CN116455086B - 基于数据驱动的新能源合环智能调控方法 - Google Patents

Abstract

本发明涉及电子数字数据处理技术领域，具体涉及基于数据驱动的新能源合环智能调控方法，包括：利用傅里叶变化将时域电压信号转化为频域电压信号，统计单峰信号类型，结合构建的目标函数，对搜索窗口和邻域窗口的尺寸进行组合迭代，得到最优窗口尺寸，然后以单峰信号为单位进行相似度计算，在平滑过程中先以单峰信号的相似度归一化结果作为加权权重，以单峰信号内的平均电压值作为被加权项，进行加权求和得到平滑结果，最后利用最小二乘法拟合曲线，获得去噪后时域电压信号。本发明通过在非局部均值滤波算法基础上进行改进使相比于常规的非局部均值滤波算法，对实际电压信号的保留效果更好，且算法结构简单，大幅提高了降噪效果。

Description

基于数据驱动的新能源合环智能调控方法

技术领域

本发明涉及电子数字数据处理技术领域，具体涉及基于数据驱动的新能源合环智能调控方法。

背景技术

电力系统带电合环，也称为“带电作业合环”，是指在停电条件下无法完成的电力系统检修维护工作中，在安全可靠的前提下，通过开启合环器设备，将带电电缆进行连接，并使其保持通电状态，以便实施有关维护操作的一种技术手段。在新能源汽车中，带电合环器技术可以用于电池组和动力控制系统的维护和检修。一些类型的新能源汽车，例如混合动力汽车和纯电动汽车，其驱动动力都是通过电池组供电实现的。因此，在对电池组进行检修或更换时，需要有一种方法来确保电池组保持通电状态，以便其他部件和系统正常运行；

但由于配电系统本身存在着电压等级较高、电流值较大、运行环境复杂等特点，人工操作时安全风险较大，现有利用现代信息技术（如云计算、物联网、人工智能等）对带电合环电路区域进行实时监测、远程控制和自动化管理。避免了人员直接接触电源和设备带来的风险。在监测过程中合环电路可能会出现电流异常、温度异常、湿度异常、过压/欠压异常等，需要及时切断开关、调控电压等，这些监测数据在实时监测过程中会存在噪声干扰，主要来源于电磁辐射、耦合噪声、电源噪声等，噪声的叠加性以及随机性会导致合环电路状态监测数据出现较大误差，存在一定安全隐患，但现有降噪技术往往会平滑信号，导致部分细节信息丢失。

发明内容

本发明提供基于数据驱动的新能源合环智能调控方法，以解决现有的问题。

本发明的基于数据驱动的新能源合环智能调控方法采用如下技术方案：

本发明提供了基于数据驱动的新能源合环智能调控方法，该方法包括以下步骤：

获取时域电压信号；

对时域电压信号分解，获得时域电压信号的单峰信号对应的信号类型和信号概率；

构建搜索窗口和邻域窗口，预设窗口尺寸的基础值和迭代步长，获得对应的搜索窗口尺寸序列和邻域窗口尺寸序列；根据任意邻域窗口尺寸下单峰信号的信号概率获得收敛因子，根据收敛因子和搜索窗口尺寸获得目标函数；将目标函数对应的搜索窗口尺寸和邻域窗口尺寸，分别记为最优窗口尺寸和最优邻域窗口尺寸；根据最优邻域窗口尺寸对应的邻域窗口内单峰信号的峰值和信号概率，获得单峰信号的局部相似度特征；对单峰信号采样获得若干个采样点以及对应的电压值，根据单峰信号的局部相似度特征以及采样点的电压值获得单峰信号的平滑结果；

