CN111753699A - 一种直流充电桩数字计量准确度提升的方法 - Google Patents
一种直流充电桩数字计量准确度提升的方法 Download PDFInfo
- Publication number
- CN111753699A CN111753699A CN202010553871.1A CN202010553871A CN111753699A CN 111753699 A CN111753699 A CN 111753699A CN 202010553871 A CN202010553871 A CN 202010553871A CN 111753699 A CN111753699 A CN 111753699A
- Authority
- CN
- China
- Prior art keywords
- interference
- data
- current charging
- charging pile
- digital
- 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
- 238000007600 charging Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000000877 morphologic effect Effects 0.000 claims abstract description 17
- 238000001914 filtration Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000007797 corrosion Effects 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 230000006698 induction Effects 0.000 claims description 2
- 238000011160 research Methods 0.000 claims description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims 1
- 229910052744 lithium Inorganic materials 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 6
- 239000000523 sample Substances 0.000 abstract 1
- 230000009466 transformation Effects 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 3
- 230000010287 polarization Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000013543 active substance Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000007062 hydrolysis Effects 0.000 description 1
- 238000006460 hydrolysis reaction Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000010278 pulse charging Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种直流充电桩数字计量准确度提升的方法。利用改进式稀疏自动编码方法将计量采样的瞬时功率值中的干扰信息识别出来,用数字形态探针去度量初步识别出来的干扰波形,再经过形态学的结构算子正反变换,能准确提取干扰功率值中掺杂的高斯白噪声功率、谐波与电流、电压波动功率分量的互干扰成分,根据干净的波形图中可识别到具体的幅值、频率、脉宽等特征参数,根据特征参数设定滤波电路设计方案,在不影响原值的情况下将干扰波形滤除。本发明方法应用在直流充电桩数字电能计量表中,以程序化形式嵌入电表原数据处理软件中,对采样的电能功率值新添数据去干扰功能,提升计量数据的准确性,也能保护充电设备的运行环境和使用寿命。
Description
技术领域
本发明涉及一种直流充电桩数字计量准确度提升的方法,属于数字计量处理开发领域。
背景技术
