CN111033278B - 用于改善均方根(rms)测量的系统和方法 - Google Patents

Abstract

本发明涉及用于通过降低RMS测量中的误差来改善利用均方根(RMS)测量(例如，RMS电流测量)的计算机或其他电子设备的操作的系统和方法。在处理器处接收一系列测量样本，该处理器执行噪声去相关的RMS算法，该算法包括：通过将测量样本乘以系列中的先前测量样本来计算每个测量样本的电流平方值(而不是如在常规技术中那样简单地对每个测量样本求平方)，对电流平方值求和，以及基于求和的值来计算RMS值。处理器还可执行频率依赖性幅值校正滤波器以校正与噪声去相关的RMS算法相关联的频率依赖性衰减。计算的RMS值具有降低的误差，尤其是对于更低端的电流测量而言，这可改善利用RMS值的计算机或电子设备的操作。

Description

用于改善均方根(RMS)测量的系统和方法

相关专利申请

本申请要求2017年10月31日提交的共同拥有的美国临时专利申请62/579,437的优先权，出于所有目的，该申请的全部内容据此以引用方式并入。

技术领域

本公开涉及电流测量，并且更具体地涉及用于改善RMS(均方根)测量的系统和方法，例如，RMS电流(I_RMS)测量。

背景技术

用于测量基本电流分量的常规系统通常采用计量算法，该算法通过自动相关取样电流数据(即，每个基准被乘以自身)来计算RMS电流，并且然后累积自动相关数据。自动相关增加了样本中噪声的影响，这可防止通过求平均值来降低或移除噪声的能力。由于自动相关噪声，此类技术可在电流测量的更低端下提供高误差结果，例如，结合在RMS电流的以下公式中的I_x²项中：

其中I_{RMS_x}为电流样本流的RMS电流，I_x_n代表每个电流测量基准，N为电流测量样本的数目，K_Ix代表从内部数字单位到外部世界单位(安培)的换算比例因子，并且ACC_I_x代表I²-样本的内部计量累加器。

图1示出了使用常规RMS计量技术(例如，基于公式1)的以下示例性参数的示例RMS电流测量误差作为电流的函数：

·使用I²h[电流-平方-小时]累加器的测量缩放到240A最大范围；

·Kt＝0.075

·t≥36秒

·24000∶1范围

如图所示，测量误差在电流测量的更低端下大大增加，因为由噪声代表的信号的百分比随着减小的电流而增大。

附图说明

下文结合附图描述了本公开的示例性方面，其中：

图1示出了使用常规RMS测量技术的作为电流函数的示例性RMS电流测量误差，显示更低电流水平的大测量误差；

图2示出了根据本发明的示例性实施方案的用于改善基本电流RMS测量以改善计算机或其他一种或多种电子设备的操作的示例性算法；

图3为示出根据本发明的示例性实施方案的用于提供图2中所示示例性算法的频率依赖性增益补偿滤波器的数字信号处理滤波器的极零曲线图；

图4示出了本发明的示例性实施方案的示例性测试数据，显示与常规RMS测量技术相比，RMS电流测量误差显著降低；并且

图5示出了根据本发明的一个实施方案的示例性电子设备，例如微控制器或微处理器，其实现了图2中所示的示例性算法，例如，体现为固件，用于提供改善的RMS电流测量以改善示例性电子设备和/或相关联的计算机或其他电子设备的操作。

发明内容

本发明的实施方案提供了用于通过降低RMS测量中的误差来改善利用均方根(RMS)测量的计算机或其他电子设备的操作的系统和方法。所公开的概念可适用于任何类型的RMS测量，诸如例如电流和电压RMS测量。在RMS电流测量的情况下，在处理器处接收一系列电流测量样本，该处理器执行噪声去相关的RMS电流算法，该算法包括：通过将电流测量样本乘以系列中的先前电流测量样本来计算每个电流测量样本的电流平方值(而不是如在常规技术中那样通过简单地对每个电流测量样本求平方)，对电流平方值求和，以及基于求和值计算RMS电流。处理器还可执行频率依赖性幅值校正滤波器以校正与噪声去相关的RMS算法相关联的频率依赖性衰减。计算的RMS电流具有降低的误差，尤其是对于更低端的电流测量而言，这可改善利用RMS电流的计算机或电子设备的操作。

