CN117330816B - 一种用于霍尔电流传感器的监测数据优化方法 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及一种用于霍尔电流传感器的监测数据优化方法，包括：采集电流数据，获取多个IMF分量，获取每个IMF分量中每个数据点的异常程度，进而得到电流数据中每个数据点的异常程度以及异常标识，根据电流数据中每个数据点的异常标识以及异常数据点集合获取电流数据中每个数据点的平滑窗口，根据平滑窗口获取电流数据中每个数据点的参考数据点以及参考值，根据每个数据点的异常程度以及异常标识获取每个参考数据点的权重，对参考值进行加权求和，得到电流数据中每个数据点的平滑值，进而得到优化后的电流数据。本发明在去除噪声的同时，保留了电路故障造成的异常电流数据，使得电路故障可被准确识别。

Description

一种用于霍尔电流传感器的监测数据优化方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种用于霍尔电流传感器的监测数据优化方法。

背景技术

随着电子技术和电力系统的不断发展，对电流传感器的需求增加。电流是电力系统中的重要参数，因此需要高精度的电流测量。此外，电动汽车、工业自动化和可再生能源等领域的快速发展也增加了电流传感器的需求。

霍尔电流传感器是一种用来监测电路中电流的高精度传感器，可用于诊断电路中的故障等。但由于霍尔电流传感器的灵敏度非常高，电源、电路、磁场噪声等都会造成霍尔电流传感器监测的电流数据中存在噪声。在噪声的干扰下，电路故障造成的异常电流数据难以识别，因此需要对霍尔电流传感器监测的电流数据进行优化去噪。

传统的滤波器对于电流数据中所有数据点的平滑程度相同，在去除噪声的同时，可能会导致电路故障造成的异常电流数据也被去除，使得电路中的故障无法被准确识别。

发明内容

为解决上述问题，本发明提供一种用于霍尔电流传感器的监测数据优化方法。

本发明的一种用于霍尔电流传感器的监测数据优化方法采用如下技术方案：

本发明一个实施例提供了一种用于霍尔电流传感器的监测数据优化方法，该方法包括以下步骤：

利用霍尔电流传感器采集电流数据；对电流数据进行分解，得到多个IMF分量；根据每个IMF分量中所有极值点获取每个IMF分量中每个数据点的异常程度；

根据每个IMF分量中每个数据点的异常程度获取电流数据中每个数据点的异常程度以及异常标识；根据电流数据中每个数据点的异常程度获取异常数据点集合；

根据电流数据中每个数据点的异常标识以及异常数据点集合获取电流数据中每个数据点的平滑窗口；根据电流数据中每个数据点的平滑窗口获取电流数据中每个数据点的参考数据点；获取电流数据中每个数据点在每个参考数据点下的参考值；

根据每个数据点的异常程度以及异常标识获取每个数据点的每个参考数据点的权重；根据所述权重对每个数据点在每个参考数据点下的参考值进行加权求和，得到电流数据中每个数据点的平滑值；根据电流数据中每个数据点的平滑值得到优化后的电流数据。

优选的，所述根据每个IMF分量中所有极值点获取每个IMF分量中每个数据点的异常程度，包括的具体步骤如下：

其中，表示第/>个IMF分量中第/>个数据点的异常程度；/>表示第/>个IMF分量中第/>个数据点的电流值；/>表示第/>个IMF分量中所有极大值点的电流值的均值；/>表示第/>个IMF分量中所有极小值点的电流值的均值；/>表示第/>个IMF分量中第/>个数据点左侧距离第/>个数据点最近的极值点与右侧距离第/>个数据点最近的极值点之间的时间差；/>表示第/>个IMF分量中所有相邻两个极值点之间的时间差的均值；/>表示最大值函数；表示S型函数；/>表示双曲正切函数；/>表示绝对值符号。

优选的，所述根据每个IMF分量中每个数据点的异常程度获取电流数据中每个数据点的异常程度以及异常标识，包括的具体步骤如下：

将电流数据中每个数据点在所有IMF分量中对应的数据点的异常程度的最大值作为电流数据中每个数据点的异常程度；

获取电流数据中每个数据点在所有IMF分量中对应的数据点的异常程度的最大值所对应的IMF分量的序号，作为电流数据中每个数据点的异常标识。

优选的，所述根据电流数据中每个数据点的异常标识以及异常数据点集合获取电流数据中每个数据点的平滑窗口，包括的具体步骤如下：

其中，表示电流数据中第/>个数据点的平滑窗口大小；/>表示电流数据中第/>个数据点的异常标识；/>表示IMF分量的数量；/>表示双曲正切函数；/>表示标准窗口大小；/>表示电流数据中第/>个数据点；/>表示异常数据点集合；/>表示绝对值符号；/>表示向上取整符号；