根据单峰信号的平滑结果对时域电压信号进行平滑处理，获得去噪后时域电压信号，根据去噪后时域电压信号的电压值对新能源汽车的合环电路进行智能调控。

进一步的，所述信号类型和信号概率，获取方法如下：

首先，利用傅里叶变换将时域电压信号变换至频域，获得含由若干个由正弦或余弦信号组成的信号集合，记为频域电压信号；

然后，以频域电压信号中每个单峰信号为单位，获取时域电压信号中任意单峰信号，在频域电压信号中所对应单峰信号的信号类型以及每个信号类型出现的概率。

进一步的，所述搜索窗口尺寸序列和邻域窗口尺寸序列，获取方法如下：

首先，预设搜索窗口和邻域窗口的窗口大小迭代方法：预设非局部均值算法的搜索窗口尺寸L以15个单峰信号作为基础值，开始迭代增加，迭代增加的步长为2，即15，17，19，21…，在每个信号为搜索窗口的中心时，获取对应搜索窗口范围内的信号类型数量，则由搜索窗口尺寸的迭代增加，获得对应的搜索窗口尺寸序列；

然后，预设非局部均值算法的邻域窗口尺寸k从3开始迭代增加，迭代增加的步长为2，由邻域窗口尺寸的迭代增加，获得对应的邻域窗口尺寸序列。

进一步的，所述目标函数，获取方法如下：

首先，在搜索窗口尺寸序列和邻域窗口尺寸序列中各任意选取一个数值，并使得搜索窗口尺寸L大于等于邻域窗口尺寸k，获取搜索窗口内所有信号类型对应的信号概率，根据选取的搜索窗口、邻域窗口尺寸以及信号概率获得收敛因子：

其中，R表示收敛因子，表示第i个单峰信号的邻域窗口尺寸；/>表示邻域窗口内第v个单峰信号对应的信号概率，P表示时域电压信号中共有P个单峰信号；

然后，根据收敛因子获得目标函数：

其中，E表示目标函数；表示信号类型数量为z时所对应的搜素窗口的数量；P表示时域电压信号中共有P个单峰信号；R表示收敛因子；/>表示邻域窗口内第v个单峰信号对应的信号概率；/>表示第i个单峰信号的邻域窗口尺寸；min()表示获得最小值，ln()表示以自然常数为底的对数函数，L表示搜索窗口尺寸，e表示自然常数。

进一步的，所述局部相似度特征，获取方法如下：

将最优搜索窗口尺寸和最优邻域窗口尺寸/>，对应的窗口分别记为最优搜索窗口和最优邻域窗口；

构建局部相似度模型，获取任意单峰信号的局部相似度特征：

其中，表示第a个单峰信号的局部相似度特征，o表示单峰信号所在邻域窗口，/>表示以邻域窗口o为中心时，搜索窗口内第a个单峰信号所在的邻域窗口；/>表示最优邻域窗口尺寸；v表示邻域窗口内第v个单峰信号；/>表示邻域窗口o中第v个单峰信号的信号概率；/>表示以邻域窗口o为中心时，搜索窗口内第a个单峰信号对应邻域窗口中第v个单峰信号的信号概率；/>表示邻域窗口o中第v个单峰信号的峰值；/>表示以邻域窗口o为中心时，搜索窗口内第a个单峰信号对应邻域窗口中第v个单峰信号的峰值；/>表示获取绝对值；exp()表示以自然常数为底的指数函数。

进一步的，所述平滑结果，获取方法如下：

首先，对时域电压信号中所有单峰信号的局部相似度进行线性归一化，获得归一化局部相似度特征；

然后，利用预设采样频率对时域电压信号中任意单峰信号进行采样，获得若干个采样点以及采样点对应的电压值，获取任意单峰信号中所有采样点的平均电压值；

最后，利用单峰信号的归一化局部相似度特征对平均电压值进行乘积调节，获得单峰信号的平滑结果因子，将最优搜索窗口尺寸对应的最优搜索窗口内，所有单峰信号的平滑结果因子的平均值记为最优搜索窗口内单峰信号的平滑结果，将任意一段单峰信号平滑后的直线形式的信号，记为直线信号，获得若干个直线信号。

进一步的，所述根据单峰信号的平滑结果对时域电压信号进行平滑处理，获得去噪后时域电压信号，根据去噪后时域电压信号的电压值对新能源汽车的合环电路进行智能调控，包括的具体步骤如下：

