CN106788449A - 一种实时电能质量数据参数化压缩方法 - Google Patents

Abstract

本发明涉及一种电能质量数据参数化压缩方法，通过将信号中稳态成分与暂态扰动成分进行分离后分别压缩处理，实现对电能质量信号的压缩传输。该方法先用动态测度分析电能质量信号扰动情况，分析结果决定后续各子模块的处理方式。基波频率由自适应陷波滤波器估计，并作为基谐波参数估计模块的输入频率。在信号中有暂态扰动时，由基谐波参数估计模块计算出的基谐波三参数重构稳态成分，将原信号与稳态成分相减得到暂态成分，对暂态成分用提升小波变换压缩，最后将稳态参数和小波系数量化编码。本发明公开的电能质量压缩处理方案在满足一定重构精度下进一步提高了压缩率，有效降低了设备存储容量，减少了数据上传过程所需通信带宽。

Description

一种实时电能质量数据参数化压缩方法

技术领域

本发明属于智能电网中电能质量监测技术领域，具体是涉及一种基于正弦曲线拟合和动态测度相结合的电能质量数据参数化压缩方法。

背景技术

随着非线性电力电子负载在电网中的大范围使用，使得电网中的污染较为严重，以及电力用户对电能质量的要求越来越高，电能质量问题受到各方的广泛关注。由于电能质量信号中可能会存在一些高频分量，信号在频域分布较广，因此在对电能质量信号采集时需要很高的采样率。这也导致了电能质量监测装置需要有足够的存储空间来保存海量数据，增加了设备成本。此外，若这些数据需要同时上传给电能质量分析中心，不仅会消耗过多通信带宽，且可能会造成数据在网络传输中出现阻塞现象，不能满足实时性要求。为了解决这些问题，对电能质量信号进行高效、实时压缩处理十分有必要。

目前在电能质量数据压缩方面主要有非参数化压缩和参数化压缩两大类。传统的非参数压缩方法主要有傅里叶变换、离散余弦变换、小波变换等。非参数化压缩方法是将信号映射到变换域(频域、小波域)，使得信号被稀疏表达，通过一定规则产生阈值，过滤掉较小的变换域系数，仅保留信号主要成分，接收侧对变换域系数进行反变换得到原信号，从而达到压缩的目的。参数化压缩方法其主要思想是将信号中的周期成分用参数表示，小波变换对暂态成分进行压缩，充分利用了小波变换对暂态信号稀疏表示特性。因此参数化压缩方法在压缩比与重构精度上均优于非参数化压缩方法。目前参数化压缩方法存在三个核心问题：(1)如何准确的检测信号中的暂态扰动和稳态扰动。(2)如何精确估计稳态成分中基谐波幅值、频率和相位。(3)压缩方案应满足电能质量分析在实际应用中实时性要求。一般电能质量参数化压缩方法常采用卡尔曼滤波器、内插傅里叶变换提取信号中的稳态成分，这些方法在信号中存在各种扰动事件的情况下稳态参数估计会失准，无法最大程度提升压缩比。

发明内容

本发明在克服目前参数化压缩方法中出现的暂态扰动识别准确度不高，稳态成分提取不彻底，接收侧重构精度低、压缩比小等问题，提出了一种基于正弦曲线拟合和动态测度相结合的电能质量数据参数化压缩方法，该方法充分利用了小波变换处理暂态信号的稀疏表示特性。动态测度先对信号进行简单分析处理，识别信号是否含有扰动及所属扰动类型，识别结果决定是否需要对残余信号额外压缩处理及正弦曲线拟合次数。在同一压缩比情况下，本方法不仅可以提高信号重构精度，且满足实际应用中实时性要求。

一方面，本发明公开了一种电能质量信号参数化压缩存储方案，主要包括如下步骤：

步骤1，设置动态测度阈值、小波系数阈值、谐波阶数、量化参数。

步骤2，初始化缓冲区，采集设定时间长度的电能质量信号数据。

步骤3，动态测度对当前信号进行检测，检测信号中是否存在暂态扰动和谐波扰动。

步骤4，用级联自适应IIR陷波滤波器估计当前信号基波频率，该频率作为谐波参数估计模块的输入频率。

步骤5，根据动态测度检测结果，基于三参数正弦曲线拟合法的基谐波参数估计模块作不同的处理。若检测到无扰动发生，则基谐波参数估计模块仅拟合基波幅值、相位；若检测有周期性扰动，则基谐波参数估计模块估计基波和谐波幅值、相位，否则仅拟合基波各参数；若检测有暂态扰动，用基谐波三参数重构信号中的稳态成分，与原始信号相减得到暂态成分，将暂态成分用提升小波变换压缩处理。延时模块用于同步输入信号和稳态重构信号，使得两者能够无相位差相减。

