摘要：对电子式三相电网电能表计量误差的预测，能够及时的发现电能表计量设备的潜在隐患。对电能表计量误差的预测，需要拟合出电子式电能表计量非线性系统，对适应度函数进行优化，完成电能表计量误差的预测。传统方法通过灰色关联分析理论，选取电能表计量误差训练样本，但忽略了对适应度函数的优化，导致预测结果偏低。提出基于神经网络的电子式三相电网电能表计量误差预测方法。研究电子式三相电网电能表计量设备综合误差的构成，建立用于描述非线性分布的组合半梯度云模型，用于预测电网传输电压和电流互感器的运行误差，利用以获取的电能表计量误差时间序列经过神经网络进行在线学习，拟合出电子式电能表计量非线性系统来预测三相电能表计量值，对适应度函数进行优化，达到电能表计量误差动态预测的目的。实验结果表明，所提方法预测误差较小，具有较强的泛化能力。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社