CN108918927B - 一种能量分解中功率信号滤波方法及系统 - Google Patents

一种能量分解中功率信号滤波方法及系统 Download PDF

Info

Publication number
CN108918927B
CN108918927B CN201810970636.7A CN201810970636A CN108918927B CN 108918927 B CN108918927 B CN 108918927B CN 201810970636 A CN201810970636 A CN 201810970636A CN 108918927 B CN108918927 B CN 108918927B
Authority
CN
China
Prior art keywords
power signal
layer
sequence
signal sequence
current layer
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.)
Expired - Fee Related
Application number
CN201810970636.7A
Other languages
English (en)
Other versions
CN108918927A (zh
Inventor
翟明岳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Petrochemical Technology
Original Assignee
Guangdong University of Petrochemical Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong University of Petrochemical Technology filed Critical Guangdong University of Petrochemical Technology
Priority to CN201810970636.7A priority Critical patent/CN108918927B/zh
Publication of CN108918927A publication Critical patent/CN108918927A/zh
Application granted granted Critical
Publication of CN108918927B publication Critical patent/CN108918927B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R11/00—Electromechanical arrangements for measuring time integral of electric power or current, e.g. of consumption
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Measuring Frequencies, Analyzing Spectra (AREA)
  • Complex Calculations (AREA)

Abstract

本发明公开了一种能量分解中功率信号滤波方法及系统。所述滤波方法包括：获取实测功率信号序列以及多尺度分解层数；根据多尺度分解层数以及多层低通滤波器截止频率确定每一层滤波后的实测功率信号序列；根据当前层滤波后的实测功率信号序列确定当前层时间窗口长度；构建解析序列；确定解析序列在所述当前层时间窗口长度下的伪Wigner‑Ville分布；根据伪Wigner‑Ville分布恢复每一层所述滤波后的实测功率信号序列，确定恢复实测功率信号序列；从所述多尺度分解层数的最后一层开始，根据当前层的所述恢复实测功率信号序列以及上一层的插值后实测功率信号序列滤除实测功率信号中的非平稳非高斯噪声。本发明能够有效滤除实测功率信号中的非平稳非高斯噪声。

