CN116381333A - 基于acmd算法的电动汽车充电桩电能计量方法 - Google Patents

基于acmd算法的电动汽车充电桩电能计量方法 Download PDF

Info

Publication number
CN116381333A
CN116381333A CN202310383859.4A CN202310383859A CN116381333A CN 116381333 A CN116381333 A CN 116381333A CN 202310383859 A CN202310383859 A CN 202310383859A CN 116381333 A CN116381333 A CN 116381333A
Authority
CN
China
Prior art keywords
signal
algorithm
electric energy
component
electric
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.)
Pending
Application number
CN202310383859.4A
Other languages
English (en)
Inventor
刘朋远
严绍奎
周媛凤
胡婷婷
薛生娟
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.)
Marketing Service Center Of State Grid Ningxia Electric Power Co ltd Metering Center Of State Grid Ningxia Electric Power Co ltd
Original Assignee
Marketing Service Center Of State Grid Ningxia Electric Power Co ltd Metering Center Of State Grid Ningxia Electric Power Co ltd
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 Marketing Service Center Of State Grid Ningxia Electric Power Co ltd Metering Center Of State Grid Ningxia Electric Power Co ltd filed Critical Marketing Service Center Of State Grid Ningxia Electric Power Co ltd Metering Center Of State Grid Ningxia Electric Power Co ltd
Priority to CN202310383859.4A priority Critical patent/CN116381333A/zh
Publication of CN116381333A publication Critical patent/CN116381333A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/10—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods using digital techniques
    • 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)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种基于ACMD算法的电动汽车充电桩电能计量方法，包括以下步骤：调取充电桩运行时的电流信号和电压信号；将电流信号、电压信号和初始瞬时频率作为原始数据；对原始数据的一个信号模态进行提取，将提取出的信号从原始数据中剔除形成残差信号；将残差信号作为新的原始数据进行信号模态的提取，直至残差信号的能量低于预设值；对所有提取出的信号模态对应的信号分量分别进行电量计算得到电能分量，对所有电能分量进行求和生成充电桩消耗的总电量。本发明通过逐个提取信号模态的方式将电压信号和电流信号按照时间、频率的不同分解为不同的信号模态，再对分解出的信号的电量进行求和，得到电能计量误差较小的充电桩消耗的总电量。