以电流数据中第个数据点为中心构建/>大小的窗口，作为电流数据中第/>个数据点的平滑窗口。

优选的，所述根据电流数据中每个数据点的平滑窗口获取电流数据中每个数据点的参考数据点，包括的具体步骤如下：

获取平滑窗口中包含第个数据点的所有数据点，作为第/>个数据点的参考数据点。

优选的，所述获取电流数据中每个数据点在每个参考数据点下的参考值，包括的具体步骤如下：

电流数据中每个数据点的平滑窗口内所有数据点进行直线拟合，将得到的拟合直线作为电流数据中每个数据点的平滑直线；

将每个数据点的时刻带入到每个数据点的每个参考数据点的平滑直线中，将得到的值分别作为每个数据点在其每个参考数据点下的参考值。

优选的，所述根据每个数据点的异常程度以及异常标识获取每个数据点的每个参考数据点的权重，包括的具体步骤如下：

其中，表示第/>个数据点的第/>个参考数据点的权重；/>表示第/>个数据点的异常程度；/>第/>个数据点的第/>个参考数据点的异常程度；/>表示第/>个数据点的异常标识；/>表示第/>个数据点的第/>个参考数据点的异常标识；/>表示IMF分量的数量；/>表示绝对值符号；表示归一化指数函数。

优选的，所述根据电流数据中每个数据点的异常程度获取异常数据点集合，包括的具体步骤如下：

预设异常阈值；将电流数据中异常程度大于异常阈值的数据点作为异常数据点，将所有异常数据点构成异常数据点集合。

本发明的技术方案的有益效果是：本发明通过采集电流数据，获取多个IMF分量，获取每个IMF分量中每个数据点的异常程度，进而得到电流数据中每个数据点的异常程度以及异常标识，根据电流数据中每个数据点的异常标识以及异常数据点集合获取电流数据中每个数据点的平滑窗口，确保了噪声的平滑窗口大，通过后续的平滑能够准确去除噪声，同时确保了电路故障造成的不明显的异常数据点的平滑窗口小，使得可电流故障造成的异常平滑之后尽可能保留。本发明根据平滑窗口获取电流数据中每个数据点的参考数据点以及参考值，根据每个数据点的异常程度以及异常标识获取每个数据点的每个参考数据点的权重，对参考值进行加权求和，得到电流数据中每个数据点的平滑值，进而得到优化后的电流数据，确保了平滑时的准确性，避免了数据点平滑后丢失原有的数据特征。本发明在去除噪声的同时，保留了电路故障造成的异常电流数据，使得电路故障可被准确识别。

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为本发明的一种用于霍尔电流传感器的监测数据优化方法的步骤流程图。

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一种用于霍尔电流传感器的监测数据优化方法，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一种用于霍尔电流传感器的监测数据优化方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种用于霍尔电流传感器的监测数据优化方法的步骤流程图，该方法包括以下步骤：

S001．采集电流数据。

通过霍尔电流传感器监测电路中电流的变化，获取每一时刻的电流，构成电流数据。

S002．对电流数据进行分解，得到多个IMF分量，获取每个IMF分量中每个数据点的异常程度。

利用EDM算法（经验模态分解算法）对电流数据进行分解，得到多个IMF分量（内涵模态分量）。

需要说明的是，每个IMF分量都代表了电流数据中的特定频率和时间尺度的振荡行为，因此每个IMF分量中数据点的波动范围一定且数据点周期变化，当数据点超出整体的波动范围且超出越多时，数据点越异常。当数据点所处的波动时间范围与整体的周期的差异越大，数据点越异常。

