CN112183410A - 一种利用ds理论的功率信号滤波方法和系统 - Google Patents

一种利用ds理论的功率信号滤波方法和系统 Download PDF

Info

Publication number
CN112183410A
CN112183410A CN202011066855.6A CN202011066855A CN112183410A CN 112183410 A CN112183410 A CN 112183410A CN 202011066855 A CN202011066855 A CN 202011066855A CN 112183410 A CN112183410 A CN 112183410A
Authority
CN
China
Prior art keywords
signal sequence
matrix
vector
signal
mean value
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.)
Withdrawn
Application number
CN202011066855.6A
Other languages
English (en)
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 CN202011066855.6A priority Critical patent/CN112183410A/zh
Publication of CN112183410A publication Critical patent/CN112183410A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Filters That Use Time-Delay Elements (AREA)

Abstract

本发明的实施例公开一种利用DS理论的功率信号滤波方法和系统，所述方法包括：步骤101 获取按时间顺序采集的信号序列S；步骤102 求取DS稀疏度p；步骤103 求取特征值加权和
Figure DDA0002714018710000011
步骤104 求取DS矩阵A；步骤105 滤除噪声。

Description

一种利用DS理论的功率信号滤波方法和系统
技术领域
本发明涉及电力领域，尤其涉及一种功率信号的滤波方法和系统。
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。
当前用电负荷分解主要分为侵入式负荷分解和非侵入式负荷分解两种方法。非侵入式负荷分解方法不需要在负荷的内部用电设备上安装监测设备，只需要根据用电负荷总信息即可获得每个用电设备的负荷信息。非侵入式负荷分解方法具有投入少、方便使用等特点，因此，该方法适用于家庭负荷用电的分解。
非侵入式负荷分解算法中，电气设备的开关事件检测是其中最重要的环节。最初的开关事件检测以有功功率P的变化值作为开关事件检测的判断依据，方便且直观。这是因为任何一个用电设备的运行状态发生变化，其所消耗的功率值也必然发生改变，并且该改变也将会在所有电器所消耗的总功率中体现出来。这种方法除了需要设置功率变化值的合理阈值，还需要解决事件检测方法在实际应用中存在的问题，例如某些电器启动时刻的瞬时功率值会出现较大的尖峰(马达启动电流远大于额定电流)，会造成电器稳态功率变化值不准确，从而影响对开关事件检测的判断；而且不同家用电器的暂态过程或长或短(脉冲噪声的持续时间和发生频率相差较大)，因此功率变化值的确定变得较为困难；由于电能质量的变化(如电压突降)有功功率会出现突变的情况，这样很可能会出现误判。
因此，开关事件检测过程中，所使用的实测功率信号常常受到噪声的影响，利用这些不完善的功率信号是不能正确地进行开关事件检测的。因此如何有效地重构不完整的功率信号，滤除噪声的影响，是此方法能否成功的关键。现在常用的方法，对此问题重视不够，还未采取有效的措施解决此问题。
发明内容
开关事件检测过程中，所使用的实测功率信号常常受到噪声的影响，利用这些不完善的功率信号是不能正确地进行开关事件检测的。因此如何有效地重构不完整的功率信号，滤除噪声的影响，是此方法能否成功的关键。现在常用的方法，对此问题重视不够，还未采取有效的措施解决此问题。
本发明的目的是提供一种利用DS理论的功率信号滤波方法和系统，所提出的方法利用了功率信号与噪声在发生机制方面的差异，根据DS理论性质，实现功率信号的滤波。所提出的方法具有较好的鲁棒性，计算也较为简单。
为实现上述目的，本发明提供了如下方案：
一种利用DS理论的功率信号滤波方法，包括：
步骤101获取按时间顺序采集的信号序列S；
步骤102求取DS稀疏度p，具体为：
Figure BDA0002714018690000021
其中：
λmax：矩阵[S-m0]T[S-m0]的最大特征值
λmin：矩阵[S-m0]T[S-m0]的非零最小特征值
SNR：所述信号序列S的信噪比
Figure BDA0002714018690000024
对*下取整
*：表示任一自变量
m0：所述信号序列S的均值；
步骤103求取特征值加权和
Figure BDA0002714018690000022
具体为：
Figure BDA0002714018690000023
其中：
λz：所述矩阵[S-m0]T[S-m0]的第z个特征值，特征值按降序排列
z＝1,2,···,p：特征值序号；
步骤104求取DS矩阵A，具体为：
A＝[ac]1×N
其中：
ac：所述DS矩阵A的第c个列矢量
c＝1,2,···,N：列矢量序号
ac＝[σ1,σ2,···,σc,0,···,0]T
σ1：矢量[s1]的均值
σ2：矢量[s1,s2]的均值
σc：矢量[s1,s2,···,sc]的均值
s1：所述信号序列S的第1个元素
s2：所述信号序列S的第2个元素
sc：所述信号序列S的第c个元素；
步骤105滤除噪声，具体为：滤除噪声后的信号序列为SNEW，求取公式为：
Figure BDA0002714018690000031
其中：
A为DS矩阵；
Figure BDA0002714018690000032
为特征值和；
p为DS稀疏度；
E为N×1维全1矢量；
N为所述信号序列S的长度；
σ0为所述信号序列S的均方差。
一种利用DS理论的功率信号滤波系统，包括：
模块201获取按时间顺序采集的信号序列S；
模块202求取DS稀疏度p，具体为：
Figure BDA0002714018690000033
其中：
λmax：矩阵[S-m0]T[S-m0]的最大特征值
λmin：矩阵[S-m0]T[S-m0]的非零最小特征值
SNR：所述信号序列S的信噪比
Figure BDA0002714018690000036
对*下取整
*：表示任一自变量
m0：所述信号序列S的均值；
模块203求取特征值加权和
Figure BDA0002714018690000034
具体为：
Figure BDA0002714018690000035
其中：
λz：所述矩阵[S-m0]T[S-m0]的第z个特征值，特
征值按降序排列
z＝1,2,···,p：特征值序号；
模块204求取DS矩阵A，具体为：
A＝[ac]1×N
其中：
ac：所述DS矩阵A的第c个列矢量
c＝1,2,···,N：列矢量序号
ac＝[σ1,σ2,···,σc,0,···,0]T
σ1：矢量[s1]的均值
σ2：矢量[s1,s2]的均值
σc：矢量[s1,s2,···,sc]的均值
s1：所述信号序列S的第1个元素
