CN106294286A - 基于小波变换与正弦曲线拟合的非稳态畸变噪声检测方法 - Google Patents
基于小波变换与正弦曲线拟合的非稳态畸变噪声检测方法 Download PDFInfo
- Publication number
- CN106294286A CN106294286A CN201610680140.7A CN201610680140A CN106294286A CN 106294286 A CN106294286 A CN 106294286A CN 201610680140 A CN201610680140 A CN 201610680140A CN 106294286 A CN106294286 A CN 106294286A
- Authority
- CN
- China
- Prior art keywords
- signal
- unsteady
- omega
- state distortion
- noise
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Complex Calculations (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明属于电能计量领域,具体涉及一种基于小波变换与曲线拟合的非稳态畸变信号噪声检测方法;该方法首先进行非稳态畸变信号小波系数求解,然后利用小波变换方法重构基波信号,在进行基波信号正弦曲线拟合,最后计算非稳态畸变噪声;本发明基于小波变换与曲线拟合的非稳态畸变信号噪声检测方法不仅能够提高非稳态噪声信号的检测精度,而且能够减小不同层数之间分析结果的差异,具有更广泛的层数适用范围。
Description
技术领域
本发明属于电能计量领域,具体涉及一种基于小波变换与曲线拟合的非稳态畸变信号噪声检测方法。
背景技术
随着电网中非线性负载的增加,电网基波信号上会叠加非稳态噪声形成电网非稳态畸变信号。非稳态噪声信号由于具有时变、频率复杂特性,增加了电能计量难度,降低了电能计量的准确性,不仅使国家电力部门利益受到损失,以及电网系统安全受到影响,而且容易烧毁对电网信号变化敏感的负荷设备。解决这些问题需要提出一种能够准确检测非稳态噪声信号的新方法。
噪声信号检测方法中,早期采用模拟滤波器原理进行分析,这种方法电路原理简单,但电路元件参数发生变化时,检测结果不理想。20世纪80年代中期出现了基于传统傅里叶变换的数字滤波器,该方法有计算量小、实现简单等优势,但由于不具有频率局部化能力,可能会漏采非稳态噪声。小波变换方法是近些年快速发展起来的一种变换分析新方法,随着小波变换方法的完善和发展,弥补了奈奎斯特采样定理条件限定下传统方法的不足,可以从非稳态畸变信号中分离基波信号与噪声信号,以便检测。而现有大多数小波变换方法研究,都是建立在已知非稳态噪声频率能量分布基础上,选取合适的小波变换方法分解重构层数,才能比较准确的检测非稳态噪声,分解层数过多或过少都可能会降低检测非稳态噪声的准确性。而实际电网非稳态噪声频率复杂并且未知,传统方法可能降低非稳态噪声检测精度,所以就需要改进传统方法准确检测噪声信号。
发明内容
针对上述问题,本发明公开了一种基于小波变换与正弦曲线拟合的非稳态畸变噪声检测方法,该方法不仅能够提高非稳态噪声信号的检测精度,而且能够减小不同层数之间分析结果的差异,具有更广泛的层数适用范围。
本发明的目的是这样实现的:
基于小波变换与正弦曲线拟合的非稳态畸变噪声检测方法,包括以下步骤:
S1、非稳态畸变信号小波系数求解
采用小波变换Mallat算法对非稳态畸变信号进行分解,分解算法如下所示,
式中,t为离散时间序列,i(t)为非稳态畸变信号,j为分解层数,k为位移因子,H和G均为时域小波分析滤波器,Aj为信号i(t)在第j层的低频系数,Dj为信号第j层的高频系数;
S2、小波变换方法重构基波信号
采用小波变换Mallat算法对非稳态畸变信号中的基波信号进行重构,重构后基波信号ia(t)如下所示,
ia(t)=Aj[i(t)]H(2k-t)
式中,t为离散时间序列,i(t)为非稳态畸变信号,j为分解层数,k为位移因子,H和G均为时域小波分析滤波器,Aj为信号i(t)在第j层的低频系数;
S3、基波信号正弦曲线拟合
按照如下公式拟合基波信号i'a(t)
式中,ω为基波信号的角频率,t0表示一个周期的起始时间;
S4、计算非稳态畸变噪声
按照公式id(t)=i(t)-i'a(t)计算非稳态畸变噪声id(t)。
有益效果:
第一、本发明基于小波变换与正弦曲线拟合的非稳态畸变噪声检测方法,首先通过小波变换方法计算非稳态畸变信号的高频系数和低频系数,再根据低频系数重构出基波信号,重要的是,在重构得到基波信号的基础上,进行正弦曲线拟合,因此能够提高基波信号拟合结果与真值之间的一致性,进而通过非稳态畸变信号与基波信号拟合结果做差,得到更准确的非稳态噪声信号;