在本实施例中，获取每个IMF分量中每个数据点的异常程度：

其中，表示第/>个IMF分量中第/>个数据点的异常程度；/>表示第/>个IMF分量中第个数据点的电流值；/>表示第/>个IMF分量中所有极大值点的电流值的均值；/>表示第个IMF分量中所有极小值点的电流值的均值；/>表示第/>个IMF分量中第/>个数据点左侧距离第/>个数据点最近的极值点与右侧距离第/>个数据点最近的极值点之间的时间差；/>表示第/>个IMF分量中所有相邻两个极值点之间的时间差的均值；/>表示最大值函数；表示S型函数；/>表示双曲正切函数；/>表示绝对值符号；

用于衡量第/>个IMF分量中第/>个数据点相对于其他数据点的偏移程度，第/>个IMF分量中大部分数据点分布在/>范围内，当或/>为正数时，第/>个数据点位于/>范围之外，意味着第个数据点和第/>个IMF分量中大部分数据点相比存在着偏移，且当/>或越大时，偏移越大，此时第/>个数据点越异常；

用于衡量第/>个IMF分量中第/>个数据点所处局部范围内的数据变化异常程度。在每个IMF分量中，数据点周期变化，即相邻极大值点和极小值点之间的时间差较为统一，接近于/>，若第/>个数据点左右两侧的极值点之间的时间差/>与/>较大，则第/>个数据点所处局部范围内的数据变化越异常，此时第/>个数据点也越异常；

与/>分别表示了两种不同的异常情况，本发明实施例通过最大值函数/>将其中最大的异常情况作为第/>个数据点的异常程度。

至此，获取了每个IMF分量中每个数据点的异常程度。

S003．获取电流数据中每个数据点的平滑窗口大小。

对于电流数据中的每个数据点，其在每个IMF分量中分别对应一个数据点，将电流数据中每个数据点在所有IMF分量中对应的数据点的异常程度的最大值作为电流数据中每个数据点的异常程度。将电流数据中每个数据点在所有IMF分量中对应的数据点的异常程度的最大值对应的IMF分量的序号作为电流数据中每个数据点的异常标识。

需要说明的是，IMF分量的序号越小，IMF分量越高频，高频IMF分量对应于电流数据中快速变化的部分，因此对于高频的IMF分量中的数据点，异常程度越大时，数据点更可能为噪声点。IMF分量的序号越大，IMF分量越低频，低频IMF分量对应于电流数据中缓慢变化的部分，因此对于低频的IMF分量中的数据点，异常程度越大时，数据点更可能为电路故障造成的异常。

在本实施例中，预设异常阈值，在本实施例中/>，具体不做限定，实施人员可根据具体实施情况设置异常阈值。将电流数据中异常程度大于异常阈值的数据点作为异常数据点，将所有异常数据点构成异常数据点集合，用/>表示，将异常程度小于或等于异常阈值的数据点作为正常数据点。

预设标准窗口大小，在本实施例中/>，具体不做限定，实施人员可根据具体实施情况设置标准窗口大小。

根据标准窗口大小以及电流数据中每个数据点的异常标识获取电流数据中每个数据点的平滑窗口大小：

其中，表示电流数据中第/>个数据点的平滑窗口大小；/>表示电流数据中第/>个数据点的异常标识；/>表示IMF分量的数量；/>表示双曲正切函数；/>表示标准窗口大小；/>表示电流数据中第/>个数据点；/>表示异常数据点集合；当电流数据中第/>个数据点不属于异常数据点集合/>时，即电流数据中第/>个数据点为正常数据点时，将标准窗口大小作为电流数据中第/>个数据点的平滑窗口；/>表示绝对值符号；/>表示向上取整符号；

当电流数据中第个数据点属于异常数据点集合/>时，即电流数据中第/>个数据点为异常数据点时，电流数据中第/>个数据点在第/>个IMF分量中表现越异常，当/>越小时，说明电流数据中第/>个数据点在越高频的IMF分量中越异常，电流数据中第/>个数据点更可能为噪声造成的异常，此时对于电流数据中第/>个数据点越需要采用较大的平滑窗口进行平滑滤波，以便去除噪声。当/>越大时，说明电流数据中第/>个数据点在越低频的IMF分量中越异常，电流数据中第/>个数据点以及其局部的数据点更可能为电路故障等造成的较为显著的异常，且异常持续较长，由于异常较为显著且持续时间长，对于电流数据中第/>个数据点采用较大的平滑窗口进行平滑滤波，不会影响异常的进行消除；当/>处于中间时，说明电流数据中第/>个数据点在处于高频和低频中间的IMF分量中越异常，电流数据中第/>个数据点更可能电路故障造成的不明显的异常，且异常持续时间相对较短，此时对于电流数据中第/>个数据点采用较大的平滑窗口进行平滑滤波，会将异常消除，不利于后续对异常电流数据的监控，因此当/>处于中间时，对于电流数据中第/>个数据点需要采用较小的平滑窗口进行平滑滤波，确保电路故障造成的异常的电流数据保留。

