CN103513094B - 一种消除电力系统检测信号噪声的装置及方法 - Google Patents
一种消除电力系统检测信号噪声的装置及方法 Download PDFInfo
- Publication number
- CN103513094B CN103513094B CN201310464349.6A CN201310464349A CN103513094B CN 103513094 B CN103513094 B CN 103513094B CN 201310464349 A CN201310464349 A CN 201310464349A CN 103513094 B CN103513094 B CN 103513094B
- Authority
- CN
- China
- Prior art keywords
- wavelet
- signal
- noise
- lambda
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
一种消除电力系统检测信号噪声的装置,其特征在于它包括电流互感器模块、A/D模数转换模块、电平转换模块、去噪电路模块;其消除噪声的方法包括电流信号采集、转换、去噪、小波分解及去噪、小波重构和输出;其优越性在于:①装置简单,编程易懂;②可以通过神经网络的自学习功能自动寻找最优的阈值;③利用计算机高速的数据计算和数据处理能力,大大提高了该控制系统的可靠性。
Description
(一)技术领域:
本发明属于电力系统电网电流信号的检测与处理技术领域,特别是一种消除电力系统检测信号噪声的装置及方法。
(二)背景技术:
随着电力系统规模的不断扩大、信号检测与处理技术的不断精进,当系统发生故障时,如何更加精确地检测出电网电流信号成为相关研究人员关注的热点技术之一。电力系统暂态信号是比较复杂的,如系统发生故障后,实测故障电流一般是包含工频基波分量、各次谐波分量、故障暂态分量和一些噪声的混合信号。而且暂态信号在采集和传输的每一个环节都会引入噪声并向后传递。因此最后得到的数据除了我们关心的被测试信号以外,还会有各种类型的噪声,因而去噪成为各项操作的基础和关键。
由于传统的基于傅里叶变换的数字滤波器不具有频率局部化特征,因而利用该方法并不适合处理非平稳信号。而小波变换具有良好的时频局域化特性,具有多分辨率的特点,适合用于信号去噪,能较好地去除噪声,而不损坏信号的突变部分。
利用小波变换滤除噪声的方法很多,而小波阈值去噪法应用非常广泛。小波阈值去噪法是一种在最小均方误差意义下近似最优的非线性去噪方法,具有实现简单、计算量小的特点。对于任意含噪声的信号,经过多次小波变换后,信号的能量集中在幅值大,但数量较少的一些小波系数中,而噪声的能量却分布于整个小波域内,噪声的小波系数要小于信号的小波系数。如果寻找到一个合适的阈值,大于该值的小波系数认为由信号控制,而小于阈值的小波系数则由噪声控制,去除对应小波系数即可达到去噪的目的。
现有的大多数研究都是建立在Donoho的阈值去噪原理上的,这种去噪方法的阈值确定必须是建立在已知噪声类型的基础上的。而阈值的选取是否得当是小波阈值去噪的关键步骤,如果阈值太小,经过阈值处理后的小波系数包含过多的噪声分量,达不到去噪的目的;如果阈值太大,则信号中的有用成分损失多,造成合成信号失真。然而实际电力系统中可能含有多种类型的噪声,因此无法运用此种方法对电力系统进行较为精确的小波去噪。所以,改进以往的小波阈值去噪方法的不足之处来较为精确地消除采集电力系统电流信号的噪声也就变得尤为重要了。
(三)发明内容:
本发明的目的在于提供一种消除电力系统检测信号噪声的装置及方法,它可以克服现有技术的不足,采用了高性能的控制器和先进的信号处理技术,能够更加精确地去除多种类型的电力系统噪声,并在最大程度上保留信号的突变部分,且结构简单,操作方便。
本发明的技术方案:一种消除电力系统检测信号噪声的装置,其特征在于它包括电流互感器模块、A/D模数转换模块、电平转换模块、去噪电路模块;其中,所述A/D模数转换模块的输入端通过电流互感器与外电网相连接,其输出端连接电平转换模块的输入端;所述去噪电路模块的输入端连接电平转换模块的输出端。
所述去噪电路模块是由小波分析单元、小波去噪单元和小波重构单元构成;其中,所述小波分析单元采集电平转换模块输出端的信号,其输出端连接小波去噪单元的输入端;所述小波去噪单元的输出端连接小波重构单元的输入端。
所述A/D模数转换模块是内部采用开关电容逐次近似来得到模数转换结果,芯片有4路模拟信号输入通道,通过芯片内部参数设置选择不同通道输入,进行A/D转换输出的Burr-Brown公司的模数转换芯片ADS1211;所述芯片ADS1211是具有高精度宽动态范围的A/D转换芯片;其内部由可编程增益放大器、二阶∑-Δ调制器、调制控制单元、可编程数字滤波器和微处理器组成。