Description

一种能量分解中功率信号滤波方法及系统
技术领域
本发明涉及电力领域，特别是涉及一种能量分解中功率信号滤波方法及系统。
背景技术
随着智能电网的发展，家庭用电负荷的分析变得越来越重要，通过用电负荷的分析，家庭用户可以及时获得每个电器的用电信息，以及电费的精细化清单；电力部门可以获得更详尽的用户用电信息，并可以提高用电负荷预测的准确度，为电力部门提供统筹规划的依据；同时，利用每个电器的用电信息，可获知用户的用电行为，这对于家庭能耗评估和节能策略的研究具有指导意义。
负载开关事件检测是能量分解中最为重要的一步，既要检测到事件发生，同时还能确定事件发生的时刻；但是开关事件检测的精度受功率信号(功率序列)中噪声的影响较大，尤其是随着非线性电器的应用和普及，背景噪声呈现出较为明显的非平稳性和非高斯特性，进一步影响了检测精度。因此，对功率信号滤波是开关事件检测中非常重要的一步。常用的低通滤波器和中值滤波器在非平稳和非高斯噪声环境中难以达到理想的滤波效果。
现有的滤波算法一般都是低通滤波，滤波效果不是很好，因为现在随着经济社会水平的发展，家庭中添加了很多产生非平稳非高斯噪声的电器，例如各种搅拌机，咖啡机，电磁炉等。这些电器会在功率信号(或者称为功率数据序列)中添加非平稳非高斯噪声；随着非线性电器的应用和普及，功率信号中背景噪声呈现出较为明显的非平稳性和非高斯特性，常用的低通滤波器和中值滤波器在非平稳和非高斯噪声环境中难以达到理想的滤波效果，严重影响了负载开关事件的检测。
发明内容
本发明的目的是提供一种能量分解中功率信号滤波方法及系统，以解决实测功率信号中非平稳非高斯噪声滤除效率低，严重影响开关事件检测的问题。
为实现上述目的，本发明提供了如下方案：
一种能量分解中功率信号滤波方法，包括：
获取实测功率信号序列以及多尺度分解层数；所述多尺度分解层数用于对所述实测功率信号序列进行分解；
根据所述多尺度分解层数确定多层低通滤波器截止频率；
根据所述多尺度分解层数以及所述多层低通滤波器截止频率对所述实测功率信号序列逐层进行低通滤波处理，确定每一层滤波后的实测功率信号序列；
获取当前层滤波后的实测功率信号序列；
根据所述当前层滤波后的实测功率信号序列确定当前层时间窗口长度；
对所述当前层滤波后的实测功率信号序列内的功率信号进行逐点处理，构建解析序列；
确定所述解析序列在所述当前层时间窗口长度下的伪Wigner-Ville分布；
按照所述多尺度分解层数从大到小的顺序，根据所述伪Wigner-Ville分布恢复每一层所述滤波后的实测功率信号序列，确定恢复实测功率信号序列；
按照所述多尺度分解层数从大到小的顺序对所述恢复实测功率信号序列进行线性插值处理，确定插值后实测功率信号序列；
从所述多尺度分解层数的最后一层开始，根据当前层的所述恢复实测功率信号序列以及上一层的所述插值后实测功率信号序列滤除所述实测功率信号中的非平稳非高斯噪声。
可选的，所述根据所述多尺度分解层数确定多层低通滤波器截止频率，具体包括：
根据公式
Figure BDA0001776085650000021
确定多层低通滤波器截止频率；其中，
Figure BDA0001776085650000022
为多层低通滤波器截止频率；c为多尺度分解层数，C为多尺度分解层数的总层数，c＝1,2,…,C。
可选的，所述根据所述当前层滤波后的实测功率信号序列确定当前层时间窗口长度，具体包括：
获取所述当前层滤波后的实测功率信号序列的采样频率以及主频；
根据公式
Figure BDA0001776085650000031
确定当前层时间窗口长度；其中，
Figure BDA0001776085650000032
为当前层时间窗口长度；
Figure BDA0001776085650000033
为所述当前层滤波后的实测功率信号序列Pc的采样频率；
Figure BDA0001776085650000034
为所述当前层滤波后的实测功率信号序列Pc的主频；Tc为所述当前层滤波后的实测功率信号序列的采样间隔。
可选的，所述对所述当前层滤波后的实测功率信号序列内的功率信号进行逐点处理，构建解析序列，具体包括：
根据公式
Figure BDA0001776085650000035
对所述当前层滤波后的实测功率信号序列内的功率信号进行逐点处理，构建解析序列；其中，z(n)为构建第n点的解析值；μc为调制系数，1＜μc≤2；Pc(j)为当前层信号序列Pc中的第j个元素。
可选的，所述确定所述解析序列在所述当前层时间窗口长度下的伪Wigner-Ville分布，具体包括：
根据公式
Figure BDA0001776085650000036
确定所述解析序列在所述当前层时间窗口长度下的伪Wigner-Ville分布；其中，PWz c(n,f)为解析序列zc(n)在当前层时间窗口长度
Figure BDA0001776085650000037
下的伪Wigner-Ville分布；hc(m)为时间窗函数；
Figure BDA0001776085650000038
为zc(n-m)的共轭，zc(n+m)为实数，
Figure BDA0001776085650000039
zc(n+m)为所构建的解析序列zc(n)的第n+m点的解析值，e-j4πfm＝cos(4πfm)-isin(4πfm)；n为序号，表示Wigner-Ville分布第n点的值；m为序号，表示求和项的序号；f为频率。
一种能量分解中功率信号滤波系统，包括：
信号序列及分解层数获取模块，用于获取实测功率信号序列以及多尺度分解层数；所述多尺度分解层数用于对所述实测功率信号序列进行分解；
多层低通滤波器截止频率确定模块，用于根据所述多尺度分解层数确定多层低通滤波器截止频率；