近几年,国家及全球主推新能源汽车以此缓解常规能源消耗所带来的大气污染程度。以国家电网公司、特斯拉、比亚迪等电动汽车及充电桩等技术的提升,选择电车出行的客户数量也直线上升;2020年,国家电网计划投资27亿源,新增7.8万个充电桩,可见未来新能源汽车领域有着长期向好的发展前景。电动汽车动能主要依靠充电桩电能供输,充电桩分为直流充电桩和交流充电桩,交流充电相当于慢充,充电速度越慢容易引起充电池的析气和水解,并且充电时长太慢不适合汽车使用频次较多的情况;直流充电桩是用很大的充电电流,让充电电压与蓄电池之间的电动势差值较大,短时间将电能补充进去。随着充电时间越长,电池出现极化现象几率增大,对电池寿命及充电效率都会有影响。因此综合考虑,直流充电桩部署的性价比要高于交流充电桩,建设数量占比也会较重。直流充电桩充电过程计量方式与常规计量模式一样,通过电子式电能表中的采样芯片对充电桩输出的电流/电压值进行周期性采集,再经过前置衰减滤波电路、模数转换电路、乘法电路将电能信号转换为瞬时电功率值,完成电能量计数。但鉴于直流充电桩的充电过程中会引入较多的干扰因素,所以充电效率比传统充电效率要低很多,为了避免干扰,一般会从充电电流/电压输入模式出发,将可预见的问题尽量规避,提升直流充电的效率。直流充电桩系统本身包含了较多可控及不可控的电子元器件,不同类型充电桩中电池材料电子性能也会对电路产生差异特性,电池负载也为非线性电子器件,均会对充电电路引入各种干扰。为了确保充电桩充电过程计量数据的准确性,应对计量采样的数据进行干扰数据识别与去除,获取较干净的平均电能功率,提升电能计量结果准确性。目前,为了抑制谐波及畸变信号,采取了多种控制手段,如采用电压设计过零检测和鉴相锁相电路限制,可达到减小电源侧对电路影响的效果;谐波采用滤波方式进行削除等。但专门针对直流充电桩中引入的非线性及交流成分干扰情况并未采取措施,而这部分干扰也是降低充电效率的主要因素。在直流充电桩大规模应用后,这种需求会更加紧迫,需要设计一套可行性高、成熟度高的技术手段解决直流充电引入的干扰消除问题,进一步实现分布式电源建设与应用系统的降本增效功能。
发明内容
本发明设计一种直流充电桩数字计量准确度提升的方法,主要将设计的方法通过软件形式应用在直流充电桩电表中,针对直流充电过程引入的复杂组合的干扰因素,采取数据处理抑制的方式将干扰波形滤除,降低干扰波形对计量系统本体设备产生的不良影响。
本发明提供如下技术方案:一种直流充电桩数字计量准确度提升的方法,在对直流充电桩的计量误差影响因素分析的情况下,初步判断电能采样数值中可能混合的数据源,作为数据特征划分的比对依据;采用改进式稀疏自动编码方法,抓住不同数据源间数据稀疏性、不完全独立特性,可将数据特征相似的一类数据集中分类,训练出多特征数据集合,从而将原融合数据划分成多路特征数据子集,数据子集映射成不同的数据波形;利用数字形态滤波法对不同数据波形特征参数进行重构与评估,结果作为下一步滤波行为的参考依据,将除了功率有效值以外的干扰波形通过滤波电路滤除。
进一步地,所述直流充电桩的计量误差影响因素分析方法,全面研究了直流充电过程引入的干扰产量类型、特征及诱发原因,在不同的直流充电模式(脉冲、正负脉冲、间歇式)下构建数据计量模型,从理论层面评估出计量误差数学表达形式,分析数字参量间的转换关系,推断计量误差的影响因子,分析结论作为真实采样数据与干扰去除结果效果判断的重要依据。
进一步地,所述改进式稀疏自动编码方法是用于波形特征提取,考虑了直流充电桩采样的电能数据间具有“稀疏性”,通过特征编码选择过程将不属于某一特征的数据归零法去除,实现对样本不同特征的稀疏表达。为了提升特征矩阵快速收敛性,避免出现“过稀疏”和“欠稀疏”的现象,选择邻近次梯度法快速实现特征矩阵全局最优(最小化)。
进一步地,所述改进式稀疏自动编码方法将瞬时功率值输入到稀疏编码域中进行自学习和分解,因不同波形均存在各自的特征量,定义核心编码域,计算输入值与编码值简单的最小距离,可将瞬时功率值中的主要成分分量用特征量表达出来。在自学习的过程中,是一个求最小值的凸优化过程,避免自学习长时间不收敛,增加次梯度(prox)约束条件,在满足条件情况下则输出结果,不满足则退出,停止反复计算。
进一步地,所述数字形态滤波法主要针对提取出的干扰数据波形进行二次分析与特征重构。所述改进式稀疏自动编码方法处理后的波形中可将有效功率值特征提取出来,因为电能功率值特征较明显,但不同级别谐波及波纹干扰引起的功率畸变波形不易区分,多种干扰波形在稀疏处理时会出现特征混淆的现象,在某个维度上会将特征值误删或误保留,从而使得特征表达效果不准确,因此采用所述数字形态滤波法结合图形结构特征和数字特征共同辨识纯净的干扰波形,从图形中获取到干扰波形的特性参数值,通过设定合适的滤波电路滤除干扰,避免较大的干扰冲击对锂电池及充电桩使用寿命的影响。
进一步地,所述的数字形态滤波方法可将提取的干扰功率波形图重构与去噪,得到干净的干扰波形。数字形态滤波法是利用大小相同形态互补的算子进行图形重构,这两个算子过程命名为“腐蚀”和“膨胀”,根据噪声结构算子作为参考,将源波形图分别独立经过“腐蚀”和“膨胀”后,可将波形图中的噪声节点汇聚成新的噪声聚焦图形,而两个算子重构的结果会产生大小相同而相反的偏差,因此采用最简单的取平均方法将其去除,这样还可以较好地保持了形态学形状控制的特征。由于干扰功率值中均会存在高斯白噪声等各类型噪声点的影响,选择的结构元素应保持一致,这样可将干扰波形图中的其他小幅度噪声点提取出来,并删除,结论中获取的干扰波形中能清楚的反应出波形幅度和频率等特点,作为滤波电路设计的主要参考依据。