s2：所述信号序列S的第2个元素
sc：所述信号序列S的第c个元素；
模块205滤除噪声，具体为：滤除噪声后的信号序列为SNEW，求取公式为：
Figure BDA0002714018690000041
其中：
A为DS矩阵；
Figure BDA0002714018690000042
为特征值和；
p为DS稀疏度；
E为N×1维全1矢量；
N为所述信号序列S的长度；
σ0为所述信号序列S的均方差。
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：
开关事件检测过程中，所使用的实测功率信号常常受到噪声的影响，利用这些不完善的功率信号是不能正确地进行开关事件检测的。因此如何有效地重构不完整的功率信号，滤除噪声的影响，是此方法能否成功的关键。现在常用的方法，对此问题重视不够，还未采取有效的措施解决此问题。
本发明的目的是提供一种利用DS理论的功率信号滤波方法和系统，所提出的方法利用了功率信号与噪声在发生机制方面的差异，根据DS理论性质，实现功率信号的滤波。所提出的方法具有较好的鲁棒性，计算也较为简单。
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，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为本发明的方法流程示意图；
图2为本发明的系统流程示意图；
图3为本发明的具体实施案例流程示意图。
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。
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1一种利用DS理论的功率信号滤波方法的流程示意图
图1为本发明一种利用DS理论的功率信号滤波方法的流程示意图。如图1所示，所述的一种利用DS理论的功率信号滤波方法具体包括以下步骤：
步骤101获取按时间顺序采集的信号序列S；
步骤102求取DS稀疏度p，具体为：
Figure BDA0002714018690000051
其中：
λmax：矩阵[S-m0]T[S-m0]的最大特征值
λmin：矩阵[S-m0]T[S-m0]的非零最小特征值
SNR：所述信号序列S的信噪比
Figure BDA0002714018690000054
对*下取整
*：表示任一自变量
m0：所述信号序列S的均值；
步骤103求取特征值加权和
Figure BDA0002714018690000052
具体为：
Figure BDA0002714018690000053
其中：
λz：所述矩阵[S-m0]T[S-m0]的第z个特征值，特
征值按降序排列
z＝1,2,···,p：特征值序号；
步骤104求取DS矩阵A，具体为：
A＝[ac]1×N
其中：
ac：所述DS矩阵A的第c个列矢量
c＝1,2,···,N：列矢量序号
ac＝[σ1,σ2,···,σc,0,···,0]T
σ1：矢量[s1]的均值
σ2：矢量[s1,s2]的均值
σc：矢量[s1,s2,···,sc]的均值
s1：所述信号序列S的第1个元素
s2：所述信号序列S的第2个元素
sc：所述信号序列S的第c个元素；
步骤105滤除噪声，具体为：滤除噪声后的信号序列为SNEW，求取公式为：
Figure BDA0002714018690000061
其中：
A为DS矩阵；
Figure BDA0002714018690000062
为特征值和；
p为DS稀疏度；
E为N×1维全1矢量；
N为所述信号序列S的长度；
σ0为所述信号序列S的均方差。
图2一种利用DS理论的功率信号滤波系统的结构意图
图2为本发明一种利用DS理论的功率信号滤波系统的结构示意图。如图2所示，所述一种利用DS理论的功率信号滤波系统包括以下结构：
模块201获取按时间顺序采集的信号序列S；
模块202求取DS稀疏度p，具体为：
Figure BDA0002714018690000063
其中：
λmax：矩阵[S-m0]T[S-m0]的最大特征值
λmin：矩阵[S-m0]T[S-m0]的非零最小特征值
SNR：所述信号序列S的信噪比
Figure BDA0002714018690000075
对*下取整
*：表示任一自变量
m0：所述信号序列S的均值；
模块203求取特征值加权和
Figure BDA0002714018690000071
具体为：
Figure BDA0002714018690000072
其中：
λz：所述矩阵[S-m0]T[S-m0]的第z个特征值，特
征值按降序排列
z＝1,2,···,p：特征值序号；
模块204求取DS矩阵A，具体为：
A＝[ac]1×N
其中：
ac：所述DS矩阵A的第c个列矢量
c＝1,2,···,N：列矢量序号
ac＝[σ1,σ2,···,σc,0,···,0]T
σ1：矢量[s1]的均值
σ2：矢量[s1,s2]的均值
σc：矢量[s1,s2,···,sc]的均值
s1：所述信号序列S的第1个元素
s2：所述信号序列S的第2个元素
sc：所述信号序列S的第c个元素；
模块205滤除噪声，具体为：滤除噪声后的信号序列为SNEW，求取公式为：
Figure BDA0002714018690000073
其中：
A为DS矩阵；
Figure BDA0002714018690000074
为特征值和；
p为DS稀疏度；
E为N×1维全1矢量；
N为所述信号序列S的长度；
σ0为所述信号序列S的均方差。
下面提供一个具体实施案例，进一步说明本发明的方案
图3为本发明具体实施案例的流程示意图。如图3所示，具体包括以下步骤：
步骤301获取按时间顺序采集的信号序列S；
步骤302求取DS稀疏度p，具体为：
Figure BDA0002714018690000081
其中：
λmax：矩阵[S-m0]T[S-m0]的最大特征值
λmin：矩阵[S-m0]T[S-m0]的非零最小特征值
SNR：所述信号序列S的信噪比
Figure BDA0002714018690000082
对*下取整
*：表示任一自变量
m0：所述信号序列S的均值；
步骤303求取特征值加权和
Figure BDA0002714018690000083
具体为：
Figure BDA0002714018690000084
其中：
λz：所述矩阵[S-m0]T[S-m0]的第z个特征值，特征值按降序排列
z＝1,2,···,p：特征值序号；
步骤304求取DS矩阵A，具体为：
A＝[ac]1×N
其中：
ac：所述DS矩阵A的第c个列矢量
c＝1,2,···,N：列矢量序号
ac＝[σ1,σ2,···,σc,0,···,0]T
σ1：矢量[s1]的均值
σ2：矢量[s1,s2]的均值
σc：矢量[s1,s2,···,sc]的均值
s1：所述信号序列S的第1个元素
s2：所述信号序列S的第2个元素
sc：所述信号序列S的第c个元素；
步骤305滤除噪声，具体为：滤除噪声后的信号序列为SNEW，求取公式为：
Figure BDA0002714018690000091
其中：
A为DS矩阵；
Figure BDA0002714018690000092
为特征值和；
p为DS稀疏度；
E为N×1维全1矢量；
N为所述信号序列S的长度；
σ0为所述信号序列S的均方差。
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，所以描述较为简单，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 (2)

