CN114295890A - 一种直流充电桩电能计量方法、系统、设备及可读存储介质 - Google Patents

Abstract

本发明公开了一种直流充电桩电能计量方法、系统、设备及可读存储介质，通过将充电功率信号采用经验小波变换和希尔伯特变换分解成直流信号和非稳态信号；能够有效实现短时、畸变信号的有效分析，能够对分解的直流信号和非稳态信号通过K‑RV互卷积窗FFT计算分解出直流信号和非稳态信号的谐波信号，使得充电功率信号进行有效分解，然后根据直流信号、非稳态信号及谐波信号分别计算出直流信号、非稳态信号及其各自谐波信号的电能，直流信号、非稳态信号及其各自谐波的电能总和为总电能，提高了直流充电桩电能计算准确率，为直流充电桩电能计量提供了有效支撑。

Description

一种直流充电桩电能计量方法、系统、设备及可读存储介质

技术领域

本发明涉及直流充电桩现场检测装置在现场工况下的电能计量准确性，具体涉及一种直流充电桩电能计量方法、系统、设备及可读存储介质。

背景技术

随着新能源电动汽车的飞速发展，随之建设了大量的直流充电桩。但由于直流充电桩现场环境复杂，温度、湿度以及充电桩输出的纹波、畸变等非稳态波都会对电能计量的准确性产生较大的影响。传统的电能计量大多采用了电压电流信号离散化求和的方法，最常用的是平均值法和有效值法。然而，这两种方法虽然能对直流稳态信号的电能进行准确计算，但当信号中含有大量的谐波及非稳态信号时，该方法将会产生较大的计算误差。因此，研究直流充电桩电能计量的精确算法具有重要的现实意义。

发明内容

本发明的目的在于提供一种直流充电桩电能计量方法及系统，以克服现有技术的不足，本发明通过分别计算出直流、谐波、非稳态信号电能及总的电能；最后通过实例验证，能将电能计量误差减小到0.05％以内，为直流充电桩现场电能精确计算提供了一种有效方法。

一种直流充电桩电能计量方法，包括以下步骤：

S1，将充电功率信号采用经验小波变换和希尔伯特变换分解成直流信号和非稳态信号；

S2，对分解的直流信号和非稳态信号通过K-RV互卷积窗FFT计算分解出直流信号和非稳态信号的谐波信号；

S3，然后根据直流信号、非稳态信号及谐波信号分别计算出直流信号、非稳态信号及其各自谐波信号的电能，直流信号、非稳态信号及其各自谐波的电能总和为总电能。

进一步的，具体的，对于待分解的信号f)t)，设其包含Q个模态AM-FM 分量；对待分解的信号f(t)进行傅里叶变换，将频谱归一化到[0,π]，求取频谱序列内各个极大值，组成极大值序列

对其按幅值大小进行降序排列。

进一步的，将极大值序列中大于设定阈值σ的值记为原始信号的主极大值，主极大值个数即为模态个数Q。

进一步的，取频率为5Hz的区间为直流信号频谱边界，在整个频谱区间[0, π]内形成Q+1个子区间，Q+2个边界，设相邻两个主极大值的频率为Ω_q和Ω_q+1，则第q个频谱的边界ω_q为：

式中，N为采样点数，ω₀＝0，ω_Q+2＝π，根据直流信号频谱边界得到直流信号。

进一步的，分别将原信号同经验尺度函数以及经验小波函数进行内积运算，得到近似系数

以及细节系数，根据近似系数

以及细节系数重构原信号：

分解f(t)得各模态分量

进一步的，对各模态分量求导

当A＞σ₁时(σ₁为阈值)，该模态为谐波、非稳态信号；当A＜σ₁时，该模态为稳态直流信号。

进一步的，用K-RV互卷积窗对所求信号c(l)进行加卷积窗修正

y(l)＝c(l)×w_K-RV(l) (19)