本发明的有益效果是:
本发明方法应用在直流充电桩数字电能计量表中,以程序化形式嵌入电表原数据处理软件中,对采样的电能功率值新添数据去干扰功能,提升计量数据的准确性,也能保护充电设备的运行环境和使用寿命。
附图说明
图1是基于直流充电桩数字计量准确度提升方法框架模型;
图2是间歇式直流充电电流电压数值特征;
图3是改进的稀疏自动编码波形特征提取算法流程图;
图4是提取电功率特征波形分量特征;
图5是基于数字形态滤波修正计量干扰波形的流程图。
具体实施方式
下面结合附图,详细说明本发明的设计原理及实施方案。
本发明提供一种技术方案:一种直流充电桩数字计量准确度提升的方法,在对直流充电桩的计量误差影响因素分析的情况下,初步判断电能采样数值中可能混合的数据源,作为数据特征划分的比对依据;采用改进式稀疏自动编码方法,抓住不同数据源间数据稀疏性、不完全独立特性,可将数据特征相似的一类数据集中分类,训练出多特征数据集合,从而将原融合数据划分成多路特征数据子集,数据子集映射成不同的数据波形;利用数字形态滤波法对不同数据波形特征参数进行重构与评估,结果作为下一步滤波行为的参考依据,将除了功率有效值以外的干扰波形通过滤波电路滤除。
本发明中设计的一种直流充电桩数字计量准确度提升方法框架模型如图1所示,直流充电桩采样电路中对直流电流瞬时值和电压瞬时值采样后经过乘法器,得到瞬时功率值。直流充电桩的能量转换效率较低,因此通过系列去干扰方法准确的将干扰滤除,避免干扰对充电桩及电池的不良影响,也提升了电表计量的数字准确性。首先利用改进的稀疏编码算子对瞬时功率值中的不同稀疏特征功率分量独立表示,大致获取较纯净的电功率值与各种干扰功率值的波形特点;但提取来的三种较突出的干扰功率中会存在互干扰成分及白噪声等干扰成分,利用数字形态滤波算子对干扰信号特征进行重构,提取出小成分噪声,并通过滤波电路将其滤除,为了保障电功率的平滑度,将瞬时功率值用积分法取平均,输出的有效功率值相比未处理的瞬时功率值准确度提升幅度较大。
直流充电模式主要包括脉冲式和间歇式直流充电,但脉冲充电法的电能转换效率相比较低,电池的析气率高,易损坏电池内部极板上的活性物质,降低电池使用寿命,因此间歇式充电成为主流快充模式。
本发明通过深度分析直流充电桩间歇式充电过程中充电电流及电压随时间的波形变化特点,以数字式电功率表达形式中挖掘可能存在的干扰功率分量,利用稀疏自动编码方式将电功率数值隐藏不同稀疏特征的数据独立表示,形成不同的干扰功率分量的数据波形,针对提取的干扰波形通过数字形态滤波法进一步重构与削噪,进一步优化电能计量数据采样质量。
本发明中涉及的直流充电电能值波形特征如图2所示,间歇式直流充电的频率一般比较高,在整个充电过程中,电流呈阶梯状下降,且在每个充电阶段电流保持恒定,电压由于极化现象的影响逐渐上升,然后利用间歇停充去除极化现象,在更短时间内给出更大的电池容量,不产生大量气体和热量,对电池损害较小并可以在更短时间内充满电量。当充电电压逐渐上升达到转换值时,停止充电,电池电压急剧下降,缓解电池极化现象,相比恒压充电来说,能够提高下一充电阶段的起始电流,减少充电时间,在充电后期,采用恒压充电,对蓄电池进行浮充,整个充电进程中,电流大小更加符合蓄电池的最佳充电曲线。为了从数学层面了解误差特点,将建立变电压间歇充电功率计算模型,电流按最佳的充电电流曲线即指数形式下降,衰减指数为α,且为间歇式充电,占空比为μ,间歇充电周期为T,充电起始时刻的电流大小为I,设在每个充电周期电压大小分别为U1,U2...Un,利用有效值法和时域积分法计算在时间段Δt内的电能。
In=I×e-(n-1)aΔt (1)
电流有效值为:
在Δt内的瞬时电能值数字表示为:
在Δt内的有效电能功率值表示为:
在Δt内的计量误差为:
Wε=Wmax-W' (5)
从误差数字分表表达子项可以分析出,由于占空比及衰减系数的不同会引起充电容量及充电效率的不同,电流电压在突变的瞬间,会引入畸变功率,从电压、电流分量中可初步判断出功率误差中一般会包括电流畸变功率、电压畸变功率及谐波功率等,在计量电表数据处理阶段应尽量准确的将这些干扰波形提取出来,并滤除掉,避免它们进一步影响各类电子元器件运行质量。
本发明中设计了一种改进式稀疏自动编码方法将采样的瞬时功率中划分出不同特征的功率分量,即将电流、电压畸变功率、谐波功率及有效功率分别描述。具体方法流程如图3中所示,给定的数据集为Wmax{w1,w2,...,wn},稀疏自动编码表示形式为:
其中B∈Rd×n为稀疏编码矩阵,n为编码码字数量,ai∈Rn则是样本xi∈Rn的稀疏表示,第一项由ai就能很好的重构wi,第二项是用来调整参数,f(x)稀疏惩罚函数,使wi能够尽量稀疏,此处,f(x)选择对数函数表示。