低通滤波处理模块，用于根据所述多尺度分解层数以及所述多层低通滤波器截止频率对所述实测功率信号序列逐层进行低通滤波处理，确定每一层滤波后的实测功率信号序列；
当前层滤波后的实测功率信号序列获取模块，用于获取当前层滤波后的实测功率信号序列；
当前层时间窗口长度确定模块，用于根据所述当前层滤波后的实测功率信号序列确定当前层时间窗口长度；
解析序列构建模块，用于对所述当前层滤波后的实测功率信号序列内的功率信号进行逐点处理，构建解析序列；
伪Wigner-Ville分布确定模块，用于确定所述解析序列在所述当前层时间窗口长度下的伪Wigner-Ville分布；
恢复模块，用于按照所述多尺度分解层数从大到小的顺序，根据所述伪Wigner-Ville分布恢复每一层所述滤波后的实测功率信号序列，确定恢复实测功率信号序列；
线性插值处理模块，用于按照所述多尺度分解层数从大到小的顺序对所述恢复实测功率信号序列进行线性插值处理，确定插值后实测功率信号序列；
非平稳非高斯噪声滤除模块，用于从所述多尺度分解层数的最后一层开始，根据当前层的所述恢复实测功率信号序列以及上一层的所述插值后实测功率信号序列滤除所述实测功率信号中的非平稳非高斯噪声。
可选的，所述多层低通滤波器截止频率确定模块具体包括：
多层低通滤波器截止频率确定单元，用于根据公式
Figure BDA0001776085650000041
确定多层低通滤波器截止频率；其中，
Figure BDA0001776085650000042
为多层低通滤波器截止频率；c为多尺度分解层数，C为多尺度分解层数的总层数，c＝1,2,…,C。
可选的，所述当前层时间窗口长度确定模块具体包括：
采样频率及主频获取单元，用于获取所述当前层滤波后的实测功率信号序列的采样频率以及主频；
当前层时间窗口长度确定单元，用于根据公式
Figure BDA0001776085650000043
确定当前层时间窗口长度；其中，
Figure BDA0001776085650000051
为当前层时间窗口长度；
Figure BDA0001776085650000052
为所述当前层滤波后的实测功率信号序列Pc的采样频率；
Figure BDA0001776085650000053
为所述当前层滤波后的实测功率信号序列Pc的主频；Tc为所述当前层滤波后的实测功率信号序列的采样间隔。
可选的，所述解析序列构建模块具体包括：
解析序列构建单元，用于根据公式
Figure BDA0001776085650000054
对所述当前层滤波后的实测功率信号序列内的功率信号进行逐点处理，构建解析序列；其中，z(n)为构建第n点的解析值；μc为调制系数，1＜μc≤2；Pc(j)为当前层信号序列Pc中的第j个元素。
可选的，所述伪Wigner-Ville分布确定模块具体包括：
伪Wigner-Ville分布确定单元，用于根据公式
Figure BDA0001776085650000055
确定所述解析序列在所述当前层时间窗口长度下的伪Wigner-Ville分布；其中，PWz c(n,f)为解析序列zc(n)在当前层时间窗口长度
Figure BDA0001776085650000056
下的伪Wigner-Ville分布；hc(m)为时间窗函数；
Figure BDA0001776085650000058
为zc(n-m)的共轭，zc(n+m)为实数，
Figure BDA0001776085650000057
zc(n+m)为所构建的解析序列zc(n)的第n+m点的解析值，e-j4πfm＝cos(4πfm)-isin(4πfm)，n为序号，表示Wigner-Ville分布第n点的值；m为序号，表示求和项的序号；f为频率。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供了一种能量分解中功率信号滤波方法及系统，用于负载开关事件检测的功率信号滤波器，能够有效地滤除功率信号中的背景噪声，尤其是非平稳非高斯类型的噪声，并且具有较快的计算速度，简单易行。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的能量分解中功率信号滤波方法流程图；
图2为本发明所提供的基于多尺度分解的自适应时频域滤波算法流程图；
图3为本发明所提供的能量分解中功率信号滤波系统结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种能量分解中功率信号滤波方法及系统，能够提高实测功率信号中非平稳非高斯噪声的滤除效率。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的能量分解中功率信号滤波方法流程图，如图1所示，一种能量分解中功率信号滤波方法，包括：
步骤101：获取实测功率信号序列以及多尺度分解层数；所述多尺度分解层数用于对所述实测功率信号序列进行分解。
图2为本发明所提供的基于多尺度分解的自适应时频域滤波算法流程图，如图2所示，输入数据：输入实测的实测功率信号序列P0＝[P(1),P(2),…,P(N)]，N为功率信号序列的长度，采样周期为T0。
步骤102：根据所述多尺度分解层数确定多层低通滤波器截止频率。
输入多尺度分解总层数C，功率信号进行多尺度分解的总层数，一般选择为3-6。
根据所述多尺度分解层数确定多层低通滤波器截止频率
Figure BDA0001776085650000061
Figure BDA0001776085650000062
步骤103：根据所述多尺度分解层数以及所述多层低通滤波器截止频率对所述实测功率信号序列逐层进行低通滤波处理，确定每一层滤波后的实测功率信号序列。
假设当前进行分解的层序号为c,c＝1,2,…,C；上一层处理之后得到的信号序列为Pc-1，其中，未进行分层处理的原始信号为P0。
第c层的数据滤波：对信号序列Pc-1作高斯低通滤波，截止频率为
Figure BDA0001776085650000071
第c层的数据下采样:滤波之后的信号进行下采样(采样间隔Tc，
Figure BDA0001776085650000072
经过本层的滤波和下采样之后的信号表示为Pc。
步骤104：获取当前层滤波后的实测功率信号序列。
步骤105：根据所述当前层滤波后的实测功率信号序列确定当前层时间窗口长度。
求取当前层的时间窗口长度
Figure BDA0001776085650000073
Figure BDA0001776085650000074
其中
Figure BDA0001776085650000075
为当前层信号Pc的采样频率；
Figure BDA0001776085650000076
为当前层信号Pc的主频。
步骤106：对所述当前层滤波后的实测功率信号序列内的功率信号进行逐点处理，构建解析序列。
对当前层信号序列Pc中的数据逐点进行处理。
假设当前处理的数据点序号为n，构建第n点的解析值z(n)：
Figure BDA0001776085650000077
其中，μc为调制系数，1＜μc≤2，可根据实际情况任意取值，没有本质的影响；Pc(j)为当前层信号序列Pc中的第j个元素。
步骤107：确定所述解析序列在所述当前层时间窗口长度下的伪Wigner-Ville分布。
计算解析序列zc(n)在当前层时间窗口长度
Figure BDA0001776085650000078
下的伪Wigner-Ville分布PWz c(n,f)：
Figure BDA0001776085650000079
其中，PWz c(n,f)为解析序列zc(n)在当前层时间窗口长度
Figure BDA00017760856500000710
下的伪Wigner-Ville分布；hc(m)为时间窗函数，其窗口长度为
Figure BDA00017760856500000711
时间窗口类型一般为矩形窗或者汉明窗，无本质影响。可根据实际情况选择。
Figure BDA00017760856500000712
为zc(n-m)的共轭，zc(n+m)为实数，
Figure BDA00017760856500000713
zc(n+m)为所构建的解析序列zc(n)的第n+m点的解析值，e-i4πfm＝cos(4πfm)-isin(4πfm)；n为序号，表示Wigner-Ville分布第n点的值；m为序号，表示求和项的序号，f为频率。
步骤108：按照所述多尺度分解层数从大到小的顺序，根据所述伪Wigner-Ville分布恢复每一层所述滤波后的实测功率信号序列，确定恢复实测功率信号序列。
恢复出当前层的信号
Figure BDA0001776085650000081
Figure BDA0001776085650000082
直至处理完所有的层，得到一系列的信号恢复数据：
Figure BDA0001776085650000083
由于每一层的恢复数据
Figure BDA0001776085650000084
具有不同的频谱，不同的采样率，执行步骤109-步骤110对每层的功率数据进行处理。
步骤109：按照所述多尺度分解层数从大到小的顺序对所述恢复实测功率信号序列进行线性插值处理，确定插值后实测功率信号序列。
步骤110：从所述多尺度分解层数的最后一层开始，根据当前层的所述恢复实测功率信号序列以及上一层的所述插值后实测功率信号序列滤除所述实测功率信号中的非平稳非高斯噪声。
对最后一层(即第C层)恢复数据
Figure BDA0001776085650000085
进行线性插值处理，得到插值后的数据序列
Figure BDA0001776085650000086
要求
Figure BDA0001776085650000087
的采样率是
Figure BDA0001776085650000088
的两倍，此时
Figure BDA0001776085650000089
的数据采样率与上一层(即第C-1层)的数据采样率是相同的。
对层序号按照递减的顺序进行下面的处理：假设当前层的序号为c。
当前层有两个数据序列：原来的恢复数据
Figure BDA00017760856500000810
以及上一层(第c+1层)恢复数据
Figure BDA00017760856500000811
经过插值处理后得到的
Figure BDA00017760856500000812
数据序列。根据这两个序列得到当前层的数据恢复序列
Figure BDA00017760856500000813
Figure BDA00017760856500000814
对当前层的最终恢复序列
Figure BDA00017760856500000815
进行线性插值，得到插值后的数据序列
Figure BDA00017760856500000816
要求
Figure BDA00017760856500000817
的采样率是
Figure BDA00017760856500000818
的两倍。此时
Figure BDA00017760856500000819
的数据采样率与上一层(即第c-2层)的数据采样率是相同的。
重复上述步骤，直至c＝1，结束，得到原始信号序列经过滤波之后的数据序列
Figure BDA00017760856500000820
此序列即为所求序列，处理结束，滤除原始信号序列(即实测功率信号序列)中的非平稳非高斯噪声。
本发明在求取伪Wigner-Ville时频分布时，根据数据的主频分层确定最佳窗口长度，分层进行时频分布计算和数据恢复从而更为有效地滤除非平稳非高斯噪声。
图3为本发明所提供的能量分解中功率信号滤波系统结构图，如图3所示，一种能量分解中功率信号滤波系统，包括：
信号序列及分解层数获取模块301，用于获取实测功率信号序列以及多尺度分解层数；所述多尺度分解层数用于对所述实测功率信号序列进行分解。
多层低通滤波器截止频率确定模块302，用于根据所述多尺度分解层数确定多层低通滤波器截止频率。
所述多层低通滤波器截止频率确定模块302具体包括：多层低通滤波器截止频率确定单元，用于根据公式
Figure BDA0001776085650000091
确定多层低通滤波器截止频率；其中，
Figure BDA0001776085650000092
为多层低通滤波器截止频率；c为多尺度分解层数，C为多尺度分解层数的总层数，c＝1,2,…,C。
低通滤波处理模块303，用于根据所述多尺度分解层数以及所述多层低通滤波器截止频率对所述实测功率信号序列逐层进行低通滤波处理，确定每一层滤波后的实测功率信号序列。
当前层滤波后的实测功率信号序列获取模块304，用于获取当前层滤波后的实测功率信号序列。
当前层时间窗口长度确定模块305，用于根据所述当前层滤波后的实测功率信号序列确定当前层时间窗口长度。
所述当前层时间窗口长度确定模块305具体包括：采样频率及主频获取单元，用于获取所述当前层滤波后的实测功率信号序列的采样频率以及主频；当前层时间窗口长度确定单元，用于根据公式
Figure BDA0001776085650000093
确定当前层时间窗口长度；其中，
Figure BDA0001776085650000094
为当前层时间窗口长度；
Figure BDA0001776085650000095
为所述当前层滤波后的实测功率信号序列Pc的采样频率；
Figure BDA0001776085650000096
为所述当前层滤波后的实测功率信号序列Pc的主频；Tc为所述当前层滤波后的实测功率信号序列的采样间隔。
解析序列构建模块306，用于对所述当前层滤波后的实测功率信号序列内的功率信号进行逐点处理，构建解析序列。
所述解析序列构建模块306具体包括：解析序列构建单元，用于根据公式
Figure BDA0001776085650000101
对所述当前层滤波后的实测功率信号序列内的功率信号进行逐点处理，构建解析序列；其中，z(n)为构建第n点的解析值；μc为调制系数，1＜μc≤2；Pc(j)为当前层信号序列Pc中的第j个元素。
伪Wigner-Ville分布确定模块307，用于确定所述解析序列在所述当前层时间窗口长度下的伪Wigner-Ville分布。
所述伪Wigner-Ville分布确定模块307具体包括：伪Wigner-Ville分布确定单元，用于根据公式
Figure BDA0001776085650000102
确定所述解析序列在所述当前层时间窗口长度下的伪Wigner-Ville分布；其中，PWz c(n,f)为解析序列zc(n)在当前层时间窗口长度
Figure BDA0001776085650000103
下的伪Wigner-Ville分布；hc(m)为时间窗函数；
Figure BDA0001776085650000104
为zc(n-m)的共轭，zc(n+m)为实数，
Figure BDA0001776085650000105
zc(n+m)为所构建的解析序列zc(n)的第n+m点的解析值，e-i4πfm＝cos(4πfm)-isin(4πfm)；n为序号，表示Wigner-Ville分布第n点的值；m为序号，表示求和项的序号；f为频率。
恢复模块308，用于按照所述多尺度分解层数从大到小的顺序，根据所述伪Wigner-Ville分布恢复每一层所述滤波后的实测功率信号序列，确定恢复实测功率信号序列。
线性插值处理模块309，用于按照所述多尺度分解层数从大到小的顺序对所述恢复实测功率信号序列进行线性插值处理，确定插值后实测功率信号序列。
非平稳非高斯噪声滤除模块310，用于从所述多尺度分解层数的最后一层开始，根据当前层的所述恢复实测功率信号序列以及上一层的所述插值后实测功率信号序列滤除所述实测功率信号中的非平稳非高斯噪声。
将本发明所提供的滤波方法及系统应用于电力系统的信号滤波器，能够有效地滤除功率信号中的背景噪声，尤其是非平稳非高斯类型的噪声，并且具有更快的计算速度，结构更简单。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种能量分解中功率信号滤波方法，其特征在于，包括：
获取实测功率信号序列以及多尺度分解层数；所述多尺度分解层数用于对所述实测功率信号序列进行分解；
根据所述多尺度分解层数确定多层低通滤波器截止频率；
根据所述多尺度分解层数以及所述多层低通滤波器截止频率对所述实测功率信号序列逐层进行低通滤波处理，确定每一层滤波后的实测功率信号序列；
获取当前层滤波后的实测功率信号序列；
根据所述当前层滤波后的实测功率信号序列确定当前层时间窗口长度；
对所述当前层滤波后的实测功率信号序列内的功率信号进行逐点处理，构建解析序列；
确定所述解析序列在所述当前层时间窗口长度下的伪Wigner-Ville分布；
按照所述多尺度分解层数从大到小的顺序，根据所述伪Wigner-Ville分布恢复每一层所述滤波后的实测功率信号序列，确定恢复实测功率信号序列；
按照所述多尺度分解层数从大到小的顺序对所述恢复实测功率信号序列进行线性插值处理，确定插值后实测功率信号序列；
从所述多尺度分解层数的最后一层开始，根据当前层的所述恢复实测功率信号序列以及上一层的所述插值后实测功率信号序列滤除所述实测功率信号中的非平稳非高斯噪声；对第C层恢复数据
Figure FDA0002637753980000011
进行线性插值处理，得到插值后的数据序列
Figure FDA0002637753980000012
要求
Figure FDA0002637753980000013
的采样率是
Figure FDA0002637753980000014
的两倍，此时
Figure FDA0002637753980000015
的数据采样率与第C-1层的数据采样率是相同的；其中，C为多尺度分解层数的总层数；
对层序号按照递减的顺序进行下面的处理：假设当前层的序号为c；
当前层有两个数据序列：原来的恢复数据
Figure FDA0002637753980000021
以及第c+1层恢复数据
Figure FDA0002637753980000022
经过插值处理后得到的
Figure FDA0002637753980000023
数据序列；根据这两个序列得到当前层的最终数据恢复序列
Figure FDA0002637753980000024
Figure FDA0002637753980000025
对当前层的最终数据恢复序列
Figure FDA0002637753980000026
进行线性插值，得到插值后的数据序列
Figure FDA0002637753980000027
要求
Figure FDA0002637753980000028
的采样率是
Figure FDA0002637753980000029
的两倍；此时
Figure FDA00026377539800000210
的数据采样率与第c-1层的数据采样率是相同的；
重复上述步骤，直至c＝1，结束，得到实测功率信号序列经过滤波之后的数据序列
Figure FDA00026377539800000211
此序列即为所求序列，处理结束，滤除实测功率信号序列中的非平稳非高斯噪声。
2.根据权利要求1所述的滤波方法，其特征在于，所述根据所述多尺度分解层数确定多层低通滤波器截止频率，具体包括：
根据公式
Figure FDA00026377539800000212
确定多层低通滤波器截止频率；其中，
Figure FDA00026377539800000213
为多层低通滤波器截止频率；c为多尺度分解层数，C为多尺度分解层数的总层数，c＝1,2,…,C。
3.根据权利要求2所述的滤波方法，其特征在于，所述根据所述当前层滤波后的实测功率信号序列确定当前层时间窗口长度，具体包括：
获取所述当前层滤波后的实测功率信号序列的采样频率以及主频；
根据公式
Figure FDA00026377539800000214
确定当前层时间窗口长度；其中，
Figure FDA00026377539800000215
为当前层时间窗口长度；
Figure FDA00026377539800000216
为所述当前层滤波后的实测功率信号序列Pc的采样频率；
Figure FDA00026377539800000217
为所述当前层滤波后的实测功率信号序列Pc的主频；Tc为所述当前层滤波后的实测功率信号序列的采样间隔。
4.根据权利要求3所述的滤波方法，其特征在于，所述对所述当前层滤波后的实测功率信号序列内的功率信号进行逐点处理，构建解析序列，具体包括：
根据公式
Figure FDA0002637753980000031
对所述当前层滤波后的实测功率信号序列内的功率信号进行逐点处理，构建解析序列；其中，zc(n)为构建第c层第n点的解析值；μc为调制系数，1＜μc≤2；Pc(j)为当前层信号序列Pc中的第j个元素。
5.根据权利要求4所述的滤波方法，其特征在于，所述确定所述解析序列在所述当前层时间窗口长度下的伪Wigner-Ville分布，具体包括：
根据公式
Figure FDA0002637753980000032
确定所述解析序列在所述当前层时间窗口长度下的伪Wigner-Ville分布；其中，PWz c(n,f)为解析序列zc(n)在当前层时间窗口长度
Figure FDA0002637753980000033
下的伪Wigner-Ville分布；hc(m)为时间窗函数；
Figure FDA0002637753980000034
为zc(n-m)的共轭，zc(n-m)为实数，
Figure FDA0002637753980000035
zc(n+m)为所构建的解析序列zc(n)的第n+m点的解析值，e-i4πfm＝cos(4πfm)-isin(4πfm)，n为序号，表示Wigner-Ville分布第n点的值；m为序号，用于表示求和项；f为频率。
6.一种能量分解中功率信号滤波系统，其特征在于，包括：
信号序列及分解层数获取模块，用于获取实测功率信号序列以及多尺度分解层数；所述多尺度分解层数用于对所述实测功率信号序列进行分解；
多层低通滤波器截止频率确定模块，用于根据所述多尺度分解层数确定多层低通滤波器截止频率；
低通滤波处理模块，用于根据所述多尺度分解层数以及所述多层低通滤波器截止频率对所述实测功率信号序列逐层进行低通滤波处理，确定每一层滤波后的实测功率信号序列；
当前层滤波后的实测功率信号序列获取模块，用于获取当前层滤波后的实测功率信号序列；
当前层时间窗口长度确定模块，用于根据所述当前层滤波后的实测功率信号序列确定当前层时间窗口长度；
解析序列构建模块，用于对所述当前层滤波后的实测功率信号序列内的功率信号进行逐点处理，构建解析序列；
伪Wigner-Ville分布确定模块，用于确定所述解析序列在所述当前层时间窗口长度下的伪Wigner-Ville分布；
恢复模块，用于按照所述多尺度分解层数从大到小的顺序，根据所述伪Wigner-Ville分布恢复每一层所述滤波后的实测功率信号序列，确定恢复实测功率信号序列；
线性插值处理模块，用于按照所述多尺度分解层数从大到小的顺序对所述恢复实测功率信号序列进行线性插值处理，确定插值后实测功率信号序列；
非平稳非高斯噪声滤除模块，用于从所述多尺度分解层数的最后一层开始，根据当前层的所述恢复实测功率信号序列以及上一层的所述插值后实测功率信号序列滤除所述实测功率信号序列中的非平稳非高斯噪声；对第C层恢复数据
Figure FDA0002637753980000041
进行线性插值处理，得到插值后的数据序列
Figure FDA0002637753980000042
要求
Figure FDA0002637753980000043
的采样率是
Figure FDA0002637753980000044
的两倍，此时
Figure FDA0002637753980000045
的数据采样率与第C-1层的数据采样率是相同的；其中，C为多尺度分解层数的总层数；
对层序号按照递减的顺序进行下面的处理：假设当前层的序号为c；
当前层有两个数据序列：原来的恢复数据
Figure FDA0002637753980000046
以及第c+1层恢复数据
Figure FDA0002637753980000047
经过插值处理后得到的
Figure FDA0002637753980000048
数据序列；根据这两个序列得到当前层的最终数据恢复序列
Figure FDA0002637753980000049
Figure FDA00026377539800000410
对当前层的最终数据恢复序列
Figure FDA00026377539800000411
进行线性插值，得到插值后的数据序列
Figure FDA00026377539800000412
要求
Figure FDA00026377539800000413
的采样率是
Figure FDA00026377539800000414
的两倍；此时
Figure FDA00026377539800000415
的数据采样率与第c-1层的数据采样率是相同的；
重复上述步骤，直至c＝1，结束，得到实测功率信号序列经过滤波之后的数据序列
Figure FDA0002637753980000051
此序列即为所求序列，处理结束，滤除实测功率信号序列中的非平稳非高斯噪声。
7.根据权利要求6所述的滤波系统，其特征在于，所述多层低通滤波器截止频率确定模块具体包括：
多层低通滤波器截止频率确定单元，用于根据公式
Figure FDA0002637753980000052
确定多层低通滤波器截止频率；其中，
Figure FDA0002637753980000053
为多层低通滤波器截止频率；c为多尺度分解层数，C为多尺度分解层数的总层数，c＝1,2,…,C。
8.根据权利要求7所述的滤波系统，其特征在于，所述当前层时间窗口长度确定模块具体包括：
采样频率及主频获取单元，用于获取所述当前层滤波后的实测功率信号序列的采样频率以及主频；
当前层时间窗口长度确定单元，用于根据公式
Figure FDA0002637753980000054
确定当前层时间窗口长度；其中，
Figure FDA0002637753980000055
为当前层时间窗口长度；
Figure FDA0002637753980000056
为所述当前层滤波后的实测功率信号序列Pc的采样频率；
Figure FDA0002637753980000057
为所述当前层滤波后的实测功率信号序列Pc的主频；Tc为所述当前层滤波后的实测功率信号序列的采样间隔。
9.根据权利要求8所述的滤波系统，其特征在于，所述解析序列构建模块具体包括：
解析序列构建单元，用于根据公式
Figure FDA0002637753980000058
对所述当前层滤波后的实测功率信号序列内的功率信号进行逐点处理，构建解析序列；其中，zc(n)为构建第n点的解析值；μc为调制系数，1＜μc≤2；Pc(j)为当前层信号序列Pc中的第j个元素。
10.根据权利要求9所述的滤波系统，其特征在于，所述伪Wigner-Ville分布确定模块具体包括：
伪Wigner-Ville分布确定单元，用于根据公式
Figure FDA0002637753980000061
确定所述解析序列在所述当前层时间窗口长度下的伪Wigner-Ville分布；其中，PWz c(n,f)为解析序列zc(n)在当前层时间窗口长度
Figure FDA0002637753980000062
下的伪Wigner-Ville分布；hc(m)为时间窗函数；
Figure FDA0002637753980000063
为zc(n-m)的共轭，zc(n-m)为实数，
Figure FDA0002637753980000064
zc(n+m)为所构建的解析序列zc(n)的第n+m点的解析值；e-i4πfm＝cos(4πfm)-isin(4πfm)；n为序号，表示Wigner-Ville分布第n点的值；m为序号，表示求和项的序号；f为频率。
CN201810970636.7A 2018-08-24 2018-08-24 一种能量分解中功率信号滤波方法及系统 Expired - Fee Related CN108918927B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810970636.7A CN108918927B (zh) 2018-08-24 2018-08-24 一种能量分解中功率信号滤波方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810970636.7A CN108918927B (zh) 2018-08-24 2018-08-24 一种能量分解中功率信号滤波方法及系统

Publications (2)

Publication Number Publication Date
CN108918927A CN108918927A (zh) 2018-11-30
CN108918927B true CN108918927B (zh) 2020-11-10

Family

ID=64405993

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810970636.7A Expired - Fee Related CN108918927B (zh) 2018-08-24 2018-08-24 一种能量分解中功率信号滤波方法及系统

Country Status (1)

Country Link
CN (1) CN108918927B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109902961A (zh) * 2019-03-04 2019-06-18 广东石油化工学院 用于能量分解中功率信号滤波的多尺度滤波方法及系统
CN109740582B (zh) * 2019-03-04 2020-09-11 广东石油化工学院 一种用于能量分解的功率信号噪声滤除方法及系统
CN112270282B (zh) * 2020-11-03 2021-12-10 华北电力大学 一种利用矩阵谱模的功率信号滤波方法和系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102832908B (zh) * 2012-09-20 2015-06-17 西安科技大学 基于小波变换与变步长lms自适应滤波的信号降噪方法
CN103761424B (zh) * 2013-12-31 2016-09-14 杭州电子科技大学 基于二代小波和独立分量分析肌电信号降噪与去混迭方法
CN104980187B (zh) * 2014-04-08 2017-09-19 华北电力大学 一种信号去噪处理的方法及装置
CN104573303A (zh) * 2014-05-25 2015-04-29 何明浩 未知辐射源信号信噪比的估计方法
CN104200440A (zh) * 2014-09-16 2014-12-10 哈尔滨恒誉名翔科技有限公司 一种基于多尺度小波变换的斑点图像处理算法
CN108173793A (zh) * 2017-12-26 2018-06-15 哈尔滨理工大学 基于emd-tfpf的电力线通信信号去噪算法
CN108230274A (zh) * 2018-01-16 2018-06-29 华南理工大学 一种混合噪声模型下的多分辨率快速去噪方法及装置

Also Published As

Publication number Publication date
CN108918927A (zh) 2018-11-30

Similar Documents

Publication Publication Date Title
CN108021736B (zh) 一种基于滑动窗残差模型的负荷投切动作监测方法
CN108918927B (zh) 一种能量分解中功率信号滤波方法及系统
Brown et al. Characterizing and quantifying noise in PMU data
CN109307798B (zh) 一种用于开关事件检测的功率信号滤波方法
Moschitta et al. Performance comparison of advanced techniques for voltage dip detection
CN103257271A (zh) 一种基于stm32f107vct6的微电网谐波与间谐波检测装置及检测方法
CN203287435U (zh) 一种基于stm32f107vct6的微电网谐波与间谐波检测装置
CN108918931B (zh) 一种负荷分解中功率信号自适应滤波方法
Jaiswal et al. FDST‐based PQ event detection and energy metering implementation on FPGA‐in‐the‐loop and NI‐LabVIEW
Føyen et al. Prony's method as a tool for power system identification in Smart Grids
CN109145825A (zh) 一种相干噪声滤除方法及系统
Samal et al. New signal subspace approach to estimate the inter‐area oscillatory modes in power system using TLS‐ESPRIT algorithm
CN111680590A (zh) 一种利用收缩梯度的功率信号滤波方法和系统
CN109241874B (zh) 能量分解中功率信号滤波方法
CN109150245B (zh) Plc通信信号中非平稳非高斯噪声的滤除方法及系统
CN111585542A (zh) 一种功率信号脉冲噪声滤除的方法及滤波器
CN110244115B (zh) 一种基于信号连接性的负载开关事件检测方法及系统
CN110221119B (zh) 基于功率与akie融合信息的负载开关事件检测方法和系统
CN109194367B (zh) 能量分解中功率信号重构方法
CN109740582B (zh) 一种用于能量分解的功率信号噪声滤除方法及系统
CN111639606A (zh) 一种利用Dantzig总梯度最小化的功率信号滤波方法和系统
CN110514884B (zh) 一种基于延迟矢量的功率信号滤波方法和系统
CN109902961A (zh) 用于能量分解中功率信号滤波的多尺度滤波方法及系统
He et al. Precise algorithm for frequency estimation under dynamic and step‐change conditions
CN110531149B (zh) 一种基于波形正则化的功率信号滤波方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for 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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201110

Termination date: 20210824