对y(l)进行快速傅里叶变换，得频谱函数

式中，f_s为采样频率，Δf＝f_s/L为频率分辨率。

一种直流充电桩电能计量系统，包括：

信号预处理模块，用于将充电功率信号采用经验小波变换和希尔伯特变换分解成直流信号和非稳态信号；

信号分解模块，用于对分解的直流信号和非稳态信号通过K-RV互卷积窗 FFT计算分解出直流信号和非稳态信号的谐波；

计量模块，用于根据特征图像进行优化训练直至网络损失函数值趋于稳定得到分类模型，根据输入的主轴轴承振动信号输出对应的轴承故障结果。

一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述直流充电桩电能计量方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述直流充电桩电能计量方法的步骤。

与现有技术相比，本发明具有以下有益的技术效果：

本发明一种直流充电桩电能计量方法，通过将充电功率信号采用经验小波变换和希尔伯特变换分解成直流信号和非稳态信号；能够有效实现短时、畸变信号的有效分析，能够对分解的直流信号和非稳态信号通过K-RV互卷积窗FFT计算分解出直流信号和非稳态信号的谐波信号，使得充电功率信号进行有效分解，然后根据直流信号、非稳态信号及谐波信号分别计算出直流信号、非稳态信号及其各自谐波信号的电能，直流信号、非稳态信号及其各自谐波的电能总和为总电能，提高了直流充电桩电能计算准确率，为直流充电桩电能计量提供了有效支撑。

将充电功率有效分解成直流、谐波以及非稳态功率，然后对充电功率进行准确计算，分解过程中通过设定阈值避免噪声信号对极大值的影响，提高了计算精度。

附图说明

图1为本发明实施例中直流充电桩电能计量系统框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据电工理论，将现场信号准确识别并分解成直流信号、纹波信号以及畸变信号，然后分别对它们进行电能计量，极大地提高电能计算的准确性。

本发明提出了一种结合EWT(Empirical Wavelet Transform，经验小波变换)和K-RV(Kaiser与Rife-Vincent窗函数)互卷积窗的电能计算方法。首先通过EWT和Hilbert(希尔伯特)变换对信号进行模态分解，准确分解出直流信号和非稳态信号；通过K-RV互卷积窗FFT(快速傅里叶变换)计算，准确分解出各自谐波，然后分别计算出直流、谐波、非稳态信号电能及总的电能；最后通过实例验证，结果表明了本发明能将电能计量误差减小到0.05％以内，为直流充电桩现场电能精确计算提供了一种有效方法。

直流充电桩电能计量方法中，根据直流充电桩现场电压、电流信号：

式中，u(t)为电压信号，i(t)为电流信号；U_d为直流电压信号；I_d直流电流信号；u_k(t)、i_k(t)分别为k次谐波电压分量、k次谐波电流分量，k＝1，2，…； u_s(t)、i_s(t)为非稳态电压分量、非稳态电流分量。

充电功率：

式中，P_d为直流功率，P_k为k次谐波功率，P_s非稳态功率。

由(2)式可知，充电功率包含直流、谐波以及非稳态功率。要对充电功率进行准确计算，首先需要准确的识别并分解出直流、谐波以及非稳态信号。

基于EWT(Empirical Wavelet Transform，经验小波变换)的非稳态信号识别：

信号频谱划分：

对于待分解的信号f(t)，设其包含Q个模态AM-FM分量；

首先对待分解的信号f(t)进行傅里叶变换，将频谱归一化到[0,π]，求取频谱序列内各个极大值，组成极大值序列

对其按幅值大小进行降序排列。

为避免噪声信号对极大值的影响，设置阈值为：

σ＝M_M+α(M₁-M_M) (3)

