(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210823367.8 (22)申请日 2022.07.14 (65)同一申请的已公布的文献号 申请公布号 CN 114896829 A (43)申请公布日 2022.08.12 (73)专利权人 山西虚拟现实产业 技术研究院有 限公司 地址 030006 山西省太原市转型综合改革 示范区科技创新城化章北街1号山西 数据流量生态园4号楼4层4 402-301 专利权人 太原理工大 学 (72)发明人 郭海峰　郭浩　黄晓妍　薛义飞　 徐陵惠　马若宁　李俊峰　李志军　 申润州　秦少博　裴士懿　刘阳阳　 王星　侯超航　 (74)专利代理 机构 太原高欣科创专利代理事务 所(普通合伙) 14109 专利代理师 孟肖阳　冷锦超 (51)Int.Cl. G06F 30/20(2020.01)G06F 17/16(2006.01) G06F 119/12(2020.01) (56)对比文件 CN 112526348 A,2021.0 3.19 CN 113777510 A,2021.12.10 CN 113504558 A,2021.10.15 CN 111693931 A,2020.09.2 2 US 20202020 63 A1,2020.0 6.25 徐鹏 等.基 于多新息随机梯度永磁同步电 机参数辨识. 《计算机 工程与应用》 .2014,第5 0卷 (第6期),第25 5-260页. 孔祥玉 等.基 于限定记 忆递推最小二乘算 法的智能电表运行误差 远程估计. 《中国电机 工 程学报》 .2020,第40卷(第7期),第2143 -2151页. 廖育武 等.自回归 模型的多新息随机梯度 和多新息最小二乘辨识方法. 《科 学技术与工 程》 .2008,第8卷(第4期),第10 58-1060页. (续) 审查员 龚秒 (54)发明名称 一种超差电表定位方法 (57)摘要 本发明提供了一种超差电表定位方法， 属于 电力系统技术领域； 所要解决的技术问题为： 提 供基于变递推多新息加权最小二乘辨识算法的 超差电表定位方法的改进； 解决上述技术问题采 用的技术方案为： 包括如下步骤： 构建变递推间 隔多新息最小二乘辨识算法模型； 引入变遗忘因 子对多新息修正项进行加权重构； 引入最新估计 更新变递推间隔多新息加权最小二乘辨识算法 模型： 将基于最新估计的变递推间隔多新息加权 最小二乘 辨识算法模型代入ARX误差模 型仿真得 到最优权值； 通过最优权值下基于最新估计的变 递推间隔多新息加权最小二乘辨识算法模型对 智能电表远程误差估计， 通过误差率直接在后台定位超差电表； 本发明应用于超差电表定位。 [转续页] 权利要求书4页 说明书10页 附图2页 CN 114896829 B 2022.09.30 CN 114896829 B (56)对比文件 韩丽丽.多率多输入系统的辨识. 《中国优秀 博硕士学位 论文全文数据库 (博士) (信息科技 辑)》 .201 1,(第06期), Yanjun L iu 等.Multi-i nnovation Extended Stoc hastic Gradient Algorithm and Its Performance Analysis. 《Circuits, Systems and Signal Proces sing》 .2010,第2 9 卷2/2 页 2[接上页] CN 114896829 B1.一种超差电表定位方法， 其特 征在于： 包括如下步骤： S1： 构建变递推间隔多新息最小二乘辨识算法模型： S1.1： 构建标量 新息系统； S1.2： 引入多新息最小二乘辨识算法， 得到多新息系统； S1.3： 利用时变的递推间隔代替原递推间隔， 得到变递推间隔多新息最小二乘辨识算 法模型， 并得到多新息修 正项表示； 所述步骤S1.3中利用时变的递推间隔代替原递推间隔关系如下： t*＝ts‑ts‑1 s∈[1， 2， 3. ..]； 上式中： ts为参数估计的时间点， ts‑1为参数估计的上一个时间点， t*≥1为递推间隔； 定义多新息最小二乘辨识算法的准则函数如下： 上式中： J( θ,ts)为准则函数， 其中Y(p,ti)为t＝ti参数估计点下多新息系统的输出矩 阵， 为输入U(p,ti)和输出Y(p,ti)的转置矩阵， θ为系统待辨识参数， ti为第i个参数 估计点， i∈[1,2,3 …s]为参数估计点个数； 获得变递推间隔多新息最小二乘辨识算法， 并得到多新息修 正项表示如下： YT(p， ts)＝[y(ts)， y(ts‑1)...y(ts‑P+1)]T； 上式中： Y(p,ts)为t＝ts参数估计点下多新息系统的输出矩阵， 为输入U(p,ts) 和输出Y(p,ts)的转置矩阵， V(p,ts)为零均值随机噪声矩阵， θ为系统待辨识参数， L(ts)为 增益矩阵， P(ts)为协方差矩阵， e*(ts)为多新息修正项， 为t＝ts‑1下θ的估计值， 为ts时刻下的参数估计； S2： 引入变遗忘因子对多新息修正项进行加权重构， 得到变递推间隔多新息加权最小 二乘算法模型； 所述步骤S2中引入变遗 忘因子对多新息修 正项进行加权 重构的计算公式如下：权　利　要　求　书 1/4 页 2 CN 114896829 B 3