步骤6，对基谐波三参数和小波系数进行量化处理，再用霍夫曼编码对小波系数无损压缩。

步骤7，将基谐波各参数、量化编码后的小波系数及其时间位置封装成帧存储。

进一步，在步骤4中，级联自适应IIR陷波滤波器工作模式由动态测度检测结果决定。若检测有谐波扰动，则采用多级自适应陷波滤波器；若检测到无谐波扰动，则采用单级自适应陷波滤波器。

另一方面，本发明采用一种高精度的电能质量信号谐波参数估计方法，该方法将信号中的基谐波成分逐次分离，多次使用三参数正弦曲线拟合法(3PSF)拟合出各稳态成分幅值、相位。该方法不仅可以获得较高参数估计精度，而且计算量小，易于实现。

考虑一个信号包含基波和K-1个谐波成分的信号x(n)，由下式表示

式中v(n)为高斯白噪声，f_s为采样频率，A_k，f_k，φ_k分别为k次谐波(k＝1为基波)成分的幅值、频率、相位，M为信号长度。提出的方法估计基谐波幅值、相位、频率流程如下：

(1)获得当前缓冲区被分析信号的M个抽样序列。

(2)级联自适应IIR陷波滤波器估计出当前输入信号基波频率f₀。

(3)利用(2)中已经获得的基波频率f₀，3PSF估计出基波的幅值和相位

(4)重构当前基波或谐波信号当前信号减去基波或谐波参数重构信号得到残余信号，其中r₀(n)＝x(n)。

(5)用3PSF对残余信号r_k(n)拟合得k次谐波幅值相位 作为3PSF的输入频率。

(6)按步骤(4)估计新的残余信号，并返回(5)直到所有谐波参数计算完毕。

另外，本发明还公开了一种电能质量信号数据解压缩方法，包括如下步骤：

步骤1，读取待解压的数据块。

步骤2，根据小波系数作小波反变换重构原始信号暂态成分，根据基谐波三参数重构原始信号稳态成分。

步骤3，将重构的稳态成分和暂态成分相加获得重建的原始动态信号。

本发明提供的一种电能质量有损压缩方法的有益效果在于：(1)首先采用级联自适应IIR陷波滤波器估计信号的基波频率，该方法能精确的估计频率信息，能尽量避免了因一点点频率偏差而带来较大基波重构误差和谐波参数估计误差，其次多次使用三参数正弦曲线拟合基谐波各参数，能有效提高有暂态扰动情况下稳态参数估计准确度，使得稳态信号重构误差降低，稳态成分几乎能被完全分离出来，致使残余信号小波变换后稀疏度提高，从而提高了参数化压缩算法的压缩率。(2)对于已有参数化压缩方法中将谐波信息作为帧中固定内容，占据一定的存储空间，本发明灵活采用动态测度检测是否存在谐波扰动，避免了在无谐波扰动情况存储谐波各参数信息，从另一方面提高了整体压缩率。(3)级联自适应陷波滤波器使用双模式工作，能保证在不同扰动事件下基波频率检测的准确性。

附图说明

图1为本发明电能质量信号参数化压缩方法的系统流程图；

图2为本发明电能质量信号参数化压缩的帧格式定义；

图3为本发明电能质量信号谐波参数估计方法流程图。

图4为电压脉冲扰动信号的参数化压缩MATLAB仿真效果图；

图5为采用本发明方法时电压脉冲扰动信号的压缩比与重构误差百分比变化趋势图。

具体实施方式

本发明的一种电能质量信号的数据压缩存储方法，结合附图，实施例详细说明如下：

步骤一，设置动态测度阈值,设定该阈值用于滤掉信号峰/谷点对应的动态测度，利用保留的动态测度检测信号的畸变点，从而识别信号是否存在暂态扰动，以及扰动类别。设置小波系数阈值比例系数u，该阈值用于对残余信号的压缩去噪，同时调节u可以权衡重构信号重构均方误差百分比和压缩比。设置量化参数，即预先定义基谐波幅值、频率、相位及小波系数的量化步长和量化比特位数。最大谐波阶数即存储的谐波成分数。