式中，α∈(0,1)表示相对幅值比。

将极大值序列中大于σ的值记为原始信号的主极大值，主极大值个数即为模态个数Q。

为识别出直流信号，设定边界得到相应直流信号，取频率为5Hz的区间为直流信号频谱边界，在整个频谱区间[0,π]内形成Q+1个子区间，Q+2个边界。

设相邻两个主极大值的频率为Ω_q和Ω_q+1，则第q个频谱的边界ω_q为：

式中，N为采样点数，ω₀＝0，ω_Q+2＝π。

经验小波函数

和经验尺度函数

的确定：

根据Meyer原理：

式中，

经验小波变换：

分别将原信号同经验尺度函数以及经验小波函数进行内积运算，得到近似系数

以及细节系数

式中，

分别为φ₁(t)、ψ_q(t)的复共轭函数，

和

信号重构：

由(8)式重构原信号

分解f(t)得各模态分量

c₀(t)，c_k(t)是f(t)的模态分量。

非稳态信号识别：

Hilbert变换：

Hilbert变换是用于分析信号瞬时特性的有效方法：

对于任意信号x(t)，进行Hilbert变换及其逆变换为：

由x(t)、y(t)构造复解析信号Z(t)及模态信号a(t)：

Z(t)＝x(t)+jy(t)＝a(t)e^jθ(t) (14)

信号突变判断：

对于模态分量a_i(t)(i为EWT分解的模态数)，当信号中含有畸变、非稳态信号时，其幅值会发生阶跃突变。因此，对各模态分量求导

当A＞σ₁时(σ₁为阈值)，该模态为谐波、非稳态信号；当A＜σ₁时，该模态为稳态直流信号。

基于改进函数窗的稳态信号识别：

窗函数特性分析，采用Kaiser窗函数：

式中，β为可调Kaiser窗函数参数；I₀(β)为第一类修正0阶Bessel函数，

Kaiser窗函数的频谱函数

由式(18)可见，选择不同的β，可以得到具有不同旁瓣特性和主瓣特性的Kasier窗函数。

K-RV互卷积窗函数FFT算法：

利用K-RV互卷积窗对所求信号c(l)进行加卷积窗修正

y(l)＝c(l)×w_K-RV(l) (19)

对y(l)进行快速傅里叶变换，得频谱函数

式中，f_s为采样频率，Δf＝f_s/L为频率分辨率。

设信号的峰值点为k_i，该点附近最大的谱线幅值为k_c，k_c左、右侧的谱线分别为k_c-1、k_c+1。此时三根谱线的幅值分别为x_c＝|Y(k_cΔf)|、x_c-1＝|Y(k_c-1Δf)|和 x_c+1＝|Y(k_c+1Δf|)。设ε＝k_i-k_c ε∈[-0.5,0.5]，引入参数

由式(21)以及参数ε得

信号的幅值

式中，G(ε)为ε的多项式。

信号频率修正式

f_i＝(k_c+ε)Δf (24)

初始相位修正式

将式(23)、(24)进行多项式拟合，得到ε和G(ε)表达式

ε＝2.45214255γ-0.16262866γ³+0.02257032γ⁵-0.00389398γ⁷ (26)

G(ε)＝2.74346286+0.28017218ε²+0.01470535ε⁴+0.00053617ε⁶ (27)

将式(26)、式(27)带入式(23)～(25)，得稳态信号的幅值、相位和初始相位修正式

A_i＝(2x_c+x_c-1+x_c+1)L^-1×(2.47611497+0.30845615ε²+0.0198985ε⁴+0.00090164ε⁶) (28)

f_i＝(k_c+2.01233693γ-0.13903832γ³+0.01987763γ⁵-0.00349827γ⁷)Δf (29)

对上述计算的直流信号、非稳态信号及其各自谐波的电能，直流信号、非稳态信号及其各自谐波的电能总和为总电能。

本发明一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器采用中央处理单元(CPU)，或者采用其他通用处理器、数字信号处理器(DSP)、专用集成电路 (ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可用于直流充电桩电能计量方法的操作。

一种直流充电桩电能计量系统，包括：

信号预处理模块，用于将充电功率信号采用经验小波变换和希尔伯特变换分解成直流信号和非稳态信号；

信号分解模块，用于对分解的直流信号和非稳态信号通过K-RV互卷积窗 FFT计算分解出直流信号和非稳态信号的谐波；

计量模块，用于根据特征图像进行优化训练直至网络损失函数值趋于稳定得到分类模型，根据输入的主轴轴承振动信号输出对应的轴承故障结果。

本发明再一个实施例中，本发明还提供了一种存储介质，具体采用计算机可读存储介质(Memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。计算机可读存储介质包括终端设备中的内置存储介质，提供存储空间，存储了终端的操作系统，也可包括终端设备所支持的扩展存储介质。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(Non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中可用于直流充电桩电能计量方法的相应步骤。

