摘要：对电力计量设备现场检定而言，目前面临的问题是如何在复杂的现场运行条件下保证检定和计量的可溯源性。为满足电力计量设备现场检定的精度需求，分析多维现场条件和电能计量设备的精确度之间的内在关系是问题的关键。在进行现场实地试验的基础上，分析了各影响因素与电能计量器具准确度之间的相关性。针对多维条件下电能计量标准器可能产生的附加误差，探讨了稀疏自动编码器预测电能计量标准器误差的可行性；采用无监督预训练和有监督微调相结合的方法完成训练过程。以大量电能计量标准器的实地测试数据作为训练样本，证明稀疏自动编码器能够有效预测多维条件下电能计量标准器的附加误差，与其他机器学习模型相比，其具有更好的训练误差和收敛速度。

关键词：电能计量 误差预测 神经网络 深度学习 无监督预训练 

单位：南方电网科学研究院有限责任公司; 广东广州510080; 武汉大学动力与机械学院; 湖北武汉430072