Description

基于ACMD算法的电动汽车充电桩电能计量方法
技术领域
本发明涉及电动汽车充电桩电能计量领域，具体是基于ACMD算法的电动汽车充电桩电能计量方法。
背景技术
电动汽车在充电桩进行充电时，电动汽车和充电桩整体的电能消耗量的计量。由于充电桩运行时，其电流、电压信号中含有大量的谐波和非稳态信号，采用传统的平均值法和有效值法进行计算将产生较大的电能计量误差，对于供电和用电双方都是不公平的。
由于现有技术中，经验模态分解(EmpiricalModeDecomposition，EMD)和变分模态分解(Variational Mode Decomposition，VMD)是目前电动汽车充电桩电能计量领域常规计量方法。但EMD和VMD均是基于自适应模态分解方法，不能直接估算瞬时频率和瞬时幅值，并且还需要通过希尔伯特变换才能估算模态的参数，而希尔伯特变换还有边缘效应、对噪声敏感等缺点。VMD还需要预设分解模态的数量，由于信号的不确定性和噪声的存在，模态数量是很难正确预设的。
在现有技术中，电能计量方法的计量误差始终存在，并且使得最终的计量结果与实际用电量存在较大偏差，所以电动汽车充电桩电能计量领域亟需一种准确计量用电量的计量方法，避免电动汽车充电桩电能计量误差过大。
发明内容
本发明的目的在于克服现有技术由于电动汽车充电桩含有大量谐波信号或非稳态信号，导致电能计量误差较大的不足，提供了一种基于ACMD算法的电动汽车充电桩电能计量方法，通过逐个提取信号模态的方式将电压信号和电流信号按照时间、频率的不同分解为不同的信号模态，再对分解出的信号的电量进行求和，得到电能计量误差较小的充电桩消耗的总电量。
本发明的目的主要通过以下技术方案实现：
基于ACMD算法的电动汽车充电桩电能计量方法，包括以下步骤：
调取充电桩运行时的电流信号和电压信号；
通过电流信号和电压信号计算获取初始瞬时频率，并将所述电流信号、所述电压信号和所述初始瞬时频率作为原始数据；
对所述原始数据的一个信号模态进行提取，并将提取出的信号从所述原始数据中剔除形成残差信号；
将所述残差信号作为新的原始数据进行信号模态的提取，直至残差信号的能量低于预设值；
对所有提取出的信号模态对应的信号分量分别进行电量计算得到电能分量，对所有电能分量进行求和生成充电桩消耗的总电量。
目前，电动汽车充电桩本身相当于一个整流器，在运行时，将电网提供的工频正弦交流电转换为直流电，以完成对电动汽车的充电。整流器本身对于电网而言是一个非线性负荷，当电网的工频正弦交流电压作用于整流器上时，其产生的电流是非正弦的，含有谐波。所以在充电桩的电能计量中，为避免较大的计量误差，其不能按照线性负荷的计算方式进行。
由电工理论可知，如果先对充电桩的电流、电压信号分别进行准确的识别和分解，再对各信号成分分别进行电能计算，将极大提高充电桩电能计量的准确性。
电动汽车充电桩的电流、电压信号不仅仅是含有谐波，而且其信号的频率是时变的，这意味着如FFT这样的频域分析方法是不适用的。EMD和VMD是两种常见的时频分析方法，但是EMD和VMD均是基于自适应模态分解方法，不能直接估算信号的瞬时频率和瞬时幅值，并且还需要通过希尔伯特变换才能估算模态的参数，而希尔伯特变换有边缘效应、对噪声敏感等缺点。VMD还需要额外预设分解模态的数量，由于信号的不确定性和噪声的存在，模态数量是很难正确预设的。
本申请实施例所涉及的计算环境本身存在直流成分、各次谐波成分和非稳态成分等各种复杂的信号模态，在很难估算信号模态数量的基础上，也很难有效的将每个信号模态直接独立分解出来，所以电能计量的准确度不能得到有效的保障。
本申请实施例中将所述电流信号、所述电压信号和所述初始瞬时频率作为原始数据，通过对信号模态的逐个提取，将所有的信号模态提取出来，每次仅提取一个信号模态，当提取出一个信号模态后，所述原始数据剩余的部分即为残差信号，将残差信号作为新的原始数据进行下一个信号模态的提取，通过对新的原始数据进行信号模态的提取，完成逐个提取信号模态的过程，如此循环往复直至残差信号的能量强度逐步降低到低于预设的能量值。完成信号模态的逐个提取后，能够有效的将每个信号模态所涉及的信号分量的电量分别进行计算，从而得到信号分量的电能分量，再对所有的电能分量求和，得到充电桩消耗的总电量。
本申请实施例对原始数据进行分解的算法采用ACMD算法，ACMD算法是一种优于EMD和VMD的时频分析方法，所述ACMD采用贪婪算法来递归估算信号模态，不需要预设模态数量；其还能在信号分解过程中直接估算每个模态的瞬时频率和瞬时幅值，无需后续的希尔伯特变换。
ACMD算法原理推导如下：
以bi(t)和ci(t)作为yi(t)的一组正交的调制信号；
Figure BDA0004173174850000021
作为解调器/>
Figure BDA0004173174850000022
和/>