至此，获取了每个电流数据的平滑窗口大小。

S004．对电流数据中每个数据点进行平滑滤波，获取优化后的电流数据。

对电流数据中每个数据点进行平滑，本实施例以电流数据中第个数据点为例进行说明，具体为：

对于电流数据中第个数据点，以第/>个数据点为中心构建/>大小的窗口，作为第/>个数据点的平滑窗口，利用最小二乘法对平滑窗口内/>个数据点进行直线拟合，将得到的拟合直线作为第/>个数据点的平滑直线。需要说明的是，对直线拟合的方法不做限定，本实施例仅以最小二乘法为例进行说明，实施人员可根据具体实施情况选择直线拟合的方法。

获取平滑窗口中包含第个数据点的所有数据点，作为第/>个数据点的参考数据点。获取第/>个数据点的每个参考数据点的平滑直线，将第/>个数据点的时刻带入到第/>个数据点的每个参考数据点的平滑直线中，将得到的值分别作为第/>个数据点在其每个参考数据点下的参考值。

获取第个数据点的每个参考数据点的权重：

其中，表示第/>个数据点的第/>个参考数据点的权重；/>表示第/>个数据点的异常程度；/>第/>个数据点的第/>个参考数据点的异常程度；/>表示第/>个数据点的异常标识；/>表示第/>个数据点的第/>个参考数据点的异常标识；/>表示IMF分量的数量；/>表示绝对值符号；异常标识为数据点在所有IMF分量中对应的数据点的异常程度的最大值对应的IMF分量的序号，因此/>最大可能为/>，因此利用/>对/>进行归一化；对分母加是为了防止分母为0；/>表示归一化指数函数，用作对进行归一化；

当第个数据点与其第/>个参考数据点的异常程度的差异越小，同时异常标识的差异也越小时，第/>个数据点与其第/>个参考数据点更可能为同一类型的数据点，例如同为正常数据点，或同为异常数据点，当同为异常数据点时可能为同一原因造成的异常，此时对第个数据点进行平滑时，可对其在第/>个参考数据点下的参考值重点关注，确保平滑之后的第/>个数据点尽可能保留其数据特征，此时第/>个参考数据点的权重越大；当第/>个数据点与其第/>个参考数据点的异常程度的差异越大，同时异常标识的差异也越大时，第/>个数据点与其第/>个参考数据点更可能为不同类型的数据点，此时为了确保第/>个数据点平滑后不丢失太多的数据特征，在对第/>个数据点进行平滑时，可降低对其在第/>个参考数据点下的参考值的关注程度，即此时第/>个参考数据点的权重越小。

根据第个数据点在其每个参考数据点下的参考值以及每个参考数据点的权重获取第/>个数据点的平滑值：

其中表示第/>个数据点的平滑值；/>表示第/>个数据点的第/>个参考数据点的权重；/>表示第/>个数据点在其第/>个参考数据点下的参考值。

同理，获取电流数据中每个数据点的平滑值。利用电流数据中每个数据点的平滑值替换电流数据中每个数据点原始的值，得到优化后的电流数据。

通过以上步骤，完成了用于霍尔电流传感器数据的监测数据的优化。

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)

1.一种用于霍尔电流传感器的监测数据优化方法，其特征在于，该方法包括以下步骤：

利用霍尔电流传感器采集电流数据；对电流数据进行分解，得到多个IMF分量；根据每个IMF分量中所有极值点获取每个IMF分量中每个数据点的异常程度；

根据每个IMF分量中每个数据点的异常程度获取电流数据中每个数据点的异常程度以及异常标识；根据电流数据中每个数据点的异常程度获取异常数据点集合；

根据电流数据中每个数据点的异常标识以及异常数据点集合获取电流数据中每个数据点的平滑窗口；根据电流数据中每个数据点的平滑窗口获取电流数据中每个数据点的参考数据点；获取电流数据中每个数据点在每个参考数据点下的参考值；