首先第一步,将公式(6)按照分量展开,每个样本wi都能找到对应ai;|| ||F是矩阵的Frobennius范数,选择基于逐列更新策略的稀疏编码迭代方法,令bi表示稀疏矩阵B的第i列,ai表示稀疏矩阵A的第i行,可重写(6)式,可得:
在更新稀疏编码第i列时,其他各列都是固定的,因此第一项是固定的,于是最小化式(7)的原则只需对Ei进行奇异值分解以取得最大奇异值所对应的正交向量,然后,直接对Ei进行奇异值分解会同时修改bi和ai,从而会破坏A的稀疏性,为避免发生这种情况,稀疏编码迭代过程对Ei和ai进行专门处理,ai仅保留非零元素,Ei则保留bi与ai的非零元素的乘积项,然后进行奇异值分解,这就保持了稀疏性。推导出的特征矩阵A的更新表达形式为:
其中,在迭代计算A时,会存在一个最小优化不能快速收敛的问题,会导致训练时间很长,因此提出用次梯度法对来提供一个最佳检测条件,保障快速到达一个全局最优值。约束条件为:
其中x*为最优点,为松弛变量,当时,退出算法,停止迭代,已达到最优。最终在Wmax作为输入,经过迭代计算,分解成了4个维度的W,分别为:W’(有效功率)、Wx(谐波功率)、Wi(电流波纹功率)、Wu(电压波纹功率)。Wx以不规则的抖动谐波为主,里面掺杂了各种噪声;Wi和Wu以较大幅度不稳定的波纹功率为主,三个功率波形大致形状如图4所示。
本发明中根据图4中提出各种功率波形,利用数字形态滤波法对干扰波形进行重构和去除。形态滤波法通过开闭操作实现对图形噪声点的定位和消除,从去噪后的波形图中提取中也幅值、频率、间隔参量,作为滤波电路中电容、电阻值的设定参考依据,在电能计量采样控制策略中能够精准的将干扰波形滤除,避免干扰损耗进一步扩展影响。数字形态滤波法去噪流程如图5所示:对每个干扰波形Wx、Wi、Wu看做是一个图像,并对每个图像进行消噪处理。设Wi为输入离散信号,U为结构元素,B∈Rn,则Wi的形态腐蚀与膨胀过程分别表示为:
腐蚀和膨胀是两个形态互补的算子,只要保持同样的结构元,先后处理会产生大小相同和相位相反的偏差,所以将两者取平均就能将此偏差去除。先将Wi进行腐蚀过程处理,由于三个干扰功率值中均会存在高斯白噪声等各类型噪声点的影响,选择的结构元素可保持一致,以结构元素作为参考值,留取功率值与其最相关的点进行腐蚀计算,腐蚀后的图像聚焦点为Wi f;再对Wi进行膨胀计算,膨胀后的图像聚焦点为Wi p,最后将两者取平均后的值从源功率值中删减,得到较为干净的电流波纹功率:
依次计算W′u、W′x值,从更新过的干扰功率值中分别提取滤波电路设计关键参考值,进行干扰波形滤除,最终直流充电桩采样的功率值是相对准确的。
以上所述仅表达了本发明的优选实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形、改进及替代,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种直流充电桩数字计量准确度提升的方法,其特征在于:在对直流充电桩的计量误差影响因素分析的情况下,初步判断电能采样数值中可能混合的数据源,作为数据特征划分的比对依据;采用改进式稀疏自动编码方法,抓住不同数据源间数据稀疏性、不完全独立特性,可将数据特征相似的一类数据集中分类,训练出多特征数据集合,从而将原融合数据划分成多路特征数据子集,数据子集映射成不同的数据波形;利用数字形态滤波法对不同数据波形特征参数进行重构与评估,结果作为下一步滤波行为的参考依据,将除了功率有效值以外的干扰波形通过滤波电路滤除。
2.根据权利要求1所述的直流充电桩数字计量准确度提升的方法,其特征在于:所述直流充电桩的计量误差影响因素分析方法,全面研究了直流充电过程引入的干扰产量类型、特征及诱发原因,在不同的直流充电模式下构建数据计量模型,从理论层面评估出计量误差数学表达形式,分析数字参量间的转换关系,推断计量误差的影响因子,分析结论作为真实采样数据与干扰去除结果效果判断的重要依据。
3.根据权利要求1所述的直流充电桩数字计量准确度提升的方法,其特征在于:所述改进式稀疏自动编码方法是用于波形特征提取,考虑了直流充电桩采样的电能数据间具有“稀疏性”,通过特征编码选择过程将不属于某一特征的数据归零法去除,实现对样本不同特征的稀疏表达,选择邻近次梯度法快速实现特征矩阵全局最优。
4.根据权利要求3所述的直流充电桩数字计量准确度提升的方法,其特征在于:所述改进式稀疏自动编码方法将瞬时功率值输入到稀疏编码域中进行自学习和分解,不同波形均存在各自的特征量,定义核心编码域,计算输入值与编码值简单的最小距离,将瞬时功率值中的主要成分分量用特征量表达出来;在自学习的过程中,是一个求最小值的凸优化过程,避免自学习长时间不收敛,增加次梯度约束条件,在满足条件情况下则输出结果,不满足则退出,停止反复计算。
5.根据权利要求1所述的直流充电桩数字计量准确度提升的方法,其特征在于:所述数字形态滤波法主要针对提取出的干扰数据波形进行二次分析与特征重构,所述改进式稀疏自动编码方法处理后的波形中可将有效功率值特征提取出来,采用所述数字形态滤波法结合图形结构特征和数字特征共同辨识纯净的干扰波形,从图形中获取到干扰波形的特性参数值,通过设定合适的滤波电路滤除干扰,避免较大的干扰冲击对锂电池及充电桩使用寿命的影响。
