东方时讯网《国际信息与通信技术杂志》发表了一项旨在提高电网电表的准确性和可靠性的研究，特别是在具有挑战性的现场条件下。该研究为评估和优化测量性能提供了实用的建议。
中国四川省国家电网四川省电力公司营销服务中心的王成成介绍了他如何利用大数据分析技术开发出一种测量误差估计方法。他的方法整合了现场操作期间收集的环境和电力因素数据，为智能电能表提供实时测量误差评估。
智能电能表实行国家强制性检定和管理。它们产生的读数误差不仅影响千家万户的利益，也影响智能电网本身的安全、稳定和经济运行。Wang 表示， 事实证明，基于 Shapley 组合模型和神经网络构建的预测工具在预测需求方面比基于历史数据测试的其他方法更准确。
然而，使用 Shapley 方法将 BP 神经网络和 RBF神经网络结合在一起构建的混合模型表现出快速收敛和高精度，优于传统的 Holt Winters 模型。
研究结果可用于智能电表的可靠评估，以根据其实时状态改进运营决策和维护。该工作通过整合和分析维护和异常数据，还提供了智能电表的寿命生存概率模型。
这项工作的实际意义在于改进了在电网上运行的电能表的误差验证。研究人员提供了现场测量误差与实验室参考条件之间的转换关系曲线，有助于识别测量误差较大的电能表。
这种方法有助于提高现场操作中错误检查的效率，并能够提前预测测量设备中的超差故障。总体而言，这些进步有助于提高电网智能电表的可靠性和性能。