第二、由于在重构得到基波信号的基础上,进行了正弦曲线拟合,使得拟合后的基波信号与真值之间的一致性进一步提高,因此降低了不同层数分解下得到结果的差异,使得本发明基于小波变换与正弦曲线拟合的非稳态畸变噪声检测方法适用的层数更广泛。
附图说明
图1是本发明基于小波变换与正弦曲线拟合的非稳态畸变噪声检测方法的流程图。
图2是标准电网基波信号。
图3是电网冲击噪声信号。
图4是电网噪声信号与电网基波信号叠加后的非稳态畸变信号。
图5是6层分解重构条件下单独小波分析方法得到的基波信号。
图6是6层分解重构条件下单独小波分析方法得到的噪声信号。
图7是本发明方法重构得到的基波信号。
图8是本发明方法重构得到的噪声信号。
具体实施例
下面结合附图对本发明具体实施例作进一步详细描述。
具体实施例一
本实施例的基于小波变换与正弦曲线拟合的非稳态畸变噪声检测方法,流程图如图1所示,该方法包括以下步骤:
S1、非稳态畸变信号小波系数求解
采用小波变换Mallat算法对非稳态畸变信号进行分解,分解算法如下所示,
式中,t为离散时间序列,i(t)为非稳态畸变信号,j为分解层数,k为位移因子,H和G均为时域小波分析滤波器,Aj为信号i(t)在第j层的低频系数,Dj为信号第j层的高频系数;
S2、小波变换方法重构基波信号
采用小波变换Mallat算法对非稳态畸变信号中的基波信号进行重构,重构后基波信号ia(t)如下所示,
ia(t)=Aj[i(t)]H(2k-t)
式中,t为离散时间序列,i(t)为非稳态畸变信号,j为分解层数,k为位移因子,H和G均为时域小波分析滤波器,Aj为信号i(t)在第j层的低频系数;
S3、基波信号正弦曲线拟合
按照如下公式拟合基波信号i'a(t)
式中,ω为基波信号的角频率,t0表示一个周期的起始时间;
S4、计算非稳态畸变噪声
按照公式id(t)=i(t)-i'a(t)计算非稳态畸变噪声id(t)。
为了进一步验证本发明的有益效果,进行了如下仿真实验:
电网冲击信号模型的仿真结果中的电网基波信号如图2所示。电网冲击噪声信号如图3所示,冲击噪声信号发生在0.05s-0.15s之间。噪声信号与基波信号叠加后的非稳态畸变信号如图4所示。以6层分解为例,分别通过本发明方法和单独小波变换方法对图中的电网冲击信号模型进行分解重构,单独小波分析方法得到的基波信号与噪声信号分别如图5和图6所示,本专利方法重构得到的基波信号与噪声信号如图7和图8所示。
从下表中可以看出,在小波变换6层分解的情况下,无论是基波信号还是噪声信号,本发明方法的重构结果与单独小波变换方法相比与原始信号一致程度更高。为了进一步说明本发明方法在其他分解层数下,仍然能够保持稳定并且准确的非稳态噪声检测精度。由于电网非稳态畸变信号的频率分布,小波变换方法4、5、6层分解重构最为常用。所以分别计算通过小波变换方法进行4、5、6层分解重构后基波信号、噪声信号的相关系数,计算结果如下表所示。
本发明方法与单独小波变换方法对比
电网冲击信号模型,本发明方法重构所得基波信号、噪声信号,重构信号与原始信号之间的相关系数都0.95以上,均高于单独小波变换方法得到的结果,说明本发明方法精度更高。而在不同层数之间,本文重构所得噪声信号相关系数的方差为1.4×10-5,低于单独小波变换方法所得结果的方差3×10-3,提高了两个数量级,说明本发明方法所得到的结果没有因为小波变换方法分解层数的改变而有较大变化,更稳定,适用的层数更广泛,有利于提高电网非稳态畸变信号的噪声检测精度。
Claims (1)
1.基于小波变换与正弦曲线拟合的非稳态畸变噪声检测方法,其特征在于,包括以下步骤:
S1、非稳态畸变信号小波系数求解
采用小波变换Mallat算法对非稳态畸变信号进行分解,分解算法如下所示,
式中,t为离散时间序列,i(t)为非稳态畸变信号,j为分解层数,k为位移因子,H和G均为时域小波分析滤波器,Aj为信号i(t)在第j层的低频系数,Dj为信号第j层的高频系数;
S2、小波变换方法重构基波信号
采用小波变换Mallat算法对非稳态畸变信号中的基波信号进行重构,重构后基波信号ia(t)如下所示,
ia(t)=Aj[i(t)]H(2k-t)
式中,t为离散时间序列,i(t)为非稳态畸变信号,j为分解层数,k为位移因子,H和G均为时域小波分析滤波器,Aj为信号i(t)在第j层的低频系数;
S3、基波信号正弦曲线拟合
按照如下公式拟合基波信号i'a(t)
式中,ω为基波信号的角频率,t0表示一个周期的起始时间;
S4、计算非稳态畸变噪声