根据每个数据点的异常程度以及异常标识获取每个数据点的每个参考数据点的权重；根据所述权重对每个数据点在每个参考数据点下的参考值进行加权求和，得到电流数据中每个数据点的平滑值；根据电流数据中每个数据点的平滑值得到优化后的电流数据；

所述根据电流数据中每个数据点的异常标识以及异常数据点集合获取电流数据中每个数据点的平滑窗口，包括的具体步骤如下：

；

其中，表示电流数据中第/>个数据点的平滑窗口大小；/>表示电流数据中第/>个数据点的异常标识；/>表示IMF分量的数量；/>表示双曲正切函数；/>表示标准窗口大小；/>表示电流数据中第/>个数据点；/>表示异常数据点集合；/>表示绝对值符号；/>表示向上取整符号；

以电流数据中第个数据点为中心构建/>大小的窗口，作为电流数据中第/>个数据点的平滑窗口。

2.根据权利要求1所述的一种用于霍尔电流传感器的监测数据优化方法，其特征在于，所述根据每个IMF分量中所有极值点获取每个IMF分量中每个数据点的异常程度，包括的具体步骤如下：

；

其中，表示第/>个IMF分量中第/>个数据点的异常程度；/>表示第/>个IMF分量中第/>个数据点的电流值；/>表示第/>个IMF分量中所有极大值点的电流值的均值；/>表示第/>个IMF分量中所有极小值点的电流值的均值；/>表示第/>个IMF分量中第/>个数据点左侧距离第/>个数据点最近的极值点与右侧距离第/>个数据点最近的极值点之间的时间差；/>表示第个IMF分量中所有相邻两个极值点之间的时间差的均值；/>表示最大值函数；/>表示S型函数；/>表示双曲正切函数；/>表示绝对值符号。

3.根据权利要求1所述的一种用于霍尔电流传感器的监测数据优化方法，其特征在于，所述根据每个IMF分量中每个数据点的异常程度获取电流数据中每个数据点的异常程度以及异常标识，包括的具体步骤如下：

将电流数据中每个数据点在所有IMF分量中对应的数据点的异常程度的最大值作为电流数据中每个数据点的异常程度；

获取电流数据中每个数据点在所有IMF分量中对应的数据点的异常程度的最大值所对应的IMF分量的序号，作为电流数据中每个数据点的异常标识。

4.根据权利要求1所述的一种用于霍尔电流传感器的监测数据优化方法，其特征在于，所述根据电流数据中每个数据点的平滑窗口获取电流数据中每个数据点的参考数据点，包括的具体步骤如下：

获取平滑窗口中包含第个数据点的所有数据点，作为第/>个数据点的参考数据点。

5.根据权利要求1所述的一种用于霍尔电流传感器的监测数据优化方法，其特征在于，所述获取电流数据中每个数据点在每个参考数据点下的参考值，包括的具体步骤如下：

电流数据中每个数据点的平滑窗口内所有数据点进行直线拟合，将得到的拟合直线作为电流数据中每个数据点的平滑直线；

将每个数据点的时刻带入到每个数据点的每个参考数据点的平滑直线中，将得到的值分别作为每个数据点在其每个参考数据点下的参考值。

6.根据权利要求1所述的一种用于霍尔电流传感器的监测数据优化方法，其特征在于，所述根据每个数据点的异常程度以及异常标识获取每个数据点的每个参考数据点的权重，包括的具体步骤如下：

；

其中，表示第/>个数据点的第/>个参考数据点的权重；/>表示第/>个数据点的异常程度；第/>个数据点的第/>个参考数据点的异常程度；/>表示第/>个数据点的异常标识；/>表示第/>个数据点的第/>个参考数据点的异常标识；/>表示IMF分量的数量；/>表示绝对值符号；表示归一化指数函数。

7.根据权利要求1所述的一种用于霍尔电流传感器的监测数据优化方法，其特征在于，所述根据电流数据中每个数据点的异常程度获取异常数据点集合，包括的具体步骤如下：

预设异常阈值；将电流数据中异常程度大于异常阈值的数据点作为异常数据点，将所有异常数据点构成异常数据点集合。