步骤二，采样固定时间段的电能质量信号，该信号可以是电压信号也可以是电流信号。

步骤三，动态测度对信号进行分析检测得到动态测度序列，再用步骤一中的动态测度阈值和背景噪声标准差阈值对动态测度序列处理，过滤掉动态测度序列中的噪声点和信号峰/谷点，并最终得到信号畸变点的动态测度序列。若序列中无大于0的值，则表明无扰动发生；若序列值呈周期性则表明存在周期性扰动；若序列中有大于0的值且不呈周期性，则表明有暂态扰动。

步骤四，级联自适应IIR陷波滤波器估计采集信号的基波频率。级联滤波器的各级子滤波器用于滤除基波、三次谐波、五次谐波……，通过调谐各级子滤波器的共同的角频率参数θ使得滤波器输出达到最小，则表明θ已收敛到基波频率处。

步骤五，根据步骤四动态测度检测结果判定是否需要对信号中存在的暂态成分作额外压缩处理。若检测到无扰动发生，则基谐波参数估计模块仅拟合基波幅值、相位；若检测有周期性扰动，则基谐波参数估计模块估计基波和谐波幅值、相位，否则仅拟合基波各参数；若检测有暂态扰动，用估计的频率、幅值、相位重构原信号中各频率成分，与原始信号相减得到暂态成分，将暂态成分用提升小波变换变换得到小波系数，截断较小的小波系数达到压缩去噪目的。

步骤六，将稳态成分的基谐波三参数作均匀量化处理，量化分层级数由步骤一决定。小波系数采用UTQ方法量化处理，每个小波系数转化为对应的字符，再进行霍夫曼编码。

步骤七，将量化后的稳态参数与霍夫曼编码后的小波系数封装成帧。报文头包含报文总长度及谐波成分数。频率、幅值、相位存储各频率成分的频率、幅值、相位信息。起始时刻为当前帧信号的起始时刻。小波系数域存储编码后的小波系数及其时间位置信息。

仿真实验如图4、图5所示。图4以脉冲暂态扰动事件为例,图4(a)为原始信号，图4(b)为稳态重构信号，图4(c)为残余信号，图4(d)为原始信号的动态测度，横坐标Time/sec表示时间单位为秒，纵坐标Am/pu表示归一化的电压幅值。图5为信号在不同小波系数阈值u下的重构均方误差百分比与压缩变化趋势图。横坐标CR表示压缩比，纵坐标PRD表示重构均方误差百分比。

Claims (4)

1.一种电能质量信号参数化压缩方法，其特征在于，所述方法包括如下步骤：

步骤1，设置动态测度阈值、小波系数阈值、最大谐波阶数、量化参数。

步骤2，采集设定时间长度的电能质量信号数据。

步骤3，动态测度对当前信号进行检测，并分析检测结果，判断是否存在暂态扰动，是否存在谐波扰动。

步骤4，根据动态测度检测结果，级联自适应IIR陷波滤波器检测当前信号的基波频率。

步骤5,根据动态测度检测结果，基于三参数正弦曲线拟合法的谐波参数估计模块作不同的处理。若检测到无扰动发生，则基谐波参数估计模块仅拟合基波幅值、相位；若检测有周期性扰动，则基谐波参数估计模块估计基波和谐波幅值、相位，否则仅拟合基波各参数；若检测有暂态扰动，用基谐波三参数重构信号中的稳态成分，与原始信号相减得到暂态成分，将暂态成分用提升小波变换压缩处理。

步骤6，将步骤5计算出的基谐波三参数和小波系数进行量化处理，对小波系数进行霍夫曼编码无损压缩。

步骤7，将步骤6量化编码后的基谐波三参数、小波系数及其时间位置封装成帧存储。

2.根据权利要求书1所述的电能质量参数化压缩方法，其特征在于，对于步骤4，所述的级联自适应IIR陷波滤波器模式由动态测度检测结果决定。若有谐波扰动，则使用多级自适应IIR陷波滤波器；若无谐波扰动，则使用单级自适应IIR陷滤波器。

3.根据权利要求书1所述的电能质量参数化压缩方法，其特征在于，对于步骤5，所述的基谐波参数估计模块估计基谐波次数由动态测度检测结果决定。若无谐波扰动，则仅估计基波频率、幅值、相位参数；若有谐波扰动，则需估计基波和各次谐波三参数。

4.根据权利要求书1所述的电能质量参数化压缩方法，其特征在于，对于步骤5，所述的基谐波参数估计方法结合了三参数正弦曲线拟合法和级联自适应IIR陷波滤波器，级联自适应IIR陷波滤波器估计的基波频率作为三参数正弦曲线拟合的输入频率。