按照公式id(t)=i(t)-i'a(t)计算非稳态畸变噪声id(t)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610680140.7A CN106294286B (zh) | 2016-08-17 | 2016-08-17 | 基于小波变换与正弦曲线拟合的非稳态畸变噪声检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610680140.7A CN106294286B (zh) | 2016-08-17 | 2016-08-17 | 基于小波变换与正弦曲线拟合的非稳态畸变噪声检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106294286A true CN106294286A (zh) | 2017-01-04 |
CN106294286B CN106294286B (zh) | 2018-07-24 |
Family
ID=57678750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610680140.7A Expired - Fee Related CN106294286B (zh) | 2016-08-17 | 2016-08-17 | 基于小波变换与正弦曲线拟合的非稳态畸变噪声检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106294286B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108169553A (zh) * | 2018-01-10 | 2018-06-15 | 长沙理工大学 | 基于小波变换和曲线拟合的畸变信号条件下电能计量方法 |
CN108491354A (zh) * | 2018-02-01 | 2018-09-04 | 四川大学 | 一种通用的离散信号分解和重建方法 |
CN111579988A (zh) * | 2020-05-18 | 2020-08-25 | 珠海万力达电气自动化有限公司 | 一种自适应基波消除方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6219373B1 (en) * | 1998-06-15 | 2001-04-17 | The United States Of America As Represented By The Secretary Of The Navy | Wavelet-based interference filtering for spread-spectrum signal |
CN102890190A (zh) * | 2012-10-17 | 2013-01-23 | 哈尔滨理工大学 | 基于多小波的随机非线性负荷有功电能计量方法 |
CN102998528A (zh) * | 2012-12-12 | 2013-03-27 | 湖南大学 | 动态正弦畸变信号中频率分量的提取方法及其实现装置 |
CN105162433A (zh) * | 2015-09-17 | 2015-12-16 | 广西大学 | 一种基波分量的提取方法及装置 |
-
2016
- 2016-08-17 CN CN201610680140.7A patent/CN106294286B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6219373B1 (en) * | 1998-06-15 | 2001-04-17 | The United States Of America As Represented By The Secretary Of The Navy | Wavelet-based interference filtering for spread-spectrum signal |
CN102890190A (zh) * | 2012-10-17 | 2013-01-23 | 哈尔滨理工大学 | 基于多小波的随机非线性负荷有功电能计量方法 |
CN102998528A (zh) * | 2012-12-12 | 2013-03-27 | 湖南大学 | 动态正弦畸变信号中频率分量的提取方法及其实现装置 |
CN105162433A (zh) * | 2015-09-17 | 2015-12-16 | 广西大学 | 一种基波分量的提取方法及装置 |
Non-Patent Citations (1)
Title |
---|
倪元敏 等: "畸变信号条件下电能合理计算方法探讨", 《电力系统自动化》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108169553A (zh) * | 2018-01-10 | 2018-06-15 | 长沙理工大学 | 基于小波变换和曲线拟合的畸变信号条件下电能计量方法 |
CN108491354A (zh) * | 2018-02-01 | 2018-09-04 | 四川大学 | 一种通用的离散信号分解和重建方法 |
CN108491354B (zh) * | 2018-02-01 | 2021-04-13 | 四川大学 | 一种通用的离散信号分解和重建方法 |
CN111579988A (zh) * | 2020-05-18 | 2020-08-25 | 珠海万力达电气自动化有限公司 | 一种自适应基波消除方法 |
CN111579988B (zh) * | 2020-05-18 | 2022-07-05 | 珠海万力达电气自动化有限公司 | 一种自适应基波消除方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106294286B (zh) | 2018-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106845010B (zh) | 基于改进SVD降噪和Prony的低频振荡主导模式辨识方法 | |
CN103983850B (zh) | 基于压缩感知的电力系统谐波压缩信号重构与检测方法 | |
Grant et al. | Comparison of matrix pencil and prony methods for power system modal analysis of noisy signals | |
CN101900789B (zh) | 基于小波变换与分形维数的容差模拟电路故障诊断方法 | |
CN103064008B (zh) | 一种基于希尔伯特-黄变换的非线性模拟电路软故障诊断方法 | |
CN111289796B (zh) | 一种高比例可再生能源电力系统次同步振荡的检测方法 | |
CN107783938B (zh) | 一种旋转设备瞬时转速估计方法 | |
CN102955068B (zh) | 一种基于压缩采样正交匹配追踪的谐波检测方法 | |
CN108089059A (zh) | 一种基于稀疏独立分量分析的谐波阻抗估算方法 | |
CN110852025B (zh) | 一种基于超收敛插值逼近的三维电磁慢扩散数值模拟方法 | |
CN106294286A (zh) | 基于小波变换与正弦曲线拟合的非稳态畸变噪声检测方法 | |
CN110048416B (zh) | S-g滤波和自适应mp算法的低频振荡模态辨识方法 | |
CN103190898A (zh) | 心磁信号噪声自适应滤波消除设计方法 | |
CN103412242A (zh) | 一种基于快速独立分量分析和互信息的谐波源定位方法 | |
CN103064010B (zh) | 基于希尔伯特-黄变换的模拟电路故障元件参数估计方法 | |
CN103558498B (zh) | 基于小波分析的绝缘子污闪泄漏电流信号稀疏表示方法 | |
Zhao et al. | Enhanced order spectrum analysis based on iterative adaptive crucial mode decomposition for planetary gearbox fault diagnosis under large speed variations | |
CN106645985A (zh) | 一种基于人工神经网络的雷电流反演方法 | |
CN103383413A (zh) | 基于权值直接确定法的实时谐波检测方法 | |
CN106980722B (zh) | 一种脉冲响应中谐波成分的检测和去除方法 | |
Bao et al. | Numerical reconstruction of electromagnetic inclusions in three dimensions | |
Xiaomeng et al. | A sensor fault diagnosis method research based on wavelet transform and hilbert-huang transform | |
Souchlas | A dressed quark propagator representation in the Bethe–Salpeter description of mesons | |
CN103576120A (zh) | 三次谐波分量准同步信息传输校验与自愈算法 | |
CN104915324A (zh) | 腔体含介质目标电磁散射混合分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180724 Termination date: 20190817 |
|
CF01 | Termination of patent right due to non-payment of annual fee |