Figure BDA0004173174850000031
的频率函数，并以所述yi(t)为原始数据，通过解调器的频率函数，可以将一组正交的调制信号表示为：
Figure BDA0004173174850000032
Figure BDA0004173174850000033
式中，fi为原始数据的频率函数。
由于充电桩运行时的电流、电压信号数学表达式为：
Figure BDA0004173174850000034
所以通过解调器，所述充电桩运行时的电流、电压信号可以表达为：
Figure BDA0004173174850000035
式中，
Figure BDA0004173174850000036
表示正交信号的频率函数，/>
Figure BDA0004173174850000037
表示正交信号的频率与时间的乘积。
当
Figure BDA0004173174850000038
时，/>
Figure BDA0004173174850000039
且此时有最窄带宽。因此，信号按照最小化bi(t)和ci(t)的带宽来分解：
Figure BDA00041731748500000310
Figure BDA00041731748500000311
其中，
Figure BDA00041731748500000312
表示通过二阶导数和二范数的平方来测量调制信号的带宽。
在ACMD的推导过程中，用bi(t)和ci(t)来表示原信号，若bi(t)和ci(t)的带宽较大，那么分解出的信号个数会较小，实际上就是信号分解的不够彻底。即bi(t)和ci(t)也是含有过于复杂的频率成分的信号，这与本方案初衷相违背。反之，bi(t)和ci(t)的带宽较窄，分解出的信号个数较多，则bi(t)和ci(t)的频率成分较为简单，甚至只有单一频率是最佳的，所以按照带宽尽可能小作为条件。
在现有技术中，如果同时估算信号的所有K个模态，那就需要预设模态数量K。但事实上很难能预先知道K的值。因此，在ACMD算法中采用贪婪算法来递进的提取信号模态。每次只对一个信号模态进行提取，然后用原信号减去已经提取出的信号的残差信号作为下一次的运算对象，以此重复下去，直到满足预设的终止条件。
在通过推导获取了ACMD算法后，便能够对所述原始数据进行逐个信号模态的提取，并且不需要考虑提取出的信号模态的种类，只需要对其进行逐个提取，便能够在不需要预设模态数量的基础上完成对原始数据的分解，从而计算出更加准确的电能计量。
进一步的，所述初始瞬时频率的获取采用以下步骤：
以所述电流信号和电压信号为原信号；
通过同步采样变换获取所述原信号的时频分布；
采用脊检测算法计算得到所述初始瞬时频率。
在进行ACMD算法之前，需要提供一个初始瞬时频率，此值通过同步采样变换(即SET)，配合脊检测算法来计算得到。SET是一种新颖的基于短时傅里叶变换的后处理策略，能比前者生成能量集中度更高、时频分辨率更高的时频分布，能够使后续脊检测算法获得更利于ACMD执行的初始瞬时频率。初始频率的获取是基于原信号，也就是输入的原信号。
获得初始瞬时频率属于使用ACMD的前置要求，是本申请实施例的步骤之一，是基于原信号所获得，采用的方法是：基于短时傅里叶变换的同步采样变换配合脊检测算法，即先采用同步采样变换得到时频分布，然后寻找时频分布的最大值(脊)，进而确定初始瞬时频率。
进一步的，所述同步采样变换包括以下步骤：
对原信号进行函数窗口化的离散时间傅里叶变换，得到变换结果；
根据所述变换结果计算得到一个一阶瞬时频率估算；
通过所述一阶瞬时频率估算获得同步采样器；
结合所述同步采样器和所述变换结果，提取短时傅里叶变换的目标频率附近时频分布。
现实中的运算均是基于采样信号，而采样信号必然是离散信号。所以对原信号进行函数窗口化的离散时间傅里叶变换后方便进行后续的计算。
进一步的，对所述原始数据的一个信号模态进行提取的具体步骤如下：
预设迭代算法的终止条件；
将所述原始数据代入迭代算法进行更新，获得更新数据；
若所述更新数据满足所述终止条件，迭代过程终止；
将满足所述终止条件的信号模态作为提取结果输出。
进一步的，所述迭代算法包括以下步骤：
调取采集的所述原始数据，得到离散数据；
令目标函数的梯度为0，将所述离散数据代入所述目标函数进行计算，获得迭代数据；
当相邻两次迭代数据的差值满足所述终止条件时，迭代过程终止。
进一步的，
提取所述信号模态的条件如下：
以所述充电桩运行时的电流信号和电压信号为原信号；
将所述原信号用一对正交调制信号表示；
限制一对所述正交调制信号的带宽；
根据所述带宽进行所述信号模态的提取。
进一步的，所述电能分量的计算包括以下步骤：
提取出所述信号分量中的电压分量和电流分量；
根据正弦信号的正交性验证所述电压分量和所述电流分量的频率是否相等；
若所述电压分量和所述电流分量的频率不相等，舍弃所述信号分量；