1.一种利用DS理论的功率信号滤波方法，其特征在于，包括：
步骤101获取按时间顺序采集的信号序列S；
步骤102求取DS稀疏度p，具体为：
Figure FDA0002714018680000011
其中：
λmax：矩阵[S-m0]T[S-m0]的最大特征值
λmin：矩阵[S-m0]T[S-m0]的非零最小特征值
SNR：所述信号序列S的信噪比
Figure FDA0002714018680000015
对*下取整
*：表示任一自变量
m0：所述信号序列S的均值；
步骤103求取特征值加权和
Figure FDA0002714018680000012
具体为：
Figure FDA0002714018680000013
其中：
λz：所述矩阵[S-m0]T[S-m0]的第z个特征值，特
征值按降序排列
z＝1,2,···,p：特征值序号；
步骤104求取DS矩阵A，具体为：
A＝[ac]1×N
其中：
ac：所述DS矩阵A的第c个列矢量
c＝1,2,···,N：列矢量序号
ac＝[σ1,σ2,···,σc,0,···,0]T
σ1：矢量[s1]的均值
σ2：矢量[s1,s2]的均值
σc：矢量[s1,s2,···,sc]的均值
s1：所述信号序列S的第1个元素
s2：所述信号序列S的第2个元素
sc：所述信号序列S的第c个元素；
步骤105滤除噪声，具体为：滤除噪声后的信号序列为SNEW，求取公式为：
Figure FDA0002714018680000014
其中：
A为DS矩阵；
Figure FDA0002714018680000021
为特征值和；
p为DS稀疏度；
E为N×1维全1矢量；
N为所述信号序列S的长度；
σ0为所述信号序列S的均方差。
2.一种利用DS理论的功率信号滤波系统，其特征在于，包括：
模块201获取按时间顺序采集的信号序列S；
模块202求取DS稀疏度p，具体为：
Figure FDA0002714018680000022
其中：
λmax：矩阵[S-m0]T[S-m0]的最大特征值
λmin：矩阵[S-m0]T[S-m0]的非零最小特征值
SNR：所述信号序列S的信噪比
Figure FDA0002714018680000025
对*下取整
*：表示任一自变量
m0：所述信号序列S的均值；
模块203求取特征值加权和
Figure FDA0002714018680000023
具体为：
Figure FDA0002714018680000024
其中：
λz：所述矩阵[S-m0]T[S-m0]的第z个特征值，特征值按降序排列
z＝1,2,···,p：特征值序号；
模块204求取DS矩阵A，具体为：
A＝[ac]1×N
其中：
ac：所述DS矩阵A的第c个列矢量
c＝1,2,···,N：列矢量序号
ac＝[σ1,σ2,···,σc,0,···,0]T
σ1：矢量[s1]的均值
σ2：矢量[s1,s2]的均值
σc：矢量[s1,s2,···,sc]的均值
s1：所述信号序列S的第1个元素
s2：所述信号序列S的第2个元素
sc：所述信号序列S的第c个元素；
模块205滤除噪声，具体为：滤除噪声后的信号序列为SNEW，求取公式为：
Figure FDA0002714018680000031
其中：
A为DS矩阵；
Figure FDA0002714018680000032
为特征值和；
p为DS稀疏度；
E为N×1维全1矢量；
N为所述信号序列S的长度；
σ0为所述信号序列S的均方差。
CN202011066855.6A 2020-10-03 2020-10-03 一种利用ds理论的功率信号滤波方法和系统 Withdrawn CN112183410A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011066855.6A CN112183410A (zh) 2020-10-03 2020-10-03 一种利用ds理论的功率信号滤波方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011066855.6A CN112183410A (zh) 2020-10-03 2020-10-03 一种利用ds理论的功率信号滤波方法和系统