首先，取所有直线信号的中点，然后对所有中点利用最小二乘法拟合，得到完全平滑的曲线，记为去噪后时域电压信号；

最后，新能源汽车的安全电压区间取决于具体的车辆型号和制造商，预设安全电压阈值为800V，一旦合环电路中出现电压飙高，临近安全电压阈值时，立即切断电路或降低电压。

本发明的技术方案的有益效果是：针对电路合环作业时异常监测过程的电压信号进行降噪处理，当前非局部均值滤波算法对信号特征信息损伤较大，因此提出引用图像处理领域保留细节特征较好的非局部均值滤波思想，利用频域转换，将时域电压信号转化为频域电压信号，然后统计单峰信号类型，以单峰信号为单位进行非局部均值处理，为了优化加权权重结构两极化问题，提出利用局部信号类型熵与局部信号概率方差作为目标函数，对搜索窗口和邻域窗口进行组合迭代，得到最优窗口尺寸，然后以单峰信号为单位进行相似度计算，在平滑过程中先以单峰信号的相似度归一化结果作为加权权重，以单峰信号内的平均幅值作为被加权项，进行加权求和得到平滑结果，最后利用最小二乘法拟合曲线，消除块效应；通过引用非局部均值滤波思想，并在其基础上进行改进使其使用与信号曲线平滑，相比于现有平滑算法，对细节保留度更好，且算法结构简单，可以大幅提高含噪声信号的降噪效率，为提高合环作业的安全等级提供一定技术参考。

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，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，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为本发明基于数据驱动的新能源合环智能调控方法的步骤流程图；

图2为时域电压信号示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于数据驱动的新能源合环智能调控方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的基于数据驱动的新能源合环智能调控方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的基于数据驱动的新能源合环智能调控方法的步骤流程图，该方法包括以下步骤：

步骤S001，获取新能源汽车中合环器的运行状态监测数据。

利用示波器获取合环器中合环电路在连续时间上的电压变化信息，记为合环器的时域电压信号，如图2所示；

由于电磁干扰，所采集的时域电压信号中会包含实际电压信号和噪声信号。

步骤S002，将时域电压信号转化为频域电压信号，获取不同单峰信号的信号类型以及信号概率。

当噪声污染实际电压信号后，由于存在噪声的干扰，实际电压信号出现异常情况时，无法及时识别，容易造成安全隐患，常规的信号去噪算法，例如均值滤波经常出现过平滑，将含有异常电压信号的部分一并平滑，其降噪效果不理想，在去噪过程中需要尽可能保留实际电压信号，去除噪声信号。

本实施例选择细节信息保留较好的非局部均值滤波，利用非局部均值滤波在时域电压信号中全局搜索相似的局部信息，将相似度赋予求均平滑权重的思想，应用在电压监测信号的去噪处理中；

由于时域电压信号是时域上连续的信号，其数值是连续不断的，相邻两个值之间可无限分割，即可取无数个值，那么无论是非局部均值的搜索窗口还是邻域窗口都无法设置，窗口大小的不同，会使得出现完全不同的滤波效果。

为了便于对时域电压信号进行分析处理，本实施例将时域电压信号转换到频域中，具体过程为：

首先，利用傅里叶变换将时域电压信号变换至频域，获得含由若干个由正弦或余弦信号组成的信号集合，记为频域电压信号，由于傅里叶变换是利用正弦函数不断分解原始信号，因此可以将原始信号转化为幅值、频率不同的各个类型的单峰信号；

然后，以频域电压信号中每个单峰信号为单位，获取时域电压信号中任意单峰信号，在频域电压信号中所对应单峰信号的信号类型以及每个信号类型出现的概率，记为信号概率，信号概率所描述的是频域电压信号的概率分布问题。

需要说明的是，将时域电压信号变换为频域后，频域中包含了若干个不同频率的正弦或余弦信号，即所有不同频率的正弦或余弦信号复合组成了时域电压信号，因此时域电压信号中的单峰信号，包含了在频域电压信号中的若干种单峰信号，所述将原始信号转化为幅值、频率不同的各个类型的单峰信号，为各频率下所对应正弦或余弦信号的一个周期内的单峰信号；

需要说明的是，在频域中，横轴上、下两侧的单峰信号类型不同，上、下两侧需要单独计算和单独平滑处理。

常规的信号平滑去噪应该以每个采样点为单位，进行相似度权重计算，但由于时序上连续信号的局部特征不显著，因此本实施例将频域电压信号中的单峰信号作为局部特征，进行后续计算；

