随着社会经济的快速发展,智能电网的规模日益增加。计量装置作为电网的终端设备直接关系到电力交易的公平性,因此检测计量装置的运行误差与运行状态尤为重要。目前电力公司的计量装置检验方法工作强度大、人力物力浪费严重、异常诊断具有延迟性,难以满足计量装置检定和更换的要求。为了提高计量装置运行维护水平,本文研究了一种计量装置运行误差远程诊断方法,在线完成对计量装置的运行误差估计;针对拓扑无法获取的台区,进一步研究了基于深度学习的计量装置运行状态评估模型;最后通过随机矩阵理论解决了状态评估方法对电网结构依赖性高的问题,完成对计量装置异常点与故障发生时刻的定位。主要内容如下:（1）基于台区拓扑和能量守恒定律,研究了一种计量装置运行误差远程诊断模型,该方法利用量测数据构建高维线性方程组,求解获得计量装置运行误差、台区线损率等重要指标。进一步针对数据周期数不满足求解条件的台区提出设定虚拟电表的方法,降低模型求解条件。针对线性方程组的病态性,采取降低矩阵条件数和正则化求解的方法,提高模型估计精确度。最后通过实际台区数据验证了运行误差远程估计的准确性。（2）针对拓扑结构无法准确获取的台区,建立基于深度学习的计量装置运行状态评估模型。该方法通过预测电能表的计量值,利用预测偏差估计智能电表的运行状态。首先分析计量值曲线的时间特征,建立基于循环神经网络的电量预测模型。然后结合聚类方法和迁移学习提高预测模型的训练效率,通过设定异常阈值和异常诊断规则,完成了对计量装置运行状态的评估。最后通过仿真模型验证了所提方法对计量装置运行状态评估的有效性。（3）介绍了随机矩阵理论的常用矩阵、相关定理以及量化指标。采用测量数据构建高维随机矩阵,并研究了一种加权增广矩阵的构建方法。利用最大特征值和经过加权处理的随机矩阵定位出运行状态异常的计量装置。结合滑动窗口和平均谱半径画出随机矩阵的特征值曲线,通过分析特征值曲线推断出故障发生时刻和结束时刻。最后通过实际台区数据验证了模型对计量装置异常点和故障时刻定位的有效性。