CN105891635A - 一种基于数字信号处理的电器类型识别的装置及方法 - Google Patents
一种基于数字信号处理的电器类型识别的装置及方法 Download PDFInfo
- Publication number
- CN105891635A CN105891635A CN201610217607.4A CN201610217607A CN105891635A CN 105891635 A CN105891635 A CN 105891635A CN 201610217607 A CN201610217607 A CN 201610217607A CN 105891635 A CN105891635 A CN 105891635A
- Authority
- CN
- China
- Prior art keywords
- digital signal
- current
- electric appliance
- frequency
- appliance
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 title claims abstract description 21
- 238000001228 spectrum Methods 0.000 claims abstract description 24
- 238000003066 decision tree Methods 0.000 claims abstract description 21
- 238000004891 communication Methods 0.000 claims abstract description 5
- 230000003595 spectral effect Effects 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Current Or Voltage (AREA)
Abstract
本发明公开了一种基于数字信号处理的电器类型识别装置及方法，其系统包括依次连接的电流传感器、前置放大器、低通滤波器、程控放大器、A/D转换器、数字信号处理器和RS‑485通信模块。所述电流传感器用于将电流信号转化为电压信号；A/D转换器用于将电压信号转换成对应的数字信号；数字信号处理器用于进行FFT运算，获得电流数字信号的频谱，利用决策树分类器实现电器类型识别；所述RS‑485模块，用于接收相关工作指令及上传识别出的电器类型。本发明所提供的电器类型识别装置及方法，硬件简单，采用决策树分类器根据频谱特性幅值最大的多个频率点所处的位置以及相互之间的大小关系对电器类型进行识别，方法简单、可靠。
Description
技术领域
本发明涉及一种识别识别及分类装置，尤其是涉及一种基于数字信号处理的电器类型识别装置及方法。
背景技术
从目前的电器类型识别方法来看，使用小波分析、神经网络等算法进行电器类型识别是主流。这些方式虽然能够在理论上实现电器类别，而且通过计算机仿真识别过程，能够得到一个较为理想的效果。但是小波分析、神经网络等这些复杂的算法，在单片机、DSP等器件上较难实现。特别是神经网络算法，该种算法具备学习能力，模糊识别能力很强，但是，它的优点同时也是它的缺点，神经网络算法要求神经网络必须经过训练，训练样本越多，工作效果越好，没有经过训练的神经网络，不具备任何识别的能力。
发明内容
本发明的目的在于，针对现在已有技术的缺陷，提供一种硬件连接简单、算法实现容易的基于数字信号处理的电器类型识别装置及方法。所述装置包括依次连接的电流传感器、前置放大器、低通滤波器、程控放大器、A/D转换器、数字信号处理器和RS-485通信模块。其中，
所述电流传感器，用于将电器负载的电流信号转化为电压信号；
所述前置放大器，用于将电压信号进行前期放大，便于进行滤波处理；
所述低通滤波器，用于将去除频率高于5kHz的信号，避免出现频谱混叠；
所述程控放大器，用于将幅值较小信号放大、幅值较大信号衰减，始终保持信号幅值在合理区间内；
所述A/D转换器，用于将电压信号转换成对应的数字信号；
所述数字信号处理器，用于对数字信号进行处理，实现电器类型识别；数字信号处理器优选DSP；
所述RS-485模块，用于接收相关工作指令及上传识别出的电器类型。
所述基于数字信号处理的电器类型识别方法，由所述装置来实现，包括以下步骤：
步骤一、获取电器负载的电流信号，并将其转换为对应的电流数字信号；
步骤二、对电流数字信号进行FFT运算，得到电流数字信号频谱特性；
步骤三、根据电流数字信号频谱特性判断电器类型。
