在电能计量器具的整体性能检测中发挥着重要作用。因此对于基于大数据技术的电能计量器具质量评估及优选方案进行探讨具有重要意义。
1.大数据及电能计量器具
计算机、信息化等先进技术是大数据技术的基础，这些年随着大数据技术的快速发展在我国各行各业的应用十分普遍。大数据行业的主要工作内容有大数据的采集与处理、大数据的存储管理、挖掘等[1]。大数据的计算与挖掘等都要实现最终的应用，也就是将其应用到具体工作中提升工作质量与效率。电力行业中对大数据的应用，主要表现为大数据系统在电能计量中的应用，在应用期间需对电能计量器具质量进行评估，确定最佳方案。因此在电能计量器具方案选择中，大数据发挥着积极作用。
2.技术路线
选择某地区检测中心的高精度标准电能表为研究对象，对近几年的大数据检测数据进行分析。技术路线为先构建电能计量大数据，然后对电能计量器具质量进行评估。
2.1构建电能计量大数据
信息时代每天都会有大量数据产生，这些数据比较复杂，而且更新速度极快。电能计量器具的应用十分广泛，在电能计量器具的不断优化创新下，对器具的性能检测与维护也提出更高要求[2]。电能计量大数据系统的建立，需要收集产品信息，比如产品的生产日期、型号等，然后记录这些信息，为电能计量大数据系统的构建提供保障。
2.2电能计量器具质量评估
按照相关标准，对大数据中相关质量性能检测数据进行分析，得到相关数据，然后对质量评估模型进行构建。电能计量器具质量评估与优选方案的具体流程为：分析质量指标（误差优劣值分布率z、修复度故障率y、时域下二次良品率x）→各质量指标加权（αx、βy、γz）→质量评估模型（f（α、β、γ））→加权因子确定选优方案。
3.质量指标及评估模型构建与优选方法
3.1数据计算
.png)
3.2模型构建
通过上面的数据计算与分析，可以通过指标加权因子构建起质量评估模型。通过模型的构建，可以精准确定优选方案。模型如下：
.png)
在该公式中，i、α+β +γ +... = 1，α,β,γ... ∈ (0,1)分别为生产厂家与加权因子。
4.方案选择
在确定方案时，需要以需求响应为基本导向，这样才能最终确定出最优计量器具。在用户的个性化要求下，需要对电能计量器具进行优化选择，合理控制年限及维修费用等各项要素，确保满足用户的实际需求。假设使用年限、维修费用与计量准确度是一样的，这时就可以通过通过加权因子对权值进行确定，但是当这几个要素不一样时，是无法实现平均分配的。
基于大数据技术的电能计量器具质量评估及优选方案，需对电能计量大数据系统的可行性进行计算，并且通过对数据计算，因子权重的确定及模型的构建，可以为用户提供良好的服务，选择最佳方案。大数据系统在电能计量工作中发挥着重要作用，有助于提升大数据系统在电能计量的整体质量与效率。但是在器具质量评估及优选方案期间，需注意下面几个方面的工作：
（1）建立电能计量大数据系统的建立，对分析常见产品技术数要求，确保产品的有效更新；（2）在应用系统过程中，需要满足用户的个性化需求，所提要以用户需求为导向；（3）为确保电能计量产业的健康发展，需要计算产品的各项性能参数。通过大数据技术的应用，能对不同厂家的电能计量器具进行优化选择，在技术报告分析下，构建起质量评估模型，用户在方案选择下，确定符合自身实际需求的计量器具。
结束语
电力行业的改革是提质增效的重要一环，这些年大数据的快速发展为电力行业的创新改革提供了支持与保障。电能计量器具质量直接影响到设备的后期使用效果与维护费用，因此合理利用大数据，为用户提供个性化的电能计量器具质量评估及优选方案，满足用户的个性化需求，确保大数据在电能计量器具的选择中能有效发挥其作用。
参考文献：
[1]郗昊, 冯磊, 朱炯,等. 基于大数据技术的信息共享平台辅助国家药品抽检工作现状分析及展望[J]. 中国医药导刊, 2019, 021(001):50-54.
[2]卢秋根. 大数据技术在皮革制品行业中的应用探析——评《大数据分析:数据科学应用场景与实践精髓》[J]. 皮革科学与工程, 2019, v.29;No.159(05):84-84.
[3]刘庆杰、王金峰、冯燕茹. 计算机网络大数据中的人工智能技术研究——评《实感交互:人工智能下的人机交互技术》[J]. 机械设计, 2020, v.37;No.371(09):161-161.