在南方电网云南电网公司,电力计量设备往往是通过年检来控制这些计量设备的质量。而每一年云南省需要检定的电能表高达几百万只,若在检定过程中出现了问题,就会带来较大的社会影响和巨大的经济损失。而电能表的质量情况主要是依据检定的误差数据来衡量的。所以在实际生产中选择一家精度较高的电能表供应商显得至关重要。因此本文对云南省某计量中心的实验室电能表误差检定数据进行的算法分析,对各个电能表供应商的检定误差数据进行了kmeans聚类、误差曲线拟合、GM(1,1)单因素和PCAMLP多因素预测等处理。目的是在今后电网公司选购不同供应商的电能表时,可以提供策略上的支持和参考。以及在做电能表误差检定时可以用预测的曲线作为异常检定数据的衡量标准。针对上述描述的问题,做了如下的研究工作:(1)电子式电能表在实验室检定过程中会产生的大量的检定误差数据,面对大量的系统误差数据,详细分析了这些误差数据的特征,选择误差序列的特征值作为样本数据,建立电能表误差检定分析预测模型。(2)针对不同因素的特征值进行分析,对于不同供应商同一批次的电能表检定误差,进行数据预处理,采用kmeans聚类算法对误差数据进行分类,后选取误差精确度最小的供应商检定误差数据加入预测模型,利用灰色预测GM(1,1)模型进行单因素检定误差分析,后考虑到电能表在实际检定过程中的内外部因素也会对电能表误差检定数据产生影响,运用主成分分析法筛选出影响电能表检定误差的主要因素,运用PCA-MLP相结合的算法构建多因素电能表检定误差预测模型。(3)利用云南省某计量中心电能表检定误差数据,将各个供应商的电能表误差检定分析预测模型应用到误差数据的分析预测计算中,经过实例的分析,本文建立的模型在预测精度上得到明显提高,基于电能表误差检定分析预测模型适用于实际的电能表误差预测。