所述根据电流数字信号频谱特性判断电器类型的方法是，采用决策树分类器来判断电器类型。选择电流数字信号频谱特性2次及2次以上谐波中幅值最大的N个频率点，将所述N个频率点的频率及其相对谐波幅值作为决策树分类器的输入特征；所述相对谐波幅值为谐波幅值与基波幅值之间的比值；所述N大于等于3。优选N等于5。
所述决策树分类器的决策依据是所述N个频率点的频率及其相对谐波幅值的大小以及相对谐波幅值相互之间的大小关系。进一步地，所述决策树分类器的输入特征向量中还包括电器负载电流值；所述决策树分类器的决策依据是所述决策树分类器的决策依据是所述N个频率点的频率及其相对谐波幅值的大小以及相对谐波幅值相互之间的大小关系、电器负载电流值的大小。
所述选择电流数字信号频谱特性2次及2次以上谐波中幅值最大的N个频率点，方法是从电流数字信号频谱特性中幅值最大的2次及2次以上谐波频率点开始，依次选择，直至选择得到所有幅值最大的N个频率点。进一步地，所述N个频率点各不相邻，此时具体寻找到5个特征频率点的频率及其相对谐波幅值的方法是：
①选择2次及2次以上谐波中幅值最大的频率点并确定为1个特征频率点；
②将特征频率点及其前后的各1个频率点排除，选择剩下频率点中幅值最大的频率点为新的1个特征频率点；
③重复步骤②，直到确定全部N个特征频率点；
④分别计算N个特征频率点谐波幅值与基波幅值之间的比值作为N个特征频率点的相对谐波幅值；将N个特征频率点的频率及其相对谐波幅值作为决策树分类器的输入特征。
本发明的有益效果是：决策树分类器简单易用，特别是使用快速傅里叶变换方法得到电流数字信号频谱特性后，根据幅值最大的多个频率点所处的位置以及相互之间的大小关系对电器类型进行识别，方法简单、可靠。
附图说明
图1为本发明实施例的电器类型识别装置的结构示意图；
图2为本发明实施例的电器类型识别方法的总体流程图；
图3为本发明实施例的FFT分析模块程序流程图。
具体实施方式
以下结合附图对本发明作进一步说明。
图1为本发明实施例的电器类型识别装置的结构示意图，包括依次连接的电流传感器11、前置放大器12、低通滤波器13、程控放大器14、A/D转换器15、数字信号处理器16 和RS-485通信模块17。其中，电流传感器11用于将电流信号转换成电压信号；起抗混叠作用的低通滤波器13的输入信号为进行了前级放大的前置放大器12的输出信号；为了使电压信号范围在A/D转换器可以承受，并且保证转换精度的范围，在系统中添加程控放大器14；A/D转换器将模拟的电压信号，转化为采样频率为10kHz的数字信号；数字信号处理器16将对采集到的数字信号进行FFT运算，计算其频谱并进行电器类型的识别。识别出电器类型后，通过RS-485模块17将相关信息发送给主机。
RS-485模块17除了可以用来将识别信息发送给主机以外，还可以通过该模块设置必要参数，以提高在不同场合中系统对不同电器的识别准确性。
以下给出一种稳定性更好的实施例。涉及到高电压的系统中，希望能够将高电压与低电压部分隔离开，以排除相互之间的干扰。在本系统中，可以采用使用隔离A/D转换器的方式，将高电压与低电压隔离。同样，也可以采用12位的串行A/D转换器，再使用光电耦合器作为A/D转换器与数字信号处理器的连接器件。同样可以实现高电压与低电压的隔离，从而提高系统的工作稳定性。
结合以上电器类型识别系统，本发明还提供了一种电器类型识别的方法，其总体流程图如图2所示。下面结合图2对该方法做具体分析。
P13，为了使装置在不同场合使用，设置了两种不同的模式，自主模式与查询模式。在自主模式中，装置将不断进行采样，识别电器类型的工作；完成一次识别后，即将识别结果发送出去。在查询模式时，只有在接收到识别指令时，才会进行识别，完成识别后，将识别结果发送给发出查询指令的主机。
P14，采集数据时，为了能够区分50Hz工频频率分量和直流分量，采样频率和FFT运算的点数必须满足一个对应的关系。在本实施例中，采用1024点FFT，采样频率选择在10kHz。
P17，FFT计算完成后的结果是复数值，而需要分析频率与幅值的关系时，需要将这一组复数值按照求幅值谱的方式，将复数值转变成频谱，以方便对频率与幅值的关系进行分析，实现电器类型识别的功能。
本发明实施例采用决策树分类器来判断电器类型。实施例中，选择电流数字信号频谱特性中除基波外，即2次及2次以上谐波中幅值最大的5条频谱所在频率点的频率与幅值作为决策树分类器的输入特征向量，决策树分类器的决策依据是该5个频率点的频率及其相对谐波幅值的大小以及相对谐波幅值之间的大小关系。以及他们相互之间的幅值大小关系。频谱特性分析是本算法中最重要的一部分，在此，结合图3说明一种分析频谱的方法。