6.根据权利要求5所述的直流充电桩数字计量准确度提升的方法,其特征在于:所述数字形态滤波法是利用大小相同形态互补的算子进行图形重构,这两个算子过程命名为“腐蚀”和“膨胀”,根据噪声结构算子作为参考,将源波形图分别独立经过“腐蚀”和“膨胀”后,可将波形图中的噪声节点汇聚成新的噪声聚焦图形,而两个算子重构的结果会产生大小相同而相反的偏差,采用最简单的取平均方法将其去除,可以较好地保持了形态学形状控制的特征,由于干扰功率值中均会存在各类型噪声点的影响,选择的结构元素应保持一致,这样可将干扰波形图中的其他小幅度噪声点提取出来,并删除,获取的干扰波形中能清楚的反应出波形幅度和频率的特点,作为滤波电路设计的主要参考依据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010553871.1A CN111753699B (zh) | 2020-06-17 | 2020-06-17 | 一种直流充电桩数字计量准确度提升的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010553871.1A CN111753699B (zh) | 2020-06-17 | 2020-06-17 | 一种直流充电桩数字计量准确度提升的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111753699A true CN111753699A (zh) | 2020-10-09 |
CN111753699B CN111753699B (zh) | 2024-04-05 |
Family
ID=72675327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010553871.1A Active CN111753699B (zh) | 2020-06-17 | 2020-06-17 | 一种直流充电桩数字计量准确度提升的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753699B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255214A (zh) * | 2021-05-18 | 2021-08-13 | 南京工程学院 | 一种退役动力电池最大可用容量动态估算方法 |
CN113346579A (zh) * | 2021-05-26 | 2021-09-03 | 国网浙江省电力有限公司营销服务中心 | 一种直流充电站站内计量设备运行误差监测方法 |
CN114397581A (zh) * | 2021-12-09 | 2022-04-26 | 国网天津市电力公司 | 一种面向直流充电桩充电监测数据的新能源汽车电池soc抗扰评估方法 |
CN117076823A (zh) * | 2023-09-25 | 2023-11-17 | 国网四川省电力公司营销服务中心 | 基于高斯积分法的纹波分量分析方法、系统、设备及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103728130A (zh) * | 2013-10-10 | 2014-04-16 | 西安交通大学 | 一种基于稀疏分解的风力发电机组故障特征提取方法 |
JP2015118646A (ja) * | 2013-12-20 | 2015-06-25 | キヤノン株式会社 | 画像処理方法、画像処理プログラムおよび画像処理装置 |
CN106154344A (zh) * | 2016-08-01 | 2016-11-23 | 湖南文理学院 | 一种基于组合滤波的大地电磁信号去噪方法 |
CN106771552A (zh) * | 2016-12-02 | 2017-05-31 | 国网四川省电力公司电力科学研究院 | 一种畸变功率计量方法 |
CN107704990A (zh) * | 2017-08-29 | 2018-02-16 | 中国矿业大学 | 一种基于字典学习算法的风电功率预测实时误差评估方法 |
CN108196217A (zh) * | 2017-12-22 | 2018-06-22 | 中国电力科学研究院有限公司 | 一种用于非车载充电机现校仪的直流计量方法及系统 |
CN108399368A (zh) * | 2018-01-31 | 2018-08-14 | 中南大学 | 一种人工源电磁法观测信号去噪方法 |
CN110147766A (zh) * | 2019-05-21 | 2019-08-20 | 东华理工大学 | 基于移不变稀疏编码的低频大地电磁信号去噪方法 |