所述电平转换模块采用可以实现模数转换模块与小波去噪电路模块的间接通信的TI公司的74CBT3384C电平转换芯片。
所述去噪电路模块采用TI公司的TMS320F2812芯片;所述TMS320F2812芯片是32位定点DSP芯片。
一种消除电力系统检测信号噪声的方法,其特征在于它包括以下步骤:(1)电流互感器从电网采集电流信号量;(2)A/D转换模块将采集到的模拟量转换成数字量;(3)将离散电流数据经过电平转换模块流向去噪电路,信号在去噪电路中进行小波分解、小波去噪,最后进行小波重构,进而得到最终不含噪声的电流信号。
本发明的工作原理:
电流互感器(CT)从电网取电流信号量,电流互感器输出的电流信号是模拟量,通过A/D变换将其转换为数字信号。设得到的电流数字信号为f(t),则设
f(t)=s(t)+n(t),(t=0,1,2,…)。
其中,s(t)为真实信号,n(t)为需要去除的噪声信号。
首先,选择合适的小波函数以及小波分解层数,对f(t)进行小波分解,得到小波分解树。依据小波分解的相关理论,
f(t)=ca1+cd1+cd2+…+cdi=ca1+Σcdi
其中,ca1为一层小波分解的近似分量,cd1,cd2…cdi为各层小波分解的细节分量。
如图所示3,为小波分解树。
然后我们对重构小波系数做阈值处理,有
其中,cdi *是阈值处理后的小波重构系数,λ为阈值。
我们可以将神经网络的非线性单元Sigmoid函数引入阈值中,当Sigmoid函数的斜率很大的时候其性能基本上与阶跃函数相似,但是其具有处处可导的特性,有利于我们用优化的方法去寻找较优的阈值。本文中我们取Sigmoid函数如下:
其中,λi为小波分解到第i层的阈值。
则对重构小波系数的阈值处理转化为,
cdi *=cdi·S(cdi,λi)
其中,cdi *为小波重构后的各层细节分量。
所以得到阈值处理后的真实信号s(t)的估计值为:
定义噪声熵为:
根据梯度下降法,调整阈值λ,使得噪声熵最小,调整幅度为:
其中α为调整系数,N为小波分解的层数。
其中,
则其调整过程为,
λi(k+1)=λi(k)+α△λi
通过不断的循环迭代,当abs(λi(k+1)-λi(k)<ε,停止迭代,输出λi即为所求阈值。
电平转换模块的存在是因为A/D模块与去噪电路模块的工作电压不匹配,二者不能进行直接通信。
模数转换要通过软件来实现,其软件流程如下:①启动模数转换信号;②在AUTO_SEQ_SR寄存器中装初值;③进行模数转换,每转换一次,AUTO_SEQ_SR寄存器中的值就自动减1;④将转换结果保存到相应的寄存器中;⑤判断转换是否完成;若完成,就申请中断,转换结束;否则就继续转换。
TMS320F2812 DSP芯片既有数字信号处理能力,又具有强大的事件管理能力和嵌入式控制功能,整个小波去噪电路以TMS320F2812为控制核心,包括电源电路、处理结果输出的SCI接口电路、A/D转换控制和为调试方便扩展的SDRAM单元等部分。DSP内部的软件设计包括以下两个内容:(参见图4)
a)TMS320F2812的初始化。主要是寄存器状态设定、复用I/O引脚的功能设定和写ADS1211转换的控制字。
b)小波阈值去噪算法的实现。关键是小波函数的选择和阈值的确定。小波函数的比较可以在MATLAB软件下比较其特性,然后把小波分解系数以系数表的形式写入程序。在DSP中运行的程序代码主要是系数表中读取各层的小波系数进行运算。再把经运算迭代得到的最优阈值与小波系数进行比较运算得到其重构系数,最后经小波重构运算得到去噪后的信号。
当数据源开始向下一步的降噪系统发送待处理的数据时需要启动中断程序。当系统环境初始化时,初始化程序不会对处理器的中断做出初始化命令,所以,系统中的中断实际上并没有执行。如果系统中需要做出中断,那么必须对相对应的处理。中断程序是整个DSP的小波降噪系统的核心内容。当系统开始上电初始化时,在对应的位置上,中断向量表会初始化一个入口地址,而这个入口地址就对应于一个临时的中断子程序。当系统初始化结束时,若下一步的处理系统收到的处理数据符合算法的要求,TMS320F2812就会调取相关的中断程序并执行该程序。
本发明的优越性在于:①硬件装置与计算机软件编程相结合,硬件装置设计简单,软件编程通俗易懂;②采用Sigmoid函数来代替阶跃函数,避免了其在区间内不可导,可以通过神经网络的自学习功能自动寻找最优的阈值;③利用计算机高速的数据计算和数据处理能力,大大提高了该控制系统的可靠性。
(四)附图说明:
图1为本发明所涉一种消除电力系统检测信号噪声装置的总体结构示意图。