具体实施方式

本公开的实施方案提供了用于例如通过将当前电流样本流与电流样本流的延迟型式组合来改善RMS(均方根)电流的测量的系统和方法。在一些实施方案中，每个取样的电流基准乘以由一个样本延迟的电流基准以生成用于计算电流RMS的所得I²样本。因此，噪声在两个I²样本产品项之间去相关，从而导致通过统计平均而降低噪声。

因此，本发明的技术去相关基本谐波电流分量测量的噪声，I_{RMS_基本}。该去相关可引入频率依赖性衰减；因此，一些实施方案可包括频率依赖性幅值校正DSP滤波器以校正或补偿此类频率依赖性衰减。在一些实施方案中，该滤波器可被实现为使用单个乘法和两个加法来获得极点和零点配置，这可确保期望的极点/零点配置以最小化或降低由于有限数学效应而产生的噪声。例如，在一些实施方案中，使用被实现为确保极零稳定性的简单DSP滤波器，以[45，66]Hz在感兴趣的通行频带上校正频率衰减。

与常规技术相比，一些实施方案可大大降低用于低端电流测量的RMS测量误差，例如，如下文更详细讨论的(例如，参考下文讨论的图4)。

图2示出了根据本发明的示例性实施方案的用于改善基本电流RMS测量以改善计算机或其他一种或多种电子设备的操作的示例性算法10。算法10可通过任何合适的硬件、软件、固件、或它们的组合来实现。一些实施方案包括微处理器、存储器、微控制器、和/或用于执行所公开技术的数据处理和/或数据存储的其他合适的设备。

示例性算法10包括数字(DSP)频率依赖性增益校正滤波器20和噪声去相关的RMS例程30。噪声去相关的RMS例程30被设计用于通过去相关在常规RMS算法中自动相关(并因此放大)的电流样本数据中的噪声来计算改善的RMS电流(例如，具有降低的误差，尤其是对于低电流测量而言)。由于该去相关可引入频率依赖性衰减(基于相关的线频率)，因此频率依赖性增益校正滤波器20被设计为校正此类频率依赖性衰减。

在一些实施方案中，由所公开的去相关方法引入的频率依赖性衰减是线频率与取样频率之比的非线性函数。在预期基本线频率漂移的感兴趣的窄带宽(例如，45-66Hz)上，滤波器20可被配置为校正由去相关方法引入的衰减。

参考算法10，在频率依赖性增益校正滤波器20处接收来自电流样本源的一系列输入电流样本i(n)(与正被测量的电流成比例的取样数据)，例如经滤波以基本上去除感兴趣带宽之外的谐波内容的电流样本的窄频带滤波流，例如45-66Hz之外的频率。输入电流样本i(n)可在DSP滤波器20处以取样频率(例如，4000Hz)被接收。在例示的实施方案中，频率依赖性增益校正滤波器20包括无限脉冲响应(IIR)滤波器和增益放大器“g”，该增益放大器“g”被配置为生成第一中间输出i′(n)，其预先校正与在噪声去相关的RMS例程30中执行的相乘步骤相关联的频率衰减(下文讨论)。

如图2中所示，将由增益校正滤波器20生成的第一中间输出i′(n)传递至噪声去相关的RMS例程30，其将由增益校正滤波器20输出的每个基准i′(n)与由一个样本i′(n-1)延迟的基准相乘，以提供限定第二中间输出i″(n)的噪声去相关的电流平方样本。第二中间输出i″(n)是在线频率的半周期的整数倍内针对“N”个样本累积的，以产生最终输出∑i″²。然后可使用以下公式以常规方式使用该最终输出值，以计算I_{RMS_基本}值(基本谐波RMS电流)：I_RMS＝Sqrt(∑i″²/N)。