P22，此处是为了寻找到5条频谱所在的频率点。如果直接按照幅值大小进行排序，那么得到的不一定涵盖了必要的频率点信息。因为一个幅值峰值点，其附近2～4个点的幅值也很高。因此，此处采取了一种策略：当已经选择到了最大值点时，其附近2～4个点，不作为纳入幅值排序；或者说，电流数字信号频谱特性中幅值最大的5个频率点各不相邻。具体寻找到5个特征频率点的频率及其相对谐波幅值的方法是：
①选择2次及2次以上谐波中幅值最大的频率点并确定为1个特征频率点；
②将特征频率点及其前后的各1个频率点排除，选择剩下频率点中幅值最大的频率点为新的1个特征频率点；
③重复步骤②，直到确定全部5个特征频率点；
④分别计算5个特征频率点谐波幅值与基波幅值之间的比值作为5个特征频率点的相对谐波幅值；将5个特征频率点的频率及其相对谐波幅值作为决策树分类器的输入特征。
P23，不同的用电器将会有不同的频谱特性。电阻性负载频谱主要集中在50Hz；电感性负载缺乏高频分量；使用开关电源供电的负载，频谱含量最为丰富。将前述5条频谱所在频率点的频率与幅值作为决策树分类器的输入特征向量，决策判断依据是该5个频率点的频率以及他们相互之间的幅值大小关系。
部分电器设备可能频谱特性相同，但属于完全不同的电器类型。例如，白炽台灯和电阻炉都是电阻性负载，其频谱特性相同。为对该类情况加以区分，将电器负载电流值也加入决策树分类器的输入特征向量，决策树分类器的决策依据还包括电器负载电流值的大小，以提高识别的准确性。
本发明通过采用DSP作为算法处理器，充分发挥了DSP强大的数字信号处理能力。利用FFT频谱分析作为解决提取不同用电器类型特征值的方法，简单可行。具备一定的识别电器类型的能力。
应当理解的是，对于本领域的普通技术人员，可以根据上述说明加以改进或改变，而所有这些改进和改变都应该属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于数字信号处理的电器类型识别装置，其特征在于，包括依次连接的电流传感器、前置放大器、低通滤波器、程控放大器、A/D转换器、数字信号处理器和RS-485通信模块。其中，
所述电流传感器，用于将电器负载的电流信号转化为电压信号；
所述前置放大器，用于将电压信号进行前期放大，便于进行滤波处理；
所述低通滤波器，用于将去除频率高于5kHz的信号，避免出现频谱混叠；
所述程控放大器，用于将幅值较小信号放大、幅值较大信号衰减，始终保持信号幅值在合理区间内；
所述A/D转换器，用于将电压信号转换成对应的数字信号；
所述数字信号处理器，用于对数字信号进行处理，实现电器类型识别；
所述RS-485模块，用于接收相关工作指令及上传识别出的电器类型。
2.如权利要求1所述的基于数字信号处理的电器类型识别装置，其特征在于，所述数字信号处理器为DSP。
3.一种基于数字信号处理的电器类型识别方法，由权利要求1－2中任一项所述的装置来实现，其特征在于，包括以下步骤：
步骤一、获取电器负载的电流信号，并将其转换为对应的电流数字信号；
步骤二、对电流数字信号进行FFT运算，得到电流数字信号频谱特性；
步骤三、根据电流数字信号频谱特性判断电器类型。
4.如权利要求3所述的基于数字信号处理的电器类型识别方法，其特征在于，所述根据电流数字信号频谱特性判断电器类型的方法是，采用决策树分类器来判断电器类型。
5.如权利要求4所述的基于数字信号处理的电器类型识别方法，其特征在于，选择电流数字信号频谱特性2次及2次以上谐波中幅值最大的N个频率点，将所述N个频率点的频率及其相对谐波幅值作为决策树分类器的输入特征；所述相对谐波幅值为谐波幅值与基波幅值之间的比值；所述N大于等于3。
6.如权利要求5所述的基于数字信号处理的电器类型识别方法，其特征在于，所述决策树分类器的决策依据是所述N个频率点的频率及其相对谐波幅值的大小以及相对谐波幅值相互之间的大小关系。
7.如权利要求5所述的基于数字信号处理的电器类型识别方法，其特征在于，所述N等于5。
8.如权利要求5所述的基于数字信号处理的电器类型识别方法，其特征在于，所述选择电流数字信号频谱特性2次及2次以上谐波中幅值最大的N个频率点，方法是从电流数字信号频谱特性中幅值最大的2次及2次以上谐波频率点开始，依次选择，直至选择得到所有幅值最大的N个频率点。
9.如权利要求8所述的基于数字信号处理的电器类型识别方法，其特征在于，所述选择电流数字信号频谱特性中幅值最大的N个频率点，方法是N个频率点各不相邻。