若所述电压分量和所述电流分量的频率相等，分别计算所述电压分量和所述电流分量的相角并计算得到所述电压分量和所述电流分量的相位差；
根据所述电压分量、所述电流分量和所述相位差计算得到所述电能分量。
进一步的，所述信号分量包括电压分量和电流分量，所述电能分量的数量取所述电压分量的数量和所述电流分量的数量中的相对小值。
综上所述，本发明与现有技术相比具有以下有益效果：
本申请实施例中将所述电流信号、所述电压信号和所述初始瞬时频率作为原始数据，通过对信号模态的逐个提取，能够有效的将每个信号模态所涉及的信号分量的电量分别进行计算，从而得到信号分量的电能分量，再对所有的电能分量求和，得到充电桩消耗的总电量。所以本申请实施例能够对所述原始数据进行逐个信号模态的提取，而且不需要考虑提取出的信号模态的种类，只需要对其进行逐个提取，便能够在不需要预设模态数量的基础上完成对原始数据的分解，从而计算出更加准确的电能计量。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为典型的V2G充电桩电路拓扑结构；
图2为本发明电能计量流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例：
如图1所示，左侧为电网提供的工频正弦交流电，经过三相整流器，以及滤波等过程，得到右侧的直流电，以供给电动汽车充电所需。整流器本身对于电网而言是一个非线性负荷，当电网的工频正弦交流电压作用于整流器上时，其产生的电流是非正弦的，含有谐波。所以在充电桩的电能计量中，为避免较大的计量误差，其不能按照线性负荷的计算方式进行。
如图2所示，本实施例具体涉及一种基于ACMD算法的电动汽车充电桩电能计量方法，包括以下步骤：
调取充电桩运行时的电流信号和电压信号；
通过电流信号和电压信号计算获取初始瞬时频率，并将所述电流信号、所述电压信号和所述初始瞬时频率作为原始数据；
对所述原始数据的一个信号模态进行提取，并将提取出的信号从所述原始数据中剔除形成残差信号；
将所述残差信号作为新的原始数据进行信号模态的提取，直至残差信号的能量低于预设值；
对所有提取出的信号模态对应的信号分量分别进行电量计算得到电能分量，对所有电能分量进行求和生成充电桩消耗的总电量。
本实施例中将所述电流信号、所述电压信号和所述初始瞬时频率作为原始数据，通过对信号模态的逐个提取，将所有的信号模态提取出来，每次仅提取一个信号模态，当提取出一个信号模态后，所述原始数据剩余的部分即为残差信号，将残差信号作为新的原始数据进行下一个信号模态的提取，通过对新的原始数据进行信号模态的提取，完成逐个提取信号模态的过程，如此循环往复直至残差信号的能量强度逐步降低到低于预设的能量值。完成信号模态的逐个提取后，能够有效的将每个信号模态所涉及的信号分量的电量分别进行计算，从而得到信号分量的电能分量，再对所有的电能分量求和，得到充电桩消耗的总电量。
本实施例在实际分解所述电压信号和所述电流信号的时候，会分别将所述电压信号分解为时间、频率不同的信号分量，将所述电流信号分解为频率不同的信号分量，形成不同的信号模态，再用同频率的电压、电流信号模态计算该部分电能，通过将所有的电能分量汇总并求和，计算得到总电量。ACMD算法的输入是电流或电压信号，经过算法后，信号将按时间和频率不同而被分解为多个信号模态，然后根据对应频率的电压、电流信号模态进行电能计量。对于各模态到底属于什么信号，无需关注，只要频率对应即可计算电能。
本实施例在实际应用中，按照以下的形式得到各个信号模态：
为残差信号设置终止阈值；
首先由原始数据分解出信号1，然后原信号减去信号1得到残差信号1，比较残差信号1的强度是否低于终止阈值，如果高于终止阈值则继续。
然后由残差信号1分解出信号2，然后残差信号1减去信号2得到残差信号2，比较残差信号2强度是否低于终止阈值，如果高于终止阈值则继续。
重复上述操作，直到残差信号的强度低于终止阈值。
所述初始瞬时频率的获取采用以下步骤：
以所述电流信号和电压信号为原信号；
通过同步采样变换获取所述原信号的时频分布；
采用脊检测算法计算得到所述初始瞬时频率。
所述同步采样变换包括以下步骤：
对原信号进行函数窗口化的离散时间傅里叶变换，得到变换结果；
根据所述变换结果计算得到一个一阶瞬时频率估算；
通过所述一阶瞬时频率估算获得同步采样器；
结合所述同步采样器和所述变换结果，提取短时傅里叶变换的目标频率附近时频分布。
本实施例中，所述同步采样变换用SET表示，所述基于短时傅里叶变换用STFT表示。
在计算初始瞬时频率的时候，由于SET使用同步采样器提取基于STFT的目标频率附近时频分布，定义如下：
Figure BDA0004173174850000071
所以先由函数g(t0窗口化的y(t)的离散时间傅里叶变换得到
Figure BDA0004173174850000072