Publications (1)

Publication Number Publication Date
CN112183410A true CN112183410A (zh) 2021-01-05

Family

ID=73947779

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011066855.6A Withdrawn CN112183410A (zh) 2020-10-03 2020-10-03 一种利用ds理论的功率信号滤波方法和系统

Country Status (1)

Country Link
CN (1) CN112183410A (zh)

Similar Documents

Publication Publication Date Title
CN109145825B (zh) 一种相干噪声滤除方法及系统
CN111680590A (zh) 一种利用收缩梯度的功率信号滤波方法和系统
CN111666870A (zh) 一种利用二次约束的功率信号重构方法和系统
CN112434567B (zh) 一种利用噪声抖动性质的功率信号滤波方法和系统
CN111832474A (zh) 一种利用能量尺度的功率信号滤波方法和系统
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
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
CN111830405A (zh) 一种利用频率差异量的负荷开关事件检测方法和系统
CN112183410A (zh) 一种利用ds理论的功率信号滤波方法和系统
CN112347922B (zh) 一种利用Hankerl矩阵的功率信号滤波方法和系统
CN110542855B (zh) 基于离散余弦变换的负荷开关事件检测方法和系统
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
CN111929608A (zh) 一种负载开关事件检测方法及系统
CN111737645A (zh) 一种利用预测矩阵的功率信号重构方法和系统
CN111665389A (zh) 一种利用随机投影的功率信号滤波方法和系统
CN111679120A (zh) 一种利用解耦合的功率信号滤波方法和系统
CN110784019A (zh) 一种利用Mercer投影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
CN112307997B (zh) 一种利用主模式分解的功率信号重构方法和系统
CN112270282B (zh) 一种利用矩阵谱模的功率信号滤波方法和系统
CN112329637B (zh) 一种利用模式特征的负荷开关事件检测方法和系统
CN112257576B (zh) 一种利用Maha距离测度的负荷开关事件检测方法和系统
CN112307986B (zh) 一种利用高斯梯度的负荷开关事件检测方法和系统
CN110852268A (zh) 一种利用字典投影的功率信号滤波方法和系统
CN111931660A (zh) 一种利用自适应Jordan变换的功率信号重构方法和系统

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210105

WW01 Invention patent application withdrawn after publication