10.如权利要求6所述的基于数字信号处理的电器类型识别方法，其特征在于，所述决策树分类器的输入特征向量还包括电器负载电流值；所述决策树分类器的决策依据还包括电器负载电流值的大小。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610217607.4A CN105891635A (zh) | 2016-04-08 | 2016-04-08 | 一种基于数字信号处理的电器类型识别的装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610217607.4A CN105891635A (zh) | 2016-04-08 | 2016-04-08 | 一种基于数字信号处理的电器类型识别的装置及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105891635A true CN105891635A (zh) | 2016-08-24 |
Family
ID=57013198
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610217607.4A Pending CN105891635A (zh) | 2016-04-08 | 2016-04-08 | 一种基于数字信号处理的电器类型识别的装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105891635A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106909101A (zh) * | 2017-01-13 | 2017-06-30 | 中国海洋大学 | 一种非侵入式家用电器分类装置及方法 |
| CN108982898A (zh) * | 2018-08-29 | 2018-12-11 | 南京智鹤电子科技有限公司 | 监控工程机械运行状态的方法和系统 |
| CN109103882A (zh) * | 2018-10-30 | 2018-12-28 | 张家口浩扬科技有限公司 | 一种运行模式的选择方法及其选择系统 |
| CN111381157A (zh) * | 2020-04-17 | 2020-07-07 | 中铁隧道局集团有限公司 | 一种快速识别低压电器类别的检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104158285A (zh) * | 2013-05-16 | 2014-11-19 | 北京中科泛美科技有限公司 | 一种用于用电终端的用电监控系统 |
| CN104237786A (zh) * | 2014-09-10 | 2014-12-24 | 海信（山东）冰箱有限公司 | 一种识别电路及家电设备 |
| CN204086431U (zh) * | 2014-09-28 | 2015-01-07 | 杭州久笛电子科技有限公司 | 一种用电负载管理智能终端 |
| CN105372541A (zh) * | 2015-12-24 | 2016-03-02 | 山东大学 | 一种基于模式识别的家用电器智能集总检测系统及其工作方法 |
-
2016
- 2016-04-08 CN CN201610217607.4A patent/CN105891635A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104158285A (zh) * | 2013-05-16 | 2014-11-19 | 北京中科泛美科技有限公司 | 一种用于用电终端的用电监控系统 |
| CN104237786A (zh) * | 2014-09-10 | 2014-12-24 | 海信（山东）冰箱有限公司 | 一种识别电路及家电设备 |
| CN204086431U (zh) * | 2014-09-28 | 2015-01-07 | 杭州久笛电子科技有限公司 | 一种用电负载管理智能终端 |
| CN105372541A (zh) * | 2015-12-24 | 2016-03-02 | 山东大学 | 一种基于模式识别的家用电器智能集总检测系统及其工作方法 |
Non-Patent Citations (4)
| Title |
|---|
| 王娟等: "基于BP神经网络的负载识别和C语言实现", 《河北省科学院学报》 * |
| 王志超: "住宅用电负荷的非侵入式监测方法研究", 《万方》 * |
| 白海成: "学生公寓智能电能管理系统的设计与实现", 《中国优秀博硕士学位论文全文数据库 (硕士) 工程科技Ⅱ辑》 * |