如下所示：
Figure BDA0004173174850000073
式中，y(t)为原信号；δ(ω-ωi(t，ω))为同步采样器。
所述δ(ω-ωi(t,ω))定义为：
Figure BDA0004173174850000074
其中，ωi(t,ω)是一个一阶瞬时频率估算。
所述ωi(t,ω)定义为：
Figure BDA0004173174850000075
其中，Re(·)表示取复数的实部。
本实施例中通过原始数据先由函数g(t)窗口化的y(t)的离散时间傅里叶变换得到
Figure BDA0004173174850000076
再进一步的得到一阶瞬时频率估算ωi(t,ω)，结合同步采样器和由函数g(t)窗口化的y(t)的离散时间傅里叶变换得到的/>
Figure BDA0004173174850000081
计算获得时频分布，最后对时频分布使用脊检测算法，得到最终的初始瞬时频率如下：
Figure BDA0004173174850000082
在本实施例中，提取所述信号模态的条件如下：
以所述充电桩运行时的电流信号和电压信号为原信号；
将所述原信号用一对正交调制信号表示；
限制一对所述正交调制信号的带宽；
根据所述带宽进行所述信号模态的提取。
根据带宽完成信号模态的提取，从而使得提取出的信号模态的频率成分足够单一化，即实现理想的信号分解，在此时，根据带宽主要完成的是将原始数据根据带宽逐个划分为若干个信号模态，但是每一个信号模态的提取都需要进行迭代运算，这样才能提取出足够准确信号模态。
为了提高提取出来的信号模态的准确性，对所述原始数据的一个信号模态进行提取的具体步骤如下：
预设迭代算法的终止条件；
将所述原始数据代入迭代算法进行更新，获得更新数据；
若所述更新数据满足所述终止条件，迭代过程终止；
将满足所述终止条件的信号模态作为提取结果输出。
所述迭代算法包括以下步骤：
调取采集的所述原始数据，得到离散数据；
令目标函数的梯度为0，将所述离散数据代入所述目标函数进行计算，获得迭代数据；
当相邻两次迭代数据的差值满足所述终止条件时，迭代过程终止。
本申请实施例中对获取第i个信号模态做举例说明：
对于第i个信号模态，如下步骤实现信号模态的提取：
Figure BDA0004173174850000083
其中，
Figure BDA0004173174850000084
表示残差信号的能量强度，γ>0是补偿系数。yi(t)的表达式如下：
Figure BDA0004173174850000085
Figure BDA0004173174850000091
其中，
Figure BDA0004173174850000092
由于在实际运算中，均采用离散化数据进行，此处假设将信号yi，bi，ci按照t＝t0,t1,…,tN-1离散化，则可以得到如下公式：
Figure BDA0004173174850000093
其中，D是二阶的差异矩阵，
Figure BDA00041731748500000922
和/>
Figure BDA00041731748500000923
是两个相位的对角矩阵，如下：
Figure BDA00041731748500000924
Figure BDA00041731748500000925
本实施例中的目标函数
Figure BDA0004173174850000094
表示/>
Figure BDA0004173174850000095
中的表达式。当然，此处的/>
Figure BDA0004173174850000096
与/>
Figure BDA0004173174850000097
中的内容存在差异，原因在于：/>
Figure BDA0004173174850000098
中的变量均表示连续信号，而本实施例实际是针对离散信号进行运算，所以此处的/>
Figure BDA0004173174850000099
是使用离散变量来书写的，每个部分均与
Figure BDA00041731748500000910
Figure BDA00041731748500000911
相对应。
D是二阶的差异矩阵，连续信号的二阶导数表示为
Figure BDA00041731748500000912
Figure BDA00041731748500000913
中的“bi″t”，而离散信号的二阶导数表示为
Figure BDA00041731748500000914
中的“Dbi”。
本实施例中的矩阵
Figure BDA00041731748500000926
和矩阵/>
Figure BDA00041731748500000927
有N个非零元素，所述矩阵/>
Figure BDA00041731748500000928
和矩阵/>
Figure BDA00041731748500000929
