随着我国北斗卫星导航系统的发展,已经形成了“北斗+行业”融合发展的趋势。电力作为重要的能源支柱产业,与北斗系统的创新应用促进了电力系统的智能发展,提高了电力系统的管理水平。然而电力环境特殊,精度要求严格,其中,高精度接收机发挥着重要作用,关系到电力作业效率和系统运营的安全问题。在这种特殊的环境中,接收机性能能否满足电力要求尤为重要。本文以接收机的三个关键指标——定位、测速和时间精度为主要对象,研究其具体的测试评估方法。首先,本文对测试的仿真场景建立数学模型,以静止模型、汽车运动模型、正弦运动模型和螺旋上升模型模拟接收机在电力应用的实际场景,使测试环境逼近于真实环境,测试的数据更加可靠。数据预处理是评估过程中必不可少的,处理的好坏对后续评估工作会产生影响。本文研究了几种传统预处理方法的限制条件与优缺点,在此基础上提出了一种基于k-means算法的新型粗差处理方法,弥补了传统方法对样本数量条件限制的缺点。在处理过程中,发现了样本中混有无效的数据,为提高处理效率,对可见卫星数作归一化处理,利用实验测试数据仿真验证了该方法的可行性,处理效果较好。然后对定位误差数据进行评估,考虑到降维处理会丢失信息,对精度评估有影响,采用了三维的球概率误差算法(SEP)进行评估。其中研究了三种计算SEP值的算法,并对其中的极大似然估计算法(MLE)加以改进,引入了 KNN算法,将数据分成不同域,但因为KNN在大样本处理过程中,速度比较慢,并且可能出现分类不准确的问题,因而将KNN与k-modes算法融合,先选取大样本中的一数据进行分类处理,根据分类结果再计算剩余的样本数据,将获得的计算结果通过MLE算法实现SEP的估计。仿真验证了不同模拟场景下不同样本量的测试数据,比较了几种方法计算的结果,证明算法评估效果较好。最后基于Qt软件平台开发了一个接收机自动评估软件,根据实验测试员的需求,软件实现了数据导入、精度评估和数据库管理的功能。数据导入主要完成测试数据导入和接收机基本信息的导入,基本信息包括接收机的型号、测试场景等。精度评估中根据测试指标选择对应的评估方法,评估结束后根据需要产生评估报表,最后将完成的评估任务记录在数据库中,便于实验人员的数据管理。