获得信号类型和信号概率后，在时域电压信号上进行窗口尺寸以及非局部均值的计算，以单峰信号为单位利用非局部均值滤波算法获取局部相似度权重，可以对时域电压信号的相似度权重计算更加准确，采样点在单峰信号内，后续将单峰信号的局部相似度权重赋予单峰内所有采样点的平均幅值，即可保留局部特征信息，并在此基础上再进行整体信号平滑，因此本实施例采用的是“先局部平滑，再全局平滑”的方式对时域电压信号进行平滑去噪。

步骤S003，根据时域电压信号中单峰信号的信号类型和信号概率，以及在不同尺寸的窗口内的分布特征，对单峰信号进行局部平滑处理。

在利用非局部均值滤波算法处理时域电压信号时，不同长度的搜索窗口和邻域窗口内出现的信号类型和信号概率不同，对于非局部均值局部相似度以及平滑结果会产生不同的影响结果。

本实施例为了保证对时域电压信号有更理想的去噪效果，则需要非局部均值滤波算法的非局部均值搜索窗口的最优期望为：在对时域电压信号进行平滑时，需要使局部相似度权重在不同局部范围下的分布接近一致，并且足够分散，实现对时域电压信号平滑后，保留实际电压信号。

需要说明的是，所述非局部均值搜索窗口需要局部相似度权重在不同局部范围下的分布一致且分散，假设非局部均值搜索窗口长度为5，例如，每一个邻域窗口对应的信号在非局部均值搜索窗口内，获取的局部相似度权重为0.05、0.1、0.2、0.25、0.4时，这种权重分布离散，足够体现局部相似度权重的差异，又能保留时域电压信号的局部特征，而当局部相似度权重为0.2、0.2、0.2、0.2、0.2或者0.01，0.02，0.05，0.07，0.85时，前者局部相似度权重的数值分布过于集中，后者局部相似度权重出现单个数值过高，两种局部相似度权重的分布，都会造成后续对时域电压信号去噪处理时，出现过平滑或者欠平滑的问题。

步骤（1），根据上述分析，本实施例采用双迭代算法，获取最优搜索窗口以及邻域窗口，即将搜索窗口和邻域窗口作为一个两两组合问题，当某一种组合可以实现上述最优期望时，认为所对应搜索窗口以及邻域窗口的大小最优。

本实施例是在频域信号中将单峰信号作为单位信号类型，因此以下窗口长度等于时序上的单峰信号数量大小，注意这里窗口尺寸不是时序上的长短，而是单峰信号的数量。且需要获取的迭代参数有两个，搜索窗口和邻域窗口，迭代过程并非同步迭代，而是配对组合的形式进行迭代，即两个参数在其迭代方向上任意取两个值进行组合，输入目标函数中迭代至收敛。

获取最优的搜索窗口以及邻域窗口的大小的过程为：

首先，预设搜索窗口和邻域窗口的窗口大小迭代方法：预设非局部均值算法的搜索窗口尺寸L以15个单峰信号作为基础值，开始迭代增加，迭代增加的步长为2，即15，17，19，21…，以保证搜索窗口尺寸为奇数，记录每个信号为搜索窗口的中心时，对应搜索窗口的长度范围L内的信号类型数，则由搜索窗口尺寸的迭代增加，获得对应的搜索窗口尺寸序列；预设非局部均值算法的邻域窗口尺寸k从3开始迭代增加，迭代增加的步长为2，同样保证邻域窗口尺寸为奇数，则由邻域窗口尺寸的迭代增加，获得对应的邻域窗口尺寸序列；

然后，在搜索窗口尺寸序列和邻域窗口尺寸序列中各任意选取一个数值，并使得搜索窗口尺寸L大于等于邻域窗口尺寸k，获取搜索窗口内所有信号类型对应的信号概率，根据选取的搜索窗口、邻域窗口尺寸以及信号概率获得收敛因子：