均为矩阵计算中的构造矩阵，是为了计算方便设置的。
为使
Figure BDA00041731748500000915
中的目标函数/>
Figure BDA00041731748500000916
最小化，通过迭代算法更新bi，ci，从而使得目标函数/>
Figure BDA00041731748500000917
达到最小值。
首先令目标函数
Figure BDA00041731748500000918
的梯度为0，即/>
Figure BDA00041731748500000919
和/>
Figure BDA00041731748500000920
对于第m次迭代有：
Figure BDA00041731748500000921
Figure BDA0004173174850000101
由
Figure BDA0004173174850000102
可得：
Figure BDA0004173174850000103
Figure BDA0004173174850000104
的更新通过/>
Figure BDA0004173174850000105
和bi，ci，进而通过反正切解调得到：
Figure BDA0004173174850000106
Figure BDA0004173174850000107
其中：
Figure BDA0004173174850000108
I为单位矩阵；β>0是权重系数；
Figure BDA0004173174850000109
然后根据
Figure BDA00041731748500001010
和/>
Figure BDA00041731748500001011
Figure BDA00041731748500001012
更新/>
Figure BDA00041731748500001020
迭代过程的终止条件为：
Figure BDA00041731748500001013
其中，δ为终止阈值，
Figure BDA00041731748500001014
由下式计算：
Figure BDA00041731748500001015
至此，每个信号模态的瞬时幅值由
Figure BDA00041731748500001016
计算，瞬时频率由/>
Figure BDA00041731748500001017
计算。
在本实施例中，所述迭代过程的终止条件可以理解为当
Figure BDA00041731748500001018
与/>
Figure BDA00041731748500001019
的差值很小时，近似理解为这两个信号近似相同。本实施例中的终止阈值δ是一个可调参数。如果δ较大，那么分解出的每一个信号模态的准确度会减低。如果δ较小，即对分解出的每一个信号模态的准确度要求更高，那么迭代过程的循环次数将增加，计算量将增加，计算速度降低。
本实施例中用一对正交调制信号来表示原信号，后续是通过限制上述调制信号的带宽来实现提取出的信号模态的频率成分足够单一化，即实现理想的信号分解。
对于整个信号分解过程，假设第一个被提取的信号模态为y1(t)，原始信号为y(t)，则残差信号为r(t)＝y(t)-y1(t0，下一次将在r(t)中提取出y2(t)，然后重复同样的步骤，直到残差信号的能量低于算法终止阈值，如下所示：
Figure BDA0004173174850000111
其中，ε为算法终止阈值。
所述电能分量的计算包括以下步骤：
提取出所述信号分量中的电压分量和电流分量；
根据正弦信号的正交性验证所述电压分量和所述电流分量的频率是否相等；
若所述电压分量和所述电流分量的频率不相等，舍弃所述信号分量；
若所述电压分量和所述电流分量的频率相等，分别计算所述电压分量和所述电流分量的相角并计算得到所述电压分量和所述电流分量的相位差；
根据所述电压分量、所述电流分量和所述相位差计算得到所述电能分量。
所述信号分量包括电压分量和电流分量，所述电能分量的数量取所述电压分量的数量和所述电流分量的数量中的相对小值。
经过ACMD算法分解后，得到电压分解结果为V＝(v1,v2,…,vm)，电流分解结果为I＝(i1,i2,…,in)，其中m、n为电压和电流的模态数量，其值由分解时的阈值所决定。
根据正弦信号的正交性，只有相同次数的正弦波相乘才能产生功率，所以需要对电压和电流模态的频率是否相等进行验证，验证相等后再计算功率。
直流模态无需进行以下变换，直接相乘求得功率。通过快速傅里叶变换验证电压vk与电流ik的频率是否相等。如果相等，再通过希尔伯特变换分别计算电压vk与电流ik的相角。假设第k次谐波的电压和电流表达式为：
Figure BDA0004173174850000112
Figure BDA0004173174850000113
其中，
Figure BDA0004173174850000114