| 陈彪等: "基于RBF网络和贝叶斯分类器融合的人脸识别方法", 《电子产品世界》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106909101A (zh) * | 2017-01-13 | 2017-06-30 | 中国海洋大学 | 一种非侵入式家用电器分类装置及方法 |
| CN106909101B (zh) * | 2017-01-13 | 2019-04-23 | 中国海洋大学 | 一种非侵入式家用电器分类装置及方法 |
| CN108982898A (zh) * | 2018-08-29 | 2018-12-11 | 南京智鹤电子科技有限公司 | 监控工程机械运行状态的方法和系统 |
| CN108982898B (zh) * | 2018-08-29 | 2021-08-24 | 南京智鹤电子科技有限公司 | 监控工程机械运行状态的方法和系统 |
| CN109103882A (zh) * | 2018-10-30 | 2018-12-28 | 张家口浩扬科技有限公司 | 一种运行模式的选择方法及其选择系统 |
| CN111381157A (zh) * | 2020-04-17 | 2020-07-07 | 中铁隧道局集团有限公司 | 一种快速识别低压电器类别的检测方法 |
| CN111381157B (zh) * | 2020-04-17 | 2022-02-11 | 中铁隧道局集团有限公司 | 一种快速识别低压电器类别的检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105891635A (zh) | 一种基于数字信号处理的电器类型识别的装置及方法 | |
| CN105913835B (zh) | 一种基于数学形态学的自适应滤波方法 | |
| CN103823165A (zh) | 一种基于泄漏电流的绝缘子污闪预警方法及其系统 | |
| CN104298962A (zh) | 指纹检测装置和方法 | |
| CN106845334A (zh) | 一种基于数学形态学的新型噪声提取方法 | |
| CN110703006B (zh) | 一种基于卷积神经网络的三相电能质量扰动检测方法 | |
| CN106680585B (zh) | 谐波/间谐波的检测方法 | |
| WO2016205085A1 (en) | Power drive transistor resonance sensor | |
| CN104267267B (zh) | 能量回馈并网逆变器的相序识别方法和系统 | |
| Ahmadi et al. | Types of EMD algorithms | |
| CN109212310A (zh) | 一种微电网谐波检测方法 | |
| CN115993504B (zh) | 一种电气设备的智能故障诊断方法及系统 | |
| CN105548846A (zh) | 便携智能型四通道局放检测仪信号频率转换前置模块 | |
| CN107491412B (zh) | 一种基于经验小波变换的用户用电负荷特征提取方法 | |
| CN107991531A (zh) | 基于变分模态分解和去除噪声的电网谐波检测方法 | |
| CN108090270B (zh) | 一种基于形态学滤波和盲源分离的暂态振荡参数识别方法 | |
| CN107525969A (zh) | 一种融合多种算法的自适应式电网谐波分析方法 | |
| CN205539219U (zh) | 一种基于虚拟仪器的电能质量监测系统 | |
| CN113740678B (zh) | 一种适用于电晕电流测量数据的降噪方法及系统 | |
| CN107064634B (zh) | 电力系统谐波的检测方法 | |
| JP2012042296A (ja) | 不規則なパルス列の信号処理方法および信号処理装置 | |
| CN114358041A (zh) | 一种基于混合算法的特征波形提取方法及分析方法 | |
| CN204479673U (zh) | 一种新型交流电子负载 | |
| CN113866497A (zh) | 基于电力营销数据的采集装置 | |
| CN106597100B (zh) | 一种广域电网动态频率的插值fft估计方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160824 |
|
| RJ01 | Rejection of invention patent application after publication |