其中，R表示收敛因子，表示第i个单峰信号的邻域窗口尺寸；/>表示邻域窗口内第v个单峰信号对应的信号概率，P表示时域电压信号中共有P个单峰信号。

步骤（2），根据收敛因子获得目标函数：

其中，E表示目标函数；表示z个信号类型所对应的搜素窗口的数量；P表示时域电压信号中共有P个单峰信号；R表示收敛因子；/>表示邻域窗口内第v个单峰信号对应的信号概率；/>表示第i个单峰信号的邻域窗口尺寸；min()表示获得最小值，ln()表示以自然常数为底的对数函数，L表示搜索窗口尺寸，e表示自然常数；

需要说明的是，当搜索窗口尺寸为L时，以每个单峰信号峰值点为中心的搜索窗口中会出现不同类型；

表示当搜索窗口尺寸为L时，根据所有搜索窗口内的信号类型数所获取的信息熵，称为权重结构熵，熵的大小代表了系统的稳定性或混乱性，当熵最小时，平滑每一处信号时搜索窗口内所遍历的信号类型均接近一致，使得权重的组成结构最为稳定。那么当迭代至某一个L时，目标函数收敛，即可得到最优L。

权重结构熵可以约束搜索窗口尺寸迭代时窗口内信号类型的复杂度，但单依赖搜索窗口尺寸目标函数仅能使所有邻域窗口内权重结构相近，仍无法达到上述最优期望，不能保证所有搜索窗口内权重结构一致且信号类型分散，搜索窗口和邻域窗口之间互相影响，还需要邻域窗口之间进行相似度计算时，各自信号类型的概率分布方差足够大，即信号类型分布足够离散，才能避免出现两极化问题。

表示所有大小的邻域窗口内的信号概率的方差，该方差越大，相似度权重计算才足够离散，因此取其倒数/>，方差越大，倒数越小，另外，为了约束搜索窗口和邻域窗口的尺寸相近可能出现的局部最优问题，增加惩罚项/>，即搜索窗口L和邻域窗口尺寸k差异越大，/>惩罚项才会越小，否则惩罚项越大；

需要说明的是，搜索窗口尺寸L和邻域窗口尺寸k的迭代并不同步进行，而是以组合的形式迭代，当某一个搜索窗口尺寸和邻域窗口尺寸的组合可以使目标函数收敛，则对应的搜索窗口尺寸L和邻域窗口尺寸k值作为最优的搜索窗口和邻域窗口尺寸。

步骤（3），将目标函数E所对应的搜索窗口尺寸L和邻域窗口尺寸k值作为最优的搜索窗口和邻域窗口尺寸，分别记为最优搜索窗口尺寸和最优邻域窗口尺寸/>，对应的窗口分别记为最优搜索窗口和最优邻域窗口；

步骤（4），构建局部相似度模型，获取任意单峰信号的局部相似度特征：

其中，表示第a个单峰信号的局部相似度特征，o表示单峰信号所在邻域窗口，/>表示以邻域窗口o为中心时，搜索窗口内第a个单峰信号所在的邻域窗口；/>表示最优邻域窗口尺寸；v表示邻域窗口内第v个单峰信号；/>表示邻域窗口o中第v个单峰信号的信号概率；/>表示以邻域窗口o为中心时，搜索窗口内第a个单峰信号对应邻域窗口中第v个单峰信号的信号概率；/>表示邻域窗口o中第v个单峰信号的峰值；/>表示以邻域窗口o为中心时，搜索窗口内第a个单峰信号对应邻域窗口中第v个单峰信号的峰值；/>表示获取绝对值；exp()表示以自然常数为底的指数函数；

表示的邻域窗口o和搜索窗口内第a个单峰信号对应邻域窗口内，第v个单峰信号之间的信号概率的差值绝对值；/>表示邻域窗口o和搜索窗口内第a个单峰信号对应邻域窗口内，第v个单峰信号对应峰值的差值绝对值；

表示在邻域窗口o与第a个单峰信号所在的邻域窗口内，所有单峰信号对应的信号概率差异与信号峰值差异的乘积，然后求均得到第a个单峰信号所在的邻域窗口相对于邻域窗口o而言的局部差异，该差异越小则相似度越大。

步骤（5），获得时域电压信号中所有单峰信号的局部相似度特征，并对所有单峰信号的局部相似度特征进行线性归一化，另外，利用预设采样频率对任意单峰信号进行采样，获得若干个采样点；

进一步获得任意单峰信号的平滑结果：

其中，H表示单峰信号平滑后的峰值；表示搜索窗口内第t个单峰信号的归一化局部相似度特征，/>表示第t个单峰信号的第u个采样点对应的电压值，/>表示第t个单峰信号的采样点数量；/>表示最优搜索窗口尺寸。

需要说明的是，表示搜索窗口内所有单峰信号平均幅值的加权求和，得到对应单峰信号的平滑结果，平滑后，对应的单峰信号表现为直线形式，将任意一段单峰信号平滑后的直线形式的信号，记为直线信号。

至此，实现对时域电压信号的局部平滑处理，获得若干个直线信号。

步骤S004，根据局部平滑处理后的时域电压信号中的直线信号，对时域电压信号进行全局平滑，获得去噪后时域电压信号。

对时域电压信号进行局部平滑处理后，平滑后的时域电压信号存在信号段之间的块效应，因此取所有直线信号的中点，然后对所有中点利用最小二乘法拟合，得到完全平滑的曲线，记为去噪后时域电压信号，实现对时域电压信号的平滑去噪处理。

利用最优搜索窗口和最优邻域窗口平滑后的时域电压信号，避免了加权结构过于均匀或过于侧重的两极化问题，使平滑去噪结果更具可信度，且最大程度保留时域电压信号中的局部特征信息，在消除噪声的同时，将实际电压信号进行保留，使得监测合环电路异常时，更加准确。

最后，新能源汽车的安全电压区间取决于具体的车辆型号和制造商，一般情况下，电动汽车的安全电压区间是在200V到1000V之间，大部分电动汽车安全阈值在500V左右，例如比亚迪，其标称电压为800V，这是目前市场上电动汽车使用的最高电压之一，因此预设安全电压阈值为800V，一旦合环电路中出现电压飙高，临近安全电压阈值时，立即切断电路或降低电压，避免危险事故发生。

需要说明的是，本实施例中所用的exp(-x)模型仅用于表示负相关关系和约束模型输出的结果处于区间内，具体实施时，可替换成具有同样目的的其他模型，本实施例只是以exp(-x)模型为例进行叙述，不对其做具体限定，其中x是指该模型的输入。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.基于数据驱动的新能源合环智能调控方法，其特征在于，该方法包括以下步骤：

获取时域电压信号；

对时域电压信号分解，获得时域电压信号的单峰信号对应的信号类型和信号概率；

构建搜索窗口和邻域窗口，预设窗口尺寸的基础值和迭代步长，获得对应的搜索窗口尺寸序列和邻域窗口尺寸序列；根据任意邻域窗口尺寸下单峰信号的信号概率获得收敛因子，根据收敛因子和搜索窗口尺寸获得目标函数；将目标函数对应的搜索窗口尺寸和邻域窗口尺寸，分别记为最优窗口尺寸和最优邻域窗口尺寸；根据最优邻域窗口尺寸对应的邻域窗口内单峰信号的峰值和信号概率，获得单峰信号的局部相似度特征；对单峰信号采样获得若干个采样点以及对应的电压值，根据单峰信号的局部相似度特征以及采样点的电压值获得单峰信号的平滑结果；

根据单峰信号的平滑结果对时域电压信号进行平滑处理，获得去噪后时域电压信号，根据去噪后时域电压信号的电压值对新能源汽车的合环电路进行智能调控。

2.根据权利要求1所述基于数据驱动的新能源合环智能调控方法，其特征在于，所述信号类型和信号概率，获取方法如下：

首先，利用傅里叶变换将时域电压信号变换至频域，获得含由若干个由正弦或余弦信号组成的信号集合，记为频域电压信号；

然后，以频域电压信号中每个单峰信号为单位，获取时域电压信号中任意单峰信号，在频域电压信号中所对应单峰信号的信号类型以及每个信号类型出现的概率。

3.根据权利要求1所述基于数据驱动的新能源合环智能调控方法，其特征在于，所述搜索窗口尺寸序列和邻域窗口尺寸序列，获取方法如下：

首先，预设搜索窗口和邻域窗口的窗口大小迭代方法：预设非局部均值算法的搜索窗口尺寸L以15个单峰信号作为基础值，开始迭代增加，迭代增加的步长为2，即15，17，19，21…，在每个信号为搜索窗口的中心时，获取对应搜索窗口范围内的信号类型数量，则由搜索窗口尺寸的迭代增加，获得对应的搜索窗口尺寸序列；

然后，预设非局部均值算法的邻域窗口尺寸k从3开始迭代增加，迭代增加的步长为2，由邻域窗口尺寸的迭代增加，获得对应的邻域窗口尺寸序列。

4.根据权利要求1所述基于数据驱动的新能源合环智能调控方法，其特征在于，所述目标函数，获取方法如下：

首先，在搜索窗口尺寸序列和邻域窗口尺寸序列中各任意选取一个数值，并使得搜索窗口尺寸L大于等于邻域窗口尺寸k，获取搜索窗口内所有信号类型对应的信号概率，根据选取的搜索窗口、邻域窗口尺寸以及信号概率获得收敛因子：

其中，R表示收敛因子，表示第i个单峰信号的邻域窗口尺寸；/>表示邻域窗口内第v个单峰信号对应的信号概率，P表示时域电压信号中共有P个单峰信号；

然后，根据收敛因子获得目标函数：

其中，E表示目标函数；表示信号类型数量为z时所对应的搜索窗口的数量；P表示时域电压信号中共有P个单峰信号；R表示收敛因子；/>表示邻域窗口内第v个单峰信号对应的信号概率；/>表示第i个单峰信号的邻域窗口尺寸；min()表示获得最小值，ln()表示以自然常数为底的对数函数，L表示搜索窗口尺寸，e表示自然常数。

5.根据权利要求1所述基于数据驱动的新能源合环智能调控方法，其特征在于，所述局部相似度特征，获取方法如下：

将最优搜索窗口尺寸和最优邻域窗口尺寸/>，对应的窗口分别记为最优搜索窗口和最优邻域窗口；

构建局部相似度模型，获取任意单峰信号的局部相似度特征：

其中，表示第a个单峰信号的局部相似度特征，o表示单峰信号所在邻域窗口，/>表示以邻域窗口o为中心时，搜索窗口内第a个单峰信号所在的邻域窗口；/>表示最优邻域窗口尺寸；v表示邻域窗口内第v个单峰信号；/>表示邻域窗口o中第v个单峰信号的信号概率；/>表示以邻域窗口o为中心时，搜索窗口内第a个单峰信号对应邻域窗口中第v个单峰信号的信号概率；/>表示邻域窗口o中第v个单峰信号的峰值；/>表示以邻域窗口o为中心时，搜索窗口内第a个单峰信号对应邻域窗口中第v个单峰信号的峰值；/>表示获取绝对值；exp()表示以自然常数为底的指数函数。

6.根据权利要求1所述基于数据驱动的新能源合环智能调控方法，其特征在于，所述平滑结果，获取方法如下：

首先，对时域电压信号中所有单峰信号的局部相似度进行线性归一化，获得归一化局部相似度特征；

然后，利用预设采样频率对时域电压信号中任意单峰信号进行采样，获得若干个采样点以及采样点对应的电压值，获取任意单峰信号中所有采样点的平均电压值；

最后，利用单峰信号的归一化局部相似度特征对平均电压值进行乘积调节，获得单峰信号的平滑结果因子，将最优搜索窗口尺寸对应的最优搜索窗口内，所有单峰信号的平滑结果因子的平均值记为最优搜索窗口内单峰信号的平滑结果，将任意一段单峰信号平滑后的直线形式的信号，记为直线信号，获得若干个直线信号。

7.根据权利要求1所述基于数据驱动的新能源合环智能调控方法，其特征在于，所述根据单峰信号的平滑结果对时域电压信号进行平滑处理，获得去噪后时域电压信号，根据去噪后时域电压信号的电压值对新能源汽车的合环电路进行智能调控，包括的具体步骤如下：

首先，取所有直线信号的中点，然后对所有中点利用最小二乘法拟合，得到完全平滑的曲线，记为去噪后时域电压信号；

最后，新能源汽车的安全电压区间取决于具体的车辆型号和制造商，预设安全电压阈值为800V，一旦合环电路中出现电压飙高，临近安全电压阈值时，立即切断电路或降低电压。