Vk和Ik为电压有效值和电流有效值，fk为频率，/>
Figure BDA0004173174850000115
和/>
Figure BDA0004173174850000116
为电压初相角和电流初相角。
经过希尔伯特变换并求解电压相位θvk、电流相位θik，及相位差Δθk：
Figure BDA0004173174850000121
Figure BDA0004173174850000122
Figure BDA0004173174850000123
Figure BDA0004173174850000124
Δθk＝θvk-θik
最后计算得功率为Pk：
Pk＝VkIk cos(Δθk)
最终计算得总功率为P：
Figure BDA0004173174850000125
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于ACMD算法的电动汽车充电桩电能计量方法，其特征在于，包括以下步骤：
调取充电桩运行时的电流信号和电压信号；
通过电流信号和电压信号计算获取初始瞬时频率，并将所述电流信号、所述电压信号和所述初始瞬时频率作为原始数据；
对所述原始数据的一个信号模态进行提取，并将提取出的信号从所述原始数据中剔除形成残差信号；
将所述残差信号作为新的原始数据进行信号模态的提取，直至残差信号的能量低于预设值；
对所有提取出的信号模态对应的信号分量分别进行电量计算得到电能分量，对所有电能分量进行求和生成充电桩消耗的总电量。
2.根据权利要求1所述的基于ACMD算法的电动汽车充电桩电能计量方法，其特征在于，所述初始瞬时频率的获取采用以下步骤：
以所述电流信号和电压信号为原信号；
通过同步采样变换获取所述原信号的时频分布；
采用脊检测算法计算得到所述初始瞬时频率。
3.根据权利要求2所述的基于ACMD算法的电动汽车充电桩电能计量方法，其特征在于，所述同步采样变换包括以下步骤：
对原信号进行函数窗口化的离散时间傅里叶变换，得到变换结果；
根据所述变换结果计算得到一个一阶瞬时频率估算；
通过所述一阶瞬时频率估算获得同步采样器；
结合所述同步采样器和所述变换结果，提取短时傅里叶变换的目标频率附近时频分布。
4.根据权利要求1所述的基于ACMD算法的电动汽车充电桩电能计量方法，其特征在于，对所述原始数据的一个信号模态进行提取的具体步骤如下：
预设迭代算法的终止条件；
将所述原始数据代入迭代算法进行更新，获得更新数据；
若所述更新数据满足所述终止条件，迭代过程终止；
将满足所述终止条件的信号模态作为提取结果输出。
5.根据权利要求4所述的基于ACMD算法的电动汽车充电桩电能计量方法，其特征在于，所述迭代算法包括以下步骤：
调取采集的所述原始数据，得到离散数据；
令目标函数的梯度为0，将所述离散数据代入所述目标函数进行计算，获得迭代数据；
当相邻两次迭代数据的差值满足所述终止条件时，迭代过程终止。
6.根据权利要求1所述的基于ACMD算法的电动汽车充电桩电能计量方法，其特征在于，
提取所述信号模态的条件如下：
以所述充电桩运行时的电流信号和电压信号为原信号；
将所述原信号用一对正交调制信号表示；
限制一对所述正交调制信号的带宽；
根据所述带宽进行所述信号模态的提取。
7.根据权利要求1所述的基于ACMD算法的电动汽车充电桩电能计量方法，其特征在于，所述电能分量的计算包括以下步骤：
提取出所述信号分量中的电压分量和电流分量；
根据正弦信号的正交性验证所述电压分量和所述电流分量的频率是否相等；
若所述电压分量和所述电流分量的频率不相等，舍弃所述信号分量；
若所述电压分量和所述电流分量的频率相等，分别计算所述电压分量和所述电流分量的相角并计算得到所述电压分量和所述电流分量的相位差；
根据所述电压分量、所述电流分量和所述相位差计算得到所述电能分量。
8.根据权利要求1所述的基于ACMD算法的电动汽车充电桩电能计量方法，其特征在于，所述信号分量包括电压分量和电流分量，所述电能分量的数量取所述电压分量的数量和所述电流分量的数量中的相对小值。
CN202310383859.4A 2023-04-11 2023-04-11 基于acmd算法的电动汽车充电桩电能计量方法 Pending CN116381333A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310383859.4A CN116381333A (zh) 2023-04-11 2023-04-11 基于acmd算法的电动汽车充电桩电能计量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310383859.4A CN116381333A (zh) 2023-04-11 2023-04-11 基于acmd算法的电动汽车充电桩电能计量方法