频率依赖性增益校正滤波器20中的常数“k”和增益因子“g”的值可具有任何合适的静态或动态值，并且以任何合适的方式确定，以用于例如基于线频率和/或电流取样频率的最优化或期望的结果。在[45，66]Hz和4KHz取样频率的线频带的一个示例性实施方案中，确定最佳常量值，并将其设定为k＝0.217143和g＝1.5547492444。其他频率依赖性滤波器可在其他实施方案中实现，例如基于算法的特定应用。

图3为示出根据示例性实施方案的示例性极零曲线图50，其示出了由图2中所示的示例性频率依赖性增益校正滤波器20所提供的稳定性，并使用上文讨论的示例值。

因此，基于上文，本发明的实施方案可允许基于使用I²-样本累加器的常规概念来直接计算I_{RMS_基本}，并且还在电流范围的非常低端下保持显著的准确性(例如，24000∶1)。

在10mA(使用最大值240A测量仪)下测试了一个实施方案的示例性测量。常规的I_RMS计算提供25.386mA，其代表153.857％的误差。使用图2中所示的示例性算法10的I_RMS计算提供9.879mA，其代表仅-1.214％的误差。此外，测试显示，在基本线频率通行带的整个范围内，对于小于0.001％来说，[45，66]Hz的响应是平坦的。

与常规技术相比，一些实施方案可大大降低电流RMS测量误差。例如，根据本发明的系统和方法可将RMS测量误差百分比降低至少2、至少5、至少10或至少100的因子。对于低电流RMS测量，一些实施方案可将RMS测量误差从大于200％的误差(由用于测量RMS电流的常规技术提供)降低至小于2％。

图4示出了本发明的一个示例性实施方案的示例性测试数据，显示与常规RMS测量技术相比，RMS电流测量误差显著降低。图4示出了由(a)常规全带宽方法(“Normal_FBW”)、FBW(全带宽)去相关噪声方法(“Decorrelated_FBW”)和NBW(窄带宽)去相关噪声方法(“Decorrelated_NBW”)提供的误差率。如图所示，FBW和NBW两种去相关噪声方法提供了与常规FBW方法显著的噪声降低。具体地，示例性FBW去相关噪声方法将噪声降低约一半，而示例性NBW去相关噪声方法将所测试的电流水平的噪声降低约或超过因子10。因此，该示例性实施方案对FBW方法提供显著的误差降低，并且对NBW测量提供甚至更大的误差降低。

例如，可将本发明的实施方案结合或用于任何合适的计算机或电子设备或产品中，例如结合到微控制器或双核ARM Cortex M4处理器上的计量固件中。

图5示出了根据本发明的一个实施方案的示例性电子设备100，例如计算机或其他电子设备，该示例性电子设备实现图2中所示的示例算法10以用于提供改善的RMS测量，例如RMS电流测量，以用于改善示例性电子设备100、电子设备100的一个或多个部件、和/或相关联的计算机或其他电子设备的操作。

如图所示，电子设备100可包括存储器设备120、处理器130(例如，微处理器)、以及一个或多个电子部件或电路140。图2中所示的示例性RMS算法10或其他类似RMS算法可体现在存储器设备120中的固件110(例如，闪存ROM)中，并且能够由处理器130执行以提供改善的RMS测量，例如，针对电子设备100内或与电子设备相关联的电流的改善的RMS电流测量。在其他实施方案中，RMS算法10可体现在存储在合适的存储器设备120中并且能够由处理器130执行的软件中。改善的RMS测量例如RMS电流测量可由一个或多个电子部件或电路140使用，从而提供降低的误差测量值(例如，降低的误差RMS电流值)，从而改善一个或多个部件/电路140的操作。在一些实施方案中，存储RMS算法10的处理器120和存储器120(并且在一些实施方案中，利用改善的RMS测量的一个或多个部件/电路140)可体现在微控制器中。