图2为本发明所涉一种消除电力系统检测信号噪声装置中A/D模数转换芯片ADS1211的控制电路示意图。
图3为本发明所涉一种消除电力系统检测信号噪声方法的小波分解树示意图。
图4为本发明所涉一种消除电力系统检测信号噪声方法的DSP的小波去噪流程图。
(五)具体实施方式:
实施例:一种消除电力系统检测信号噪声的装置(见图1),其特征在于它包括电流互感器模块、A/D模数转换模块、电平转换模块、去噪电路模块;其中,所述A/D模数转换模块的输入端通过电流互感器与外电网相连接,其输出端连接电平转换模块的输入端;所述去噪电路模块的输入端连接电平转换模块的输出端。
所述去噪电路模块(见图1)是由小波分析单元、小波去噪单元和小波重构单元构成;其中,所述小波分析单元采集电平转换模块输出端的信号,其输出端连接小波去噪单元的输入端;所述小波去噪单元的输出端连接小波重构单元的输入端。
所述A/D模数转换模块(见图2)是内部采用开关电容逐次近似来得到模数转换结果,芯片有4路模拟信号输入通道,通过芯片内部参数设置选择不同通道输入,进行A/D转换输出的Burr-Brown公司的模数转换芯片ADS1211;所述芯片ADS1211是具有高精度宽动态范围的A/D转换芯片;其内部由可编程增益放大器、二阶∑-Δ调制器、调制控制单元、可编程数字滤波器和微处理器组成。
所述电平转换模块(见图1)采用可以实现模数转换模块与小波去噪电路模块的间接通信的TI公司的74CBT3384C电平转换芯片。
所述去噪电路模块(见图1)采用TI公司的TMS320F2812芯片;所述TMS320F2812芯片是32位定点DSP芯片。
一种消除电力系统检测信号噪声的方法,其特征在于它包括以下步骤:(1)电流互感器从电网采集电流信号量;(2)A/D转换模块将采集到的模拟量转换成数字量;(3)将离散电流数据经过电平转换模块流向去噪电路,信号在去噪电路中进行小波分解、小波去噪,最后进行小波重构,进而得到最终不含噪声的电流信号。
Claims (4)
1.一种消除电力系统检测信号噪声的装置,其特征在于它包括电流互感器模块、A/D模数转换模块、电平转换模块、去噪电路模块;其中,所述A/D模数转换模块的输入端通过电流互感器与外电网相连接,其输出端连接电平转换模块的输入端;所述去噪电路模块的输入端连接电平转换模块的输出端;所述去噪电路模块是由小波分析单元、小波去噪单元和小波重构单元构成;其中,所述小波分析单元采集电平转换模块输出端的信号,其输出端连接小波去噪单元的输入端;所述小波去噪单元的输出端连接小波重构单元的输入端;所述A/D模数转换模块是内部采用开关电容逐次近似来得到模数转换结果,芯片有4路模拟信号输入通道,通过芯片内部参数设置选择不同通道输入,进行A/D转换输出的Burr-Brown公司的模数转换芯片ADS1211;所述芯片ADS1211是具有高精度宽动态范围的A/D转换芯片;其内部由可编程增益放大器、二阶∑-Δ调制器、调制控制单元、可编程数字滤波器和微处理器组成;
消除电力系统检测信号噪声的方法为:(1)电流互感器从电网采集电流信号量;(2)A/D模数转换模块将采集到的模拟量转换成数字量;(3)将离散电流数据经过电平转换模块流向去噪电路,信号在去噪电路中进行小波分解、小波去噪,最后进行小波重构,进而得到最终不含噪声的电流信号;
具体过程为:①电流互感器从电网取电流信号量,电流互感器输出的电流信号是模拟量,通过A/D变换将其转换为数字信号;
②设得到的电流数字信号为f(t),则设
f(t)=s(t)+n(t),(t=0,1,2,…)
其中,s(t)为真实信号,n(t)为需要去除的噪声信号;
③首先,选择小波函数以及小波分解层数,对f(t)进行小波分解,得到小波分解树;
依据小波分解的相关理论,
f(t)=ca1+cd1+cd2+…+cdi=ca1+∑cdi
其中,ca1为一层小波分解的近似分量,cd1,cd2,.......cdi为各层小波分解的细节分量;
④然后,对重构小波系数做阈值处理,有
其中,cdi *是阈值处理后的小波重构系数,λ为阈值;
⑤取Sigmoid函数如下:
其中,λi为小波分解到第i层的阈值;
则对重构小波系数的阈值处理转化为,
其中,为小波重构后的各层细节分量;
所以得到阈值处理后的真实信号s(t)的估计值为:
定义噪声熵为:
根据梯度下降法,调整阈值λ,使得噪声熵最小,调整幅度为:
α为调整系数,N为小波分解的层数;
则其调整过程为,λi(k+1)=λi(k)+αΔλi
通过不断的循环迭代,当abs(λi(k+1)-λi(k))<ε,停止迭代,输出λi即为所求阈值。
2.根据权利要求1所述一种消除电力系统检测信号噪声的装置,其特征在于所述电平转换模块采用可以实现模数转换模块与小波去噪电路模块的间接通信的TI公司的74CBT3384C电平转换芯片。