DE102019001111A1 (de) * | 2018-03-05 | 2019-09-05 | Sew-Eurodrive Gmbh & Co Kg | Verfahren zum Betreiben eines Antriebssystems und Antriebssystem zur Durchführung eines solchen Verfahrens |
-
2020
- 2020-06-17 CN CN202010553871.1A patent/CN111753699B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103728130A (zh) * | 2013-10-10 | 2014-04-16 | 西安交通大学 | 一种基于稀疏分解的风力发电机组故障特征提取方法 |
JP2015118646A (ja) * | 2013-12-20 | 2015-06-25 | キヤノン株式会社 | 画像処理方法、画像処理プログラムおよび画像処理装置 |
CN106154344A (zh) * | 2016-08-01 | 2016-11-23 | 湖南文理学院 | 一种基于组合滤波的大地电磁信号去噪方法 |
CN106771552A (zh) * | 2016-12-02 | 2017-05-31 | 国网四川省电力公司电力科学研究院 | 一种畸变功率计量方法 |
CN107704990A (zh) * | 2017-08-29 | 2018-02-16 | 中国矿业大学 | 一种基于字典学习算法的风电功率预测实时误差评估方法 |
CN108196217A (zh) * | 2017-12-22 | 2018-06-22 | 中国电力科学研究院有限公司 | 一种用于非车载充电机现校仪的直流计量方法及系统 |
CN108399368A (zh) * | 2018-01-31 | 2018-08-14 | 中南大学 | 一种人工源电磁法观测信号去噪方法 |
DE102019001111A1 (de) * | 2018-03-05 | 2019-09-05 | Sew-Eurodrive Gmbh & Co Kg | Verfahren zum Betreiben eines Antriebssystems und Antriebssystem zur Durchführung eines solchen Verfahrens |
CN110147766A (zh) * | 2019-05-21 | 2019-08-20 | 东华理工大学 | 基于移不变稀疏编码的低频大地电磁信号去噪方法 |
Non-Patent Citations (6)
Title |
---|
GUANG LI等: "De-noising low-frequency magnetotelluric data using mathematical morphology filtering and sparse representation", 《JOURNAL OF APPLIED GEOPHYSICS》, vol. 172, pages 1 - 13 * |
KHODAYAR M等: "Energy disaggregation via deep temporal dictionary learning", 《IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS》, vol. 31, no. 5, pages 1696 - 1709, XP011785863, DOI: 10.1109/TNNLS.2019.2921952 * |
SINGH S等: "Deep sparse coding for non-intrusive load monitoring", 《IEEE TRANSACTIONS ON SMART GRID》, vol. 9, no. 5, pages 4669 - 4678 * |
张瀚文: "基于字典学习的电能质量数据压缩重构与扰动识别研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, vol. 2016, no. 11, pages 042 - 189 * |
蔡得龙: "基于稀疏分解的电能质量分析研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, vol. 2019, no. 05, pages 042 - 77 * |
马志强: "电动汽车直流充电计量研究及计量模块设计", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, vol. 2018, no. 06, pages 042 - 1166 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255214A (zh) * | 2021-05-18 | 2021-08-13 | 南京工程学院 | 一种退役动力电池最大可用容量动态估算方法 |