本文所公开的系统和方法(算法)的实施方案可提供一个或多个技术优点。传统RMS计算对每个基准求平方并对平方项求和。这由于噪声的自动相关而使噪声加倍。本发明的实施方案去相关噪声以显著改善RMS测量，尤其是在噪声与信号相称或大于信号的测量范围的低端下。因此，所公开的系统和方法可允许显著改善RMS电流测量的准确性，尤其是在电流范围的低端下，并且因此提供扩展的电流测量范围。此外，所公开的系统和方法可简单地实现，并且另外附加的DSP开销很少。该系统和方法可允许I_{RMS_基本}部件的传统计算方法，并且可允许使用标准测量仪测试装备以低速率精确地脉冲测量I²-hr_基本量。

Claims (14)

1.一种用于通过降低RMS测量中的误差来改善利用均方根(RMS)测量的计算机或其他电子设备的操作的方法，所述方法包括：

在所述计算机或其他电子设备的处理器处接收测量样本序列；

由所述处理器执行噪声去相关的RMS算法，以计算来自所述测量样本序列的RMS值，所述噪声去相关的RMS算法包括：

噪声去相关的RMS例程，所述RMS例程去相关所述测量样本中的噪声；以及

频率依赖性幅值校正滤波器，所述频率依赖性幅值校正滤波器校正由所述噪声去相关的RMS例程引入的频率依赖性衰减；

基于所计算的RMS值来控制所述计算机或其他电子设备的至少一个部件。

2.根据权利要求1所述的方法，其中在所述噪声去相关的RMS算法中，频率依赖性幅值校正滤波器先于所述噪声去相关的RMS例程。

3.根据权利要求2所述的方法，其中所述测量样本序列包括电流测量样本序列，并且通过执行所述噪声去相关的RMS算法计算的所述RMS值为RMS电流值。

4.根据权利要求1所述的方法，其中计算所述RMS值包括：

对于每个接收的测量样本，通过数学上将每个相应测量样本与序列中的先前测量样本组合来计算经调整的样本值；

对测量样本的所述序列的经调整的样本值求和；以及

基于所述求和的经调整的样本值来计算RMS值。

5.根据权利要求1、3或4中任一项所述的方法，其中计算每个接收的测量样本的经调整的样本值包括将每个接收的测量样本乘以所述测量样本序列中先前接收的测量样本，以计算电流平方值。

6.根据权利要求1所述的方法，其中所述频率依赖性幅值校正滤波器包括无限脉冲响应(IIR)滤波器。

7.根据权利要求1所述的方法，其中所述频率依赖性幅值校正滤波器被配置为使用单个乘法器 和两个加法器 来获得稳定的极点和零点配置。

8.根据权利要求1所述的方法，其中利用均方根(RMS)测量的所述计算机或其他电子设备包括微控制器。

9.根据权利要求1所述的方法，其中利用均方根(RMS)测量的所述计算机或其他电子设备包括微处理器。

10.根据权利要求1所述的方法，其中利用均方根(RMS)测量的所述计算机或其他电子设备包括包含至少一个微控制器或微处理器的计算机。

11.一种用于通过降低RMS电流中的误差来改善利用均方根(RMS)测量的计算机或其他电子设备的操作的系统，所述系统包括：

存储器设备，所述存储器设备存储噪声去相关的RMS算法；和

处理器，所述处理器被配置为执行权利要求1-7中的任一项所述的方法。

12.根据权利要求11所述的系统，其中所述处理器集成在微控制器中。

13.根据权利要求11所述的系统，其中所述处理器包括微处理器。

14.一种非暂态机器可读介质，所述介质包括指令，当在处理器上读取和加载所述指令时，将所述处理器配置为执行权利要求1-7中的任一项所述的方法。

Images