设直流充电桩现场电压、电流如式(1)所示，其中

U_d＝900V，I_d＝200A

有效值、平均值法与本发明的电能计算结果如表1所示。

表1传统方法与本发明电能计算结果(采样时间T＝0.5s)

由表1可知，电能计算结果，与理论值相比，平均值法的误差为-0.0982％，有效值法的误差为0.0278％，而本发明的误差为0.0057％，远小于传统的平均值法和有效值法。可见，本发明具有很高的计算准确度，是一种有效的直流充电桩电能计算方法。

本发明通过EWT和Hilbert变换对信号进行模态分解，准确分解出直流信号和非稳态信号，再通过K-RV互卷积窗FFT(快速傅里叶变换)计算，准确分解出各自谐波；然后分别计算出直流、谐波、非稳态信号电能及总的电能；最后通过实例验证，结果表明了本发明能将电能计量误差减小到0.05％以内。

Claims (10)

1.一种直流充电桩电能计量方法，其特征在于，包括以下步骤：

S1，将充电功率信号采用经验小波变换和希尔伯特变换分解成直流信号和非稳态信号；

S2，对分解的直流信号和非稳态信号通过K-RV互卷积窗FFT计算分解出直流信号和非稳态信号的谐波信号；

S3，然后根据直流信号、非稳态信号及谐波信号分别计算出直流信号、非稳态信号及其各自谐波信号的电能，直流信号、非稳态信号及其各自谐波的电能总和为总电能。

2.根据权利要求1所述的一种直流充电桩电能计量方法，其特征在于，具体的，对于待分解的信号f(t)，设其包含Q个模态AM-FM分量；对待分解的信号f(t)进行傅里叶变换，将频谱归一化到[0,π]，求取频谱序列内各个极大值，组成极大值序列

对其按幅值大小进行降序排列。

3.根据权利要求2所述的一种直流充电桩电能计量方法，其特征在于，将极大值序列中大于设定阈值σ的值记为原始信号的主极大值，主极大值个数即为模态个数Q。

4.根据权利要求2所述的一种直流充电桩电能计量方法，其特征在于，取频率为5Hz的区间为直流信号频谱边界，在整个频谱区间[0,π]内形成Q+1个子区间，Q+2个边界，设相邻两个主极大值的频率为Ω_q和Ω_q+1，则第q个频谱的边界ω_q为：

式中，N为采样点数，ω₀＝0，ω_Q+2＝π，根据直流信号频谱边界得到直流信号。

5.根据权利要求2所述的一种直流充电桩电能计量方法，其特征在于，

分别将原信号同经验尺度函数以及经验小波函数进行内积运算，得到近似系数

以及细节系数，根据近似系数

以及细节系数重构原信号：

分解f(t)得各模态分量

k＝1，2，… (11)。

6.根据权利要求5所述的一种直流充电桩电能计量方法，其特征在于，对各模态分量求导

当A＞σ₁时(σ₁为阈值)，该模态为谐波、非稳态信号；当A＜σ₁时，该模态为稳态直流信号。

7.根据权利要求1所述的一种直流充电桩电能计量方法，其特征在于，用K-RV互卷积窗对所求信号c(l)进行加卷积窗修正

y(l)＝c(l)×w_K-RV(l) (19)

对y(l)进行快速傅里叶变换，得频谱函数

式中，f_s为采样频率，Δf=f_s/L为频率分辨率。

8.一种直流充电桩电能计量系统，其特征在于，包括：

信号预处理模块，用于将充电功率信号采用经验小波变换和希尔伯特变换分解成直流信号和非稳态信号；

信号分解模块，用于对分解的直流信号和非稳态信号通过K-RV互卷积窗FFT计算分解出直流信号和非稳态信号的谐波；

计量模块，用于根据特征图像进行优化训练直至网络损失函数值趋于稳定得到分类模型，根据输入的主轴轴承振动信号输出对应的轴承故障结果。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。

Images