CN113255214B (zh) * | 2021-05-18 | 2023-08-22 | 南京工程学院 | 一种退役动力电池最大可用容量动态估算方法 |
CN113346579A (zh) * | 2021-05-26 | 2021-09-03 | 国网浙江省电力有限公司营销服务中心 | 一种直流充电站站内计量设备运行误差监测方法 |
CN114397581A (zh) * | 2021-12-09 | 2022-04-26 | 国网天津市电力公司 | 一种面向直流充电桩充电监测数据的新能源汽车电池soc抗扰评估方法 |
CN117076823A (zh) * | 2023-09-25 | 2023-11-17 | 国网四川省电力公司营销服务中心 | 基于高斯积分法的纹波分量分析方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111753699B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111753699A (zh) | 一种直流充电桩数字计量准确度提升的方法 | |
CN107462785B (zh) | 基于ga-svm的电能质量多扰动信号分类识别方法 | |
CN114547849A (zh) | 储能电站电池工况健康状态预测方法及系统 | |
Munshi et al. | Unsupervised nonintrusive extraction of electrical vehicle charging load patterns | |
CN108983058B (zh) | 基于改进的变分模态和奇异值分解的变压器局部放电特高频信号去噪方法 | |
CN110705762B (zh) | 基于矩阵填充的泛在电力物联网感知数据缺失修复方法 | |
CN109543317B (zh) | 一种pemfc剩余使用寿命预测的方法及装置 | |
CN112633427B (zh) | 一种基于离群点检测的超高次谐波发射信号检测方法 | |
CN111193256A (zh) | 基于变分模态分解和门控循环单元的电力负荷预测方法 | |
Gao et al. | Power quality disturbance classification under noisy conditions using adaptive wavelet threshold and DBN-ELM hybrid model | |
CN110909480B (zh) | 一种水轮机振动信号的去噪方法与装置 | |
CN109188069B (zh) | 一种用于负载开关事件检测的脉冲噪声滤除方法 | |
CN113269082A (zh) | 一种基于改进变分模态分解的局部放电阈值去噪方法 | |
CN114139820A (zh) | 一种用于非侵入式电能负荷预测的改进模态分解方法 | |
CN110909302A (zh) | 交直流电网运行状态参数局部扰动特征学习方法及系统 | |
CN110163148B (zh) | 一种电动汽车直流充电畸变信号自适应识别方法 | |
Sun et al. | Short-term power load prediction based on VMD-SG-LSTM | |
CN114397569A (zh) | 基于vmd参数优化、样本熵的断路器故障电弧检测方法 | |
Haberle et al. | MIMO grid impedance identification of three-phase power systems: Parametric vs. nonparametric approaches | |
CN113361782A (zh) | 基于改进mkpls的光伏发电功率短期滚动预测方法 | |
CN110287853B (zh) | 一种基于小波分解的暂态信号去噪方法 | |
CN116629448A (zh) | 基于经验模态分解和神经网络相结合的光伏功率预测方法 | |
CN112417768B (zh) | 一种基于藤结构Pair-Copula的风电相关性条件采样方法 | |
Li et al. | A training-free non-intrusive load monitoring approach for high-frequency measurements based on graph signal processing | |
CN115146683A (zh) | 一种局部放电原始信号的噪声抑制方法及系统 |
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 |