3.根据权利要求1所述一种消除电力系统检测信号噪声的装置,其特征在于所述去噪电路模块采用TI公司的TMS320F2812芯片;所述TMS320F2812芯片是32位定点DSP芯片。
4.一种消除电力系统检测信号噪声的方法,其特征在于它包括以下步骤:(1)电流互感器从电网采集电流信号量;(2)A/D转换模块将采集到的模拟量转换成数字量;(3)将离散电流数据经过电平转换模块流向去噪电路,信号在去噪电路中进行小波分解、小波去噪,最后进行小波重构,进而得到最终不含噪声的电流信号;
具体过程为:①电流互感器从电网取电流信号量,电流互感器输出的电流信号是模拟量,通过A/D变换将其转换为数字信号;
②设得到的电流数字信号为f(t),则设
f(t)=s(t)+n(t),(t=0,1,2,…)
其中,s(t)为真实信号,n(t)为需要去除的噪声信号;
③首先,选择小波函数以及小波分解层数,对f(t)进行小波分解,得到小波分解树;
依据小波分解的相关理论,
f(t)=ca1+cd1+cd2+…+cdi=ca1+∑cdi
其中,ca1为一层小波分解的近似分量,cd1,cd2,.......cdi为各层小波分解的细节分量;
④然后,对重构小波系数做阈值处理,有
其中,cdi *是阈值处理后的小波重构系数,λ为阈值;
⑤取Sigmoid函数如下:
其中,λi为小波分解到第i层的阈值;
则对重构小波系数的阈值处理转化为,
其中,为小波重构后的各层细节分量;
所以得到阈值处理后的真实信号s(t)的估计值为:
定义噪声熵为:
根据梯度下降法,调整阈值λ,使得噪声熵最小,调整幅度为:
α为调整系数,N为小波分解的层数;
则其调整过程为,λi(k+1)=λi(k)+αΔλi
通过不断的循环迭代,当abs(λi(k+1)-λi(k))<ε,停止迭代,输出λi即为所求阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310464349.6A CN103513094B (zh) | 2013-09-29 | 2013-09-29 | 一种消除电力系统检测信号噪声的装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310464349.6A CN103513094B (zh) | 2013-09-29 | 2013-09-29 | 一种消除电力系统检测信号噪声的装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103513094A CN103513094A (zh) | 2014-01-15 |
CN103513094B true CN103513094B (zh) | 2016-09-28 |
Family
ID=49896136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310464349.6A Active CN103513094B (zh) | 2013-09-29 | 2013-09-29 | 一种消除电力系统检测信号噪声的装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103513094B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105807122B (zh) * | 2016-05-06 | 2018-09-07 | 歌尔股份有限公司 | 一种微机电产品电流采集过程中的噪声抑制方法 |
CN106908663A (zh) * | 2017-03-07 | 2017-06-30 | 国网江苏省电力公司电力科学研究院 | 一种基于小波变换的电动汽车充电谐波辨识方法 |
CN108828403A (zh) * | 2018-04-26 | 2018-11-16 | 广东电网有限责任公司 | 电缆测试信号消噪方法、装置及终端 |
CN108985179B (zh) * | 2018-06-22 | 2022-01-25 | 福建和盛高科技产业有限公司 | 一种基于改进小波阈值函数的电能质量信号去噪方法 |
CN111162506B (zh) * | 2020-01-13 | 2022-02-18 | 华电国际电力股份有限公司邹县发电厂 | 一种双速电动机保护测控装置 |