Publications (1)

Publication Number Publication Date
CN116381333A true CN116381333A (zh) 2023-07-04

Family

ID=86967284

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310383859.4A Pending CN116381333A (zh) 2023-04-11 2023-04-11 基于acmd算法的电动汽车充电桩电能计量方法

Country Status (1)

Country Link
CN (1) CN116381333A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116701822A (zh) * 2023-08-07 2023-09-05 云南电网有限责任公司 基于麻雀搜索算法与变分模态分解的负荷电能计量方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116701822A (zh) * 2023-08-07 2023-09-05 云南电网有限责任公司 基于麻雀搜索算法与变分模态分解的负荷电能计量方法
CN116701822B (zh) * 2023-08-07 2023-11-28 云南电网有限责任公司 基于麻雀搜索算法与变分模态分解的负荷电能计量方法

Similar Documents

Publication Publication Date Title
Lavopa et al. Real-time estimation of fundamental frequency and harmonics for active shunt power filters in aircraft electrical systems
CN102998535B (zh) 一种基于极大似然估计理论的系统谐波阻抗计算方法
CN105548739B (zh) 一种避雷器运行状态信号处理方法
CN110045186B (zh) 电力系统公共连接点处的系统谐波阻抗估计方法和系统
CN109900959B (zh) 一种动态正弦畸变信号中谐波成分的提取方法
CN103399213B (zh) 一种基于基波频率修正的高压设备介质损耗因数计算方法
CN106226587B (zh) 一种基于les--hht的交流微电网电压暂降快速检测方法
CN116381333A (zh) 基于acmd算法的电动汽车充电桩电能计量方法
CN112557751B (zh) 一种基于dft迭代法的谐波参数估计方法
CN113032716A (zh) 基于加窗插值和Prony算法的谐波与间谐波分析方法
CN107179439A (zh) 基于五项余弦窗fft三峰插值的电能计量方法
CN104833852A (zh) 一种基于人工神经网络的电力系统谐波信号估计测量方法
CN103778341B (zh) 一种谐波污染用户的概率潮流评估方法
CN102508022B (zh) 采用最优乘子牛顿算法检测电网频率的方法
Chang et al. A synchrosqueezing transform-based hybrid method for voltage fluctuations assessment
CN109444539A (zh) 一种基于克拉克变换的同步相量测量方法
CN117990979A (zh) 适用于并网逆变器频率耦合导纳的高精度测量方法及系统
CN110647720A (zh) 一种嵌入式平台下非平稳信号电能计量的方法
CN109191543B (zh) 一种交流采样同断面数据生成方法
CN115313488B (zh) 海上风电经柔直并网系统阻抗确定方法及系统
CN109307800A (zh) 一种电网总谐波检测方法
Serov et al. The application of the integration-differentiation method for the measurement of the fundamental component of the reactive power
CN115656625A (zh) 一种基于动态自适应阶梯波的动态信号测量方法及系统
Pigazo et al. Accurate and computationally efficient implementation of the IEEE 1459-2000 standard in three-phase three-wire power systems
CN115219787A (zh) 基于改进矩阵束的电网相量移动测量方法、系统及介质

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