CN112716559A (zh) * | 2021-01-18 | 2021-04-30 | 南京凌华微电子科技有限公司 | 用于变速截骨的方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8754363B2 (en) * | 2010-02-08 | 2014-06-17 | Canon Kabushiki Kaisha | Method and apparatus for reducing noise in mass signal |
CN101819251A (zh) * | 2010-05-18 | 2010-09-01 | 华中科技大学 | 一种电力电子电路的状态监测与故障诊断装置 |
CN101900674A (zh) * | 2010-07-02 | 2010-12-01 | 天津大学 | 一种用于二氧化碳浓度检测信号静噪的小波滤波方法 |
CN102680824A (zh) * | 2012-05-16 | 2012-09-19 | 浙江大学 | 一种基于dsp的弓网受流电能质量检测分析系统 |
-
2013
- 2013-09-29 CN CN201310464349.6A patent/CN103513094B/zh active Active
Non-Patent Citations (1)
Title |
---|
小波神经网络阈值自学习在信号去噪中的应用;李斌等;《中国测试技术》;20060331;第32卷(第2期);第112页第2.2-2.3节,图1 * |
Also Published As
Publication number | Publication date |
---|---|
CN103513094A (zh) | 2014-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103513094B (zh) | 一种消除电力系统检测信号噪声的装置及方法 | |
CN202339381U (zh) | 一种纳托尔自卷积窗加权傅里叶变换的谐波电能计量系统 | |
WO2015172661A1 (zh) | 一种适用于微网谐波监测的压缩感知重构方法 | |
CN101672873B (zh) | 一种基于Tsallis小波奇异熵与FFT运算结合的电力系统暂态谐波信号的检测方法 | |
CN103190898A (zh) | 心磁信号噪声自适应滤波消除设计方法 | |
CN103440861A (zh) | 一种针对室内环境中低频噪音的自适应降噪器 | |
CN105741305A (zh) | 一种基于平稳小波变换滤除肌电干扰的方法和系统 | |
Wang et al. | Short-term wind speed prediction using support vector regression | |
CN104767535A (zh) | 一种低复杂度块状稀疏信号重构方法 | |
CN103905959A (zh) | 基于飞行员耳机的有源噪声控制装置 | |
CN103529294A (zh) | 基于hht的光伏系统并网逆变器谐波检测系统及方法 | |
CN104732076A (zh) | 一种侧信道能量迹特征提取的方法 | |
CN103592595B (zh) | 一种开关电流电路故障诊断方法 | |
CN105634568A (zh) | 一种基于大规模mimo系统信号检测的llr计算方法 | |
CN109036810A (zh) | 一种变压器有源噪声降噪装置及控制方法 | |
CN101940475A (zh) | 一种提高血氧饱和度检测精度的方法 | |
CN103390117B (zh) | 一种电力负荷动特性的特征提取方法 | |
CN106788430A (zh) | 一种基于频段划分补偿的宽频带信号采样回放系统 | |
CN107104657A (zh) | 一种数字有源emi滤波器的数字化错周期控制方法 | |
Yang et al. | A combination of FDTD and least‐squares support vector machines for analysis of microwave integrated circuits | |
CN106060717A (zh) | 一种高清晰度动态降噪拾音器 | |
CN107765074A (zh) | 牵引变流器谐波电流信号强度的检测方法及检测系统 | |
CN109474356A (zh) | 宽带多通道信号能量检测系统及方法 | |
CN103942760A (zh) | 一种基于压缩感知的深空图像鲁棒性重构方法 | |
CN203552692U (zh) | 一种针对室内环境中低频噪音的自适应降噪器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |